نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

رابطه بین پوشش گیاهی، شبکه های حمل و نقل و جرم مورد بحث بوده است. پوشش گیاهی با ترس از جرم همبستگی مثبت داشته است. با این حال، ارتباط واقعی بین پوشش گیاهی و وقوع جرم نامشخص است. شبکه های حمل و نقل نیز با وقوع جرم مرتبط بوده اند، اما تأثیر آنها بر جرم در شرایط مختلف متفاوت است. این مطالعه با انجام تحلیل‌های فضایی، ارتباط بین جرم و جنایت و پوشش گیاهی و همچنین شبکه‌های حمل و نقل در کیچنر-واترلو را بررسی می‌کند. علاوه بر این، مدل‌سازی رگرسیون وزن‌دار جغرافیایی و یک متغیر شهری ساختگی که مرکز شهری/دیگر مناطق شهری را نشان می‌دهد برای بررسی ارتباط‌ها در یک شیب مرکزی-پیرامونی شهری استفاده شد. انجمن ها برای جرایم علیه افراد و جرایم علیه اموال برای چهار نوع جرم خاص (تجاوز، سرقت وسیله نقلیه، جرایم جنسی، و مواد مخدر) تجزیه و تحلیل شدند. نتایج نشان می دهد که پوشش گیاهی با جرایم علیه اشخاص و جرایم علیه اموال ارتباط معکوس دارد در حالی که شبکه های حمل و نقل با این دو نوع جرم رابطه مثبت دارند. علاوه بر این، پوشش گیاهی می تواند عاملی بازدارنده در برابر جرایم سرقت وسایل نقلیه و مواد مخدر باشد، در حالی که شبکه های حمل و نقل می توانند تسهیل کننده جرایم مرتبط با مواد مخدر باشند. علاوه بر این، این دو ارتباط در مرکز شهری در مقایسه با حاشیه شهری قوی تر به نظر می رسند. نتایج نشان می دهد که پوشش گیاهی با جرایم علیه اشخاص و جرایم علیه اموال ارتباط معکوس دارد در حالی که شبکه های حمل و نقل با این دو نوع جرم رابطه مثبت دارند. علاوه بر این، پوشش گیاهی می تواند عاملی بازدارنده در برابر جرایم سرقت وسایل نقلیه و مواد مخدر باشد، در حالی که شبکه های حمل و نقل می توانند تسهیل کننده جرایم مرتبط با مواد مخدر باشند. علاوه بر این، این دو ارتباط در مرکز شهری در مقایسه با حاشیه شهری قوی تر به نظر می رسند. نتایج نشان می دهد که پوشش گیاهی با جرایم علیه اشخاص و جرایم علیه اموال ارتباط معکوس دارد در حالی که شبکه های حمل و نقل با این دو نوع جرم رابطه مثبت دارند. علاوه بر این، پوشش گیاهی می تواند عاملی بازدارنده در برابر جرایم سرقت وسایل نقلیه و مواد مخدر باشد، در حالی که شبکه های حمل و نقل می توانند تسهیل کننده جرایم مرتبط با مواد مخدر باشند. علاوه بر این، این دو ارتباط در مرکز شهری در مقایسه با حاشیه شهری قوی تر به نظر می رسند.
کلید واژه ها: 

جرم و جنایت ؛ پوشش گیاهی ; شبکه های حمل و نقل ; تحلیل فضایی ; برنامه ریزی شهری

 

1. معرفی

جرایم که به عنوان پدیده ای دائمی و گسترده شناخته می شود را می توان به دو دسته جرایم علیه اشخاص و جرایم علیه اموال طبقه بندی کرد [ 1 ]. جرم و جنایت پدیده‌ای شایع در همه جوامع است که با هزینه‌های زیادی همراه است و از این رو مورد توجه ساکنان، پلیس، برنامه‌ریزان و تصمیم‌گیرندگان است. طبق گفته بویس و همکاران، در کانادا، 5190 حادثه در هر 100000 نفر رخ داده است. [ 2 ]، به این معنی که از هر 20 نفر یک نفر ممکن است مجرم بالقوه باشد.
هزينه جرم همواره تاثيرات منفي بر جامعه داشته است و تحليل جرم همواره به عنوان يك چالش مطرح بوده است زيرا جرم مي تواند تحت تاثير عوامل زيادي قرار گيرد در حالي كه تاثير آنها در شهرهاي مختلف متفاوت است. تحقیقات جرم از رویکردهای زیست محیطی و روانشناختی تا جغرافیایی و فضایی را شامل می شود. این نظریه های جرم بر اساس رویکردهای مختلف می تواند به اوایل قرن نوزدهم برگردد [ 3 ].
معمولاً سه عنصر اساسی برای تحقیق در مورد جغرافیای جرم در نظر گرفته می شود: مکان، فاصله و جهت [ 4 ]. نظریه مکان محور، توزیع جرم را محل تلاقی قربانیان و مجرمان می داند [ 1 ، 5 ]. زمانی که زمان و مکان مناسب باشد، مرتکبین با انگیزه علیه اهداف مناسب مرتکب جنایت می شوند.
کار مدرن تر در مورد جرم و جنایت با استفاده از دیدگاه فضایی اساساً بر دو نظریه استوار است: نظریه بی سازمانی اجتماعی و نظریه فعالیت معمول. با این حال، اگرچه هر دو نظریه می‌توانند از توضیح جغرافیای جرم حمایت کنند، نظریه بی‌سازمانی اجتماعی بیشتر مورد تحقیق قرار گرفته است. بر اساس تئوری فعالیت های معمول، ویژگی های ساخته شده و فعالیت های معمول دو عامل موثر بر جرم هستند [ 5 ]. کاربری زمین می تواند با ویژگی های خاص و همچنین جذابیت های منحصر به فرد، مانند پوشش گیاهی و شبکه های حمل و نقل مرتبط باشد.
برای شهرسازی باید هم پوشش گیاهی و هم پیشگیری از وقوع جرم در نظر گرفته شود. با این حال، تحقیقات کمی برای کشف ارتباط متقابل بین پوشش گیاهی و وقوع جرم انجام شده است. پوشش گیاهی را می توان به عنوان یکی از عوامل مهم تأثیرگذار بر رفتار افراد در نظر گرفت در حالی که تأثیرات واقعی مبهم باقی می ماند. همبستگی بین پوشش گیاهی متراکم و پتانسیل بالاتر برای جرم به خوبی شناخته شده است زیرا پوشش گیاهی مخفی کاری مجرم را فراهم می کند [ 6 ] و همچنین به طور مثبت با افزایش ترس از جرم مرتبط است [ 7 ]. با این وجود، حتی اگر به نظر می رسد که پوشش گیاهی مجرمان را پنهان می کند، تحقیقات مدرن تر نشان داده است که اثرات پوشش گیاهی بر جرم و جنایت مخلوط است و حتی باعث بازدارندگی می شود [ 8 ، 9 ،10 ، 11 ، 12 ]. کو و سالیوان [ 8 ] پیشنهاد کردند که به نظر می رسد که درختان با تاج بلند و همچنین چمن از جنایت جلوگیری می کنند. به نظر می رسد تشویق به استفاده از فضای باز که اثرات ترمیم کننده ذهنی دارد، جرم را کنترل می کند.
با این حال، این بحث ادامه دارد و تحقیقات کمی اثرات فضایی را از نظر رابطه بین جرم و پوشش گیاهی در نظر گرفته است. علاوه بر این، هیچ تحقیقی این رابطه فضایی را در داخل کانادا بررسی نکرده است. از آنجایی که جرم را می توان به عنوان یک پدیده مکان محور در نظر گرفت، توزیع و موقعیت جرایم ممکن است بسته به ویژگی های شهرها متفاوت باشد. روابطی که در سایر شهرها و کشورها وجود دارد را نمی توان به سادگی برای توضیح وضعیت کانادا مورد اشاره قرار داد. با وجود اینکه انواع مختلف پوشش گیاهی اثرات مختلفی بر جرم و جنایت دارند، این مطالعه تمام فضای سبز را پوشش گیاهی می داند.
همچنین بحث هایی پیرامون رابطه بین شبکه های حمل و نقل و جرم وجود دارد. اولین نظریه ای که جرم و جنایت را به استفاده از خیابان مرتبط می کند توسط جاکوبز [ 13 ] پیدا شد و بر اساس استنتاج بود. او معتقد بود که مردم در خیابان می توانند نظارت غیررسمی را انجام دهند که به “چشم در خیابان” معروف است. در نتیجه، او استنباط کرد که مردم در مناطقی که شاهدان کمی دارند، بیشتر متحمل جنایات خواهند شد. با این حال، سایر محققان رابطه مثبتی بین جرم و جنایت و دسترسی بالا به شبکه جاده ای یافته اند [ 14 ، 15 ، 16]]. با این وجود، این مطالعات یا از مدل‌های خطی بدون توجه به الگوهای فضایی استفاده کردند یا از روش‌های کیفی برای ارائه برخی پیشنهادات استفاده کردند. حتی با وجود اینکه اکثر محققان در طول تحقیقات خود به مسائل مربوط به تداعی فضایی پی بردند، به نظر می رسد که آنها مسائل فضایی را به عنوان یک مزاحم در نظر می گیرند.
ویژگی های شهری نیز با جرم همراه بوده است. در سال 1999، Rephann [ 17 ] نشان داد که نرخ جرم و جنایت بالاتر معمولاً در مناطق شهری شهری در مقایسه با مناطق روستایی ظاهر می شود. Boggs [ 18 ] به این نتیجه رسید که بالاترین میزان جرم و جنایت احتمالاً در مناطق تجاری مرکزی (CBDs) در مناطق شهری ظاهر می شود. با این حال، هیچ تحقیقی وجود ندارد که تأثیرات بالقوه مختلف پوشش گیاهی و شبکه‌های حمل و نقل را بر جرم در شیب مرکزی-پیرامونی شهری مطالعه کند. تنها مطالعه ای که می توانستیم پیدا کنیم که شیب شهری-روستایی برای رابطه فضایی بین جرم و پوشش گیاهی در نظر گرفته شده است توسط تروی و همکاران انجام شد. [ 10 ].
این مطالعه اعتبار رابطه بین جرم و جنایت و متغیرهای ریشه در تئوری فعالیت معمول را بررسی می‌کند تا ببیند آیا روابط آنها می‌تواند فراتر از شرایط خاص، به‌ویژه برای شهرهای متوسط ​​گسترش یابد. ثانیا، این مطالعه به شکاف در مطالعات منتشر شده که رابطه فضایی بین جرم، پوشش گیاهی و شبکه‌های حمل و نقل در کانادا را بررسی می‌کنند، می‌پردازد. ثالثاً، تکنیک آماری فضایی در این مطالعه به جای تکنیک‌های آماری کلاسیک در اکثر متون قبلی استفاده شده است. چهارم، جرایم علیه اشخاص و جرایم علیه اموال به طور جداگانه با چهار نوع جرم خاص (تجاوز، جرایم جنسی، مواد مخدر و سرقت وسیله نقلیه) مورد بررسی قرار می گیرند. پنجم،11 ، 19 ]، و ممکن است بینش دیگری برای روشن کردن این بحث ارائه دهد. در نهایت، شیب مرکزی-پیرامونی شهری برای بررسی غیرایستایی فضایی احتمالی موجود برای رابطه بین پوشش گیاهی، شبکه‌های حمل و نقل و جرم در نظر گرفته می‌شود.
ما فرض می کنیم که تراکم پوشش گیاهی بالاتر با تراکم جرم کمتر مرتبط است، در حالی که تراکم شبکه حمل و نقل بیشتر تراکم جرم را افزایش می دهد. علاوه بر این، پوشش گیاهی و شبکه های حمل و نقل ممکن است تأثیر مهم تری بر جرم و جنایت در مرکز شهری داشته باشد. ما این فرضیه را با انجام تحلیل‌های رگرسیون فضایی و بررسی رابطه بین جرم، پوشش گیاهی و شبکه‌های حمل‌ونقل از نظر آماری در سطح کلان آزمایش می‌کنیم. همچنین سایر متغیرهای اجتماعی-اقتصادی یا اجتماعی-جمعیتی که با تأثیر بر جرم شناخته شده اند، در این پژوهش کنترل شدند.

