基于GIS 的盗窃犯罪时空分布分析
——以2013-2018年L市D区盗窃犯罪为例
叶栩闻
(丽水市公安局莲都区分局，浙江丽水323000)
摘 要: 基于L市D区2013年至2018年盗窃案件数据，探究盗窃案件的时空分布特征及趋势。绘制盗窃犯罪的路段街区集散分布图，并引入犯罪洛伦兹曲线与犯罪基尼系数，梳理不同区域的犯罪特征及聚集程度。针对不同时段，绘制路段街区的犯罪集散图，梳理一日内不同时段的盗窃犯罪分布情况。使用
统计识别具有统计显著性的热点和冷点，绘制路段街区的热点分析图，探寻区域性的犯罪热点路段与街区。利用最小二乘法进行曲线拟合，绘制路段街区的斜率分布情况图，追踪盗窃犯罪的未来趋势走向。依据盗窃犯罪在路段街区上的时空分布特点，公安机关可加强社区警务效能、完善监控前端布局、优化警力巡逻配备、巧借社会力量，提升犯罪预防与侦查破案的效能。
关键词: GIS；盗窃犯罪；时空分布；热点分析；趋势分析
一、引言
盗窃案件占据刑事案件发案数量较大的比重。《中国统计年鉴》数据显示，2016年和2017年公安机关立案的盗窃案件分别为430.43万起和34.60万起，占总立案刑事案件的比例分别为66.97%和63.10%。随着城市化进程的不断加快，支付宝、微信等第三方支付方式的兴起，盗窃犯罪的目标群体、方式手段、重点时段、重点区域发生显著变化。然而，盗窃犯罪在时空分布上仍有规律可循，借助地理信息系统(Geographic Information System，或者Geo-Information system，GIS)，能够深入探究盗窃犯罪的时空分布特点和趋势，为提前预防、精准打击、积极处置提供客观依据，有力地保障人民生命财产安全，促进社会和谐稳定发展。近年来，犯罪学与GIS的结合亦越来越紧密，在理论上取得良好的发展，其研究方法及应用得到有效推广。[1][2][3]GIS空间分析功能在犯罪冷热点[4][5][6]、犯罪时空分布[7][8][9]、犯罪空间预测[10][11]等方面发挥了重要作用，客观、准确地探求了犯罪的地理空间分布特征，为有效开展打防控提供了技术支撑。[12][13][14][15][16]本文以2013年1月1日-2018年12月31日L市D区发生的盗窃案件为数据基础，应用GIS技术分析盗窃案件的时空分布，为警力部署、街面巡逻、监控设备前端布设、精准防范打击盗窃犯罪提供数据基础，以期达到高效管理辖区的目的。[17][18][19][20][21]
对于生成网络G，原来是接收一个无意义的噪声z，输出一个图像G（x，z）。而对于图像翻译任务来说，G的输入显然应该是一张图像x，而这里不仅接收图像x，还接收文本描述特征φ（t），用这两部分共同生成一个图像 G（x，φ（t））。
二、数据与方法
(一)数据来源与处理
研究区域选定为L市D区的主城区，针对2013-2018年六年间该区域发生的盗窃案件进行数据清洗，经过筛选并剔除部分无效信息，整理得到26364条有效数据。依据经纬度坐标在ArcGIS中生成WGS84坐标点图层。同时，导入行政区划及道路矢量图，以此为基础配准犯罪点图层，最后统一转换成Albers投影，为后期空间分析及制图奠定基础。
(二)洛伦兹曲线与基尼系数在犯罪领域的应用
本研究将洛伦兹曲线①引入犯罪学领域，通过有关犯罪问题的洛伦兹曲线，可直观地研究特定社区或街区的犯罪分布平均或不平均的状况。同样，将基尼系数②引入犯罪学领域，形成犯罪基尼系数G，这是在犯罪洛伦茨曲线的基础上定量分析犯罪聚集性的指标[22]，计算公式如下：
(1)
在(1)式子中，M i (i =1,2,…,N )为参照盗窃案件数量降序排列后第i 个网格的犯罪累积百分比，N i 为对应网格的网格累积百分比。同理，将洛伦兹曲线与基尼系数引入犯罪学领域，制作街区路段的犯罪洛伦兹曲线，并计算两者的犯罪基尼系数，以数理的方式证明犯罪的集散特征，衡量相关犯罪的集聚程度。
