EN中文

SCIENTIA GEOGRAPHICA SINICA >

2020 , Vol. 40 >Issue 10: 1601 - 1609

DOI: https://doi.org/10.13249/j.cnki.sgs.2020.10.003

The Effects of Police CCTV Camera on Crime Displacement and Diffusion of Benefits: A Case Study from Gusu District in Suzhou, China

  • Liu Lin , 1, 2 ,
  • Li Lu 3 ,
  • Zhou Hanlin 2 ,
  • Jiang Chao 3 ,
  • Lan Minxuan 2
Expand
  • 1. School of Geographical Sciences, Center of GeoInformatics for Public Security, Guangzhou University, Guangzhou 510006, Guangdong, China
  • 2. Department of Geography and GIS, University of Cincinnati, Cincinnati, OH 45221-0131, USA
  • 3. Center of Integrated Geographic Information Analysis, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, Guangdong, China

Received date: 2019-07-15

  Online published: 2020-12-05

Supported by

Research Team Program of the Provincial Natural Science Foundation of Guangdong (2014A030312010), Key Project of National Natural Science Foundation of China (41531178), Key Project of Science and Technology Program of Guangzhou City, China (201804020016), National Key R&D Program of China (2018YFB0505500, 2018YFB0505503).

Copyright

Copyright reserved © 2020.
Fold

Abstract

Ever since the Closed-Circuit Television (CCTV) has been widely installed in mainland China, the police CCTV plays an indispensable role in the police strategy. According to the theory of situational crime prevention and the theory of crime prevention through environmental design, the police CCTV cameras should deter the potential offenders by increasing the risk of being exposed or arrested, and thus reduce crime. The crime reduction schemes can lead to crime displacement or diffusion of benefits. The installation of CCTV will not only affect crime in the surveillance areas of CCTV, but also the surrounding environments. Scholars have found that whether CCTV causes crime displacement or diffusion of benefits varies among different crime types. Existing research has applied the weighted displacement quotient (WDQ) to study the effect of crime displacement and diffusion of benefits in many countries. However, WDQ will not work properly when the denominator is equal to zero. Additionally, little research investigates the effect of crime displacement and the diffusion of benefits related to police CCTV in China. This paper attempts to fill the aforementioned research gaps and propose an appropriate approach to assess the impact of CCTV on the surrounding environment in a Chinese city. Based on difference-in-differences (DID) and WDQ, this study introduces a new quadrant estimation method, which displays the result plots after calculating DID between the target area and the control area and DID between the buffer area and the control area. This method not only avoids the problem in WDQ calculation but also exhibits the phenomenon of crime displacement and diffusion of benefits more intuitively. Taking the Gusu district in Suzhou city as the study area, this paper applies this new method to investigate crime displacement and diffusion of benefits related to CCTV from three aspects: all crime, different types of crime, and crimes in the different temporal periods. This study investigates the impact of the police CCTV cameras on crime events from 2014 to 2016 in Gusu. The results show that when any crime reduction at a site could be observed after the open-street CCTV implementation, diffusion of benefits rather than crime displacement was the norm. In terms of variations among crime types, the crime displacement phenomenon of theft is more obvious than all other three types of crime: fraud, fighting, and violation of public order; and electric vehicle battery theft's displacement is more obvious than that of electric vehicle theft. In terms of the temporal variations, the phenomenon of crime displacement is more obvious in holidays and daytime, while diffusion of benefits is more obvious in weekdays and evenings.

Key words： police CCTV; difference-in-differences (DID); weighted displacement quotient (WDQ); crime displacement; diffusion of benefits; Crime Geography

Cite this article

Liu Lin , Li Lu , Zhou Hanlin , Jiang Chao , Lan Minxuan . The Effects of Police CCTV Camera on Crime Displacement and Diffusion of Benefits: A Case Study from Gusu District in Suzhou, China[J]. SCIENTIA GEOGRAPHICA SINICA, 2020 , 40(10) : 1601 -1609 . DOI: 10.13249/j.cnki.sgs.2020.10.003

