不同個體特征入室盜罪犯的出行距離統(tǒng)計分析

張超鵬 陳鵬

（中國人民公安大學(xué)信息網(wǎng)絡(luò)安全學(xué)院 北京市 102600）

1 引言

當(dāng)前，從空間角度研究犯罪人行為模式是國內(nèi)外研究的一個重要熱點領(lǐng)域。人們發(fā)現(xiàn)犯罪人在外出作案過程中普遍遵循最小努力原則，即犯罪人大部分作案地到其落腳點的距離是有限的。對此人們圍繞著犯罪人的這一特征開展了一系列相關(guān)性研究。其中，對于犯罪者出行模式的研究，Lammers 等提出了就近掠奪的概念，發(fā)現(xiàn)犯罪人出行距離存在著明顯的衰減效應(yīng)。Chopin 等人通過分析法國1979-2013 年間的性侵類案件數(shù)據(jù)，發(fā)現(xiàn)該類犯罪中超過一半的受害人實際居住地點距離犯罪人的落腳點不超過2.5km。侯超等通過對北京市盜竊電動自行車案件統(tǒng)計分析，結(jié)合環(huán)境因素、個體因素、時間維度等多個特征研究了犯罪者的空間出行模式。Rengert 等研究了發(fā)案地社區(qū)周邊環(huán)境因素，入室盜竊案件作案者出行距離的影響。Nobles 等研究了在同一區(qū)域內(nèi)入室盜竊案發(fā)高的對出行距離的影響，案發(fā)率高地區(qū)吸引犯罪者到此處作案。趙梓渝等以長春市南關(guān)區(qū)扒竊為例，從犯罪者居住地選址與發(fā)案地機會之間研究了掠奪式犯罪出行的空間模式。此外，關(guān)于個體特征因素的犯罪人出行行為模式方面，國外的Levine 等研究了犯罪人性別、年齡等不同因素之間交互作用對犯罪出行距離的影響，方向是犯罪出行距離受犯罪人個體特征與環(huán)境特征等多種因素共同影響。Groff等通過研究侵財類案件，得出男性犯罪者的出行距離較女性更遠，并指出這是由于性別差異帶來的體能不同導(dǎo)致。國內(nèi)的侯超等通過對犯罪人不同主體特征要素的精細化細分，研究了不同因素對犯罪人空間出行距離的影響，趙梓渝等從性別、年齡、教育程度、是否存在前科劣跡和戶籍地等維度研究了犯罪者行為時空傾向。

從當(dāng)前國內(nèi)外研究現(xiàn)狀來看，對影響出行距離要素方面的研究仍存在一定不足。一方面是犯罪人出行距離方面現(xiàn)有的處理方式大多使用歐氏距離或曼哈頓距離近似計算，但這種方式往往會嚴重低估犯罪人的實際出行距離。且對于計算罪犯的出行距離是事后補正，意在通過分析出行距離實現(xiàn)對各類違法犯罪活動的事后打擊轉(zhuǎn)為事前防控，所以僅統(tǒng)計歐氏距離或曼哈頓距離缺乏嚴謹。二是在犯罪人主體特征中目前僅考慮了犯罪人年齡、性別、犯罪經(jīng)驗、籍貫等社會化特征，沒有對犯罪人作案特征是否為團體作案進行考慮。

基于此，本研究以北京市為例展開研究，利用2015-2017 年全北京市入室盜竊數(shù)據(jù)，提取犯罪者自身個體特征數(shù)據(jù)，包含年齡、性別、是否京籍、團伙個人等四類影響因素，利用統(tǒng)計和數(shù)學(xué)建模等方法對此四類個體要素的犯罪人出行距離特征進行分析，結(jié)合相關(guān)理論，從實際出發(fā)為入室盜犯罪活動偵查研判提供依據(jù)。

2 數(shù)據(jù)來源與分析方案

本文的犯罪數(shù)據(jù)來源于北京市公安局2015-2017 年全北京市入室盜竊案件數(shù)據(jù)，每個案件數(shù)據(jù)維度包含案件編號、戶籍地詳址、犯罪者暫住地詳址、發(fā)案地詳址、犯罪者身份證號碼、案發(fā)時間等案件基本信息，其中從身份證號碼可以進一步提取出犯罪者性別、年齡等信息。通過案件編號可以關(guān)聯(lián)出犯罪人團伙關(guān)系，當(dāng)某幾條案件數(shù)據(jù)中案件編號、案件名稱、案發(fā)時間均相同時，認為此案件為團伙犯罪，其余為個人犯罪。由于盜竊類案件的團伙作案一般有著嚴密的組織分工，因此本文僅將團伙落腳點為同一地址的數(shù)據(jù)予以保留。同時為了最終結(jié)果的準(zhǔn)確性，將暫住地與發(fā)案地一致，即出行距離為零的數(shù)據(jù)剔除。最終得到有效數(shù)據(jù)共5273 條。

