
حل مشکل اندازه و شکلهای متفاوت محدودههای ادارای و اجرایی، میتوان شبکهای یکپارچه را بر روی محدوده تحت مطالعه که به صورت موضوعی هاشور زده شده است، ترسیم نمود. واحدی که باید به صورت موضوعی روی نقشه آورده شود، میتواند تعداد جرم در هر سلول شبکه باشد یا محاسبه تراکم بزهکاری برای هر سلول شبکه محاسبه میشود. اگر اندازه سلولهای شبکه کوچک باشد و در صورتی که واقعاً کانونهای جرمخیز درون نواحی جغرافیایی وجود داشته باشد، تحلیلگر میتواند آنها را شناسایی کند و در عین حال وجود میزان بالای جرم در محدودههای جغرافیایی کوچکتر نیز مورد محاسبه قرار گرفته و نمایش داده میشود.(همان: 53).
3-5-4- روش درونیابی و روش هموارسازی سطح پیوسته
3-5-4-1- روش درونیابی
درونیابی روشی با محبوبیت فزاینده برای به تصویر کشیدن توزیع جرم و شناسایی کانونهای جرم خیز است. این روش تعداد نقاط جرم درون شعاع تعیین شده جستجو را با هم جمع میکند و سطح هموار و پیوستهای ایجاد مینماید که نمایانگر حجم یا تراکم توزیع جرم در محدوده مورد مطالعه است. از جمله موارد استفاده از روشهای درون یابی، نمایش سطوح توزیع میزان بارش در یک محدوده جغرافیایی است.
3-5-4-2- روش تخمین تراکم کرنل 1
مناسبترین روش برای به تصویر کشیدن دادههای بزهکاری به صورت سطح پیوسته، روش تراکم کرنل چهارگانه است. این روش سطح همواری از تغییرات در تراکم نقاط جرم در روی محدوده ایجاد مینماید.
استفاده فزاینده ترسیم نقشه به روش هموارسازی سطح پیوسته، عمدتاً به دلیل جنبههای دیداری و در دسترس بودن آن است. نقشههای تهیه شده به روش هموارسازی سطح پیوسته کانونهای جرم خیز، امکان تغییر سادهتر خوشههای جرم را فراهم میآورد و توزیع فضایی و مکانی کانونهای جرم خیز را با دقت بیشتری نشان میدهد. همچنین روش تخمین تراکم کرنل به جای خوشهبندی برخی جرایم و حذف بقیه آنها، میزان تمرکز در تمامی سطوح جرایم را در نظر میگیرد.
در پژوهش حاضر پیش از تحلیل شرایط مکانی که موجب افزایش احتمال ارتکاب جرم در محدوده مورد مطالعه میشود، برخی از روشهای مذکور برای شناسایی الگوهای بزهکاری در شهر کرمانشاه به کار گرفته شده است. مطمئناً شناسایی و تحلیل این الگوها در یافتن عوامل مؤثر در تمرکز و تجمع جرایم در محلات شهری مفید خواهد بود.
در پژوهش حاضر برای شناسایی و تحلیل فضایی بزه سرقت در شهر کرمانشاه از بین روشهای آماری اولیه، سه روش مرکز متوسط، بیضی انحراف معیار و آزمونهای خوشهبندی (شاخص نزدیکترین همسایه، آماره موران I و آماره عمومی G) برای توصیف الگوها و خصوصیات فضایی کلی بزهکاری مورد استفاده قرار گرفته است. این آمارها به عنوان آمارهای رتبه اول شناخته میشوند و امکان بهتری برای تشخیص توزیع کلی جرایم فراهم میکند. پس از شناسایی الگوهای کلی بزهکاری، برای ترسیم نقشههای بزهکاری از روش درونیابی و هموار سازی سطح پیوسته استفاده شده است. از میان روشهای درونیابی، روش تخمین تراکم کرنل و نقشه های موضوعی شبکه ایی که مناسبترین روش برای به تصویر کشیدن دادههای بزهکاری است مورد استفاده قرار گرفته است.
