一、绪论

(一)研究背景

毒品泛滥除了危害社会、公民健康之外，毒品与犯罪也形成了密切的关系。毒品犯罪是全球性问题，引起广泛关注，尽管不同国家和地区毒品问题有程度和特点之差异，但因受到交通运输及因特网的快速发展影响，国际化与自由化的无国界时代让毒品犯罪问题更趋严重与泛滥。

统计数据显示，就台湾毒品查获量资料发现(如图1所示)，2016年查缉量6,596.9公斤，创近10年来之新高，并以第四级毒品为最多。综观近10年毒品查获量(按当期鉴定纯质净重)变化，于2007年至2009年间尚为平稳，每年均在 2,000公斤上下波动，至2010年骤增至3,478.8公斤，虽2011年回降至2,340.1公斤，后又呈逐年增加之势，至2016年为6,596.9公斤，较2015年增加1756.7公斤或36.3%，创近10年来之新高，并以第四级毒品4652.5公斤为最多，第三级毒品1219.0公斤次之。

2.人的全面发展目标符合当前中国实际。党的十八大对中国特色社会主义道路进行的界定是促进人的全面发展，而不是马克思恩格斯对未来共产主义的设想——每个人自由而全面的发展。当今中国仍处于并将长期处于社会主义初级阶段的基本国情没有变，人民日益增长的物质文化需要同落后的社会生产力之间的矛盾这一社会主要矛盾没有变，我国是世界最大发展中国家的国际地位没有变。实现“每个人自由而全面的发展”的条件还不成熟，但是提出“促进人的全面发展”的目标符合当今国情，符合人民对美好生活的新期待。

因此，本研究将以“环境犯罪学”及“犯罪地理学”为理论基础，并取得台湾新北市毒品犯罪相关数据，导入地理信息系统GIS空间演算分析技术，透过空间分析方法，找出毒品犯罪在区域空间的分布，试图建构毒品犯罪的“犯罪热点分布态样”，并将研究分析结果提供给警政机关，研究制定有效之毒品查缉策略，同时精进警察勤务规划与侦查部署，达到提高勤务绩效、有效降低毒品犯罪之目标。

聚焦环境描写 在教学这一部分时，薛老师先让学生找出文章中明显的两处环境，再通过朗读、替换等方法让学生感知环境描写绝不是可有可无的。“公路”、“餐馆”的环境描写的教学，学生明白了环境描写是为了衬托人物的心境、处境，薛老师趁热打铁，引导学以致用，当堂练习写作——通过想象“里屋”的环境，续写文章的结尾。

(二)研究动机与目的

本研究利用学术研究之观点，向新北市警察局取得毒品犯罪相关资料，进行毒品犯罪问题分布特性之研究。若能了解毒品犯罪之空间分布特性，对于拟定毒品犯罪之预防策略有莫大帮助。本研究之目的如下：

1.藉由文献探讨，了解有关环境犯罪学、地理犯罪学、毒品犯罪、地理信息系统GIS、犯罪基图等研究发展现况，藉以导引本研究发展毒品犯罪资料以绘制“毒品犯罪基图”。

  

数据源：法务部门统计，2017年(研究者自行绘制)。

 

图1 2007～2016年台湾毒品种类查获量——按当期鉴定之纯质净重

2.系统性地分析台湾新北市毒品犯罪地点转换为空间点数据，使用空间分析台湾新北市毒品犯罪的空间与时间分布特性，进而了解毒品犯罪的热点地区、时空变化转移趋势。

3.将研究绘制之毒品犯罪基图及相关分析与结论、建议等丰富信息提供给警政机关，研究制定有效之毒品查缉策略，同时应用于基层警察勤务规划与侦查部署，达到提高勤务绩效、有效降低毒品犯罪之目标。

(三)名词解释

2.犯罪地图制作

犯罪热点为“犯罪频发点”，即为都会中的某些特殊区域、街道、小区或营业场所、地点等，因环境本身的空间特质，容易衍生犯罪机会进而吸引潜在犯罪人聚集，造成较高比例的重复犯罪事件。

2.地理信息系统(Geographic Information System,简称GIS)

理性选择理论于1986年由Cornish和Clarke正式提出。理性选择理论认为，犯罪的选择结构可区分成两大群集：犯罪者及犯罪。犯罪者的因素包括：需求、价值观、学习经验等。犯罪的因素包括：目标物之地点、可及性与利益等。依据理性选择理论，犯罪人将评估犯罪带来的代价或利益。当利益的可能超过付出的代价时，犯罪将可能再发生；*Agnew, R. (1995). Testing the leading crime theories: an alternative strategy focusing on motivational processes, Journal of Research in Crime and Delinquency, 32(4),363-398.反之，犯罪利益不高且付出的代价及风险高，犯罪人将放弃犯案的念头。

3.犯罪制图(Crime Mapping)

运用 GIS绘图技术进行犯罪问题或其他与警政相关议题分析之历程，显示犯罪或其他统计数据等相关数据之空间分布或变异情形、提供相关主题图作为决策依据等功能，且具有可视化与统计分析犯罪之空间特性。犯罪基图绘制基于GIS系统原理，图程形成的操作大致区分“数据汇入”“图资展示”以及“分析比对”等过程。犯罪制图整合地图制图学、GIS技术与犯罪地理学理论，应用于犯罪预防或公共安全领域(Paulsen & Robinson, 2004)。

