犯罪制图学进展研究

摘要

随着地理信息技术的不断提高，应用于犯罪空间研究的统计和制图方法也越来越方便地应用于日常应用中，本文通过总结前人研究成果，阐述了犯罪制图学的概念，即是以空间地理信息为参照，操作与处理犯罪数据，以可视化形式显示、输出对特定用户有用的信息的过程。详细介绍了犯罪制图学国外及国内研究进展，总结出犯罪制图学的关键技术，其中包括的初级统计方法有聚类方法、偏距离法等；犯罪制图学技术，包括点图、空间差值与平滑等，并根据不同的方法举例说明适用情况。分级阐述犯罪制图学作用，发现现阶段研究存在的不足与瓶颈，应注意问题等。举例说明本技术的应用情况并其对发展趋势进行展望，提出创新观点，犯罪制图学应紧密联系GPS、RS技术，结合城市的微区位理论，对分析方法进行创新性探究，并随着其他技术的不断发展来加快自身发展。

关键词：GIS，犯罪制图学，空间分析

1．犯罪制图学研究进展

犯罪制图(crime mapping)是以空间地理信息为参照，操作与处理犯罪数据，以可视化形式显示、输出对特定用户有用的信息的过程，是一种有效的情报分析和侦查工具[犯罪制图的理论与实践进展研究]。纽约局早在1900年利用彩色的钉子在地图上标出不同的犯罪类型及地点。是犯罪制图学的雏形。此举动类似于现代流行病学鼻祖John Snow，通过描点法将每例疾病发生的地点绘制在标有宽街街道、饮用水井等内容的地图上，得到了现在称之为霍乱病例的空间点模式分布图，虽然研究领域不同，但是都是将GIS思想应用于实际的的尝试，奠定了制图学的发展基础。但是钉子虽然能标出犯罪的地点，当它进行数据更新时，却就丢失了先前的信息，为了解决数据更新的问题，相关学者进一步研究尝试，形成了现在的犯罪制图学。

1.1国外犯罪制图学进展

1942年，Shaw和McKav在芝加哥就青少年行为不良问题进行了很好的分析，他们绘制了数千张青少年行为不良事件的分布图，用于分析青少年行为不良与不同社会条件之间的相关关系[国外警用地理信息技术发展历史、现状与趋势]。这项研究工作被普遍认为是20世纪初涉及犯罪分析与制图研究方面的一个重要里程碑。

在二十世纪六十至七十年代，大多数早期的犯罪信息地图主要采用的是由哈佛大学开发的SYMAP程序绘制。输入采用打孔输入卡，输出时采用行式打印机，打印精细程度受打印机字体大小所，通过这种方式出的图都是黑白的。

到了80年代中期，GIS在犯罪分析和制图领域的应用属于其发展的幼年期和起步阶段。在这个时期，美国和英国等发达国家有更多的部门开始尝试使用计算机制图程序和GIS系统。

进入90年代后，计算机数据处理速度显著曾强，随着计算机技术的不断发展，桌面地图开始变得普遍而快捷。专门的犯罪制图研究机构和学术年会相继成立。如美国国家司法学会设立的犯罪制图研究中心(Crime Mapping Research Center，CMRC；现更名为Mapping&Analysis for Public Security，MAPS)、美国基金会的犯罪制图实验室(ThePolice Foundation Crime Mapping Laboratory)、美国国家法律执行与修改技术中心的犯罪制图与分析计划小组(Crime Mapping&Analysis Programs，CMAP)、加拿大犯罪环境研究中心(EnvironmentalCriminology Research Inc，ECRI)、美国得克萨斯州立大学地理空间情报与调查研究中心(The TexasState University Center for Geospatial Intelligence andInvestigation，GII)等。

