基于GIS平台的航空事故空间格局、热点分析及潜在风险机场排序

摘要

航空事故分析是保障航空安全的一项重要任务。现有研究主要集中在航空事故的时间特征和原因分析上，对航空事故的空间特征分析较少。航空事故空间特征分析可以识别航空事故热点，提高航空事故应急管理的准确性，为机场航路规划提供决策支持。本研究基于航空事故数据建立航空事故严重程度指标，运用GIS空间分析方法研究航空事故的空间分布特征。在航空事故中确定了热点。最后，以佛罗里达州为例，对事故热点附近的机场进行排序，得到基于RI的潜在航空风险较高的机场。研究发现，在佛罗里达州航空事故中，通用航空事故占多数，但航线飞行的航空事故严重指数远远大于通用航空事故。从空间分布来看，严重指数高的事故主要分布在大型国际机场周围。航空事故密度中心位于坦帕、迈阿密和佛罗里达州的一些机场。从Moran’s I指数来看，航空事故的分布总体上趋于集中。 However, aviation accident severity index was randomly distributed for each year separately. At the level of significance of 0.01, there were a total of 75 accident hotspots in the Florida region, mainly in the north and southwest. Airports with high RI in the Florida area were mainly concentrated in the Miami area and the Tampa Bay area, and Orlando Airport was ranked outside the top 10.

1.介绍

航空安全是民用航空运输最重要的方面。只有通过确保安全，我们可以通过高效率实现高利益。因此，航空安全研究始终是研究人员的关键研究主题之一[1，2］．航空事故分析是确保航空安全的重要方法。航空事故的统计分析是一种被动风险识别方法。然而，通过分析这些实际的航空事故，可以发现法律识别潜在的原因或危害来源，然后有效地管理它们以提高安全性。与其他运输方式相比，民用航空运输是最安全的运输方式[2］．但每年仍有许多航空事故，特别是在一般航空中。航空事故可分为两种类型，一般航空事故和航空公司飞行事故。一般航空有大量的飞行，主要是小飞机，事故频率很高，但损坏程度和伤亡人数很小;航空公司飞行的数量相对较小，飞机主要大，事故频率低，但损坏程度大，而且有很多伤亡。在美国，2017年在美国有1,332个航空事故。虽然航空事故的频率相对较低，但后果造成严重伤亡，财产损失和社会影响严重。

在以前的研究中，许多研究人员已经分析了航空事故的特征。在一系列统计分析之后，Bazargan M发现，由飞行员误差引起的事故的可能性与飞行员的性别无关，但经验丰富的男飞行员更有可能导致致命事故[3.］．Baker S P分析了美国通用航空公司的坠机事故，发现飞行员的误操作类型在性别上有很大的不同。飞机动力学处理不当、决策系统失误、疏忽是导致飞行员失误的最常见原因，飞行员培训应重点关注[4］．Salvatore S发现，航空事故最有可能在夏季和初秋发生[5］．孙瑞安发现，不同时期的全球航空事故的发生时间不同。11：00-12：00和15：00-16：00是高意外时期[6］．航空事故特征分析的研究还包括事故阶段的分析，天气条件对航空事故的影响，以及影响一般航空事故的因素的排名[7- - - - - -11.］．

目前，航空事故的统计分析主要侧重于事故的类型及其原因。大多数关于事故的研究发生在年或月份的角度。对时间间隔的统计分析较小。分析航空事故的空间特征主要考虑飞行阶段[7，12.- - - - - -14.］．目前，对航空事故空间格局特征的研究较少。作者研究了不同地理区域的飞机碰撞风险和死亡率之间的关系，表明部门航空安全应该受到关注[15.］．作者使用地理信息系统和空间分析工具研究了一般航空飞行员死亡率的地理特征，并绘制了碰撞现场。GIS是航空事故和航空安全研究的宝贵工具[16.］．

在其他交通领域，地理信息系统(Geographic Information System, GIS)是一种有效的空间分析工具，经常被用于研究交通事故的时空特征。基于行人事故数据，采用空间统计分析的方法，识别出7个行人事故高发区，分析道路上行人事故的时间特征[17.];作者使用网络空间分析框架和内核密度函数，以根据已经发生的道路交通事故识别道路网络中的交通事故热点，并讨论道路交通事故的社会背景[18.];1999年至2008年，该作者调查了西澳大利亚驻西澳大利亚车辆事故的每日和每周时间特征，并利用了内核密度函数分析了三个空间尺度的车辆事故的空间聚类特征[19.］．作者提出了一种基于空间自相关分析的车辆行人事故数据分析模型，以识别和排序不安全的巴士站，并为车辆和行人事故产生热点图[20.］．在道路交通领域，有许多类似的研究结果[21.- - - - - -24.］．

