EN中文

地球信息科学学报 >

2019 , Vol. 21 >Issue 11: 1710 - 1720

DOI: https://doi.org/10.12082/dqxxkx.2019.190384

地理空间分析综合应用

全球恐怖袭击事件时空演变与态势分析

  • 王诚聪 ,
  • 刘亚静 , * ,
  • 刘明月
展开
  • 华北理工大学矿业工程学院,唐山 063210
刘亚静（1977-）,女,河北唐山人,博士,教授,主要从事地理信息系统理论与应用研究。E-mail:

王诚聪（1997-）,女,山西孝义人,硕士生,主要从事地理信息系统理论与应用研究。 E-mail: wangchengcong81@163.com

收稿日期: 2019-07-19

  要求修回日期: 2019-09-01

  网络出版日期: 2019-12-11

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatiotemporal Evolution and Situation Analysis of Global Terrorist Attacks

  • WANG Chengcong ,
  • LIU Yajing , * ,
  • LIU Mingyue
Expand
  • College of Mining Engineering, North China University of Science and Technology, Tangshan 063210, China
LIU Yajing, E-mail:

Received date: 2019-07-19

  Request revised date: 2019-09-01

  Online published: 2019-12-11

Copyright

Copyright reserved © 2016
Fold

摘要

恐怖主义具有极大的破坏性与杀伤力,已成为世界和平与安全的最大威胁之一。本文以全球恐怖主义数据库（GTD）为基础,采用伤亡人数的热点分析以及各区域事件频次的层次聚类方法,对全球恐怖主义袭击事件的时空演变特征与态势进行分析研究,探讨了2013-2017年内全球高伤亡率热点区域的空间分布与变化,并对不同地区的袭击频次进行统计并划分了事发率严重等级。研究表明：① 5年内,伤亡人数在2014年为最高达103 134人,而后逐年递减的趋势;袭击频次呈现一种锯齿状为“猖狂-治理-收敛-不治理-再次猖狂”的模式;② 中东及北非地区是恐怖主义袭击的严重区与策源地,也是高伤亡率的热点区域,平均每年伤亡人数约占全球的49%,事件发生频次约占40%,而南亚伤亡人数约占22.8%,袭击频次约31.1%,撒哈拉以南的非洲地区次之,东南亚及西欧、东欧、南美地区也为恐怖主义的暴动区域;③ 全球恐怖主义的时空演变趋势已形成以中东及北非地区以及与撒哈拉以南的非洲交界区域为爆发中心,逐渐向南亚、东南亚、西欧地区扩散的趋势,为新的恐怖主义活跃区。通过对5年内全球恐怖主义的时空演变和态势,以及造成恐怖主义发生的原因进行分析,可为反恐组织以及避免袭击事件的发生提供有效的参考和决策辅助。

关键词： 全球恐怖袭击事件; 热点分析; 层次聚类法; 高伤亡率; 时空演变; GIS

本文引用格式

王诚聪 , 刘亚静 , 刘明月 . 全球恐怖袭击事件时空演变与态势分析[J]. 地球信息科学学报, 2019 , 21(11) : 1710 -1720 . DOI: 10.12082/dqxxkx.2019.190384

Abstract

Terrorist attack is violent and destructive, resulting in casualties and property losses; it also involves social unrests, causing significant psychological pressure and hindering normal economic development. The data of this paper came from the global terrorism database, spanning from 2013 to 2017. GIS technology and the statistical theory were used to process and analyze the data of global terrorist attacks, and to analyze the spatial evolution of global terrorist attacks and the overall situation. The attributes selected for the data processing include latitude and longitude, regional information, casualties, etc., which were used for the hotspot analysis of casualties, hierarchical clustering of regional event frequency, and the time and space of global terrorist attacks. The evolution characteristics and situation were analyzed and studied. The spatial distribution and changes of the global high-injury hotspots in the five years were discussed, and the frequency of attacks in different regions was counted and the severity of incidents was classified. Specifically, based on the number of casualties, we used the ArcGIS software to draw the 2013-2017 casualty hotspot map and cold spot map to analyze the spatial trend of terrorism, and used the SPSS software to draw hierarchical clustering pedigree maps for regions of different severity levels. Results show: (1) In the 5 years, the number of casualties reached 202 099 in 2014, and then decreased year by year; the frequency of attacks showed a jagged pattern of “maniac-governance-convergence-no governance-again mania”. (2) The Middle East and North Africa regions were the main sources of terrorist attacks and also the hot spots with high casualties. The average annual casualties accounted for about 49% of the world's total, and the frequency of incidents accounted for about 40%, while the number of casualties in South Asia wass about 22.8%, the attack frequency was about 31.1%, followed by sub-Saharan Africa. By contrast, Southeast Asia, Western Europe, Eastern Europe, and South America were the emerging areas of active terrorism. (3) Global terrorism in general centered on the border area of the Middle East, North Africa, and sub-Saharan Africa, and gradually spreaded to South Asia, Southeast Asia, and Western Europe. Our findings can inform the decision-makers of anti-terrorism organizations to help enhance global security.