开发了智能化的犯罪制图软件。一些科研机构和局也开始了犯罪制图技术的研究并研发了一系列的犯罪制图软件，如美国司法部（CrimeStat）、伊利诺伊刑事司法信息机构(Illinois Criminal Justice Information Au—thority)的犯罪时空分析软件(The Spatial andTemporal of Crime，STAC)、纽约局的Comp—Stat、纽约州西切斯特和罗克兰郡(Westchesterand Rockland Counties)联合研发的Geo—MIND(Geographically—linked Multi—Agency InformationNetwork and Deconfliction)、美国圣迭戈州立大学(San Diego State University)的Point Pattern Analysis、英国谢菲尔德大学(Sheffield University)的Spatial Analysis in a GIS Environment(SAGE)、美国兰卡斯特大学(Lancaster University)的Info—Map、ESRI公司(Enviromental System Research In—stitute，Inc．)的ArcGis警用地理信息系统、澳大利亚犯罪学研究所(Austrilia Institute of Criminolog)r)的Atlas of Crime in Australia、美国芝加哥局的信息搜集自动化制图程序(Information Collee—tion for Automated Mapping，ICAM)等[犯罪制图的理论与实践进展研究]。

美国从97年开始，每年都会就“公共安全方面的制图与分析’’这个主题，举办一次年会，来交流探讨在犯罪制图研究与技术应用方面的最新进展信息，促进了犯罪制图学的发展。

1.2国内犯罪制图学研究进展

近年来，GIS不仅在美英等发达国家得到更广泛的推广与普及，同时在更多的发展中国家的和执法机构也开始得到应用。

自2002年起，我国开始组织编写警用地理信息系统相关标准和系统建设规范；2006年12月，与国家测绘局签订警用电子地图开发项目。通过查阅相关文献，了解到在全国的多个大城市中正在建立城市犯罪空间分析系统，很多应用是初步的、不完善的，而效果是显著的，这为我们指引了一个广阔的应用市场和研究前景，该领域的重要性也呼唤更多的研究者投入其中。

2． 犯罪制图方法与技术手段

2.1初级综合统计方法

1.平均中心（Meancenter）

平均中心点能够进行很多相关的测量，比如比较两个不同犯罪类型之间的空间内分布，或者比较相同犯罪类型的不同时期的分布状况等。图1为美国司法部提供的1999年巴尔的摩市盗窃案件分布图，其中，红色标记为犯罪平均中心。

图1 1999年巴尔的摩市盗窃案件平均中心图

2．分级偏距离（Standard deviation distance）

分级偏距离测量能够解释犯罪数据的级别和分布的校准。这个统计方法同样能很好的用于比较两个不同犯罪类型之间的空间内分布，或者比较相同犯罪类型的不同时期的分布状况。其中，分级偏距离越大犯罪数据就越分散。

3. 分级偏差椭圆（Standard deviation elipse）

分级偏差椭圆也能够描述分散程度，由椭圆的形状和大小决定。分级偏差椭圆的中心能够帮助描述犯罪类型方向。通过椭圆之间的微妙的不同可以观察出不同犯罪类型的相关不同。图2为1999年巴尔的摩市盗窃案件分级偏差椭圆分析，较小的椭圆是1阶离差椭圆输出的结果，较大的椭圆是2阶标准差椭圆输出的结果，且轴比1阶大两倍。椭圆长轴反映了扩散的方向和趋势。

图2 1999年巴尔的摩市盗窃案件分级偏差椭圆分析结果

4. 聚类方法（Test for clustering）

聚类方法是一种常用的研究聚类情况的初级的全局统计方法。犯罪分析通常假设犯罪分布是聚集的，聚类方法就是检测数据是否存在犯罪热点的第一步。多数方法合并了假设研究和分级统计的基本原则，原始的假设是将犯罪看做是完全空间随机分布的并计算随机分布的距离值（称为CSR值），将实验数据与CSR值相比较，来确定是否存在聚集，这就是聚类方法的总体思路。聚类方法包括最邻近指数法和空间自相关法。