犯罪地理学核心主题之一就是通过干预犯罪发生的环境来实现有效的犯罪防控[1~9]，警用视频监控是当前中国公安机关的主要犯罪防控手段之一[10]。根据Ronald Clarke提出的情境犯罪预防理论（Situational Crime Prevention）和Clarence Ray Jeffery提出的环境设计预防犯罪理论（Crime Prevention Through Environmental Design），在公共区域安装视频监控可增加犯罪者被发现或被抓获的几率，威慑有理性的潜在犯罪者，从而起到减少犯罪的效果[11,12]。大部分研究发现视频监控带来的效益扩散现象更为明显[13~17]，小部分研究发现犯罪转移的现象更为明显[18,19]。视频监控是否会导致犯罪转移或者效益扩散往往与犯罪类型相关，例如有研究发现，视频监控会导致财产类犯罪出现犯罪转移而不会出现个人犯罪的犯罪转移[20]。也有研究认为，视频监控对于汽车盗窃[14]、抢劫[15]、入室盗窃和扒窃[15,21]更容易出现效益扩散的现象，而对于枪击案件[14]的效益扩散现象则非常不明显。一些研究认为，视频监控带来的效益扩散在短期内的效果更强[22]。当前中国还没有针对视频监控犯罪转移和效益扩散的实证研究。本研究提出了一种基于双重差分法的象限统计法，用以实证评估苏州市姑苏区内警用视频监控的安装是否会引起犯罪转移或效益扩散。本文具体评估了警用治安视频监控对总体犯罪、不同类型犯罪、不同时段犯罪的犯罪转移和效益扩散效果。

1 研究区警务概况与数据

研究区为江苏省苏州市姑苏区。姑苏区社会治安监控系统自2007年起，经过10 a共10期的建设，已基本实现全覆盖的高清视频监控。本研究采用2014—2015年由公安部门安装在公共区域的2批视频监控探头的数据，这些数据包含监控探头安装位置的经纬度与安装时间。除视频监控以外，本研究还使用了视频监控安装前6个月（5~10月）和后6个月（12月至次年5月）的警情数据。选取这段时间是为了尽可能地减少因分析单元内案件数量过少而带来的不确定性。警务数据字段仅包含案发时间、案发地点经纬度、案件类型，不包含任何与个人相关的敏感信息。本文还根据国家法定节假日信息（包含周末）和苏州市每天的日出、日落时间，将案件划分为工作日和节假日以及白天和夜晚，用于分析视频监控对发生在不同时段的案件影响效果。

2 研究设计与方法

2.1 目标区、缓冲区与控制区选取

之前有研究通过设置目标区和控制区，并以控制区的警情变化为参考，来研究视频监控对目标区内犯罪警情的实际影响[23]。本文增设了缓冲区，通过对目标区、控制区以及缓冲区、控制区相对变化的对比，以及更合理的控制区设计来剔除视频监控之外的其他复杂因素带来的影响。
目标区是指视频监控探头的可视区域。本文的警用监控探头包括球型和枪型2种，它们的监控范围均可达100 m，并可根据监控探头的朝向、张角、安装高度和可视距离等参数来决定监控探头可视范围[23]。球型探头的覆盖区域一般为圆形或扇形，枪型探头的覆盖区域为方形或扇形（图1）。此外，视频监控的覆盖范围还受周围环境如建筑物的影响。对于研究区内部分监控因安装位置较近而出现目标区域重合的情况，本文通过合并重合的目标区来获得最终的目标区。
图 1 目标区、缓冲区和控制区示例

