Comparing the accuracy of geographic profiling models and effects of the number of crime locations (in Japanese)

Full text

̶
̶
41
Jap. J. Crim. Psychol.,Vol. 54, No. 1 (2016)
Copyright © 2016 Japanese Association of Criminal Psychology
地理的プロファイリングにおける拠点推定モデルの精度比較
—犯行地点数の影響の検討—
菅 美知子 *・萩野谷俊平 **・細川豊治***
蒲生晋介****・石内彩美*****
Comparing the accuracy of geographic proling models and eects of the
number of crime locations
Michiko Kan, Shumpei Haginoya, Toyoharu Hosokawa,
Shinsuke Gamo and Ayami Ishiuchi
本研究では，拠点推定モデルの精度について，犯行地点数を考慮した検討を行った。分
析では，15 地点以上の住宅侵入盗を行った 55 名分のデータを使用し，サークル仮説中心，
空間平均，CMD（center of minimum distance: 最小距離中心）の各モデルについて，3地
点から 15 地点までの各犯行地点数における誤差距離（犯人の推定居住地と実際の居住地
の間の直線距離）を比較した。多重比較を行った結果，犯行地点数が 7地点以上の場合に，
CMD における誤差距離がサークル仮説中心よりも短かった。結果から，犯行地点数がモデ
ルの推定精度に与える影響はモデルによって異なることが示唆された。
キーワード：
地理的プロファイリング，誤差距離，犯行地点数
問題
犯罪者プロファイリングは，警察の捜査を支
援する技術の一つであり，「犯行現場の状況，犯
行の手段，被害者等に関する情報や資料を，統計
データや心理学的手法等を用いて分析・評価する
ことにより，犯行の連続性の推定や次回の犯行の
予測，犯人の年齢層，生活様式，職業，前歴，居
住地等の推定を行うもの」と定義される（警察
庁，2008）。なかでも，同一人による連続的な犯
罪において，犯行地域や犯行地点の空間情報か
ら，居住地や勤務先などの活動拠点，犯行現場へ
の移動手段や経路，次の犯行地域を推定する手
法は，地理的プロファイリングと呼ばれる（渡
辺，2005）。日本の警察においては，他の犯罪者
プロファイリングの分析手法と比べて，地理的プ
資料
* 福井県警察本部刑事部科学捜査研究所 (Forensic Science Laboratory, Fukui Pref. Police H. Q.)
** 栃木県警察本部刑事部科学捜査研究所 (Forensic Science Laboratory, Tochigi Pref. Police H. Q.)
*** 静岡県警察本部刑事部科学捜査研究所 (Forensic Science Laboratory, Shizuoka Pref. Police H. Q.)
**** 愛媛県警察本部刑事部科学捜査研究所 (Forensic Science Laboratory, Ehime Pref. Police H. Q.)
***** 佐賀県警察本部刑事部科学捜査研究所 (Forensic Science Laboratory, Saga Pref. Police H. Q.)

犯罪心理学研究第 54 巻第 1号
̶
̶
42
ロファイリングの実施率が最も高いという報告が
ある（倉石・渡邉・横田・和智，2013）。本研究
は，地理的プロファイリングの中でも，犯人の活
動拠点を推定するモデル（以下，拠点推定モデ
ル）の精度に着目した研究である。
拠点推定モデル
拠点推定モデルはこれまでに数多く提唱され
ている。その中には，まず，サークル仮説（Can-
ter & Larkin, 1993）や疑惑領域モデル（三本・
深田，1999），凸包ポリゴン（Warren, Rebous-
sin, Hazelwood, Cummings, Gibbs, & Trumbet-
ta, 1998）といった，犯行地点の分布から形成さ
れる幾何学的な図形による領域を用いるものがあ
る。サークル仮説とは，連続事件の犯行地点のう
ち，最も遠い 2地点間を結ぶ直線を直径とした
円の中に，すべての犯行地点と犯人の居住地が含
まれるという説である（Canter & Larkin, 1993）。
また，疑惑領域モデルは，サークル仮説による領
域よりも狭い領域を捜査対象とするために提唱さ
れたモデルであり，各犯行地点との距離の総計
が最短となる地点（center of minimum distance:
CMD; Snook, Zito, Bennell, & Taylor, 2005）から，
各犯行地点までの平均距離を半径とした円内（疑
惑領域）に犯人の居住地が含まれるというモデル
である。凸包ポリゴンは，犯行地点分布の最も外
側に位置する地点に沿って境界線を描くことで形
成される，凸型の多角形領域に，犯人の居住地
が含まれるというモデルである。萩野谷（2015）
は，犯行の地理的分布に基づく幾何学的な領域を
犯人の拠点推定領域とするこれらのモデルについ