以毒品犯罪为例，首先必须将毒品犯罪案件的地址及相关数据(时间、辖区、年龄等)分类汇入，藉以转换对应的坐标位置(X.Y)，并在图资展现时只需显示研究项目，如分析吸毒“犯罪热点”热区域的展现。

犯罪基图的绘制基本上必须具备几项要件，首先是具有可以转换成地图坐标的大量地址数据，以利汇入图资后形成点分布，接下来必须将数据汇入软件以转换程序，形成基础犯罪图资。基图的地表特征是各种不同形态图层堆栈而成，如此不同基础地表图层即会产生不同形态的热点基图。

“大数据”的崛起、发展与应用，拜现代通讯普及与网络云端高速运算技术发展所赐。随个人计算机、手机日益普及，带动网络信息蓬勃发展，当传输速度与储存技术不断提升，带动云端运算服务盛行，同时引爆一场跨政府与民间的全球大数据应用革命。大数据是一套系统化、标准化及科学化的复杂概念，包括商业与管理的专业，需具备计算机储存的字节概念，以及网络应用、系统管理等专业知识。大数据数据必须仰赖“云端(Cloud)数据”“移动(Mobile)通讯”“社会(Social)数据”与“消费(Comsumerization)数据”等四项信息科技(Information Technology)的汇流(如图2所示)。

  

图2 大数据数据产生的来源说明(Mark Myers, 2010)

二、文献探讨

(一)犯罪事件形成的相关理论

犯罪是复杂的事件，有四个构成要素：法律、犯罪者、目标与场所。*Brantingham, P. L. & Brantingham, P. J. (1991). “Environment, Routine, and Situation: Toward a Pattern Theory of Crime.” In: Clarke, R. V. & Felson, M. (eds), Routine Activity and Rational Choice. Advances in Criminological Theory, Vol. 5. New Brunswick, NJ: Transaction Publications.想完整了解犯罪，有必要去探讨犯罪者决定犯罪时，是如何看待当时所处的环境或情境的。环境犯罪学是从空间观点出发之犯罪学，主要探讨构成犯罪之四个要素，了解犯罪何时何地发生，犯罪者为何选择犯罪地空间上之移动，犯罪目标物及发生地在空间上之分布如何，并探讨犯罪人在特定的时间和空间犯了某种特殊类型的犯罪。

近年来，相关犯罪议题已开始由加害人研究转向被害人与犯罪地点的观察研究。*赖致瑜：《台北市住宅窃盗犯罪地图制作与犯罪区位分析》，台湾大学地理环境资源研究所硕士论文(2006)。在过去研究犯罪事件中，学者多以犯罪者作为研究对象，或是再加入犯罪者与执法人员作深入探讨，比较执法人员与犯罪者对犯罪情境之差异。此方法在犯罪预防观点上被誉为治本之做法，但随着犯罪率节节升高，却显得不切实际，未能真正降低犯罪率。*吴芳富：《抢夺犯罪成因与犯罪模式之实证研究——以高雄地区为例》，载《“中央警察大学”犯罪防治学报》，2003(4)：241-260。

环境犯罪学是犯罪学中一个分支学派，由一系列具有相同观点的理论所组成。其理性选择理论、日常活动理论为较知名理论。

1.理性选择理论

地理信息系统结合地理信息与信息科技的新兴技术，利用计算机处理与空间相关数据，分析特定区域发生的犯罪事件。GIS绘图技术是一套将地表各种不同的地理特微，重新加以截取、分类、检视、堆栈及呈现于单位图案的过程；而且每一处的地表特征均能加以经纬度或编码方式清楚标示其相对之坐标方位，绘制基图可供阅读与理解。除了地表特征外，相关教育程度、人口分布、收入状况等社会性的数据均能加以分析处理与呈现。

非洲有一种沙蚁，生性好斗，每次大战后，幸存者就会排成一长串“送葬”队伍，将“阵亡”的“战友”护送到小土洞或低洼地，然后再盖上一层沙土。有趣的是，在安葬完毕后，它们还会千方百计地运来一株株连根的小草，种植在“坟墓”周围，以示永久的“纪念”。

2.日常活动理论

日常活动理论*Cohen, L. E. and M. Felson. (1979). Social change and crime rate trends: A routine activity approach, American Sociological Review, 44, 588-608.着重犯罪事件中情境因素的分析，认为犯罪人的人格和犯罪行为应分开探讨、分开解释。犯罪案件并非随机分布，犯罪人与被害人在生活形态中应有某种程度的因果关系。日常活动理论把犯罪和日常活动结合起来，认为改变日常活动，就可改变犯罪发生率。

(1)有犯罪动机者(motivated offender)在场

(2)合适目标物(suitable targets)

(3)缺乏有能力的监控者(capable guardian)

(二)犯罪基图分析方法概论

1.热区分析方法

(1)空间分析

犯罪案件数据空间分析主要系了解犯罪的空间，观察其案件是否呈现群聚现象，以及案件发生的频率及强度等关系。图资方面在进行犯罪案件点数据的形态分析中，需先了解空间点形态之分类。一般空间分布形态可分为三大类：群聚(clustered)、分散(dispersed)和随机(random)类型。*Mitchell, A. (2005): The ESRI Guide to GIS Analysis, Volume 2: Spatial Measurements and Statistics. Redlands: ESRI Press.犯罪热区既表示为犯罪地点呈现高度群聚趋势，也表示在空间上显著集中分布于某一处或多处。分散分布则是地点数据呈现规则之分散情况，可以规则地推测下一个犯罪地点数据位置。至于随机分布则是各数据地点在空间之各处出现几率相同，所造成之结果并没有显著的空间群聚与均匀分布的趋势。*Mitchell, A. (2005): The ESRI Guide to GIS Analysis, Volume 2: Spatial Measurements and Statistics. Redlands: ESRI Press.

