一 引 言
任何一种犯罪都是犯罪行为者在特定的地理时空内进行的，犯罪行为从一开始就与地理环境有着密切的联系，受其直接或间接的影响 从犯罪地理学的角度系统地研究犯罪地理规律，揭示犯罪的地理规律性，可以有效地预防犯罪以及为案件侦破提供科学依据。
犯罪地理理论在国外发展较早，通过各种统计分析及时空分析方法的实例研究也不少: 如Vania等人运用GIS和空间统计方法，对瑞典1996-2007年农村与城镇的盗窃和暴力犯罪的空间分布类型转化进行了分析，验证了瑞典农村地区正日益成为犯罪高发区；Michael等人通过核密度估计法对多伦多暴力伤害事件进行分时段空间制图，研究时空变异模式，并结合多元分析手段分析影响因素。
国内不少学者对犯罪的空间分布理论进行了研究，程连生等运用时位熵和区位熵分别对北京市各类犯罪的时间分布和空间分布 进行了较为系统的研究； 毛媛媛等以上海为例，对全市的各类犯罪密度特征人口密度一万人立案率分布特征进行了空间上的探讨，并对影响犯罪的环境因素进行了相关分析与回归分析。
本文利用收集到的上海市2006-2009年的盗窃案件数据，基于ArcGIS软件及Excel软件对这些案件的空间分布时间分布，以及时空变化进行分析。
1 数据来源与预处理
本研究所用的盗窃案件原始数据是由上海市公安局提供的，数据为表格数据，表格字段包括案件发生的时间（ 有年月周日时等字段）发生地点案件描述等。其中，案件描述为文本，记录了盗窃案件的类型，主要包括家里失窃手机被盗电瓶车丢失等。
为了能对案件进行了空间分析，利用GIS中地理编码方法对案件进行空间定位 以上海市道路图（ 具有门牌号） 和上海市地标图为参照，对盗窃案件的地址信息进行空间匹配，获得空间坐标信息，得到盗窃案件分布图（ 点状图） 除少数案件由于地址信息缺失或错误无法定位，定位到地图上的案件点近150×104个。
2 上海市盗案件空间分布分析
2.1 以乡镇（ 街道） 为单元的盗窃案件密度分析
盗窃案件点分布图与乡镇 （ 街道） 行政区划图叠置，计算落在每个乡镇（ 街道） 的盗窃案件数，并根据乡镇（ 街道）面积，计算每个乡镇的单位面积盗窃案件数。图1为
2006-2009年上海市分乡镇（ 街道） 盗窃案件密度图（ 起/km2 ）。
地图显示盗窃案件的分布整体呈现中心城区高，在近郊急剧降低，远郊犯罪率缓慢下降的模式。比较高的区域有天目西路街道、芷江西路街道、乍浦路街道、南京东路街道、北站街道，以及外滩街道等，密度均在7000起/（km2 ） 以上。这些区域的特点是人口密度大、流动人口多，根据Lawrence等人的日常行为理论，动机罪犯合适的目标，以及监管的缺失是犯罪发生的三个重要因素在人口密度大、流动大的地区会增加犯罪目标，减少监管作用，从而极易诱发犯罪。
中心城区到近郊的过渡地区，盗窃案件的分布密度在1000起/（km2 ）与3000起/（km2 ）之间； 郊区特别是崇明县，由于范围大人口少，盗窃案件的分布密度较低，如新村乡、东平镇、新海镇等盗窃案件的密度一般都不超过10起/（km2 ）。
2.2 以空间栅格为单元的盗窃案件密度分析
以乡镇（ 街道） 为单元的分析结果可以和具体的管理单元相关联进行更深入的分析，但由于在一个乡镇（ 街道） 单元中，盗窃案件的分布并不是均匀的，为了能反映出每个乡镇（ 街道） 内的盗窃案件分布差异，我们采用核密度估计法进行分析。
核密度估计（kernel density estimation） ，是一种非参数对密度函数的估计方法，其实质是把每个样本点当做一个核，每个核影响其周围的区域，使该区域密度呈核函数分布，所有核的密度函数叠加成为研究范围内的密度分布。其2维计算公式为:
