物理失序对盗窃犯罪的影响及其在3D建成环境影响中的调节作用——基于街景图像深度学习的上海案例

破窗理论是广受关注但缺乏本土检验的犯罪地理理论。本文以上海中心城区为例,利用目标检测、图像回归等深度学习算法挖掘街景图片中的具体失序实物与整体失序感知,以厘清物理失序对盗窃犯罪的影响及其在密度、混合度、设计要素影响盗窃分布过程中发挥的调节作用。研究表明:①盗窃犯罪呈中心高、外围低、多热点的空间格局,失序实物与感知的空间分布异中有同。堆放垃圾和脏乱差得分由中心向外围呈先降后升态势,侵占道路在市中心高发,涂鸦小广告相对分散,而部分城中村、棚户区面临多重失序叠加的困境。②除侵占道路外,其余物理失序对盗窃活动均有显著正向影响,整体失序感知的影响最强,强度仅次于可步行性,并与活动人口数相当。③物理失序在3D建成环境要素影响盗窃行为的过程中起着增强、削弱、干涉调节作用。物理失序加深会增强POI密度、商铺密度、路网密度、街景多样性、围墙领域感的原有影响,削弱POI多样性的正向影响,将空间开敞度、灌木绿视率等存在双刃剑效应的要素影响方向由负转正。总之,加强环境维护管理对抑制犯罪发生具有可行性、有效性、低成本等优势。