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.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 22). Kernel Density Estimation for Crime Mapping. ScholarGate. https://scholargate.app/hu/criminology/kernel-density-crime-mapping
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Crime Hot Spot AnalysisCriminology↔ összehasonlítás
- Crime MappingCriminology↔ összehasonlítás
- Risk Terrain Modeling (Criminology)Criminology↔ összehasonlítás
- Tér-Idő Kernel Sűrűség Becslés (ST-KDE)Térbeli elemzés↔ összehasonlítás
Hivatkozik rá
Hasonló módszerek
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →