Słowa kluczowe
wypadki drogowe
geografia bezpieczeństwa ruchu
skupienia przestrzenne
Warszawa
Jak cytować
Abstrakt
Iloraz kolokacji w wersji czasoprzestrzennej (GTWCLQ – Geograficznie oraz Czasowo Ważony Iloraz Współlokalizacji) ustala, czy zdarzenia jednej kategorii sąsiadują w przestrzeni i w czasie ze zdarzeniami innej kategorii częściej, niż przy rozmieszczeniu przypadkowym. W tej pracy stosujemy go do wszystkich zdarzeń drogowych w Warszawie (2016–2024; 271 706 zdarzeń) i w Chicago (2023; 109 545 zdarzeń). Skala współwystępowania okazuje się cechą rodzaju zdarzenia, nie miasta – np.: najechanie na dziurę w jezdni skupia się punktowo, potrącenie pieszego wzdłuż arterii, zderzenie boczne nie wykazuje skupień wcale. Obraz potrąceń pieszych powtarza się w obu miastach – śródmieście na poziomie losowym, natomiast wyraźne skupienia zdarzeń występują na arteriach obrzeżnych. Praca ma charakter aplikacyjny. Proces obliczeń przedstawiony jest w załączniku A.
Bibliografia
Benjamini Y., Hochberg Y. 1995. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, B, 57(1): 289-300. DOI: https://doi.org/10.1111/j.2517-6161.1995.tb02031.x
Cliff A.D., Ord J.K. 1981. Spatial processes: models and applications. Pion, London.
Cromley R.G., Hanink D.M., Bentley G.C. 2014. Geographically weighted colocation quotients: specification and application. The Professional Geographer, 66(1): 138-148. DOI: https://doi.org/10.1080/00330124.2013.768130
Leslie T.F., Kronenfeld B.J. 2011. The colocation quotient: a new measure of spatial association between categorical subsets of points. Geographical Analysis, 43(3): 306-326. DOI: https://doi.org/10.1111/j.1538-4632.2011.00821.x
Li L., Cheng J., Bannister J., Mai X. 2022. Geographically and temporally weighted co-location quotient: an analysis of spatiotemporal crime patterns in greater Manchester. International Journal of Geographical Information Science. DOI: https://doi.org/10.1080/13658816.2022.2029454
Li L., Cheng J., Mai X., Duan L., Mo L., Tan J. 2026. Spatiotemporal association analysis of incident data: a multi-temporal framework based on Geographically and Temporally Weighted Co-Location Quotient. Geo-spatial Information Science. DOI: https://doi.org/10.1080/10095020.2026.2612768
Licencja
Prawa autorskie (c) 2026 Mirosław Krzyśko, Marcin Krzyśko, Anna Kierczyńska, Waldemar Ratajczak
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.