て，「幾何学領域モデル」と総称することを提案
し，特に日本において発展と応用が進められてき
たことを指摘している。
一方，幾何学領域モデルとは性質の異なるモデ
ルが欧米の研究者を中心に提案されてきている。
それらは空間分布法（
spatial distribution strat-
egy）と確率距離法（probability distance strategy）
に大別される（Snook et al., 2005）。
空間分布法は，犯行地点の空間分布の中心と
なる地点（セントログラフィ：centrography）に
犯人の拠点がある可能性が高いとするモデルの総
称である。空間分布法に分類されるモデルには，
サークル仮説による円形領域の中心（center of
the circle：以下，サークル仮説中心とする）や
空間平均（spatial mean，全犯行地点の緯度経度
の平均値を求めることで得られる地点，Rossmo,
2000 渡辺監訳 2002）， CMD 等がある。
確率距離法は，犯行エリアとその周辺の地図
をメッシュ状に区切り，距離減衰関数を用いて，
それぞれのセルに犯人の拠点が存在する確率値を
付与していくモデルの総称である。距離減衰関数
とは，犯人が犯行に及ぶ可能性が，拠点から離れ
るほど低くなる現象を確率値として表すために用
いられる（Rhodes & Conly, 1991; Canter, Coey,
Huntley, & Missen, 2000）。
拠点推定モデルの精度比較
近年，欧米を中心として，拠点推定モデルの
精度比較が複数の研究で行われている。それらの
研究のうち，空間分布法と確率距離法を同時に検
討した研究において，これら二つの手法の精度の
間に明確な差が見られないことが示されている
（Paulsen, 2006a, 2006b; Snook et al., 2005）。 特
に，Snook et al.（2005）は，複数のモデルの計
算アルゴリズムの複雑さが，推定精度にどのよう
な影響を及ぼすのかについて検討している。その
結果，空間分布法に比べて確率距離法のほうが，
より計算の複雑性が高いことや，比較的計算が容
易な空間分布法によって，計算の複雑性が高い確
率距離法に劣らない精度が得られたことを報告し
ている。
また，推定精度に影響する重要な要因として，
Rossmo（2000 渡辺監訳 2002）は，推定に用い
る犯行地点の数を指摘している。彼は，モンテカ
ルロ・シミュレーションによって生成した犯行地

菅・萩野谷・細川・蒲生・石内：地理的プロファイリングにおける拠点推定モデルの精度比較
̶
̶
43
点を用いて，拠点推定モデルの精度の変化を検討
し，ヒットスコア率 1）の中央値が 10％となるこ
とから，拠点推定には，少なくとも五つの犯行地
点が必要であることや，分析に使用する犯行地点
が多くなるほど推定の精度が向上することを主張
している。
拠点推定の精度と犯行地点数の関係についての
Rossmo（2000 渡辺監訳 2002）の主張については，
いくつかの研究で検証が行われている（Paulsen,
2006a; Snook et al., 2005; Tonkin, Woodhams,
Bond, & Loe, 2010）。 例 え ば ， Paulsen（2006a）は ，
アメリカのメリーランド州ボルティモアで 3件以
上の事件を敢行して検挙された 247 名分のデータ
を用いて，3件目から 14 件目までにおいて，複数
の拠点推定モデルの精度を比較した。その結果，
いずれのモデルにおいても犯行地点数と拠点推定
精度の間に明確な関連が見られなかったことを報
告しており，犯行地点は単独では地理的プロファ
イリングの精度に関する良好な指標ではないと結
論づけている。
また，Tonkin et al.（2010）は，イギリスの農
村部において，2件から 35 件の自動車盗を敢行
して検挙された 145 名のデータを用いて，犯行
地点数と空間平均による拠点推定精度との関連を
検討している。彼らの研究では，犯行地点数と拠
点推定精度の間に有意な相関は見られなかった。
また，サンプルを 5地点未満の群と 5地点以上
の群に分けて U検定を行った場合にも，群間に
有意な差は見られないことが示されている。この
結果を受けて，Tonkin et al.（2010）は，少なく
ともいくつかの連続事件では，Rossmo（2005）
において提唱されているよりも少ない件数で，正
確な地理的プロファイリングが可能であると述べ
ている。
さらに Snook et al.（2005）は，前述のとおり
空間分布法と確率距離法のモデルの複雑性につい
て比較するとともに，モデル（11 種類）の推定
精度と犯行地点数（5～10 地点）の関連を包括的
に検討している。彼らは，イギリスの準農村部地
域において，住宅侵入盗で検挙された 16 名分の
犯行データについて，多変量分散分析（multivari-
ate analysis of variance: MANOVA）を行い，モ
デル間では精度に差が見られないこと，および犯
行地点数の増加に伴って精度が向上する可能性を
示し，推定精度を高めるには，計算の複雑性が高
い確率距離法を用いることよりも地点数を増加さ
せることのほうが有効であると述べている。
以上のように，推定精度と犯行地点数との関
係については，明確な結論は出ていない。また，
