Fasst eine Gruppe von Punkten in einer netCDF-Datenstruktur zusammen, indem sie zu Raum-Zeit-Abschnitten aggregiert werden. In jedem Abschnitt werden die Punkte gezählt, und die angegebenen Attribute aggregiert. Für alle Abschnittspositionen werden der Trend für die Anzahl sowie die Werte der Zusammenfassungsfelder ausgewertet.
Abbildung
Verwendung
Dieses Werkzeug aggregiert Punkt Layer-Features zu Raum-Zeit-Abschnitten. Die dabei erstellte Datenstruktur kann als dreidimensionaler Würfel aufgefasst werden, der aus Raum-Zeit-Abschnitten mit X- und Y-Dimensionen zur Darstellung von Raum und der t-Dimension zur Darstellung von Zeit besteht.
Jeder Abschnitt ist in Raum (x,y) und Zeit (t) fest positioniert. Abschnitte, die sich im selben (x, y)-Bereich befinden, teilen sich dieselbe Positions-ID. Abschnitte, die dieselbe Dauer aufweisen, teilen sich dieselbe Zeitschritt-ID. Da der Würfel stets rechteckig ist, selbst wenn die Punktdaten es nicht sind, werden manche Positionen eine Punktanzahl in Höhe von Null für alle Zeitschritte aufweisen. In vielen Analysen werden lediglich Positionen mit Daten (mit mindestens einem Punkt größer 1 für mindestens einen Zeitschritt) in der Analyse berücksichtigt.
Jeder Abschnitt des Raum-Zeit-Würfels enthält die Werte LOCATION_ID, time_step_ID und COUNT sowie Werte für mögliche Zusammenfassungsfelder, die beim Erstellen des Würfels aggregiert wurden. Abschnitte, die derselben physischen Position zugeordnet sind, besitzen dieselbe Positions-ID und stellen zusammen eine Zeitserie dar. Abschnitte, die demselben Zeitintervall zugeordnet sind, besitzen dieselbe Zeitschritt-ID und stellen ein gemeinsames Zeitintervall dar. Der Zählwert für jeden Abschnitt entspricht der Anzahl der Punkte, die innerhalb des zugeordneten Zeitintervalls an der zugeordneten Position entstanden sind.
Die Eingabe-Features sollten Punkte sein, die Ereignisdaten wie Verbrechen oder Brände, Krankheiten, Kundenverkaufsdaten oder Verkehrsunfälle darstellen. Mit jedem Punkt muss ein Datum verknüpft sein. Für die Ausführung des Werkzeugs sind mindestens 60 Punkte und mehrere verschiedene Zeitstempel erforderlich. Das Werkzeug kann nicht ausgeführt werden, wenn die angegebenen Parameter zu einem Würfel mit mehr als zwei Milliarden Abschnitten führen.
Dieses Werkzeug erfordert projizierte Daten, um Entfernungen präzise zu messen.
Das Werkzeug gibt eine netCDF-Repräsentation derEingabe-Punkte aus. Der resultierende Raum-Zeit-Würfel wird direkt auf den Computer heruntergeladen, auf dem die Analyse ausgeführt wird. Die Position wird in den Werkzeugmeldungen angegeben.
Ein Dataset weist häufig eine Zeitverteilung mit regelmäßigen Abständen auf. Sie verfügen beispielsweise über jährliche Daten, die alle auf den 1. Januar jeden Jahres fallen, oder über monatliche Daten, die alle den Zeitstempel des ersten jedes Monats aufweisen . Diese Art von Daten werden häufig als Felddaten bezeichnet. Bei Bereichsdaten zeigen Berechnungen der zeitlichen Verzerrung häufig hohe Prozentsätze an. Dies ist zu erwarten, da jeder Abschnitt nur eine bestimmte Zeiteinheit in dem angegebenen Zeitschritt abdeckt. Wenn Sie beispielsweise ein Zeitintervall von einem Jahr auswählen und Ihre Daten auf den 1. Januar jeden Jahres fallen, würde jeder Abschnitt nur einen Tag des Jahres abdecken. Dies ist durchaus akzeptabel, da es für jeden Abschnitt gilt. Zeitliche Verzerrung wird zum Problem, wenn sie aufgrund der Parameter für Abschnittserstellung statt der tatsächlichen Datenverteilung nur für bestimmte Abschnitte vorhanden ist. Es ist wichtig, die zeitliche Verzerrung in Bezug auf die erwartete Abdeckung in jedem Abschnitt basierend auf der Verteilung Ihrer Daten auszuwerten.