航空事故的空间特征分析可以识别在研究区域中经常发生的热点，分析现有航空事故的空间分布特征。它对减少事故具有重要的实际意义。但是，目前这个领域的研究很少[16.］．因此，本文基于已有的航空事故数据，采用GIS空间分析模型，包括核密度分析、热点分析和空间自相关分析，研究航空事故的时空特征，并对热点附近的潜在事故机场进行排序。研究成果可为航空事故应急管理和机场航线规划提供决策支持工具。为航空事故分析提供了一个新的视角。

本研究的目的是找出航空事故发生的热点。在其他交通领域的研究中，广泛使用核密度函数来分析交通事故的热点。另一个目标是分析航空事故的空间自相关特征，确定航空事故是否具有空间聚集趋势。在此基础上，计算现有航空事故严重程度指数，研究近15年来哪些机场存在较高的潜在航空事故风险。

2.研究区和数据收集

佛罗里达被选中作为案例研究区。佛罗里达州有481个机场（2017年）。主要的国际机场包括迈阿密机场，奥兰多机场，劳德代尔堡机场和坦帕机场（图1)．其中，奥兰多国际机场是世界上最繁忙的机场之一。2017年乘客总数为44,611,265，全球排名是 ．迈阿密机场2017年的乘客总数为44,171,313，排名在世界上。佛罗里达州的州人口为20.98亿，在美国排名第三，人口密度为6.57人/英亩（来自佛罗里达地理数据库HTTPS://www.fgdl.org/的数据）。

2.1。数据采集

该研究采用了美国国家运输安全委员会(NTSB)提供的数据(https://www.ntsb.gov/_layouts/ntsb.aviation/index.aspx.），它将数据库维护了世界上所有的航空事故。在2002年至2017年之间的佛罗里达州出现的许多航空事故中，1182年在ArcGIS环境中成功地理编码，如图所示4．这项研究侧重于涉及非缺乏和致命的事故。该数据还包括不同情况下的伤亡人数

该研究中使用的数据还包括佛罗里达州边境和县域边界以及佛罗里达州现有机场的空间位置数据。

3.方法论

本研究的主要任务是分析2002 - 2017年佛罗里达地区航空事故的时空分布特征，确定具有潜在航空事故风险的机场，并根据航空事故的严重程度对机场进行排序。因此，本研究的研究方法可以分为以下几个步骤:

根据航空事故的空间信息，佛罗里达州的航空事故数据进口到ArcGIS平台中，以确定每个航空事故的空间位置;通过使用关于航空事故中伤亡人数的信息来计算航空事故的严重程度指数;基于各种空间分析模型研究了航空事故的空间和时间分布特征;制作航空事故的热点分布图，以获得研究区域的典型热点;将机场空间分布数据与航空事故热点分布图相结合，确定典型航空事故热点附近的机场;计算这些典型机场的严重性指数，并在2002 - 2017年确定哪些机场有哪些机场具有更高的航空事故严重性，即机场有潜在的航空事故风险。

研究使用的平台是ArcGIS 10.3，特别是ArcGIS的空间分析模块。所有的数据处理都在这个平台上进行。

３.１.航空事故严重指数

航空事故造成灾害的严重程度是不同的。航空事故数量只能用来评估航空事故发生的频率，不能反映航空事故的严重程度。严重的航空事故应该得到更多的关注。本研究涉及道路交通严重程度指数的权重[25.]并建立航空事故的严重性指数模型。它由公式计算[25.]： 在哪里是致命伤害的总数，是严重伤害的总数，是小伤害的总数，是未受伤的总人数。

本研究以严重程度指数作为空间分析的标准。

3.2。内核密度函数

内核密度（KDE）是一种非参考方法，涉及在每个点特征上引入对称表面，基于数学函数评估从点到参考位置的距离，并随后为该参考位置添加所有曲面的值[26.］．它是一种估计概率密度函数的非参数方法。设其概率密度函数为f，核密度估计为:26.]：

