近年来,各类犯罪案件呈现增长趋势,引发的社会危害也正在逐步升级。入室盗窃作为最常见的犯罪形式之一,由于其数量多,危害范围广,隐蔽性强,且容易诱发其他类型犯罪,时刻威胁着社会治安和群众的生命财产安全。如何利用入室盗窃的时空特征开展犯罪的时空分析及预测,已经成为目前学术界和政府管理部门亟待解决的问题。本文针对入室盗窃犯罪的预测问题,在深入挖掘和分析其时空分布规律的基础上,构建了预测模型。主要研究内容和结论如下:1、本文以小区为空间单元分析入室盗窃的时空特征和分布规律。这一空间单元构建方法不仅继承了时空特征分析的优势,而且有利于发现时空分布的规律,是连接入室盗窃的时空特征与量化分布规律的桥梁。2、分析了入室盗窃与地理特征的多尺度关联关系,在小区、街区、社区、街道以及区等多个空间尺度上分析犯罪的关联因子。研究证明:①犯罪空间分布在不同空间尺度上关联的地理因子互不相同;②在不同尺度上分析犯罪行为需要结合不同的犯罪学理论;③利用多种地理因子解释犯罪密度的精度随着尺度变化而变化;④与单一尺度的地理因子反演犯罪空间分布的精度相比,利用多个尺度地理因子解释犯罪空间分布的精度更高。3、提出一种对犯罪时空单元进行聚类的方法。与传统的方法相比,本文提出的方法不需要提前指定聚类数量,从而提高了聚类精度。经过分析,犯罪在不同的时间尺度上表现出不同的时空分布规律,与之关联的地理因子也不同。其中,在周尺度上,研究区域内的犯罪从周一到周日具有沿“中部—北部—北部+东南部”一线转移的趋势。在月尺度上,以暑假(7月-9月)为基准,研究区域内的犯罪发生范围和频率呈现随着温度降低而逐渐减少,随着温度上升而逐渐增加的趋势。其中,犯罪在夏季呈现出范围广、频率高的分布特征,在动机呈现范围小,频率低的分布特征。分析了犯罪在周、月等尺度形成特定规律的空间特征,总结其形成原因,与地理因子结合分析了其关联因子。4、在顾及空间差异的基础上,量化了犯罪的时空分布特征。实验结果表明:①入室盗窃的空间分布具有较强的聚集性;②入室盗窃的时间分布具有较强的随机性;③入室盗窃的时空聚集性特征主要是由空间的聚集性引起的,即较少的小区发生了大部分犯罪,而大部分小区只有少量犯罪发生。与基于随机分布的研究相比,提取犯罪的时空分布特征可为分析犯罪热点,量化犯罪时空规律提供重要的研究基础。5、基于入室盗窃的时空分布特征,采用一种时空扫描方法量化入室盗窃的近重复规律。研究结果发现:①近重复性与小区的静态作用力成正比例关系。即犯罪数量越多的小区近重复性越强,犯罪数量越少的小区近重复性越弱;②过去的犯罪数量对未来犯罪概率有影响。当过去犯罪密度较小时,未来犯罪概率会增加;当过去犯罪密度较大时,未来犯罪的概率会减小。6、基于入室盗窃的时空分布规律和量化结果,构建了入室盗窃犯罪预测模型。主要包括:①借鉴了分子之间吸引力与排斥力的思想构建了预测模型:在两个分子距离较远时有较强的吸引力,排斥力忽略不计。随着距离变近,排斥力迅速上升,甚至远大于吸引力。犯罪也存在着吸引力和排斥力。具体表现为,每次入室盗窃犯罪会“吸引”更多的入室盗窃犯罪发生。过多地入室盗窃犯罪会“排斥”更多犯罪的到来,未来入室盗窃犯罪的数量会减少;②拟合了模型参数,分析了模型的时间影响规律、空间影响规律以及过去犯罪密度的影响规律。分析结果表明模型可以准确反映入室盗窃的近重复规律;③分析了模型的空间适应性和时间适应性,发现模型对于犯罪数量较多的小区能实现较为准确的预测,而对于犯罪数量较少的小区预测精度略有降低。7、构造了一种基于节点影响强度的犯罪传输网络,并引入了复杂网络的特征参数分析犯罪网络。主要包括:①深化了度、平均度、聚集系数等概念,并对犯罪网络进行分析。分析结果表明,节点的出度和静态作用力均与未来犯罪率具有较强的关联关系。因此可以利用二者进行犯罪预测;②节点的度分布具有无标度特性。犯罪较少的小区也可能出现度较大的节点。而节点的度与未来犯罪率具有较大的关联性。因此,即便犯罪率较低的小区也要关注节点的度变化情况;③犯罪聚集系数大小对于未来犯罪率的变化具有一定的预测性。较高的聚集系数意味着未来犯罪状态的变化。全文分析结果验证了利用静态作用力和动态作用力共同进行犯罪预测的必要性,为犯罪预测提供了理论依据。本研究充分利用入室盗窃的多尺度地理特征,量化了其时空分布规律,并在此基础上构建了犯罪预测模型。本研究不仅加深了对入室盗窃时空规律的认识深度,丰富了犯罪地理学的理论与方法,而且可以优化警力部署、压降警情,在维护社会安全与和谐社会构建中具有较高的实用价值。