(2)时间分析

犯罪热区的时间分布，大致可分为“散布(diffused)”“集中(focus)”及“尖峰(acute)”三种形态。散布：指犯罪时间分布并无明显集中在某时间点，或犯罪热区中时间的间隔很大，无法辨识时间发生的高峰期，此类分布并无犯罪预测的参考价值。集中：指犯罪热区中，某一犯罪时间分布较一般时间密集发生的现象，集中现象可透过统计上显著而突显，具有犯罪预防参考之价值。尖峰：指犯罪热区中，犯罪集中呈现“高度”密集发生的现象，因此在基图上呈现高度的分布现象。

2.犯罪地图分析方法

犯罪地图热区分析目的是为了解是否呈现地理群聚的趋势，一旦呈现显著的群聚趋势情况，则需更进一步分析群聚程度的地点、频率与幅度，并对于群聚地区进行有效介入与管理。其应用的分析方法包括：空间分布描述，空间聚集分析，空间自相关分析(如图3所示)。

  

图3 不同数据形态之热区分析方法

 

(数据源：温在弘等，2010)*温在弘，刘择昌，林民浩：《犯罪地图绘制与热区分析方法及其应用：以1998-2007年台北市住宅窃盗犯罪为例》，《地理研究》，2010(52)。

3.犯罪地图类型

3.毒品犯罪与空间分布的研究解释

根据统计方式、定义与应用的不同，制图方式也相对不同。犯罪地图分为以下三种类型(如表1)：

 

表1 犯罪地图之类型

  

类型点分布图核密度图面量图(pointdistributionmap)(conventionalshadedmap)(probabilitysurface)定义呈现个别犯罪事件的发生地点表现区域内犯罪率的空间变异描述高犯罪活动区的边界与轮廓应用分析犯罪热区1．分析犯罪热区2．检视区域内犯罪现象的空间变异标准偏差椭图可找出平均中心、主要方向、分布密度、图形程度图例犯罪地点图1．警方管辖区2．人口普查区犯罪空间变异图犯罪几率图

(数据源：赖致瑜、张平吾、张康聪，2005)*赖致瑜，张平吾，张康聪：《台北市住宅普通窃盗犯罪热点及其社经人文环境分析之研究》，载《“中央警察大学”犯罪防治学报》，2005(6)：29-54。

本研究运用“点分布图”“核密度图”“面量图”的犯罪制图类型来分析台湾新北市之毒品犯罪空间。

4.犯罪预防应用价值

犯罪基图的价值不仅可以精确标示犯罪地点、检视地区内各类犯罪、犯罪时间或犯罪者的热区分布概况，而且可以协助警方犯罪防治实务，提升勤务规划与派遣效能。因此，一个犯罪基图的完成，才是警方了解地区犯罪时空分布概况、分析犯罪者的真正动机和犯罪趋力的来源，并藉由地区犯罪资料精确分析结果，适时妥善地反映在警察实际勤务工作上。

(1)侦查应用

(2)清楚掌握辖区治安热点

(3)精进勤务规划、提高勤务效能

阅读作为获得语言知识的基本途径，其形式是不拘一格的，所以笔者在教学中鼓励学生，只要用心阅读，不管采用什么形式的阅读都是对学习有利而无害的。笔者结合高职学生学习英语的状况，致力于尝试将图式理论运用到英语阅读教学中，它是指阅读者对所读的内容、内容主旨、内容了解程度和熟悉程度的总称，将之运用到英语阅读教学中取得了一定的教学效果。

(4)治安成效之评估

(5)持续监测

(6)扩大治安信息传播效果

(三)毒品犯罪相关研究

1.基本定义

所谓“毒品犯罪”，系指故意非法种植、制造、进口、出口、出售、散发、窝藏、运输或受控制的毒品行为，如国际公约中有关毒品禁止性的规范内容，*张平吾，黄富源，范国勇，周文勇，蔡田木：《犯罪类型学》，空中大学用书(2012)。由于解释内涵并未包括“施用行为”，而与本研究之行为主题未尽一致，故将“施用行为”并入研究，并以毒品危害防治条例所列第一至第四级毒品之各项制造、运输、贩卖、施用及其他犯罪行为为研究目标，以厘清研究主题范围，让研究内涵更为完整。

2.毒品犯罪无被害者之特征

无被害者犯罪(victimless crimes)之概念始于20世纪50年代，当时许多研究犯罪问题之学者发现，在赌博行为、卖淫行为及药物滥用等犯罪行为中，加害者与被加害者均具有违法之特性，即具有象征性的连带关系。

1.3.1 诱捕器试验 试验设A、B、C 3个处理，每个处理设5次重复，各小区随机排列。将3种诱捕器同时安装到茶园，诱捕器离茶丛表面20 cm，各小区之间间距10 m，配备北京中捷四方生物科技股份有限公司茶尺蠖诱芯，比较3种诱捕器在试验期间的诱捕量。试验时间为2017年7月11日至8月2日，每周调查1次，连续调查4周。图1为3种茶尺蠖诱捕器。

