經由分析犯罪報案資料以發現犯罪頻率高之地點,稱之為「犯罪熱點 ( hot spots of crime )」,是近三十年來犯罪預防發展的重點之一。被發現之犯罪熱點可被用來製作犯罪熱點圖,以提供犯罪狀況之視覺展示 ; 可據以分析成為犯罪熱點之原因,以規劃犯罪預防之手段,具多項用途。通常尋找犯罪熱點之方式為 ; 依自訂之「地點」分割及時間區間分割,將報案資料整理成每個地點均有一條時間對犯罪次數之 time series,稱為「實際犯罪發展曲線」,然後以 Poisson 迴歸方法找到每條實際犯罪發展曲線之「配適犯罪發展曲線」,再將這些曲線分群 (clustering),以獲得「犯罪熱點群」。 上述做法的問題有: (1) 需決定地點分割單位及時間區間分割單位 ; (2) 資料量大時 Poisson 迴歸之配適很費時 ; (3) 無法解析分群之內涵。 本文為解決上述問題,採用了 Piecewise Linear Approximation (PLA) 方式來表示「實際犯罪曲線」,且利用兩種簡化方法 : Divisive Piecewise Linear Approximation (DPLA) 及取極值之線性近似法,來近似實際犯罪曲線,另採用 Ward's hierarchical clustering 之方法進行分群。 本文發展之方法具可處理各種型態之 time series,及處理速度快之優點。 本文中運用所發展的方法實際分析了犯罪報案資料,並就準確度與效率二指標與 Group-Based Trajectory Model (GBTM) 方法之結果進行比較,結果顯示以我們的方式進行分析,在準確度上與 GBTM 差不多,但在效率上比 GBTM 為佳。