运用生活数据推断死亡时间
徐永城1, 沈靓2, 余荣军3, 龚群4
1.宁波市公安局鄞州分局,浙江 宁波 315100
2.绍兴市公安局柯桥区分局,浙江 绍兴 312030
3.宁波市公安局,浙江 宁波 315010
4.浙江省公安厅,杭州 310009

第一作者简介:徐永城,男,浙江诸暨人,硕士,副主任法医师,研究方向为法医病理学、法医临床学。E-mail: forensicxu@126.com

摘要

单纯地运用法医学尸体现象推断死亡时间不能满足实际办案需要,蛋白、核酸、红外光谱技术等的研究尚未广泛应用于实践。笔者建议认真收集案发现场的生活数据,包括视频监控、电脑、手机、智能家用仪表等大数据生活数据和生活票据、生活用品、生活习惯等传统生活数据,提取有效信息并与尸体现象比对结合,以提高死亡时间推断的准确性。

关键词: 法医病理学; 死亡时间; 生活数据; 大数据
中图分类号:DF795.4 文献标志码:B 文章编号:1008-3650(2020)06-0655-03
Postmortem Interval Estimation Assisted with Correlating Living Evidential Data
XU Yongcheng1, SHEN Liang2, YU Rongjun3, GONG Qun4
1. Yinzhou Branch of Ningbo Public Security Bureau, Ningbo 315100, Zhejiang, China
2. Keqiao Branch of Shaoxing Public Security Bureau, Shaoxing 312030, Zhejiang, China
3. Ningbo Public Security Bureau, Ningbo 315010, Zhejiang, China
4. Zhejiang Provincial Public Security Department, Hangzhou 310009, China
Abstract

At times, sole postmortem phenomena are not sufficient for judging the accurate postmortem interval (PMI) estimation. Evidently, the materials of protein, nucleic acid and other supporting data from, e.g., the infrared spectroscopy, have been demonstrating their practical evidential roles about PMI estimation, yet their extension and promotion still being waited for enhancing, especially for the grass-roots organizations. Therefore, suggestions are here made on the collection of correlating living evidential data that involve with the crime scenes and relevant individuals. These data are of the so-called Big Data today, mainly from two aspects: one, the living environment and appliances, e.g., video monitors, computers, mobile phones and smart household devices; and the other, traditional and/or daily activities, e.g., bills and/or notes, utensils and life/living habits. With integration into the postmortem phenomena from six exampling concrete cases to demonstrate the assistance of valid information obtained from the items mentioned but not limited above, the PMI estimation has been certainly improved of its accuracy.

Key words: forensic pathology; postmortem interval (PMI); life data; Big Data

在法医学实际工作中, 死亡时间的确定, 案发时间的判断, 常常对破案有着至关重要的作用。传统的法医学手段单纯地着眼于尸体现象, 在时间判断的精度上不能满足办案需要; 蛋白、核酸、红外光谱技术[1, 2, 3]等检测方法均尚未能在实践中广泛应用。随着科技的高速发展, 人们的生活习惯、通信方式在悄然发生变化, 记录生活轨迹的方式也越来越多, 如视频监控、电脑、手机[4]、智能家用仪表[5]等, 如何巧妙地利用这些生活数据, 作为推断死亡时间的补充, 成为我们应重点关注的问题。笔者根据多年实际工作经历, 结合案例, 提出以下几个方面, 与同行们探讨。

1 大数据下的生活数据
1.1 视频监控

随着计算机、图像处理、网络以及传输技术的飞速发展, 视频监控技术有了长足的进步, 监控设备在城市街道、商场、学校、厂矿企业等场所广泛安装, 因视频监控具有能客观、翔实、准确地记录案发过程的优势, 常被办案部门使用。我们可以合理地运用视频监控, 结合尸体现象, 推断死亡时间。

案例一:4月某日14时, 我市某高校一尚未启用的新大楼墙角外发现一具年轻男尸, 经勘验, 尸斑颜色较浅、指压部分褪色, 尸僵强, 角膜轻度混浊, 15时测环境温度27 ℃、尸体温度31 ℃, 损伤为左面部擦伤, 左腰背部、左臀部大片擦伤, 左上肢擦伤, 左肩胛骨骨折, 阴囊撕裂, 右尺桡骨、胫腓骨骨折。结合起落点特征, 损伤符合高坠形成。根据尸体现象推断, 死亡时间距检验时间6 h以上。经调查确认身份后得知, 死者于前一日晚上曾与同学外出喝酒, 后未回宿舍。因校内视频监控安装较多, 故调取了前后两天的视频, 进行比对梳理, 结果不但确定了案发的准确时间(当天早上6点零5分从楼顶坠落), 而且明确了死者从校外回来后的整个活动轨迹, 并确定案发时间内无他人在现场, 给了死者家属、学校一个合理的交代。