先行研究で用いられている分析では，拠点推定モ
デルと犯行地点数の関係を十分に検討できていな
いと考えられる点がある。
まず，Paulsen（2006a）の研究では，8件目か
ら14 件目におけるサンプルがすべて 7名以下で
あり，統計的な検定も実施されていない。次に，
Tonkin et al.（2010）では，拠点推定モデルとし
て空間平均のみを用いており，他のモデルとの
比較がなされていない。また，Paulsen（2006a）
が行ったような地点数ごとの検討も行っておら
ず，拠点推定の精度と犯行地点数の関連を詳細
に検討したものとは言えない。最後に，Snook et
al.（2005）の研究では，MANOVA を用いてモ
デルの精度と犯行地点数の増加の関連を詳細に検
討しているものの，彼らが用いた 16 名の犯人の
うち，複数の拠点を持つ者については，それぞれ
の拠点について算出した精度を別個のサンプルと
して扱っており，最終的に延べ 21 名分の推定精
度を分析に使用していた。しかし，1名あたりの
データ数が均等でない場合，拠点の数が多い犯人
の特徴がより強く反映されてしまうことが懸念さ
1） 任意に設定した探索領域において，犯人の居住地が
発見されるまでに検索した領域が，探索領域に対し
て占める割合。

犯罪心理学研究第 54 巻第 1号
̶
̶
44
れる。また，Snook et al.（2005）が用いたサン
プルは，MANOVA における要因計画の複雑さ
（モデル：11 水準，犯行地点数：8水準）に比べ
て少ないと言わざるをえない。先行研究に関する
これらの課題から，拠点推定モデルと犯行地点数
の関係については，十分なサンプルに基づく詳細
な検討を行う必要があると言えるだろう。
拠点推定モデルの精度の指標
拠点推定モデルの精度を評価する指標はこれ
までにいくつか提案されている。日本では，幾何
学領域モデルの精度を評価する指標として，分析
に用いた被疑者の中で，推定エリアの内側に拠点
が含まれていた者の割合を用いることが多い（田
村・鈴木，1997; 三本・深田，1999; 羽生，2006;
Haginoya, 2014）。一方，近年の欧米を中心とす
る各国の研究では，誤差距離（error distance）
を精度の指標に用いた研究が比較的多く見られる
（Bennell, Snook, Taylor, Corey, & Keyton, 2007;
Canter, Hammond, Youngs, & Juszczak, 2013;
Emeno & Bennell, 2013; Kent & Leitner, 2012;
Leitner & Kent, 2009; Paulsen, 2006a, 2006b;
Snook, Canter, & Bennell, 2002; Snook, Taylor, &
Bennell, 2004; Snook et al., 2005; Taylor, Bennell,
& Snook, 2009; Tonkin et al., 2010）。誤差距離は，
拠点推定モデルによって犯人の居住地があると推
定された地点と，実際の居住地との間の直線距離
で表される指標である。誤差距離が長ければ推定
の精度が低く，短ければ精度が高いと言える。ま
た，前述した拠点推定モデルと犯行地点数の関
連を検討した研究（Paulsen, 2006a; Snook et al.,
2005; Tonkin et al., 2010）においても，誤差距離
が精度の指標として採用されている。したがっ
て，近年の欧米の先行研究との比較を行うことを
考慮すれば，誤差距離を指標とした研究を行う必
要があると言える。
日本における研究の現状
拠点推定モデルの精度と犯行地点数との関連
については，前述のように，いまだ議論の余地の
あるところである。ここで，日本の拠点推定モデ
ル研究の現状について述べると，日本の犯罪デー
タを用いて拠点推定モデルの精度と犯行地点数と
の関連を直接検討した研究は見られないものの，
サークル仮説の妥当性を検討した羽生（2006）
の研究において，拠点推定モデルの精度と犯行地
点数に関連する結果が報告されている。彼は，分
析に用いた日本の連続放火犯 37 名のデータを用
いて「重心（空間平均）と居住地の距離」は，犯
行地点の分布が広がるにつれて長くなる傾向を見
出している。また，犯行地点と重心の平均距離の
長さの順に近距離群，中距離群，遠距離群に分け
た場合の各群の平均犯行数はそれぞれ 7.9，13.2，
17.3 件と増加し，近距離群と遠距離群の間に有
意な差が認められている。さらに，「中心仮説成
立（居住地がサークル仮説中心に近い）（300 m
以内）割合」，「居住地が重心に近い（300 m 以内）
割合」は，犯行がより広い範囲に分布するにつれ
て減少した。これらの結果から，空間分布法に分
類されるサークル仮説中心や空間平均について
は，地点数の増加に伴って誤差距離が長くなる可
能性が考えられる。
本研究の目的
上記で述べた背景を踏まえて，本研究は，日
本の犯罪データを用いて，犯行地点数を考慮した
拠点推定モデルの精度比較を行うことを目的とし
た。特に本研究では，比較的計算の実行が容易で
ありながら，計算の複雑性が高い手法と同程度の
精度が得られるとされている空間分布法につい
て，Snook et al.（2005）を参考とし，妥当性の
高いサンプリングによって収集したより多くのサ
