郑滋椀, 陈 鹏, 顾海硕, 刘 璐, 董齐芬

(1.浙江警察学院大数据与网络安全研究院, 浙江杭州 310053;2.基于大数据架构的公安信息化应用公安部重点实验室, 浙江杭州 310053;3.中国人民公安大学信息网络安全学院, 北京 102600;4.复旦大学法学院, 上海 200433)

0 引言

近年来,新冠肺炎疫情对各国人民的生命健康安全造成了严重的威胁,并且彻底改变了人们的生活、工作方式,对社会、经济、政治、文化产生了巨大的影响[1-2]。 疫情在重塑社会形态的同时,也改变了犯罪者、受害者的行为模式以及犯罪产生的微观、宏观环境,对社会治安形势造成了影响。 在重大疫情背景下,公安机关需要深入、全面评估重大疫情对社会治安形势的影响,掌握犯罪的演变趋势、过程和规律特征,从而为及时、科学调整治安防控策略、提高警务运行效能提供宏观支撑。 因此,本文以某市为例,通过构建时间序列犯罪预测模型,重点深入分析疫情对各类犯罪的影响,为治安防控策略制定提供决策支持。

疫情发生以来,许多学者已经对全世界不同国家不同城市的不同类型犯罪演变趋势和过程进行了深入的犯罪分析。 Nivette 等[3]通过对全世界23 个国家的27 个城市的入室盗窃、偷窃、汽车盗窃、抢劫、故意伤害等犯罪进行研究,发现这些犯罪在疫情发生后呈现显著下降趋势,但是不同城市不同类型犯罪具有一定的差异,并且居家隔离防控措施与犯罪下降存在一定的相关性。 Abrams[4]汇集了来自美国25 个大城市的数据,发现毒品犯罪、盗窃、入室盗窃和大多数暴力犯罪的数量和其逮捕人数均迅速下降,其中匹兹堡、纽约、旧金山、费城、华盛顿特区和芝加哥等城市的总体犯罪率均至少下降了35%。这些研究表明疫情及其防控措施对犯罪具有显著的抑制作用,即在疫情期间部分犯罪类型的演变趋势呈现显著的下降趋势。

除了抑制作用,相关研究发现在疫情影响下部分犯罪类型,如网络犯罪、杀人、亲密伴侣暴力等严重犯罪,要么保持不变,要么有所增加[5],特别是与新冠肺炎相关的网络犯罪活动急剧增加[6]。 如,Buil[7]分析了疫情封锁措施对英国网络犯罪和在线欺诈的短期影响,发现网络犯罪有所增加,而且在实施最严格的两个月内,发案数量非常大,特别是与在线购物和拍卖相关的欺诈以及针对社交媒体、电子邮件的黑客攻击增幅最大。 Rashid[8]发现在疫情期间孟加拉共和国达卡的非法毒品交易大幅上升,比预期的犯罪数量高出75%。 Piquero 等[9]通过分析美国德克萨斯州达拉斯的家庭暴力数据,发现在采取封锁防控措施之后的2 周时间内家庭暴力出现短期上升。 Abrams[4]发现美国25 个大城市中大多数城市的凶杀案和枪击案没有减少,并且非住宅盗窃和汽车盗窃案有所增加。 瑞典在采取疫情防控措施期间袭击、扒窃和入室盗窃显著下降,抢劫和毒品犯罪数量没有明显变化,故意破坏行为有所增加,大多数犯罪类型的减少幅度在5% ～20%之间,其中扒窃案降幅最大,与预期水平相比下降了59%[10]。因此,可以发现疫情对不同类型犯罪具有不同的影响,并且对不同区域的同类犯罪也可能具有不同的影响。

在国内,靳高风等[11-12]从全国层面研究、总结了2020 ～2021 年在疫情影响下犯罪趋势变化,发现疫情蔓延期间犯罪数量大幅减少,但是与疫情防控相关的犯罪行为有所增加,但随着全国疫情防控的常态化,2021 年中国犯罪数量将趋于增长,网络犯罪成为主要犯罪类型,诈骗犯罪数量可能会超过盗窃犯罪。 在市级层面,陈强胜[13]展现了疫情防控背景下广州市犯罪形势变化,发现犯罪总量呈下降趋势,电信网络诈骗等新型犯罪持续高发。 因此,可以初步发现虽然我国疫情发展与疫情防控策略与国外存在比较大的差异,但在犯罪演变趋势方面依然存在着相似的规律特征。