Key words： terrorist attack; hotspot analysis; hierarchical clustering; high casualty rate; spatiotemporal evolution; GIS

1 引言

恐怖袭击是由国际上一些极端分子由于宗教、种族、政治等因素,组成团体或个体行动,运用不符合国际道义的手段,如绑架、残杀、自杀、生化武器等骇人的方式来达到目的的行为[1]。它不仅具有剧烈的伤害性和破坏性,导致人员伤亡和财产损失,而且使社会动荡不安,造成人们重大的心理压力,阻碍正常的经济发展。据统计,2018年上半年全球42个国家发生639起恐怖主义袭击事件,造成3305名人员伤亡,相对于2017年死亡人数大幅下降,给人们和社会带来不可磨灭的痛苦与损失[2]。
为促进沿线各国的繁荣昌盛,促进世界的和平发展,中国提出一带一路政策,为实现世界和平贡献力量[3]。近年来,有很多学者对恐怖主义进行研究,如李国辉[4]对1970-2010年全球恐怖袭击的时空演变及风险评估进行了研究;郝蒙蒙等[5]运用空间统计与核密度分析的方法对中南半岛2000-2016年的恐怖袭击事件的空间演变特征分析;Zhu[6]对恐怖主义的动机进行理论研究,得出造成恐怖袭击的依据以及原因;李益斌[7]通过SAS软件的聚类分析方法对2001-2010年和2011-2016年2个时间段欧洲恐怖主义的新态势及原因进行研究;Herb [8]在911事件后提出通过数据挖掘技术对当前恐怖袭击事件进行分析;隋晓妍[9]运用可视化分析方法对中国1971-2015年恐怖袭击时空变化特征与影响因素进行研究。据现有文献,国际上对恐怖袭击的研究很多,但是大部分是对恐怖袭击的动机和原因进行讨论以及属性数据的挖掘与研究,并运用统计图以及表的方式将研究结果可视化表达出来,很少结合空间信息。本文通过将空间数据与属性数据结合,把全球恐怖袭击事件的空间格局演变与态势以地图的形式呈现,将研究内容以空间信息的形式传递与表达。
目前国际上已经建立了恐怖主义数据库,根据现有数据,寻找恐怖主义发生的聚集地,分析恐怖袭击的空间分布特征以及演变趋势,研究结果有助于提高反恐政策的效力[10,11,12]。基于此,本文以2013-2017年的全球恐怖袭击数据为基础,运用GIS技术以及统计学理论,将全球恐怖袭击事件数据进行处理与分析,剖析全球恐怖袭击空间演变过程及态势情况,有助于加深人们对恐怖主义的认识,为反恐提供有价值的信息支持。

2 数据来源与研究方法

2.1 数据来源与预处理

本文的研究数据来源于全球恐怖主义数据库（GTD）,GTD是一个资源共享的数据库,数据库下载地址为（https://www.start.umd.edu/gtd/）记录了从20世纪70年代到目前的世界各地恐怖主义案例的信息。GTD拥有大量的恐怖袭击案例数据,其中所载的统计资料是以各种权威媒体为依据 [13]。本文选用2013-2017年世界上发生的恐怖袭击事件的记录,由于数据量过于庞大且诸多变量信息相对而言重要性较低,因此对数据进行数据清洗,增强数据的可信度。在对数据处理时选择的属性信息包括经纬度位置信息、所属区域信息、伤亡人数。基于GTD数据库,运用ArcGIS 10.2软件,依据所属区域将各国分成东欧、北美、西欧、东亚、中东及北非、南亚、东南亚、中美洲及加勒比海区域、南美、撒哈拉以南的非洲、澳大利亚及大洋洲、中亚12个地区,并将2013-2017年全球恐怖袭击事件点通过经纬度坐标以地图的形式展示到地理空间上,如图1所示。为了更好地对数据分析,将世界各地区在5年内的恐怖袭击事件次数统计,统计结果如表1所示。
图1 2013-2017年全球恐怖袭击事件空间分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2271号的标准地图制作,底图无修改。