ンプルを用いて，モデルの精度と犯行地点数の関
連を検討することとした。

菅・萩野谷・細川・蒲生・石内：地理的プロファイリングにおける拠点推定モデルの精度比較
̶
̶
45
方法
対象罪種
本研究では，住居を対象とする連続侵入窃盗
犯を分析の対象とした。住宅侵入盗は認知件数
が多いことから，データの収集効率が良い罪種
であり，多くの研究が行われている（Bennell et
al., 2007; Canter & Hammond, 2007; Canter et al.,
2013; Haginoya, 2014; 萩野谷・花山・小野・蒲
生・真栄平・細川，
2014; Snook et al., 2005; 高
村・ 徳 山，2006; Van Daele & Bernasco, 2012）。
また，警察の捜査資源の割合の大部分を占める侵
入盗を対象とした研究成果は実務的な重要性が高
いという主張（Canter & Hammond, 2007）や，
日本において，窃盗の犯罪者プロファイリング
が最も多く実施されているという報告（倉石ほ
か，2013）からも，研究を行う価値は高いと考
えられる。
サンプリング
平成 16 年から平成 25 年までの間に，日本の
関東地方，北陸地方，四国地方，九州地方の四つ
の県において，15 地点以上で住宅侵入盗を敢行
して検挙された 55 名について，居住地および犯
行地の緯度経度情報を収集した。住宅侵入盗の中
でも，店舗や病院等に併設された住居を対象とし
た事件は除外した。その理由は，店舗や病院等が
併設されていない一般住宅のみを対象とした住宅
侵入盗とは，対象選択や目的物等の犯行態様が異
なると判断したためである。また，同一日に複数
の犯行に及んでいる場合は，最初の 1件の犯行
地のみを使用した。さらに，地点情報の精度を保
つため，住所の「番地」または「番」レベル以上
の詳細さで判明しているデータを使用した。共犯
事件の場合は，主犯または実行犯の 1名のデー
タを使用し，犯行期間中に転居した犯人のデータ
は除外した。55 名のうち，15 件までの犯行を一
つの県で行った者が 29 名，複数の県で行った者
が26 名（2県15 名，3県7名，5県3名，8県
1名）であった。犯行期間の内訳を Table 1 に示
す。期間は最短で 34 日，最長で 2,230 日であっ
た。
なお，地理分析にはゼンリン電子地図帳 Zi16
（ゼンリン）を使用した。また，データの利用に
際しては，警察内部の規則に従って適切に処理，
管理を行った。
分析の手続き
まず，55 名の全犯行地点（825 地点）につい
て，居住地から犯行地点までの距離を計測した。
次に，犯行地点数ごとに，サークル仮説中心と
空間平均，CMD を算出した。サークル仮説中心
については，全犯行地点のうち，最も遠い 2地
点間を結ぶ直線を直径とした円の中心点を，空間
平均については，全犯行地点の緯度経度の平均値
を，CMD については，各犯行地点との距離の総
計が最短となる地点を求めた。
さらに，三つのモデル（サークル仮説中心，空
間平均，CMD）について，3地点から 15 地点ま
での犯行地点数ごとに誤差距離を算出した。誤差
距離データについては，正規性の検定を行い，す
べてのデータについて対数変換を行ったのち，再
度，正規性の検定を行った。
Table 1 犯行期間
日数 人数
～60 6
61～120 10
121～180 5
181～240 4
241～300 6
301～360 3
361～420 1
421～480 2
481～540 4
541～600 1
601～12
注）犯行期間が不明確である 1名を除外した。

犯罪心理学研究第 54 巻第 1号
̶
̶
46
最後に，収集した誤差距離データについて，
犯行地点数ごとの各モデルの精度を比較するた
め，Bonferroni の方法に基づく多重比較を行っ
た。本研究では，検定の有意水準を 5％に設定し
た。
結果
55 名の全犯行地点（825 地点）について，居
住地から犯行地点までの距離（km）をヒストグ
ラムに表したものを Figure 1 に示す。Figure 1
はおおむね距離減衰を示したが，複数の県にま
たがって犯行した犯人が約半数存在しているこ
とから，居住地から 100 km 以上離れた地点にお
いても若干の犯行数の増加が見られた。犯行の
約60％が拠点から 20 km の範囲に含まれていた。
Figure 2 に20 km までの分布をより詳しく示す。
また，Table 2 に，犯行地点が 3地点から 15 地点
までの，地点数ごとの居住地から犯行地点までの
距離の記述統計を示す。
三つのモデル（サークル仮説中心，空間平均，
Figure 1 居住地から犯行地点までの距離の分布
Figure 2 20 km 以内における居住地から犯行地点までの距離の分布

菅・萩野谷・細川・蒲生・石内：地理的プロファイリングにおける拠点推定モデルの精度比較
̶
̶
47
CMD）について，3地点から 15 地点までの犯行
地点数ごとに算出した誤差距離データについて，
コルモゴロフ・スミルノフ検定 2）を行った結果，
有意となり（Z＝.320, p＜.001），正規性が認めら
れなかったことから，すべてのデータについて対
数変換を行い，分析には変換後のデータを用い
た。
なお，変換後のデータについて，再度コルモ
ゴロフ・スミルノフ検定を行ったところ，正規性