犯罪演变趋势受一系列社会、经济、文化、科技、政策等因素的影响,具有自身一定的规律特征。 预测犯罪趋势已经成为犯罪预测的重要内容[14]。 刘美霖等[15]构建了基于神经网络和时空自相关移动平均模型(STARMA)的时空序列混合犯罪预测模型,从而根据历史犯罪数据预测未来发生犯罪的数量变化。 侯苗苗等[16]则构建了SARIMA 时间序列犯罪预测模型,为犯罪打击提供宏观决策支持。 在针对具体案件类型上,屈茂辉等[17]建立了ARIMA时间序列预测模型,对我国财产犯罪人数预测研究起到良好借鉴作用。 陈鹏等[18]通过应用ARIMA 模型和指数平滑模型对110 警情数据进行预测研究,发现ARIMA 模型在犯罪活动的短期预测分析方面明显优于指数平滑模型。 但是,单一模型的预测精度有限,对基层警务部门工作的指导意义不明显。基于此,李卫红等[19]提出了改进的GA-BP 神经网络模型,利用某市2007 ～2012 年的财产犯罪时空数据验证了该模型的可靠性。 涂小萌等[20]针对犯罪时间序列预测提出了ARIMA-LSSVM 混合模型,有效实现了对于犯罪数据的精准预测。 因此,可以发现目前关于犯罪预测的研究中,已有不少学者应用不同的模型和数理统计方法进行犯罪预测。

1 研究区域与数据

1.1 研究区域

研究区域为某地级市。 该市处于华东地区、长江三角洲地带,下辖7 个县(市、区),陆地面积约3 900 平方公里。 根据第七次人口普查数据,截至2020 年11 月,常住人口约为540 万,与2010 年第六次全国人口普查的450 万人口相比,10 年共增加了90 万人口,增长19.98%。 生产总值由2010 年的2 296 亿增长至2020 年的5 509 亿,10 年共增加3 213 亿,增长140%。 该市近10 年来经济、社会稳步发展,人均GDP 和收入不断增长,同时人口数量呈现稳步增长趋势。

1.2 研究数据

由于研究区域犯罪类型众多,按小类分一共有400 多类,并且不同类型的犯罪具有不同的发生数量、危害程度、影响范围、形成机理,因此重点选取部分发生数量多、社会影响广、危害程度高、人民群众特别关心的犯罪类型作为研究对象。 为了全面、系统研究、评估疫情对社会治安形势的影响,通过对相似犯罪类型进行梳理、归纳、合并,按照犯罪大类重新组合形成了10 种犯罪类型作为研究对象,具体包括盗窃、故意杀人、抢夺抢劫、故意伤害、诈骗、强奸猥亵、涉交通犯罪、涉毒犯罪、涉赌犯罪和涉黄犯罪。犯罪时间范围为2016 年1 月至2021 年9 月,共69个月。 盗窃、诈骗等10 类犯罪一共337 460 起,每类犯罪涵盖的具体犯罪行为及其占比如表1 所示。

表1 犯罪类型及描述性统计

2 犯罪预测模型构建

为了更加准确地预测犯罪演变趋势,研究构建了综合多种时间序列预测模型的犯罪预测模型,以2016 年1 月至2020 年1 月(共49 个月)数据为训练集进行模型拟合,从而对2020 年2 月至2021 年9月(共20 个月)的疫情期间犯罪演变过程进行预测。 该预测模型综合了4 种模型,分别是Prophet 模型(季节性预测和非季节性预测两种)、基于最小二乘法的线性回归模型、基于最小二乘法的二次线性回归模型。 最后,通过训练过程中各模型的误差,综合4 种模型进行加权求和,得到加权求和后的预测趋势。

其中,Prophet 是Facebook 于2017 年提出的模型[21],该算法综合了时间序列分解和机器学习拟合,可以近乎自动地预测时间序列的走势。 Prophet是一种加性模型,由趋势项、周期项、节假日项以及残差项组成:

其中,g(t)为趋势项,即时序的非周期变化趋势;s(t)为周期项,即时序的周期变化规律;h(t)为节假日项,综合考虑节假日效应对时序预测的影响;εt为残差项。 Prophet 的趋势项g(t)有两种表达方式,一种是基于分段线性函数,一种是基于逻辑回归函数,本文选用基于分段线性函数的方式:

其中k的初始化为k～Normal(0,v2),v为节假日的优先级(默认为10),当v的值越大表示对模型的影响越大。

线性回归模型的表达式为:

其中,errori为拟合阶段模型i的误差,权值wi即模型归一化之后的权重。 预测时将权重wi与各模型的预测值相乘并对结果求和,即加权求和模型的预测值。

本文使用开源的Kats 库实现上述算法,调用其model 模块中的linear _model、quadratic _model、prophet,并使用WeightedAvgEnsemble 类进行综合预测,该类将输出各模型的预测结果并自动计算赋权后的综合预测结果。

3 犯罪演变过程与特征

3.1 犯罪演变过程

根据犯罪预测模型,计算得到各类犯罪2020 年2 月至2021 年9 月的犯罪预测值,如图1 灰色曲线所示。 灰色曲线代表了犯罪预测趋势,表示在没有疫情影响下,2020 年2 月至2021 年9 月各类犯罪可能的演变趋势和过程。 图1 每个子图代表一类犯罪,纵坐标表示犯罪数量,横坐标表示月份(如“1”为2016 年1 月,“49”为2020 年1 月)。 黑色曲线表示2016 年1 月至2021 年9 月犯罪实际值。 由于故意杀人犯罪每月在5 起之内并且很多月份为0,因此不对故意杀人犯罪进行预测。

从图1 可知,不同类型的犯罪具有不同的实际趋势与预测趋势。 其中,诈骗犯罪在疫情爆发前呈现不断上涨趋势,疫情发生后预测趋势也是不断上涨,但是疫情期间实际诈骗犯罪趋势则是在灰色线下面,并且呈现不断波动下降趋势,犯罪预测值与实际值之间的距离越来越大。 这表明疫情防控与诈骗犯罪具有显著的负相关,并且逐渐加强。

图1 犯罪实际趋势与预测趋势

与诈骗犯罪相同,涉交通犯罪疫情前犯罪趋势和疫情后预测趋势也是呈现不断上涨趋势,但是不同的是在疫情发生后涉交通犯罪突然大幅下降,由2021 年1 月的168 起下降至2 月的25 起,然后波动上升,逐渐慢慢靠近预测的犯罪趋势。 可以说,疫情爆发初期疫情防控对涉交通犯罪具有显著的影响,但随着时间推移,影响效果越来越弱。

强奸猥亵犯罪在疫情爆发前呈现有规律的波动,每年出现一个高峰。 犯罪预测趋势也是呈现相同的规律特征。 实际犯罪趋势都在预测趋势下面,并且2020 年实际犯罪趋势没有出现高峰,一直处在低位。 但是,2021 年实际犯罪趋势跟疫情前趋势一样出现高峰,表明强奸猥亵犯罪逐渐恢复到疫情前的犯罪水平。

涉赌犯罪疫情爆发前趋势呈现不规律波动,但整体上具有上升的趋势。 在疫情发生后,涉赌犯罪并没有像诈骗、强奸猥亵犯罪一样马上出现下降,并且虽然相对于2019 年,涉赌犯罪2020 年总数量下降了,但规律性不明显,有些月份犯罪数量大于预测值。

盗窃犯罪预测趋势基本在3 000 ～4 000 起之间波动,与疫情爆发前盗窃犯罪趋势的波动基本相同。在疫情发生后,盗窃犯罪实际趋势呈现突然下降趋势,然后维持在一定的犯罪水平波动,表明疫情对此类犯罪具有显著的并且持续的影响。

故意伤害与盗窃犯罪相似,其预测趋势基本维持在300 起左右。 在疫情发生后,故意伤害犯罪也迅速减少,然后与涉交通犯罪相似,波动上升,逐渐慢慢靠近预测的犯罪趋势。 黑色线与灰色线的距离没有明显减小,表明犯罪趋势反弹程度并没有涉交通犯罪那么强,其整体犯罪趋势并没有回到疫情前。

涉毒犯罪在疫情发生前围绕每月200 起左右波动,整体上呈现一定程度的下降趋势。 因此,灰色曲线表示的预测趋势也呈现不断下降的趋势。 在疫情发生后,涉毒犯罪呈现下降趋势,然后维持在一定的水平波动,并且与犯罪预测趋势逐渐重合,表明疫情对其影响越来越小,是疫情之外的因素导致涉毒犯罪在低水平波动。

在疫情发生后的几个月内,涉黄犯罪实际趋势在预测趋势下面,表明疫情对涉黄犯罪在疫情初期的几个月内有显著的影响。 但是,随后其快速反弹,并且犯罪实际值基本高于犯罪预测值,表明疫情对涉黄犯罪已经没有显著的影响。