2. بررسی ادبیات

2.1. تئوری های جنایت پشتیبان تحلیل فضایی

دو نظریه از تحلیل فضایی جرم شناسی حمایت می کنند: نظریه بی سازمانی اجتماعی و نظریه فعالیت معمول [ 19 ]. نظریه بی‌سازمانی اجتماعی به آن دسته از ویژگی‌های اجتماعی مرتبط با رویدادهای جنایی اشاره دارد که شامل پنج عامل جمعیت‌شناختی، اقتصادی، اجتماعی، اختلال در خانواده و شهرنشینی است [19 ، 20 ، 21 ، 22 ، 23 ، 24 ، 25 .]. به دلیل متفاوت بودن این عوامل در محله‌های مختلف، رویدادهای جنایی تمایل دارند بر اساس فضایی رخ دهند. بنابراین، نظریه بی‌سازمانی اجتماعی را می‌توان به‌عنوان شاخصی از حوادث وقایع جنایی در نظر گرفت. با این حال، رویدادهای جنایی ممکن است بدون ارضای این عوامل بی‌سازمانی اجتماعی اتفاق بیفتند.
نظریه دیگر، نظریه فعالیت معمول، بازرسی پوشش گیاهی و شبکه های حمل و نقل را در این مطالعه هدایت می کند. این نظریه که اساساً ریشه در نظریه مکان دارد، بر ترکیب مجرمان، اهداف و عدم وجود قیمومیت تأکید دارد [ 5 ، 19 ]. نظریه فعالیت معمول اولین بار توسط کوهن و فلسون [ 26 ] پایه گذاری شد که بر اهمیت ترکیب اهداف مناسب و فقدان سرکوبگرهای جرم تاکید داشتند. مکان به عنوان یکی از انواع رسانه ها که بستری مستقیم برای ارتباط بین افراد فراهم می کند، از دو طریق می تواند بر جرم و جنایت تأثیر بگذارد. یکی مربوط به ویژگی های ساخته شده مکان ها است، در حالی که دیگری مربوط به فعالیت های معمولی است که در مکان های مختلف اتفاق می افتد [ 5]]. این دو راه در واقع با دو علت برای رویدادهای مجرمانه مطابقت دارد: اهداف مناسب و عدم وجود قیم. اجتماعات نگهبانی یا دروازه دار دارای قیمومیت قوی هستند و از این رو می توان فضایی قابل دفاع در نظر گرفت. با این حال، ممکن است تصور شود که مسکن بلندمرتبه تسهیلاتی است که فاقد فعالیت‌های نظارتی مؤثر است، زیرا مستاجرین به‌صورت عمودی زندگی می‌کنند و فضای عمومی برای ساکنان محدود است [ 27 ]. یکی دیگر از راه‌های تأثیر مکان‌ها بر رویدادهای جنایی، فعالیت‌های معمولی است که در آنجا اتفاق می‌افتد. کوهن و فلسون [ 26] استدلال کرد که پراکندگی فعالیت‌ها به دور از خانواده‌ها، فرصت‌های بیشتری را برای مجرمان برای ارتکاب جرم فراهم می‌کند و از این رو، نرخ جرم را افزایش می‌دهد. تئوری فعالیت روتین توضیحات قوی از نظر تنوع فضایی جرایم و ارتباط نظری بین جرم و مکان ارائه می دهد. نرخ بالای جرم و جنایت معمولاً در مکان‌هایی رخ می‌دهد که برخی از امکانات یا فعالیت‌های مشابه را به اشتراک می‌گذارند، در حالی که دیگران چنین نیستند.
این دو نظریه جرم نیز برای درک جغرافیای جرم ادغام شده اند. جانستون [ 28 ] دریافت که هم وضعیت خانواده و هم وضعیت اجتماعی می تواند بر جرایم تهاجمی تأثیر بگذارد. در مطالعه اسمیت و همکاران. [ 29 ]، تعداد خانوارهای تک خانواری که می‌توان آن‌ها را کاربری خاص و همراه با ویژگی‌های اجتماعی در نظر گرفت، با جرم مرتبط است. خانواده های تک والدی به عنوان یک عامل جمعیت شناختی اجتماعی در نظر گرفته می شوند و ممکن است با مفهوم سرپرستی در همسایگی مرتبط باشند. این عامل خانواده تک والدی را می توان به عنوان یک شاخص در نظریه فعالیت های معمول [ 30 ] مشاهده کرد.

2.2. جنایت و پوشش گیاهی

جنایات را می توان با ویژگی های جغرافیایی خاص [ 31 ] مرتبط کرد. پوشش گیاهی، به عنوان یک جنبه خاص از محیط فیزیکی، می تواند به عنوان یکی از عوامل هدایت شده توسط نظریه فعالیت های معمول در نظر گرفته شود. دو مکتب فکری اساسی در مورد پیوند بین پوشش گیاهی و جرم وجود دارد. اولی به سنت از بین بردن پوشش گیاهی اشاره دارد زیرا اعمال مجرمانه را پنهان و تسهیل می کند [ 7 و 32 ]. در یک مطالعه، مصاحبه های انجام شده در 97 اقامتگاه دیترویت نشان داد که به نظر می رسد مناطق جنگلی متراکم با ترس از موقعیت های خطرناک مرتبط هستند [ 33]]. در مطالعه دیگری، دانشجویان جذابیت و ادراک امنیتی را برای 180 پارکینگ ارزیابی کردند و نتایج ارائه شده این بود که پوشش گیاهی طبیعی نگهداری نشده باعث افزایش ترس مردم از جرم و جنایت می شود [34 ] . بر اساس مصاحبه های گسترده در محل، مایکل و همکاران. [ 35 ] بررسی کرد که چگونه ویژگی‌های فیزیکی در پارک‌ها می‌تواند توسط مجرمان استفاده شود و آنها را به طور مثبت با سرقت خودرو مرتبط دانست. شواهد مختلفی وجود پوشش گیاهی متراکم را با ترس از جنایت مرتبط می‌دانند [ 8 ]. دلایلی که چرا افراد در مناطق جنگلی انبوه احساس آسیب‌پذیری می‌کنند ممکن است با این واقعیت توضیح داده شود که پوشش گیاهی جلوی چشم‌اندازها را می‌گیرد [ 7 ، 34 ] و فضایی را برای مخفی شدن مجرمان فراهم می‌کند [ 6]].
مضامین مشترک این مطالعات توانایی افراد در مشاهده محیط اطراف خود را برجسته می کرد. اگر یک ساکن نتواند محیط اطراف خود را به وضوح ببیند، به احتمال زیاد در برابر فعالیت های مجرمانه آسیب پذیرتر خواهد بود. مرتکبین نیز ممکن است این مکان ها را برای پنهان کردن رفتار خود انتخاب کنند. در نتیجه، پوشش گیاهی می تواند پوششی برای رویدادهای مجرمانه ایجاد کند و به طور بالقوه احتمال وقوع جرم و قطعاً ترس ناشی از جرم را افزایش دهد، اما تنها می تواند به عنوان یکی از عوامل مؤثر در وقوع جرم در نظر گرفته شود [8 ] . تعداد کمی از مطالعات حمایت کننده از این مکتب فکری، رابطه بین پوشش گیاهی و جرم و جنایت را در سطح وسیعی بررسی کردند.
مکتب فکری دیگر در رابطه با جرم و پوشش گیاهی بر این نکته تاکید دارد که پوشش گیاهی می تواند عامل بازدارنده جرم تلقی شود. مطالعات اخیر نشان داده‌اند که وجود درختان، علف‌ها و درختچه‌ها ممکن است در واقع از فعالیت‌های مجرمانه جلوگیری کند. همانطور که کو و سالیوان [ 8 ] اشاره کردند ، پوشش گیاهی از طریق دو مکانیسم به عنوان مهار جرم در نظر گرفته شد: با ارائه نظارت بیشتر، و با کاهش برخی از پیش سازهای روانی رفتار خشونت آمیز. به عنوان یکی از بخش‌های مهم طراحی شهری، فضای بیرونی درختی در مقایسه با فضای بدون درخت به طور گسترده توسط جوانان، بزرگسالان و گروه‌های سنی مخلوط مورد استفاده قرار می‌گیرد. به دلیل این جذابیت، چشمان بیشتری به خیابان معرفی شد [ 8 ]. این یافته توسط دونوان و پرستمون نیز نشان داده شده است.12 ]. در مطالعه دونوان و پرستمون [ 12 ]، به نظر می رسید که وجود درختان خیابانی و درختان بزرگ برای سرکوب وقایع جنایی، در حالی که درختان کوچکتر همچنان ارتباط مثبتی با جرم و جنایت دارند. علاوه بر این، Kuo [ 36 ] پیشنهاد کرد که فضای سبز در فضای باز با یک تعامل اجتماعی قوی‌تر مرتبط است و از این رو ممکن است جرم و جنایت کاهش یابد. پوشش گیاهی به خوبی حفظ شده ممکن است نشان دهد که یک مزاحم ممکن است به راحتی مورد توجه قرار گیرد [ 8 ، 37 ]. توضیح دیگری که چرا پوشش گیاهی به خوبی حفظ شده می تواند جرم را کاهش دهد در نظریه “پنجره شکسته” [ 38] اشاره شده است.] که “مرجع” را بیان می کند و نشان می دهد که این جامعه تحت نظارت ساکنان آن است. پوشش گیاهی فواید روانی نیز دارد. از آنجایی که یکی از هزینه های خستگی روانی ممکن است افزایش تمایل به خشونت بالقوه [ 39 ] باشد، بهبودی از خستگی روانی قطعا به کاهش وقوع جرم کمک می کند. تحقیقات جدیدتر سعی شده است تا حضور پوشش گیاهی و جرم را با استفاده از روش کمی بررسی کند. ارتباط معکوس قوی بین میزان جرم و جنایت و پوشش تاج درختان، به ویژه برای زمین های عمومی [ 10 ] پیشنهاد شده است. علاوه بر این، ولف و منیس [ 11 ] نشان دادند که وفور پوشش گیاهی با نرخ کمتر جرم برای حمله، سرقت و سرقت در فیلادلفیا مرتبط است.
حتی اگر محققان متوجه شده‌اند که رویدادهای جنایی در مکان‌های مختلف متفاوت است و ممکن است به‌صورت خوشه‌ای ظاهر شوند، اکثر آنها از تحلیل‌های آماری کلاسیک [ 19 ] و روش‌های کیفی [ 10 ] حمایت می‌کنند. هر دو روش محدودیت های خود را دارند. روش‌های کیفی نمی‌توانند جرایم را در مقیاس بزرگ بازرسی کنند در حالی که تحلیل‌های آماری کلاسیک نمی‌توانند اثرات محله را ارزیابی کنند. برای مطالعاتی که ارتباط بین جرم و پوشش گیاهی را بررسی می‌کنند، تنها دو مورد از آنالیز فضایی استفاده کرده‌اند [ 10 ، 11]]. در نتیجه، این ارتباط باید با استفاده از مدل‌های رگرسیون فضایی که ممکن است ارزیابی بهتری از الگوهای فضایی در رابطه با حضور پوشش گیاهی و جرم ارائه دهد، بیشتر مورد بررسی قرار گیرد.

2.3. شبکه های جرم و حمل و نقل

اتصال طراحی خیابان به جرم و جنایت برای مدت طولانی مورد مطالعه قرار گرفته است. توبیاس [ 40 ] با پاکسازی محله های فقیر نشین اشاره کرد که می توان خیابان های جدیدی را به عنوان بخشی از برنامه ریزی شهری ساخت. جاکوبز [ 13 ]، به عنوان اولین برنامه ریز شهری معاصر که قصد داشت نظریه ای را برای حمایت از رابطه بین جرم و خیابان ترسیم کند، استدلال کرد که شهروندان در خیابان می توانند نظارت غیررسمی را ارائه دهند و از این رو، به «چشم خیابان» تبدیل شدند. جرایم در ملاء عام را می توان بر اساس نظریه او با ایجاد یک شبکه خیابانی معتدل کاهش داد. نیومن [ 27] این ایده را با معرفی اصطلاح «تقسیمات سرزمینی» توضیح داد. وی اظهار داشت که افراد غریبه را بهتر می توان به عنوان مهاجمان شناخت زیرا تقسیم بندی سرزمینی خیابان ها افزایش یافت. در نتیجه شبکه های خیابانی می توانند به کاهش جرم و جنایت کمک کنند.
برانتینگهام و برانتینگهام [ 41 ] خاطرنشان کردند که افرادی که مرتکب جنایت علیه اموال می‌شوند معمولاً مکان‌هایی را انتخاب می‌کنند که به راحتی قابل شناسایی هستند، جایی که می‌توانند به راحتی راه‌های فرار را پیدا کنند. با این حال، پیچیدگی شبکه های جاده ای ممکن است این را دشوارتر کند. مطالعه جرم از سوی Bevis و Nutter [ 14 ] این احتمال را آشکار کرد که نرخ سرقت به دلیل افزایش پیچیدگی شبکه های جاده ای در مناطق جذاب مجرمانه کاهش یافته است. آنها همچنین بر اساس تحقیقات خود در Minneapolis، MN، ایالات متحده ادعا کردند که دسترسی کمتر به معنای سرقت کمتر است و افزایش نرخ جرم و جنایت به طور قابل توجهی با افزایش دسترسی به خیابان ها مرتبط است. آنها دریافتند که بیشترین میزان سرقت در خانه‌هایی که در گوشه‌ها ساخته شده‌اند اتفاق می‌افتد [ 42] در حالی که خیابان های بن بست کمترین میزان سرقت را داشتند [ 14 ].
تحقیقات مدرن‌تر نشان می‌دهد که شبکه‌های جاده‌ای متراکم فرصت‌های بیشتری را برای متخلفان و اهداف برای ملاقات و همچنین جذب غریبه‌ها ایجاد می‌کند. برانتینگهام و برانتینگهام [ 43 ] نقش مسیرها را در تعیین فعالیت های روزمره افراد برجسته کردند. آنها استدلال کردند که متخلفان دارایی دوست دارند در فضاهای شناخته شده مرتکب تخلف شوند. مطالعه بیون و همکاران. [ 15 ] نشان داد که دسترسی بیشتر به شبکه های جاده ای و سطوح بالاتر جریان ترافیک به جرایم بیشتر علیه اموال کمک می کند. Jarrell و Howsen [ 44 ] استدلال کردند که بزرگراه ها می توانند تعداد جمعیت های گذرا را افزایش دهند. بنابراین تعدد افراد غریبه در وقوع سرقت، سرقت و سرقت نیز تأثیر مثبت داشته است. ریفان [ 17] همچنین ادعا کرد که ساخت بزرگراه می تواند با افزایش تحرک جمعیت، میزان جرم و جنایت را در مناطق روستایی تشدید کند. با این حال، همه این مطالعات بدون توجه به همبستگی فضایی بر اساس مدل‌های خطی بودند. گروف و همکاران [ 16 ] همچنین رابطه بین جرم و خیابان را از سطح خرد بررسی کرد. تحقیقات آنها ارتباط کمی فضایی را نشان نداد. آنها به این نتیجه رسیدند که سطح ترافیک می تواند به عنوان شاخصی که تعداد افراد درون بلوک را نشان می دهد به کار گرفته شود و از این رو تمایل به افزایش فرصت برای همگرایی متخلفان و اهداف دارد.