法可依，有据可循。转移支付立法也要跟上，进一步科学界定专项转移支付和一般转移支付的内涵，真正发挥专项转移支付宏观调控的作用，同时发挥一般性转移支付弥补地方一般性公共支出的作用。推进转移支付的立法能够真正规范转移支付制度，也能真正在财政资金转移的过程中，将事权和支出责任下沉的渠道关闭。最后，还应及时探究并推进政府破产法，这是中央和地方财政关系重要的一环，地方财政发生重大危机，中央政府究竟怎么选择？如何把中央不救助原则落到实处？只有破除地方政府对中央政府的依赖性，才能够有效促进地方政府发债的合理性和规范性。■

为了解毒品犯罪与空间分配的关联性，本研究特别整理与空间有关“聚集趋势”“地点设施”“地点特征”以及“犯罪移动者”的犯罪特性，分述如下：

(1)聚集趋势

根据规范要求，对于算例中选取的某型动车组而言，轮轨垂向力的限值为170 kN；轮轴横向力的限值为56.26 kN；脱轨系数的限值为0.8；轮重减载率的限值为0.8。在不同会车车速工况下进行数值仿真，得到车辆的动力学响应，选取每种工况下动力学性能最差的轮对响应曲线，将其与安全性限值绘于图8中。

采用文献计量方法虽然能够对产业集聚环境效应的主要研究热点和研究趋势进行综合分析，但是由于学科之间存在差异性、研究课题范围存在不确定性、对文献的科学计量还未形成统一分析标准等原因，本研究所涉及的研究样本具有一定局限性（张静辉等，2015；贺艳华等，2017）。本研究在文献计量分析的基础上对 70篇代表性文献进行分析，梳理出产业集聚环境效应的主要研究领域。

(2)毒品犯罪与空间分布的关联性

Eck*Eck, J. E. (1994). “Drug Markets and Drug Places: A Case-Control Study of the Spatial Structure of Illicit Drug Dealing.” Doctoral dissertation, University of Maryland, College Park.对美国San Diego市同一地区中贩毒地点与非贩毒地点的特征进行比较，结果发现贩毒者似乎较喜爱小型公寓。那些会吸引潜在犯罪者的地点，大多具有某些物理性的或社会性的特征。这些特征通常包含：明显缺乏监控、该地点容易接近以及合适目标物或潜在被害人的出现。具有此等特征的地点比没有此等特征的地点较常发生犯罪。

(3)毒品犯罪与暴力或其他犯罪的交互聚集性

Rengert和Wasilchick*Rengert, G. & Wasilchick, J. (1990). Space, Time, and Crime: Ethnographic Insights into Residential Burglary. Washington, DC: Office of Justice Programs, National Institute of Justice, U.S. Department of Justice.根据与不法目的侵入者(burglars)访谈所获取的资料，证明贩毒地区会引导暴力犯至某特定地区从事暴力犯罪，即这些暴力犯可能会在毒品地区的邻近区域内从事暴力犯罪。

药师可以通过药学门诊对服用华法林的患者从疾病成因、用药须知、药物相互作用，并结合药动学和药效学特点，阐释抗凝治疗的必要性，对抗凝强度以及INR值进行监测和分析，热情服务于患者，及时发现可能导致INR偏低的因素，配合临床提出合理化建议，制定个体化的治疗方案，使自己真正成为医疗团队的一员。

(4)毒品犯罪的空间移动特性

研究发现，*孟维德：《犯罪热点的实证分析——警察局勤务指挥中心报案纪录之分析与运用》，载《犯罪学期刊》，2001(8)：27-64。新北市辖内共15个警察分局、2,265个警勤区，统计报案受理之刑事案件，主要以机车窃盗、一般窃盗、汽车窃盗及毒品犯罪案件占最多；另各警察分局，4.33%的警勤区大约可以解释30%一般刑案及毒品犯罪案件发生案件量。换言之，大约有三成到四成的犯罪或治安案事件集中在不到5%的警勤区中，包括毒品犯罪，集中趋势应是相当明显。

犯罪者的移动范围，可能局限在若干犯罪地点之间。Weisburd与Green*Weisburd, D. & Green, L. (1994). “Defining the Street Level Drug Market.” In: MacKenzie, D. L. & Uchida, C. (eds.), Drug and Crime: Evaluating Public Policy Initiatives. Newbury Park, CA: Sage.指出，相近的毒品市场各自均有其明确界限，界限通常是由各地点的贩毒活动所形成。如果犯罪者住所附近有数量够多的目标物，那么犯罪者的移动距离(指犯罪地点与其住所之间的距离)通常会较短。不过，财产性犯罪者一般不会选择离住所太近的目标物，以免自己身份被辨认出来。*Brantingham, P., and Brantingham, P. (1993). Theoretical model of crime hot spot generation. Studies on Crime and Crime Prevention, 8: 7-26.

