《表5 协变量后验估计值与置信区间》
注:协变量包括各个类别POI的网格密度;*代表POI协变量在95%置信区间的统计显著性。截距项表示事件相对风险的全局平均水平。
但需要指出的是,贝叶斯时空模型在实际运用中也存在着一些局限。例如怎样选取最有效的超参数的先验分布需要进一步的探讨。作为协变量的有关经济、社会、环境等数据往往很难全面的获取。模型的空间尺度也可能存在一个可修改的区域单元问题(Modifiable Areal Unit Problem,MAUP)[29]。具体到本文中,模型的基本计算单元是分辨率为275 m×335 m的网格,城管事件数据的汇总统计,研究区域的空间自相关关系等重要的计算过程都依赖于这些基本计算单元。MAUP问题即为,若改变基本计算单元的形状或尺度,比如使用六边形网格或者将网格分辨率进行大尺度的变更[30],得到的结论可能会有差异。实际上这种尺度变换带来的尺度效应问题也是地理信息科学中的重要研究方向[31]。而考虑到本文的目的是探讨贝叶斯时空模型在城管事件数据分析上的适用性,因此有关以上这些方面的问题上将留待将来作进一步的深入研究。
图表编号 | XD00150378500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.25 |
作者 | 董文钱、董良、向琳、陶海军、赵传虎、曲寒冰 |
绘制单位 | 中国计量大学信息工程学院、北京市科学技术研究院、北京市新技术应用研究所、中国计量大学信息工程学院、中国计量大学信息工程学院、河北工业大学人工智能与数据科学学院、北京市科学技术研究院、北京市新技术应用研究所 |
更多格式 | 高清、无水印(增值服务) |