が認められた（Z＝.084, n.s.）。
各拠点推定モデルについて算出した犯行地点
数ごとの誤差距離を Figure 3 に示す。モデルご
との誤差距離は，分析において最も少ない地点数
である 3地点の時点では各モデルについて類似
する値が得られたが，地点数の増加に伴ってモデ
ルごとに異なる変化が生じており，モデル間で誤
差距離の差が拡大する傾向が見られた。例えば，
サークル仮説については，地点数の増加に伴って
誤差距離が長くなり，特に 7地点以降の誤差距
離が 6地点以前の値よりも大きい傾向が見られ
た。空間平均については，5地点においてやや誤
差距離が短い傾向が見られたものの，他のモデル
に比べて大きな変化は認められなかった。CMD
については，地点数の増加に伴って誤差距離が短
くなり，特に 11 地点以降の誤差距離が 10 地点
以前の値よりも小さかった。
そこで，犯行地点数ごとにモデル間の誤差距
離に差があるか否かを調べるため，多重比較を
行った。その結果，7地点から 15 地点までの各
犯行地点数において，CMD の誤差距離がサーク
ル仮説中心と比較して有意に短かった（7地点；
p＝.046, 8 地点；p＝.003, 9 地 点；p＝.013, 10 地
点；p＝.004, 11 地点；p＝.001, 12 地点；p＜.001,
13 地 点；p＜.001, 14 地 点；p＜.001, 15 地 点；
p＜.001）。
Table 2 犯行地点数ごとの居住地から犯行地点までの距離の記述統計（km）
変数 3 4 5 6 7 8 9 10 11 12 13 14 15
平均 38.17 35.17 40.59 34.30 36.25 38.15 32.59 28.38 37.88 33.10 41.50 35.25 29.06
標準偏差 63.12 61.49 70.60 49.93 56.72 72.38 51.65 43.02 79.02 60.25 69.08 51.95 45.75
中央値 13.77 14.90 16.90 13.62 13.60 13.73 13.24 12.05 13.44 11.66 18.36 13.16 13.62
第1
四分位数 3.83 5.83 5.48 4.30 4.34 4.71 4.97 4.10 3.24 5.57 2.90 3.72 4.77
第3
四分位数 41.30 39.33 43.84 47.80 47.49 32.65 36.12 33.81 32.41 34.38 43.16 43.60 30.21
最小値 0.05 0.26 0.11 0.18 0.34 0.26 0.20 0.26 0.18 0.95 0.42 0.42 0.48
最大値 358.33 376.10 417.68 223.54 309.64 405.38 270.21 220.95 517.05 357.57 407.15 243.04 229.34
Figure 3 拠点推定モデルにおける犯行地点数ごとの
誤差距離
2） 本研究では多数の誤差距離データ（n＝2145）を用い
たことから，対数変換前後のデータについて，ラン
ダムサンプリングにより抽出した 100 個のデータを
用いた検定をそれぞれ行った。

犯罪心理学研究第 54 巻第 1号
̶
̶
48
考察
本研究の目的は，拠点推定モデルの精度を犯
行地点数の増加を考慮して検討することであっ
た。多重比較を行った結果，犯行地点数が 7以
上の場合において，CMD の誤差距離が，サーク
ル仮説中心に比べて有意に短かった。
拠点推定モデルの精度比較と犯行地点数の影響
本研究では，サークル仮説中心に比べて，
CMD がより高い精度を示した。犯行地点のう
ち，最遠の 2地点のみを考慮するサークル仮説
中心では，犯行地点の偏りを反映しにくいと言え
る。一方で，CMD は各犯行地点との距離の総計
が最短となる地点，つまり，犯人が各犯行地点
へ最小努力で到達可能な地点であると考えられ
る。したがって，すべての犯行地点との距離を考
慮する CMD は，その性質上，犯行分布の地理
的な偏りを反映しやすいと考えることができる。
Van Daele & Bernasco（2012）による住宅侵入盗
を対象とした研究において，オランダで収集され
た268 名分の犯行データは，シミュレーション
によって拠点に対してランダムな方角に犯行地点
を発生させた連続事件（100 万組）に対して，拠
点から有意に一貫した方角に犯行地点が分布す
る傾向があることが報告されている。また，羽
生（2006）による日本の放火犯の研究では，サー
クル仮説が成立する場合に，居住地に対して犯行
地点が一方向に偏りを持って広がっていく可能性
が示唆されている。羽生（2006）は犯行地点が
拠点からある方向に偏って広がる理由について，
犯人の知識が豊富な方向に行動が集中すること，
また，制約された環境の中で犯行に適した場所を
求めて行動が集中することを挙げている。した
がって，本研究で用いたデータにおいても，居住
地に対する犯行地点の分布の偏りが，拠点推定モ
デルの推定精度の違いに影響した可能性が考えら
れる。
また，犯行地点の分布に偏りがあることを前
提として考えれば，犯行地点分布の偏りと犯行地
点数の関係についても考察する必要がある。Van
Daele & Bernasco（2012）の研究では，犯行地点
数の増加に伴って，犯行における方角の一貫性が
見られる犯人の割合が増加することが示されてい