2.4. جرم و جنایت در مناطق شهری

شهرنشینی از دیرباز با همگرایی انواع مختلف جرم مرتبط بوده است. Rephann [ 17 ] اشاره کرد که شهرنشینی با بررسی درجه شهرنشینی به عنوان یک متغیر ساختگی، تأثیر قوی بر جرم و جنایت دارد. تحلیل‌های جهت‌دار جدیدتر از جرم اشاره کرد که مجرمان مناطق شهری را ترجیح می‌دهند [ 45 ]. حتی در مناطق شهری، مناطق مختلف، که ممکن است تحت تأثیر عوامل اجتماعی یا محیط فیزیکی، مانند فقر، طبقه اقتصادی، و محله‌ها و غیره باشند، تمایل به تجربه نرخ‌های مختلف جرم و جنایت دارند. با توجه به Boggs [ 18 ]، با خلاصه کردن مطالعات قبلی در مورد جرم و جنایت در توزیع درون شهری، به نظر می رسد که مناطق تجاری مرکزی با بالاترین نرخ جرم مرتبط هستند. با این حال، جیکوبز [ 13] استنباط کرد که استفاده غیر مسکونی از یک منطقه می تواند نظارت بیشتری را فراهم کند و در نتیجه از وقوع جرم جلوگیری کند. پایل و همکاران [ 46 ] خاطرنشان کرد که مرکز شهر به دلیل بیشترین تمرکز جنایات خشونت آمیز شناخته شده است و حتی مناطقی که به برنامه های نوسازی شهری نسبت داده می شوند، بالاترین گزارش از جنایات را ارائه می دهند. علاوه بر این، فرانک و همکاران. [ 4 ] بر وجود همگرایی مجرمان در منطقه مرکز شهر در شاهزاده جورج تأکید کرد.
به نظر می رسد که عدم ایستایی فضایی بر توزیع جرم تأثیر دارد. با این حال، به نظر می رسد این سوال از نظر اینکه آیا این عدم ایستایی فضایی برای رابطه بین پوشش گیاهی، شبکه های حمل و نقل و جرم وجود دارد، توسط محققان فراموش شده است. تنها مطالعه بررسی رابطه بین جرم و پوشش گیاهی در شیب شهری-روستایی توسط تروی و همکاران ارائه شد. [ 10]. آن‌ها از مدل‌های رگرسیون وزن‌دار جغرافیایی برای تمام شهرستان بالتیمور استفاده کردند و دریافتند که فضایی غیرایستایی برای پوشش گیاهی وجود دارد. یک رابطه مثبت بین جرم و پوشش گیاهی برای برخی از مناطق منزوی، مانند مناطق اطراف تاسیسات بندر، یافت شد، در حالی که پوشش گیاهی در مناطق باقی مانده یا ارتباط منفی داشت یا ارتباط آماری با جرم نداشت. شکافی بین ادبیاتی وجود داشت که رابطه فضایی بین پوشش گیاهی، شبکه‌های حمل و نقل و جرم و جنایت را در شیب مرکزی-پیرامونی شهری بررسی می‌کرد.

3. جنایت در منطقه کیچنر-واترلو: منطقه و داده های مطالعه

3.1. منطقه مطالعه

کیچنر و واترلو شهرهای دوقلو هستند که در جنوب مرکزی انتاریو در کانادا واقع شده اند. این دو شهر اغلب به طور مشترک به عنوان “Kitchener-Waterloo” یا “KW” نامیده می شوند، اگرچه دارای حکومت های شهری متفاوت هستند. بسیاری از خدمات عمومی در کیچنر-واترلو توسط خدمات منطقه ای مانند پلیس و حمل و نقل عمومی ارائه می شود. در زمان سرشماری سال 2011، جمعیت واترلو 98780 نفر بود در حالی که جمعیت کیچنر 219153 نفر بود. مساحت شهر واترلو 64.10 کیلومتر مربع و شهر کیچنر 136.86 کیلومتر مربع است.
بیش از نیمی از منطقه مورد مطالعه تحت سلطه پوشش زمین غیر جنگلی است که به عنوان مناطق ساخته شده یا سطوح غیرقابل نفوذ شناخته می شود. بخش جنگلی منطقه مورد مطالعه از ترکیب جنگل و زمین زراعی تشکیل شده است [ 47 ]. خیابان اتاوا، هایلند جاده، خیابان کینگ و خیابان دانشگاه که به عنوان جاده های شریانی در این منطقه شناخته می شوند، ارتباطات بین شهری را فراهم می کنند. بزرگراه 85، بزرگراه 7 و بزرگراه 8 سه بزرگراه در این منطقه هستند و بخش مهمی از سیستم حمل و نقل شهر هستند.
این منطقه دارای یک اقتصاد قوی مبتنی بر دانش و خدمات است که توسط تعداد زیادی از شرکت های با فناوری پیشرفته و سه موسسه فوق ثانویه حمایت می شود. با این حال، جرم و جنایت در این منطقه یک موضوع قابل توجه است و زندگی روزمره مردم را تحت تأثیر قرار می دهد. هم نرخ جرایم خشونت آمیز و هم نرخ جرایم اموال در منطقه واترلو بالاتر از میانگین نرخ جرم و جنایت در انتاریو از سال 2010 تا 2013 بود [ 48 ]. نرخ کل جرم و جنایت در منطقه واترلو در سال 2013، 4366 در هر 100000 نفر بود در حالی که در تورنتو، مرکز استان انتاریو، تنها 2941 در هر 100،000 نفر بود [49 ] . به طور مشخص، نرخ جرایم خشن به ازای هر 100000 نفر 847، نرخ جرائم اموالی 2897، در حالی که سایر جرایم قانون کیفری 592 و نرخ جرایم مواد مخدر 316 بوده است.
شکل 1 زیر توزیع رویدادهای جنایی را در منطقه کیچنر-واترلو در سال 2013 نشان می دهد. این افسانه سطوح مختلفی از تراکم جرم را ارائه می دهد که از 0 تا 0.0271 متغیر است. محاسبه تراکم جرم بر اساس شمارش جرم و مساحت زمین بود که برای آن شمارش جرم بر مساحت زمین در هر منطقه انتشار تقسیم شد. مناطق هسته ای منطقه ای مکان هایی با همگرایی بیشتر بین متخلفان و اهداف بودند. با این حال، اینکه آیا خوشه های فضایی در وقوع جرایم نقش داشته اند یا خیر، باید بیشتر مورد بررسی قرار گیرد.

3.2. داده های جرم و جنایت

گزارش جرم از وب سایت خدمات پلیس منطقه واترلو [ 48] دانلود شده است]. این گزارش توسط WRPS به عنوان داده باز به اشتراک گذاشته شده است و شامل تمام سوابق تماس های جرم برای سال 2013 می شود. این مجموعه داده شامل هر تماس با اطلاعات دقیق از جمله تاریخ، زمان، مکان، نوع تماس اول، تعریف نهایی و مختصات و غیره است. هر رکورد، تعریف نهایی از نوع جرم و همچنین مختصات ارائه شده، مهمترین ویژگی برای به دست آوردن اطلاعات ارزشمند برای این مطالعه بود. این سوابق همچنین شامل انواع جرایم مانند حمله، گرافیتی، تهدید و آسیب اموال و غیره می‌شود. به دلیل تمامی اطلاعات ارائه شده، هر نقطه جرم می‌تواند جغرافیایی و طبقه‌بندی شود. بنابراین، هر سابقه جرم به عنوان یک نقطه پس از کدگذاری کل مجموعه داده ارائه شد.

3.3. داده های اجتماعی- جمعیتی و اجتماعی-اقتصادی

دو مجموعه داده که به عنوان درآمد و جمعیت طبقه بندی شده اند، از داده های سرشماری سال 2011 اداره آمار کانادا، توزیع شده توسط مرکز جغرافیایی در دانشگاه واترلو، به دست آمد. این مجموعه داده ها آخرین مجموعه داده های ارائه شده برای اطلاعات اجتماعی-جمعیتی و اجتماعی-اقتصادی هستند، از سال 2011، آخرین سال سرشماری در کانادا. دو مجموعه داده هر دو در سطح منطقه انتشار و به دنبال قوانین جدیدی که در سال 2011 تنظیم شد به دست آمد. ، این مجموعه داده ها را می توان به راحتی برای تجزیه و تحلیل بیشتر به یکدیگر متصل کرد. علاوه بر این، منطقه انتشار کوچکترین منطقه جغرافیایی استاندارد در کانادا با جمعیت 400 تا 700 نفر است. اما اندازه هر منطقه انتشار در بین مناطق شهری متفاوت است. مناطق پرجمعیت پراکنده معمولاً اندازه های کوچک تری نسبت به مناطق پراکنده پرجمعیت دارند. از این رو، داده ها در سطح منطقه انتشار ممکن است بینش دیگری را در سطح “خرد” در مقایسه با داده ها در سطح دستگاه سرشماری ارائه دهند.

3.4. داده های کاربری زمین

داده های پوشش گیاهی از تصاویر ماهواره ای به دست آمد. یک تصویر از Landsat-5 TM در 17 مه 2009 در مسیر 18، ردیف 30 جمع آوری شد و از سازمان زمین شناسی ایالات متحده (USGS) دانلود شد. شش باند با وضوح 30 متر برای طبقه بندی کاربری زمین استفاده شد. سیستم مختصات مورد استفاده WGS84 و طرح ریزی UTM Zone 17N بود. تصویر RADARSAT-2 به کار گرفته شده یک صحنه از یک مجموعه نگاه (SLC) بود که در 19 آوریل 2009 در جهت صعودی با قطبش چهارگانه خوب جمع آوری شد و از آژانس فضایی کانادا بازیابی شد. تغییر زمانی می تواند بر پوشش زمین تأثیر بگذارد در حالی که پوشش گیاهی متراکم را می توان در فصل انتخاب شده توسط این مطالعه متمایز کرد. تصویر RADARSAT-2 با وضوح 8 متر با قطبش کامل (HH، HV، VH، و VV) است. طبقه‌بندی‌کننده تصادفی جنگل (RFC) [ 50 ، 51] برای تولید نقشه طبقه بندی با ادغام متغیرهای تولید شده توسط تصاویر Landsat و RADARSAT-2 با قطبش چهارگانه به کار گرفته شد. طبقه‌بندی‌کننده جنگل تصادفی را می‌توان ترکیبی از طبقه‌بندی‌کننده‌های درختی با یک پیکسل در نظر گرفت که با انتخاب کلاسی که بیشترین آرا را از همه پیش‌بینی‌کننده‌های درخت در جنگل دارد [ 50 ] طبقه‌بندی می‌شود. RFC که از طبقه‌بندی‌کننده‌های درخت تصمیم [ 52 ] توسعه یافته است، ناپارامتریک است و می‌تواند با روابط غیرخطی سازگار شود، که در بافت شهری مناسب‌تر است [ 53]]. تعداد کل متغیرهای قرار داده شده در RFC به 90 رسید که از باندها و بافت های محاسبه شده تشکیل شده بود. علاوه بر این، به منظور ادغام تصاویر لندست با تصاویر RADARSAT، تصویر Landsat با وضوح 8 متر نمونه برداری شد و از این رو نتیجه طبقه بندی نهایی به عنوان یک تصویر با وضوح 8 متر کدگذاری شد. در مجموع 500 صد نقطه نمونه تصادفی به منظور بررسی صحت نتایج انتخاب شدند. دقت کلی برای طبقه بندی پوشش زمین به 86.8٪ رسید در حالی که میانگین دقت برای پوشش گیاهی حتی بالاتر بود. دقت تولیدکننده برای پوشش گیاهی 94.5 درصد و دقت کاربر برای پوشش گیاهی 92.3 درصد بود. دقت بالای داده های پوشش گیاهی پایایی این مطالعه را افزایش داد. همچنین،
داده های شبکه حمل و نقل برای سال 2013 از مرکز جغرافیایی در دانشگاه واترلو به دست آمد و در ابتدا توسط شهرداری منطقه ای واترلو ارائه شد. همه سیستم‌های جاده‌ای در منطقه کیچنر-واترلو در این مجموعه داده گنجانده شده‌اند، که شامل بزرگراه‌ها/بزرگراه‌ها، جاده‌های شریانی، کلکتورها، خیابان‌های محلی، و خیابان‌های خصوصی و غیره است. طول هر بخش نیز به عنوان یک ویژگی ارائه شد. این مجموعه داده می تواند بیشتر برای محاسبه تراکم شبکه حمل و نقل اعمال شود.