(三)
算法
本研究采用的热点分析基于
算法进行，该算法用于识别不同空间位置上的高值簇与低值簇，即热点区(hot spots)与冷点区(cold spots)的空间分布。其公式为：
VR（Virtual Reality，简称VR）即虚拟现实，是一项以计算机技术为核心的综合集成技术，涉及3D图形技术、多媒体技术、仿真技术、传感技术、立体显示等高新技术。利用计算机和其他设备（输入/输出设备）营造集视觉、听觉、触觉等多感官于一体的三维虚拟世界。VR图书是将虚拟现实技术与传统的科教读物相结合，让用户在虚拟环境中体验身临其境的感受，能够突破空间、时间以及其它客观限制，带给读者穿越的乐趣和眼见为实的交互式体验，是一种接触式、沉浸式的阅读新方式。具有代表性的VR图书有北京少年儿童出版社出版的《恐龙世界大冒险》丛书，海天出版社的《童喜乐魔幻互动百科》系列等。
(2)
为进一步解释说明与比较理解，现对
执行标准化处理：
(3)
3.完善监控设计布局，实现全域精准可控。视频监控项目建设存在周期性的特征，具有一定的滞后性。若基础设施建设初期阶段尚未进行同步规划，将出现基建完成而监控未建成的空档期。在该时间段，容易导致相关案件频发、防控威慑效果甚微的问题。故此，针对视频监控的布局应当从四方面入手。一是要针对现阶段的热点区域，倒查是否实现监控全覆盖。若存在热点区域的监控死角，应当积极谋划推进视频监控补建。二是在犯罪预测的基础上，针对未来案件可能存在较大上升趋势的区域，进行提前布局建设。三是针对新建的案件高发场所进行同规划共建设。在城市发展过程中，居民住宅、商业综合体、饭店宾馆等场所在其新建初期，公安机关应当提前介入参与视频监控的建设。四是针对热点区域、盗窃犯罪上升趋势较大的区域，应当安装质量相对较高的视频监控，防止出现全程记录却全程模糊的情况。
(四)最小二乘法
该算法应用于趋势预测的相关内容，已知二维数据点列(x 1,y 1),(x 2,y 2),(x 3,y 3)，…，(x n ,y n )，则设直线的模型为y =kx +b ，继而以残差e i =y i -kx i -b (i =1，2，…，n )求得相关参数。最小二乘法的原则就是以“残差平方和最小”确定直线位置。其中，残差平方和
求Q 对两个待估参数的偏导数，即分别对k 、b 求偏导，得：
(4)
百达翡丽很快又于1945年推出海神Inv. P-1110。彩色珐琅绘制海神驾驭海马图案与黄金表壳铭刻的42个城市相映生辉，演绎出别样的艺术质感。此后的半个世纪，百达翡丽对世界时间腕表的探索与创新从未停止。
三、结果与分析
(一)街区路段犯罪空间聚集特征
对于路段，设置20米的缓冲区(左右各20米)，将落在缓冲区内的视为发生在路段的犯罪，将其余的视为发生在街区的犯罪。基于空间关联，分配犯罪点给各街区或道路。基于街区路段犯罪数量，借助自然间断点法分成四类[23]，绘制出图1、图2、图3。
图1 路段犯罪分布图
图2 街区犯罪分布图
图3 “路段+街区”犯罪分布图
犯罪洛伦兹曲线能够以可视化的方式呈现犯罪集散程度。根据洛伦兹曲线计算出街区的犯罪基尼系数为0.60，路段的犯罪基尼系数为0.71。根据相关规定的常规解释，基尼系数低于0.2属于绝对平均，0.2-0.3属于比较平均，0.3-0.4属于相对平均，0.4-0.5属于差距较大，0.5以上属于差距悬殊，基尼系数越大，表示差距越悬殊。由此可知，研究区域的盗窃犯罪空间分布极其不均匀，具有极大的集聚性。简而言之，少部分地区集聚了大部分的犯罪。同时，路段相较于街区在犯罪分布不均方面程度更深，可见不同区域犯罪数量差异巨大。在警力分配、巡逻侧重、监控前端布局等方面应当结合实际情况，作出更有针对性的合理安排。