Fig.1 Examples of the target zone, the buffer zone and the control zone

缓冲区是指视频监控可视范围之外，因距离较近而间接受视频监控影响的区域。目标区内安装监控探头后，对周围区域带来的影响可能有2种：一种是效益扩散，即监控设备的存在使潜在犯罪者作案被捕的风险升高，给周围区域的犯罪者带来一定震慑效果，从而减少周边区域的犯罪；另一种是犯罪转移，即监控设备使潜在犯罪者因目标区内无法作案而转移到周边区域作案，周边环境犯罪量增加。缓冲区一般是以目标区为核心做缓冲分析来选定，不同的研究项目会根据研究区情况采用不同的缓冲区半径。参考相关文献[24,25]，考虑姑苏区视频监控探头密度较大的情况，本研究缓冲区选定为目标区周围50 m的环形区域。
控制区是指理论上不会受到视频监控设备影响的区域。控制区范围的选取既要避免离目标区太近受到犯罪转移的影响，也要避免离目标区太远导致目标区和控制区之间的相似性过低。由于姑苏区视频监控较多，本研究采用Ratcliffe J H等和 Lim & Wilcox的划分方法 [24,25]，将距目标区100~150 m的环形缓冲区作为控制区。
由于这3种区域的划分可能在空间上存在重叠的情况，本研究规定目标区等级最高，缓冲区次之，控制区等级最低。在统计区域内案件数量的时候，如果是同等级的区域出现重叠，则将重叠部分的案件平分到出现重叠的区域；如果不同等级区域出现重叠，则将案件分配到高等级的区域中。目标区、缓冲区和控制区的示例如图1所示。按照以上目标区、缓冲区和控制区的定义和选取方法，首先计算每个视频监控探头的目标区，然后对目标区有重叠的视频监控探头进行合并，最后通过缓冲分析计算缓冲区和控制区，最终获取目标区、缓冲区和控制区各217个。
本研究剔除与犯罪不相关的交通类和群众求助类案件，在统计每一个最小等级的子类警情案件数量后，选取案件量较多的案件类型最终汇总分为四大类：盗窃类、斗殴类、违反公共秩序类和诈骗类。尽管已有文献表明不同社区属性对诈骗的发生概率存在影响[26]，但从犯罪机理推断，前三类犯罪有可能被监控视频识别，而诈骗则不会体现在监控视频中。前人研究已有探讨视频监控对盗窃类案件犯罪转移的影响[14,15,20,21]，并得出视频监控对于盗窃类警情有明显效果的结论[13,27~29]，引入诈骗类可以更好地对比视频监控对不同犯罪类型的犯罪转移和效益扩散的效果。这四大类案件类型具体包含案件如下：盗窃类案件包括盗窃民宅、盗窃单位、盗窃商店、盗窃车内物品及盗窃少量财物等犯罪类型；斗殴类案件包括打架斗殴、聚众斗殴及殴打他人等案件类型；违反公共秩序类包含扰乱公共场所秩序、扰乱企事业单位秩序及扰乱他人正常生活等案件类型；诈骗类案件包括信用卡诈骗、借打手机诈骗、短信或电话诈骗及网络诈骗等案件类型。此外，在对基层民警的警务工作调研时，本研究了解到盗窃电动自行车和电动车电瓶是通过视频监控的辅助破获案件中数量最多的，因而本研究也重点分析了这2个小类警情。此外，之前有研究发现不同时段的犯罪案件数量有明显差异[30]。因此本文根据收集到的日出、日落时间数据，将警情划分为白天、夜晚2种类别，并根据收集到的国家法定节假日（包含周末）将警情划分为工作日、节假日2种类别（表1）。
表 1 研究单元内分时间及类型案件数量的描述性统计

Table 1 Descriptive statistics of crime incidents by different periods and different types

案件分类 目标区/件 缓冲区/件 控制区/件
总和 最大值 最小值 平均 总和 最大值 最小值 平均 总和 最大值 最小值 平均
总体 235 16 0 0.54 1035 33 0 2.38 1598 55 0 3.68
白天 159 11 0 0.37 641 22 0 1.48 1019 28 0 2.35
夜晚 76 8 0 0.18 394 16 0 0.91 578 27 0 1.33
工作日 171 12 0 0.39 744 25 0 1.71 1096 38 0 2.52
节假日 64 5 0 0.15 291 14 0 0.67 502 17 0 1.16
盗窃类 154 12 0 0.35 582 24 0 1.34 942 29 0 2.17
诈骗类 22 2 0 0.05 139 7 0 0.32 201 8 0 0.46
斗殴类 27 2 0 0.06 180 11 0 0.41 278 15 0 0.64
违反公共秩序类 32 3 0 0.07 135 5 0 0.31 177 7 0 0.41
盗窃电动自行车 49 7 0 0.11 138 8 0 0.32 222 12 0 0.51
盗窃电动车电瓶 38 3 0 0.09 1000 33 0 2.30 1436 55 0 3.31

