en تحلیل آمار فضایی برای شناسایی نقطه‌های داغ (Hot-Spot) با استفاده از خدمات تلفنی تصادفات عمومى General پژوهشي Research &nbsp;<br> &nbsp;<br> <span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">امروزه داده‌ها در حجم وسیعی تولید می‌شوند و از چندین منبع مختلف در خدمات شهری ممکن است متناسب با سرعت و دقت در ارائه خدمات اضطراری بسیاری از مشکلات ایجاد شود. از این رو، دسترسی به منابع و بانک‌های اطلاعاتی مختلف، تحلیل الگوهای داده‌کاوی و استخراج اطلاعات برای ارزیابی و تحلیل داده‌ها و ارائه‌ی راه حل مناسب و بهبود خدمات برای شهروندان اجتناب‌ناپذیر است. در این مقاله از آمار </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">Getis-ord Gi</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> و آمار </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">I</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> آنسلین محلی موران برای ارزیابی خوشه‌ها برای افزونگی بیشتر استفاده شده است. از آمارهای مورون برای شناسایی و کشف وقایع و نشان دادن نحوه‌ی رفتار حوادث از نظر الگوهای توزیع مکانی استفاده شد، با ایجاد نقشه‌های </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">Hotspot</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">، الگوی توزیع زیاد و کم حوادث تصادفی در هر سال به دست آمد و با بررسی نقشه‌ی توزیع حوادث، مقایسه‌ی سالانه و ارزیابی انجام شده است. نقشه‌ی خوشه‌بندی نقاط مهم با آمار </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">Gi</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> نمایانگر ارتباط فضایی مثبت و منفی از وقایع است، در الگوی توزیع آن‌ها، خوشه‌هایی با ارزش زیاد به نام نقطه‌های داغ و خوشه‌های کم‌ارزش به نام نقطه‌ی سرد قرار دارند. به‌طور مشابه، نقشه‌های خوشه‌ای رویدادهای تصادفی هر 5 سال یکبار ارزیابی می‌شوند، و سپس برای هر دو سال شاخص </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">Gi</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> برای هر خوشه مقایسه و ارزیابی می‌کند. نتایج ارزیابی نشان می‌دهد الگوی توزیع پراکندگی مکانی در هر سال مشابه است و درصد تشابه به میانگین 93 درصد می‌رسد. سپس با ایجاد نقشه‌های خوشه‌ای نقطه‌های داغ / سرد از حوادث 5 ساله‌ی تصادفی با شاخص کلی موران نیز ایجاد و ارزیابی شد، بررسی نقشه‌های خوشه‌ای دو ساله از حوادث تصادفی با شاخص موران نشان داد بیش از 96 درصد از شباهت رفتاری الگوی پراکندگی توزیع در هر دو سال وجود دارد. برای ارزیابی نهایی نقشه خوشه راستر، هر سال، آمار </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">G General</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> و </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;">Local Moran</span></span></span><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"> مورد بررسی قرار گرفت، با نرخ تشابه بیش از 95 درصد در سال، که نشان می‌دهد الگوی توزیع رویدادها در هر 5 سال یکسان است. تعداد حوادث تصادفی طی مدت 5 ساله کاهش یافته است، مناطق حادثه‌ای شهر همچنان پابرجاست و با اطمینان متوسط 95 درصد می‌توان گفت نقطه‌های داغ نشانگر چگالی بالای حوادث تصادفی در آن منطقه و بیشترین تصادفات در بزرگراه‌ها و آزادراه‌های اصلی شهر و تقاطع‌های آن‌ها رخ داده است.</span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:12.0pt;"></span></span></span><br> &nbsp;<br> &nbsp; Today, data is produced in large volumes, and from multiple sources, so this has caused problems in service. These problems can also affect the speed and accuracy of emergency services. Therefore, access to various resources and databases, information extraction to evaluate and analyze data and provide appropriate solutions for citizens is inevitable. In this paper evaluation of clusters is used for Getis-ord Gi* statistics and Anselin Local Moran&#39;s I statistics to identify the behavioral pattern of data. The data used in this article is a large free dataset of Spatio-temporal emergency call events from the United States. Accidental call events in five years are evaluated from this dataset. Moran statistics are used to identify and detect the events which have the pattern of spatial distribution. A high/low distribution pattern of accidental events was obtained through Hotspot maps, an annual comparison and evaluation are made by survey the distribution map of events. Clustering Hotspots Map with Gi* statistics represents the spatial correlation between positive and negative events. In these distribution patterns, clusters with high value are called Hot-spots, and low-value clusters are called Cold-spots. Similarly, clustering maps of accidental events get evaluated every five years; then the Gi indicator evaluates each cluster for every two years. A positive z-score and G-index indicate that the data have a positive spatial correlation; its results show that the distribution pattern is similar in each year with an average of 93 percent. Then, hot/cold spot clustering maps of 5-year accidental events are also created with the general Moran indicator. Moreover, a confidence level is created after calculating the p-value and z-score. In all 5-year data calculations, the Moran coefficient of accidental events is greater than the expected coefficient. Evaluation of biennial clustering maps with Moran index showed that there is more than 96percent behavioral similarity of dispersion pattern in both years. Raster clustering maps are also created to evaluate the clustering of Moran and Gi indicates. The similarity of raster clusters is more than 95percent per year. The results show that the pattern of accident distribution is the same in 5 years. Although the number of accidents has decreased during this period, the hotspots of accidents have not changed significantly in the city. Furthermore, hotspots indicate a high density of accidental events with 95percent confidence in the study area, and most accidents occur on the South Claiborne and New Orleans highways and at intersections with major streets.<br> &nbsp;<br> &nbsp; خوشه‌بندی, همبستگی مکانی, رویداد تصادفی, آمار Getis-ord Gi, آمارAnselin Morans I. Clustering, spatial autocorrelation, accidental event, Getis-ord Gi* statistics, Anselin Morans I statistics. 121 141 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-73-20&slc_lang=en&sid=1 Samira Ghashghaie سمیرا قشقایی Samira.qashqaie.84@gmail.com 10031947532846001782 10031947532846001782 No Saeed Behzadi سعید بهزادی behzadi.saeed@gmail.com 10031947532846001783 10031947532846001783 Yes