Hot-Spots suchen (GeoAnalytics Desktop)

Zusammenfassung

Dieses Werkzeug identifiziert in einer Reihe von Features mithilfe der Getis-Ord Gi*-Statistik statistisch signifikante Hot-Spots und Cold-Spots.

Weitere Informationen zur Funktionsweise der Hot-Spot-Analyse (Getis-Ord Gi*)

Abbildung

Hot-Spots suchen

Verwendung

  • Dieses Werkzeug identifiziert statistisch signifikante räumliche Cluster mit vielen Features (Hot-Spots) und mit wenigen Features (Cold-Spots). Hiermit wird eine neue Ausgabe-Feature-Class mit einem Z-Wert-, p-Wert- und Konfidenzniveau-Bin (Gi_Bin) für jedes Feature in der Eingabe erstellt.

  • Bei der Analyse werden die Eingabepunkte (Ereignisse) in Abschnitte einer angegebenen Größe aggregiert und dann analysiert, um Hot-Spots zu bestimmen.Die aggregierten Abschnitte müssen eine Reihe von Werten enthalten (die Anzahl der Punkte in einem Abschnitt sollte sehr variabel sein).

  • Die Z-Werte und p-Werte sind Werte von statistischer Bedeutung, die Aufschluss darüber geben, ob Sie die Null-Hypothese anhand von aggregierten Abschnitten ablehnen können oder nicht.Genau genommen geben sie an, ob die beobachtete räumliche Cluster-Bildung von hohen oder niedrigen Werten auffälliger ist als bei einer zufälligen Verteilung der gleichen Werte. Die Z-Wert- und p-Wert-Felder spiegeln keine FDR-Korrektur (False Discovery Rate ) wider.

  • Ein hoher Z-Wert und ein kleiner p-Wert für ein Feature geben an, dass viele Punktereignisse vorhanden sind. Ein niedriger negativer Z-Wert und ein kleiner p-Wert geben an, dass keine Punktereignisse vorhanden sind. Je größer (oder kleiner) der Z-Wert, desto höher die Intensität der Cluster-Bildung. Ein Z-Wert nahe 0 gibt an, dass anscheinend keine räumliche Cluster-Bildung zu verzeichnen ist.

  • Das Z-Ergebnis basiert auf der Berechnung der Zufallsnullhypothese. Weitere Informationen zu Z-Ergebnissen finden Sie unter Was ist ein Z-Ergebnis? Was ist ein p-Wert?

  • Für Analysen mit Diskretisierung ist es erforderlich, dass Ihre Eingabe projiziert oder das Ausgabe-Koordinatensystem auf ein projiziertes Koordinatensystem festgelegt wird. Wenn Ihre Daten sich nicht in einem projizierten Koordinatensystem befinden und Sie keines einrichten, wird eine Projektion anhand der Ausdehnung der analysierten Daten verwendet.

  • Wenn Eingabe-Features mit Zeitschritten analysiert werden, wird die Analyse für jeden Zeitschritt unabhängig von Features außerhalb des Zeitschritts ausgeführt.

  • Der Parameter Zeitintervallbezug kann einen Datums- und Uhrzeitwert oder nur einen Datumswert aufweisen, jedoch nicht nur einen Uhrzeitwert.

  • Dieses Geoverarbeitungswerkzeug wird unterstützt durch Spark. Bei Analysen auf Ihrem Desktop-Computer werden mehrere Kerne parallel verwendet. Weitere Informationen über die Ausführung der Analyse finden Sie unter Überlegungen zu GeoAnalytics Desktop-Werkzeugen.

  • Bei der Ausführung von GeoAnalytics Desktop-Werkzeugen wird die Analyse auf Ihrem Desktop-Computer durchgeführt. Für eine optimale Performance sollten die Daten auf Ihrem Desktop verfügbar sein. Wenn Sie einen gehosteten Feature-Layer verwenden, wird empfohlen, ArcGIS GeoAnalytics Server zu verwenden. Wenn Ihre Daten nicht lokal verfügbar sind, dauert die Ausführung eines Werkzeugs bedeutend länger. Informationen zur Verwendung von ArcGIS GeoAnalytics Server für Analysen finden Sie unter GeoAnalytics Tools.

