要做的第一件事： 运行教程代码，tutorial.m 文档： http://2000.jukuin.keio.ac.jp/shimazaki/res/kernel.html 另见 sskernel 优化固定内核带宽和 sshist 直方图优化。 % [y,t,optw,gs,C,confb95,yb] = ssvkernel(x,t,W) % % 函数 `ssvkernel' 返回优化的内核密度估计% 使用具有本地适应数据的带宽的高斯核函数。 % ％ 例子： % >> x = 0.5-0.5*log(rand(1,1e3)); t = linspace(0,3,500); % >> [y,t,optw] = ssvkernel(x,t); % 此示例在点处生成内核密度估计值 y 的向量使用局部自适应带宽，在向量t中指定的百分比，optw %（正态密度函数的标准偏差）。 % % >> s

识别沿高速公路的车辆碰撞高风险位置对于理解车辆碰撞的原因并基于分析确定有效的对策非常重要。 本文提出了一种GIS方法来检查车辆碰撞的空间模式，并确定它们是否在空间上聚集，分散或随机分布。 使用Moran的I和Getis-Ord Gi *统计信息来检查空间模式，对车辆碰撞数据进行聚类映射，并在高速公路上生成高风险位置。 内核密度估计（KDE）用于生成碰撞密度图，以显示碰撞的道路密度。 建议的方法是使用印第安纳州的2013年车辆碰撞数据进行评估的。 结果表明，该方法在识别车辆碰撞热点和不安全道路位置方面是有效且可靠的。