熊活动预测方法论
了解Kumamap如何使用指数衰减分析计算熊活动预测。深入了解我们的2公里网格风险评估方法论，助您在日本全境安全徒步和户外活动。
我们的风险预测模型使用指数衰减来估计相对风险，基于熊活动发生的时间和距离。本页解释了熊活动预测背后的方法论。
网格化数据收集
日本被划分为2km x 2km的网格单元。每个单元追踪过去一年的熊事件（数据库中超过12万起）。这种精细的方法使我们能够在保持文件大小可控的同时识别本地模式。
1
2
4
1
1
3
8
2
1
3
1
1
显示事件分布的2km x 2km网格
指数衰减算法
我们使用指数衰减来模拟风险如何随时间和距离降低。最近的、附近的活动比较早或较远的活动对风险贡献更大。时间半衰期为60天（60天前的活动权重约37%），距离半衰期为5km（5km外的活动权重约37%）。
单次出没
1.0
风险扩散（今日）
0.25
0.37
0.25
0.37
1.00
0.37
0.25
0.37
0.25
中央出没根据距离将风险扩散到周围单元格
风险评分计算
评分 = exp(-天数/60) x exp(-距离/5km)
- • 时间衰减：今日活动 = 1.0，30天前 = 0.61，60天前 = 0.37
- • 空间衰减：该位置 = 1.0，3km外 = 0.55，5km外 = 0.37
- • 综合评分：两个因素相乘（例如：30天前 + 3km = 0.61 x 0.55 = 0.34）
- • 最大值聚合：使用附近出没的最高分数，而非总和
风险等级分配
每个单元获得0到1的连续风险评分。低于0.2的评分被视为安全且不显示。评分越高表示最近附近活动带来的风险越大。
非常高风险
紧邻区域有非常近期的熊活动
评分 0.8+
高风险
几公里内有近期活动
评分 0.5-0.8
中等风险
最近在一般区域有一些活动
评分 0.2-0.5
局限性
- 这是基于模式的统计模型，不是训练过的ML模型
- 预测反映历史模式，不是实时熊位置
- 没有彩色单元格的区域没有重要的近期熊活动数据
- 无论预测如何，在熊出没地区请始终保持警惕