功能区视角下城市夜光与夜间“两抢一盗”犯罪的空间相关性——以H市市辖区为例

王灿祥，朱 萌,2，滕茹洁，姚宇超，何佳琦，余 帆

（1. 安徽农业大学林学与园林学院，合肥 230036；2. 华中科技大学建筑与城市规划学院，武汉 430074；3. 合肥工业大学建筑与艺术学院，合肥 230601）

夜间犯罪与日间相比，具有更高的隐蔽性与预谋性，其发生有着更明显的地域指向性（蔡秋平，1993）。相关研究表明，夜光是影响夜间犯罪的诸多重要因素之一（吴浩源等，2015；毛媛媛等，2018），如Krause（1977）提出夜间或者低能见度的条件能为盗窃提供所需的掩护；Coghlan（2016）对犯罪时间分布进行分析，发现夜间攻击性行为与财产损失犯罪发生率要远高于日间；Liu（2022）在犯罪高发的场所与设施的研究中指出，夜光分布模式与街头抢劫犯罪的聚集模式具有很高的拟合度，Pease（1999）认为，利用夜光减少犯罪现象是可行的；Chen（2018）提出，合理的夜光环境可以降低犯罪率，减少居民的不安全感。由此可知，夜间夜光强度对城市社会安全事件的空间分布有重要影响（Liu et al.,2020；柳林等，2021a）。

但在关于城市夜光与夜间犯罪之间的具体关系尚未形成定论，Sun（2022）认为，不同环境的情况下，夜光对犯罪的作用并不相同。主流观点认为，城市空间的夜光环境与犯罪发生率有明显的负向相关关系（王发曾，2012），已有研究在部分功能区如商业区、城市公园和其他区域，证实了在城市空间内形成充足、有效的夜光环境对犯罪现象的预防有着积极的作用（阳佩良等，2018；徐华宇，2020）。但也有部分观点认为城市夜光对夜间犯罪几乎没有影响（Steinbach et al.,2015），在城市边缘的居住功能区附近，二者在一定条件下甚至有着正向的相关关系（Zhou et al.,2019），Singhal（2020）也在研究中发现，夜光与区域犯罪现象之间存在着正相关现象。学者认为城市犯罪存在空间分异，不同的城市功能，犯罪的特点也不相同（张延吉等，2021），故研究结果的不一致有可能是由于研究区域的功能性质不同造成的。因此，有必要开展功能区视角下城市夜光与犯罪的空间相关性研究。

考虑到在诸多犯罪行为中，抢劫、抢夺与盗窃（以下简称“两抢一盗”）犯罪（黄锐等，2022）一般是地方刑事犯罪发案率最高的案件，这类犯罪危害性大数量多，且案发与环境因素密切相关（曾敏玲等，2014）。因此，本文针对夜间“两抢一盗”犯罪现象，以H市市辖区为研究对象，基于POI数据进行功能区识别，并结合夜光遥感数据与夜间犯罪数据等，利用核密度分析、双变量空间自相关分析等研究方法，从市辖区整体与不同功能区角度探讨城市夜光与夜间“两抢一盗”犯罪之间的空间相关性。以期为今后基于灯光设计的犯罪防控策略提供针对性的依据。

1 研究区概况与数据来源

1.1 研究区概况

H市是A省的省会，坐落于中国的中部，其市辖区包含4个行政区。总面积约为915 km2，人口约为382万人，GDP约为4 746.7亿元，辖区内用地类型丰富。作为国内近年来飞速发展的城市之一，H市市辖区人口数量、用地面积、城市建设等方面都在飞速增长，高城市化水平给居民带来的不仅仅是更好的生活环境，还有犯罪等影响城市安全的问题。在此背景下，夜间犯罪问题已成为H市城市管理所面临的重要问题之一。

