为分析影响交通事故的主要道路影响因子,选取道路结构、道路附属设施、交通基础设施等方面的16个解释变量,考虑交通事故分布的过度分散性、零膨胀性及空间相关性,构建空间滞后-零膨胀负二项回归模型,并利用赤池信息准则(Akaike informat...为分析影响交通事故的主要道路影响因子,选取道路结构、道路附属设施、交通基础设施等方面的16个解释变量,考虑交通事故分布的过度分散性、零膨胀性及空间相关性,构建空间滞后-零膨胀负二项回归模型,并利用赤池信息准则(Akaike information criterion,AIC)和贝叶斯信息准则(Bayesian information criterion,BIC)、模型残差的空间依赖性检验等指标将其与常用的普通最小二乘(ordinary least square,OLS)等回归模型进行对比。结果显示,所提模型的拟合效果最优;车道数、道路宽度、平均车速等因子对交通事故的发生具有显著影响。展开更多
建成环境的高空间异质性与致灾过程的复杂性给城市暴雨内涝研究带来巨大的挑战,具体表现为模型代表性不够、计算效率低、基础数据和验证数据匮乏。以机器学习为代表的人工智能技术、高分遥感和互联网大数据的快速发展则为城市暴雨内涝...建成环境的高空间异质性与致灾过程的复杂性给城市暴雨内涝研究带来巨大的挑战,具体表现为模型代表性不够、计算效率低、基础数据和验证数据匮乏。以机器学习为代表的人工智能技术、高分遥感和互联网大数据的快速发展则为城市暴雨内涝研究提供了新的契机。论文结合人工智能、高分遥感和互联网大数据等新技术发展,从特征、机理、数据与方法4个维度对暴雨内涝的研究现状和发展趋势进行了系统总结,主要结论包括:(1)暴雨内涝具有短历时性、空间散布性、连锁性和突变性,其热点呈现空间上的动态迁移特征。(2)降雨时空特征和城市化程度决定暴雨内涝灾害的量级,地形条件尤其是微地形则决定发生位置和内涝频率。地形控制作用指数(topographic control index,TCI)对暴雨内涝发生位置具有良好的指示能力。(3)排水管网、高精度地形和不透水面分布是暴雨内涝模拟的关键基础数据;降雨过程的高时空变异性是暴雨内涝近实时预报预警的主要瓶颈,需要充分利用天气雷达观测提高其精准度;互联网众包大数据是获取高空间覆盖度暴雨内涝灾情信息的新途径,但也面临不同类型信息融合、提炼和质量控制的挑战。(4)结合水动力模拟与机器学习可建立兼具物理基础和计算效率的暴雨内涝模拟方法,是实现近实时模拟与快速预报预警的有效途径。展开更多
街面犯罪对公众的生活安全构成一定的威胁。以往对于公共盗窃和寻衅滋事等街面犯罪的研究往往停留在社区甚至更宏观的层面,难以向微观尺度深入,它们忽略了通过环境设计预防犯罪(Crime Prevention Through Environmental Design,CPTED)...街面犯罪对公众的生活安全构成一定的威胁。以往对于公共盗窃和寻衅滋事等街面犯罪的研究往往停留在社区甚至更宏观的层面,难以向微观尺度深入,它们忽略了通过环境设计预防犯罪(Crime Prevention Through Environmental Design,CPTED)理论中所主张的地址级的建成环境的精确特征。地址级的微观建成环境被广泛认为对各类犯罪的发生有着直接或间接的影响,然而对微观建成环境的度量一直是一个挑战。先前的大多数研究都是通过调查样本来表征建成环境,会受到两方面的限制:(1)建成环境特征描述不完整的限制;(2)数据在空间覆盖方面具有稀疏性的限制。百度街景图像作为一个新的数据来源,可以被用来提取地址级的微型环境的建成特征,从而使犯罪研究可以聚焦在更微观的尺度中。本研究使用深度学习全卷积图像分割算法从百度街景图像中提取地理位置的环境变量,共选取树木、通车道路、人行道等8种变量来表现研究区微观建成环境的差异。在控制了与街面犯罪有关的其他因素后,采用贝叶斯逻辑回归模型来评估微观建成环境影响因素对公共盗窃和寻衅滋事案件的影响。结果表明加入了微观建成环境物理特征之后的模型表现更好。对比寻衅滋事案件,树木多的隐蔽地方更容易发生公共盗窃案件,通车道路、人行道多的地方更不易发公共盗窃案件,这也说明了更隐秘的地方公共盗窃案多发。总的来说,全卷积深度学习图像分割算法可以有效地提取街景衍生变量,这些变量为微观空间尺度的犯罪分析增加了新的维度。本研究不仅对于犯罪地理文献具有贡献,而且为基于CPTED原则的犯罪预防提供了新的视角。展开更多
已有研究发现社区住房类型对城市入室盗窃的空间格局有重要影响,但鲜有学者探讨位于不同人口流动程度社区环境中的不同住房对入室盗窃影响的差异。本研究以中国东南沿海城市ZG市为例,基于日常活动和社会失序等理论,以社区为分析单元,利...已有研究发现社区住房类型对城市入室盗窃的空间格局有重要影响,但鲜有学者探讨位于不同人口流动程度社区环境中的不同住房对入室盗窃影响的差异。本研究以中国东南沿海城市ZG市为例,基于日常活动和社会失序等理论,以社区为分析单元,利用入室盗窃警情数据、第六次人口普查数据和兴趣点数据(Point of Interest,POI),运用空间滞后负二项回归方法,分析人口流动性与住房类型的交互作用对入室盗窃空间格局的影响。结果表明:人口流动性高的社区入室盗窃率较高;自建住房比例对入室盗窃率有显著的正向影响,原公有住房比例和商品房比例则呈显著的抑制作用;交互变量的结果发现,人口流动性与不同类型住房变量的交互作用存在差异,其中,人口流动性与自建住房、经济适用房、原公有住房的交互变量对入室盗窃的发生具有显著的促进作用,而与商品房的交互对入室盗窃的影响并不显著。说明在探讨不同类型住房与入室盗窃的关系时,应重视其所在社区的人口流动程度的影响。展开更多
