美國內布拉斯加州林肯市犯罪行為的聚類及熱點分布分析

0 引 言

熱點( 或熱區(qū)) 可以指代犯罪情況的空間密度。由于地理學是用來研究小范圍研究區(qū)域中的高百分比研究實例的科學，所以對于犯罪情況的分析和研究就有必要定義一個準確的熱點( S. C. Smith) 。本文將通過兩種不同的分析方法: 緊鄰層空間聚類分析( 以下簡稱 NNH) 和針對犯罪的空間和時間分析法( SPAC) ，分別對林肯市入室行竊和搶劫的數(shù)據(jù)進行分析，并嘗試將兩種方法進行對比以便給出更加科學的分析報告，以幫助決策部門進行徒步巡邏的部署。首先，為了對兩種犯罪情況進行分析，有必要了解兩種違法行為的特點和概念。街頭搶劫是針對單一的頻繁移動的目標進行的違法行為，而入室搶劫則通常是針對靜態(tài)的固定目標進行( V. Patten) 。兩者在犯罪的形式分為動態(tài)和靜態(tài)的不同，搶劫具有高犯罪率( Cohen&Felson) ，而入室行竊具有較明顯的固定目標的特點，兩種形式的犯罪行為都可以作為理想的日常行為理論研究目標。

1 分析方法介紹

模糊模型是可以測量并展示熱點區(qū)域的特定區(qū)域分析工具。它允許用戶根據(jù)需要定義一個半徑，并在半徑范圍內搜索所有半徑區(qū)域內所發(fā)生的事件。所得到的成果為一幅展現(xiàn)半徑范圍內每一個區(qū)域犯罪行為頻率的地圖。

緊鄰層空間聚類分析( NNH) 作為與模糊模型相似的技術，它集合事件發(fā)生地點由用戶自行定義的、包含最少地點的緊鄰聚類集合內，成為第一階聚類。此方法提供這一用戶定義參數(shù)的目的是提供連續(xù)性計算第一階聚類直到?jīng)]有犯罪事件可以被集合收錄。之后，通過將第一階聚類中心進行分組整理并將他們視作單一事件而生成第二階聚類并進行連續(xù)的分層處理，直到不再識別任何聚類。

在此次分析中使用的最后一個技術手段是針對犯罪的空間和時間分析法，該方法的功能是，首先建立一個獨立程序然后 合 并 進 入 CrimeState 進 行 分 析 ( BLOCK， 1995) 。通過在研究區(qū)域疊加一個柵格圖層并在每一個柵格節(jié)點上應用搜索圈，STAC 算法能夠掃描所有數(shù)據(jù)然后計數(shù)每一個搜索圈中點的數(shù)量并最終識別密度最高的聚類或集合。由于一些選項與 NNH 相似或相同，用戶可以根據(jù)需要將 NNH 和 STAC 進行對比并得出更優(yōu)結果或更具科學行的分析報告( Paul Couch，2007) 。

風險控制( 調整) 后的緊鄰層空間聚類分析( RNNH)作為與標準化的 NNH 相似的方法，與 NNH 在計算橢圓上使用的是相同的算法，而不同的是將發(fā)生犯罪行為趨勢集中在人口密度高的地區(qū)的熱點計算在內。并使用另一平面以便于進行基于潛在人口犯罪可能性的控制。

2 數(shù)據(jù)處理、分析和結果

首先，針對兩種犯罪行為使用模糊建模，設置搜索半徑為 500 英尺，即 152. 4 m。應用以上參數(shù)，在 CrimeState軟件中進行設置并輸出如圖 1 所示成果?？梢钥闯鋈胧冶I竊和搶劫的最高熱點數(shù)量分別增加到 17 和 8 次。因為本文不使用模糊建模給出任何建議或與另外兩種方法進行任何比對分析，所以，模糊建模將作為第一階段展示犯罪分布情況的算法工具使用。根據(jù)圖 1 所示看出，兩種犯罪都在內布拉斯加大學林肯校區(qū)( 圖 1 下圖中大圓選中部分) 的南部和東部存在較高的發(fā)生數(shù)量。根據(jù)谷歌地圖( 圖 1 上圖) 可以看出，林肯校區(qū)南部是林肯市市中心( 圖 1 下圖中橢圓選中部分) ，也就是說該區(qū)域人口密度較高。

完成了使用模糊模型的第一階段犯罪分布情況展示之后，本文將著重闡述 NNH 和 STAC 進行犯罪行為熱點分析的數(shù)據(jù)處理過程、方法和結果并給出最終的徒步巡邏建議。為了使得結果足夠完整和精確，將對地圖成果的詳細信息進行解釋說明。為了保證誤差不是由于參數(shù)和誤差指數(shù)造成的，以下分析中所有參數(shù)均為同一比例尺下設定。NNH 的參數(shù)設定為: 每個聚類最少點數(shù)設置為 10，單位英里，同時橢圓的標準差設置為 1X。另一方面，STAC 的參數(shù)設置為: 將搜索半徑設置為 0. 2，其他參數(shù)于 NNH 相同。

2.1 橢圓和凸包的對比分析( 僅針對搶劫的NNH 分析)

對比橢圓和凸包在搶劫的 NNH 分析中的詳細情況，相比于橢圓方法而言，多邊形所代表的凸包方法包含了更多的單點，然而這些多包涵進來的單點并不與其他單相互集中形成聚類，而是呈現(xiàn)較為離散的分布。因此，為了保證分析的準確和質量，記下來的處理和分析過程中將使用橢圓形成聚類，而不是凸包方法。

2.2 基于 NNH 的搶劫行為分析

針對基于 NNH 方法的搶劫犯罪行為的聚類，由于NNH 聚類算法是對熱點熱鍵進行連續(xù)分層形成聚類直至此過程中不再有任何可識別的聚類的同時沒有足夠的時間可供 NNH 進行計算，余下的僅為搶劫行為的第一階聚類。容易確定 NNH 聚類是在內布拉斯加州立大學林肯校區(qū)和林肯市城區(qū)兩處。所以，也就意味著街道搶劫行為頻繁發(fā)生于這兩個區(qū)域，而這兩個區(qū)域就是街道搶劫犯罪行為的熱點。

2.3 基于 NNH 的入室盜竊行為分析

基于 NNH 的入室盜竊行為分析與街頭搶劫事件的分析方法相同，但不同的是基于 NNH 的入室盜竊行為的分析生成了第一階聚類和第二階聚類如圖2 所示，小橢圓表示第一階聚類 ( NNH1 ) ，大橢圓表示第二階聚類( NNH2) 。圖中橢圓所代表的第一階聚類主要聚集在林肯市城鎮(zhèn)中心地帶，兩種聚類所標示的區(qū)域為入室盜竊時間的熱點。結合谷歌地圖，入室盜竊事件主要發(fā)生在購物中心和住宅區(qū)。

更多內容請查看pdf