4. بررسی مسائل فضایی: روش شناسی

4.1. پیش پردازش

قبل از اجرای مدل‌های آماری مختلف، باید یک سری مراحل پیش پردازش برای به دست آوردن آن متغیرهای قابل محاسبه، اعم از متغیر وابسته یا مستقل، انجام می‌شد. ما به دنبال دستیابی به متغیرهای مختلف اجتماعی-اقتصادی و اجتماعی-جمعیتی مرتبط با جرم و جنایت بودیم. مطالعات قبلی نشان داده است که فقر بیشترین قدرت توضیحی را برای وقوع جرم دارد [ 54 ]، و خانواده های تک والدی با همسایگی مرتبط بوده اند، زیرا خانواده های تک والدی ممکن است سرپرستی کمتری ارائه دهند و بنابراین می توانند به طور مثبت با جرایم ارتباط داشته باشند [ 29 ، 55] . ]. علاوه بر این، تراکم جمعیت توسط Cahill و Mulligan [ 56 ] و خانواده های تک خانواده توسط Troy و همکاران مورد آزمایش قرار گرفتند. [ 10]. سه متغیر از شش متغیر توضیحی انتخاب شده بر اساس تئوری بی‌سازمان‌دهی اجتماعی، یک متغیر بی‌سازمان‌دهی اجتماعی و تئوری فعالیت معمول را ادغام می‌کند، و دو متغیر باقی‌مانده تأثیرات بالقوه‌ای هستند که ریشه در نظریه فعالیت‌های معمول دارند. تراکم فقر بر اساس هر منطقه پراکندگی اندازه‌گیری شد، که برای آن جمعیت دارای درآمد در دهک پایین بر مساحت زمین هر منطقه تقسیم شد. طبق آمار کانادا [ 57]، خط کم درآمد مورد استفاده در کانادا از 9% تا 16% در طول 34 سال گذشته در نوسان بوده است. در نتیجه، جمعیت با درآمد دهک پایین به عنوان جمعیت در فقر انتخاب شد، در حالی که استفاده از آن تا حدودی خودسرانه بود. تراکم جمعیت نیز به عنوان نسبت کل جمعیت به مساحت زمین در هر ناحیه انتشار در نظر گرفته شد. علاوه بر این، تراکم خانواده تک والدی به عنوان نسبت تعداد خانواده های تک والدی به مساحت زمین در هر منطقه پراکنده و تراکم یک خانوار خانواده به عنوان نسبت تعداد یک خانوار به مساحت زمین در داخل محاسبه شد. هر منطقه انتشار
به جای استفاده از درصد مساحت زمین تحت پوشش تاج درخت [ 10 ] یا NDVI [ 11 ] برای نشان دادن پوشش گیاهی، تراکم پوشش گیاهی در این مطالعه استفاده شد. تراکم پوشش گیاهی از نقشه طبقه بندی کاربری/پوشش زمین به دست آمد. نتیجه طبقه بندی باید ابتدا به داده های برداری منتقل می شد زیرا نتیجه طبقه بندی اولیه داده های شطرنجی بود. با انتقال داده‌های شطرنجی به داده‌های برداری، هر پیکسل به یک نقطه منتقل می‌شود، به این معنی که یک نقطه نشان دهنده 8 × 8 متر مربع است .. کل پیکسل باید فقط به عنوان یک کلاس طبقه بندی می شد، اعم از پوشش گیاهی، آب یا منطقه غیر قابل نفوذ و غیره به طوری که تاج پوشش تک درخت در این مطالعه قابل تشخیص نباشد. پوشش گیاهی مورد استفاده در این مطالعه بخش بزرگی از فضای سبز را هدف قرار داده است که می تواند باغ، جنگل، علفزار یا حتی زمین کشاورزی سبز باشد که در 8×8 متر مربع متمایز می شود .مرحله. علاوه بر این، از آنجایی که هر پیکسل یک مربع بود، ممکن است برخی از پیکسل ها بر روی مرز دو ناحیه تقسیم شوند. برای این وضعیت، پیکسل تنها می تواند به یک ناحیه بر اساس موقعیت نقطه مرکزی آن تعلق داشته باشد. کلاس پوشش گیاهی مورد استفاده در اینجا دقت بالایی را برای نسبت وسیع فضای سبز حفظ کرده است. فقط با انتخاب کلاس پوشش گیاهی می توان سطح پوشش گیاهی را محاسبه کرد. سپس نسبت سطح پوشش گیاهی به سطح زمین در هر منطقه انتشار می تواند به عنوان تراکم پوشش گیاهی استفاده شود.
تراکم شبکه حمل و نقل به عنوان نسبت طول کل شبکه های جاده ای به مساحت زمین در هر منطقه انتشار اندازه گیری شد. محاسبه تراکم شبکه حمل و نقل بر اساس تعریف بانک جهانی از نظر شاخص های تراکم جاده ای انجام شد. با این حال، ابزارهای تقاطع ابتدا باید اعمال می شدند زیرا برخی از جاده ها ممکن است چندین منطقه را طی کنند در حالی که فقط بخش های جاده در یک منطقه می تواند برای آن منطقه خاص شمارش شود.
تراکم جرم های مختلف نیز به طور جداگانه محاسبه شد. تراکم جرم به جای تعداد جرم یا میزان جرم به عنوان متغیر در نظر گرفته شد، زیرا اندازه واحدهای فضایی باید به عنوان نشان دهنده شدت در مکان های مختلف در نظر گرفته شود. از آنجایی که هر سابقه جرم یک امتیاز بود، می توان تعداد کل جرایم را شمارش و بر مساحت هر ناحیه انتشار تقسیم کرد تا تراکم جرم به دست آید. تراکم جرم برای انواع مختلف به دست آمد: جرایم علیه اموال، جنایات علیه افراد، تجاوز، جرایم جنسی، سرقت خودرو، و مواد مخدر. جرایم علیه افراد مورد استفاده در این مطالعه شامل 9 نوع جرم مختلف بود: تجاوز، جرایم مشروبات الکلی، آزار و اذیت / تعقیب جنایی، جرم جنسی، قتل، مزاحمت، سلاح تهاجمی، سرقت و تماس ناخواسته.1 ]. جرایم علیه اموال شامل چهار نوع مختلف است: شکستن و دخول، سرقت، سرقت وسیله نقلیه موتوری و خسارت مالی. اگرچه هنوز برخی از جرایم دیگر حذف شده بودند، این طبقه بندی شامل رایج ترین انواع جرایم می شد. جدول 1 زیر خلاصه محاسبات متغیرها و جدول 2 خلاصه آماری هر متغیر مستقل و وابسته را نشان می دهد.
چند خطی نیز باید قبل از رگرسیون های در حال اجرا مورد بررسی قرار گیرد زیرا برخی از همبستگی ها ممکن است نگرانی هایی را برای هم خطی ایجاد کنند [ 19 ]. جدول 3 زیر ماتریس همبستگی برای متغیرهای مستقل مورد استفاده در تحلیل رگرسیون را نشان می دهد.
از آنجایی که ضریب همبستگی بین تراکم جمعیت و تراکم خانوار تک خانواده بیشتر از 0.8 است که به عنوان یک آستانه مشترک برای نگرانی در نظر گرفته می شود [ 19 ]، تراکم خانوار تک خانواده باید برای تحلیل های رگرسیونی زیر حذف شود.

4.2. رویه تحلیلی

متغیرهای مستقل و وابسته به منظور درک رابطه فضایی بین هر نوع جرم و هر متغیر توضیحی تحت یک سری تحلیل‌ها قرار گرفتند. رگرسیون حداقل مربعات معمولی (OLS) به طور گسترده برای بررسی توزیع جرم و روابط آن با سایر متغیرهای توضیحی استفاده شده است. همانطور که در بالا ذکر شد، این مدل برای بررسی رابطه بین پوشش گیاهی، شبکه های حمل و نقل و جرم نیز استفاده شده است. با این حال، تخمین مبتنی بر رگرسیون OLS ممکن است مشکل ساز باشد زیرا این مدل بر اساس برخی مفروضات ساخته شده است: بین خطاها و متغیرهای توضیحی همبستگی وجود ندارد و بین خطاها همبستگی خودکار وجود ندارد [58 ]]. در شرایط واقعی، این مفروضات ممکن است نقض شوند به طوری که OLS بهترین مدل مناسب برای ارائه رابطه فضایی نیست. مدل‌های تاخیر مکانی و خطای مکانی دو مدل رگرسیون مکانی هستند که برای اطمینان از بی‌طرف بودن تخمین، خودهمبستگی مکانی را در نظر گرفته‌اند. با این حال، انتخاب از نظر اینکه کدام مدل برای این مطالعه مناسب‌ترین است، باید از آزمون‌های ضریب لاگرانژ پیروی می‌کرد [ 59]] با مقایسه آمار استاندارد آزمون LM-Error و LM-Lag، و به طور بالقوه ROBust LM-Error و Robust LM-Lag. در این مطالعه، LM-Lag از LM-Error معنی‌دارتر بود و از این رو مدل‌های تاخیر فضایی برای تحلیل‌های بیشتر اتخاذ شدند. علاوه بر این، شبه R-squared، معیار اطلاعات Akaike با یک تصحیح (AICc)، احتمال ورود به سیستم همگی مورد بررسی قرار گرفتند و برای اطمینان از بهترین مدل مورد مقایسه قرار گرفتند.
مدل تأخیر فضایی، وابستگی فضایی را با استفاده از شکلی از مشخصات خودرگرسیون فضایی رگرسیون مختلط در نظر می گیرد [ 60 ، 61 ]. معادله به صورت زیر ارائه می شود:

y _ i = β _ 0 + β_ 1ایکس1 i+ … + βکایکسکی+ ρ w _ i y _ i + εمنy_من= �_0+�_1ایکس1من+…+ �کایکسکی+�w_من y_من+�من
در این مطالعه، yمنyمننشان دهنده تراکم جرم های مختلف است. علاوه بر این، برای هر منطقه انتشار، β0�0نشان دهنده یک ثابت است، β1�1نشان دهنده تراکم جمعیت است، β2�2نشان دهنده تراکم فقر است، β3�3نشان دهنده تراکم خانواده تک والدی است، β4�4نشان دهنده تراکم پوشش گیاهی و β5�5تراکم شبکه حمل و نقل را نشان می دهد. برای آزمون خوشه بندی فضایی در پسماندهای رگرسیونی از آمار موران I استفاده شد و در صورت آشکار شدن همبستگی بالا، این مدل برای این مطالعه مناسب نبود.
موضوع بعدی که باید به آن پرداخته می‌شد مربوط به ماتریس وزن‌های همسایه است، که می‌تواند تعیین کند که چند ناحیه را می‌توان به عنوان همسایه در نظر گرفت تا تأثیرات خودهمبستگی فضایی را محاسبه کند. برخلاف مطالعه تروی و همکاران. [ 10] با انتخاب یک باند فاصله ثابت برای تعریف همسایگان، تعداد ثابتی از همسایگان در این مطالعه انتخاب شد. از آنجایی که منطقه انتشار کوچکترین واحد فضایی برای آمار در کانادا است، مناطق انتشار ممکن است به طور متراکم در مرکز شهر متمرکز باشد در مقایسه با مناطق انتشار پراکنده در مناطق پیرامونی و روستایی شهری. اگر از باند فاصله ثابت استفاده می شد، هر منطقه انتشار در مرکز شهر ممکن است به عنوان همسایه با یک منطقه انتشار مشخص در نظر گرفته شود در حالی که همسایگان کمی برای منطقه انتشار دیگری در حاشیه شهری وجود دارد. علاوه بر این، برخی از مناطق انتشار در حاشیه شهری واقعاً بزرگ هستند و اگر از ماتریس وزن ملکه استفاده می شد، همسایگان آنها منطقه بسیار بزرگی را پوشش می دادند. استفاده از ماتریس وزن مبتنی بر فاصله در این مطالعه نامناسب است و به همین ترتیب،
علاوه بر این، گرادیان مرکزی-پیرامونی شهری با افزودن یک متغیر ساختگی، که نشان دهنده تفاوت بین مناطق مرکز شهری و سایر مناطق شهری است، آزمایش شد. توزیع مناطق انتشار دقیقاً با طرح رسمی از نظر مرکز شهری مطابقت نداشت [ 62 ] زیرا منطقه انتشار توسط جمعیت تعریف شده بود. در نتیجه، برخی از مناطقی که با نواحی مرکز شهری تلاقی می‌کردند، همچنان برای نشان دادن مناطق مرکز شهری در این مطالعه انتخاب شدند. بنابراین، همانطور که در شکل 2 نشان داده شده است، در مجموع 11 منطقه انتشار انتخاب شدند . این مناطق منتخب مرکز شهری با ارزش 1 و مناطق باقی مانده با ارزش 0 تخصیص داده می شوند.63 ] و شهر کیچنر [ 64 ]، این مناطق بیشتر به عنوان مناطق کاربری تجاری تعیین شدند. این متغیر ساختگی می تواند برای تشخیص تأثیرات مختلف در امتداد گرادیان مرکزی-پیرامونی شهری به کار گرفته شود.
علاوه بر این، یک مدل رگرسیون وزن‌دار جغرافیایی نیز برای مطالعه و تجسم غیرایستایی فضایی برای روابط بین پوشش گیاهی، شبکه‌های حمل و نقل و جرم استفاده شد. بر خلاف آن دو مدل رگرسیون فضایی ذکر شده در بالا، مدل رگرسیون وزنی جغرافیایی یک مدل مبتنی بر محلی است. یک مدل رگرسیون وزن‌دار جغرافیایی، تکنیکی برای کاوش پدیده‌ای است که ضرایب رگرسیون در فضا ثابت نمی‌مانند [ 65 ، 66 ، 67 ]. رگرسیون های وزنی جغرافیایی هم برای پوشش گیاهی و هم برای شبکه های حمل و نقل اعمال می شود. در این مطالعه، روش‌های نوع هسته تطبیقی ​​و پهنای باند AICc بر اساس مقایسه نتایج در این مطالعه پذیرفته شد.