文摘为分析影响交通事故的主要道路影响因子,选取道路结构、道路附属设施、交通基础设施等方面的16个解释变量,考虑交通事故分布的过度分散性、零膨胀性及空间相关性,构建空间滞后-零膨胀负二项回归模型,并利用赤池信息准则(Akaike information criterion,AIC)和贝叶斯信息准则(Bayesian information criterion,BIC)、模型残差的空间依赖性检验等指标将其与常用的普通最小二乘(ordinary least square,OLS)等回归模型进行对比。结果显示,所提模型的拟合效果最优;车道数、道路宽度、平均车速等因子对交通事故的发生具有显著影响。
文摘建成环境的高空间异质性与致灾过程的复杂性给城市暴雨内涝研究带来巨大的挑战,具体表现为模型代表性不够、计算效率低、基础数据和验证数据匮乏。以机器学习为代表的人工智能技术、高分遥感和互联网大数据的快速发展则为城市暴雨内涝研究提供了新的契机。论文结合人工智能、高分遥感和互联网大数据等新技术发展,从特征、机理、数据与方法4个维度对暴雨内涝的研究现状和发展趋势进行了系统总结,主要结论包括:(1)暴雨内涝具有短历时性、空间散布性、连锁性和突变性,其热点呈现空间上的动态迁移特征。(2)降雨时空特征和城市化程度决定暴雨内涝灾害的量级,地形条件尤其是微地形则决定发生位置和内涝频率。地形控制作用指数(topographic control index,TCI)对暴雨内涝发生位置具有良好的指示能力。(3)排水管网、高精度地形和不透水面分布是暴雨内涝模拟的关键基础数据;降雨过程的高时空变异性是暴雨内涝近实时预报预警的主要瓶颈,需要充分利用天气雷达观测提高其精准度;互联网众包大数据是获取高空间覆盖度暴雨内涝灾情信息的新途径,但也面临不同类型信息融合、提炼和质量控制的挑战。(4)结合水动力模拟与机器学习可建立兼具物理基础和计算效率的暴雨内涝模拟方法,是实现近实时模拟与快速预报预警的有效途径。
文摘街面犯罪对公众的生活安全构成一定的威胁。以往对于公共盗窃和寻衅滋事等街面犯罪的研究往往停留在社区甚至更宏观的层面,难以向微观尺度深入,它们忽略了通过环境设计预防犯罪(Crime Prevention Through Environmental Design,CPTED)理论中所主张的地址级的建成环境的精确特征。地址级的微观建成环境被广泛认为对各类犯罪的发生有着直接或间接的影响,然而对微观建成环境的度量一直是一个挑战。先前的大多数研究都是通过调查样本来表征建成环境,会受到两方面的限制:(1)建成环境特征描述不完整的限制;(2)数据在空间覆盖方面具有稀疏性的限制。百度街景图像作为一个新的数据来源,可以被用来提取地址级的微型环境的建成特征,从而使犯罪研究可以聚焦在更微观的尺度中。本研究使用深度学习全卷积图像分割算法从百度街景图像中提取地理位置的环境变量,共选取树木、通车道路、人行道等8种变量来表现研究区微观建成环境的差异。在控制了与街面犯罪有关的其他因素后,采用贝叶斯逻辑回归模型来评估微观建成环境影响因素对公共盗窃和寻衅滋事案件的影响。结果表明加入了微观建成环境物理特征之后的模型表现更好。对比寻衅滋事案件,树木多的隐蔽地方更容易发生公共盗窃案件,通车道路、人行道多的地方更不易发公共盗窃案件,这也说明了更隐秘的地方公共盗窃案多发。总的来说,全卷积深度学习图像分割算法可以有效地提取街景衍生变量,这些变量为微观空间尺度的犯罪分析增加了新的维度。本研究不仅对于犯罪地理文献具有贡献,而且为基于CPTED原则的犯罪预防提供了新的视角。
文摘已有研究发现社区住房类型对城市入室盗窃的空间格局有重要影响,但鲜有学者探讨位于不同人口流动程度社区环境中的不同住房对入室盗窃影响的差异。本研究以中国东南沿海城市ZG市为例,基于日常活动和社会失序等理论,以社区为分析单元,利用入室盗窃警情数据、第六次人口普查数据和兴趣点数据(Point of Interest,POI),运用空间滞后负二项回归方法,分析人口流动性与住房类型的交互作用对入室盗窃空间格局的影响。结果表明:人口流动性高的社区入室盗窃率较高;自建住房比例对入室盗窃率有显著的正向影响,原公有住房比例和商品房比例则呈显著的抑制作用;交互变量的结果发现,人口流动性与不同类型住房变量的交互作用存在差异,其中,人口流动性与自建住房、经济适用房、原公有住房的交互变量对入室盗窃的发生具有显著的促进作用,而与商品房的交互对入室盗窃的影响并不显著。说明在探讨不同类型住房与入室盗窃的关系时,应重视其所在社区的人口流动程度的影响。