在哪里是变量的值在的位置 ， 是地点的总数，是带宽或平滑参数，和是内核功能。本研究采用正常分布作为内核函数，称重研究区域中的所有点，近点具有比远处的重量更多。KDE的结果显着取决于带宽和细胞大小。

3.3。空间自相关

为了检查空间模式，这项研究利用Moran的I指数来测量空间自相关。崩溃数据的空间模式通过测量属性相似度和位置接近到一个名为Moran I的单个索引来考虑同时崩溃位置及其属性值。索引正式表示根据[20.]：

在哪里是空间二元邻接矩阵的元素，其具有表示位置之间的接近关系的权重和相邻的位置 ，年代₀是所有元素的总和，是特定位置的变量值 ， 是另一个位置的变量值（ij),是变量的平均值，而n是位置的总数。Moran’s I指数的取值范围为−1到1，其中Moran’s I指数表示强烈的负自相关(即不同值的完全分散或聚类)，而后者表示强烈的正自相关(即相似值的完全集中或聚类)。Moran’s I在0附近的值表示空间随机模式[17.］．

空间自相关的结果始终在其空假设的上下文中解释，其指出正在分析的属性被随机分布在研究区域中的特征中[27.］．莫兰的统计学意义我可以使用Z分数方法计算。基于预期值（ ）对于随机模式，其方差( )，标准化的Z分数可以在数学上表示如下[27.]：

在本研究中，我们使用空间自相关工具来计算Moran’s I统计量和z分数。由于每个数据点都是根据其由距离阈值定义的相邻数据点进行分析的，因此需要找到一个合适的空间自相关最大的距离阈值。使用空间自相关工具多次运行不同的距离阈值，以找到z值最大的距离。

在这项研究中，这些航空事故点是在发生航空事故的地面上的投影点。空间自相关的主要目的是分析这些航空事故点的空间集群。虽然航空事故的原因主要来自空调，但有可能研究空间中航空事故的集群特征，以及哪些地区更有可能具有航空事故，例如机场或密集的空中航线区域．然后，将确定航空事故的热点位置。

3.4。热点分析（Getis-Ord Gi ）

Getis-Ord统计程序用于识别航空事故热点。gi.在数据集中的每个功能返回的统计数据是z分数。对于统计学上显着的阳性Z分数，Z分数越大，高值（热点）的聚类越强烈。对于统计上显着的负Z分数，Z分数越小，低值（冷点）的聚类越强烈。Getis-Ord本地统计数据由公式计算[23.]：

在哪里是feature的属性值吗 ， 特征之间的空间权重是多少和j, 等于特征的总数和

的统计是z分数，所以不需要进一步的计算。

4.结果和讨论

4．1.佛罗里达州航空事故的空间分布

从2002年到2017年，佛罗里达地区共有1812条航空事故。大多数航空事故是一般的航空事故（第91部分，第91部分运营商有美国联邦航空管理局（FAA）的法规，用于美国内部的小型非商业飞机的行动），占事故的95％以上．航空事故严重性指数低，平均值为3左右。空路运输事故的数量（第121部分，第121部分运营商由FAA定义的预定航空运营商（区域和主要航空公司）的法规规定）相对较小，但受影响的人数很大，航空事故严重性指数高于50。

航空事故的空间分布如图所示2．仅从位置信息来看，佛罗里达地区的航空事故分布比较分散，没有明显的聚集特征，几乎每个县都发生过航空事故，这可能与机场的分布有关。据航空事故统计，60%的严重航空事故发生在离机场较近的起飞、爬升或进近、降落阶段。由于佛罗里达地区机场分布分散，航空事故的发生没有明显的聚集特征。

从航空事故严重程度指数来看，如图所示3.在美国，大多数严重航空事故(严重指数大于100)发生在佛罗里达地区的大型国际机场附近。其中，迈阿密和堡附近有3个机场，坦帕机场附近有2个机场，奥兰多机场附近有2个机场，占所有重大事故的60%，均为第121部分事故。

4．2.航空事故核密度分析

根据从2002年至2017年的佛罗里达地区的航空事故的位置以及每个位置的严重性指数，通过GIS的核密度分析工具的方法获得了内核密度图。带宽是Silverman的拇指算法规则，像素尺寸小区尺寸为0.025度。

数字4只考虑航空事故的位置。数字5考虑每个地点的航空事故严重程度指数。如图所示4，Florida’s aviation accident density center is mainly located in the Tampa area on the west coast of Florida, the area between Tampa Airport and Orlando Airport, the Miami and Fort area on the east coast of Florida, the northeastern area of Orlando Airport, and the entire east coast.