三、研究方法

(一)研究架构与范围

研究架构流程如图4所示。

二是基本完成了天然气管道业务的混合所有制改革。按照落实国家关于鼓励引导民间资本投资参股建设油气管道储运设施的要求，中国石油集团在陆续开展西气东输一线、二线、三线等合资合作的基础上，2015年完成中油管道资产平台的搭建，推进自身天然气管道业务财务独立和法律独立；推进落实中亚天然气管道合资合作，向国新国际投资有限公司出售50%股权，交易对价23.27亿美元；厘清西气东输、西部管道土地、房产等资产权属，推进管道建设项目资本运作；加快管道和燃气新业务、新市场的合资合作，2016、2017和2018年分别推进天然气管道和燃气业务合资合作项目14、21和9个，引进外部资金近16亿元。

  

图4 研究架构

本研究乃选取2007年至2016年共10年毒品相关数据进行分析，探讨空间范围是以台湾新北市为主要研究范围的。

老崔被两边一夹，没有活路了，干脆就地一滚，说，你们拍吧，拍吧。业主说，你不怕曝光？老崔说，曝就曝吧，曝了才好，曝了光，才会有人重视，才会有人来管我们、帮助我们。那业主以为是老崔是在嘲讽他，一气之下，说，拍，拍，就拍。那个扛摄像机的就拍了。但是带回去以后也没有播出，因为停车的问题太大了，他们这个小区的问题，只是冰山一角，一小角，甚至连一小角也算不上哦。

(二)研究工具与方法

1.数据搜集与处理

本研究“犯罪资料”为新北市警察局刑警大队所提供，时间范围为 2007年至2016年共10年，毒品案件数为82,908件，区域范围为台湾新北市。

1.犯罪热点(Hot Spot)

2.个人成长因素。这是体育后进生形成的主要原因。好动本是人的天性，但在个人成长过程中，心理受过打击，受过挫折，自尊心受到伤害；生理上，由于身体发育过于肥胖或过于瘦弱；婴幼儿时体弱多病；在体育活动中又受过运动创伤等原因。这样从小就带着心理阴影，不能像常人一样活动，再加上父母、家庭环境过分溺爱，没有正确引导。长此以往，造成能力低下，意志薄弱，对参加体育活动兴趣淡漠。

利用ArcGIS地理信息系统的制图技术与在空间形态分析之软件，其主要目的在于了解点数据于空间上分布形态。该分析方法基于坐标位置，只能分析是否呈现群聚状况，因此是属于全局分析。

由于进行犯罪热点分析前，必须先确定犯罪地点是否呈现聚集现象，*Chainey , S . P . , Reid , S . and Stuart , N . ( 2002 ) When is a Hotspot a Hotspot? A Procedure for Creating Statistically Robust Hotspot Maps of Crime . In Higgs, G. (ed.) Innovations in GIS 9 Socio-economic Applications of Geographic Information Science . London: Taylor & Francis.因此，本研究采用平均最近邻分析(Average Nearest Neighbor)、核密度推估法(Kernel Density Estimation)去初步探讨空间点数据是否呈现群聚现象，一旦呈现，则需要进一步做区域分析，经由Getis-Ord Gi*算法发现区域内相关程度大小，进而去探讨犯罪热点分析之成果*朱健铭：《土地利用空间型态之研究》，台湾大学地理学研究所硕士论文(2000)；陈慈仁：《台北市信息软件业与因特网服务业区位分布之研究》，台湾大学建筑城乡研究所硕士论文(2001)。。

3.研究方法

(1)平均最近邻分析

平均最近邻分析为空间聚集分析。在进行犯罪热点分析前，必须先确认犯罪地点是否呈现聚集现象。因此，本研究使用坐标分析中的平均最近邻分析(Average Nearest Neighbor )，对于 2007年至2016年台湾新北市毒品犯罪分布地点进行分析，判断台湾新北市毒品犯罪地点是否具有空间聚集现象。

平均最近邻分析是用来计算犯罪点资料分布状况的指数，若计算分析结果数值大于1，则该资料是属于分散的分布；若计算分析结果数值小于1，则该资料是属于具有群聚的分布；若计算分析结果数值接近于1，则该资料是属于随机的分布情形。

(2)核密度推估法

台湾新北市因空间范围与大小相近，且是以单一区为例，因此，本研究以毒品犯罪案件地点作为定点核心，搜索半径为500公尺，计算半径范围内的事件数，产生毒品犯罪几率密度趋势图。

(3)Getis-Ord Gi*算法

将犯罪地点利用地理信息系统分派至台湾新北市各里，再将各里毒品犯罪案件数除以各里人口数，计算出各里的毒品犯罪率。最后将各里的毒品犯罪率代入 Getis-Ord Gi*的公式，若某里与其邻近里的犯罪率同样偏高，该里的Getis-Ord Gi*值就会高。Getis-Ord Gi*值是代表具有统计显著性的空间聚集程度。Getis-Ord Gi*值高表示该里为犯罪高度集中处，即为犯罪热区。

(三)研究设计

4.大数据(Big Data)

本研究毒品犯罪热点基图，以理解毒品犯罪在不同时间空间概念下，所产生的分布特性及各区毒品分布聚集路段、时段分析，有利于警方勤务规划与部署。

4) 报警的分级工作。进一步完善报警的分级工作，应用在建的模拟培训系统，开发报警响应规程，各种故障、异常场景下的预案，对操作人员进行各种培训，提高操作响应能力。

  

图5 毒品犯罪热区分析设计

四、研究结果

(一)平均最近邻分析

在分析毒品犯罪热点前，需先确定毒品犯罪地点是否呈现聚集现象。本研究将2007～2016年共10年台湾新北市毒品犯罪案件地点分布进行平均最近邻分析，并计算出毒品犯罪地点分布指数。结果显示平均最近邻R值为0.463272，小于1，P-value小于0.000001，Z-Score为-295.653600。由分析结果得知，该资料2007～2016年台湾新北市毒品犯罪案件属于有群聚分布的特性，可进行犯罪热点的分析(如图6所示)。

  