在分析工具選取，針對入室盜犯罪人出行距離的研究采用如下方法：

（1）描述性統(tǒng)計：計算所有案件暫住地與發(fā)案地出行距離的平均數(shù)、中位數(shù)、極值、方差等。

（2）犯罪出行距離計算：計算每個案件中入室盜犯罪人暫住地與發(fā)案地之間的曼哈頓距離、步行距離、騎行距離、公交距離。

其中曼哈頓距離計算的是兩個點在標(biāo)準(zhǔn)坐標(biāo)系上的絕對軸距總和，公式如下：

步行距離、騎行距離、公交距離是通過百度地圖開放地圖Web 服務(wù)API 端口，利用Python 編寫爬蟲將案件暫住地與發(fā)案地經(jīng)緯度作為輸入，計算兩點間此三種距離，選擇其中系統(tǒng)推薦最優(yōu)路徑返回結(jié)果，作為最終出行距離長度。具體計算方式如表1 所示。

表1：三種出行方式計算方式

在個體要素的選擇上，結(jié)合已有的環(huán)境犯罪學(xué)基本理論如日?；顒永碚?、理性選擇理論、犯罪模式理等一系列犯罪地理學(xué)基礎(chǔ)理論，犯罪人在選擇作案地是受自身認知、生活習(xí)慣、作案成本等特征影響而發(fā)生變化，同時不同地域的犯罪人、不同年齡段、不同性別、團伙個人等方面也存在著一定差別。因此，本文選取了是否京籍、年齡、性別、團伙個人作為個體特征要素，分別針對此四類要素影響下入室盜出行距離進行探索分析。

3 結(jié)果分析

3.1 入室盜犯罪人出行距離整體特征分析

在入室盜犯罪人出行距離特征分析的顆粒度選擇上，本文采用了5km 為一組的分組方式，對分組后數(shù)據(jù)進行統(tǒng)計分析和數(shù)學(xué)建模。以5km為單位統(tǒng)計入室盜犯罪人出行距離，這種大的分組量級可能會導(dǎo)致一些信息被過濾，但能有效避免分組過小帶來的擬合弊端。

首先，對入室盜犯罪人的四種出行距離數(shù)據(jù)進行描述性統(tǒng)計分析，結(jié)果如表2 所示。

表2：四種出行距離統(tǒng)計表（單位：km）

由表2 可看出，四種不同出行距離中步行距離、騎行距離各項指標(biāo)大致相同，平均值范圍14.97 到15.7km，分布范圍從0 到120km，曼哈頓距離與公交距離明顯大于以上兩種距離，平均值為18.95km，且分布范圍從0 到145km，這是由于公交車或地鐵路線并不是直接從出發(fā)點到目的地計算，中間存在轉(zhuǎn)折或繞路等。曼哈頓距離最長，平均值為21.15km，分布范圍從0 到155km，這是由于曼哈頓距離計算的是兩個點在標(biāo)準(zhǔn)坐標(biāo)系上的絕對軸距總和?？傮w來說，四種出行距離大致上并無太大區(qū)別。統(tǒng)計各組案件四種出行距離數(shù)量頻率，發(fā)現(xiàn)犯罪出行距離小于5km 占比平均約為30%；5-10km 占比平均約為16%。約60%以上案件出行距離在15km 以內(nèi)，約90%以上案件出行距離在40km 以內(nèi)。接下來將四種距離的統(tǒng)計結(jié)果繪制頻率折線圖（見圖1），并采用負指數(shù)函數(shù)對四種距離擬合（見表3），從結(jié)果可以看出，隨著犯罪出行距離的增加，案件數(shù)量持續(xù)減少，四種距離均在0-40km 范圍內(nèi)下降趨勢大，而后下降趨勢減緩，負指數(shù)函數(shù)擬合程度R分別為0.9527、0.97768、0.97055、0.96542，擬合程度均達到了95%以上，可看出在離散為5km 這個分組上，四種出行距離間差距相差并不大。

