Metodin todisteiden tietue

Kernel Density Crime Mapping

Kernel density crime mapping turns a scatter of geocoded crime points into a smooth, continuous surface that shows where incidents concentrate. Each event is spread out over a small neighborhood by a kernel function, and the overlapping contributions are summed across a fine grid so that areas with many nearby crimes glow as peaks. Chainey, Tompson, and Uhlig (2008) showed that, among common hot-spot mapping techniques, kernel density estimation is one of the most accurate at predicting where future crime will occur, which is why it became the default crime-mapping surface in policing.

Sources recorded, not reviewed

Lähdetietue

Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.

Kernel Density Estimation for Crime Mapping

Taksonominen metoditietue · process-pipeline / criminology

Chainey, S., Tompson, L., & Uhlig, S. (2008). The utility of hotspot mapping for predicting spatial patterns of crime. Security Journal, 21(1–2), 4–28. · DOI 10.1057/palgrave.sj.8350066
Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Chapman and Hall. · ISBN 9780412246203

Avaa koko metodi

Kuratoituja väitteitä

Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.

Ei vielä kuratoituja väitteitä

Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.

Liittyvät metodit

Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.

Same method familyCrime Hot Spot Analysismachine-suggested · Relational suggestion, not evidence.Taxonomic bucketCrime Mappingmachine-suggested · Relational suggestion, not evidence.Same method familyRisk Terrain Modeling (Criminology)machine-suggested · Relational suggestion, not evidence.See alsoSpace-Time Kernel Density Estimationmachine-suggested · Relational suggestion, not evidence.