る。彼らの研究が示すように，犯行地点が偏って
広がるとすれば，犯行地点数が増えることによっ
てその偏りが大きくなり，拠点推定モデルの精度
に影響することが考えられる。本研究では，多重
比較の結果，CMD とサークル仮説中心の間に 7
地点以上の各犯行地点数で差が見られた。前述の
とおり，サークル仮説中心では地理的な偏りが反
映されにくく，CMD では反映されやすいと考え
られることから，犯行数の増加による地理的な偏
りによって，CMD とサークル仮説中心の精度に
差が見られたと考えることができる。以上の結果
は，犯行地点数が各モデルの推定精度に異なる影
響を与えることを示すものであり，犯行地点数を
考慮したモデル選択の必要性が示唆された。
罪種の影響
本研究で検討した拠点推定の精度に関するモデ
ルの種類と犯行地点数の関係は，住宅侵入盗以外
の罪種についても検討されるべきである。住宅侵
入盗以外の罪種については，これまでに Tonkin
et al.（2010）が自動車盗について部分的な検討を
行っているものの，多くの罪種で未検証である。
しかしながら，先行研究（Rhodes & Conly, 1991）
では，強姦などの比較的場当たり的な犯罪より
も，強盗や侵入盗などの，より計画的な犯罪のほ
うが，居住地から離れた場所で犯行に及びやすい
可能性が指摘されている。したがって，罪種ごと
に犯行地の選択パターンが異なる可能性が考えら
れることから，拠点推定の精度に関するモデルの
種類と犯行地点数の関連については，罪種間の違
いが見出される可能性があるだろう。

菅・萩野谷・細川・蒲生・石内：地理的プロファイリングにおける拠点推定モデルの精度比較
̶
̶
49
推定精度の指標としての誤差距離
本研究において拠点推定モデルの精度の指標
として用いた誤差距離は，多くの先行研究で用
いられている指標である（
Bennell et al., 2007;
Canter et al., 2013; Emeno & Bennell, 2013; Kent
& Leitner, 2012; Leitner & Kent, 2009; Paulsen,
2006a, 2006b; Snook et al., 2002; Snook et al.,
2004; Snook et al., 2005; Taylor et al., 2009;
Tonkin et al., 2010）。誤差距離が多用されている
主な理由は，確率距離法において拠点の存在する
確率が最も高いセルに犯人の拠点がある可能性の
最も高い地点を定義することで，空間分布法と確
率距離法の双方に適用可能であることが挙げられ
る（Snook et al., 2005）。また，犯人の実際の居
住地と，推定された居住地との直線距離で表され
るという単純さも，多用される理由の一つである
と考えられる。一方で，誤差距離は，単純な指標
ゆえに，妥当性の向上を図る必要があると考えら
れる。例えば，Tonkin et al.（2010）は，犯人に
到達するまでに探索する必要がある人数を誤差距
離に反映する方法として，誤差距離を半径とした
円形領域を探索エリアとし，エリアの面積とエリ
ア内の人口密度を乗算することによって，人口密
度を考慮する評価手法を提案している。今後は，
Tonkin et al.（2010）が用いた人口密度などの情
報を組み合わせることで，より実務の分析に近い
条件でのモデルの精度評価が求められるだろう。
確率距離法を含めた評価
本研究におけるモデル比較は，空間分布法に
限定したものであり，欧米での研究において空間
分布法と同時に比較研究が行われている確率距離
法については扱わなかった。複雑な計算を要する
確率距離法と比較的計算が容易な空間分布法との
間には，推定精度の差がないという欧米の研究
結果があるが（Snook et al., 2005; Paulsen, 2006a,
2006b），この点は日本のデータでは未検証であ
ることや，本研究において空間分布法に属するモ
デル間に精度の違いが見られたことからも，今後
は確率距離法を含めた検討が必要だろう。
空間分布法と確率距離法を比較する場合，問題
となるのがその評価方法である。誤差距離は空間
分布法と確率距離法の双方に適用可能であるとさ
れるが，前述のように，誤差距離によって指定し
た範囲内に人口情報等の要素を取り入れることで，
空間分布法と確率距離法の精度比較が，より妥当
性の高い方法で実施可能であると考えられる。
一方，誤差距離のほかに多くの研究で使用さ
れる指標として，ヒットスコア（Rossmo, 2000
渡辺監訳2002）やサーチコスト（Canter et
al., 2000）と呼ばれる指標がある。ヒットスコ
ア／サーチコストは，任意に設定した探索領域に
おいて，犯人の居住地が発見されるまでに検索し
た領域が，探索領域に対して占める割合によって
導かれるものであり，被疑者探索のコストという
実務的に価値の高い情報を提供することが可能で
ある。Rossmo（2005）は，誤差距離では確率距
離法を用いた地理的プロファイリングシステムの
実際の働きを捉えられないとし，ヒットスコア／
サーチコストを用いるべきであると主張してい
る。これまで，ヒットスコア／サーチコストは，
確率距離法にのみ適用可能であるとされてきた。
しかしながら，空間分布法においても，犯人の推
定居住地と実際の居住地の間の距離の分布を推定