2-5-4- روش K Function:
در میان تمام روش های آماری که پراکنش نقاط را در واحد سطح، مورد آزمون و تحلیل قرار می دهند، شاید روش K Function پر استفاده ترین روشها در ادبیات باشد(همان منبع: 116).
خروجی این مدل شامل یک جدول با فیلد هایExpected K وObserved Kکه به ترتیب اندازه K مورد انتظار و Kمشاهدهای است. فاصله اطمینان در دو فیلد با نامهای LowConfEnv و HiConfEnv نیز به جدول اضافه می شود که نشان دهنده فاصله اطمینان برای هر چرخش در این ابزار است.
زمانی که نمودار گرافیکی برای هر یک از داده های مورد انتظار و مشاهده ای نمایش داده شد، این نمایش با خط آبی برای داده های مورد انتظار و خط قرمز برای داده های مشاهده شده ظاهر خواهد شد. انحراف خط منحنی مشاهده ای بالای منحنی داده های مورد انتظار به معنی خوشه ای بودن نقاط در فاصله هاست و همچنین انحراف داده های مشاهده ای به سمت پایین منحنی داده های مورد انتظار نشان دهنده پراکنده بودن داده ها در آن فاصله است، این توضیحی مختصر در مورد کاربرد مدل K Function در عوارض سطحی و نقاط با استفاده از ابزار فراهم شده در ArcToolbox نرم افزار ArcGIS و گزینه Spatial Statistics Analysis در قسمت Anlysis pattern میتوان آن را برای تحلیل مورد نظر بر روی نقاط یا سطوح پلی گونی بکار گرفت. اما در اینجا همان مدل با این تفاوت که تحلیل کمی جنبه واقعیتر پیدا کرده و فواصل شبکهای بجای فاصله اقلیدسی مطرح میباشد.
پس از معرفی این روش توسط ریپلی (1981) برای تحلیل توزیع فضایی بر روی یک سطح ، در ادامه توسط اکابه و یامادا (2001) بر روی شبکه و تحلیل توزیع فضایی شبکه ای توسعه یافته و بکارگرفته شد.
K(t)=1/n ∑_i^n▒〖ki(t)〗
Ki(t) به معنی مجموع تعداد نقاط موجود در فاصله معین (t) از نقطهPi می باشد. n i = 1 ,…,n
مجموع کل رویدادهاست. بعنوان مثال در شکل زیر در فاصله 1000 متری (خطوط تیره تر و ضخیم تر) از نقطه P1 (کتابخانه) سه کتابخانه بر روی معابر واقع شده است. بنابراین Ki(t) برای t = 1000 متر برابر با چهار کتابخانه است. بعبارت دیگر
K1(1000) = 4
و با توسعه این فاصله می توان مقدار K را برای نقاط دیگر نیز بدست آورد.
تصوير شماره2-1 : توزيع كتابخانه در بخش مركزي شهر مشهد
منبع : آقاجاني ،1389 ،119
مثال: جهت آزمون چگونگی الگوی توزیع کتابخانه ها در بخش مرکزی شهر مشهد (خوشه ای یا پراکنده و تصادفی) از روش K Funcion استفاده شد که نتایج در شکل زیر نشان داده و حاکی از پراکنش خوشه ای نقاط است( اگر منحنی داده های مشاهده ای در بالای منحنی داده های مورد انتظار قرارگیرد به معنی پراکنش خوشه ای (Cluster) است.
