我国2019年31个行政区交通事故总量空间分析

科学技术创新
经查询2019年我国国家统计局官网,我国2019年31个省、直辖市和自治区交通事故总数为247646起,其中最多的省份是湖北高达23168起,最低的省份是西藏,共468起。

为了对总体情况进行更好了解,我们利用G eoda 空间统计分析软件来进行空间探索和分析。

1交通事故总量的箱形图分析
在G eoda 空间统计分析软件中,箱形图是一种特殊的四分位数地图,是在四分位地图基础上,再加上两个异常值,这种地图实际与“箱形”没任何联系,只是其构思是从箱线图演化而成,故称箱形图,它尤其强调具有异常值的地域单位。

所谓异常值是指那些大于Q 3+1.5d ,或小于Q 1-1.5d ,其中d=Q 3-Q 1,称为四
分位距,异常值又可以分为极端和温和两种:那些大于Q 3+3d ,或小于Q 1-3d 的异常值称为极端异常值,而那些小于或等于Q 3+3d ,或大于或等于Q 1-3d 的异常值称为温和异常值。

在G eoda 中很容易做出箱形图,这里取温和异常值,见图1。

从图1可以看出,有一个高的温和异常值,这是湖北省,没有低温和异常值;交通事故低的省份(即小于Q 1)集中在西藏、
宁夏、甘肃、青海、湖南、海南、北京、上海等8个地区;Q 1和Q 2之间的省份有新疆、内蒙古、东三省、重庆及河等7个地区;Q 2
和Q 3之间的省份有云南、山西、陕西、四川、天津、浙江、江苏、江西等8个地区;大于Q 3的省份有贵州、广西、广东、河南、山东、安徽和福建等7个地区。

交通事故总量表现出的聚集性非常明显。

在G eoda 空间统计分析软件中,很容易进行空间聚类,图2
是聚为四类时的聚类图,从聚类图中可以看出这四类基本都是地理位置靠近且成片在一起的,这里的聚类图与线形图略有出
入,地理位置特征更加明显。

2空间聚集性全局自相关莫兰指数分析莫兰1950年提出了全局自相关莫兰指数I ,它是最早应用于检验空间关联性和集聚问题的指标,反映了整个研究区域内,各个地域单元与邻近地域单元之间的相似性,其计算公式为:
式中,x=
1n
n
i =1
移x i
,x i
为地区i 的观测值,n 为
地区数,W =(w i j )为空间权重矩阵。

莫兰指数I 取值介于-1与1之间,大于0表示正相关,值越大表明具有相似的属性集聚在一起(即高值与高值邻接、低值与低值邻接),小于0表示负相关,值越接近-1,表明具有相异的属性集聚在一起(即高值与低值邻接、低值与高值邻接),接近0,则表示属性是随机分布的,或者说不具有空间自相关性。

本案例中用G eoD a 计算得到全局自相关莫
11
2
1
1
1
n ()()I ()()n
n
ij i j i j n n
n ij i i j i w x x x x w x x
我国2019年31个行政区交通事故总量空间分析
谭立云
(华北科技学院理学院,河北三河065201)
摘
要:在进行灾害分析时应该结合空间关系来分析,利用空间计量软件GeoDa 分析了2019年我国31个行政区交通事故
总量的空间特点,聚集性非常明显,全局莫兰指数为0.111,随后我们对各行政区的GDP 与交通事故总数进行了回归分析,表明:经济越发达的地区,交通事故越多。

关键词:交通事故;GeoDa ;箱形图;莫兰指数;空间误差回归模型中图分类号:F207
文献标识码:A
文章编号:2096-4390(2021)15-0176-02
本文系河北省高等教育学会高等教育科学研究“十三五”规划课题“基于应急决策的煤矿灾害事故档案研究及教学实践”(编
号:GJXH2019-172)和华北科技学院高教研究所“学科交叉条件下多学科互动联合模式研究”(编号:HKJYGH201817)研究成果。

图2空间聚类(4类)图
图1交通事故箱线图分布图
176--
2021.15科学技术创新兰指数I =0.111>0,表现出正相关,即表现出高指与高值邻接、低值与低值邻接。

图3表示的高值与高值邻接的行政区,图4表现的是低值与低值邻接的行政区
3空间误差回归分析模型
以下考察G D P 与交通事故总量之间的回归关系,通过采取普通最小二乘回归、空间滞后回归和空间误差回归三种模型进行对比后发现,本模型最合适的模型是空间误差回归模型。

空间误差回归模型是如下的模型:
其中Y ,X ,W 分别表示G D P 、交通事故总量、空间权重矩阵。

空间权重我们这里取得按共边或共顶点及视为邻接,采取“后”方式计算权重矩阵。

最后得到的模型如表1(这里只展示回归系数,其他信息均删除)。

即我们得到G D P 与交通事故总量的回归模型为:
G D P=9972.60+2.63628*交通事故总数
但从模型检验结果可以看出来,参数λ不显著,常数也不够显著,模型较为粗糙,G D P 与交通事故总量二者之间的正向关系我们可以理解,我
们目前的经济发展在一定程度上还是粗放型,经济越发达的省份交通事故越多,从前面的箱形图、聚类图都可以印证这一点。

4结论
通常数据都具有空间地理位置,因此我们在进行数据分析时,最理想的方法应该是采取利用空间数据分析方法。

我们对2019年我国31个行政区的交通事故总量进行了分析,表现出较强的聚集性,即高值与高值邻接,低值与低值邻接。

我们进一步对G D P
与交通事故总数关系时发现,经济越发达的地区,交通事故总数越多,在发
展经济时应该尊重人的生活,坚持人民至上、生命至上。

参考文献[1]陈安宁.空间计量学入门与GeoDa 软件应用[M].杭州:浙江大学出版社,2104.
[2]王庆喜等.区域经济研究实用方法:基于ArcGIS 、GEoDa 和R 的运用[M].北京:经济科学出版社,2104.[3]鲍洪杰,刘德光.甘肃省区域经济空间差异分析研究[J].工业技术经济,2011(9):54-59.
[4]张红军等.基于GeoDa 的安徽省区域经济差异时空演变分析
[J].湖南工业大学学报,2019(4):66-72.
图4低值与低值邻接的行政区示意
图
图3高值-高值邻接的行政区示意图
2~(0,)
n Y X W N I
表1
177--。