1.2 数据来源

1.2.1 夜间“两抢一盗”犯罪数据 数据来自于H市公安局提供的2017 年10-11 月的110 接警数据。相比于现有研究常用的裁判文书网刑事判决书数据，110 接警数据虽获取难度大，但具有更低的“犯罪黑数”①犯罪黑数：指犯罪行为实际已经发生，但由于各种原因而未纳入官方统计之中的犯罪行为的总和，即犯罪的发案件数和统计表上所列的立案数之间的差额。，更能反映当地的犯罪情况（郭哲，2019）。首先，对数据中涉及到私人信息等敏感内容进行脱敏处理，再根据H市当地10-11月平均日出和日落时间以及当地人员活动时间段，选取T 18:00 至次日T 06:00 作为研究时段，并基于此保留夜间犯罪数据。然后，根据犯罪类型，从夜间犯罪数据中提取抢劫、抢夺及盗窃的犯罪数据。整理之后的犯罪数据类型丰富，数据量大，具有良好的可信度。数据包含行政区划、报警时间、案发地点、接警案由、管辖单位等信息。最后，借助数据提供的案发地点，对案件发生地进行地图定位，并利用百度地图坐标拾取工具拾取案件发生的坐标，得到最终的犯罪数据，总计1 500条。H市的矢量地图来源于自然资源部地图技术审查中心标准地图服务网站②http://bzdt.ch.mnr.gov.cn/index.jsp提供的官方地图数据，将犯罪数据叠加到H 市辖区的城市矢量地图上，最终得到H市市辖区的夜间“两抢一盗”犯罪地点分布（图1）。

1.2.2 NPP-VIIRS 夜光遥感数据 城市夜光的表征主要依靠夜光遥感数据携带的亮度值。夜光遥感可以获取夜间、无云条件下地表发射的可见光信息（江威等，2017）。在城市地区，夜光遥感主要检测夜间路灯、商业区和住宅区建筑物的灯光与一级交通流发出的低强度灯光等（卓莉等，2015）。夜光遥感能直接反映人类活动的信息，因此在社会科学领域得到广泛的应用（Lu et al.,2014；郑渊茂等，2020）。

在夜光遥感影像研究中，目前使用最广泛的遥感数据是美国国防气象卫星（Defense Meteorological Satellite Program,DMSP）搭载的可见红外成像线性扫描业务系统（Operational Linescan System,OLS）数据、美国新一代国家极轨卫星（Suomi National Polarorbiting Partnership,Suomi-NPP）搭载的可见光近红外成像辐射（Visible Infrared Imaging Suite,VIIRS）传感器数据和由武汉大学团队与相关机构共同研发制作的“珞珈一号”夜光遥感数据（LJ1-01）（Ma et al., 2012；李小敏 等，2018；钟亮等，2019）。选用NPP-VIIRS 夜光遥感数据作为数据来源，原因主要有：1）与DMSP-OLS 夜光数据相比，NPP-VIIRS数据具有更高的分辨率，可达到500 m，比DMSP-OLS 数据提高了250 倍，能够更加精确、丰富地反映各类空间信息（赵丽娴等，2020）。2）“珞珈一号”数据分辨率虽比NPP-VIIRS 高，但其时间范围涵盖不够全面，在H 市只提供2018年的数据，无法与NPP-VIIRS数据相匹配。NPP-VIIRS夜光数据来源于美国国家海洋和大气管理局（NOAA/NGDC）③https://eogdata.mines.edu/download_dnb_composites.html。将下载的遥感影像进行校正与降噪等预处理，并与H市市辖区地图叠加，得到H 市市辖区2017 年10 与11 月的夜光遥感影像（图2）。

1.2.3 POI 数据 城市功能区是指城市内部各活动的分布空间及其相应的用地分异，是对城市用地结构的基础表现和划分（张景奇等，2021），城市功能区的识别研究对于深入探究犯罪规律具有重要意义（张延吉等，2019）；而兴趣点（Point Of Interest,POI）数据是一种代表地理实体的点状空间数据（骆少华等，2020），其中蕴含了大量的地理实体信息，如实体的名称、地址、坐标等，因此被广泛应用于城市相关的各项研究，是常见的城市功能区划分依据之一（池娇等，2016），基于POI 数据的功能区划分与传统方法相比精细度更高（薛冰等，2019）。本研究采用高德地图的地图开放平台的POI数据，对其进行提取、纠偏、清洗之后，得到H市市辖区POI数据共2.4万余条，包含单体POI数据的名称、类别、地址、经纬度等信息。

2 研究方法

基于上述预处理的NPP-VIIRS夜光遥感数据与夜间“两抢一盗”犯罪数据进行空间分布格局分析，将分析后的结果分别作为第一变量与第二变量，构建双变量空间自相关分析模型，分别从H市市辖区和不同城市功能区角度对城市夜光与夜间“两抢一盗”犯罪的空间相关性进行研究（图3）。