1)．最邻近指数法（NNI）是最简单和快捷的聚类分析法。NNI方法计算观察值平均最邻近距离与平均随机最邻近距离的比率，当结果等于1时，说明犯罪数据是随机分布的 ；结果小于1，则犯罪数据是聚集的；结果大于1时，说明犯罪数据是均匀分布的。图3为1999年巴尔的摩市盗窃案件最邻近指数法分析结果。

图3 1999年巴尔的摩市盗窃案件最邻近指数法分析结果

2)．空间自相关法（Test for Spatial auto correlation）研究点事件的分布彼此是否相互联系。明确的空间自相关是指存在事件的聚集或者具有相似值的数据比其他数据更加靠拢。另外，空间自相关需要一个强度值，

A.Moran’s I

在数据集中时使用此方法，Moran’s I需要一个强度值，也就是地理边界区域的质心，结果在-1和1之间变化，点集中程度高且具有相似值时结果将偏高，用结果除以分级偏差可以用来进行理论的反向检验。

B.Geary’s C statistic

此方法最好应用于描绘小的邻域内的不同。而Moran’s I方法给出了更多空间关系的全局尺度。Geary’s C统计法是每个点与其他点强度值的偏离值。C值在0~2之间变化。当值小于1时代表空间正相关，大于1时代表空间负相关。

2.2犯罪制图学技术

2.2.1点图

点图类似于最初的彩色钉子标注的地图，简单直接，能很好的表示出分布状况，并且可以查询相关的属性，例如编码，犯罪类型，发生时间，所属区域等。但是当数据量很大时，点图不能很好地解释犯罪类型空间分布。例如点图不能很好地表现重合的地点。用于的犯罪事件制图或有少量样本时可以通过改变符号的尺寸或样式来表示重叠的点，但是从海量数据中识别这些点就显得有些低效了。

2.2.2空间椭圆

利用椭圆来识别犯罪热点的尝试，有着很长的历史。其中伊利诺伊司法局开发的STAC（Spatial and Temporral Analysis of Crime）软件就加载了标准离差椭圆、分层聚类和K均值聚类分析功能。

1. 分层聚类（Hierarchial clustering）

利用最邻近分析法识别用户定义数据的最小值，最邻近法只识别随机分布聚集的点。通过这个过程产生的椭圆是一级聚类，聚集一级聚类可以生成二级聚类，这个过程可以重复直到所有犯罪点都落到某一个聚类里，或者当聚类的标准不再起作用时停止。

2. K 均值（K-means clustering）

创造一个用户定义椭圆值K，通过将犯罪点数据分割成聚类，随机找到中心位置并分配一点到每个邻域中心。但是这种方法存在的不足是不能精确地识别犯罪热点。

2.2.3地理边界专题图 

地理边界专题图技术是研究犯罪空间分布的一种很流行的方法。它能够直观地表现出犯罪趋势及热点区域，使用户对分析的结果一目了然，它经常用来描述公务人员或管理人员所用到的地理边界，例如行政区、选举区或自治区等。代表犯罪事件的点能够被总计并体现在图上。这个技术对提供管辖区域的总体的管理信息有着重要的作用，但是对犯罪预防则无指导意义，因为无法建立区域内的地理分界线模型，例如对于统一管辖区内的不同行政区划不能按照其界限分割取值。

2.2.4格网专题图 

格网专题图克服了地理边界专题图存在的地理边界值问题，它将整幅地图分割成规则格网，能够绘制研究区域和专题形状。当热点存在时，如果格网足够小，就可以在巨大的研究区域内显示犯罪热点。另外，可以在小区域中展示高犯罪量。网格法能更加精确地识别热点，特别是在犯罪目标位置预测方面。但是网格法仍然约束着分析区域的尺寸和形状，而且在边界部分存在丢失空间信息现象。

2.2.5空间差值和平滑 

1. 插值

插值方法越来越多地用于犯罪空间分析中，插值就是通过已知点的数据，根据不同算法推求同一区域其它未知点数据并生成连续平滑表面的方法。常用的插值算法包括反距离权重法（IDW）、克里金插值法（Kriging）和splining插值法。 插值方法适用于绘图，可以描绘出犯罪点之间的分布状况。插值需要赋予样本点一个强度值，通常叫做Z值，根据Z值来推算其他部分的值。图4为随机赋予样本点Z值，经过Kriging插值得到的结果。

