Kerndichteschätzung

Die Kerndichteschätzung (englisch Kernel Density Estimation, KDE) ist ein nicht-parametrisches statistisches Verfahren, das eine Menge diskreter Punktbeobachtungen in eine kontinuierliche Oberfläche umwandelt. Diese Oberfläche stellt die Intensität oder Dichte eines Phänomens im geographischen Raum dar. Für jeden Eingabepunkt wird eine mathematisch definierte Kernfunktion (meist Gauß- oder Quartic-Kern) platziert, und die überlappenden Kerne werden summiert. So entsteht eine glatte Rasteroberfläche, deren Zellwerte die geschätzte Dichte repräsentieren.

Bei der Durchführung werden eine Kernform sowie eine Bandbreite (der Suchradius) gewählt, die den Grad der Glättung steuert. Eine kleinere Bandbreite erzeugt eine Oberfläche, die einzelnen Punkten eng folgt und feingranulare Muster offenlegt, dabei aber auch Rauschen einführen kann. Eine größere Bandbreite ergibt eine glattere Oberfläche, die breite Trends hervorhebt, lokale Cluster jedoch verdecken kann. Die Wahl der Bandbreite ist daher entscheidend und lässt sich durch Kreuzvalidierung, Silvermans Faustregel oder Fachwissen aus der jeweiligen Domäne bestimmen. Das resultierende Raster weist jeder Zelle einen Dichtewert zu und ermöglicht so einen quantitativen Vergleich innerhalb des Untersuchungsgebiets.

Im öffentlichen Sicherheitsbereich wird die Kerndichteschätzung in großem Umfang eingesetzt, um Kriminalitäts-Hotspots zu visualisieren und Strafverfolgungsbehörden eine gezielte Ressourcenzuteilung zu ermöglichen. Epidemiologinnen und Epidemiologen nutzen KDE zur Kartierung von Krankheitsinzidenz und zur Identifikation von Ausbruchsclustern. Stadtplanungsteams verwenden Dichteoberflächen, um Fußgängeraktivität, Unfallmuster im Verkehr und Servicenachfrage zu verstehen. Ökologinnen und Ökologen modellieren die Verteilungsintensität von Arten, und Einzelhändler analysieren die Dichte von Passantenverkehr, um potenzielle Filialstandorte zu bewerten. KDE dient zudem als Vorverarbeitungsschritt für weiterführende Raumanalysen, etwa zur Identifikation statistisch signifikanter Cluster.

Die Kerndichteschätzung erzeugt eine intuitive, visuell überzeugende kontinuierliche Oberfläche, die leicht zu interpretieren und mit anderen Datenebenen zu überlagern ist. Sie erfordert keine Annahmen über die zugrunde liegende Datenverteilung. Die Wahl der Bandbreite beeinflusst die Ergebnisse jedoch stark, und ungeeignete Werte können die Analyse verzerren. Zudem setzt KDE einen planaren, isotropen Raum voraus, was reale Barrieren wie Flüsse oder Autobahnen nicht abbildet.