نمودار شماره2-2 : استفاده از روش K function جهت نمايش چگونگي الگوي توزيع كتابخانهها
منبع : آقاجاني ،1389 ،123
روشK Funcion از دیگر روش ها برای تحلیل الگوهای فضایی از رخدادهای نقطه ای است. در خیلی از مطالعات تحلیل الگوهای فضایی انتخاب یک مقیاس مناسب برای تحلیل مورد نیاز است. برای مثال یک آستانه فاصله یا یک فاصله(باند) مورد نیاز است. زمانی که الگوی فضایی در فواصل چندگانه و مقیاس های فضایی کشف شد تغییر الگوها غالبا انعکاسی از غلبه فرآیند خاص فضایی است. این روش چگونگی تغییر مرکزیت عوارض را در حالت پخش و خوشه زمانی که اندازه مجاورت تغییر می کند را نشان میدهد. اگر انحراف منحنی داده های مشاهده شده در بالای منحنی داده های مورد انتظار قرار گرفت نشان دهنده خوشه ای بودن(Cluster) توزیع نقاط خواهد بود و بر عکس قرار گرفتن منحنی داده های مشاهده ای در زیر منحنی داده های مورد انتظار به معنی الگوی پراکنده (Dispersed) است(آقاجانی،1389: 119).
3-5-5- فرآیند تحلیل شبکه
شبكه مجموعهای از عوارض خطي مرتبط است كه از طريق آن، مواد، كالا و افراد منتقل میشوند، يا در امتداد آن، انتقال صورت میگیرد. مدلهای شبکهای در GIS به مثابه نماد سازیهای انتزاعی از مؤلفهها و ویژگیهای همتايشان در جهان واقعی هستند. شبكه مجموعهای از عوارض خطی است كه از دو عامل لبه و تقاطع تشكيل میگردد (Merry, 2005: 221)
شبكه معابر يك شهر نمونهای از لبهها با اتصالات است. لبهها از طريق تقاطع با يكديگر مرتبط شده و از طريق لبهها جريان منابع صورت میگیرد. از آنجايي كه عوارض موجود در شبكه دارای شكل و هندسه میباشند، چنين شبکهای به نام شبكه هندسی ناميده میشود. برای هر شبكه هندسی يك شبكه منطقی مربوط وجود دارد كه داراي يك ساختار دادهای پشت صحنه است كه عناصر و تقاطع را ذخيره كرده و ارتباط بين آنها را كه در نتيجه توپولوژی ایجادشده ، حفظ مینماید (پرهیزگار، 1376: 135).
توانايی تحليل شبکههای خطوط حملونقل از بارزترين ویژگیهای GIS محسوب میشود. يافتن بهترين مسير حركت بين مبدأ حركت تا مقصد توريستی از نيازهای اوليه گردشگر است. ممكن است در طول مسير حركت گردشگر از مبدأ به مقصد موانع و محدودیتهای متعددی مانند ترافيك و يك طرفه بودن وجود داشته باشد كه يافتن بهترين مسير حركت بر اساس در نظر گرفتن همه عوامل ممكن خواهد بود به عبارت ديگر تنها بر اساس فاصله بين مبدأ تا مقصد نمیتوان مسير بهينه را شناسايی و معرفی كرد بلكه مسير بهينه عبارت از مسيری است كه با در نظر گرفتن كليه محدودیتهای موجود در مسير، بهترين آن را شناسايی و در اختيار استفادهکننده قرار میدهد. در برخی از نرمافزارهای GIS هر دو توابع يعنی هم بهترين و هم کوتاهترین آن وجود دارد كه بر حسب سليقه كاربر میتواند مورد استفاده قرارگرفته و يكی از آنها انتخاب شود (فرج زاده اصل، 1387: 107).
1- برد خدماترسانی تسهیلات عمومی (کلانتری)
شعاع پوشش تسهیلات عمومی از طریق برد خدماترسانی تسهیلات که در حکم دسترسی به تسهیلات است که خدماترسانی آنها با شبکه حملونقل حمایت میشود بر ساکنین اثر میگذارد. بر اساس برد خدماترسانی، تسهیلات عمومی شهری قابلتقسیم به سه سطح شهری، ناحیهای و محلهای هستند.( tsou, 2005, 426). که سطح عملکردی کلانتریها ناحیهای است.