图1中，犯罪数量在214-404起之间的路段共2条，犯罪数量在64-213起之间的路段共21条，共集聚2407起犯罪，即表明3.85%的路段集聚了24.79%的犯罪。图2中，犯罪数量在425-971起之间的街区共2块，犯罪数量在164-424起之间的街区共26块，共集聚8071起犯罪，即表明12.03%的街区集聚了49.22%的犯罪。根据犯罪集聚路段于研究区域图中的空间分布位置可知，犯罪在路段上的分布具有空间集聚效应。根据笔者实地走访，结合图2所显示的，街区面上的犯罪主要集聚在2个区块，街区所属类型为市一级医院、综合商业体、广场、住宅区等。结合路段图显示，路段上的犯罪主要集聚在2处路段，所属路段为该地区的夜市，即夜晚摊贩在人行道两侧摆地摊，人流量大，人口集聚程度高，安全防范相对较差，沿街扒手相较其他区域较多。
根据街区与路段的犯罪数量，对街区与路段按升序排序，计算出两者的发案累积百分比与区域累积百分比，绘制犯罪洛伦兹曲线(街区与路段)。同时，计算得到犯罪基尼系数，将盗窃案件的集散程度以数据化的方式呈现出来(如图4所示)。图4中，曲线代表了犯罪在不同区域上的集散特征。OL线段为绝对平均线，OA、AL线段为绝对不平均线，即犯罪洛伦兹曲线越靠近绝对平均线，犯罪分布也就越平均；反之，越靠近绝对不平均线，则犯罪越不平均，少部分地区将集聚绝大部分的案件。根据图4可直观发现，街区的犯罪分布与路段的犯罪分布都很不均匀，少部分区域集聚了大部分的犯罪。同时，路段上的犯罪分布不均情况严重于街区内的犯罪分布不均情况。街区分布中，根据地域面积与路段长度分析，犯罪集聚区域的地域占比为3.55%，案件占比高达12.23%。同时，截取犯罪区域中犯罪极少的区域，发现其总地域占比为32.22%，案件占比为18.46%。路段分布中，犯罪集聚路段的地域占比为0.33%，案件占比高达6.19%。同时，截取犯罪路段中犯罪极少的路段，发现其总长度占比为69.83%，案件占比为33.88%。
图4 “街区+路段”犯罪洛伦兹曲线
基于研究区域，统计得到598条路段，并根据犯罪数据分布可知，犯罪数量高于214起的路段共有2条，长度约为0.41公里。犯罪数量在64-213起之间的路段共有21条，长度约为4.54公里。犯罪数量在21-63起之间的路段共有125条，长度约为31.79公里。犯罪数量低于20(含20)起的路段一共有450条，长度约为85.03公里。基于研究区域，统计得到241个街区，并根据犯罪数据分布可知，犯罪数量高于425起的街区共有3个，面积约为0.38平方公里。犯罪数量在164-424起之间的街区共有26个，面积约为2.98平方公里。犯罪数量在57-163起之间的街区共有58个，面积约为3.97平方公里。犯罪数量在57-163起之间的街区共有154个，面积约为3.49平方公里。
(二)不同时段的犯罪分布
本研究主要分析了盗窃犯罪在L市D区各街区与路段上的分布特征，并通过犯罪洛伦茨曲线与犯罪基尼系数发现和证实盗窃犯罪的分布极不均匀，少数热点街区与路段集聚着大量的盗窃犯罪，多数冷点街区与路段仅发生少量的盗窃犯罪。通过分析盗窃案件的分布图及冷热点图，可以得出结论，居民住宅、商业综合体、老旧小区等场所属于盗窃高发区域。
图5 不同时段犯罪分布
根据图8可知，斜率为1.1-1.4之间的路段仅有一条，该街道与图9中斜率为1.1-4.0之间的街区相近，附近所处的用地类型及区域功能相似。针对该条街道，监控布局全覆盖、巡逻警力等应当提早谋划布局。
则
(三)街区路段的犯罪热点
利用
分析犯罪的冷热点区域，比简单观测集聚离散程度命名的冷热点分析更具有范围的特性，能实现对犯罪的冷点、热点区域分布的全面掌握，具有更现实的指导意义。上述的犯罪数量集聚分布图主要以点、特例为指导方向，此处以更大的面、区块为指导方向，对冷热点区域的监控前端布局、警力分配进行分析，推动警力资源的合理分配(如图6、图7所示)。
