生存数据通常包含地理或空间信息，例如个人的居住地。我们提出了地理加性生存模型，用于分析空间效应和其他协变量可能的非线性效应。在统一的贝叶斯框架内，我们的方法将经典的Cox模型扩展为更一般的乘法风险率模型，用空间分量和非参数项来增强时间和度量协变量的非线性效应的公共线性预测器。马尔可夫随机场和惩罚回归样条被用作基本构建块。推理是完全贝叶斯的，并使用计算效率高的MCMC采样方案。平滑参数是模型不可分割的一部分，可以自动估计。通过仿真研究对性能进行了研究。我们将我们的方法应用于伦敦和埃塞克斯的一个案例研究数据，目的是评估居住面积和进一步的协变量对冠状动脉旁路移植术（CABG）等待时间的影响。