2.1 空间分布格局分析

根据研究区的实际情况，建立500 m×500 m的格网将H 市市辖区划分为5 738 个不同的区域。将NPP-VIIRS夜光遥感栅格数据转化为矢量数据；并对110警情数据进行核密度分析，将核密度值作为犯罪发生率，并将栅格数据矢量化。将2种矢量数据分别赋值到建立的格网中，进行城市夜光与夜间犯罪的空间格局分析。

核密度分析模型是空间分布格局分析中运用最广泛的非参数估计模型（顾朝林等，2009），是描述社会治安公共安全在区域内的空间差异及变化的主要手段之一（李业锦等，2013）。数学表达式（朱萌等，2021）为：

式中：x-xi为估计值点x与样本点xi之间的距离；K0(x)是核函数，是一种加权函数或平滑转换函数；n为研究对象观测值总数；h为带宽，即平滑转换参数。在核函数的选择中，由于本文数据特征维数少，故采用高斯核函数（Gaussian）。利用ArcGIS 的核密度分析工具，通过多次实验得出，将核密度的带宽h设为500 m最能体现犯罪数据的空间分布特征。

2.2 基于POI的功能区识别分析

2.2.1 POI 数据的分类 依据高德地图的分级分类标准，POI数据分级分类繁多，存在重复交叉等现象，且与城市用地分类标准不一致，需对其进行重分类。参考《城市用地分类与规划建设用地标准（GB50137—2011）》（中华人民共和国住房和城乡建设部，2012） 和《2017 年国民经济行业分类（GB/T 4754—2017）》（国家统计局，2017），并遵循POI分类的普遍性、一致性原则，将数据重新分类，共分为道路与交通设施用地、居住用地、绿地与广场用地、商业服务业用地、物流仓储用地、公共管理与公共服务用地、工业用地、非建设用地8大类。由于本研究主要聚焦于城市，非建设用地不属于本研究范畴，故将其排除。

2.2.2 功能区的确定 本文采用相关研究中常用的基于POI 的功能区识别方法（丁彦文等，2020）。由于POI 是忽略实体对象的建筑面积抽象而成的一种无面积及体积的点，在功能区的识别中，这种建筑面积或占地面积引起的差异对结果有重要影响。因此，通过遥感影像及网上资料查询，大致确定各类POI的平均建筑面积或占地面积，再结合赵卫锋等（2011）提出的POI 显著度度量模型中“公众认知度”，分别赋予不同类型的用地相应的权重。基于创建的500 m×500 m的格网，根据每类POI 所占的权重，计算每类POI的核密度，再通过式（2）确定每个格网内各类型POI占所有类型POI核密度值的比例（薛冰等，2020）：

式中：i表示POI 的类型；di表示某个格网内第i种类型的POI在地块单元内的核密度值；D为单元中所有POI 类型的核密度总数；Ci表示某个格网内，第i种类型的POI的核密度值占所有类型的POI核密度值的比例。

功能区的判定标准（周杭等，2022）为：若某一类POI 的比例＞50%，则确定该类型为此格网的功能区类型；若所有类型的POI 比例均＜50%，则判定该功能区为混合功能区，其类别主要取决于占比最高的2 或3 种POI 的类别；若格网内没有POI，则该格网属于无数据功能区，则将其排除。

2.3 双变量空间自相关分析

双变量空间自相关能够探索某属性在空间上的分布特征以及变量间的集聚程度（周婷等，2021）。分为双变量全局空间自相关（Global Moran'sⅠ,GMI）与双变量局部空间自相关（Local Indicators of Spatial Association,LISA）两类。

2.3.1 双变量全局空间自相关 双变量全局空间自相关通过全局Moran'sΙ指数分析两空间数据集之间整体的相关性，利用双变量全局空间自相关分析方法，从H市市辖区整体角度与不同功能区角度，分别将H市市辖区夜光与夜间“两抢一盗”犯罪发生率作为第一变量与第二变量，采用Geoda软件中的全局Moran'sⅠ指数，测度H 市市辖区夜光与夜间“两抢一盗”的空间自相关性。计算公式（毛润彩等，2022）为：

式中：n为空间单元数；Cij为空间单元i到j的空间权重矩阵值；X a i-Xˉa为空间单元i中属性a与其平均值的差值，同理，X b i-Xˉb为空间单元i中属性b与其平均值的差值。Moran'sΙ指数的取值范围为[-1,1]，在一定的置信水平下，正值代表整体分布呈正相关，值越大，表示两变量的空间相关性越好；负值代表整体分布呈负相关，值越小，表示两变量的空间差异性越大。当Moran'sΙ指数为0 时，表示不存在空间相关性，两变量值在空间上随机分布。