居住地からの距離減衰関数として利用すること
で，確率距離法のヒットスコア／サーチコストに
対応する被疑者探索のコストを算出することが可
能である。したがって，今後は空間分布法と確率
距離法をヒットスコア／サーチコストを含めて比
較することにより，実務上より価値の高い知見を
見出すことが期待される。
結論
本研究では，住宅侵入盗を対象として，空間
分布法の精度について犯行地点数を考慮した比較

犯罪心理学研究第 54 巻第 1号
̶
̶
50
を行った。その結果，実務において犯行地点数を
考慮したモデル選択の必要性が示唆された。例え
ば，警察実務においては，連続事件が発生した場
合，まず事件リンク分析を行い同一犯による犯行
かどうかを検討することになる。それによって同
一犯によると判断された犯行件数が 7件よりも
多ければ，その後の地理的プロファイリングには
CMD を用いた拠点推定を優先的に行い，推定さ
れた地点周辺から捜査を行うことがより有効であ
ると言えるだろう。さらに，犯行地点数のみでな
く，犯行地点の分布のばらつきや犯行領域の大き
さ（Paulsen, 2006a），さらには，犯行が発生した
順序等も考慮することで，今後，拠点推定精度が
向上する可能性も考えられる。
現在までのところ，日本の犯罪を対象とした
地理的プロファイリングの知見は，非常に少ない
現状にある。しかしながら，日本の警察における
地理的プロファイリングの実施率の高さ（倉石ほ
か，2013）を考慮すれば，今後，同分野におけ
る知見を蓄積することは，分析技術の向上におい
て不可欠であると考える。本研究は，拠点推定に
おける一側面に目を向けたものに過ぎず，今後の
さらなる知見の蓄積が進められることで，地理的
プロファイリングの分析技術の向上につながるこ
とが期待される。
謝辞
本稿の執筆にあたり，滋賀県警科学捜査研究
所の倉石宏樹氏に貴重なご意見をいただきまし
た。この場をお借りして感謝申し上げます。
引用文献
Bennell, C., Snook, B., Taylor, P. J., Corey, S., & Key-
ton, J. 2007 It’s no riddle, choose the middle: The
effect of number of crimes and topographical de-
tail on police ocer predictions of serial burglars’
home locations. Criminal Justice and Behavior,
34(1), 119–132.
Canter, D., Coey, T., Huntley, M., & Missen, C. 2000
Predicting serial killers’ home base using a decision
support system. Journal of Quantitative Criminol-
ogy, 16(4), 457–478.
Canter, D., & Hammond, L. 2007 Prioritizing bur-
glars: Comparing the eectiveness of geographical
proling methods. Police Practice and Research,
8(4), 371–384.
Canter, D., Hammond, L., Youngs, D., & Juszczak, P.
2013 The efficacy of ideographic models for geo-
graphical oender proling. Journal of Quantitative
Criminology, 29(3), 423–446.
Canter, D., & Larkin, P. 1993 The environmental
range of serial rapists. Journal of Environmental Psy-
chology, 13(1), 63–69.
Emeno, K., & Bennell, C. 2013 e eectiveness of
calibrated versus default distance decay function
for geographic proling: A preliminary examina-
tion of crime type. Psychology, Crime & Law, 19(3),
215–232.
Haginoya, S. 2014 Offender demographics and geo-
graphical characteristics by oender means of trans-
portation in serial residential burglaries. Psychology,
Crime & Law, 20(6), 515–534.
萩野谷俊平 2015 住居対象侵入窃盗事件の犯罪者
プロファイリング研究—実用性の向上に主眼を置
いて— 学位論文 法政大学大学院人文科学研究
科博士論文（未公刊）．
萩野谷俊平・花山愛子・小野修一・蒲生晋介・真栄平
亮太・細川豊治 2014 住居対象連続侵入窃盗事
件における犯人属性の犯罪手口による予測 日本法
科学技術学会誌，19(1), 31–43.