图6 2007～2016年台湾新北市毒品犯罪平均最近邻分析

由表2平均最近邻群聚分析资料中，可知台湾新北市2007年至2016年各年度毒品犯罪的空间分布具有显著性空间群聚现象。其最近邻R值皆界于0～1间，Z-Score检定皆小于-1.65，P-value亦皆呈现显著(P<.001)，因此，由分析结果得知，2007年至2016年各年度台湾新北市毒品犯罪均具显著性空间群聚之现象。

 

表2 台湾新北市2007～2016年毒品犯罪平均最近邻群聚分析表

  

毒品犯罪资料年度平均最近邻距离ObservedMeanDistance(公尺)期望最近邻距离ExpectedMeanDistance(公尺)最近邻指数NearestNeighborRatioZ值Z-Score200750．320975．54110．666140∗∗∗-59．785673200846．237977．54970．596236∗∗∗-70．430959200949．318775．84030．650297∗∗∗-62．375737201049．350974．85230．659311∗∗∗-61．570032201151．187478．15840．654918∗∗∗-59．725859201255．701579．26530．702723∗∗∗-50．733401201358．567680．34790．728926∗∗∗-45．638355201462．286382．55730．754462∗∗∗-40．232764201555．390271．39940．775780∗∗∗-42．481128201677．329783．43190．926861∗∗∗-11．8586412007～2016(10年)11．376924．55760．463272∗∗∗-295．653600

注：*** : p-value < .001 ; ** : p-value < .01 ; * : p-value < .05

(二)各区毒品犯罪案件分布图

整理台湾新北市毒品犯罪2007～2016年82,908个案件，将点资料经转换经纬度呈现于台湾新北市29个区的图资上，呈现图7所示。毒品犯罪案件数分配至各里可得各里毒品犯罪案件数，犯罪案件数分布图如图8所示。

  

图7 2007～2016年台湾新北市毒品犯罪案件点分布图

  

图8 2007～2016年台湾新北市(各里)毒品犯罪案件数分布图

将各里毒品犯罪案件数除以各里人口数，计算出各里的毒品犯罪率。毒品犯罪率大于15.888%的里有6个(如图9所示)，分别为三重区的重新里、大德里、文化里，新庄区的文明里，树林区的树北里，中和区的灰瑶里。次高毒品犯罪率大于9.9266%且小于15.888%的里有10个，分别为三重区的德厚里、仁德里、永兴里、三安里，板桥区的新兴里、挹秀里，三峡区的三峡里，新庄区的福营里，瑞芳区的龙安里，中和区的横路里。

  

图9 2007～2016年台湾新北市毒品犯罪案件率(案件数/里人口数)分布图

(三)核密度推估法

利用核密度推估法针对毒品犯罪点图层进行空间的核密度分布分析，找出犯罪热点区域，且清楚判别毒品犯罪的变迁趋势。分布图中颜色分别代表不同密度，红色为毒品犯罪密度最高区域，白色为毒品犯罪密度最低区域。2007～2016年台湾新北市毒品犯罪案件核密度分布图中(如图10所示)，三重区、板桥区为毒品犯罪密度最高的区域。永和区、中和区、芦洲区、土城区、新庄区、树林区也有较高密度的毒品犯罪案件发生。2007～2016年台湾新北市区分为前后各五年段主要区域毒品犯罪案件核密度分布图(如图11所示)。

 

  

图10 2007～2016年台湾新北市毒品犯罪案件核密度分布图

  

图11 2007～2016年台湾新北市不同年段主要区域毒品犯罪案件核密度分布图

(四)各区里毒品犯罪率Getis-Ord Gi*分布图

将毒品犯罪地点利用地理信息系统分派至台湾新北市各里，再将各里毒品犯罪案件数除以各里人口数，计算出各里的毒品犯罪率。图12是Getis-Ord Gi*的群聚强度分布图，以毒品犯罪案件地点的500公尺内为邻近范围的分析结果。

Gi Z-Score大于1.96且小于等于2.58(P-value小于0.05)的有三重区、芦洲区、五股区、永和区、中和区、板桥区；Gi Z-score大于2.58(P-value小于0.01)的有三重区、板桥区、新庄区。结果显示，三重区、板桥区为聚集强度最高的犯罪热区。相反，犯罪冷区为Gi Z-Score大于-2.58且小于等于-1.96(P-value小于0.05)的林口区、八里区、淡水区、三芝区、石门区、金山区、万里区、石碇区、坪林区、平溪区、新店区。

  

图12 2007～2016年台湾新北市毒品犯罪率Getis-Ord Gi*分布图

(五)小结

将台湾新北市的2007～2016年毒品犯罪群聚区域分为四大区域，并作比较分析其前5年 (2007～2011年)与后5年(2012～2016年)两个不同年段的空间群聚现象。

1.三重区与芦洲区

  

图13 2007～2016年台湾新北市三重区与芦洲区不同年段毒品犯罪案件核密度分布图

(1)分析新北市三重区面积16.32平方公里，人口数388,087人；芦洲区面积7.44平方公里，人口数201,196人。两区均属高人口密度区域，以中南部外来人口为主，区域内小区大楼、出租套房、出租公寓、空屋、废弃工厂及工寮等，因出入人口复杂，易沦为犯罪场所及渊薮。治安工作基于趋于复杂化、多样化之因素，且人口都集中于都会区内，人口流动迅速，无法掌握。其中两个热区因有四条道路及路段相互连结互通(还堤大道、疏洪道、三重区之三和路与芦洲区中山一路、二路相连、三重区之集贤路与芦洲区集贤路相连、三重区之中正北路与芦洲区中兴路相连)，故造成三重区毒品犯罪密度扩散群聚及移转状况至邻近的芦洲区。