5. تفسیر روابط بین پوشش گیاهی، شبکه حمل و نقل و جرم: نتایج

آمار موران I نشان داد که خود همبستگی فضایی برای باقیمانده های به دست آمده از رگرسیون OLS وجود دارد و با استفاده از مدل تاخیر فضایی کاهش یافته است ( شکل 3 و شکل 4 ).
برای جرایم علیه افراد، مقدار Moran’s I بر اساس باقیمانده‌های OLS 0.32 و p -value بر اساس 199 جایگشت 0.005 بود، که به این معنی است که همبستگی مکانی برای باقیمانده‌ها بسیار معنادار است. با این حال، مقدار Moran’s I بر اساس باقیمانده‌های مدل تاخیر فضایی می‌تواند به -0.009 کاهش یابد در حالی که pمقدار بر اساس 199 جایگشت بزرگتر از 0.1 بود که نشان می داد خود همبستگی فضایی حذف شده است و دیگر موضوع مهمی نیست. همین وضعیت در مورد جرایم علیه اموال نیز رخ داد، زیرا ارزش Moran’s I با استفاده از مدل تاخیر فضایی از 0.23 به -0.03 کاهش یافت. با آزمایش خود همبستگی فضایی برای باقیمانده ها، می توان دریافت که خود همبستگی فضایی وجود دارد به طوری که مدل رگرسیون OLS ممکن است برای این مطالعه مناسب نباشد. خود همبستگی فضایی باقیمانده ها را می توان با استفاده از مدل تاخیر فضایی مطابق شکل 3 برای جرایم علیه افراد و شکل 4 به طور قابل توجهی کاهش داد.برای جرایم علیه اموال از این رو، مدل‌های تاخیر فضایی می‌توانند با در نظر گرفتن الگوی فضایی توضیحات بهتری ارائه دهند.
ابتدا مدل‌های رگرسیون OLS مورد استفاده قرار گرفت و سپس مدل‌های تاخیر فضایی هم برای جرایم علیه افراد و هم برای جرایم علیه اموال مورد بررسی قرار گرفت. جدول 4 اطلاعات دقیقی را برای رابطه فضایی و اهمیت آن متغیرها ارائه می کند.
با استفاده از رگرسیون OLS، تنها 8.02 درصد از وقوع ها را می توان برای جرایم علیه افراد توضیح داد در حالی که تنها 10.31 درصد از وقوع ها را می توان برای جرایم علیه اموال توضیح داد. ارزش مربع R را می توان با استفاده از مدل های تاخیر فضایی هم برای جرایم علیه افراد و هم برای جرایم علیه اموال به طور قابل توجهی افزایش داد. ارزش شبه R-squared برای جرایم علیه اشخاص به 34.23 درصد و برای جرایم علیه اموال به 26.16 درصد رسید. مقدار لگاریتم درستنمایی بالاتر نشان دهنده برازش مدل بهتر است و این مقدار با استفاده از مدل تاخیر مکانی افزایش یافته است. در مدل‌های تاخیر فضایی، بزرگی ضرایب کمتر از مدل‌های OLS برای تراکم پوشش گیاهی و تراکم شبکه حمل‌ونقل است. برای جنایات علیه افراد، ضریب تراکم پوشش گیاهی از 0001/0- به 10×4863/7- کاهش یافت.-5 در حالی که بزرگی ضریب تراکم شبکه حمل و نقل از 0.0028 به 0.0036 افزایش یافت. برای جرایم علیه اموال، بزرگی ضریب تراکم پوشش گیاهی از 0.0002- به 0.0001- کاهش یافت و بزرگی ضریب تراکم شبکه حمل و نقل نیز کاهش یافت (0.0037 در مقابل 0.0034). مقدار p کمتر از 0.01 نشان دهنده سطح اطمینان 99٪ است در حالی که یک p– مقدار کمتر از 0.1 تنها سطح اطمینان 90% را نشان می دهد. برای هر دو نوع جرم، تراکم پوشش گیاهی در سطح اطمینان 99 درصد قابل توجه است و با این دو نوع جرم همبستگی منفی دارد، در حالی که تراکم شبکه حمل و نقل تنها می تواند در سطح اطمینان 90 درصد در هنگام استفاده از مدل تاخیر فضایی برای جرایم علیه مالکیت اهمیت داشته باشد. ، اما ارتباط مثبتی با هر دو جنایت دارد. برای سایر متغیرهای کنترلی، تنها تراکم خانواده تک والدی می تواند در سطح اطمینان 90 درصد برای جرایم علیه افراد و سطح اطمینان 95 درصد برای جرایم علیه دارایی اهمیت داشته باشد. این بدان معنی است که تراکم خانواده تک والدی می تواند رویدادهای مجرمانه را تقویت کند در حالی که تراکم جمعیت هم برای جرایم علیه افراد و هم برای جرایم علیه اموال متغیر قابل توجهی نیست. متفاوت از مطالعات شاو و مک کی [20 ، Wolfe and Mennis [ 11 ]، فقر همچنین واژه مهمی نیست که بر توزیع جنایات در منطقه کیچنر-واترلو تأثیر بگذارد، زیرا اهمیت آن در سطح اطمینان کمتر از 90 درصد هم برای جنایات علیه افراد و هم برای جنایات علیه دارایی حفظ می‌شود.
چهار نوع جرم خاص نیز با استفاده از مدل تاخیر فضایی مورد بررسی قرار گرفت و نتایج تشخیصی در جدول 5 ارائه شده است . مدل‌های حمله و مواد مخدر با مقادیر شبه R مربع در حدود 0.30 بیشترین قدرت توضیحی را دارند. با این حال، تنها 15.70 درصد از تغییرات در تراکم سرقت خودرو و 13.04 درصد از تغییرات در تراکم تخلفات جنسی را می توان با این متغیرهای مستقل در این مطالعه توضیح داد.
این نتایج مدل تاخیر مکانی نشان می‌دهد که اصطلاح تاخیر مکانی برای هر نوع جرم خاص قابل توجه است. با این حال، تراکم پوشش گیاهی و تراکم شبکه حمل و نقل تأثیرات مختلفی بر این چهار نوع جرم دارد. تراکم شبکه حمل و نقل به طور معناداری و مثبت با مواد مخدر همبستگی دارد در حالی که یک متغیر توضیحی قابل توجهی برای تجاوز، سرقت وسایل نقلیه و جرایم جنسی نیست. تراکم پوشش گیاهی در سطح اطمینان 99 درصد برای سرقت وسایل نقلیه و در سطح اطمینان 95 درصد برای حملات و مواد مخدر قابل توجه است. علاوه بر این، تراکم پوشش گیاهی متغیر قابل توجهی برای جرایم جنسی نیست. رابطه بین تراکم پوشش گیاهی و جرم همچنان منفی است. بیشترین مقدار ضریب تراکم پوشش گیاهی برای داروها ظاهر می شود در حالی که تراکم شبکه حمل و نقل نیز بیشترین تأثیر را بر داروها دارد. همانطور که برای سایر متغیرهای کنترل اجتماعی-اقتصادی و اجتماعی-جمعیتی، تراکم خانواده تک والدی برای تجاوز و سرقت وسایل نقلیه اهمیت دارد در حالی که تراکم جمعیت فقط برای جرایم جنسی قابل توجه است.p <0.1).
متغیر ساختگی شهری نیز برای بررسی تفاوت‌های مرکز شهری و حاشیه شهری به مدل اضافه شد. جدول 6 و جدول 7 نتایج رگرسیون فضایی را برای جرایم علیه اشخاص، جرایم علیه اموال و چهار نوع جرم خاص ارائه می دهد.
با افزودن این متغیر ساختگی شهری، مدل تأخیر فضایی می‌تواند توضیحات بهتری را برای جرایم علیه اشخاص یا جرایم علیه اموال ارائه دهد. ارزش شبه R-squad برای جرایم علیه اشخاص به 0.4120 افزایش یافت و ارزش برای جرایم علیه اموال به 0.3179 رسید. علاوه بر این، مقدار احتمال ورود به سیستم برای جرایم علیه افراد و جرم علیه اموال به ترتیب به 3701.33 و 3506.98 افزایش یافت که نشان می‌دهد این متغیر ساختگی شهری افزوده می‌تواند برازش مدل را بهبود بخشد. مدت تاخیر مکانی در سطح اطمینان 99% برای هر دو مدل و این متغیر ساختگی شهری اضافه شده نیز در سطح اطمینان 99% قابل توجه باقی می ماند. اهمیت تراکم شبکه حمل و نقل برای جرایم علیه شخص به سطح اطمینان 90 درصد کاهش می یابد در حالی که در سطح اطمینان 90 درصد برای جرایم علیه اموال حتی معنی دار نیست. علاوه بر این، میزان ضریب تراکم شبکه حمل و نقل هم برای جرایم علیه اشخاص و هم برای جرایم علیه اموال کاهش می یابد. اهمیت تراکم پوشش گیاهی در همان سطح اطمینان باقی می‌ماند، در حالی که میزان نیز برای جنایات علیه افراد و جرایم علیه اموال اندکی کاهش می‌یابد. بزرگی سایر ضرایب نیز کاهش یافت زیرا متغیر ساختگی شهری به عنوان مؤلفه مهمی در تبیین توزیع جرم در این تحقیق شناخته شده است. مقدار ضریب تراکم شبکه حمل و نقل هم برای جرایم علیه اشخاص و هم برای جرایم علیه اموال کاهش می یابد. اهمیت تراکم پوشش گیاهی در همان سطح اطمینان باقی می‌ماند، در حالی که میزان نیز برای جنایات علیه افراد و جرایم علیه اموال اندکی کاهش می‌یابد. بزرگی سایر ضرایب نیز کاهش یافت زیرا متغیر ساختگی شهری به عنوان مؤلفه مهمی در تبیین توزیع جرم در این تحقیق شناخته شده است. مقدار ضریب تراکم شبکه حمل و نقل هم برای جرایم علیه اشخاص و هم برای جرایم علیه اموال کاهش می یابد. اهمیت تراکم پوشش گیاهی در همان سطح اطمینان باقی می‌ماند، در حالی که میزان نیز برای جنایات علیه افراد و جرایم علیه اموال اندکی کاهش می‌یابد. بزرگی سایر ضرایب نیز کاهش یافت زیرا متغیر ساختگی شهری به عنوان مؤلفه مهمی در تبیین توزیع جرم در این تحقیق شناخته شده است.
همه این توزیع های جرم به جز توزیع جرایم جنسی را می توان با افزودن این متغیر ساختگی شهری بهتر توضیح داد. ارزش شبه R-squared به ترتیب به 36.34٪، 25.67٪ و 34.92٪ برای حملات، سرقت وسایل نقلیه و مواد مخدر افزایش یافت. مقدار احتمال ورود به سیستم نیز برای حملات، سرقت وسایل نقلیه و مواد مخدر به طور جداگانه بهبود یافته است که نشان دهنده تناسب بهتر مدل است. متغیر ساختگی شهری برای همه انواع جرم به جز جرایم جنسی قابل توجه است (01/0p<) . تراکم شبکه حمل و نقل تنها برای داروها ( p < 0.1) و تراکم پوشش گیاهی برای حملات ( p < 0.01)، سرقت وسایل نقلیه ( p <0.01) و مواد مخدر ( p <0.01) قابل توجه است.< 0.05). متفاوت از مدل‌های بدون متغیر ساختگی شهری، تراکم جمعیت برای تجاوزات، سرقت وسایل نقلیه و جرایم جنسی قابل توجه است، در حالی که تراکم خانواده تک‌والدی دیگر قابل توجه نیست. این مدل تاخیر فضایی با متغیر ساختگی شهری به عنوان مدل نهایی در این پژوهش در نظر گرفته شد.
سپس در این مطالعه از مدل رگرسیون وزن‌دار جغرافیایی استفاده شد و متغیرهای مستقل مورد استفاده در این مدل شامل تراکم فقر، تراکم جمعیت، تراکم خانواده تک‌والدی، تراکم پوشش گیاهی و تراکم شبکه حمل‌ونقل بود. متغیر ساختگی شهری به مدل‌های رگرسیون وزن‌دار جغرافیایی اضافه نشد زیرا قبلاً ویژگی‌های مرکز شهری را در نظر گرفته بود و از این رو ممکن است بر نتایج تأثیر بگذارد و سوگیری را در توزیع ضریب وارد کند. نتایج مدل رگرسیون وزن‌دار جغرافیایی مقادیر AICc کمتری در مقایسه با نتایج به‌دست‌آمده از مدل رگرسیون OLS برای جرایم علیه اشخاص و جرایم علیه اموال داشت. مقادیر کوچکتر AICc نشان دهنده بهبود از 0.0802 تا 0.2635 و از 0.1094 به 0 است. 2730 برای جرایم علیه اشخاص و جرایم علیه اموال به ترتیب. ضرایب تراکم پوشش گیاهی و تراکم شبکه حمل‌ونقل به‌دست‌آمده از رگرسیون وزن‌دار جغرافیایی می‌تواند بینش‌هایی را در مورد غیرایستایی فضایی این متغیرهای توضیحی ارائه دهد.شکل 5 تغییرات فضایی تأثیر تراکم شبکه حمل و نقل را بر جرایم علیه افراد و شکل 6 تأثیرات مختلف تراکم پوشش گیاهی را بر جرایم علیه افراد نشان می دهد.
بیشترین رابطه مثبت بین جرم و جنایت و تراکم شبکه حمل و نقل در بالای شهر واترلو و مرکز شهر کیچنر رخ می دهد. مناطق مرکزی شهری انتخاب شده در محدوده ای قرار می گیرند که بالاترین ضرایب را نشان می دهد. ضرایب تراکم شبکه حمل و نقل تقریباً برای کل منطقه مثبت باقی می ماند در حالی که مقادیر ضرایب در مناطق پیرامونی کوچکتر به نظر می رسد.
برخلاف شکل 5 ، مناطقی که با رنگ های روشن تر ترسیم شده اند، روابط منفی قوی تری را بین جرم و تراکم پوشش گیاهی نشان می دهند. به نظر می رسد پوشش گیاهی بازدارندگی بیشتری در مرکز شهری نسبت به حاشیه شهری ایجاد می کند. آن مناطق انتشار انتخاب شده برای مراکز شهری نیز در دایره داخلی مرتبط با کوچکترین مقادیر ضریب قرار می گیرند که در واقع بازدارندگی قوی تری را نشان می دهد. علاوه بر این، این رابطه منفی بین تراکم پوشش گیاهی و جرایم علیه افراد تقریباً برای کل منطقه مورد مطالعه باقی مانده است.
شکل 7 و شکل 8 اثرات تراکم شبکه حمل و نقل و تراکم پوشش گیاهی را بر جرایم علیه اموال نشان می دهد. به نظر می رسد تأثیر آنها بر جرایم علیه اموال با تأثیر آنها بر جرایم علیه افراد متفاوت است، اما هنوز برخی از ویژگی های مشترک وجود دارد.
روند کلی نشان داده شده در شکل 7 مشابه شکل 5 است . به نظر می رسد برخی از مناطق حاشیه ای رابطه مثبت بیشتری بین تراکم شبکه حمل و نقل و جرم و جنایت دارند. با این حال، ضرایب تراکم شبکه حمل و نقل در مناطق مرکزی شهری هنوز در بالاترین شیب یا دومین شیب بالاتر قرار می گیرد. ضرایب نیز در اکثر مناطق مثبت باقی می ماند.
شکل 8 پوشش گیاهی در مرکز شهری را نشان می دهد که هنوز قوی ترین بازدارندگی را در برابر جرایم علیه مالکیت دارد. علاوه بر این، منطقه دیگری به همراه جاده شریانی نیز تمایل به داشتن مقدار بیشتری از ضریب دارد. با این حال، تراکم پوشش گیاهی رابطه منفی با جرایم علیه مالکیت در کل منطقه حفظ می کند.