Die zeitliche Verzerrung im Ausgabebericht wird als Prozentsatz der Zeitspanne berechnet, in der keine Daten vorhanden sind. Ein leerer Abschnitt weist beispielsweise eine zeitliche Verzerrung von 100 Prozent auf. Ein Abschnitt mit einer Zeitspanne von einem Monat und einer Zeitschrittausrichtung am Ende, die lediglich Daten für die beiden letzten Wochen des ersten Zeitschritts aufweist, hat am ersten Zeitschritt eine zeitliche Verzerrung von 50 Prozent. Ein Abschnitt mit einer Zeitspanne von einem Monat und einer Zeitschrittausrichtung am Beginn, die lediglich Daten für die ersten beiden Wochen des Zeitschritts aufweist, hat am letzten Zeitschritt eine zeitliche Verzerrung von 50 Prozent.
Nachdem Sie einen Raum-Zeit-Würfel erstellt haben, kann die räumliche Ausdehnung des Würfels niemals ausgedehnt werden.
Die Zeitreferenz kann ein Datums- und Uhrzeitwert oder nur ein Datumswert, jedoch nicht nur ein Uhrzeitwert sein.
Verwenden Sie ein Entfernungsintervall, das für Ihre Analyse geeignet ist. Finden Sie dafür einen ausgewogenen Wert, der nicht zu groß ist (dadurch würden die zugrunde liegenden Muster Ihrer Punktdaten verschwinden) und nicht zu klein (Ihr Würfel könnte gar keine Punkte enthalten).
Die für die aggregierten Anzahldaten und Zusammenfassungsfeldwerte durchgeführte Trendanalyse basiert auf der Mann-Kendall-Statistik.
Mit diesem Werkzeug sind folgende statistische Operationen für die Aggregation von Attributen möglich: Summe, Mittelwert, Minimum, Maximum und Standardabweichung.
Wenn leere Abschnitte mit SPATIAL_NEIGHBORS gefüllt werden, wird eine "Queen's Case"-Kontiguität (Kontiguität basierend auf Kanten und Ecken) der 2. Ordnung verwendet (einschließlich Nachbarn und Nachbarn von Nachbarn). Zum Füllen des leeren Abschnitts mit dieser Option sind mindestens 4 räumliche Nachbarn erforderlich.
Wenn leere Abschnitte mit SPACE_TIME_NEIGHBORS gefüllt werden, wird eine "Queen's Case"-Kontiguität (Kontiguität basierend auf Kanten und Ecken) der 2. Ordnung verwendet (einschließlich Nachbarn und Nachbarn von Nachbarn). Außerdem werden für jeden dieser Abschnitte, die sich als räumliche Nachbarn erweisen, zeitliche Nachbarn verwendet, indem zwei Zeitschritte zurück und vor gegangen wird. Zum Füllen des leeren Abschnitts mit dieser Option sind mindestens 13 Raum-Zeit-Nachbarn erforderlich.
Wenn leere Abschnitte mit TEMPORAL_TREND gefüllt werden, müssen die Abschnitte der ersten und letzten beiden Zeiträume an einer bestimmten Position Werte aufweisen, um Werte in anderen Zeiträumen für diese Position zu interpolieren.
NULL-Werte, die sich in den Datensätzen von Zusammenfassungsfeldern befinden, führen dazu, dass diese Features aus der Analyse ausgeschlossen werden. Wenn es Teil Ihrer Analysestrategie ist, dass in jedem Abschnitt die Anzahl der Punkte enthalten ist, können Sie getrennte Würfel erstellen, einen für die Anzahl (ohne Zusammenfassungsfelder) und einen für Zusammenfassungsfelder. Wenn der Satz von NULL-Werten für jedes Zusammenfassungsfeld unterschiedlich ist, können Sie auch einen getrennten Würfel für jedes Zusammenfassungsfeld erstellen.
Dieses Geoverarbeitungswerkzeug wird unterstützt durch ArcGIS GeoAnalytics Server. Die Analyse wird auf dem GeoAnalytics Server ausgeführt, und die Ergebnisse werden in den eigenen Inhalten in ArcGIS Enterprise gespeichert.
Bei der Ausführung von GeoAnalytics Server-Werkzeugen wird die Analyse auf dem GeoAnalytics Server abgeschlossen. Für eine optimale Performance sollten die Daten dem GeoAnalytics Server über Feature-Layer zur Verfügung stehen, die auf Ihrem ArcGIS Enterprise-Portal gehostet werden. Alternativ können Big-Data-Dateifreigaben verwendet werden. Daten, auf die der GeoAnalytics Server nicht lokal zugreifen kann, werden vor Analysebeginn auf den GeoAnalytics Server verschoben. Dadurch dauert die Ausführung eines Werkzeugs länger. Es kann zudem vorkommen, dass das Verschieben der Daten von ArcGIS Pro zum GeoAnalytics Server fehlschlägt. Die Wahrscheinlichkeit eines Fehlers hängt dabei von der Netzwerkgeschwindigkeit sowie der Größe und Komplexität der Daten ab. Es wird empfohlen, dass Sie Ihre Daten stets freigeben oder eine Big-Data-Dateifreigabe erstellen.
