局部风险聚类与异常值分析：城市应急物流设施选址结果

由图5-6（a）我们可以对研究区的区域风险空间分布有一个大致的了解［6］：危险源北部和南部的地区风险等级较高，因为其严重度等级较高；西北部地区也处于高风险水平，因为此区域存在脆弱性较高的商业区；西南部地区属于中度风险等级，因为其严重度和脆弱性都处于中等水平；东部和东南部地区的风险水平相对较低，因为其严重度和脆弱性都处于相对较低的水平。

为了进一步探索研究区域内的局部风险格局，我们进行了LMI统计分析。由于LMI指标具有空间尺度依赖性，因此，我们将5.3.3节得到的最适合临界距离值（d=3587 m）指定为LMI统计的空间尺度参数。随后，我们收集了基于95%置信等级计算得到的LMI指标值、z-score、p-value和COType（cluster/outlier type），其对应的空间分布结果如图5-6（b）、图5-6（c）和图5-6（f）所示。

根据空间统计学的定义，我们最感兴趣的是发现一些具有非常小的p-value的异常风险单元，其对应的z-score非常高（正值）或非常低（负值），这表明这些风险单元存在统计学意义上的显著聚类或其是异常值。由于本案例中选择的是95%置信区间等级，p-value的阈值为0.05，相应的z-score的阈值为-1.96和+1.96，因此，具有非常小（＜0.05）的p-value且具有非常高（＞+1.96）或非常低（＜-1.96）的z-score的风险单元被识别和选择出来，用以表示具有统计学意义的区域，如图5-6（b）和图5-6（c）所示。

从图5-6（b）中可以发现，危险源附近的北部和西南部地区、西北商圈、部分东部地区的z-score非常高；东部大部分地区，东南部、西南部和部分北部地区的z-score相对较高。根据LMI统计分析的判断准则，这些具有（较）高z-score的地区应属于统计意义上的显著空间聚类地区（HH或LL）。此外，部分西北部地区，北部、南部和中部的部分地区的z-score较低，这些地区的风险单元应该属于统计意义上的异常值（HL或LH）。其他大部分风险单元的z-score处于相对中等的水平（［-1.96，+1.96］），说明它们在统计上是不显著的，如西部的大部分地区、东北部的部分地区和中部地区等。

从图5-6（c）中可以发现，西部和东北部大部分地区，危险源附近的偏北、偏南和中部狭长地区的p-value相对较高。根据LMI统计分析的判断准则，这些地区是不具有统计学意义的。

通过对比图5-6（b）和图5-6（c），我们可以发现图5-6（b）中具有较高或较低z-score的风险单元在图5-6（c）中都对应着较低的p-value；图5-6（b）中具有相对中等z-score的风险单元在图5-6（c）中则对应着较高的p-value，最典型的就是西部地区。(www.xing528.com)

此外，为了进一步探索z-score的统计分布状况并演示其决策过程，我们绘制了z-score的直方图，如图5-6（d）和图5-6（e）所示。虽然图5-6（d）和图5-6（e）都是z-score直方图的一部分，但是它们可以展示以下关键之处：正态分布的尾部区域聚集着具有非常高（正值）或非常低（负值）z-score的风险单元，且其对应的p-value是非常小的，这表明它们的相关空间格局不可能（小概率）是由随机过程产生的。

从图5-6（d）中可以发现，z-score正态分布曲线的中心轴（center axis）位于轴z=13附近，而非轴z=0处，这意味着中值附近及大于中值的风险单元所对应的z-score都是较高的（＞+1.96），这与图5-6（b）所呈现的状况相同。为了分析方便，我们将图5-6（a）～（c）中使用的图例横放在直方图中作为背景对比，如图5-6（d）所示。

图5-6（e）是图5-6（d）中z-score位于［-10，10］部分的放大图，从中我们可以看到风险单元的评估依据和分类细节：z-score大于-1.96且小于+1.96的风险单元被分类为“无意义的”（Not Significant），这些风险单元不具有统计学意义；z-score大于+1.96的风险单元被分类为“HH”或“LL”，z-score小于-1.96的风险单元则被分类为“HL”或“LH”。为了更进一步确定风险单元属于“HH”“LL”“HL”和“LH”中的哪一类，我们还要根据其风险值的情况做出判断，具体的评判标准详见图4-1，此处我们举例来演示其流程：图5-6（b）所示的计算结果表明东部地区的z-score较高，根据图4-1和图5-6（e），其对应的分类应为“HH”或“LL”；然而，如图5-6（a）所示，东部地区的风险值并不是很高，因此，东部地区最终被分类为“LL”，即低值高度聚集区，如图5-6（f）所示。

图5-6　基于最合适临界距离值（d=3587 m）的局部风险聚类和异常值分析结果

上述研究结果表明，GIS空间统计学方法为我们进一步探索城市重大危险源区域风险空间格局提供了全新的视角。此外，区域风险空间格局分析的结果对于城市应急管理和城市规划工作具有一定的指导意义。对政府来说，应给予被分类为“HH”和“HL”的高风险聚集地区更多的关注。另一方面，城市管理者应该努力扩展“LL”和“LH”地区，以降低城市的整体区域风险，因为它们是风险值较低的地区。在将来的城市规划中，应进一步考虑采取一些必要的风险缓解策略和风险预防措施，如为“HH”和“HL”高风险聚集区规划建设更多的应急物流设施等。