原文鏈接:http://tecdat.cn/?p=13255
當我們要可視化事故數量時，其想法是根據部門的人員進行標準化。
我們將從恢復底圖開始
library(rgdal)
library(sp)
library(data.table)
library(dplyr)
library(plyr)
destfile="GEOFLA.tar.gz")
untar("GEOFLA.tar.gz")
這些數據包含人口。所以我們要按部門彙總
dep@data <- inner_join(dep@data, pop)
dep@data <- inner_join(dep@data, superficie)
dep@data$POPULATION <- dep@data$POPULATION * 1000
然後我們將恢復道路事故數據
acc_caract$dep[which(acc_caract$dep %in% "201")] <- "2A0"
acc_caract$dep[which(acc_caract$dep %in% "202")] <- "2B0"
acc_caract$dep <- substr(acc_caract$dep, 1, 2)
現在，我們可以按年份、按部門（或按時間彙總）進行計數
data_plot <- c(
"2010_2015" = dep_with_nb_acc(acc_caract, dep,nb_an = 6),
"2010_2015_n" = dep_with_nb_acc(acc_caract, dep,nb_an = 6,normalize=TRUE))
第一個是超過6年的事故數量，已按人羣歸一化（可以將其視爲人身傷害的頻率）
zmax = max(data_plot[[1]]@data$freq_par_hab)
spplot(obj = data_plot$'2010_2015',"freq_par_hab",at = seq(0, zmax, by = zmax/10),main = "")
我們也可以按頻率進行標準化，以找出最危險的部門。我們還採用了對數。
zmin = min(data_plot[[8]]@data$freq_par_hab)
zmax = max(data_plot[[8]]@data$freq_par_hab)
spplot(obj = data_plot$'2010_2015_n',"freq_par_hab",at = seq(zmin, zmax, by = (zmax-zmin)/10),main = "")