页岩油又称“人造石油”，与天然石油相比，页岩油中含有较多的不饱和烃及硫、氮、氧等非烃类有机化合物。目前，页岩油只是作为燃料油直接销售，未经二次加工，从资源利用、环境保护和经济效益方面来看都不尽合理。通过分析页岩油及各馏分的性质发现，可对页岩油全馏分直接加氢精制，即在高温高压和催化剂存在的条件下，将页岩油馏分在氢压下除掉其中的硫、氮、氧等非烃类化合物及金属杂质，并将不饱和组分进行加氢饱和，以生产化工产品和清洁燃料。
街区的热点区域有11个、冷点区域有5个。热点区域以老旧小区、小型旅店宾馆、小型便利超市、小型餐饮店为主，该区块人流量大，人员组成类型复杂。路段的热点区域为1大块，冷点区块为3大块，热点路段以当地最大的夜市为中心，向外辐射延伸。其周边包含有当地两家最大的医院、一家大型菜市场等。
图6 路段犯罪冷热点分析图
图7 街区犯罪冷热点分析图
(四)街区路段的犯罪趋势
针对每个街区或路段以半年为时间单元统计案件数量，以时间为横坐标，案件数为纵坐标，生成案件数的时间分布曲线。利用最小二乘算法进行曲线拟合，得到的斜率可表明街区路段的犯罪数量趋势走向(如图8、图9所示)。
根据图5可知，一日内犯罪分布大致有三个层次的时段。盗窃发案数量最少的为0-8时，相对较多的为8-16时，最多的时间处于16-24时。结合实地走访调研，6个时间段内，发案场所排序前三依次为居民住宅、广场街道、商业场所。事实证明，无论在何种时间段，均需要对上述三类场所进行严加管控。同时，0-4时内，饭店宾馆处于盗窃案件相对高发场所。8-12时内，医院处于盗窃案件相对高发场所。根据犯罪的时间分布特点，加强社会防控。要进一步建立联动机制，充分调动社会力量，针对不同时间段、不同区域，特别是商场、酒吧、饭店等场所，联合保安、店长等有关人员，加强提醒与巡防工作。
图9中，斜率为1.1-4.0之间的街区仅有2块，表明该区域的盗窃犯罪将呈现出较大的上升趋势。经实地勘验，北侧的高斜率区域内含有当地最大的商业综合体、两所高档酒店。针对此区域，首先，在监控设备安装等方面需提前布控实施。其次，要加强店主、店内员工、服务员等的岗前培训，切实加强防盗意识，既防止店内财物免受损失，也要保障来往顾客财物不受损失。再者，要扩大宣传力度，在LED显示屏上滚动播放防盗提示，张贴防盗温馨提示等。南侧的高斜率区域内含有各类小餐馆，快餐类饮食、小宾馆、小发廊。该区域人口流量大，且人员身份多样复杂，存在引发盗窃的高危因素。图9中，斜率为-6.7至-1.0之间的区域共18块，表明这些区域的盗窃犯罪将呈现出较大的下降趋势。根据这些区块现有的实际情况，结合集散、热点分析，可从时间维度上适当缩减这些区块的防控资源配置。
分析可知，现阶段的犯罪集聚区域与热点区域，将随着时间的推移而发生改变。本研究区域的盗窃案件未来走向处于相对乐观态势，绝大部分区域的盗窃案件数呈下降趋势，唯有少部分区域呈现上升趋势，且上升幅度均较小，表明当地公安机关对盗窃类违法犯罪采取了行之有效的措施。同时，在重视现阶段集聚热点区域犯罪防控的基础上，应当对犯罪的未来走势进行评估、测算，对犯罪发生可能呈上升趋势的区块提前进行部署准备。
对照组124例患者中，单独用药91例，占73.39%；二联用药8例，占6.45%；三联用药1例，占0.81%。干预组139例患者中，单独用药18例，占12.95%；无联合用药情况。预防性应用抗菌药物的联合用药情况，见表3。
图8 路段斜率分布情况图
图9 街区斜率分布情况图
(五)街区路段犯罪趋势热点分析
犯罪密度斜率表明的是一种趋势，犯罪密度表明的是一种现状。犯罪密度较高区域，警力资源要重点布局，而犯罪密度斜率大，未来的警力资源应当优先分配。位于北部的斜率热点街区，以L市最大的商业综合体为中心，呈向外辐射状。图示斜率冷点区域，与上述的犯罪热点街区相交集，证明犯罪热点街区的发案率已呈下降趋势。斜率热点路段共有3块区域，且路段总数较少；斜率冷点路段共有2块区域，且路段总数较多，路段上的盗窃犯罪趋势走向总体向好(见图10、图11)。