如图所示5如果考虑到航空事故的严重程度指数，佛罗里达航空事故的密度中心主要集中在劳德代尔堡机场，奥兰多机场东北方向周围。

这是因为本研究中考虑的航空事故没有区分一般航空事故和航空公司飞行事故，而飞行事故具有更多伤亡和严重的严重程度指数。因此，考虑到严重程度指数，航空事故密度中心是佛罗里达州州的大型国际机场。

4．3．空间自相关

基于空间自相关公式，计算了佛罗里达州航空事故严重程度指数的空间自相关指数，分析了该地区航空事故严重程度指数的空间特征。

在本研究中，我们使用空间自相关工具来计算Moran’s I统计量和z分数。由于每个数据点都是根据其由距离阈值定义的相邻数据点进行分析的，因此需要找到一个合适的空间自相关最大的距离阈值。使用空间自相关工具多次运行不同的距离阈值，以找到z值最大的距离。桌子1表明，在130公里的距离阈值，Z分数达到最高值14.432，这意味着航空事故数据被聚集，直到具有130公里的距离阈值，其统计显着性水平为0.01。

只有1%的航空事故严重程度数据分布是随机分布的，数据聚集的概率大于随机分布的概率，原假设可以被显著拒绝。结果表明，佛罗里达州航空事故严重程度指数的空间分布具有一定的聚集特征和正空间相关格局。即各航空事故点的严重程度指数与周边航空事故的严重程度指数完全正相关。在空间分布总体程度较大的地区，航空事故严重程度指数也较高。

从年度变化的角度来看，考虑到2002年至2017年的航空事故严重性指数，莫兰的指数从同一方法计算。分析了航空事故严重指数的空间自相关的年度变化特征。如表所示2，从2002年到2017年，航空事故严重指数的空间自相关特征是完全不同的。2003年，2005年，2006年，2007年和2011年，航空事故严重程度数据的空间分布显示了一定的聚集特性。它具有空间正相关图案，其具有与总航空事故严重性指数相同的空间自相关特征。其中，2006年和2007年的严重程度指数总特征高于整体水平（高Z分数），表明航空事故的严重程度指数与空间分布之间的相关性高于研究时间的总水平。

其他年份航空事故严重程度指数为随机分布，航空事故严重程度与空间分布不存在相关性，反映了航空事故的随机性和不可预测性。然而，从2002 - 2017年的长期序列分析中，如上所述，航空事故严重程度指数与空间分布之间存在较强的正相关关系。有可能确定频繁发生航空事故的热点地区。

4.4。热点分析

根据空间自相关分析，选取与上一步z-score最大值相关联的距离阈值130公里作为Getis-Ord Gi分析。航空事故严重程度指标的热点分析图如图所示6．从2002年到2017年，共有45个航空事故热点，用红色标记。这些点不仅自身的严重指数值高，而且周围的严重指数值也高，为高值区和高值区。

由此可见，佛罗里达州大型国际机场的位置是航空事故严重程度较高的热点地区。这是由于航路上有大量的人在飞行。如果发生事故，其严重程度指数相对较高。因此，大型国际机场所在区域通常是航空事故严重程度指标的热点。此外，佛罗里达州北部和西南部也有几个热点。

下一步利用航空事故热点地图来识别航空事故热点附近的机场。以热点为中心，以30km(机场有效服务区域)为半径，确定了航空事故热点影响的缓冲区。机场数据被叠加到热点地图上，以识别每个航空事故热点30公里以内的机场。如图所示7，潜在的航空事故区域有76个机场，占佛罗里达州机场数量的15.8％。

4.5。排名潜在的风险机场

在这一步骤中，上一步中确定的潜在风险机场是根据其公民航空事故的严重程度排名的。此步骤的目标是为每个潜在风险机场计算适当的严重性指数。可以认为，靠近机场的航空事故更可能与其他机场相关。因此，它们应该在计算该机场的严重性指数方面获得更大的权重。