2.2 加权转移系数

加权转移系数（Weighted Displacement Quotient，WDQ）可用于研究犯罪转移和效益扩散现象，WDQ以控制区为参考，对比目标区和缓冲区在监控设备安装前后的案件变化情况。分子代表缓冲区相对控制区的案件变化，分母代表目标区相对控制区的案件变化。当目标区的案件相对控制区在监控设备安装前后无变化时，WDQ的分母为0，此时WDQ无法真实显示犯罪转移或效益扩散现象。为了解决这个问题，本研究参考双重差分（Difference-in-Differences，DID）法[31]，提出一种新的研究犯罪转移的计量方法。

2.3 象限统计法

由于WDQ计算有局限性，本文引入双重差分法并使用象限统计来对比目标区和缓冲区的犯罪防控效果。象限统计法先计算目标区和控制区的双重差分值（目标区）以及缓冲区和控制区的双重差分值（缓冲区），绘制散点图比对。该方法避免了比值计算的问题，同时可直观对比目标区和缓冲区中犯罪案件相对于控制区内案件数量的下降幅度，从而判断是否有犯罪转移现象或效益扩散现象。图2中，若DID值明显大于0，说明安装摄像头呈现抑制犯罪的作用；反之则说明安装摄像头对减少犯罪的效果不明显甚至有反作用[31,32]。
图 2 双重差分法原理示意

A、E为控制区安装摄像头前期、后期测量值； B、C为目标区或缓冲区安装摄像头前期、后期测量值； C、D间的差值即为双重差分值，代表安装摄像头的处理效应

Fig.2 The principle of DID

图3为根据象限法绘制的散点图，横坐标为目标区和控制区对比计算的DID值，纵坐标为缓冲区和控制区对比计算的DID值。与WDQ的原理类似，象限法首先需要满足视频监控设备对目标区的犯罪有抑制作用的前提：监控安装后目标区内案件数量相对下降，对应图里目标区DID值为负值的第二、第三象限（即横轴负半轴区域）。而第一、第四象限（横轴正半轴区域）代表目标区内监控设备的安装无明显抑制作用。第二象限中，目标区DID值为负，缓冲区DID值为正，说明目标区内案件相对下降，缓冲区内案件相对上升，即为犯罪转移现象。第三象限中，目标区DID值为负，缓冲区DID值也为负，说明目标区和缓冲区内的案件同时发生相对下降，即为效益扩散现象。本研究还根据DID绝对值的大小，将犯罪转移和效益扩散现象进一步划分为强犯罪转移和弱犯罪转移、强效益扩散和弱效益扩散。此外，横轴负半轴（目标区DID值为负值，缓冲区DID值为0）表明目标区内案件相对下降，而缓冲区内案件在监控安装前后无变化。该情况类似 WDQ=0，即无犯罪转移也无效益扩散的情况。象限统计法通过统计散点图中各个区域内点的个数即可直观观察出犯罪转移和效益扩散情况，实现类似WDQ值的计量。
图 3 犯罪转移分析

Fig.3 The quadrant analysis of crime displacement

3 数据处理与研究结果

3.1 总体犯罪的犯罪转移效果评估

本文计算目标区DID值和缓冲区DID值后，按象限统计法制作出相应的散点图（图4）。第三象限内的点无论是从原图还是原图点密集区域（–10~10）局部放大图看，都比第二象限内的点要多，说明效益扩散现象比犯罪转移现象要明显。表2统计了第二象限的犯罪转移和第三象限效益扩散的监控个数，从结果可以看到，有94个监控（占比80%）发生效益扩散，有24个监控（占比20%）发生犯罪转移。这说明对总体犯罪而言，效益扩散现象更为明显。结果表明，对于总体犯罪，犯罪转移主要集中在弱犯罪转移区域，而效益扩散主要集中在强效益扩散区域。
表 2 犯罪转移与效益扩散统计

Table 2 Descriptive statistics of crime displacement and diffusion of benefits

类型 所有案件摄像头
数量/个−占比/% 		工作日摄像头
数量/个−占比/% 		节假日摄像头
数量/个−占比/% 		白天摄像头
数量/个−占比/% 		夜晚摄像头
数量/个−占比/%
犯罪转移汇总 24−20 13−12 16−18 17−17 12−13
效益扩散汇总 94−80 94−88 72−82 84−83 82−87
类型 盗窃类摄像头
数量/个−占比/% 		诈骗类摄像头
数量/个−占比/% 		斗殴类摄像头
数量/个−占比/% 		违反公共秩序类摄像
头数量/个−占比/% 		盗窃电动自行车摄
像头数量/个−占比/% 		盗窃电动车电瓶摄像
头数量/个−占比/%
犯罪转移汇总 17−17 5−8 9−13 10−18 5−10 22−21
效益扩散汇总 86−83 54−92 63−88 45−82 47−90 84−79