2.3.2 双变量局部空间自相关 双变量局部空间自相关用于分析局部区域内两变量的聚集与分异状态，可深入分析灯光与夜间“两抢一盗”的局部空间自相关性。在双变量全局空间自相关的基础上，使用Geoda软件中的局部Moran'sΙ工具，探索城市夜光与夜间“两抢一盗”犯罪发生率之间的双变量LISA聚类，进一步挖掘H市市辖区及不同功能区的角度下，变量之间的空间相关性及分布模式。空间分布模式根据结果分为高-高聚集、低-低聚集、低-高聚集、高-低聚集及不显著。计算公式（毛润彩等，2022）为：

式中：n为空间单元数；Wij为空间单i元到j的空间权重矩阵值；X i k-Xˉk为空间单元i中属性k与其平均值的差值；σk、σi分别为属性k和l的方差。

3 结果分析

3.1 夜光与夜间犯罪的空间分布格局分析

通过核密度分析构建H 市市辖区“两抢一盗”犯罪空间分布格局，犯罪水平越高的地区，其核密度越高，具有更高的集聚特性。从图4 可以看出，H 市市辖区“两抢一盗”犯罪分布在空间上形成“一主一副”双核心结构，属于明显的集聚分布。其中，主核心高密度集聚区位于H市4区的交界处，此处为H市城市化水平最高的地区，犯罪的发生率向四周呈逐渐降低的趋势。副核心在H市市辖区的西南部，但其周围地区“两抢一盗”犯罪的发生率相对不高，此处为H市新兴的城市发展区，具有很高的发展潜力。综合来看，城市“两抢一盗”犯罪的高密度集聚热点分布与城市经济发展水平关联较高，经济水平较高以及快速发展的地区易成为“两抢一盗”犯罪热点区域。

从研究区域各单元网格中与城市夜光夜间“两抢一盗”犯罪的空间分布可见（图5），对于夜光与夜间“两抢一盗”犯罪发生率而言，虽有个别网格存在差异，大部分网格高值均分布在主核心内，低值均分布在城市边缘地带，二者具有相似的空间分布。

3.2 城市功能区划分结果

根据功能区定量识别方法，对分析结果进行可视化处理（图6）。结果显示，H市市辖区共有22种不同的功能区，其中有6种单一功能用地，16种混合功能用地。对于无数据的功能区，基本不属于城市区域，故无数据功能区的犯罪特征不在本研究的考虑范围。

3.3 双变量全局空间自相关分析结果

进行空间自相关检验的前提是空间范围内的功能区格网单元数量需≥3。部分功能区数量较少，无法满足空间自相关运算的要求，为了提高结果准确性，首先，将H市市辖区的功能区划分为单一用地与混合用地分别提取出来，进行双变量全局空间自相关分析。其次，提取不同的功能区，并剔除格网单元数量≤4的功能区。最后，对剩余的格网按不同功能区的因变量，即H市市辖区“两抢一盗”犯罪发生率进行双变量全局空间自相关检验，并用Moran'sⅠ指数进行度量。

如表1 所示，在H 市市辖区、单一用地、混合用地、道路与交通设施用地、公共管理与公共服务设施用地、居住用地、商业服务业用地、商业服务业用地+居住用地、商业服务业用地+公共管理与公共服务用地、公共管理与公共服务设施用地+道路与交通设施用地、商业服务业用地+道路与交通设施用地内，城市夜光与夜间“两抢一盗”犯罪发生率之间的Moran'sΙ指数均＞0，标准化Z值＞1.96，置信水平P＜0.05，表现为显著。而物流仓储用地、居住用地+道路与交通设施用地表现为不显著。从结果看，在H 市市辖区的角度，城市夜光与夜间“两抢一盗”犯罪存在显著的空间相关性，且呈现空间异质性；在单一功能区与混合功能区角度，上述两变量均呈现空间相关性；在不同功能区角度，大部分功能区内的两变量均表现出空间相关性，仅有小部分功能区展现随机分布的特性。

表1 H市市辖区及不同功能区内城市夜光与夜间“两抢一盗”犯罪双变量全局Moran's I分析结果Table 1 Bivariate global Moran's Ⅰanalysis of urban nighttime light and nighttime robbery,snatching,and theft crimes in H city and different functional areas