(2)三重区热区路段与热时分析，如表3。

(3)芦洲区热区路段与热时分析，如表4。

 

表3 2007～2016年台湾新北市三重区不同年段毒品犯罪热区路段及热时统计表

  

三重区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计三和路10352007～20119119531121491685922012～20167629406499135443正义南、北路10662007～20118410431101521915902012～20167392760104203476中正南、北路8232007～2011611045911181124372012～20166012296796122386重新路7952007～20116515331111091164492012～20167221235258120346自强路5092007～201131416661141063372012～201636614204155172大同南、北路5112007～2011237387373672812012～2016481318295963230

 

表4 2007～2016年台湾新北市芦洲区不同年段毒品犯罪热区路段及热时统计表

  

芦洲区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计民族路4272007～2011307244153421972012～2016471122325167230中山路3542007～2011243184038501732012～2016331010264557181长安街3572007～2011296192841501732012～201637319333953184三民路3282007～2011203152926381312012～2016421022254256197中正路2292007～2011173182318381172012～20161755232339112信义路2212007～201111283725411242012～20161441015233197

2.板桥区与土城区

  

图14 2007～2016年台湾新北市板桥区与土城区不同年段毒品犯罪案件核密度分布图

(1)分析新北市板桥区面积23.14平方公里，人口数552,250人；土城区面积29.56平方公里，人口数238,455人；树林区面积33.13平方公里，人口数184,477人。三区均属高人口密度区域，以中南部外来人口为主，区域内小区大楼、公寓、出租套房、出租公寓、空屋、工业区、废弃工厂及工寮等因出入人口复杂，易沦为犯罪场所及渊薮。治安工作基于趋于复杂化、多样化之因素，且人口都集中于都会区内，人口流动迅速，无法掌握。其中三个热区因有四条道路及路段相互连结互通(板桥区有四座连外桥梁，有光复桥、华翠桥、万板桥及华江桥与台北市相连；新海桥和大汉桥与新庄区相连；板桥区大观路2.3段经浮洲桥与树林区相连、中正路与新树路相连；台116号县道经板桥区连接至土城区中正路段；板桥南雅南路经四川路二段与土城区中央路、中华路相连，板桥区信义路与土城区金城路一、二段相连，又与土城区广成街相连)，是以造成板桥区毒品犯罪密度扩散至板桥区之海山分局辖区，并因群聚及移转状况至邻近的土城区及树林区。

(2)板桥区热区路段与热时分析：如表5。

(3)土城区热区路段与热时分析：如表6。

(4)树林区热区路段与热时分析：如表10。

 

表5 2007～2016年台湾新北市板桥区不同年段毒品犯罪热区路段及热时统计表

  

板桥区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计大观路11322007～2011701566911281274972012～2016157663588128161635南雅路6652007～201168112770801103662012～2016671317606478299中山路4882007～20114610255156592472012～2016551825414260241馆前路5012007～2011504234662722572012～2016613152532108244文化路4072007～20112610184060522062012～2016401424424041201四川路3552007～2011393164449532042012～201634612183744151中正路4062007～2011354243643461882012～201625916425076218

 

表6 2007～2016年台湾新北市土城区不同年段毒品犯罪热区路段及热时统计表

  

土城区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计中央路8772007～2011811137941021194442012～201698183664102115433金城路4632007～20115112174243542192012～2016621223323976244青云路3372007～2011297172947371662012～201644618194242171延吉街3252007～2011176163047501662012～201638715252945159学府路3172007～2011234132838301362012～201636521293456181明德路2562007～2011135122528271102012～201636711263828146清水路2622007～2011203102730301202012～2016231111163942142立德路2352007～20112859927481262012～201630512123020109裕民路2172007～201115391827301022012～201626112212629115延和路2052007～20111609261823922012～201619212182735113

3.永和区与中和区

  

图15 2007～2016年台湾新北市永和区与中和区不同年段毒品犯罪案件核密度分布图

(1)分析新北市永和区面积5.71平方公里，人口数223,845人，中和区面积20.14平方公里，人口数413,616人。两区均属高人口密度区域，以在台北市上班之军公教人员为主，外来人口以中南部为主，区域内小区大楼、公寓、出租套房、出租公寓、空屋、工厂及工业区等，因出入人口复杂，易沦为犯罪场所及渊薮。治安工作基于趋于复杂化、多样化之因素，且人口都集中于都会区内，人口流动迅速，无法掌握。永和区有四座联外桥梁(秀朗桥、福和桥、永福桥及中正桥)；另两个热区因永和区的成功路与中和区的秀朗路二段三段、中山路与中和区相连、永和区的秀安街与中和区的安平路相连接、永和区的中正路与中和区的兴南路相连，因多路段相连(环河西路与板桥区相连；永和区仁爱路与板桥区庄敬路相连、永和区保平路与板桥区广福路相连；延64号快速道路连接板桥区及中和区)形成更大的生活圈，人口聚集及地形、道路四通八达，相互交错连结互通，故造成永和区毒品犯罪密度扩散群聚及移转状况至邻近的中和区。

(2)永和区热区路段与热时分析，如表7。

(3)中和区热区路段与热时分析，如表8。

 