表3：四種犯罪出行距離擬合函數(shù)表

圖1：四種犯罪出行距離衰減曲線圖

接下來對四種距離不同個體特征要素下入室盜犯罪人出行距離進行描述性統(tǒng)計分析，結(jié)果如表4 所示。

表4：不同個體特征入室盜犯罪人出行距離統(tǒng)計表（單位：km）

從表4 可看出，以不同年齡段為劃分，26-45 歲案件數(shù)占比60%以上且出行距離平均數(shù)最遠為16.42km，25 歲以下與46 歲以上出行距離較短。從性別劃分來看，男性作案比例達到了90%以上且男性出行距離大于女性，不論是從平均值15.07km 還是出行最遠距離115km 均是如此，女性最遠出行距離僅65km。從個人團體劃分來看，團體出行距離平均數(shù)16.52km 大于個人出行距離平均數(shù)14.24km。從地域籍貫劃分來看，京籍出行距離平均數(shù)17.57km 大于非京籍出行距離14.47km。

3.2 不同年齡段犯罪人出行距離比較分析

將數(shù)據(jù)按不同年齡段分類統(tǒng)計（見表4），26-45 歲作案數(shù)量3414 起，占總案件數(shù)64%，而25 歲以下作案數(shù)量1459 起，占總案件數(shù)28%，46 歲以上400 起，占總案件數(shù)8%。26-45 歲出行距離平均數(shù)與中位數(shù)均大于其余兩個年齡段。將三類年齡段案件分類進行統(tǒng)計與擬合，25 歲以下犯罪出行距離小于5km 占比平均約為34%；5-10km 占比平均約為16%。約60%以上案件出行距離在10km 以內(nèi)，約90%以上案件出行距離在30km 以內(nèi)。26-45 歲犯罪出行距離小于5km 占比平均約為29%；5-10km 占比平均約為18%。約60%以上案件出行距離在15km 以內(nèi)，約90%以上案件出行距離在45km 以內(nèi)。46 歲以上犯罪出行距離小于5km 占比平均約為30%；5-10km 占比平均約為24%。約60%以上案件出行距離在15km 以內(nèi)，約90%以上案件出行距離在30km 以內(nèi)。結(jié)合不同年齡段的距離衰減曲線來看（見圖2），在不同年齡段劃分上，年齡與犯罪距離呈現(xiàn)倒U 型關(guān)系。且25 歲以下年齡段犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.96275，26-45 歲年齡段犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.9652，46 歲以上年齡段犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.97649，擬合程度均達到了95%以上。

圖2：不同年齡段犯罪出行距離衰減曲線

3.3 不同性別犯罪人出行距離比較分析

將數(shù)據(jù)按不同性別分類統(tǒng)計（見表4），男性作案數(shù)量4949 起，占總案件數(shù)94%，而女性作案數(shù)量400 起，占總案件數(shù)6%。男性犯罪出行距離平均數(shù)與極大值均大于女性出行距離。將不同性別案件分類進行統(tǒng)計與擬合，男性犯罪出行距離小于5km 占比平均約為31%；5-10km 占比平均約為18%。約60%以上案件出行距離在15km 以內(nèi)，約90%以上案件出行距離在40km 以內(nèi)。女性犯罪出行距離小于5km 占比平均約為23%；5-10km 占比平均約為11%。約70%以上案件出行距離在15km 以內(nèi)，約90%以上案件出行距離在25km 以內(nèi)。結(jié)合不同性別的距離衰減曲線來看（見圖3），在不同性別劃分上，男性犯罪者四種出行距離均高于女性，這可能是由于男女間不同生理差異造成。男性犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.9727，女性犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.72235，男性函數(shù)擬合程度達到了95%以上，女性函數(shù)擬合程度較低，這是由于女性犯罪者在15km 處存在明顯的空間緩沖效應(yīng)導(dǎo)致。

圖3：不同性別犯罪出行距離衰減曲線

3.4 不同籍貫犯罪人出行距離比較分析

將數(shù)據(jù)按是否京籍分類統(tǒng)計（見表4），非京籍作案數(shù)量4426 起，占總案件數(shù)84%，而京籍作案數(shù)量847 起，占總案件數(shù)16%。京籍犯罪出行距離平均數(shù)大于非京籍出行距離。將不同籍貫案件分類進行統(tǒng)計與擬合，非京籍犯罪出行距離小于5km 占比平均約為30%；5-10km 占比平均約為18%。約60%以上案件出行距離在10km 以內(nèi)，約90%以上案件出行距離在35km 以內(nèi)。京籍犯罪出行距離小于5km占比平均約為30%；5-10km 占比平均約為16%。約60%以上案件出行距離在10km 以內(nèi)，約90%以上案件出行距離在50km 以內(nèi)。結(jié)合不同籍貫的距離衰減曲線來看（見圖4），在不同籍貫劃分上，京籍犯罪者四種出行距離均高于非京籍，這可能是由于京籍犯罪者對于城市認知程度高，更清楚了解哪里有合適的犯罪目標(biāo)。非京籍犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.9763，京籍犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.96682，擬合程度均達到了95%以上。