式中: （x 1，x2，…，xn ） 是从一未知的分布中抽出的独立同分布的样本； n为样本数； K（x ） 即为核函数； h称为窗宽； x为待求密度坐标值。核密度估计的核函数，窗宽和分割点数是影响密度估计效果的重要的三因素。作为累计的最小单位，核函数的选择往往是需要考虑的，核函数Epanechnikov适用于最小变异，而标准正态分布基于其数学属性则有着最为广泛的应用。当数据量达到一定时，窗宽成为三个因素中最为关键的控制条件，窗宽选择过大会屏蔽掉细节的变异规律，而窗宽选择过小则也会使估计偏离真实密度函数，相同原理，核密度估计方法可以推广的3维甚至更高维。本文的数据处理使用ArcGIS中的kernel density工具，核函数使用ArcGIS默认的西尔弗曼的quadratic kernel function，窗宽为3600m，输出栅格大小为400m。
与以乡镇（ 街道）为单元的盗窃案件密度图相比，以空间栅格为单元的盗窃案件密度图能反映出一个乡镇 （ 街道）单元内的密度差异，如从天目西路街道的核密度图中，可以看出2006-2009年天目西路街道的犯罪密度从西北到东南方向递增，最高值出现在北站区域（ 如图2所示）。
3 上海市盗窃案件时间分布分析
3.1 日内变化分析
根据“时”字段统计上海市2009年一天中各个时段发生的盗窃案件数，得到2009年上海市盗窃案件日内变化直方图（ 如图3所示） 从图中可以看出，2009年全年上海市各个时段的盗窃案件数在统计形态主要呈现出双峰模式，在6时到10时为第一个高峰，其中盗窃案件数最多的为8时，共计有30169起； 而16时到21时则为第二个高峰，最高值较之前低，为17时的25603起。其余时间段成形成两个波谷，其中23时至4时为全天最低时段，案件数均不超过 1×104起，其中最低值为1时的5854起；而在10时至16时，虽然每小时盗窃案件数较之两边波峰有明显下降，但平均犯罪数都在2×104起以上，且波动不明显，呈持平状态。两个高峰时段的盗窃案件总和占到总量的60.57%，从7时到19时的盗窃案件总和更占到总量的70.1%。
从总体上看来，盗窃案件的发生主要集中在工作时段，即上午7点至晚上9点之间，其中高发时段为上下班高峰，而夜间的盗窃犯罪数则相对较少。在两个高峰时段，行人较多，交通拥挤，易于犯罪分子寻找目标和掩护逃逸，晚高峰的结束时间大约位于21点，与公共交通运输的末班以及商场商店的停止营业时间较为接近。
3.2 周内变化分析
盗窃案件在一周内的数量呈现规律性变化（ 如图4所示） ，基本趋势为周一至周六波动上升，周日较周六有所下降，但年际间存在一些差异。如2008年峰值出现在周三，2006年、2007年与2009年平均犯罪数高峰均出现在周六。
3.3 年内变化分析
根据上海市2006至2009年期间，各个月份的犯罪案件数统计图（ 如图5所示），上海市四年的月盗窃案件数统计存在明显的周期规律，即二月盗窃犯罪数为全年最低，从2月到12月犯罪数呈波动上升态势，其中六月稍有回落，在12月出现极大值，从12月到次年2月犯罪率急剧下降，又回到最低点。
造成这一规律的原因是我国农历新年基本都在每年的1月底到2月中旬之间，由于中国过年传统影响，大部分流动人口都回家过年，2月份犯罪率成为全年最低，这也从侧面验证了盗窃罪犯中外地人口所占比例较大，同之前的有关研究相一致。有学者认为，在冬季，由于夜长寒冷，室外活动人减少，为盗窃带来方便，多发财产类犯罪，这可能是冬季盗窃犯罪增多的原因之一，但不能排除我国春节的独特性深刻地影响了全年的盗窃分布。另外各年的6月也呈现出低谷特征，这个低谷出现是什么原因，是否与每年6月为上海的梅雨季节，行人外出不便，犯罪目标的减少有关，需要进一步的研究。