同样在另一起死亡案件中, 也是利用电梯监控, 准确地固定了死者最后一次回家时间, 排除了他人进入现场的可能, 使得死亡时间、案件性质有了很好的认定。

1.2 电脑数据

电脑作为工作、学习、娱乐的工具, 在日常生活中十分常见, 人们在用电脑时会留下各种痕迹, 如电脑的开关机记录、游戏的登录登出记录等。自杀者还常有遗书、反映当时心情的音乐等记录。在现场勘验时, 这些信息的收集, 可以有效提高死亡时间推断、案件性质判断的准确性。

案例二:5月某日, 某女, 28岁, 被发现缢死在暂住房横梁上。现场平静, 房门反锁, 尸体除正位缢沟向后上方提空外, 无其他损伤。尸体尚未出现明显腐败征象, 尸斑固定, 尸僵开始缓解, 角膜中度混浊。经调查该女子独居, 辞职一周, 后与别人无联系。现场电脑未关闭, 经查看, 发现最后一次网络游戏登出时间距勘验时刚好3日, 手机记录步数APP显示勘验前第3日上午有少量步数, 后无步数, 从而将死亡时间固定在勘验前第3日上午。

1.3 手机APP

如今手机十分普及, 人们打电话、发短信、用微信、聊QQ、打游戏、订外卖、网购等都会留下各种平台数据, 记录步数、轨迹等的APP能记录活动情况, 这些都是可以合理利用的信息。如通话记录, 最后一个已接来电与最早未接来电之间的时间最有可能是案发时间。记步软件最后记录的步数, 即有步数记录到无步数记录的时间点可能就是死亡时间, 如案例二。手机锁屏时, 一些手机能显示第一条未读微信距当前几小时, 这也是很准确的时间记录。收集这些信息应成为一项常规工作, 有时利用一项或几项数据就能得出相当准确的死亡时间信息。

案例三:4月某日17时许, 某男, 30岁, 被发现死在暂住房内床上。现场平静, 房门虚掩, 尸表检验未见损伤, 尸斑暗红色、指压褪色, 尸僵较强, 角膜清亮, 结膜充血。监控提示当日早上8时许, 死者曾进出院子一趟, 后无活动记录。现场死者手机已锁屏, 屏幕上有未读微信及最早的未阅读信息距当前4 h的提醒。后经技术开机后发现最后已读信息在4.5 h前。本例中, 未读微信锁屏的时间提醒是较视频监控、尸体现象更准确的时间信息, 结合已读信息, 可以将死亡时间限定在4 h左右。

1.4 智能家用仪表

人工智能快速发展, 智能设备逐渐应用到了家用仪表上, 电表、水表、燃气表等数据可以逐渐精确到按日、按时分段计数统计, 在方便供应企业计费的同时也给案件侦查提供了方便, 我们可以利用记录数据的变与不变来推断案发时间、死亡时间。

案例四:7月28日9时许, 某男, 69岁, 被发现死在卧室床上, 床边大滩血迹, 卧室、过道、卫生间墙面上较多擦拭状血迹, 家中大门锁完好, 未见可疑攀爬痕迹。10时检验尸体:尸斑指压部分褪色, 尸僵较强, 角膜尚清亮, 口周见流柱状血迹, 双手可见血迹, 尸表未见皮肤破损。据反映, 死者用空调很规律:凌晨3点关闭空调。通过查阅死者家中智能电表数据, 发现7月15日至28日电表每天凌晨3点左右读数减少, 未见异常变化。根据尸斑等尸体现象, 死亡时间距勘验时6 h以上, 结合凌晨3点死者有起床关空调的活动, 基本上把死亡时间确定在当日凌晨3~4点。

2 传统的生活数据
2.1 生活票据

外出购物有购物小票, 其中以超市小票最为常见。网络外卖有订单小票, 这些小票常常有较准确的交易日期和时间, 此类信息可以合理利用。

案例五:12月10日, 我市某小区出租房房东报警称其一房客在房间内死亡。经勘验, 现场房间反锁, 门窗缝隙均用胶带密封, 男性死者平卧于床上, 床边见一铁盆, 其内见炭灰及尚未完全燃尽的木炭, 尸体表面未见明显致命损伤, 尸斑鲜红色, 尸僵缓解, 口唇皮革样化, 面部、胸部、背部、会阴部可见霉斑, 腹部可见尸绿, 四肢可见腐败静脉网及多处霉斑, 全身表皮易脱落, 双手指皮革样化、可见炭末附着。后经检测, 心血COHb含量> 40%, 烧炭致CO中毒死亡的死因明确。根据尸体腐败情况, 结合当地冬季气温来看, 死亡时间在半个月至两个月之间, 但确定具体死亡时间有较大困难。现场的最后外卖小票时间为11月8日17:01, 死者机械自动表日期停格在13, 查阅该手表相关信息得知, 上满发条可以走40 h左右, 由此得出了比较准确的死亡时间为11月10日左右。

