犯罪地理研究始终存在重视客观犯罪、轻视主观感知的缺憾.论文以北京为案例,采用深度学习中的图像回归算法,大规模识别不同街景环境下的犯罪恐惧感,以弥补社会调查在空间覆盖率、空间分辨率以及信度效度等方面的不足.研究表明:①犯罪恐惧感的空间格局呈现出由中心向郊区逐渐递增的圈层式、多组团、放射状结构,盗窃及暴力犯罪量的空间分布与之大相径庭.②由犯罪恐惧感与犯罪活动的空间分布匹配关系可见,在北京市中心,主客观安全性具有低匹配度且客观形势比主观感知更危险;至近郊,两者匹配度提高;至远郊,两者仍具低匹配度但客观形势比主观感知更安全.③主客观安全性的影响因素不尽相同.高密度、混合型环境有利于降低恐惧感却会诱发犯罪;增设尽端路、提升围合感、增加绿视率、整治物理失序则能发挥抑制恐惧感和犯罪量的双重功效;弱势社区兼具高恐惧感与高暴力犯罪量,人员流动性有助弱化恐惧感,居民异质性仅会加剧犯罪行为.研究结果有助于厘清经典犯罪地理理论对主客观安全性的差异化解释力,以全面评估环境干预政策的安全性后果.