Fig. 1 Spatial distribution of the terrorist attacks during 2013 to 2017

表1 2013-2017年全球不同地区恐怖袭击事件发生次数统计

Tab. 1 Numbers of terrorist attacks in different regions from 2013 to 2017

地区 2013年 2014年 2015年 2016年 2017年
东欧 164 958 681 134 110
北美 33 37 62 75 97
西欧 261 215 332 273 291
东亚 15 43 28 8 7
中东及北非 4493 6889 5975 6087 3763
南亚 4591 4964 4570 3637 3422
东南亚 1184 1079 1069 1076 1020
中美洲及加勒比海地区 13 5 1 3 4
南美 178 279 173 153 163
撒哈拉以南的非洲 987 2306 1946 2062 1954
澳大利亚及大洋洲 1 9 14 10 12
中亚 7 9 9 17 7

2.2 研究方法

2.2.1 优化的热点分析
对收集到的数据在5年内各事件点伤亡人数的热点与冷点在空间上的聚类特征,以伤亡人数为统计字段,对5年内伤亡人数较高的地区进行优化的热点分析,即分析出具有伤亡高值或低值的要素的空间聚类。为此,计算z得分、p值来表示每个事件点的聚类编码从而表示计算出的统计显著性[14,15]。z得分为标准分数,如式（1）所示。
z = x - μ σ
式中：z表示在标准差范围内的伤亡人数与总体均值之间的距离;x为某一事件的伤亡人数; μ 为伤亡人数的均值; σ 为标准差。
p值表示所观测到的空间模式是由某一随机过程创建而成的概率。当p值很小时,说明该值为小概率事件,因此拒绝零假设[16],对每一事件进行卡方检验。
x 2 = ∑ i = 1 n O i - E i 2 E i
式中：（ O i - E i ）代表残差;i为某一事件,通过计算自由度,查找卡方分布表,求出p值。
在正态分布的两端出现非常高或非常低的z得分,这些得分与非常小的p值关联,热点分析等级判断表如表2所示。典型的置信度为90%、95%或99%[17,18]。99%的置信度是最保守的,这表示不愿意拒绝零假设,通过热点与冷点的分析,找出发生恐怖袭击事件点伤亡人数较多与较少的区域,从而为政府反恐或人员转移提供辅助决策。
表2 热点分析等级判断表

Tab. 2 Statistical reference for hotspot analysis

z得分 p值 置信度/%
<-1.65或>1.65 <0.10 90
<-1.96或>1.96 <0.05 95
<-2.58或>2.58 <0.01 99
2.2.2 层次聚类
层次聚类分为合并的层次聚类和分裂的层次聚类。本文采用一种自底向上的合并层次聚类算法。除此之外,通常根据分类对象的不同,分为Q型和R型聚类分析二大类。Q型是对样本进行分类处理,而R型是对指标进行分类处理[19,20,21,22]。通过Q型聚类谱系图直观地看出分类结果[23]。本文选用Q型聚类,对每个事件点伤亡人数之间的相似性,采用距离系数和相关系数来检验。本文将每个地区恐怖主义袭击的次数作为多维空间上的点,距离系数更易求得样本的相似性。因此,距离度量最常用的就是闵可夫斯基距离（亦即p范数）,本文采用欧式距离（p范数为2）对样本进行分类。
dist ( x i , x j ) = ∑ u = 1 n x iu - x ju 2 1 2
式中： dist ( x i , x j ) 为距离函数; x i , x j 分别为2个地区的值;u为某一地区。
本文主要是对各个地区的恐怖主义事件发生的次数进行分类,用SPSS软件以层次聚类方法对各地区进行分类,按照一类为最严重的地区、二类为严重地区、三类为较严重地区、四类为较不严重地区、五类为不严重地区、六类为较轻微地区分为6类[24,25,26,27]。

3 结果及分析

3.1 各区域伤亡人数及袭击频次数量统计

2013-2017年内中东及北非地区共发生27 207起恐怖袭击事件,总伤亡人数为202 099人,南亚地区次之,共21 184起事件,93 959人伤亡,这2个区域是恐怖袭击事件的主要爆发区域,约占全年恐怖袭击事件以及总伤亡人数的70%。撒哈拉以南的非洲恐怖袭击事件和伤亡人数5年内共发生9255起,90 917人、东南亚5428起,10 411人次之,其余地区发生次数及伤亡人数较少。
2013-2017的全球总伤亡人数呈现先增后减的趋势,5年内全球各地区恐怖袭击伤亡人数对比图如图2所示,在2014年全球总伤亡人数高达 103 134人。其中中东及北非地区在2015年伤亡人数最多,达到58 162人,占全球伤亡人数的46.7%;在5年内撒哈拉以南的非洲地区,2014年伤亡人数最多,但在2014年以后逐渐减少;相比之下,南亚地区近5年的伤亡人数整体上处于平稳状态,该区在2013年伤亡人数比撒哈拉以南的非洲地区高53.7%,但在2014、2015年伤亡人数分别降低了44.7%、22.8%,在2016、2017年伤亡人数有明显上升;其他区域像东欧、西欧等地区伤亡人数较少。
图2 2013-2017年全球各地区恐怖袭击伤亡人数对比

