数据集(库)目录

出版期刊|区域分类

2021年第12期
2019年第02期
数据详情

北京环境因素与暴力犯罪的非线性和空间异质性关系数据集(2014-2019)


张延吉1朱春武2
1 福州大学人文社会科学学院,福州3501082 得州农工大学景观建筑与城市规划系,得克萨斯州77840

DOI:10.3974/geodb.2024.07.01.V1

出版时间:2024年7月

网页浏览次数:3172       数据下载次数:95      
数据下载量:999.61 MB      数据DOI引用次数:

关键词:

非线性关系,空间异质性,GBDT,SHAP解释器

摘要:

作者基于北京法院审判信息、百度地图、NPP-VIIRS夜间灯光数据等,利用机器学习中的梯度提升决策树(GBDT)算法和SHAP解释器,系统揭示48种建成环境及社会环境因素与暴力犯罪的非线性关系和空间异质性关系,计算得到北京环境因素与暴力犯罪的非线性和空间异质性关系数据集(2014-2019)。数据集内容包括:(1)研究区范围;(2)各类环境因素与暴力犯罪数量的关系数据;(3)环境因素对暴力犯罪影响的稳健性回归分析结果;(4)暴力犯罪引致因素的聚类分布结果。数据集存储为.xlsx和.shp格式,由16个数据文件组成,数据量为12.2 MB(压缩为1个文件10.5 MB)。基于该数据集的研究论文拟发表在《地理学报》2024年79卷。

基金项目:

国家社会科学基金(21CSH006)

数据引用方式:

张延吉, 朱春武. 北京环境因素与暴力犯罪的非线性和空间异质性关系数据集(2014-2019)[J/DB/OL]. 全球变化数据仓储电子杂志(中英文), 2024. https://doi.org/10.3974/geodb.2024.07.01.V1.

参考文献:

[1] Chen, J., Liu, L., Xiao, L., et al. Integrative analysis of spatial heterogeneity and over dispersion of crime with a geographically weighted negative binomial model [J]. International Journal of Geo-Information, 2020, 9(1): 60.
     [2] Wheeler, D. C., Waller, L. A. Comparing spatially varying coefficient models: A case study examining violent crime rates and their relationships to alcohol outlets and illegal drug arrests [J]. Journal of Geographical Systems, 2009, 11(1): 1-22.
     [3] Zhang, X., Liu, L., Lan, M., et al. Interpretable machine learning models for crime prediction [J]. Computers, Environment and Urban Systems, 2022, 94: 101789.
     [4] Xie, H., Liu, L., Yue, H. Modeling the effect of streetscape environment on crime using street view images and interpretable machine-learning technique [J]. International Journal of Environmental Research and Public Health, 2022, 19(21): 13833.
     [5] 陈强. 机器学习及Python应用[M]. 北京: 高等教育出版社, 2021.
     [6] Carvalho, D. V., Pereira, E. M., Cardoso, J. S. Machine learning interpretability: A survey on methods and metrics [J]. Electronics, 2019, 8(8): 832.
     [7] Rummens, A., Hardyns, W., Pauwels, L. The use of predictive analysis in spatiotemporal crime forecasting: Building and testing a model in an urban context [J]. Applied Geography, 2017, 86: 255-261.
     [8] 柳林, 刘文娟, 廖薇薇等. 基于随机森林和时空核密度方法的不同周期犯罪热点预测对比[J]. 地理科学进展, 2018, 37(6): 761-771.
     [9] Lundberg, S. M., Erion, G. G., Lee, S. I. Consistent individualized feature attribution for tree ensembles [J]. arXiv, 2018: 1802.03888. DOI: 10.48550/arXiv.1802.03888.
     [10] https://www.bjcourt.gov.cn.
     [11] https://eogdata.mines.edu/products/vnl/.
     [12] https://ditu.baidu.com/.
     

数据下载:

序号 数据名 数据大小 操作
1 Environ&CrimesBJ.rar 10774.76KB
主管单位