表7 2007～2016年台湾新北市永和区不同年段毒品犯罪热区路段及热时统计表

  

永和区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计永和路2822007～2011139892016392312012～20161636561551竹林路2492007～2011268162536421532012～20162351412182496仁爱路1602007～201112612152112782012～201621778122782中正路1612007～201113115252213892012～2016243513111672新生路1092007～20111028131711612012～20161606911648成功路942007～20116011161212572012～2016132572837秀朗路852007～20111209788442012～20161323381241

 

表8 2007～2016年台湾新北市中和区不同年段毒品犯罪热区路段及热时统计表

  

中和区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计景平路8102007～201168186384761174262012～20169913355769111384连城路6912007～20117293758861804422012～2016601025395164249中正路6472007～201175173861661413982012～2016491916444873249中山路6322007～201153144574811093762012～201647929475371256员山路6542007～201171102736771263472012～201663923467294307景新街4132007～2011253243547371712012～201660523323389242兴南路3632007～20112510204234411722012～201652713263162191圆通路3892007～2011365324365722532012～201628418253427136中和路2652007～2011254142830271282012～201629213191856137

4. 新庄区与树林区

  

图16 2007～2016年台湾新北市新庄区与树林区不同年段毒品犯罪案件核密度分布图

(1)分析新北市新庄区面积19.74平方公里，人口数415,031人，树林区面积33.13平方公里，人口数184,477人。两区均属高人口密度区域，以中南部外来人口为主，区域内小区大楼、公寓、出租套房、出租公寓、空屋、工厂、废弃仓库、铁皮屋、工寮及工业区等致出入人口复杂，易沦为犯罪场所及渊薮。治安工作基于趋于复杂化、多样化之因素，且人口都集中于都会区内，人口流动及交通流迅速，无法掌握。新庄区有中正路即台一省道与桃园市龟山分局相连接，又连接树林区中正路，此区段位处新庄区、树林区及龟山分局边缘处，为三不管地带。另两个热区因人口聚集及地形、道路四通八达，相互交错连结互通，故造成新庄区毒品犯罪密度扩散群聚及移转状况至邻近的树林区。

(2)新庄区热区路段与热时分析，如表9。

(3)树林区热区路段与热时分析，如表10。

 

表9 2007～2016年台湾新北市新庄区不同年段毒品犯罪热区路段及热时统计表

  

新庄区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计中正路8442007～20118213549382984222012～201610610356281128422民安路5852007～2011566275073692812012～20166810273956104304中港路3302007～2011296193441511802012～201635616223932150新泰路2902007～2011247174941311692012～201625715162731121化成路2742007～2011126123441361412012～201626511213337133中华路2652007～2011152202934521522012～201638410142126113新树路2442007～20111835131122722012～201644139342943172

五、结论与建议

(一)结论

毒品犯罪地点的空间聚集的分析方法为坐标分析及属性分析。本研究利用大数据数据导入地理信息系统的平均最近邻分析与核密度推估法均为坐标分析(经纬度位置)，而Getis-Ord Gi*空间自相关分析法为属性分析(毒品犯罪率)，结合坐标分析及属性分析，结果得知毒品犯罪聚集热区分布有一致性，并验证台湾新北市毒品犯罪与区域空间确实有聚集及扩散之现象。

2007～2011年的毒品犯罪热区为三重区、板桥区，而后2012～2016年渐渐由三重区扩散至芦洲区、板桥区往北扩散及向南扩散至土城区、永和区向中和区扩散、新庄区及树林区则为原热区向外再扩散。但整体以10年的毒品犯罪案件观之，犯罪热区仍以三重区、板桥区为高密度与高聚集强度之毒品犯罪群聚区域。

 

表10 2007～2016年台湾新北市树林区不同年段毒品犯罪热区路段及热时统计表

  

树林区路段案件数年度时段0～44～88～1212～1616～2020～24(时)(时)(时)(时)(时)(时)合计保安街3072007～2011174183437271372012～201629819273849170中山路2502007～201111372732211012012～201630820352036149中正路2582007～201125592533321292012～20163376211844129中华路1942007～201116572523241002012～2016153616223294镇前街1392007～20112635101113682012～201614238133171大安路1302007～2011826161816662012～20161804692764俊英街1232007～20111423101915632012～2016102312112260佳园路1112007～2011130101499552012～201644610161656

本研究分析毒品犯罪热区、热时之结果，为警政机关研究制定查缉毒品之策略提供参考，同时应用于基层警察勤务规划与侦查部署，期望提高勤务绩效、有效降低毒品犯罪之发生。

(二)建议

本研究结果显示，毒品犯罪地点是可以预测的，特别是毒品犯罪热区。若能掌握分析的毒品犯罪热区，并采取适当的防治措施，如规划警察巡逻路线、提高该热区区段之见警率等勤务规划作为，可使毒品犯罪的发生率得到相应程度的控制与降低。

本研究使用2007年至2016年之台湾新北市毒品犯罪资料，初步探讨其分布特性，但无法同时与其他重要区域或都市进行比较。然而因研究资料变项取得有限，建议未来相关研究者能搜集更多的犯罪形态、人文环境数据与相关数据，以便以不同的犯罪形态(如抢夺、窃盗)、犯罪人的年龄、性别、职业、教育程度、犯罪地点是否邻近建筑物或与特定行业有关等多元变项，就能更精确地分析毒品犯罪空间分布之情形与特性，以利提供相关单位作为勤务规划部署及犯罪防治之建议。