ScholarGate
Asystent
Regression modelGIS / spatial

Estymacja Gęstości Jądrowej w Czasoprzestrzeni (ST-KDE)

Estymacja gęstości jądrowej w czasoprzestrzeni rozszerza klasyczną KDE na trzy wymiary — dwa przestrzenne i jeden czasowy — aby ujawnić, jak intensywność zdarzeń punktowych (przestępstw, wypadków, przypadków chorób) zmienia się w sposób ciągły w przestrzeni geograficznej i czasie. Tworzy gładką powierzchnię probabilistyczną, która podkreśla, gdzie i kiedy zdarzenia koncentrują się najgęściej.

Otwórz w MethodMindWkrótceWideoWkrótcePobierz slajdy

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Mapa metod

Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.

Źródła

  1. Nakaya, T., & Yano, K. (2010). Visualising crime clusters in a space-time cube: An exploratory data-analysis approach using space-time kernel density estimation and scan statistics. Transactions in GIS, 14(3), 223-239. DOI: 10.1111/j.1467-9671.2010.01194.x
  2. Kernel density estimation. Wikipedia. link

Jak cytować tę stronę

ScholarGate. (2026, June 3). Space-Time Kernel Density Estimation. ScholarGate. https://scholargate.app/pl/spatial-analysis/space-time-kernel-density-estimation

Która metoda?

Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.

Porównaj obok siebie

Cytowana przez

ScholarGateSpace-Time Kernel Density Estimation (Space-Time Kernel Density Estimation). Pobrano 2026-06-15 z https://scholargate.app/pl/spatial-analysis/space-time-kernel-density-estimation · Zbiór danych: https://doi.org/10.5281/zenodo.20539026