　　注：占比值为犯罪转移或效益扩散占二者总和的比例。　

图 4 象限估计散点图（a）和象限统计法局部散点图（b）

Fig.4 Quadrant scatter plot of DID: origin (a) and partial enlargement (b)

3.2 不同类型犯罪的犯罪转移效果评估

从图5中前4类犯罪类型结果来看，盗窃类案件散点图分布比较分散，而诈骗类、斗殴类和违反公共秩序类都比较集中。结合表2统计结果，四大类犯罪均表现为效益扩散现象比犯罪转移现象更加明显，且犯罪转移现象主要都是弱犯罪转移。其中盗窃类和违反公共秩序类案件的犯罪转移现象占比较多，分别为17%和18%；斗殴类犯罪转移的占比次之，为13%；而诈骗类占比最小，在8%以下。主要原因可能是盗窃类案件和物品相关，较易发生犯罪转移，而违反公共秩序类案件和斗殴类案件可能因为涉及的案件类型较多，因此部分案件也出现犯罪转移的情况。诈骗类案件犯罪转移占比较低，主要是因为该类案件更多是通过电信或网络联系等方式发生，以实时监控和取证为主的警用监控对该类犯罪限制效果并不明显。从表2、图5后2类犯罪类型结果来看，盗窃电动车电瓶类案件犯罪转移现象比盗窃电动自行车类案件更明显，主要原因可能是电动车电瓶更易被盗取且易于转移藏匿，从而更易发生犯罪转移。
图 5 不同类型犯罪的犯罪转移和效益扩散现象

Fig.5 Crime displacement and diffusion of benefits of different types of crime

3.3 不同时段犯罪的犯罪转移效果评估

结合表2与图6，尽管4 个时间段均表现为效益扩散现象比犯罪转移现象更明显，但犯罪转移现象依然存在。对比节假日和工作日，节假日犯罪转移现象（18%）要比工作日（12%）高，这表明节假日期间，潜在犯罪者更倾向于转移到周边环境继续作案。其主要原因可能在于相比工作日，节假日犯罪的模式更为灵活，潜在犯罪分子更易在周边环境中找到潜在受害者。而白天和夜晚犯罪转移和效益扩散的差异小于节假日和工作日的差异。
图 6 不同时段犯罪的犯罪转移和效益扩散

Fig.6 Crime displacement and diffusion of benefits of total crime in different times

3.4 讨论

从研究结果可以看出，无论总体犯罪，还是不同类型、不同时间的犯罪均有效益扩散现象，且效益扩散现象比犯罪转移现象更加明显，这说明视频监控这项干预措施对于周边环境总体而言起正向作用。这同时也证明，视频监控能通过干预环境来减少犯罪机会[10~12]。而对于不同的案件类型，犯罪转移现象和效益扩散现象也各有差异，这表明视频监控对不同类型犯罪的影响是不同的。盗窃类和违反公共秩序类犯罪更易受到视频监控的影响而产生犯罪转移，斗殴类案件的犯罪转移次之，而诈骗类案件的犯罪转移可能性最低。尽管视频监控能够对犯罪起到抑制作用，但是对不同犯罪的影响效果是不同的。

4 结论

本文以苏州市姑苏区为例，采用象限统计法评估了警用治安视频监控对周围环境犯罪转移和效益扩散的影响。本文从总体犯罪、不同类型的犯罪、不同时间的犯罪3个方面，从犯罪转移和效益扩散2个角度来研究警用治安视频监控的犯罪防控效果。结果表明，效益扩散现象往往比犯罪转移现象更加明显。在案件类型上，盗窃类和违反公共秩序类案件的犯罪转移现象较为明显，斗殴类案件次之，诈骗类案件最不明显。盗窃电动车电瓶类案件犯罪转移的情况相对于盗窃电动车案件更为明显。在时间维度上，节假日和白天的犯罪转移现象更为明显，而工作日和夜晚的效益扩散现象更为明显。这些研究成果为视频警务提供了科学依据，并有助于进一步提升其效益。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Song G, Liu L, Bernasco W et al Theft from the person in urban China: Assessing the diurnal effects of opportunity and social ecology[J]. Habitat International, 2018. 78, 13- 20.