Die Eingabe-Punkt-Feature-Class, die zu Raum-Zeit-Abschnitten aggregiert werden soll.
Feature Set
Ausgabename
Der zu erstellende Ausgabe-netCDF-Datenwürfel, der die Anzahl und Zusammenfassungen der Punktdaten von Eingabe-Features enthält.
String
Entfernungsintervall
Die Größe der Abschnitte wird zum Aggregieren des Punkt-Layers verwendet. Alle Punkte, die in dasselbe Entfernungsintervall und Zeitintervall fallen, werden aggregiert.
Die Entfernung, die die Abschnittsgröße festlegt.
Linear Unit
Zeitintervall
Die Anzahl der Sekunden, Minuten, Stunden, Tage, Wochen oder Jahre, die einen Zeitschritt darstellen. Alle Punkte im selben Zeitschrittintervall und Entfernungsintervall werden aggregiert. Gültige Einträge für diesen Parameter sind beispielsweise 1 Woche, 13 Tage oder 1 Monat.
Time Unit
Zeitintervallausrichtung
(optional)
Gibt an, wie die Aggregation basierend auf dem Parameter Zeitintervall (in Python time_step_interval) auftritt.
Endzeit—Zeitschritte werden auf das letzte Zeitereignis ausgerichtet und in der Zeit zurück aggregiert.
Startzeit—Zeitschritte werden auf das erste Zeitereignis ausgerichtet und in der Zeit vorwärts aggregiert.
Bezugszeit—Zeitintervallewerden 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
Bezugszeit
(optional)
Date
Zusammenfassungsfelder
(optional)
Das numerische Feld, das Attributwerte enthält, anhand derer die angegebene Statistik beim Aggregieren in einen Raum-Zeit-Würfel berechnet wird. Es können mehrere Statistik- und Feldkombinationen angegeben werden. NULL-Werte sind von allen statistischen Berechnungen ausgeschlossen.
Die folgenden Statistiktypen sind verfügbar:
Summe: Fügt den Gesamtwert für das angegebene Feld in jedem Abschnitt hinzu.
Mittelwert: Der Mittelwert für das angegebene Feld in jedem Abschnitt wird berechnet.
Minimum: Der kleinste Wert aller Datensätze des angegebenen Feldes in jedem Abschnitt wird ermittelt.
Maximum: Der größte Wert aller Datensätze des angegebenen Feldes in jedem Abschnitt wird ermittelt.
Standardabweichung: Ermittelt die Standardabweichung der Werte im angegebenen Feld in jedem Abschnitt.
Die folgenden Fülltypen sind verfügbar:
Nullen: Füllt leere Abschnitte mit Nullen.
Räumliche Nachbarn: Füllt leere Abschnitte mit dem Durchschnittswert von räumlichen Nachbarn.
Raum-Zeit-Nachbarn : Füllt leere Abschnitte mit dem Durchschnittswert von Raum-Zeit-Nachbarn.
Zeitlicher Trend: Füllt leere Abschnitte anhand eines interpolierten eindimensionalen Spline-Algorithmus.
Hinweis:
NULL-Werte in den Zusammenfassungsfeldern führen dazu, dass diese Features aus der Analyse ausgeschlossen werden. Wenn es Teil Ihrer Analysestrategie ist, dass in jedem Abschnitt die Anzahl der Punkte enthalten ist, können Sie getrennte Würfel erstellen, einen für die Anzahl (ohne Zusammenfassungsfelder) und einen für Zusammenfassungsfelder. Wenn der Satz von NULL-Werten für jedes Zusammenfassungsfeld unterschiedlich ist, können Sie auch einen getrennten Würfel für jedes Zusammenfassungsfeld erstellen.
Die Eingabe-Punkt-Feature-Class, die zu Raum-Zeit-Abschnitten aggregiert werden soll.
Feature Set
output_name
Der zu erstellende Ausgabe-netCDF-Datenwürfel, der die Anzahl und Zusammenfassungen der Punktdaten von Eingabe-Features enthält.
String
distance_interval
Die Entfernung, die die Abschnittsgröße festlegt.
Die Größe der Abschnitte, die zum Aggregieren der point_layer verwendet werden. Alle Punkte, die in dasselbe distance_interval und time_step_interval fallen, werden aggregiert.