将机场作为中心，分别以15km和30km的半径建立缓冲区，并计算缓冲区中的航空事故的严重程度指数。在15公里内给予1.5的重量，因为它们更有可能与机场有关。根据以下公式，计算风险指数：

在哪里和使用（1)；=在机场15公里的缓冲区内所有航空事故的严重性指数;=在30公里的缓冲区内所有航空事故的严重性指数，但在机场15公里的缓冲区之外。

根据风险指数对潜在风险机场进行了排名。计算结果见表3.．

如表所示3.当研究机场周围航空事故的严重程度指数，路线航班和通用航空航班的时候。在76个潜在风险机场中，潜在风险的前10位机场根据风险指数排名。可以看出，在佛罗里达州的四大国际机场中，三个机场拥有高航空意外风险，包括迈阿密，劳德代尔和坦帕机场，而奥兰多机场作为世界上最繁忙的机场，并不是前十名。这些风险机场主要集中在迈阿密地区约8和坦帕湾区约2.结果表明，从2002年到2017年，这两个地区的航空事故数量更频繁地发生，航空伤亡人数是最大，需要加强航空安全管理。

5.结论和讨论

5.1。结论

航空事故分析是航空安全研究的重要组成部分。虽然航空事故的空间位置难以预测，但可以对过去发生的航空事故进行分析，获得一些空间特征。为航空事故风险管理提供决策支持。在目前的研究中，对航空事故时间特征的分析研究较多，但对空间特征的研究较少。

根据2002年至2017年佛罗里达航空事故数据和机场分销数据，本文计算了航空事故的严重性指数。使用GIS空间分析方法，佛罗里达州的航空事故的空间和时间分布特征。结合机场分销数据，可以获得航空事故潜在风险的机场。

从航空事故的数量判断，佛罗里达航空事故主要是一般的航空事故，运输航空事故较少。然而，从航空事故的严重程度指数判断，航线飞行中航空事故的严重程度远远高于一般航空事故。一般航空事故的平均严重程度指数约为3，航线航班航空事故的严重程度指数高于50岁以上。大多数具有高度严重性指数的航空事故发生在大型国际机场周围（图3.)．

内核密度函数计算了研究区域的航空事故分布的密度中心。佛罗里达航空事故的密度中心主要位于佛罗里达州西海岸的坦帕地区，该地区坦帕机场和奥兰多机场，迈阿密和佛罗里达东海岸劳德代尔堡和奥兰多机场东北地区，整个东海岸（图4)．

Moran’s I分析表明佛罗里达地区的航空事故数据具有统计学意义的聚集模式(见表)1)，距离阈值为130公里，z-score最高为14.432。同时，分析佛罗里达地区航空事故Moran’s I指数的年变化特征(表)2)．发现严重程度指数每年随机分布，反映了空间中的航空事故随机发生。没有明显的聚合特征。

getis-ord gi分析还检测到航空事故热点，其具有0.01度的重要性。这些热点大多数位于大型国际机场。此外，佛罗里达州北部和西南有几个热点（图6)．总共有45个热点。

大多数航空事故发生在飞机上升攀登和接近着陆阶段，较近机场。因此，该研究专注于航空事故热点，并确定了潜在的航空事故风险范围内的机场范围内。总共有76个机场。使用每个事故点的缓冲分析和严重性指数，机场周围的潜在航空事故风险计算，以基于潜在风险指数（方程（8）））。桌子2展示了十大潜在风险机场。根据过去15年的航空事故数据，这些机场具有很高的潜在风险。

有人发现，航空事故主要是佛罗里达州的一般航空事故;事故具有明显的空间集群特征，主要是国际机场和机场连接地区。十大潜在风险机场也通过严重指数确定。为了提高区域航空安全水平，重点应加强一般航空的安全管理，更新一般航空设备，并增加飞行人员的培训。在流动事故经常发生的密度中心和热点领域，应根据实际条件建立航空事故应急响应中心，以便为事故提供救援。在十大潜在风险机场，它应该加强机场及周边地区的航空事故风险管理，以及航班时间表和程序应优化，以改善这些机场的安全水平。