3.4 H 市市辖区夜光与夜间“两抢一盗”犯罪的空间关系

对H市市辖区进行双变量局部空间自相关分析（图7），从空间分布看，低-低聚类主要分布在市辖区外围，高-高聚类主要分布在市辖区内部，高-低聚类与低-高聚类则分布在二者之间。

1）低-低聚集区（LL）指城市夜光较弱，且夜间“两抢一盗”犯罪发生率较低的区域，二者具有显著的正相关。从城市地图上看，这些区域除未开发的地区及湖泊外，多为城市的经济技术开发区及高新技术产业园。由于其功能性质，夜间鲜有人员逗留，且几乎均有保安值守，因而犯罪发生率偏低且城市夜光也较弱。

2）高-高聚集区（HH）指城市夜光较强，且夜间“两抢一盗”犯罪发生率较高的区域，两者也具有显著的正相关性。这些区域集中分布在H市市辖区四大城区的交汇处，大部分位于一环或者二环以内。该区域与其他区域相比，是城市空间商业化的重要载体，接待大量以休闲旅游为目的的本地居民与游客。根据犯罪行为学中的日常活动理论（柳林等，2021b），该区域有利于犯罪者找到合适的目标。

3）高-低聚集区（HL）指城市夜光较强，但夜间“两抢一盗”犯罪发生率较低的区域，二者具有显著的负相关。这些区域分为两部分，第一部分与低-低聚集区类似，为经济开发区及高新技术产业园。不同的是这些区域包含大量的职工宿舍及相关居住区。由于居住区的夜光亮度值较高，而“两抢一盗”犯罪发生率较低。另一部分为机场、高铁站、大型生态公园等。对于机场而言，由于功能需要，机场的夜光亮度极高，且人流量大，易发生盗窃等犯罪；但H 市的“两抢一盗”犯罪发生率低，说明H市机场管理较为得当。而H市高铁站情况与机场不同，其夜间活动区域在城市地下空间，高铁站的夜光在地下的亮度要远高于地上，从而导致结果有偏差。而大型生态公园的情况则与经济开发区类似，但犯罪率低的原因有待进一步研究。

4）低-高聚集区（LH）指城市夜光较弱，但夜间“两抢一盗”犯罪发生率较高的区域，二者也具有显著的负相关。这些区域数量较少，较为零散地分布在高-高聚集区的周围。这进一步印证了随着城市功能性质的改变，城市夜间“两抢一盗”犯罪发生率与夜光的关系也不尽相同。

5）不显著指城市夜光与夜间“两抢一盗”之间的空间相关性并不明显的区域。除少量的未开发用地与河流湖泊外，不显著的区域大部分为二环以外的商业服务业用地，与一环二环以内的商业服务业用地相比，这些区域对流动人口的接纳量较少，大部分服务于周边小区或产业园。夜间“两抢一盗”犯罪的影响因素需进一步挖掘。

3.5 不同城市功能区夜光与夜间“两抢一盗”犯罪的空间关系

对H市市辖区不同功能区进行双变量局部空间自相关分析（图8），将功能区格网分为5个不同的聚集区域。可以发现，单一功能区中（图8-a、b、c、d），空间异质性最明显的功能区为居住用地、商业服务业用地、道路与交通设施用地；公共管理与公共服务用地的格网则几乎均表现为不显著。混合功能区（图8-e、f、g、h）的空间聚类模式以不显著为主，显著集聚模式主要为高-高聚类，分布在城市二环周围。一方面，H市市辖区功能较为明确，功能混乱的区域较少。城市功能分区的混乱会导致犯罪防控难度的增加（朱红，2014），故混合功能区较少的H 市市辖区的功能划分就犯罪防控而言相对合理。另一方面，混合用地内夜光较强的混合功能区夜间“两抢一盗”犯罪的发生率也较高，且高-高聚集的功能区主要分布在商业与其他功能的混合功能区内部。

3.5.1 居住用地 居住用地高-高聚类格网主要分布在市辖区一环以外，二环以内；低-低聚类格网主要分布在市辖区外围格网；低-高聚类格网分布在市辖区北部；高-低聚类格网分布在市辖区南部（图8-a）。根据通过环境设计预防犯罪理论（Crime Prevention through Environmental Design,CPTED）理论（毛媛媛等，2014），对居住区犯罪问题产生影响的物质因素主要可以归纳为居住区规模、物业管理、居住区主路形式、居住区绿地功能4个方面。随着H市内的市政府与省政府相继南移，南部迅速发展，与北部老城区相比，这4个方面的物质要素都更加完善，导致南部“两抢一盗”的犯罪发生率较北部低，但夜光强度却更高。