为了验证春节对犯罪事件的影响，统计2006-2009年农历12月15号至正月15的每日犯罪案件数（ 如图6所示）。从图中可以看出最低值稳定的出现在大年初一，成为重要的时点分界线，随着大年初一的临近，犯罪数大致呈现较快下降趋势，而初一之后，犯罪数开始逐步回升，回升速率小于节前递减速率。
4 上海市盗窃犯罪时空分析
盗窃案的发生在时间上和空间上并不是割裂的，更显示出一种时空特性。以乡镇（ 街道） 为单元，计算每个乡镇（ 街道） 2006-2009年盗窃案件数的变化，把乡镇（ 街道） 分成三种类型: 持续上升、持续下降，以及上下波动，图7为2006-2009年上海市盗窃案件数变化分布图。
2006-2009年上海市中心城区部分街道盗窃案件数持续下降，如四平路街道、共和新路街、江宁路街道、徐家汇街道、淮海中路街道、浦东潍坊新村等，为图7黑色区域。而在近郊及远郊一些地区，盗窃案件数则逐年上升，如崇明县陈家镇、竖新镇，嘉定区华亭镇，浦东区新场镇等地，为图7深色区域所示。其他大部分街道盗窃犯罪率上下波动，没有呈现稳定变化趋势。
以街道为单元的犯罪率的变化特征随着距离中心城区的远近产生了一定的分异（ 如图7所示） ，为了进一步研究犯罪率年际变化的空间分布规律，我们通过上海市内环线与外环线将上海市乡镇街道划分为内圈、中圈与外圈（ 如图8所示） ，以2006年的犯罪数为基数，分别统计三个圈层2006-2009年的犯罪变化率（ 如图9所示）。
图9显示，不同圈层随着年份的推移呈现出不同的变化特点。内圈的盗窃案件数变化率逐年递减，中圈与外圈层盗窃案件数变化率则先上升后下降，且中圈的转折点早于外圈出现。
城市郊区犯罪率的影响因素是复杂的，随着城市地发展，城郊地区的城镇化水平快速提升，有一部分的富人从中心城区向边缘转移，从而导致城郊地区的生活水平差距变大，是诱发财产类犯罪的重要因素； 另一方面，对郊区越来越多的投资会从整体上促进郊区的发展，又会有减少犯罪的趋势。Metzger，J.T.街区生命周期理论，提出一定区域犯罪率的变化随着这个区域的生命周期有规律变化。上海市盗窃犯罪率的变化是否稳定，以及变化的主导因素是什么，有待进一步研究。
5 结束语
本研究利用GIS对上海市2006-2009年盗窃的分布进行时空分析，研究表明，上海市盗窃案件的分布具有较明显的时空分布规律，研究成果能为犯罪预防以及案件侦破提供一定的依据。
本研究目前只是分析了所有盗窃案件的时空分布特征，但实际上，盗窃案件有不同类型，如入室盗窃扒窃盗窃等，不同类型的盗窃案件有各自的特点 此外，盗窃案件的发生与许多因素有关。因此，结合具体类别盗窃案件特点，对盗窃案件分布的影响因素进行分析，将是下一阶段的研究内容。
参考文献:
［1］孙峰华，朱传耿，高鑫犯罪场地理论
［2］孙华锋，李世泰，黄丽中外犯罪地理规律实证研究
［3］孙峰华，毛爱华犯罪地理学的理论研究
［4］孙峰华，魏晓犯罪地理学研究的新进展
［5］程连生，马丽北京城市犯罪地理分析
［6］毛媛媛，戴慎志犯罪空间分布与环境特征以上海市为例
［7］施祖麟，黄治华基于核密度估计法的中国省区经济增长动态分析
作者：冯沐孜、文詠怡、吴健平
声明：中国勘测联合网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述，文章内容仅供参考。