5.2。讨论

与其他运输方式相比，空气运输相对安全。然而，随着普通航空的快速发展，航空事故的频率增加了。但通用航空参与者的数量很小，人员和财产的损失和社会影响很小。航空航线飞行的航空事故频率相对较低，但数量大，人员丧失和社会影响相对较大。因此，在分析航空事故时应考虑它们。本研究采用航空事故严重性指数来结合两种航空事故，这具有一定的科学意义。

与其他运输方式相比，航空事故更具随机性，现有技术难以预测航空事故发生的时间和地点。然而，航空事故分析仍然具有重要的意义。它不仅可以避免类似事故的再次发生，还可以帮助管理者制定相应的应急管理策略。目前，大多数研究集中在航空事故的原因分析和时间序列分析上。关于航空事故空间分布特征的研究较少。而在其他交通领域，人们进行了大量的研究，特别是在公共交通领域，识别行人和车辆事故的热点，以改善这些街道的交通设施，避免事故的频繁发生。同样，由于航空运输的起点和终点都位于机场，机场是航空运输最活跃的区域，也是航空事故频繁发生的区域。通过研究中确定潜在风险机场的位置，相关部门可以提高这些敏感机场及其周边地区的事故应急管理水平，减少航空事故的发生。

数据对于研究取得准确的结果是非常重要的，航空事故数据的收集对于提高航空安全也非常重要。该研究使用的数据是从2002年到2017年。时间跨度只有15年，数据量仍然相对较小。在未来，我们将逐步增加数据的数量，提高研究结果的准确性。

根据给定年份的事故分配，航空事故的空间聚合并不重要，属于随机分布。但是，在使用多年事故数据时，可以清楚地看到航空事故在太空中具有重要的总体特征，表明航空事故的位置仍然遵循空间中的某个规则。

在未来，基于更多数据累积，我们考虑将研究方法应用于其他地区进行比较验证。进一步的研究应包括多电位排名方法和缓冲尺寸的敏感性分析。这种改进可以提高潜在风险机场优先级的准确性和可靠性。就应急管理策略而言，应根据热点和飞行量来确定应急管理中心的位置，以提高救援效率。

数据可用性

用于支持这项研究结果的航空事故数据可能会在向美国国家运输安全委员会(NTSB)提出申请后公布，可以通过(https://www.ntsb.gov/layouts/ntsb.aviation/index.aspx.)．

利益冲突

作者声明他们没有利益冲突。

致谢

天津市国家自然科学基金项目(no . 17JCQNJC08600);国家自然科学基金项目(no . 41501430, no . U1633124, no . 61603396)。