图10 路段犯罪斜率
图11 街区犯罪斜率
四、结果讨论
不同时段的犯罪分布情况，有助于一日内警力的有效分配，切实改善社会治安环境。将一日24小时划分为6个时间段，绘制不同时段犯罪分布图(如图5所示)。
(一)时段分析综合探讨
分析盗窃犯罪不同时间段图可知，不同时间段的盗窃犯罪发案率具有差异性。0-8时内,发案率最低；8-16时内，发案率较高；16-24时内，发案率最高。对此，警力资源应当根据发案率给予有针对性的分配，犯罪高发时段要适当倾斜警力。
各时间段内居民住宅、广场街道、商业场所、出租房均处于高发场所，是警力资源配置的侧重领域。同时，针对居民住宅，一方面要扩大宣传，加强居民群众的防盗意识，另一方面要加强保安力量，切实提升内部安防水平。针对商业场所，一方面要加强商场监控设备安装，另一方面要提升店长、导购员、顾客的防盗意识与防盗能力。针对出租房，一方面要加强房东的防盗意识，在房屋出租时在软硬件设施上做好防盗措施；另一方面，要加强租房者自身的防盗意识与防盗能力，及时关好门窗等。此外，0-4时内，饭店宾馆的盗窃案件相对高发；8-12时内，医院处于盗窃案件相对高发场所。针对这些案发特点，在每日警力资源分配时应当根据不同时间段的不同场所进行倾斜分配，做到共性问题与个性问题相结合。
(二)警务工作综合探讨
本研究主要对盗窃类案件的集散、时间段分布、冷热点、未来走向等方面进行分析，为警务工作的合理开展提供依据，保障警力资源的合理分配。公安机关应当结合犯罪热点、未来走势等，多措并举、齐抓共管，全方位、立体式、全覆盖开展整治防控工作，尤其需要在社区警务、警务巡逻、监控布局、巧借力量等四个方面开展防控整治工作。
1.激活社区警务效能，夯实基层基础工作。社区民警对辖区内的基本情况应当了然于心，切实做好信息采集，扎实开展基层基础工作。结合辖区犯罪热点及趋势变化，立足于具体问题，有针对性地开展工作。对不同场所、不同地段实行差异化、精准化管理，做到具体问题具体分析。进一步明确社区民警的工作责任、任务与流程，让辖区群众白天见警察，晚上见警灯，努力保持对社会治安风险预测预警预防的主动性、先行性。
2.激发警务巡逻活力，聚焦打防双向提升。警务巡逻主要分为“车巡”与“步巡”两种形态，且具有相当的积极意义。一方面可以作为快速应急处置力量，迅速赶赴突发情况地，进行现场处置；另一方面，可以作为震慑、威慑违法犯罪行为的力量。基于这两个方面，强调巡逻并非随机，也并非无目的地开展，而要针对热点地区开展立体式巡逻。“车巡”主要针对街道上的盗窃违法犯罪行为，“步巡”主要针对街面场所的盗窃违法犯罪行为。针对重点路段、大型商业综合体等重点场所，可以实行重点区域、重点时段派驻相关警力进行定点定位值守。
式中：
和
分别是
的数学期望和变异数，W ij (d )为空间权重。如果
为正，且显著，表明位置i 周围的值相对较高(高于均值)，属高值空间集聚(热点区)；反之，如果为负，且显著，则表明位置i 周围的值相对较低(低于均值)，属低值空间集聚(冷点区)。
2.2.1.4 AML患者首次CR 12个月后 此阶段142份标本，MRD阳性29例，复发12例(其中10例在MRD阳性后6个月内复发，仅2例分别在MRD阳性后7、21个月复发)；MRD阴性组113例，复发23例(其中仅4例在MRD阴性后6个月内复发；19例分别在MRD阴性后7～36个月复发)。MRD阳性组复发率高于MRD阴性组(P=0.019)。阳性组及阴性组的中位RFS分别为5.0个月(0～24个月)、13.0个月(1～45个月)，两组差异有统计学意义(P<0.05)，见图3。