羽生和紀 2006 連続放火の地理的プロファインリ
ング—サークル仮説の妥当性の検討— 犯罪心理
学研究，43(2), 1–12.
警察庁 2008 警察白書 平成 20 年版．
Kent, J., & Leitner, M. 2012 Incorporating land cover
within Bayesian journey-to-crime estimation mod-
els. International Journal of Psychological Studies,
4(2), 120–140.
倉石宏樹・渡邉和美・横田賀英子・和智妙子 2013
犯罪者プロファイリングにおける研修効果 犯罪心
理学研究，51（特別号），88–89.
Leitner, M., & Kent, J. 2009 Bayesian Journey-to-
Crime modelling of single and multiple crime-
type series in Baltimore County, MD. Journal of
Investigative Psychology and Oender Proling, 6(3),
213–236.
三本照美・深田直樹 1999 連続放火犯の居住地
推定の試み—地理的重心モデルを用いた地理プロ
ファイリング— 科学警察研究所報告（防犯少年
編 ）， 40(1), 23–34.
Paulsen, D. J. 2006a Connecting the dots: Assessing

菅・萩野谷・細川・蒲生・石内：地理的プロファイリングにおける拠点推定モデルの精度比較
̶
̶
51
the accuracy of geographic proling soware. In-
ternational Journal of Police Strategies and Manage-
ment, 29(2), 306–334.
Paulsen, D. J. 2006b Human versus Machine: A com-
parison of the accuracy of geographic proling
methods. Journal of Investigative Psychology and Of-
fender Proling, 3(2), 77–89.
Rhodes, W. M., & Conly, C. 1991 Crime and Mobility:
An empirical Study. In P. J. Brantingham, & P. L.
Brantingham (Eds.), Enviromental criminology. Il-
linois: Waveland Press. pp. 167–188.
Rossmo, D. K. 2000 Geographic proling, Boca Raton:
CRC Press.（ロ ス モ，D. K., 渡辺昭一（監訳）
2002 地理的プロファイリング 凶悪犯罪者に迫
る行動科学 北大路書房）
Rossmo, D. K. 2005 Geographic heuristics or short-
cuts to failure?: Response to Snook et al. Applied
Cognitive Psychology, 19(5), 651–654.
Snook, B., Canter, D., & Bennell, C. 2002 Predicting
the home location of serial oenders: A preliminary
comparison of the accuracy of human judges with a
geographic proling system. Behavioral Sciences &
the Law, 20(1–2), 109–118.
Snook, B., Taylor, P., & Bennell, C. 2004 Geographic
proling: e fast, frugal, and accurate way. Applied
Cognitive Psychology, 18(1), 105–121.
Snook, B., Zito, M., Bennell, C., & Taylor, P. J. 2005
On the complexity and accuracy of geographic pro-
filing strategies. Journal of Quantitative Criminol-
ogy, 1(1), 1–26.
高村 茂・徳山孝之 2006 多変量解析を用いた犯
罪者プロファイリング研究—侵入窃盗犯の類型化
に着目して— 犯罪心理学研究，43(2), 29–41.
田村雅幸・鈴木 護 1997 連続放火の犯人像分析
1．犯人居住地に関する円仮説の検討 科学警察研
究所報告防犯少年編，38(1), 63–69.
Taylor, P. J., Bennell, C., & Snook, B. 2009 e bounds
of cognitive heuristic performance on the geo-
graphic proling task. Applied Cognitive Psychology,
23(3), 410–430.
Tonkin, M., Woodhams, J., Bond, J. W., & Loe, T.
2010 A theoretical and practical test of geographical
proling with serial vehicle the in a U.K. context.
Behavioral Sciences & the Law, 28(3), 442–460.
Van Daele, S., & Bernasco, W. 2012 Exploring direc-
tional consistency in oending: e case of residen-
tial burglary in the Hague. Journal of Investigative
Psychology and Oender Proling, 9(2), 135–148.
Warren, J., Reboussin, R., Hazelwood, R., Cummings,
A., Gibbs, N., & Trumbetta, S. 1998 Crime scene
and distance correlates of serial rape. Journal of
Quantitative Criminology, 14(1), 35–59.
渡辺昭一 2005 犯罪者プロファイリング—犯罪を
科学する警察の情報分析技術 角川書店．
Abstract
Eects of the number of crime locations on geographic proling models were investigated. e data of
55 serial residential burglaries comprised of up to 15 burglaries committed by each burglar were sampled.
e accuracy of 3 geographic proling models: center of the circle, spatial mean, and CMD models were
compared in each of 3 to 15 crime locations. e error distance was used for measuring the accuracy of the
models. Multiple comparisons showed that CMD method had shorter error distances than center of the
circle method when seven, or more crime locations were used. ese results suggested that the number of
crime locations dierentially aected the accuracy of each model.
Key words: geographic proling, error distance, number of crime locations
2015. 10. 19 受稿，2016. 7. 27 受理