Fig. 2 Comparison of terrorist attacks induced casualties in different regions of the world from 2013 to2017

根据图3中2013-2017年各区域恐怖袭击次数折线图可以看出,总体上各地区恐怖袭击发生次数均呈下降趋势,反映出随着时间的变化,恐怖分子的生存空间正在不断地被压缩。其中以中东及北非地区最为明显,2013年袭击次数低于南亚,2014年骤然上涨,达到袭击次数的最高峰,2015年恐怖袭击事件却被压制,虽然在2016年有小幅上涨,但2017年袭击次数减少了一半左右。对于南亚地区,五年来恐袭次数一直处于逐渐减少的趋势。同样在撒哈拉以南的非洲及东南亚地区,也呈现锯齿状的动态趋势。从细节来看,全球恐怖袭击频次呈现一种“猖狂-治理-收敛-不治理-再次猖狂”的模式。其中的低点可能和当地警方的检查力度和当时的国际形势有关,检查力度越大,国际形势越严峻,其当年遭受恐怖袭击的数量越少。
图3 2013-2017年全球恐怖袭击各地区袭击次数对比

Fig. 3 Comparison of terrorist attack numbers in different regions of the world from 2013 to 2017

3.2 伤亡人数高值与低值热点分析

为了进一步对各区域伤亡人数有直观上的认识,结合ArcGIS技术,将伤亡的冷热点在地图上展绘出来,如图4-图8为2013-2017年恐怖袭击事件伤亡人数的冷热点分布图,红色越深代表高死亡率聚集越集中,蓝色越深表示死亡率越低。其中,遭受恐怖袭击伤亡率最高的地区有3处：中东及北非地区的伊拉克以及叙利亚;南亚地区的阿富汗、巴基斯坦;以及撒哈拉以南非洲的尼日利亚、中非、苏丹等地。这三处成为伤亡热点的原因主要是政治派别与宗教团体的斗争,通常通过制造恐怖袭击来达到让政府与对手妥协;其次是资源掠夺而产生的袭击,伊拉克、尼日利亚以及利比亚等地拥有十分丰富的自然资源,因此,资源掠夺成为恐怖袭击原因的其中之一。以色列、巴基斯坦、马来西亚以及菲律宾等地虽经常发生战乱,但是伤亡人数处于伤亡冷点,典型的恐怖袭击次数多危害性小的案例。
图4 2013年恐怖袭击事件伤亡人数热点分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2271 号的标准地图制作,底图无修改。图中红色越深代表高死亡率聚集越集中,蓝色越深表示死亡率越低。

Fig. 4 Hotspots of casualties in the terrorist attacks in 2013

图5 2014年恐怖袭击事件伤亡人数热点分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2271 号的标准地图制作,底图无修改。图中红色越深代表高死亡率聚集越集中,蓝色越深表示死亡率越低。

Fig. 5 Hotspots of casualties in the terrorist attacks in 2014

图6 2015年恐怖袭击事件伤亡人数热点分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2271号的标准地图制作,底图无修改。图中红色越深代表高死亡率聚集越集中,蓝色越深表示死亡率越低。

Fig. 6 Hotspots of casualties in the terrorist attacks in 2015

图7 2016年恐怖袭击事件伤亡人数热点分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2271号的标准地图制作,底图无修改。图中红色越深代表高死亡率聚集越集中,蓝色越深表示死亡率越低。

Fig. 7 Hotspots of casualties in the terrorist attacks in 2016

图8 2017年恐怖袭击事件伤亡人数热点分布

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS(2016)2271号的标准地图制作,底图无修改。图中红色越深代表高死亡率聚集越集中,蓝色越深表示死亡率越低。