  • Ähnliche Analysen können auch mit Folgendem durchgeführt werden:

Syntax

arcpy.gapro.FindHotSpots(point_layer, out_feature_class, {bin_size}, {neighborhood_size}, {time_step_interval}, {time_step_alignment}, {time_step_reference})
ParameterErklärungDatentyp
point_layer

Die Point-Feature-Class, für die die Hot-Spot-Analyse durchgeführt wird.

Feature Layer
out_feature_class

Die Ausgabe-Feature-Class mit den Z- und p-Werten.

Feature Class
bin_size
(optional)

Das Entfernungsintervall, das die Abschnittsgröße und Einheiten darstellt, in die point_layer aggregiert wird. Das Entfernungsintervall muss eine lineare Einheit sein.

Linear Unit
neighborhood_size
(optional)

Die räumliche Ausdehnung der Analysenachbarschaft. Anhand dieses Wertes wird bestimmt, welche Features zusammen analysiert werden, um lokale Cluster-Bildung zu bewerten.

Linear Unit
time_step_interval
(optional)

Für den Zeitschritt verwendetes Intervall. Dieser Parameter wird nur verwendet, wenn für point_layer Zeiteigenschaften aktiviert sind.

Time Unit
time_step_alignment
(optional)

Gibt die Ausrichtung der Zeitintervalle an. Dieser Parameter ist nur verfügbar, wenn Eingabepunkte mit aktivierten Zeiteigenschaften vorliegen und einen bestimmten Zeitpunkt darstellen.

  • END_TIMEZeitschritte werden auf das letzte Zeitereignis ausgerichtet und in der Zeit zurück aggregiert.
  • START_TIMEZeitschritte werden auf das erste Zeitereignis ausgerichtet und in der Zeit vorwärts aggregiert. Dies ist die Standardeinstellung.
  • REFERENCE_TIMEZeitintervallewerden an einem bestimmten Datum oder einer bestimmten Uhrzeit ausgerichtet. Wenn alle Punkte in den Eingabe-Features über einen Zeitstempel verfügen, der größer ist als die angegebene Bezugszeit (oder genau auf die Startzeit der Eingabe-Features fällt), beginnt das Zeitschrittintervall mit dieser Bezugszeit und aggregiert vorwärts in der Zeit (wie dies bei einer Startzeit-Ausrichtung der Fall ist). Wenn alle Punkte in den Eingabe-Features über einen Zeitstempel verfügen, der kleiner ist als die angegebene Bezugszeit (oder genau auf die Endzeit der Eingabe-Features fällt), endet das Zeitschrittintervall mit dieser Bezugszeit und aggregiert rückwärts in der Zeit (wie dies bei einer Endzeit-Ausrichtung der Fall ist). Wenn die angegebene Bezugszeit sich in der Mitte des Zeitraums Ihrer Daten befindet, wird ein Zeitintervall erstellt, das mit der angegebenen Bezugszeit endet (wie dies bei einer Endzeit-Ausrichtung der Fall ist). Zusätzliche Intervalle werden sowohl vor als auch nach der Bezugszeit erstellt, bis der Zeitraum Ihrer Daten vollständig abgedeckt ist.
String
time_step_reference
(optional)

Die Zeit, die zur Ausrichtung der Zeitintervalle und Zeitschrittintervalle verwendet wird. Dieser Parameter wird nurverwendet, wenn für point_layer Zeiteigenschaften aktiviert sind.

Date

Codebeispiel

FindHotSpots – Beispiel (Python-Fenster)

Das folgende Skript veranschaulicht die Verwendung des Werkzeugs FindHotSpots im Python-Fenster.

#-------------------------------------------------------------------------------
# Name: FindHotSpots.py
# Description: Find Hots Spots of 311 calls for bins of 500 meters looking at 
# neighbors within 1 kilometers. Complete the analysis for each month. 
# Import system modules
import arcpy
arcpy.env.workspace = "C:/data/Calls311.gdb"
# Set local variables
inFeatures = "https://sampleserver6.arcgisonline.com/arcgis/rest/services/SF311/FeatureServer/0"
bins = "500 Meters"
neighborhood = "1 Kilometers"
timeStep = "1 Months"
out = "HotSpotsOF311Data"
# Execute Find Hot Spots
arcpy.gapro.FindHotSpots(inFeatures, out, bins, neighborhood, timeStep)

Lizenzinformationen

  • Basic: Nein
  • Standard: Nein
  • Advanced: Ja

Verwandte Themen