抢夺抢劫犯罪在整体上呈现不断的下降趋势。 实际犯罪趋势基本都在预测犯罪趋势之下,表明疫情一定程度加速了抢夺抢劫犯罪的下降。疫情期间,抢夺抢劫犯罪数量与故意杀人犯罪数量基本相同,每月犯罪数据在5 起之内并且很多月份为0 起。

3.2 犯罪演变特征

通过比较犯罪实际趋势和预测的疫情期间犯罪趋势,可以发现在疫情前后,不同类型犯罪具有不同的演变趋势和过程。 根据图1 中各类犯罪的演变过程,在时间维度上,可以把犯罪演变的过程分为3 个阶段:疫情爆发前、疫情爆发初期和常态化疫情防控期。 各类犯罪在疫情前、疫情初期、常态化防控期等不同时间阶段在犯罪趋势上具有一定的变化特征,形成了各阶段不同的犯罪趋势,如图2 所示。

图2 重大疫情影响下犯罪演变过程与特征

(1)疫情爆发前期。 各类犯罪具有自身内在的演变趋势,既存在上升趋势,如,诈骗、强奸猥亵、涉交通犯罪、涉赌犯罪等;也存在下降趋势,如,抢夺抢劫;又存在波动趋势,如,涉黄犯罪。 其中,最显著的变化是盗窃、抢夺抢劫犯罪呈现断崖式下降。 这是因为近十年来视频监控系统的大范围安装与应用,导致盗窃、抢夺抢劫案件破案率大幅上升,增加了犯罪成本,使犯罪发生转移。 另外,就是诈骗犯罪呈现爆发性增长,这是因为近年来移动互联网、互联网金融的快速发展,为通信网络诈骗创造了新的犯罪机会。 疫情前各类犯罪趋势变化是一系列社会、经济、文化、科技、政策、警务等因素综合作用的结果。

(2)疫情爆发初期。 在疫情爆发后,疫情及其防控措施成为了影响各类犯罪趋势变化的最重要因素。 疫情因素叠加其他因素共同决定了各类犯罪的演变趋势。 通过比较疫情期间各类犯罪实际值和预测值,可以发现除了涉赌犯罪,其余犯罪类型在疫情爆发后几个月的实际趋势都在预测曲线下面,表明疫情对这些类型犯罪产生了显著的影响,这些犯罪类型呈现不同程度的下降趋势。 同时,虽然呈现下降趋势,但各类犯罪的下降幅度是不一样的,即各类犯罪的占比有不同的变化趋势,表明疫情对不同类型的犯罪具有不同程度的影响。 如,诈骗、涉交通犯罪、涉赌犯罪、涉黄犯罪的降幅比较小,而占比是增加的,这表明相对其他犯罪类型,它们降幅更低,疫情对其影响程度更小;而盗窃、抢夺抢劫、涉毒犯罪的降幅比较大,相对其他犯罪类型的占比是下降的,表明疫情对它们的影响程度更大。

(3)常态化疫情防控期。 随着疫情逐渐稳定以及人们慢慢适应疫情防控,整个社会进入了常态化的疫情防控阶段,社会经济、生活、工作逐渐恢复到疫情前水平。 相关研究表明,随着疫情防控措施的常态化,犯罪率慢慢上升到疫情之前的水平[22]。 在本研究中,随着疫情防控逐渐常态化,在疫情爆发初期呈现下降趋势之后,各类犯罪呈现出了继续下降、反弹或维持波动等3 种趋势。 如,强奸猥亵、故意伤害、涉交通、涉黄等犯罪呈现出反弹趋势,尤其涉交通犯罪几乎反弹到预测趋势附近,表明随着疫情防控常态化,其犯罪抑制作用逐渐减弱,甚至消失。 诈骗、涉赌、抢夺抢劫、涉毒等犯罪依然呈现继续下降趋势,表明常态化疫情防控对这些犯罪依然具有一定程度的抑制作用,可能从根本上改变了这些犯罪产生的机会。 盗窃犯罪则基本维持不变,表明盗窃与疫情防控达到了一种平衡。

4 结语

犯罪演变过程与特征是经济、社会、政策、突发事件等一系列因素综合作用的结果。 疫情及防控措施是在疫情背景下影响犯罪的重要因素之一。 本文以某市为例,全面梳理各类违法犯罪行为,通过构建犯罪预测模型,深入研究各类犯罪在疫情影响下的演变过程与特征,从而全面评估疫情影响下的社会治安形势变化。 相关研究对我国政府、公安机关在重大公共卫生突发事件下开展犯罪分析,找出犯罪规律特征,科学制定犯罪防控策略具有一定的理论价值和实践意义。