2.2 生活用品

记录日期、时间的生活用品, 特别是手表, 如案发当时手表也停止了, 即可精确到几点几分, 带日期的可以显示日期。此类情况常常发生在高坠、溺水等案件中, 因为高坠时冲击力巨大, 常常损坏手表导致其指针停格, 这也正好记录了准确的案发时间; 而溺水也是类似, 手表进水, 部件损坏导致手表指针停格, 不过其准确性略差。案例五也巧妙地用到了机械自动表静止一段时间后日期停止的特点, 协助了时间推断。另外, 每天一撕的日历也有类似作用。

2.3 生活习惯

成人特别是老人, 常常有固定的生活习惯, 如定时定期买菜、去公园、取报纸、买彩票等, 这些习惯周围熟人也常了解, 一旦几日不露面, 周围人会念叨, 甚至会上门查看, 这常成为一些案件被发现的方式, 也能间接反映死亡时间。

案例六:9月某日, 我市某老小区一独居老人的邻居反映, 该老人已几日未露面, 房间里似乎还有臭气冒出。经勘验, 男性老人确已死亡, 现场平静, 因天气炎热, 尸体已经严重腐败、呈巨人观, 地上大量腐败血水。现场勘验发现有4 d前的超市买菜小票, 据小区保安反映, 该老人每天早上有取报纸的习惯, 而他家报纸已3 d未取, 由此即基本固定了死亡时间。

3 讨论

尸体现象是当下最常用的死亡时间推断依据, 但因其受环境、气温、尸体本身等多重因素影响, 只能给出一个时间范围, 准确性相对较低, 常不能满足实际办案需要。近年来, 基于物理化学的测算, 生物化学包括蛋白、核酸等的检测, 振动光谱学技术等的方法也广泛地应用于法医学死亡时间的研究, 但此类方法均仅停留在实验室研究阶段, 未得到大量实际案件验证, 也未能在实际案件中广泛应用。

笔者关注到死者的生活数据能提供各种时间相关的记录痕迹。1)传统生活数据, 包括生活票据、生活用品、生活习惯等。此类生活数据常来自于认真的现场搜索、现场物品的翻阅、周围的走访, 其精确度有时能在1 d之内。2)大数据的生活数据, 包括视频监控、电脑、手机APP、智能家用仪表等。此类数据来自于各类电子产品或仪表, 有的在现场第一时间就能给我们时间提示, 如案例二、案例三, 有的则需要后期专业人员的解读, 如案例一、案例四, 这类数据往往准确度较高, 有时能精确到某个时间点上。

综上, 笔者认为在命案现场勘验时, 立足尸体, 根据尸体现象认真评估, 确定死亡发生的时间范围; 结合现场[4], 广泛收集视频监控、电脑、手机APP、智能家用仪表等大数据生活数据和生活票据、生活用品、生活习惯等传统生活数据, 认真梳理, 提取有效信息, 并把两类生活数据和尸体现象比对结合[5], 将会大大提高死亡时间推断的准确性。

参考文献
[1] 王琪, 林汉成, 徐纪茹, . 死亡时间推断最新研究与展望[J]. 法医学杂志, 2018, 34(5): 459-467.
(WANG Qi, LIN Hancheng, XU Jiru, et al. Current research and prospects on postmortem interval estimation[J]. Journal of Forensic Medicine, 2018, 34(5): 459-467. ) [本文引用:1]
[2] HUANG P, KE Y, LU Q, et al. Analysis of postmortem metabolic changes in rat kidney cortex using Fourier transform infrared spectroscopy[J]. Spectroscopy, 2008, 22(1): 21-31. [本文引用:1]
[3] 姚尧, 王琪, 荆小莉, . 猪肋软骨和肋骨的ATR-FTIR光谱变化与死亡时间的关系[J]. 法医学杂志, 2016, 32(1): 21-25.
(YAO Yao, WANG Qi, JING Xiaoli, et al. Relationship between PMI and ATR-FTIR spectral changes in swine costal cartilages and ribs[J]. Journal of Forensic Medicine, 2016, 32(1): 21-25. ) [本文引用:1]
[4] 闵建雄. 命案现场分析的概念问题[J]. 刑事技术, 2010(3): 38-40.
(MIN Jianxiong. The concept of homicide scene analysis[J]. Forensic Science and Technology, 2010(3): 38-40. ) [本文引用:2]
[5] 沈靓, 徐永城, 钱高枫, . 6例非正常死亡事件发生时间的综合分析[J]. 中国法医学杂志, 2019, 34(1): 90-91.
(SHEN Liang, XU Yongcheng, QIAN Gaofeng, et al. Analysis of the occurrence time of 6 abnormal death cases[J]. Chinese Journal of Forensic Medicine, 2019, 34(1): 90-91. ) [本文引用:2]