6. بحث

نتایج این مطالعه موردی رابطه معکوس بین پوشش گیاهی و جرم و جنایت را نشان می دهد، در حالی که رابطه بین شبکه های حمل و نقل و جرم همچنان مثبت است. پس از کنترل سایر متغیرهای اجتماعی-اقتصادی و اجتماعی- جمعیتی، تراکم پوشش گیاهی همچنان رابطه منفی معناداری با جرایم علیه اشخاص و جرایم علیه اموال حفظ کرده است. در همین حال، تراکم شبکه حمل و نقل به طور مداوم در وقوع جرایم علیه اشخاص و جرایم علیه اموال نقش دارد. حتی اگر انواع مختلف پوشش درختان ممکن است تأثیرات مختلفی بر جرم داشته باشند، که در این مطالعه مورد آزمایش قرار نگرفتند، به نظر می‌رسد سهم کلی پوشش گیاهی در جامعه بر اساس این مطالعه مثبت باشد. پوشش گیاهی می تواند یک عامل بازدارنده در برابر حوادث جنایی باشد. این نتیجه همچنین با مطالعات Wolfe و Mennis مطابقت دارد.11 ] و تروی و همکاران. [ 10]. علاوه بر این، حتی اگر شبکه های حمل و نقل می توانند توجه بیشتری را در خیابان به خود جلب کنند، همگرایی بین متخلفان و اهداف جنایتکار را نیز فراهم می کند. علاوه بر این، غریبه های گذرا که توسط شبکه های حمل و نقل جذب می شوند، پتانسیل جرم را بهبود می بخشند. شبکه‌های حمل و نقل ممکن است تأثیرات مثبت و منفی بر جرم داشته باشند، زیرا تمایل دارند تأثیر قوی‌تری بر افزایش رویدادهای جنایی داشته باشند. علاوه بر این، به نظر می رسد هر دو پوشش گیاهی و شبکه های حمل و نقل تأثیر قوی تری بر جرایم علیه اموال دارند. دلیل اینکه چرا پوشش گیاهی بازدارندگی قوی‌تری برای جرایم علیه اموال دارد را می‌توان با نظریه «پنجره شکسته» توضیح داد، که بیان می‌کند فضای سبز به خوبی نگهداری می‌شود و از این رو جرایم علیه اموال مانند شکستن و ورود و سرقت وسیله نقلیه است. ، کاهش خواهد یافت. با این حال، به نظر می رسد شبکه های حمل و نقل رابطه قوی تری با جرایم علیه افراد دارند و برای جرایم علیه اموال اهمیت چندانی ندارند. این نتیجه‌گیری ممکن است با نتیجه‌گیری که توسط Brantingham و Brantingham پشتیبانی می‌شود متفاوت باشد.43 ]، که دریافتند مجرمانی که اموال را هدف قرار می دهند همیشه در مناطقی با شبکه جاده ای کامل مرتکب جنایت می شوند تا بتوانند به راحتی راه هایی برای فرار بیابند. همچنین ممکن است دیدگاه Jarrell و Howsen را نقض کند [ 44]، یعنی بیگانگان در یک منطقه می توانند تأثیر قابل توجهی بر جرایم علیه اموال داشته باشند و تأثیرات کمی بر جرایم علیه افراد داشته باشند. به عبارت دیگر جرایم علیه اموال می تواند بیشتر تحت تأثیر پوشش گیاهی و جرایم علیه اشخاص بیشتر تحت تأثیر شبکه های حمل و نقل باشد. اصطلاح تاخیر مکانی برای هر دو مدل قابل توجه است. این نشان می دهد که خوشه فضایی وجود دارد و بر وقوع جرم تأثیر می گذارد و این امکان را برای مجرمان فراهم می کند که به راحتی از یک بلوک به بلوک دیگر حرکت کنند. نفوذ فضایی ممکن است با شهرت مناطق خاص یا به طیف وسیعی از فعالیت های معمول مرتکبین توضیح داده شود.
چهار نوع جرم خاص نیز با استفاده از مدل‌های تاخیر فضایی مورد بررسی قرار گرفته‌اند. در این مطالعه رابطه معنی داری بین پوشش گیاهی، شبکه های حمل و نقل و تجاوز جنسی وجود ندارد و احتمالاً به دلیل نرخ پایین تجاوزات جنسی در این منطقه است. تراکم پوشش گیاهی رابطه معنی داری با حملات، سرقت وسایل نقلیه و مواد مخدر دارد و ممکن است همچنان با تأثیر فضاهای سبز به خوبی نگهداری شده همراه باشد. علاوه بر این، بخش بزرگی از فضای سبز تمایل دارد افراد بیشتری را به بیرون جذب کند و بنابراین نظارت بیشتری را فراهم می کند. به نظر می رسد تراکم شبکه حمل و نقل رابطه مثبت معناداری با حمله داشته باشد، اما اهمیت آن با افزودن یک متغیر ساختگی شهری کاهش یافت. با این حال، شبکه های حمل و نقل به طور قابل توجهی بر وقوع جرایم مرتبط با مواد مخدر تأثیر می گذارد. این رابطه با یافته های Weisheit و همکاران سازگار است. [68 ]، که دریافتند که قاچاق مواد مخدر با بهبود بزرگراه ها تسهیل شده است. حتی اگر وسعت منطقه کیچنر-واترلو یک منطقه متوسط ​​با نرخ فقر نسبتاً پایین باشد، رابطه بین پوشش گیاهی و جرم و جنایت همچنان مانند سایر شهرها مانند فیلادلفیا [11] و پورتلند [12] باقی مانده است . در حالی که رابطه بین شبکه حمل و نقل و جرم مانند سایر مطالعات در بریتیش کلمبیا، کانادا است [ 15 ].
تحلیل‌های فضایی، با افزودن متغیرهای ساختگی شهری در مدل‌های رگرسیون فضایی، و تحلیل‌های رگرسیون وزن‌دار جغرافیایی، نشان می‌دهد که عوامل شهری با تراکم جرم بالاتر مرتبط هستند. با این حال، شبکه های حمل و نقل همچنان در مقایسه با این عامل شهری تأثیر مثبت قوی تری بر جرایم دارند. بر اساس این نتایج تجسمی، تأثیر پوشش گیاهی و شبکه‌های حمل‌ونقل در فضا متفاوت است. به نظر می رسد پوشش گیاهی در مرکز شهری اهمیت بیشتری دارد زیرا می تواند بازدارندگی بیشتری نسبت به محیط شهری ایجاد کند. با این حال، پوشش گیاهی هنوز رابطه منفی با جرم و جنایت در حاشیه شهری حفظ کرده است و این نتیجه ممکن است با مطالعه تروی و همکاران متفاوت باشد. [ 10] که در آن برخی روابط مثبت بین پوشش گیاهی و جرم در مناطق روستایی یافت شد. علاوه بر این، شبکه های حمل و نقل در مرکز شهری می تواند مجرمان بیشتری را جذب کند. مرتکبین ممکن است همچنان مرکز شهری را برای ارتکاب جرم انتخاب کنند، زیرا دسترسی بالاتری که توسط شبکه‌های حمل و نقل متراکم ایجاد می‌شود، به طور بالقوه می‌تواند راحتی مجرمان را فراهم کند. همچنین، استفاده از زمین در مرکز شهری، مانند کاربری تجاری زمین [ 31 ] نیز ممکن است به تفاوت بین مرکز شهری و حاشیه شهری منجر شود. علاوه بر این، تراکم شبکه حمل و نقل و تراکم پوشش گیاهی نه تنها در مرکز شهری، بلکه در نواحی اطراف جاده های شریانی که به عنوان کریدورهای تجاری شریانی تعیین می شوند، بیشترین بزرگی را دارند [63، 64 ] .]. با این حال، تاثیر متفاوت کاربری تجاری و مسکونی باید بیشتر مورد بازرسی قرار گیرد.
محدودیت هایی در این مطالعه وجود دارد که می تواند بر دقت و نتیجه گیری آن تأثیر بگذارد. اول اینکه به دلیل محدودیت داده ها، همه متغیرها در این مطالعه در نظر گرفته نشدند. از آنجایی که مجموعه داده های اداره آمار کانادا در سال 2011 با آنچه در سال 2006 انجام شد کاملاً متفاوت بود، نمی توان همه مجموعه داده های اجتماعی-اقتصادی در سال 2011 را در سطح منطقه انتشار به دست آورد. در نتیجه، سایر متغیرهای اقتصادی-اجتماعی مانند تحصیلات و قومیت را نمی توان در این مطالعه در نظر گرفت، حتی اگر این متغیرها ارتباط ثابتی با جرم داشته باشند. تأثیر این متغیرهای حذف شده ممکن است تأثیر قابل توجهی بر نتایج داشته باشد. همچنین تحرک انسان در این مطالعه به دلیل کمبود اطلاعات مربوط به فعالیت ساکنان مورد توجه قرار نگرفته است. مطالعه اخیر توسط Mburu و Helbich [ 69] نشان می دهد که جمعیت محیط با در نظر گرفتن تحرک انسان می تواند تجزیه و تحلیل جرم را بهبود بخشد. نه تنها تحلیل مکان محور می تواند برای تجزیه و تحلیل جرم انجام شود، بلکه تحلیل مبتنی بر جهت نیز می تواند به توضیح وقوع جرم کمک کند. علاوه بر این، با گنجاندن متغیرهای محدود، مقادیر مجذور R کلی نسبتا پایین بود.
علاوه بر این، این منابع داده از سال های مختلف به دست آمده اند و این ممکن است سوگیری را در این مطالعه وارد کند. اگرچه اکثر کاربری زمین در این سال ها ثابت مانده است، هنوز تفاوت های بالقوه ای برای پوشش گیاهی بین سال های 2009 و 2013 وجود دارد. با این حال، مجموعه داده های سال 2011 آخرین مجموعه داده های سرشماری هستند که می توان به دست آورد. علاوه بر این، تاریخ تصاویر لندست استفاده شده در این مطالعه نیز ممکن است بر قابلیت اطمینان نتایج تأثیر بگذارد، زیرا برخی از گونه‌های گیاهی در ماه مه سبز نشده بودند، و از این رو، این پوشش گیاهی ممکن است به اشتباه طبقه‌بندی شده باشد.
دقت طبقه بندی نقشه های کاربری اراضی محدودیت دیگری است. از آنجایی که وضوح تصویر یکپارچه نهایی 8 متر × 8 متر بود، برخی از مناطق دارای درخت ممکن است به عنوان پوشش گیاهی طبقه بندی نشوند. هیچ مجموعه داده طبقه بندی کاربری زمین کتابخانه ای مناسبی برای منطقه کیچنر-واترلو در دسترس نیست و نقشه طبقه بندی استفاده شده بهترین منبعی بود که می توانستیم به دست آوریم. علاوه بر این، بدون پشتیبانی از تصاویر با وضوح بالا، پوشش گیاهی را نمی توان با توجه به نوع آن طبقه بندی کرد و بنابراین، بازرسی بیشتر بر اساس این نقشه طبقه بندی کاربری اراضی امکان پذیر نیست. محاسبه تراکم پوشش گیاهی بر اساس شمارش پیکسل ممکن است دقت را کاهش دهد. برخی از پیکسل های تقسیم شده با خط مرزی باید به عنوان یک کل فقط برای یک منطقه انتشار خاص شمارش شوند.
مشکل واحد منطقه قابل تغییر (MAUP) ممکن است مشکل دیگری باشد. مجموعه داده های مورد استفاده در این مطالعه همه در سطح منطقه انتشار بودند که کوچکترین واحد فضایی آماری در کانادا است. با این حال، مطالعات دیگر ممکن است بر اساس واحدهای فضایی متفاوت باشد. تروی و همکاران [ 10 ] تحقیقات خود را بر اساس بلوک سرشماری، که کوچکترین واحد فضایی در ایالات متحده است، انجام دادند، در حالی که Wolfe و Mennis [ 11 ] مطالعه خود را بر اساس سرشماری پردازش کردند. نتایج بر اساس واحدهای فضایی مختلف ممکن است کاملاً متفاوت باشد، در حالی که هیچ تحقیقی این تأثیر را در کشف رابطه بین جرم و پوشش گیاهی بررسی نکرده است. ما بینش بیشتری را بر اساس این واحد فضایی ارائه کرده‌ایم که مطالعات قبلی را گسترش می‌دهد.