Fig. 8 Hotspots of casualties in the terrorist attacks in 2017

2013年在中东及北非地区伤亡率最高,北美以及南亚地区有少量的伤亡热点（图4）。据GTD数据库显示,伤亡热点集中在伊拉克,共2818起,其中高死亡率的有1682起,占全年事件点的59.7%,叙利亚地区达56.21%,尼日利亚的东北部达55.33%。
相对于2013年,2014年中东及北非地区伤亡热点在向非洲东南部扩散,伤亡冷点在缩减,东南亚、南亚以及西欧地区急剧减少（图5）,2014年恐怖袭击事件的频次达到5年以来的顶峰。这可能与2014年6月在伊拉克萨拉丁省提克里特市绑架事件有关,大约绑架了1686名士兵,均死亡。此次恐怖袭击事件是该年死亡人数最多的一次恐怖袭击事件。
2015年相比前两年的情况来讲,苏丹恐怖袭击伤亡率大大降低,伤亡热点在向撒哈拉以南的非洲和北非交界地区以及伊拉克和叙利亚地区集中,伤亡冷点在南亚以及东南亚逐渐新增（图6）。中东北部的也门由于极端宗教主义,自杀式炸弹袭击事件造成493人伤亡。
2016年伤亡热点在各地区有明显的缩减,在苏丹地区最为明显（图7）,原因是2015年起,苏丹与沙特阿拉伯在海上联合军事演习,加强了行动能力,提高作战水平。由数据统计可知,在2016年恐怖袭击最严重事件的伤亡人数达1503人。
随着时间的发展,全球总体来看伤亡热点逐渐缩减,中东及北非地区伤亡热点不断缩减,逐渐向南亚地区扩散,如图8所示。2017年4月,武装分子袭击阿富汗国民军位于北部在巴尔赫省首府马扎里沙里夫的驻地,导致135人死亡,60多人受伤,以及5月阿富汗首都爆炸事件,造成150人死亡,413人受伤。但是较总体上来说,2017年伤亡人数较前几年在总人数来说处于下降趋势。世界反恐组织的斗争取得突破性的进展。

3.3 各区域恐怖事件层次聚类分析

为了明确2013-2017年各地区遭受袭击的严重程度,对不同地区通过层次聚类进行分类。
本文将通过SPSS软件将全球不同区域恐怖袭击次数依据上述分类标准分为6类,依据图9的聚类结果,结合各地区恐怖袭击的数据,可将世界范围内的恐怖袭击作如下分类,划分结果如表3所示。
图9 2013-2017年恐怖袭击事件频次层次聚类

Fig. 9 Clustering of the different regions ofhe world based on terrorist attack frequency from 2013 to 2017

表3 2013-2017年全球不同区域恐怖袭击层次聚类分层结果

Tab. 3 Clustering results of the different regions of the world based on terrorist attacks from 2013 to2017

等级 2013年 2014年 2015年 2016年 2017年
最严重的地区 南亚 中东及北非 中东及北非 中东及北非 中东及北非
严重地区 中东及北非 南亚 南亚 南亚 南亚
较严重地区 撒哈拉以南的非洲 撒哈拉以南的非洲 撒哈拉以南的非洲 撒哈拉以南的非洲 撒哈拉以南的非洲
较不严重地区 东南亚 东南亚、东欧 东南亚 东南亚 东南亚
不严重地区 西欧、南美、东欧 南美、西欧 东欧 西欧 西欧
较轻微地区 北美、澳大利亚及大洋洲、中亚、中美洲及加勒比海、东亚 东亚、北美、中美洲及加勒比地区、中亚、澳大利亚及大洋洲 西欧、南美、北美、东亚、中美洲及加勒比海、中亚、澳大利亚及大洋洲 南美、东欧、北美、中亚、中美洲及加勒比海、澳大利亚及大洋洲、东亚 南美、北美、东欧、澳大利亚及大洋洲、中美洲及加勒比海、中亚、东亚
依据表中结果,南亚地区与中东及北非地区在2014年恐怖袭击频次等级发生了明显的转变。2013年,全球共发生了12 036起恐怖袭击事件,比2012年增长了41.23%,南亚地区为恐怖袭击次数最多的地区。2014年以来,全球恐怖袭击事件的次数再创新高,全年袭击次数达16 903次,2014年伊斯兰国势力强大,占领叙利亚和伊拉克大规模的土地,依靠人力与财力的雄厚资源,迅速成为恐怖势力的中坚力量,该年有伊斯兰国发起的恐怖袭击导致15 538人死亡,22 000人受伤,成为有史以来伤亡人数最多的一年。2015-2017年各地区恐怖袭击水平持续不变,然而在2015年东欧恐怖袭击明显有压制,到2016年袭击频次甚至低于西欧地区。除以上变化外,发生恐怖袭击频次轻微的地区在逐渐增多,南美以及东欧逐渐由较不严重,不严重到轻微级别过度。形成以中东及北非、撒哈拉沙漠以南的非洲以及南亚为恐怖主义袭击中心,全球总体频次降低的趋势。