DOI

[2]
徐冲, 柳林, 周素红 基于临近相似性考虑的犯罪热点密度图预测准确性比较——以DP半岛街头抢劫犯罪为例[J]. 地理科学, 2016. 36 (1): 55- 62.

Xu Chong, Liu Lin, Zhou Suhong The comparison of predictive accuracy of crime hotspot density maps with the consideration of the near similarity: A case study of robberies at DP Peninsula[J]. Scientia Geographica Sinica, 2016. 36 (1): 55- 62.

[3]
李钢, 谭然, 王会娟, 等 中国拐卖儿童犯罪的地理特征研究[J]. 地理科学, 2017. 37 (7): 1049- 1058.

Li Gang, Tan Ran, Wang Huijuan et al Geographic characteristics of child trafficking crime in China[J]. Scientia Geographica Sinica, 2017. 37 (7): 1049- 1058.

[4]
张延吉, 秦波, 唐杰 城市建成环境对居住安全感的影响——基于全国278个城市社区的实证分析[J]. 地理科学, 2017. 37 (9): 1318- 1325.

Zhang Yanji, Qin Bo, Tang Jie The influence of urban built-up environment on sense of residential security: Based on the empirical research of 278 communities in urban China[J]. Scientia Geographica Sinica, 2017. 37 (9): 1318- 1325.

[5]
周素红, 谢蔚翰, 宋广文, 等 土地利用对街头抢劫影响的空间分异模式: 以H市为例[J]. 地理科学, 2017. 37 (6): 885- 894.

Zhou Suhong, Xie Weihan, Song Guangwen et al The spatial differentiation effect of land use on street robbery: A case study in H City, China[J]. Scientia Geographica Sinica, 2017. 37 (6): 885- 894.

[6]
Zhou H, Liu L, Lan M et al Assessing the impact of nightlight gradients on street robbery and burglary in Cincinnati of Ohio State, USA[J]. Remote Sensing, 2019. 11 (17): 1958.

DOI

[7]
柳林, 宋广文, 肖露子, 等 不同犯罪类型受害者报警行为特点及其影响因素分析[J]. 地理科学, 2018. 38 (12): 1998- 2005.

Liu Lin, Song Guangwen, Xiao Luzi et al Characteristics and effect factors of victims' crime reporting behavior of different victimization[J]. Scientia Geographica Sinica, 2018. 38 (12): 1998- 2005.

[8]
Wang Z, Liu L, Zhou H et al Crime geographical displacement: Testing its potential contribution to crime prediction[J]. ISPRS International Journal of Geo-Information, 2019. 8 (9): 383.

DOI

[9]
柳林, 杜方叶, 宋广文, 等 犯罪共生空间的类型识别及其特征分析[J]. 地理科学, 2018. 38 (8): 1199- 1209.

Liu Lin, Du Fangye, Song Guangwen et al Detecting and characterizing symbiotic clusters of Crime[J]. Scientia Geographica Sinica, 2018. 38 (8): 1199- 1209.

[10]
杨建国 论视频监控的犯罪预防功能及犯罪侦查价值[J]. 犯罪研究, 2011. (1): 64- 74.

DOI

Yang Jianguo The crime prevention function and the crime detection merit for CCTV system[J]. Criminal Research, 2011. (1): 64- 74.

DOI

[11]
Clarke R V G. Situational crime prevention[M]. Monsey, N Y: Criminal Justice Press, 1997.

[12]
Jeffery C R. Crime prevention through environmental design[M]. Beverly Hills, C A: Sage Publications, 1971.

[13]
Farrington D P, Gill M, Waples S J, et al The effects of closed-circuit television on crime: Meta-analysis of an English national quasi-experimental multi-site evaluation[J]. Journal of Experimental Criminology, 2007. 3 (1): 21- 38.

DOI

[14]
Caplan J M, Kennedy L W, Petrossian G Police-monitored CCTV cameras in Newark, N J: A quasi-experimental test of crime deterrence[J]. Journal of Experimental Criminology, 2011. 7 (3): 255- 274.

