成果信息：

He Z, Deng M, Xie Z, et al. Discovering the joint influence of urban facilities on crime occurrence using spatial co-location pattern mining[J]. Cities, 2020, 99: 102612. （DOI：10.1016/j.cities.2020.102612）

https://sciencedirect.xilesou.top/science/article/abs/pii/S0264275119306535

资助信息：

国家重点研发计划 “城镇公共安全立体化网络构建与应急响应示范”（(No.2018YFB0505500; No. 2018YFB0505504)）；国家自然科学基金“顾及空间自相关特征的复杂地理空间关联模式挖掘方法”（No. 41801309）；资源与环境信息系统国家重点实验室开放基金

团队成员

何占军，中国地质大学（武汉）地理与信息工程学院，助理研究员，硕士研究生导师。主要研究方向为时空统计分析、时空模式识别与数据挖掘。

邓敏，中南大学地理信息系，教授，博士生导师。主要研究方向包括时空数据挖掘与信息服务。

谢忠，中国地质大学（武汉）地理与信息工程学院，教授，博士生导师。主要研究方向包括智能空间认知与推理、地理信息服务等。

成果简介：

探索犯罪事件与空间环境的依赖关系历来是犯罪地理学中的热点与重点研究内容，对理解犯罪发生机制、制定犯罪预防策略起着重要的指导作用。犯罪事件的发生与否与空间环境密切相关（如：土地利用、典型设施等）。现有大量研究也已经证明典型城镇设施（如：公交车站）与抢劫等犯罪受害者之间的空间依赖性。事实上，环境犯罪学的核心思想，包括理性选择理论，日常行为理论和犯罪模式理论等，均旨在探究空间环境对犯罪空间分布的影响效应。尽管这些理论对犯罪事件的发生机制起了一定的解释作用，但仍然难以对犯罪事件的预测和防控提供有效的指导，其难度主要在于：（1）现有关联分析大多基于线性分析方法（如：多元线性回归法），假设不同地理要素或空间设施对犯罪事件的影响是线性可加性的，而实际中，不同类型设施对犯罪事件的影响作用可能是正向或者负向的，其综合作用机制也是复杂的、非线性的。因此，现有线性分析方法不能有效揭示犯罪事件易发的空间环境或空间场景；（2）现有分析方法大多仅仅关注犯罪事件与典型设施的依赖关系，却忽略了犯罪事件本身在空间的依赖性。城镇犯罪实质上是一个复杂系统，其复杂性不仅体现在犯罪事件本身之间复杂的时空关联结构，更体现在犯罪事件与周围环境之间错综复杂的关联关系。

空间同位模式挖掘是时空数据挖掘的主要研究内容之一，亦是探索多类型地理要素之间复杂非线性作用的有力工具。为此，本文借助空间同位模式挖掘算法来探索犯罪事件与空间环境（城市设施组合）的复杂关联分析，整个方法流程如图1所示。首先，将这种复杂关系拆解为“犯罪事件之间的空间自相关”与“城市设施与犯罪事件的空间依赖”两部分，进而，分别采取空间点模式拟合、空间同位模式挖掘方法对空间自相关结构、空间依赖结构进行定量化建模；最后，借助空间统计推断方法，对其中的具有统计显著性的空间关联模式进行提取。实验结果表明，本文所采取的空间同位模式可以有效消除非关联设施的干扰，更好的揭示犯罪事件的频发空间场景，从而为预防犯罪和城市规划起到一定的指导作用。

图1. 流程框架图