3.4 各地区恐怖袭击原因分析

恐怖主义的威胁在世界上一些地区已经大幅下降,本文在热点分析和层次聚类分析结果的基础上,以伤亡人数与事件频次为依据,从深度和广度对不同区域恐怖袭击事件进行分析。世界上造成威胁的恐怖组织主要有伊斯兰国,塔利班等[28]。伊斯兰国组织攻击核心就是中东及北非地区,美国总统奥巴马带领世界政府打击伊斯兰国,该组织在该地区被打压后,攻击目标转向欧洲、美洲、东南亚等地,因此,中东及北非地区在2014年袭击次数达到峰值后一直处于下降趋势,导致伤亡热点的扩散演变[29];南亚地区袭击频次逐年下降,主要的是由于塔利班带来的威胁,该地区的安全问题与亚太再平衡战略和印太战略息息相关[30,31];撒哈拉以南的非洲近年来已被用于恐怖分子的中转,并成为恐怖行动资助、规划、行动的基地,从2014年来撒哈拉以南的非洲在增加后没有大幅下降;东南亚、东欧、西欧是由于宗教、内部民族以及经济等因素导致[32];而其余地区由于治安较良好,对反恐比较严格,包括入境检查等,很少发生恐怖袭击。目前解决恐怖主义的威胁任重而道远,反恐最重要的途径不仅要加强情报搜集和加强全民反恐意识,政策协调,而且需要加强合作解决暴恐根源。

4 结论

通过GTD数据库对2013-2017年全球各地区的恐怖主义情况采用伤亡冷热点分析以及袭击频次的层次聚类对全球恐怖袭击时空演变与态势进行分析,得出下述结论：
（1）全球恐怖袭击主要发生在中东及北非和南亚2个地区,这2个地区的伤亡人数和事件发生频次约占全球的70%,伤亡人数在2014年达到峰值后逐渐减少,而袭击频次为锯齿状,呈现出“猖狂-治理-收敛-不治理-再次猖狂”的模式,整体为逐渐减小的趋势。
（2）通过对恐怖主义伤亡人数以及事件频次处理结果的综合分析,中东及北非等地区是国际暴恐活动的严重区与策源地,主要发生在伊拉克与叙利亚这2个国家,该区域的伤亡人数以及事件频次在5年内皆处于最大值达202 099人,27 207件,占全球伤亡人数以及事件频次的49.0%,40.0%,为国际反恐行动的重点区域;南亚发生的恐怖伤亡人数及袭击频次仅次于中东及北非地区,主要发生在阿富汗地,分别占全球的22.8%,31.1%,但在总体上有明显下降趋势;撒哈拉以南的非洲次之,为22.0%,13.6%;东南亚、东欧、西欧、南美地区也为恐怖主义暴动区域,反恐形势依然严峻。
（3）随着恐怖主义在国际范围内的肆虐摧残,对恐怖主义的时空演变特征与态势分析,恐怖袭击造成的高伤亡率在5年内以2014年为顶峰,形成了中东及北非地区以及撒哈拉以南的非洲由严重到衰减,而又向南亚地区扩散的趋势。在中东及北非北部的伊拉克、叙利亚地区常年处于严重状态,但在整体上为下降趋势;在中东及北非北部地区在中东及北非地区与撒哈拉以南的非洲交界地区,高伤亡率由扩散到集中,并逐年减少,2017年相对于2014年减少了91%;南亚地区高伤亡率逐年增多,伤亡人数下降幅度很小仅为6%。而恐怖主义各地区的袭击频次逐渐形成以东南亚到南亚,中东至非洲为策源地中心的恐怖主义势力。
（4）恐怖主义向全球蔓延的主要原因大都因为贫富分化、霸权主义、强权政治、宗教信仰、文化冲突导致,如加强管理,严格控制,解决矛盾,并增强公众反恐意识,恐怖袭击事件销声匿迹则指日可待。
本文通过伤亡热点分析以及袭击频次层次聚类对2013-2017年的恐怖袭击进行时间与空间的分析,对全球恐怖主义爆发局势进行分析,本研究可以为政府打击肆虐猖狂的恐怖主义以及预防恐怖主义活动作参考资料。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
严帅, 李伟陈, 陈庆鸿 . 当前国际反恐战略态势[J].国际研究参考, 2019(3):45-51.

[ Yan S, Li C W, Chen Q H . Current global counter-terrorism[J]. International Study Reference, 2019(3):45-51. ]

[2]
宋汀, 曹伟 . 2018年上半年国际恐怖主义态势报告[J]. 中国信息安全, 2018(9):86-90.