参考

1. F. Netjasov和M. Janic，“民航风险和安全模型研究综述”，中国航空运输管理学报第14卷第2期4，pp。213-220，2008。查看在：出版商网站|谷歌学术
2. M. Janic，《民航风险和安全评估》，中国航空运输管理学报，第6卷，第2期1，页43 - 50,2000。查看在：出版商网站|谷歌学术
3. M. Bazargan和V. S. Guzhva，“性别、年龄和飞行员经验对通用航空事故的影响”，事故分析与预防号，第43卷。3，第962-970页，2011。查看在：出版商网站|谷歌学术
4. S. P. Baker, J. G. Grabowski, R. S. Dodd, D. F. Shanahan, M. W. Lamb，和G. H. Li，“急救直升机坠毁:什么影响致命结果?”急诊医学史，卷。47，没有。4，pp。351-356,2006。查看在：出版商网站|谷歌学术
5. S. Salvatore，M. D. Stearns，M. S. Huntley和P. Mengert，“航空运输飞行员参与一般航空事故”人体工程学，卷。29，不。11，PP。1455-1467,1986。查看在：出版商网站|谷歌学术
6. R. S. Sun和L. H.孟，《航空事故的分布》，交通与安全(中文)，卷。31，不。2，pp。84-87,2013。查看在：谷歌学术
7. C. T. Bennett和M. Schwirzke，《仪器使用过程中的事故分析》，航空，空间和环境医学，第63卷，第2期4，第253-261页，1992。查看在：谷歌学术
8. D.布罗赫，K. M.约瑟夫和D. J.施罗德，试点年龄和事故报告3：年龄的专业航空运输试点事故率分析2003年，俄克拉荷马城，联邦航空管理局人力资源研究部，民用航空医学研究所。
9. L. S. Groff和J. M. Price，“能见度下降的通用航空事故:72起事故的案例控制研究”，航空，空间和环境医学，卷。77，没有。10，pp。1062-1067，2006。查看在：谷歌学术
10. M. Bazargan和V.S.Guzhva，“普通航空事故中死亡的因素”，“多式联运研究世界综述，卷。1，不。2，pp。170-182,2007。查看在：出版商网站|谷歌学术
11. S. UD-DIN和Y. Yoon，“一般航空飞机操纵的控制参数损失分析”高级运输杂志，卷。2018年，2018年。查看在：谷歌学术
12. B. W. Silver，《通用航空失速旋转事故的统计分析》SAE技术论文760480,1976。查看在：谷歌学术
13. A. K.查图维迪，D. R.史密斯，J. W. Soper, D. V. Canfield，和J. E. Whinnery，“致命民航事故飞行员尸检标本的特征和毒理学处理”，航空，空间和环境医学第74卷第1期3，页252 - 259,2003。查看在：谷歌学术
14. c c。陈杰，陈杰和p.c。Lin，“运用层次分析法识别影响台湾航空安全的重大威胁和错误”，中国航空运输管理学报，第15卷，第5期。5，页261-263,2009。查看在：出版商网站|谷歌学术
15. P. J. Kearney和G. Li，“通用航空和空中出租车的碰撞风险的地理变异”航空，空间和环境医学，第71卷，第71期1，页19-21,2000。查看在：谷歌学术
16. J. G. Grabowski, F. C. Curriero, S. P. Baker，和G. Li，“利用地理信息系统对通用航空事故中飞行员死亡率的探索性空间分析”，美国流行病学杂志号，第155卷。5，第398-405页，2002。查看在：出版商网站|谷歌学术
17. C.A.Blazquez和M. S. Celis，“智利圣地亚哥儿童行人坠毁的空间和时间分析”事故分析与预防， vol. 50, pp. 304-311, 2013。查看在：出版商网站|谷歌学术
18. J.Benedek，S. M. Ciobanu和T.C. Man，“城市交通崩溃的热点和社会背景：在Cluj-Napoca（罗马尼亚）的一个案例研究”事故分析与预防，卷。87，pp。117-126,2016。查看在：出版商网站|谷歌学术
19. C.插头，J.xia和C.Caulfield，“崩溃分析的空间和时间可视化技术”事故分析与预防号，第43卷。6，PP。1937-1946，2011。查看在：出版商网站|谷歌学术
20. L. T. Truong和S. V. C. Somenahalli，“使用GIS识别行人-车辆碰撞热点和不安全公交车站”，公共交通杂志第14卷第2期1, pp. 99-114, 2011。查看在：出版商网站|谷歌学术
21. 李磊，朱磊，隋德哲，“基于gis的城市机动车交通事故时空特征分析”，运输地理杂志，第15卷，第5期。4，页274-285,2007。查看在：出版商网站|谷歌学术
22. S. Erdogan，I. Yilmaz，T. Baybura和M. Gullu，“地理信息系统辅助交通事故分析系统案例研究：Afyonkarahisar市”事故分析与预防，卷。40，不。1，pp.174-181,2008。查看在：出版商网站|谷歌学术
23. V.Prasannakumar，H.Vijith，R.Charutha和N.Geetha，“道路事故的时空聚类：基于GIS的分析和评估”空间思维与地理信息科学国际会议论文集，2011,STGIS 2011，页317-325，日本，2011年9月。查看在：谷歌学术
24. K. Ivan，I. Haidu，J.Benedek和S. M. Ciobanu，“在低光条件下识别交通事故风险地区”自然灾害和地球系统科学，第15卷，第5期。9, pp. 2059-2068, 2015。查看在：出版商网站|谷歌学术
25. 经理,NSW 1993年道路交通事故，新南威尔士州道路和交通管理局，悉尼，1994。
26. N. Levine，Questat III：用于分析犯罪事件位置的空间统计程序（版本3.0），休斯顿（德克斯）：Ned Levine＆Associates，国家司法学会，华盛顿特区，美国，​​2004年。
27. A. Soltani和S. Askari，“基于严重程度探索交通事故的空间自相关性”，受伤，卷。48，没有。3，pp。637-647,2017。查看在：出版商网站|谷歌学术

版权

版权所有©2018李亚飞，梁晨。这是一篇发布在知识共享署名许可协议如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。