3.5.2 商业服务业用地 商业服务业用地的不同聚类格网存在明显的集聚分布特征，具体表现为中心高-高聚集，外围低-低聚集（图8-b）。商业服务业用地属于城市高人流量、高经济活力的公共空间，一方面会分散受害者的注意力，促使受害者产生一种安全的假象，导致自我防控意识的削弱；另一方面，由于进入该类公共空间的人群具有高度的复杂性、随机性与不可预测性，会导致相应的内部盲区（王发曾，2003）增多。根据理性选择理论（肖露子等，2017），该类地区有利于犯罪者追求自身利益最大化，而高强度的夜光意味着较高的城市经济活力（陈世莉等，2020），即城市经济活力与夜间“两抢一盗”犯罪具有一定程度的相关性。

3.5.3 道路与交通设施用地 由于道路上的路灯提供的夜光强度较高，除去不显著的格网，道路与交通设施用地的聚类情况主要为高-高聚类及高-低聚类，占比为93%。高-高聚类主要分布在南二环路周围，而高-低聚类主要分布在西部及南部（图8-c）。由图可知，高-高聚类的单元网格主要分布二环路的周围，高-低聚类主要分布在二环以外，具有明显的空间集聚特征。但根据王发曾（2012）对于道路与交通设施用地犯罪成因的解释，这些区域的犯罪一般高发于公共交通工具如公交车的内部，其具有移动性强等特点，导致接警地点与实际案发地点可能有些许出入，因而结果可信度降低。

4 结论与讨论

以H市市辖区为研究对象，利用双变量空间自相关分析，分别从整体及不同功能区的角度，对城市夜光与夜间“两抢一盗”犯罪的空间相关性展开探讨，得到的主要结论有：

1）城市夜光与夜间“两抢一盗”犯罪的分布具有空间集聚性，热点均主要分布在城市发展水平较高的区域。

2）整体上，城市夜光对夜间“两抢一盗”犯罪的影响具有空间异质性。不同区域夜间“两抢一盗”犯罪与夜光的关联程度变化明显，且关联程度较高的区域恰好是城市发展水平较高的区域。

3）居住用地的功能区，对于城市夜光与夜间“两抢一盗”犯罪发生率的空间相关性而言，北部老城区与南部新城区之间存在差异。商业与服务业用地功能区，城市夜光与夜间“两抢一盗”犯罪具有最强的空间相关性，且呈以城市一环及二环区域为中心的单核心分布趋势。核心内部以高-高聚集为主，核心外部则以低-低聚集为主。道路与交通设施用地由于其犯罪高发于公共交通设施的内部，报警地点与实际犯罪地点有所出入，因而结果可信度降低。

从城市尺度上，夜间的夜光亮度与经济活跃程度（活力）具有较高的相关性（陈世莉等，2020）。多数城市活力研究将城市夜光作为经济活力的主要指标（王娜等，2021），而本研究发现夜间“两抢一盗”犯罪发生率亦与城市夜光相关，特别是在商业与服务业用地功能区中；因此，如何在保持经济活力的前提下，减少“两抢一盗”犯罪现象还需进一步讨论。

本研究尚存在以下问题：1）使用基于POI 的方法将城市分为不同的功能区，虽相较于传统方法有更高的真实性与实际性，但POI身为点数据，不具有面积属性，导致一些微小地块无法被识别，如小微绿地等，而这些区域是犯罪地理学研究的重点区域之一。随着AOI数据获取与利用方法的改善以及夜光遥感成像技术的进步，城市功能区划分技术也会随之改进，研究结果将更加准确。2）夜光是城市经济活力的象征，夜光亮度值越高，意味着城市的经济活力越高。这说明城市犯罪与城市活力可能有一定的空间相关性。未来将聚焦于城市活力对城市犯罪的影响，探讨城市犯罪更深层次的影响因素。3）城市夜光与夜间“两抢一盗”犯罪具有一定的空间关系，但城市夜间犯罪的影响因素较多，对于商业与服务业用地，夜光对城市夜间犯罪的影响较大，但在其他功能区，如居住用地或道路与交通设施用地，其主要影响因素并非夜光。未来需要综合考虑更多的影响因素探讨城市夜间犯罪。