[ Song T, Cao W . International terrorism situation report for the first half of 2018[J]. China Information Security, 2018(9):86-90. ]

[3]
罗国强, 赵睿 . 总体安全观下“一带一路”的和平与安全问题及其法制构建[J].人文杂志, 2016(9):50-59.

[ Luo G Q, Zhao R . Peace and security in "One Belt and One Road" under overall security[J]. The Journal of Humanities, 2016(9):50-59. ]

[4]
李国辉 . 全球恐怖袭击时空演变及风险分析研究[D]. 北京:中国科学技术大学, 2014.

[ Li G H . Spatial and temporal evolution and risk analysis of global terrorist attacks[D]. Beijing: University of Science and Technology of China, 2014. ]

[5]
郝蒙蒙, 陈帅, 江东 , 等. 中南半岛恐怖袭击事件时空演变特征分析[J]. 科技导报, 2018,36(3):62-69.

[ Hao M M, Chen S, Jiang D , et al. Analysis on tempo-spatial evolution of terrorist attacks in Indochina Peninsula[J]. Science & Technology Review, 2018,36(3):62-69. ]

[6]
Zhu S . Theoretical analysis on terrorism motivation[J]. Journal of University of International Relations, 2008(5):1-5.

DOI PMID

[7]
李益斌 . 欧洲恐怖主义的新态势及原因分析[J]. 情报杂志, 2018,37(3):55-63.

[ Li Y B . New trends and causes of terrorism in Europe[J]. Journal of Intelligence, 2018,37(3):55-63. ]

[8]
Herb Edelstein . Using data mining to find terrorists[J]. DMReview, 2003,13(5):66.

[9]
隋晓妍 . 我国恐怖袭击时空变化特征与影响因素研究[D]. 大连:大连理工大学, 2017.

[ Sui X Y . Research on temporal variation characteristics of terrorist attacks in China and influencing factors[D]. Dalian: Dalian University of Technology, 2017. ]

[10]
朱艳丽, 靖常峰, 伏家云 , 等. 时空立方体的抢劫案件时空特征挖掘与分析[J]. 测绘科学, 2019,44(9):132-138,145.

[ Zhu Y L, Jing C F, Fu J Y , et al. Analysis of space-time pattern of robbery crime based on space-time cube[J]. Science of Surveying and Mapping, 2019,44(9):132-138,145. ]

[11]
张家栋 . 世界恐怖主义的主要特征与发展趋势[J].国际观察, 2011(5):8-15.

[ Zhang J D . The main characteristics and development trend of world terrorism[J]. International Review, 2011(5):8-15. ]

[12]
Sebastian Thöns; Mark G . Stewart. On decision optimality of terrorism risk mitigation measures for iconic bridges[J]. Reliability Engineering and System Safety, 2019(3):574-583.

[13]
周松青 . 全球恐怖主义数据库及对中国反恐数据库建设的启示[J]. 情报杂志, 2016,35(9):6-11.

[ Zhou S Q . Global terrorism database and its enlightenment to anti-terrorism database construction in China[J]. Journal of Intelligence, 2016,35(9):6-11. ]

[14]
章小童, 阮建海 . 国内反恐情报研究结构特征与研究热点分析[J]. 情报杂志, 2016,35(8):31-36,24.

[ Zhang X T, Ruan J H . Analysis on the structural features and hotspots of counter-terrorism intelligence research in China[J]. Journal of Intelligence, 2016,35(8):31-36,24. ]

[15]
刘子义, 蔡中祥, 刘宏建 , 等. 恐怖主义研究热点与前沿可视化分析[J].世界地理研究, 2016(6):28-37.

[ Liu Z Y, Cai Z X, Liu H J , et al. Visual analysis of hotspots and research fronts of terrorism[J]. World Regional Studies, 2016(6):28-37. ]

[16]
王杏芝 . 全球恐怖主义治理:恐怖分子“去极端化”改造的视角[D]. 北京:外交学院, 2018.

[ Wang X Z . Global terrorism governance: A perspective of terrorist's "depolarization" reform[D]. Beijing: China Foreign Affairs University, 2018. ]

[17]
张将星 . 1970-2013年全球恐怖主义活动的特征分析——兼论“9·11”事件前后时段比较[J]. 同济大学学报(社会科学版), 2016,27(2):48-57.

[ Zhang J X . An analysis of the features of global terrorist activities from 1970 to 2013: A comparison of those before and after Sept.11[J]. Journal of Tongji University (Social Science Section), 2016,27(2):48-57. ]

[18]
Vucemilovic A . Toxicological effects of weapons of mass destruction and noxious agents in modern warfare and terrorism[J]. Archives of Industrial Hygiene and Toxicology, 2010,61(2):247-256.