4.巧借社会多元力量，推进群防群治工作。充分结合时代特点，积极践行新时代“枫桥经验”，全方位开展群防群治工作。牢固树立“警力有限、民力无穷”的观念，有效摆脱“有限警力、无限防控”的困局，充分调动好相关责任人的积极性，发挥好管理人员的管理作用。各派出所应当根据辖区内的重点区域，开展场所相关责任人培训工作，对相关场所进行分类考核，可以将盗窃案件的发案率纳入考核，并以季度或年度为时间节点，评出星级安全店铺、旅馆等，由公安机关授予荣誉证书，并以此为基础进行一定的奖励。同时，要充分借力乡镇街道和社区，针对热点区域可以组建专兼职义务巡逻队，动员志愿者等相关组织参与治安大巡查。
式中IA是一个指示函数,如果A为真,则IA为1,如果A为假,则IA为0。与(3)相比,(4)有望能更好地估计w0。为了计算(4),可以采用随机梯度迭代,通过递推的方法获得估计值
五、总结
本研究旨在实现两方面的积极意义。一方面，为各地区研究各类违法犯罪、警情(不局限于盗窃类案件)的分布现状，提供科学、合理的研究方式和方法。首先，从街区、路段的集散程度出发，探究犯罪的简单分布情况，并绘制犯罪洛伦兹曲线，计算基尼系数，从数据角度客观说明犯罪集散程度大小。在此基础上，进行时间段划分，进一步分析不同时间段的犯罪分布特征。其次，运用算法进行热点分析，深入探究区块性的犯罪分布情况，为公安机关各类决策部署提供客观依据与理论基础，使精准化预防成为可能。再次，以最小二乘算法为基础，进行曲线拟合，构建方程，计算斜率，实现犯罪的趋势分析，为未来预防的重点区域领域提供决策参考。另一方面，通过对本研究区域盗窃案件在固定年份内的分析研判，为当地公安机关决策部署预防打击盗窃类违法犯罪活动提供了客观的参考依据。同时，也进一步归类分析本研究区域易发盗窃案件的重点场所和区域，为研究区域的重点场所防控提供参考，为下一步预防工作的精准开展提供方向。
该研究采用生命周期评价方法和生命周期成本结合的方法分别分析沼气池全生命周期的环境影响和经济效益，在如何取得农村户用沼气在经济性与环保性上的“双赢”方面进行了一些尝试性的工作，还有许多问题有待于进一步探索研究。
瞬间液相（Transient-Liquid-Phase，简称 TLP）连接，是通过加热加压使中间层和部分母材形成液相，使得母材与中间层的发生相互扩散，冷却凝固而形成连接的方法[7].由于在焊接过程中母材与中间层之间存在着氧化膜，要破坏氧化膜、扩散再冷却凝固需要经过相当长的时间，从而极大地影响了焊接的效率[8-9].超声波的引入，即声致瞬间液相连接工艺（简称U-TLP），较之传统TLP焊接，效率提高了数倍，并且在大气环境下工作，因此声致瞬间液相连接是一个新型高效、绿色、可靠的的连接方法.
本研究也存在一定的缺陷，没有将城市的布局发展趋势列入研究范畴中。违法犯罪活动与场所类型、人员分布有着密切的关联。随着城市化进程的加快，用地类型、商业分布、住宅分布等会随着时间的推移而发生变化，对人口的吸引也会产生变化。如此一来，犯罪分析和预测是复杂、动态的，需要结合许多因素的变化而进行调整。
会上，金正大农科院专家王德贵就亲土种植的相关技术做了详细介绍。他提到，想种植出高品质农作物，必须满足作物基本生长营养和提升品质营养的双重要求，除了氮磷钾这种保证作物基本生长的营养外，还必须补充作物花、叶、果等所需的微量元素、氨基酸等有机营养成分，否则作物的优果率和效益无法达到最佳。
注释：
①洛伦兹曲线用以比较和分析一个国家(地区)在不同时代或者不同国家(地区)在同一时代的财富分配情况，该曲线作为一个总结收入和财富分配信息的便利的图形方法得到广泛应用。
②基尼系数是指国际上用以衡量一个国家或地区居民收入差距的常用指标。基尼系数介于0-1之间，基尼系数越接近1，则表示不平等的程度就越高。
参考文献：
[1]姜超,唐焕丽,柳林.中国犯罪地理研究述评[J].地理科学进展,2014(4).