圖4：不同籍貫犯罪出行距離衰減曲線

3.5 團體個人犯罪人出行距離比較分析

將數(shù)據(jù)按團體個人分類統(tǒng)計（見表4），個人作案數(shù)量3585 起，占總案件數(shù)68%，而團體作案數(shù)量1688 起，占總案件數(shù)32%。團體出行距離平均數(shù)與中位數(shù)均大于個人出行距離。將團體個人案件分類進行統(tǒng)計與擬合，個人犯罪出行距離小于5km 占比平均約為33%；5-10km 占比平均約為19%。約60%以上案件出行距離在10km 以內(nèi)，約90%以上案件出行距離在35km 以內(nèi)。團體犯罪出行距離小于5km占比平均約為25%；5-10km 占比平均約為16%。約60%以上案件出行距離在15km 以內(nèi)，約90%以上案件出行距離在40km 以內(nèi)。結(jié)合團體個人的距離衰減曲線來看（見圖5），在團體個人劃分上，團體犯罪者四種出行距離均高于個人，這可能是由于團伙作案的犯罪人分工協(xié)作，流竄性高，出行距離較遠。個人犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.97207；團體犯罪出行距離負指數(shù)函數(shù)擬合程度達R=0.50866，擬合程度均達到了95%以上。

圖5：團體個人犯罪出行負指數(shù)函數(shù)擬合曲線

4 結(jié)論

本文通過對北京市入室盜犯罪人四種出行距離分布進行統(tǒng)計與數(shù)學(xué)建模分析，針對多種個體特征對出行距離的影響。結(jié)論如下：

（1）針對四種不同犯罪出行距離，在0 到120km 范圍內(nèi)大致相同，往后公交距離與曼哈頓距離仍存在一定比例，這是由于公交車或地鐵路線并不是直接從出發(fā)點到目的地計算，中間存在轉(zhuǎn)折或繞路等，曼哈頓距離計算的是兩個點在標(biāo)準(zhǔn)坐標(biāo)系上的絕對軸距總和造成的。因此，在不同犯罪出行距離的選擇上，選擇單一距離作為犯罪出行距離與選擇多種距離間誤差較小。

（2）針對不同年齡段，結(jié)合以往研究，犯罪人出行距離與年齡呈現(xiàn)倒U 型關(guān)系，低齡犯罪人出行距離短，隨著年齡的增加出行距離不斷增大，成年后達到頂峰，在更長的時間后有明顯回落，同時作案高發(fā)年齡也處于26-45 歲這個年齡段。對于入室盜竊這一“技能性”要求較高的犯罪活動來說，犯罪人的年齡越大，其對城市環(huán)境的認知越強，也更清楚的了解哪里有合適的犯罪目標(biāo)，因此其出行距離較低年齡犯罪人會更遠。

（3）針對不同性別，可以看出犯罪人男性比女性出行距離較長，這是由于性別差異所帶來的，男性體能普遍優(yōu)于女性，支持其在更大的空間范圍內(nèi)尋找犯罪目標(biāo)，犯罪出行距離較長，女性由于生理差異的原因更傾向于選擇就近掠奪的模式。且男性作案比例遠遠高于女性。

（4）針對團伙個人，在個體作案中，由于缺少同伴，其“獨狼”式的行為從一定程度上限制了其空間認知能力，往往選擇短距離作案，而在團伙作案中，由于團伙間配合，且團伙作案流竄性高，技術(shù)性強，犯罪人之間通過信息共享了解更多的犯罪目標(biāo)信息，同時團伙協(xié)作也可以支持其在距離居住地較遠的地方作案能夠獲得較高的犯罪收益。個人作案數(shù)量大約為團體作案數(shù)的兩倍。

（5）針對不同籍貫，非京籍犯罪人出行距離小于京籍犯罪人，這是由于京籍犯罪人作為本地人，在居住特征、社會關(guān)系、對發(fā)案地的認知不同造成的。且對于非京籍犯罪人來說，京籍犯罪人作案地成本相對較小。從案件統(tǒng)計數(shù)據(jù)可以得出，北京市入室盜案件絕大多數(shù)為人口犯罪。