Mit den Werkzeugen zur Cluster-Zuordnung können Cluster-Analysen zur Positionsermittlung von statistisch signifikanten Hot-Spots, Cold-Spots, räumlichen Ausreißern und ähnlichen Features oder Zonen durchgeführt werden. Das Toolset "Cluster-Zuordnung" ist besonders nützlich, wenn Aktionen auf Grundlage der Position eines oder mehrerer Cluster durchgeführt werden müssen. Ein Beispiel hierfür wäre die Zuweisung von zusätzlichen Polizeibeamten für den Umgang mit einem Cluster von Einbrüchen. Die Positionsbestimmung von räumlichen Clustern ist ebenfalls wichtig, wenn nach potenziellen Ursachen für die Cluster-Bildung gesucht wird; je nachdem wo eine Krankheit ausbricht, kann dies häufig Aufschluss über deren Ursache geben. Anders als bei den Methoden im Toolset Analysen von Mustern, bei denen die Frage "Liegt ein räumliches Clustering vor?" mit "Ja" oder "Nein" beantwortet wird, ermöglichen die Werkzeuge von "Cluster-Zuordnung" die Visualisierung der Positionen und der Ausdehnung von Clustern. Mit diesen Werkzeugen werden die folgenden Fragen beantwortet: Wo befinden sich die Cluster (Hot-Spots und Cold-Spots)? Wo sind Ereignisse dichter? Wo sind räumliche Ausreißer? Welche Features sind am ähnlichsten? Wie können die Features so gruppiert werden, dass die einzelnen Gruppen am unähnlichsten sind? Wie können diese Features so gruppiert werden, dass jede Zone homogen ist?
| Werkzeug | Beschreibung |
|---|---|
Erstellt räumlich zusammenhängende Zonen in Ihrem Untersuchungsgebiet unter Verwendung eines genetischen Wachstumsalgorithmus basierend auf von Ihnen festgelegten Kriterien. | |
Dieses Werkzeug identifiziert in einem Satz gewichteter Features mithilfe der Anselin Local Morans I-Statistik statistisch signifikante Hot-Spots, Cold-Spots und räumliche Ausreißer. | |
Findet Cluster aus Punkt-Features im Umfeldrauschen basierend auf deren räumlicher Verteilung. | |
Dieses Werkzeug identifiziert in einem Satz gewichteter Features mithilfe der Getis-Ord Gi*-Statistik statistisch signifikante Hot-Spots und Cold-Spots. | |
Findet natürliche Feature-Cluster ausschließlich basierend auf bestimmten Feature-Attributwerten. | |
Dieses Werkzeug erstellt aus angegebenen Ereignispunkten oder gewichteten Features (Punkte oder Polygone) mithilfe der Getis-Ord Gi*-Statistik eine Karte mit statistisch signifikanten Hot- und Cold-Spots. Es wertet die Eigenschaften der Eingabe-Feature-Class aus, um optimale Ergebnisse zu erzeugen. | |
Dieses Werkzeug erstellt auf der Basis von Ereignispunkten oder gewichteten Features (Punkte oder Polygone) mithilfe der Anselin Local Morans I-Statistik eine Karte von statistisch signifikanten Hot-Spots, Cold-Spots und räumlichen Ausreißern. Es wertet die Eigenschaften der Eingabe-Feature-Class aus, um optimale Ergebnisse zu erzeugen. | |
Identifiziert, welche Kandidaten-Features, basierend auf Feature-Attributen, die größte oder geringste Ähnlichkeit mit einem oder mehreren abzugleichenden Eingabe-Features aufweisen. | |
Erkennt räumliche Ausreißer in Punkt-Features durch Berechnen des lokalen Ausreißer-Faktors (Local Outlier Factor, LOF) für die einzelnen Features. Räumliche Ausreißer sind Features an anormal isolierten Positionen, und der LOF ist ein Maß, mit dem beschrieben wird, wie isoliert eine Position von ihren lokalen Nachbarn ist. Ein höherer LOF-Wert zeigt eine höhere Isolation an. Darüber hinaus kann mit dem Werkzeug eine vorhergesagte Raster-Oberfläche erstellt werden, mit der geschätzt werden kann, ob neue Features vor dem Hintergrund der räumlichen Verteilung der Daten als Ausreißer klassifiziert werden. | |
Findet räumlich zusammenhängende Feature-Cluster basierend auf verschiedenen Feature-Attributwerten und optionalen Cluster-Größenbeschränkungen. |
Ältere Versionen:
Das Werkzeug Gruppierungsanalyse stand in diesem Toolset vor ArcGIS Pro 2.2 zur Verfügung, wurde jedoch entfernt, da die Algorithmen in diesem Werkzeug verbessert wurden. Um die neuen Methoden und Features zu vereinfachen, wurden zwei Werkzeuge als Ersatz für das Werkzeug Gruppierungsanalyse erstellt. Verwenden Sie das Werkzeug Räumlich eingeschränkte multivariate Cluster-Bildung, um räumlich angrenzende Gruppen zu erstellen. Verwenden Sie das Werkzeug Multivariate Cluster-Bildung, um Gruppen ohne räumliche Einschränkung zu erstellen.