[2]严小兵,焦华富.犯罪地理国际研究进展[J].地理科学进展,2012(10).
[3]刘大千,修春亮.国内外犯罪地理学研究进展评析[J].人文地理,2012(2).
[4]Chainey S, Tompson L, Uhlig S. The Utility of Hotspot Mapping for Predicting Spatial Patterns of Crime[J]. Security Journal, 2008,21(1-2).
[5]Nakaya T, Yano K. Visualising Crime Clusters in a Space-time Cube: An Exploratory>[6]单勇.城市中心区犯罪热点制图与防卫空间设计[J].吉林大学社会科学学报,2014(2).
[7]Townsley M, Homel R, Chaseling J. Repeat Burglary Victimisation: Spatial and Temporal Patterns[J]. Australian &New Zealand Journal of Criminology, 2000,33(1).
[8]单勇.犯罪热点成因:基于空间相关性的解释[J].中国法学,2016(2).
[9]Sagovsky A, Johnson S D. When Does Repeat Burglary Victimisation Occur?[J]. Australian & New Zealand Journal ofCriminology, 2007,40(1).
[10]Kroner D G, Mills J F,Reddon J R. A Coffee Can,Factor Analysis, and Prediction of Antisocial Behavior: The Structure of Criminal Risk[J]. International Journal of Law and Psychiatry, 2005,28(4).
[11]Qian C, Wang Y B, Cao J D, et al. Weighted-Traffic-Network-Based Geographic Profiling for Serial Crime Location Prediction[J]. EPL, 2011, 93(6).
[12]柳林,姜超,周素红,等.城市入室盗窃犯罪的多尺度时空格局分析——基于中国H市DP半岛的案例研究[J].地理研究,2017(12).
[13]徐冲,柳林,周素红.基于临近相似性考虑的犯罪热点密度图预测准确性比较——以DP半岛街头抢劫犯罪为例[J].地理科学,2016(1).
[14]单勇,劳纯丽.犯罪热点与冷点的空间差异分析[J].浙江社会科学,2015(7).
[15]单勇,侯银萍.基于GIS的“少年犯罪区”再认识[J].青少年犯罪问题,2015(3).
[16]刘大千,修春亮,于嘉.长春市财产犯罪的空间分析[J].地理科学,2012(4).
[17]Weisburd D, Telep C W. Hot spots policing: What we know and what we need to know[J]. Journal of Contemporary Criminal Jus-tice, 2014,30(2).
[18]Weisburd D. Hot spots policing experiments and criminal justice re-search: Lessons from the field[J]. The Annals of the American Acad-emy of Political and Social Science, 2005,599(1).
[19]Braga A A. Hot spots policing and crime prevention: A systematic review of randomized controlled trials[J]. Journal of Experimental Criminology, 2005,1(3).
[20]Braga A A, Schnell C. Evaluating place-based policing strategies: lessons learned from the smart policing initiative in Boston[J]. Po-lice Quarterly, 2013,16(3).
[21]Braga A A. The effects of hot spots policing on crime[J]. Annals of the American Academy of Political and Social Science, 2001,578(1).
[22]费传宝.关于洛伦茨曲线与基尼系数的探析[J].工业技术经济,2009(11).
[23]Eck J E, Chainey S, Cameron J G, et al. Mapping Crime: Under-standing Hot Spots[M]. Washington D C: Bureau of Justice Statis-tics, 2005:35-40.
中图分类号: D917
文献标识码: A
文章编号: 1674-3040(2019)05-0097-08
收稿日期: 2019-05-18
作者简介: 叶栩闻，浙江省丽水市公安局莲都区分局办公室民警，主要研究方向为犯罪学、刑事侦查学。
(责任编辑：刘 鹏)