DOI

[15]
Cho Y A Study on the increasing plan of the crime controll effectiveness of the closed circuit TV (CCTV) for the Crime Prevention[J]. Korean Journal of European Public Administration, 2009. 6 (2): 27- 54.

[16]
Gill M, Hemming M. Evaluation of CCTV in the London borough of lewisham[M]. PRCI Ltd: Leicester, 2004.

[17]
Short E, Ditton J. Does closed circuit television prevent crime?: An evaluation of the use of CCTV surveillance cameras in Airdrie Town Centre[M]. Scotland: Scottish office Central Research Unit, 1995

[18]
Choi E, & Kim Y The effectiveness of the closed circuit TVs (CCTVs) on the crime prevention[J]. Korean Journal of Public Safety and Criminal Justice, 2007. 26, 145- 186.

[19]
Park H H, Oh G S, Paek S Y Measuring the crime displacement and diffusion of benefits effects of open-street CCTV in South Korea[J]. International Journal of Law, Crime and Justice, 2012. 40 (3): 179- 191.

DOI

[20]
Cerezo A CCTV and crime displacement: A quasi-experimental evaluation[J]. European Journal of Criminology, 2013. 10 (2): 222- 236.

DOI

[21]
Kim Y An analysis for crime prevention effects of closed circuit TVs: Centering on the crime displacement effects and diffusion effects of crime control benefits[J]. Journal of The Korean Society of Private Security, 2008. 11, 209- 245.

[22]
Park C H, Choi S H Crime prevention effects of Publicity of CCTV installation at Kang-Nam Gu, Seoul: The effects of first news[J]. Korean Criminological Review, 2009. 20 (3): 213- 238.

[23]
柳林, 李璐, 姜超 警用视频监控的犯罪防控效果及空间差异——以苏州市姑苏区为例[J]. 地理科学, 2019. 39 (1): 61- 69.

Liu Lin, Li Lu, Jiang Chao The effects of police CCTV camera on crime: A case study from gusu district in Suzhou, China[J]. Scientia Geographica Sinica, 2019. 39 (1): 61- 69.

[24]
Ratcliffe J H, Taniguchi T, Taylor R B The crime reduction effects of public CCTV cameras: A multi-method spatial approach[J]. Justice Quarterly, 2009. 26 (4): 746- 770.

DOI

[25]
Lim H, Wilcox P Crime-reduction effects of open-street CCTV: Conditionality considerations[J]. Justice Quarterly, 2017. 34 (4): 597- 626.

DOI

[26]
张春霞, 柳林, 周素红 ZG市非接触型诈骗被害相对发生概率的性别差异[J]. 地理科学, 2018. 38 (8): 1218- 1226.

Zhang Chunxia, Liu Lin, Zhou Suhong Gender difference on relative probability of non-contact fraud in ZG City[J]. Scientia Geographica Sinica, 2018. 38 (8): 1218- 1226.

[27]
Gill M, Spriggs A. Assessing the impact of CCTV[R]. London: Home Office, 2005.

[28]
Welsh B C, Farrington D P Public area CCTV and crime prevention: An updated systematic review and meta-analysis[J]. Justice Quarterly, 2009. 26 (4): 716- 745.

DOI

[29]
Gill M. The impact of CCTV: Fourteen case studies[M]. London: Home Office, 2005.

[30]
肖露子, 柳林, 周素红, 等 ZG市工作日地铁站点扒窃案件的时空分布及其影响因素[J]. 地理科学, 2018. 38 (8): 1227- 1234.

Xiao Luzi, Liu Lin, Zhou Suhong et al Spatio-temporal pattern of pickpocketing at subway stations on weekdays of ZG City and its influencing factors[J]. Scientia Geographica Sinica, 2018. 38 (8): 1227- 1234.

[31]
Hill R C, Griffiths W E, Lim G C. Principles of econometrics [M]. Hoboken N J: Wiley, 2008.

[32]
Bowers K J, Johnson S D Measuring the geographical displacement and diffusion of benefit effects of crime prevention activity[J]. Journal of Quantitative Criminology, 2003. 19 (3): 275- 301.

DOI

Options
Outlines

/

〈 〉