图4 Kriging插值结果

2. 核密度估计

核密度估计是最适合做犯罪数据可视化的手段。它同插值方法类似，生成连续的光滑表面。首先定义格网的尺寸；其次定义核半径，半径越大，生成的表面越光滑，半径越小，生成的表面细节越多；最后将每个位置的值相加得出结果。图5为随机赋予样本点Z值，基于核密度法得到的结果。

图5 核密度法

2.3 犯罪制图软件

2.3.1 ArcGIS犯罪分析工具

犯罪分析工具（CAT）是ArcGIS软件的扩展模块，既能新建也能熟练地执行专家规则，来分析犯罪和需要的服务。当用户的需求增长或者多样化时，CAT能够根据你的需求增加模型来进行空间分析，并且通过免费的ArcReader发布。指导用户进行数据输入，创建点图，分析多种犯罪和斌进行制图。CAT集成了的数据库或者ArcSDE来增强使用的展示性和简便性。它还具有记忆用户查询的功能，因此，能够轻松地生成定期犯罪的报道和统计图表。CAT能容易地完成犯罪分析的各种任务，包括检索学校周围的犯罪以协助学校的安全问题。它的标准功能包括向导简单易用，用户可查询报告和图表，通过月份，年份和地区总结报告，分析犯罪位置趋势，允许输入shapefiles/CAD/RMS数据，用户超链接工具，可重复储存查询和报告，在学校周围制作犯罪图。可选特性包括与ArcGIS Publisher结合，随着时间分析犯罪情况，展示热点和密度分析，为服务进行重复调用。

2.3.2 CrimeStat犯罪空间统计软件

CrimeStat是由美国司法部（NIJ）位于德州的研究和评估中心开发的窗口化的分析软件。由Ned Levine博士主持开发。此软件从1999年不断更新至今。    CrimeStat利用地理接口来进行数据库管理运行以及执行数据和GIS相联的统计过程。这个过程与描述中心点不同，它应用了更完善的最邻近和空间自相关方法。CrimeStat提供的空间统计模块分为四类：

1.空间分布或者中心点（centrographic）统计：平均中心，最小距离中心分级偏差椭圆，Moran’s I空间自相关指数。

2.距离统计：最邻近分析和Ripley’s K统计。

3.热点分析程序：分级最邻近聚类，K均值聚类，局部Moran统计。

4．插值统计：核密度估计城西（见本章更早的空间分析应用研究）

2.3.3 ArcView空间分析及等值线制图 

ArcView空间分析对于在连续平面上绘制单独的犯罪事件密度是非常有用的。连续的表面由已经存在的观察值经过插值生成。可以利用此功能绘制犯罪趋势面图或密度图来进行犯罪热点的可视化分析。

等值线图是一个用来描述数据的普通的技术，这些数据通过统计或管理区域数据汇总得到。另外，等值线图是在获取一般图像整体犯罪空间分布方面作用非常大，它主要用在犯罪制图应用方面来展示不同地区的犯罪相关密度或犯罪数量，通过值的范围分配不同颜色或不同形状来实现这些工作。

2.3.4 GeoDa 

GeoDa由Urbana-Champagne的伊利诺伊大学空间分析实验室开发，与CrimeStat相似，GeoDa也是一个窗口化的应用程序，实际上是一个对最初的SpaceStat组件的再创造，是ArcView的扩展。它是一个式的软件，不需要特定的GIS环境和且在任何Microsof的视窗操作系统下均能运行。现在的版本只能输入或输出ESRI的shapefile格式数据。它能够通过事物的空间位置分析他们的特点，这个位置既可以是点（点坐标）又可以是面（多边形边界坐标）。GeoDa方法通过菜单项目执行或者直接通过点击工具栏按钮，工具栏被分为六类：