7. نتیجه گیری

یافته های این تحقیق بر اساس کیچنر-واترلو شواهد قوی برای ارتباط بین پوشش گیاهی، شبکه های حمل و نقل و جرم و جنایت از طرق مختلف ارائه می دهد. اول، پوشش گیاهی ارتباط منفی هم با جنایات علیه افراد و هم با جرایم علیه اموال حفظ می کند در حالی که شبکه های حمل و نقل رابطه مثبتی با جنایات علیه افراد و جنایت علیه اموال حفظ می کنند. ثانیاً، این نتیجه هم برای جرایم علیه افراد و هم برای جرایم علیه اموال صادق است، اما پوشش گیاهی تمایل دارد تأثیرات قوی تری بر جرایم علیه اموال داشته باشد و شبکه های حمل و نقل تأثیرات قوی تری بر جرایم علیه افراد دارند. سوم، خودهمبستگی فضایی شمارش شده است و این دو رابطه فضایی یکسان باقی می مانند. چهارم، پوشش گیاهی را می توان یک عامل بازدارنده برای حملات، سرقت وسایل نقلیه و مواد مخدر در نظر گرفت. در حالی که شبکه های حمل و نقل می تواند تسهیل کننده مواد مخدر باشد. پنجم، شخصیت شهری بر گسترش جرم تأثیر می گذارد در حالی که مراکز شهری تمایل بیشتری به جذب جرم دارند. در نهایت، پوشش گیاهی و شبکه های حمل و نقل ممکن است تأثیر قوی تری در مرکز شهری نسبت به حاشیه شهری داشته باشند.
این یافته ها به شکاف موجود در ادبیات از نظر ارتباط بین پوشش گیاهی و جرم و جنایت در کانادا می پردازد. با این حال، به دلیل ویژگی‌های شهری متفاوت در شهرهای مختلف، تحلیل‌های مبتنی بر شهرهای دیگر ممکن است یافته‌ها و نتیجه‌گیری‌های متضادی را ارائه دهند. تحلیل جرم پیچیده است و باید بیشتر مورد بررسی قرار گیرد. علاوه بر این، رابطه بین جرم و جنایت و شبکه های حمل و نقل را می توان بر اساس تأثیرات محله درک کرد. این مطالعه می تواند پیشنهاداتی برای سیاست های بهتر برای دولت ها و جوامع ارائه دهد.

