犯罪熱點分析方法及其應用：以2015-2018年桃園市機車竊盜犯罪為例

Crime Hotspot Analysis: A Case Study of Vehicle Theft in Taoyuan City, 2015-2018

溫重翰(Tsung-Han Wen)；張智安(Tee-Ann Teo)；史天元(Tian-Yuan Shih)

地理資訊系統 ； 空間自相關 ； 核密度推估法 ； 竊盜犯罪熱點 ； Crime Hotspot ； Geographic Information System ； Kernel Density Estimation ； Spatial Auto-correlation

國土測繪與空間資訊

9卷1期（2021 / 01 / 01）

1 - 20

繁體中文

竊盜為社會中常見犯罪類型，在世界各國更是所有刑案類型中犯案件數的最大宗。而在台灣，汽機車竊案更是所有刑案中犯罪率最高的類別。犯罪區域研究，如果能考慮空間異質性和空間自相關的特性，對於犯罪行為受到空間的影響，能較僅以行政區域劃分之量化統計數據，呈現更好的觀察與詮釋。本研究探討桃園市機車竊盜的犯罪地圖製作，以地理資訊系統為基礎，分別以宏觀層次與微觀層次兩個部分分析。前者以不同的統計尺度的面量圖繪製，探索犯罪地點的空間分布；後者先用核密度推估法產製機車竊案的熱點分布圖，並以全域型空間自相關，探討機車竊案地點是否有聚集的現象，再利用區域型空間自相關分析，推算出機車竊案的空間熱點，最後定義桃園市機車竊盜的長期熱區與近期的潛在熱區。

Theft is a common crime. The occurrence of theft has the highest percentage among crimes world-wide. Among all types of theft, motor vehicle theft has the highest rate in Taiwan. Crime analysis with spatial heterogeneity and spatial autocorrelation could provide better spatial reasoning of the crimes, than simply deriving quantitative statistics with administrative units. This study investigates the theft of motorbikes in Taoyuan metropolitan area through mapping the locations of reported theft. Based on the Geographic Information System, both macro and micro approaches were conducted. The former was carried out with a choropleth map to delineate the spatial distribution of the general trend. The latter applied kernel density function to generate maps of criminal hotspots. Global spatial autocorrelation analysis is conducted to evaluate whether there are clustered spatial patterns. Then, local spatial autocorrelation is utilized to derive the hotspot and identify both long-term motorbike theft hotspots and recently developed potential hotspots.

1. 李瑞陽,陳勝義(2010)。台中市搶奪犯罪熱點與犯罪區位之空間分析。地理研究期刊，53，23-48。
   連結：
2. 溫在弘,劉擇昌,林民浩(2010)。犯罪地圖繪製與熱區分析方法及其應用：以1998-2007 年台北市住宅竊盜犯罪為例。地理研究期刊，52，43-63。
   連結：
3. Anselin, Luc(1995).Local indicators of spatial association-LISA.Geographical analysis,27(2),93-115.
4. Anselin, Luc,Syabri, Ibnu,Kho, Youngihn(2006).GeoDa: An Introduction to Spatial Data Analysis.Geographical Analysis,38(1),5-22.
5. Gallup Analytics, 2019. Global Law and Order Report. USA: Gallup Inc. https://www.gallup.com/analytics/267869/gallup-global-law-order-report-2019.aspx
6. Getis, A.,Ord, J. K(2010).The analysis of spatial association by use of distance statistics.Perspectives on spatial data analysis,Berlin, Heidelberg:
7. QGIS Development Team, 2020. QGIS Geographic Information System. Open Source Geospatial Foundation Project. http://qgis.osgeo.org
8. Tenney, M. L.(2013).Clarion University of Pennsylvania.
9. 吳信寬(2020)。銘傳大學都市規劃與防災學系碩士班。
10. 馬旺(2020)。中央警察大學警察政策研究所。
11. 張芳瑋(2018)。國立政治大學地政學系碩士班。
12. 陳威哲(2016)。國立嘉義大學土木與水資源工程學系研究所。
13. 黃信超(2015)。國立嘉義大學土木與水資源工程學系研究所。
14. 黃映翎(2008)。東吳大學社會學系碩士班。
15. 維基百科，2020，需求層次理論，https://zh.wikipedia.org/wiki/%E9%9C%80%E6%B1%82%E5%B1%82%E6%AC%A1%E7%90%86%E8%AE%BA，前次搜尋：2020/0529。
16. 蔡士旺(2008)。國立嘉義大學史地學系碩士班。

1. 陳昱祺,吳俊鋐(2023)。以崩塌活躍性及崩塌時空熱區分析說明曾文水庫集水區崩塌長期演化時空特性。中華水土保持學報，54(1)，38-47。
2. 楊文,黃谷臣,高岳暘(2023)。臺灣地區溺水事件之空間分析－以水域救援統計資料為例。臺灣體育運動管理學報，23(2)，323-356。