空间数据操作和程序：数据输入输出和转化；

数据转换：变量转换和创建新的变量；

制图：等值线图，统计地图和地图动画；

探索数据分析(EDA):统计图表；

空间自相关：全球和局部空间自相关的推断和可视化；

空间回归：空间线性回归模型的特征和最大值可能性估计。

3．犯罪制图学作用

3.1网络分析功能

网络分析涉及路径分析、地址匹配、资源分配等应用模型。

3.1.1路径分析

路径分析是GIS中最基本的功能，其核心是对最佳路径和最短路径的求解。最佳路径分析包括巡警巡逻管理路线分析和优化及犯罪发生后分析的罪犯逃逸路线分析，有关部门应急反应等。

3.1.2地址匹配

地址匹配实质是对地理位置的查询。地址就是在网络分布的区域(如布满纵横街道的城区)，采用网络本身的定位方式(地址编码)表达空间实体在网络中的位置。

3.1.3资源分配

资源分配就是为网络中的网线和结点寻找最近(即由阻碍强度的大小确定的远近最小)的中心(资源发散或汇集地)。例如警用设施的查找，包括局设置、报警设施、警局对特殊位置的标记等，和巡警位置的查找。[警用GIS中网络分析的功能设计与实现]

3.2热点分析

犯罪热点(Hotspot)是指在一定时期内犯罪现象高度集中的地区。犯罪制图可以帮助警务人员确定犯罪热点地区和分析犯罪热点地区形成的原因，以采取相应的对策进行警务干预，并可以通过对犯罪分布的态势和状况去评估、评价警务工作对犯罪干预的有效性。

3.3专题图绘制

满足用户所需信息的可视化，针对不同犯罪类型进行空间分析，形成聚类或分散或随机的结果，形象地展示在人们面前，还具备统计图制作功能，直观地反映因素分布情况及之间的相关性。方便用户总结规律，或对存在问题提出相应对策。

3.4案件侦破

GIS与犯罪制图同时也是案件侦破的一个重要的辅助性工具，Hubbs(1998)指出：通过犯罪制图，同样可用来确定连续发生的系列案件在空间依次发生的顺序，以及案发地点在空间上的分布规律。但这种方法只适于相同特征的连续作案，对于具有不同特征的连续案件来说，则意义不大。

3.5犯罪预防及预测

在将犯罪制图应用于犯罪预防方面的一个很有创造性的机构当属美国马里兰州巴尔的摩郡的部门，它们将计算机制图与另一项技术创新——自动拨号器结合起来。[犯罪制图(Crime Mapping)：概念、现状与趋势]

美国卡内基梅隆大学的科学家目前正在进行利用计算机软件预测犯罪的研究，其误差率接近20%。研究人员认为这个误差率对警方来说已具有实用价值。美国司法部自主的这项研究收集了1990~2001年美国匹兹堡、罗切斯特和纽约发生的大量犯罪数据，并对单身母亲比例等与犯罪之间的挂系进行了分析，在分析结果的基础上设计了计算机模拟软件，并尝试利用软件进行预测。

4．犯罪制图应用实例

4.1国内应用实例

国内有一些应用犯罪制图学进行研究并取得理想结果的实例。

华东师范大学的杜德斌运用GIS技术和回归分析方法，分析加拿大爱得蒙顿市各类犯罪的空间分布规律。结果发现：城市犯罪分布的空间差异异常明显，城市内部存在少数极端的犯罪高发区；犯罪的空间分布遵循距离衰减规律，表现为距城市中心越近的地区犯罪发生密度越高，距城市中心越远的地区犯罪密度越低；犯罪发生密度与居住人口密度成正相关，即居住人口密度越高，越容易诱发犯罪，但不同类型的犯罪与居住人口密度的关联程度不一样；不同用地性质的区域犯罪发生密度存在明显差异，在各类用地中，商业区为城市犯罪的高发区。

