以基于派出所的泰森多邊形為研究單元,采用核密度估計、標準差橢圓、G統(tǒng)計分析、地統(tǒng)計分析和全局Moran’s I指數(shù)分析B市2016～2017年犯罪在空間上的分布情況�；诳臻g興趣點（point of interest,POI）與多時相遙感分類體系等多源數(shù)據(jù),采用相關分析和主成分分析提取犯罪影響因子,通過解釋變量Johnson變換后的地理加權回歸（geographically weighted regression,GWR）模型和基于主成分因子的最小二乘法（ordinary least squares,OLS）模型解釋因子對5類犯罪空間分布的影響。研究發(fā)現(xiàn):時空分析上,在6月～7月份犯罪率最高,具有"東西"走向且"離心型犯罪化"的表現(xiàn);影響因素分析中16個自變量中有10個變量對犯罪率存在較強的正相關影響,而這些變量之間具有空間自相關性,因此采用基于主成分分析的OLS和GWR模型對其消除空間自相關性建立回歸模型;而幾個回歸模型檢驗上,基于主成分因子的OLS、GWR與Johnson變換后GWR模型均具有較高的擬合度。此研究結果可為犯罪防控及犯罪預測建模提供參考與建議。 

【文章來源】：科學技術與工程. 2019,19(26)北大核心

【文章頁數(shù)】：11 頁

【部分圖文】：

研究區(qū)域Fig.1Studyarea點v構建的泰森多邊形V定義如下［13］:

載荷;xj為原始變量指標。1.3變量定義及模型設計根據(jù)理性選擇理論和日�；顒永碚摚�33，34］，兩個重要理論基礎并結合近年來的實證研究［35，36］，本文模型中的自變量因子共16個［1.1節(jié)(3)中數(shù)據(jù)來源為12個POI因子以及4個RS地物因子］。將16個空間因子通過式(12)比率化后的分布密度作為研究的自變量:分布密度=∑該泰森多邊形內(nèi)空間因子數(shù)人口密度(12)表2中可決系數(shù)R2越接近1，模型的擬合度越高。擬合曲線如圖5所示�？梢钥闯�:犯罪率與餐飲、超市商城、交通設施、金融保險、生活服務、體育休閑、住宅、醫(yī)療和酒店的線性關系較為明顯，而與風景名勝、公共設施、公司企業(yè)和教育的線性關系不為明顯。因此解釋變量為:餐飲、超市商城、交通設施、金融保險、生活服務、體育休閑、醫(yī)療、住宿服務、建筑面積和道路長度，共取10個因子，并對其做Johnson正態(tài)變換后擬合曲線如圖6所示。表3中，Johnson變換后偏度Z-scoreK，峰度Z-scoreS，在α=0.05的檢驗水平下，均在±1.96之間;可以認為Johnson變換后的數(shù)據(jù)服從正態(tài)分布。至此可構建變量因子及模型。(1)解釋變量:POI因子、遙感地物分類因子記為{x1，x2，x3，x4，x5，x6，x7，x8，x9，x10}。(2)數(shù)據(jù)變化:Johnson變換的3種類型:SB(bounded)、SL(lognormal)和SU(unbounded)。表2各影響因子擬合曲線R2值Table2Eachimpactfac

圖6犯罪率與各相關因子Johnson變換后擬合曲線Fig.6ThefittingcurvesofcrimerateandthecorrelationcurveaftertheJohnsontransform表3各相關因子Johnson變換前后正態(tài)變換檢驗Table3NormaltransformationtestbeforeandafterJohnsontransformofcorrelationfactors變量原始數(shù)據(jù)Johnson變換Z-scoreKZ-scoreSZ-scoreKZ-scoreS餐廳13.68223.008－0.026－0.407超市商城18.46945.0440.953－0.995交通設施13.93826.3730.286－0.762金融保險23.90675.5900.3490.337生活服務14.81826.0890.474－0.736體育休閑14.04222.7520.281－0.663住宿服務14.39627.3710.490－0.833醫(yī)療17.76041.0000.620－0.204建筑15.81831.4670.0100.305道路16.87034.8510.1610.050犯罪17.92237.3790.224－0.457(3)兩個模型:基于主成分分析的回歸模型、GWR模型。(4)單因素分析:基于主成分因子的OLS回歸模型。(5)綜合分析:所有相關因子的GWR模型。2結果與分析2.1聚類檢驗結果分析聚類檢驗結果包括基于GIS的G統(tǒng)計量與Moran'sI指數(shù)的檢驗以及核密度估計、標準差橢圓與統(tǒng)計分析的時空聚集性檢驗。2.1.1聚類檢驗G統(tǒng)計量與Moran'sI指數(shù)(表4)分析結果顯示，G指數(shù)對應的z值均大于99%置信度下的z值為2.58，說明總犯罪、盜竊、故意傷害、搶奪、搶劫和詐騙的具有高值與高值聚集的特征，且這種分布模式的概率在99%以上。同樣在99%置信度的情況下，對比Moran'sI方法可以看出詐騙類犯罪在全局上呈隨機分布形態(tài)，在局部有高值聚類的特點。2.1.2時空分析采用基于犯罪點和派出點的核密度估計、

【參考文獻】：
期刊論文
[1]基于夜光遙感與POI數(shù)據(jù)空間耦合關系的南海港口城市空間結構研究[J]. 于丙辰,劉玉軒,陳剛.  地球信息科學學報. 2018(06)
[2]基于理性選擇理論的社區(qū)環(huán)境對入室盜竊的影響研究[J]. 肖露子,柳林,宋廣文,周素紅,龍冬平,馮嘉欣.  地理研究. 2017(12)
[3]不同類型道路密度對公共空間盜竊犯罪率的影響——基于ZG市的實證研究[J]. 柳林,杜方葉,肖露子,宋廣文,劉凱,姜超.  人文地理. 2017(06)
[4]AMSR-E亮溫數(shù)據(jù)的3種正態(tài)變換方法比較[J]. 付秀麗,王博.  遙感信息. 2017(03)
[5]基于Johnson分布體系的發(fā)輸電系統(tǒng)可靠性評估[J]. 張立波,程浩忠,曾平良,張沈習,周勤勇.  上海交通大學學報. 2017(05)
[6]北京地面沉降時空分布特征研究[J]. 周超凡,宮輝力,陳蓓蓓,郭琳,高明亮.  地球信息科學學報. 2017(02)
[7]北京市長安街沿線的扒竊案件高發(fā)區(qū)分析及防控對策[J]. 陳鵬,李欣,胡嘯峰,曾昭龍,趙鵬凱.  地理科學進展. 2015(10)
[8]理解理性選擇理論:歷史、發(fā)展與論爭[J]. 邢瑞磊.  武漢大學學報(哲學社會科學版). 2015(03)
[9]基于主成分分析的衡陽市土地生態(tài)安全評價[J]. 王鵬,況福民,鄧育武,田亞平,易鋒.  經(jīng)濟地理. 2015(01)
[10]論日�；顒永碚撛谛淌聜刹橹械膽肹J]. 艾明.  中國刑警學院學報. 2014(01)

碩士論文
[1]電信網(wǎng)絡詐騙犯罪成因及治理研究[D]. 隋新宇.中國社會科學院研究生院 2017



本文編號：3420310