DOI PMID

[19]
刘明辉 . 基于K-means聚类分析的民航系统恐怖主义风险评估[J]. 数据分析与知识发现, 2018,2(10):21-26.

[ Liu M H , Risk assessment of civil aviation terrorism based on K-means clustering[J]. Data Analysis and Knowledge Discovery, 2018,2(10):21-26. ]

[20]
吴笛, 杜云艳, 易嘉伟 , 等. 基于密度的轨迹时空聚类分析[J]. 地球信息科学学报, 2015,17(10):1162-1171.

DOI

[ Wu D, Du Y Y, Yi J W , et al. Density-based spatiotemporal clustering analysis of trajectories[J]. Journal of Geo-information Science, 2015,17(10):1162-1171. ]

[21]
杨小兵 . 聚类分析中若干关键技术的研究[D]. 杭州:浙江大学. 2005.

[ Yang X B . Research on several key technologies in cluster analysis[D]. Hangzhou: Zhejiang University, 2005. ]

[22]
吴文浩, 吴升 . 多时间尺度密度聚类算法的案事件分析应用[J]. 地球信息科学学报, 2015,17(7):837-845.

DOI

[ Wu W H, Wu S . Application of density-based clustering algorithm in crime cases analysis considering multiple time scale[J]. Journal of Geo-Information Science, 2015,17(7):837-845. ]

[23]
刘磊 . 基于k-means的自适应聚类算法研究[D]. 北京:北京邮电大学, 2009.

[ Liu L . Adaptive clustering algorithm analysis based on k-means[D]. Beijing: Beijing University of Post and Telecommunications, 2009. ]

[24]
余红楚, 方志祥, 陆锋 , 等. 重要经济发展区域间海运网络时空演变特性分析[J]. 地球信息科学学报, 2018,20(5):582-592.

DOI

[ Yu H C, Fang Z X, Lu F , et al. Spatial-temporal evolution patterns of maritime networks between important economic developing zones revealed[J]. Journal of Geo-information Science, 2018,20(5):582-592. ]

[25]
刘子义 . 恐怖组织及其活动的时空特征研究[D]. 郑州:信息工程大学, 2017.

[ Liu Z Y . Research on the temporal and spatial characteristics of terrorist organizations and their activities[D]. Zhengzhou: Information Engineering University, 2017. ]

[26]
程日能, 傅秀芬 . 可视数据挖掘技术在警务信息系统的研究与应用[J]. 现代计算机(专业版), 2010(12):84-87.

[ Chen R N, Fu X F . Research and application of visual data mining technology in the police information system[J]. Modern Computer, 2010(12):84-87. ]

[27]
Schbley A . Religious terrorism, the media, and international islamization terrorism: Justifying the unjustifiable[J]. Studies in Conflict & Terrorism, 2004,27(3):207-233.

DOI PMID

[28]
Stewart M G, Netherton M D, Shi Y , et al. Probabilistic terrorism risk assessment and risk acceptability for infrastructure protection[J]. Australian Journal of Structural Engineering, 2012,13(1):1-17.

[29]
熊理然, 刘保强, 武友德 , 等. 2010-2015年中东北非政局变动中的“政治性民意势力”及其影响[J]. 地理科学进展, 2019,38(6):930-940.

DOI

[ Xiong L R, Liu B Q, Wu Y D , et al. “Political public opinion forces” in political changes of the middle East and north Africa and their geopolitical influences[J]. Progress in Geography, 2019,38(6):930-940. ]

[30]
周婷 . 阿富汗抗苏战争与恐怖主义的扩散[D]. 济南:山东师范大学, 2016.

[ Zhou T . Afghanistan's war against Soviet Union and the spread of terrorism[D]. Jinan: Shandong Normal University, 2016. ]

[31]
王世达 . 南亚恐怖主义及反恐形势[J].印度洋经济体研究, 2015(5):61-78,158.

[ Wang S D . Terrorism and Anti-terrorism in South Asia[J]. Indian Ocean Economic and Political Review, 2015(5):61-78,158. ]

[32]
刘中民, 赵跃晨 . “伊斯兰国”在撒哈拉以南非洲地区的渗透及其影响因素分析[J]. 国际展望, 2018,10(2):112-133,157.

[ Liu Z M, Zhao Y C . ISIS in Sub-Saharan Africa and Its impacts[J]. Global Review, 2018(2),10:112-133,157.

Options
文章导航

/

〈 〉