以基于派出所的泰森多边形为研究单元,采用核密度估计、标准差椭圆、G统计分析、地统计分析和全局Moran’s I指数分析B市2016~2017年犯罪在空间上的分布情况。基于空间兴趣点(point of interest,POI)与多时相遥感分类体系等多源数据,采...以基于派出所的泰森多边形为研究单元,采用核密度估计、标准差椭圆、G统计分析、地统计分析和全局Moran’s I指数分析B市2016~2017年犯罪在空间上的分布情况。基于空间兴趣点(point of interest,POI)与多时相遥感分类体系等多源数据,采用相关分析和主成分分析提取犯罪影响因子,通过解释变量Johnson变换后的地理加权回归(geographically weighted regression,GWR)模型和基于主成分因子的最小二乘法(ordinary least squares,OLS)模型解释因子对5类犯罪空间分布的影响。研究发现:时空分析上,在6月~7月份犯罪率最高,具有“东西”走向且“离心型犯罪化”的表现;影响因素分析中16个自变量中有10个变量对犯罪率存在较强的正相关影响,而这些变量之间具有空间自相关性,因此采用基于主成分分析的OLS和GWR模型对其消除空间自相关性建立回归模型;而几个回归模型检验上,基于主成分因子的OLS、GWR与Johnson变换后GWR模型均具有较高的拟合度。此研究结果可为犯罪防控及犯罪预测建模提供参考与建议。展开更多
文摘以基于派出所的泰森多边形为研究单元,采用核密度估计、标准差椭圆、G统计分析、地统计分析和全局Moran’s I指数分析B市2016~2017年犯罪在空间上的分布情况。基于空间兴趣点(point of interest,POI)与多时相遥感分类体系等多源数据,采用相关分析和主成分分析提取犯罪影响因子,通过解释变量Johnson变换后的地理加权回归(geographically weighted regression,GWR)模型和基于主成分因子的最小二乘法(ordinary least squares,OLS)模型解释因子对5类犯罪空间分布的影响。研究发现:时空分析上,在6月~7月份犯罪率最高,具有“东西”走向且“离心型犯罪化”的表现;影响因素分析中16个自变量中有10个变量对犯罪率存在较强的正相关影响,而这些变量之间具有空间自相关性,因此采用基于主成分分析的OLS和GWR模型对其消除空间自相关性建立回归模型;而几个回归模型检验上,基于主成分因子的OLS、GWR与Johnson变换后GWR模型均具有较高的拟合度。此研究结果可为犯罪防控及犯罪预测建模提供参考与建议。