南京市作为全国首批科技强警示范城市，一直致力于信息化技术领域研究，开发了“南京市警务综合平台”，按照“五要素”原则，集中存储包括户政、治安、刑侦、指挥中心、交管、外管、法制、督查、行政管理等业务信息数十类的业务综合数据库，积累了大量业务信息，其中包括丰富的地理信息。

昆明市也进行了警用GIS的开发项目，实现了基本的功能操作。

4.2国外应用实例（正在翻译）

5．现阶段存在不足

电子地图数据不规范，并且缺少犯罪信心，数据位置经度不够，比例尺偏小，对犯罪制图有着不小的约束，应该加快犯罪制图学的研究速度，利用现有数据绘制高信息含量的大比例尺地图。

缺少对特定犯罪类型的分析方法的研究，对不同的犯罪类型只进行简单的可视化显示和统计分析，应该进行数据挖掘，并从创新的角度研究新的方法。

数据更新机制落后：现有地图数据和业务工作系统结合不紧密，数据更新机制没有跟上，数据量少且不准确，由于没有数据支撑和持续更新机制，应用面已越来越窄。相关应用及数据更新应紧扣主题，进行筛选。

6．发展趋势与展望

6.1与遥感技术结合

随着遥感技术的发展，高分辨率图像能应用于犯罪空间分析的辅助研究中来。提供更强大的数据支持功能。

6.2服务于警务的WebGIS技术

基于WebGIS的空间信息发布及查询。服务于警务联动的WebGIS技术。WebGIS具有跨时空、跨平台的优点，具备良好的可扩展性和开放性，有利于扩展警务决策支持系统的功能和性能当前GIS的发展向网络发展，不仅解决了海量数据的存储问题，还向更多人共享数。人们可以通过网络进行热点区域的犯罪信息查询检索，使数据生动直观地展示。为更多人提供方便。

6.3预测模型

通过统计先前的数据资料，进行犯罪空间分析，制作专题图，进行动态展示，寻找规律，建立预测模型。

6.4地理环境的影响

考虑地理环境对犯罪制图的影响，包括自然环境、社会环境、人工环境。1835年凯特勒在其名著《论人及其才能的发展一一社会物理学的尝试》中，论述了气候、年龄、性别和季节对犯罪行为的影响。尤其是他对气候与把罪关系的研究得出的道德随季节的不同而有变化，进而影响到犯罪的类型和数量的结论，被称为‘犯罪的热定律”，犯罪趋势的统计结果是按高斯定律 (正态曲线)分布的。凯特勒的这些论断和±占论充分体现出其彻头彻尾的犯罪地理环境决定论思想[犯罪地理学的理论研究]。我认为当前的研究还没有太多关于环境因素影响犯罪的研究，所以此研究是很有挖掘空间的。

6.4.1宏观地形因素影响

宏观地形指平原、高原、盆地、山地等等，这些地形因素与犯罪存在着密切的联系，可以通过三维化的显示技术将其展示在专题图上，加入了DEM数据的图像又能够进行坡度分析，水文分析等，能够反映出更多影响犯罪的潜在因素。

6.4.2微观层次区位分析

微观层次的区位，指城市公共事业管理部门、企业、居民个人等区为主题，在城市或城镇的街道内的空间范围内的区位，城市规划制约、人文环境、产业事业关联、城市交通等，都是微区位研究的重要影响因子。微观层次意味着要进行更多的空间分析，例如，日本科学家进行了城市儿童易受侵害地区分析，就是通过微区位理论对具体地点进行分析，并提出解决方案。犯罪制图学也应该进行微观尺度研究，有利于发现案件背后隐藏的原因及相应对策，想着智能化的空间分析发展。

6.5与3G技术相结合

3G即第三代移动通信技术（3rd-generation），是指支持高速数据传输的蜂窝移动通讯技术。3G服务能够同时传送声音及数据信息，速率一般在几百kbps以上。近年来，随着3G技术快速兴起，使网络无处不在，犯罪制图技术可以通过3G网络收集数据和实时传输数据，提高犯罪信息的跟踪和相关人员应急反应速度。

参考文献