منابع

  1. شارپ، ب. جغرافیای قربانی شدن جنایی در کانادا. می توان. Geogr. 2000 ، 44 ، 418-428. [ Google Scholar ] [ CrossRef ]
  2. بویس، جی. کوتر، ا. Perreault، S. آمار جنایات گزارش شده توسط پلیس در کانادا، 2013 ; آمار کانادا: اتاوا، ON، کانادا، 2014. [ Google Scholar ]
  3. اندرسن، MA اقدامات جنایی و تحلیل فضایی فعالیت مجرمانه. برادر J. Criminol. 2006 ، 46 ، 258-285. [ Google Scholar ] [ CrossRef ]
  4. فرانک، آر. اندرسن، MA; برانتینگهام، PL تجسم سوگیری جهت دار در حوادث جرایم دارایی برای پنج شهرداری کانادا. می توان. Geogr. 2013 ، 57 ، 31-42. [ Google Scholar ] [ CrossRef ]
  5. آنسلین، ال. کوهن، جی. کوک، دی. گور، دبلیو. تیتا، جی. تحلیل های فضایی جرم. جنایت. عدالت 2000 ، 4 ، 213-262. [ Google Scholar ]
  6. ناسار، جی ال. فیشر، ب. “نقاط داغ” ترس و جنایت: تحقیق چند روشی. جی. محیط زیست. روانی 1993 ، 13 ، 187-206. [ Google Scholar ] [ CrossRef ]
  7. مایکل، SE; هال، RB اثرات پوشش گیاهی بر جرم در پارک های شهری . ویرجینیا پلی تکنیک و دانشگاه ایالتی: بلکسبورگ، ویرجینیا، ایالات متحده آمریکا، 1994. [ Google Scholar ]
  8. Kuo، FE; سالیوان، WC محیط زیست و جرم و جنایت در داخل شهر آیا پوشش گیاهی جرم را کاهش می دهد؟ محیط زیست رفتار 2001 ، 33 ، 343-367. [ Google Scholar ] [ CrossRef ]
  9. Snelgrove، AG; مایکل، جی اچ. Waliczek، TM; Zajicek، JM سبز شدن شهری و رفتار مجرمانه: دیدگاه سیستم اطلاعات جغرافیایی. هورت تکنول. 2004 ، 14 ، 48-51. [ Google Scholar ]
  10. تروی، آ. Grove, JM; O’Neil-Dunne, J. رابطه بین تاج درخت و نرخ جرم و جنایت در یک شیب شهری-روستایی در منطقه بزرگتر بالتیمور. Landsc. طرح شهری. 2012 ، 106 ، 262-270. [ Google Scholar ] [ CrossRef ]
  11. Wolfe، MK; منیس، جی. آیا پوشش گیاهی جرایم شهری را تشویق یا سرکوب می کند؟ شواهدی از فیلادلفیا، پا. Landsc. طرح شهری. 2012 ، 1082 ، 112-122. [ Google Scholar ] [ CrossRef ]
  12. دونوان، جی اچ. پرستمون، جی پی تأثیر درختان بر جرم و جنایت در پورتلند، اورگان. محیط زیست رفتار 2012 ، 44 ، 3-30. [ Google Scholar ] [ CrossRef ]
  13. جیکوبز، جی. مرگ و زندگی شهرهای بزرگ آمریکا . وینتاژ: نیویورک، نیویورک، ایالات متحده آمریکا، 1961. [ Google Scholar ]
  14. بیویس، سی. Nutter، JB تغییر طرح‌بندی خیابان‌ها برای کاهش سرقت از منازل. در نشست سالانه انجمن جرم شناسی آمریکا ؛ مرکز پیشگیری از جنایت مینه سوتا: آتلانتا، GA، ایالات متحده آمریکا، 1977; صص 1-35. [ Google Scholar ]
  15. بیون، دی جی; برانتینگهام، PL; برانتینگهام، پی جی تأثیر شبکه های خیابانی بر الگوبرداری از جرایم مالکیتی. جنایت قبلی گل میخ. 1994 ، 2 ، 115-148. [ Google Scholar ]
  16. گراف، ای آر. ویزبرد، دی. یانگ، اس ام آیا بررسی روند جرم و جنایت در سطح “خرد” محلی مهم است؟ تحلیل طولی تغییرپذیری خیابان به خیابان در مسیرهای جرم و جنایت جی. کوانت. Criminol. 2010 ، 26 ، 7-32. [ Google Scholar ] [ CrossRef ]
  17. Rephann، TJ پیوندهای بین توسعه روستایی و جرم و جنایت. پاپ Reg. علمی 1999 ، 78 ، 365-386. [ Google Scholar ] [ CrossRef ]
  18. Boggs، SL الگوهای جرم شهری. صبح. اجتماعی Rev. 1965 , 30 , 899-908. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  19. اندرسن، MA تحلیل فضایی جرم در ونکوور، بریتیش کلمبیا: ترکیبی از بی‌سازمانی اجتماعی و نظریه فعالیت معمول. می توان. Geogr. 2006 ، 50 ، 487-502. [ Google Scholar ] [ CrossRef ]
  20. شاو، CR; McKay، HD نوجوانان بزهکاری و مناطق شهری: مطالعه میزان بزهکاری در رابطه با ویژگی های متفاوت جوامع محلی در شهرهای آمریکا . انتشارات دانشگاه شیکاگو: شیکاگو، IL، ایالات متحده آمریکا، 1942. [ Google Scholar ]
  21. سامپسون، RJ; گرووز، ساختار جامعه و جرم و جنایت: آزمایش نظریه بی‌سازمانی اجتماعی. صبح. جی. سوسیول. 1989 ، 774-802. [ Google Scholar ] [ CrossRef ]
  22. کلمن، جی اس. کلمن، JS مبانی نظریه اجتماعی . انتشارات دانشگاه هاروارد: کمبریج، MA، ایالات متحده آمریکا، 1994. [ Google Scholar ]
  23. تسلونی، ع. آزبورن، DR. تریکت، ا. Pease, K. مدل‌سازی جرایم دارایی با استفاده از بررسی جنایات بریتانیا. ما چه آموخته ایم؟ برادر J. Criminol. 2002 ، 42 ، 109-128. [ Google Scholar ] [ CrossRef ]
  24. ویلسون، WJ وقتی کار ناپدید می شود: دنیای فقرای جدید شهری . وینتاژ: نیویورک، نیویورک، ایالات متحده آمریکا، 2011. [ Google Scholar ]
  25. Pattillo, M. Black Picket Fences: Privilege and Ril در میان طبقه متوسط ​​سیاه پوست ; انتشارات دانشگاه شیکاگو: شیکاگو، IL، ایالات متحده آمریکا، 2013. [ Google Scholar ]
  26. کوهن، LE; فلسون، ام. تغییرات اجتماعی و روند نرخ جرم و جنایت: رویکرد فعالیت معمول. صبح. اجتماعی Rev. 1979 , 588-608. [ Google Scholar ] [ CrossRef ]
  27. نیومن، O. فضای دفاعی ; مک میلان: نیویورک، نیویورک، ایالات متحده آمریکا، 1972. [ Google Scholar ]
  28. جانستون، JW طبقه اجتماعی، مناطق اجتماعی و بزهکاری. اجتماعی Soc. Res. 1978 ، 63 ، 49-72. [ Google Scholar ]
  29. اسمیت، WR; Frazee, SG; دیویسون، EL ادامه ادغام فعالیت های معمول و نظریه های بی نظمی اجتماعی: واحدهای کوچک تحلیل و مطالعه سرقت خیابانی به عنوان یک فرآیند انتشار. جرم شناسی 2000 ، 38 ، 489-524. [ Google Scholar ] [ CrossRef ]
  30. Bursik، RJ، Jr. Grasmick، HG Neighborhoods & Crime ; Lexington Books: Lanham, MD, USA, 1999. [ Google Scholar ]
  31. چن، دی. ویکز، جی آر. Kaiser, JV, Jr. سنجش از دور و آمار فضایی به عنوان ابزاری در تجزیه و تحلیل جرم. Geogr. Inf. سیستم جنایت مقعد. 2005 . [ Google Scholar ] [ CrossRef ]
  32. Weisel, DL Addressing Community Decay and Crime: رویکردها و توضیحات جایگزین . مؤسسه شهری: واشنگتن، دی سی، ایالات متحده آمریکا، 1994. [ Google Scholar ]
  33. تالبوت، جی اف. نیازها و ترس ها: پاسخ به درختان و طبیعت در درون شهر. J. Arboric. 1984 ، 10 ، 222-228. [ Google Scholar ]
  34. شفر، جی اس. اندرسون، LM درک امنیت و جذابیت پارکینگ های شهری. جی. محیط زیست. روانی 1985 ، 5 ، 311-323. [ Google Scholar ] [ CrossRef ]
  35. مایکل، SE; هال، RB; Zahm، DL عوامل محیطی موثر بر سرقت خودرو یک مطالعه موردی. محیط زیست رفتار 2001 ، 33 ، 368-388. [ Google Scholar ] [ CrossRef ]
  36. Kuo، FE نقش درختکاری در یک بوم‌شناسی اجتماعی سالم. J. Arboric. 2003 ، 29 ، 148-155. [ Google Scholar ]
  37. کلمن، A. آرمان شهر در مورد آزمایش: چشم انداز و واقعیت در مسکن برنامه ریزی شده . Longwood Pr Ltd.: لندن، بریتانیا، 1985. [ Google Scholar ]
  38. ویلسون، جی کیو. Kelling، GL پنجره های شکسته. Atl. دوشنبه 1982 ، 249 ، 29-38. [ Google Scholar ]
  39. کاپلان، اس. خستگی ذهنی و محیط طراحی شده . محیط‌های عمومی: اتاوا، ON، کانادا، 1987. [ Google Scholar ]
  40. توبیاس، جی جی جرایم شهری در انگلستان ویکتوریایی ؛ شوکن: نیویورک، نیویورک، ایالات متحده آمریکا، 1972. [ Google Scholar ]
  41. برانتینگهام، PL; Brantingham، PJ Nodes، مسیرها و لبه ها: ملاحظات در مورد پیچیدگی جرم و محیط فیزیکی. جی. محیط زیست. روانی 1993 ، 13 ، 3-28. [ Google Scholar ] [ CrossRef ]
  42. تیلور، ام. Nee, C. نقش نشانه ها در سرقت مسکونی شبیه سازی شده – یک تحقیق مقدماتی. بیر. J. Criminol. 1988 ، 28 ، 396-401. [ Google Scholar ]
  43. برانتینگهام، PL; Brantingham، PJ جرم و جنایت مکان. یورو جی. جنایت. نتیجه سیاست 1995 ، 3 ، 5-26. [ Google Scholar ] [ CrossRef ]
  44. جارل، اس. Howsen, RM ازدحام و جنایت گذرا. صبح. جی. اکون. اجتماعی 1990 ، 49 ، 483-494. [ Google Scholar ] [ CrossRef ]
  45. کاستلو، آ. وایلز، پی. گیس و سفر به جرم: تحلیلی از الگوها در یورکشایر جنوبی. در نقشه برداری و تجزیه و تحلیل داده های جرم: درس هایی از تحقیق و عمل . CRC Press: Boca Raton، FL، USA، 2001; صص 27-60. [ Google Scholar ]
  46. Pyle، GF; Hanten، EW; ویلیامز، پی.جی. پیرسون، ا. Doyle, JG The Spatial Dynamics of Crime ; دانشگاه شیکاگو، گروه جغرافیا: شیکاگو، IL، ایالات متحده آمریکا، 1974. [ Google Scholar ]
  47. منابع طبیعی کانادا پوشش زمین، حدود 2000-بردار (lcc2000-v)—040p—Kitchener، انتاریو ؛ منابع طبیعی کانادا: اتاوا، ON، کانادا، 2009. [ Google Scholar ]
  48. خدمات، WRP خدمات پلیس منطقه ای واترلو (WRPS) گزارش سالانه 2013 ; خدمات پلیس منطقه ای واترلو: واترلو، ON، کانادا، 2014. [ Google Scholar ]
  49. آمار کانادا جدول 4 میزان جرم گزارش شده توسط پلیس، بر اساس سرشماری منطقه شهری، 2013 ؛ آمار کانادا: اتاوا، ON، کانادا، 2014. [ Google Scholar ]
  50. بریمن، L. جنگل های تصادفی. ماخ فرا گرفتن. 2001 ، 45 ، 5-32. [ Google Scholar ] [ CrossRef ]
  51. پال، M. طبقه بندی جنگل تصادفی برای طبقه بندی سنجش از دور. بین المللی J. Remote Sens. 2005 ، 26 ، 217-222. [ Google Scholar ] [ CrossRef ]
  52. فریدل، MA; برادلی، طبقه بندی درخت تصمیم CE پوشش زمین از داده های سنجش از دور. سنسور از راه دور محیط. 1997 ، 61 ، 399-409. [ Google Scholar ] [ CrossRef ]
  53. پائولا، جی دی. شوونگرت، RA بررسی و تحلیل شبکه های عصبی پس انتشار برای طبقه بندی تصاویر چند طیفی سنجش از دور. بین المللی J. Remote Sens. 1995 ، 16 ، 3033-3058. [ Google Scholar ] [ CrossRef ]
  54. هریس، کی. محیط زیست قتل و حمله: شهر و شهرستان بالتیمور، 1989-1991. گل میخ. جنایت جنایت قبلی 1995 ، 4 ، 44-60. [ Google Scholar ]
  55. پایین، A. وایلز، ص. سیاست جنایت و مسکن: چارچوبی برای تحلیل پیشگیری از جرم. در جوامع و کاهش جرم و جنایت ; HMSO: لندن، انگلستان، 1988; صص 84-98. [ Google Scholar ]
  56. کیهیل، من؛ مولیگان، GF عوامل تعیین کننده جرم در توسان، آریزونا 1. جئوگر شهری. 2003 ، 24 ، 582-610. [ Google Scholar ] [ CrossRef ]
  57. کانادا، S. درآمد کم در کانادا – دیدگاه چند خطی و چند شاخصی. در دسترس آنلاین: http://www.statcan.gc.ca/pub/75f0002m/2012001/summary-sommaire-eng.htm (در 15 آگوست 2015 قابل دسترسی است).
  58. دیسموک، سی. لیندروث، R. حداقل مربعات معمولی. در روشها و طرحها برای نتایج تحقیق ; ASHP: Bethesda، MD، USA، 2006; صص 93-104. [ Google Scholar ]
  59. Anselin, L. کاوش داده های مکانی با ژئودا: کتاب کار. در دسترس آنلاین: http://www.unc.edu/~emch/gisph/geodaworkbook.pdf (در 15 اوت 2015 قابل دسترسی است).
  60. آنسلین، ال. Hudak, S. اقتصاد سنجی فضایی در عمل: بررسی گزینه های نرم افزار. Reg. علمی اقتصاد شهری 1992 ، 22 ، 509-536. [ Google Scholar ] [ CrossRef ]
  61. بخش، MD; مدل‌های رگرسیون فضایی گلدیچ، KS ; Sage: لندن، انگلستان، 2008. [ Google Scholar ]
  62. واترلو، طرح رسمی منطقه ای RO. در دسترس آنلاین: http://www.regionofwaterloo.ca/en/regionalGovernment/PreviousROP.asp (در 15 اوت 2015 قابل دسترسی است).
  63. شهر واترلو برنامه رسمی شهر واترلو برنامه کاربری اراضی برنامه “a” ; شهر واترلو: واترلو، ON، کانادا، 2013. [ Google Scholar ]
  64. شهر کیچنر. نقشه طرح شهرداری شهر کیچنر 7 مناطق کاربری اراضی مرکز شهر ; City of Kitchener: Kitchener, ON, Canada, 2006. [ Google Scholar ]
  65. براندون، سی. رگرسیون وزن‌دار جغرافیایی: یک تکامل طبیعی روش بسط برای تجزیه و تحلیل داده‌های مکانی. محیط زیست طرح. 1998 ، 30 ، 1905-1927 . [ Google Scholar ] [ CrossRef ]
  66. براندون، سی. فاثرینگهام، اس. چارلتون، ام. رگرسیون وزنی جغرافیایی. JR Stat. Soc. سر. D 1998 , 47 , 431-443. [ Google Scholar ] [ CrossRef ]
  67. برناسکو، دبلیو. Elffers, H. تجزیه و تحلیل آماری داده های جرم فضایی. در کتابچه راهنمای جرم شناسی کمی ; Piquero, AR, Weisburd, D., Eds. Springer: New York, NY, USA, 2010; صص 699-724. [ Google Scholar ]
  68. Weisheit، RA; فالکون، DN; Wells, LE Rural Crime and Rural Policing ; وزارت دادگستری ایالات متحده، دفتر برنامه های عدالت، موسسه ملی دادگستری: واشنگتن، دی سی، ایالات متحده آمریکا، 1994.
  69. امبورو، LW; Helbich، M. برآورد خطر جرم با جمعیت محیطی هماهنگ شده با مسافران. ان صبح. دانشیار Geogr. 2016 ، 106 ، 804-818. [ Google Scholar ] [ CrossRef ]
Ijgi 05 00118 g001 1024
شکل 1. توزیع جرم در منطقه کیچنر-واترلو، 2013.
Ijgi 05 00118 g002 1024
شکل 2. مرکز شهری منتخب در کیچنر-واترلو.
Ijgi 05 00118 g003 1024
شکل 3. آزمون موران I برای جنایات علیه افراد (OLS: چپ؛ فاصله مکانی: راست).
Ijgi 05 00118 g004 1024
شکل 4. آزمون های موران I برای جرایم علیه اموال (OLS: چپ؛ تاخیر فضایی: راست).
Ijgi 05 00118 g005 1024
شکل 5. تأثیر تراکم شبکه حمل و نقل بر جرایم علیه افراد.
Ijgi 05 00118 g006 1024
شکل 6. تأثیر تراکم پوشش گیاهی بر جرایم علیه افراد.
Ijgi 05 00118 g007 1024
شکل 7. تأثیر تراکم شبکه حمل و نقل بر جرایم علیه اموال.
Ijgi 05 00118 g008 1024
شکل 8. تأثیر تراکم پوشش گیاهی بر جرایم علیه اموال.
جدول
جدول 1. متغیرهای وابسته و مستقل.
جدول
جدول 2. آمار توصیفی متغیرهای وابسته و مستقل.
جدول
جدول 3. همبستگی برای متغیرهای مستقل.
جدول
جدول 4. نتایج رگرسیون فضایی برای جرایم علیه اشخاص و جرایم علیه اموال.
جدول
جدول 5. نتایج رگرسیون فضایی برای تجاوزات، سرقت وسایل نقلیه، جرایم جنسی، و مواد مخدر.
جدول
جدول 6. نتایج رگرسیون فضایی برای جرایم علیه افراد و جرایم علیه مالکیت در شیب مرکزی-پیرامونی شهری.
جدول
جدول 7. نتایج رگرسیون فضایی برای حمله، سرقت خودرو، جرایم جنسی، و مواد مخدر در امتداد شیب مرکزی-پیرامونی شهری.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370