دسترسی را میتوان بهعنوان جدایی فضایی فعالیتهای انسانی تعریف کرد.(.brocker,et,al2004:2). مفهوم دسترسی از جنبههای گوناگون قابلتعریف است مانند دسترسی فیزیکی، روانی، اقتصادی و مالی که میتواند وابسته به ماهیت کاربری اراضی و شبکه حملونقل باشد. دسترسی درواقع توانایی ساکنین شهر در داشتن یک دسترسی خوب به فعالیتها، منابع، خدمات و موارد مشابه است. دسترسی یکی از ویژگیهایی است که وابستگی زیادی به فرم فضایی شهر، شبکه دسترسی، نوع سفر و شکل سفر دارد . در دید کلی، دسترسی بر اساس فاکتورهای عینی و ذهنی و با استفاده از دادههای کیفی و کمی سنجیده میشود. ارزیابی ذهنی معمولاً شامل مطالعات میدانی مانند پرسشنامه و مصاحبه برای فهم گرایش ساکنین شهر و تصور فضایی آنها میشود مانند( رضایت ساکنین از دسترسی به خدمات). در ارزیابی عینی معمولاً از شاخصهای کمی و بیشتر اقتصادی استفاده میشود، مثل ( شعاع خدماترسانی و فاصله از خدمات) (134،2009 lotfi, ).
تحلیل همبستگی
در این شیوه تحلیل رابطه اعمال مجرمانه با برخی مشخصه های فردی،اجتماعی،اقتصادی و کالبدی شهر سنجیده می شود.این شیوه نخستین بار در سال 1942 به وسیله «شاو» و «مک کی» در بررسی جرایم شهری بکار گرفته شد.آنها دریافتند در آن قسمت از محدوده های شهر که نابسامانیهای اجتماعی مانند میزان فقر،تحرکات جمعیتی ناهمگونی ساکنین بیشتر است میزان جرایم نیز بالاست.بنابراین در تحقیق فوق مشخصه های فردی و اجتماعی جامعه از جمله متغیرهای سن،جنس،قومیت،نژاد،سطح در آمد،تحصیلات و شغل و برخی ویژگیهای کالبدی چون تراکم جمعیت،کیفیت و نوع مسکن،میزان اجاره نشینی در رابطه با نوع جرم و میزان جرایم بررسی می شود.بدین ترتیب تطبیق و مقایسه سطح جرایم در محدوده های مختلف شهر امکان پذیر می گردد.از جمله کسانی که این شیوه تحلیل را برای بررسی جغرافیا و جرم برگزیده اند می توان به «بایرن»،«سامسون»1986،«برسیک» و «گراسمیک»1993،«رایز»،«تونری»1986 و «اسکوگانی» در سال 1990 اشاره نمود.(کلانتری،1380، ص67).
با استفاده از روش فرصتهای جرم و بررسی شرایط مکانی و الگوهای فضایی که موجب افزایش احتمالی ارتکاب جرم در سطح شهری می شوند می توان مکانهای مستعد وقوع جرم را مشخص نمود.
نظریه های فعالیت روزمره97، فعالیت منطقی98، جرم شناسی محیطی، بر پایه روش تحلیل فرصتهای جرم شکل گرفته و توسعه یافته اند.
شایان ذکر است امروزه در بررسیهای جغرافیای بزهکاری از هر دو روش تحلیل همبستگی(یا روش کمی) و تحلیل فرصتهای جرم (یا روش کیفی) استفاده شده و برای انجام این کار از دو ابزار مهم و اساسی یعنی نقشه های جرم99و نرم افزارهای اختصاصی سیستم اطلاعات جغرافیایی استفاده می شود. چرا که بنظر می آید بدون این ابزار، بررسی های جغرافیای بزهکاری ناقص و در مواردی غیر ممکن است.
3-6- تنگناهاي ترسیم نقشۀ