Linear Unit
time_step_interval
Die Anzahl der Sekunden, Minuten, Stunden, Tage, Wochen oder Jahre, die einen Zeitschritt darstellen. Alle Punkte, die in dasselbe time_step_interval und distance_interval fallen, werden aggregiert. Gültige Einträge für diesen Parameter sind beispielsweise 1 Woche, 13 Tage oder 1 Monat.
Time Unit
time_step_interval_alignment
(optional)
Gibt an, wie die Aggregation basierend auf dem Parameter Zeitintervall (in Python time_step_interval) auftritt.
END_TIME—Zeitschritte werden auf das letzte Zeitereignis ausgerichtet und in der Zeit zurück aggregiert.
START_TIME—Zeitschritte werden auf das erste Zeitereignis ausgerichtet und in der Zeit vorwärts aggregiert.
REFERENCE_TIME—Zeitintervallewerden 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
reference_time
(optional)
Das Datum oder die Uhrzeit, die zur Ausrichtung der Zeitschrittintervalle verwendet wird. Beispiel: Wenn Sie Ihre Daten in wöchentliche Abschnitte, beispielsweise von Montag bis Sonntag, unterteilen möchten, können Sie eine Bezugszeit von Sonntag bis Mitternacht festlegen, um sicherzustellen, dass die Abschnitte zwischen Sonntag und Montag um Mitternacht unterbrochen werden.
Date
summary_fields
[summary_fields,...]
(optional)
Das numerische Feld, das Attributwerte enthält, anhand derer die angegebene Statistik beim Aggregieren in einen Raum-Zeit-Würfel berechnet wird. Es können mehrere Statistik- und Feldkombinationen angegeben werden. NULL-Werte sind von allen statistischen Berechnungen ausgeschlossen.
Die folgenden Statistiktypen sind verfügbar:
Summe: Fügt den Gesamtwert für das angegebene Feld in jedem Abschnitt hinzu.
Mittelwert: Der Mittelwert für das angegebene Feld in jedem Abschnitt wird berechnet.
Minimum: Der kleinste Wert aller Datensätze des angegebenen Feldes in jedem Abschnitt wird ermittelt.
Maximum: Der größte Wert aller Datensätze des angegebenen Feldes in jedem Abschnitt wird ermittelt.
Standardabweichung: Ermittelt die Standardabweichung der Werte im angegebenen Feld in jedem Abschnitt.
Die folgenden Fülltypen sind verfügbar:
Nullen: Füllt leere Abschnitte mit Nullen.
Räumliche Nachbarn: Füllt leere Abschnitte mit dem Durchschnittswert von räumlichen Nachbarn.
Raum-Zeit-Nachbarn : Füllt leere Abschnitte mit dem Durchschnittswert von Raum-Zeit-Nachbarn.
Zeitlicher Trend: Füllt leere Abschnitte anhand eines interpolierten eindimensionalen Spline-Algorithmus.
Hinweis:
NULL-Werte in den Zusammenfassungsfeldern führen dazu, dass diese Features aus der Analyse ausgeschlossen werden. Wenn es Teil Ihrer Analysestrategie ist, dass in jedem Abschnitt die Anzahl der Punkte enthalten ist, können Sie getrennte Würfel erstellen, einen für die Anzahl (ohne Zusammenfassungsfelder) und einen für Zusammenfassungsfelder. Wenn der Satz von NULL-Werten für jedes Zusammenfassungsfeld unterschiedlich ist, können Sie auch einen getrennten Würfel für jedes Zusammenfassungsfeld erstellen.
Value Table
Abgeleitete Ausgabe
Name
Erläuterung
Datentyp
output
Der aggregierte Raum-Zeit-Würfel.
Datei
Codebeispiel
CreateSpaceTimeCube (Python-Fenster)
Das folgende Skript veranschaulicht die Verwendung des Werkzeugs CreateSpaceTimeCube im Python-Fenster.
#-------------------------------------------------------------------------------
# Name: CreateSpaceTimeCube.py
# Description: Create a cube representing the counts of Crimes
# Requirements: ArcGIS GeoAnalytics Server
# Import system modules
import arcpy
# Set local variables
inFeatures = "https://MyGeoAnalyticsMachine.domain.com/geoanalytics/rest/services/DataStoreCatalogs/bigDataFileShares_Crimes/BigDataCatalogServer/Chicago"
outCube = "CrimeCube.nc"
# Execute Create Space Time Cube
arcpy.geoanalytics.CreateSpaceTimeCube(inFeatures, outCube, "1 Kilometers",
"1 Weeks", "START_TIME")
Das Koordinatensystem, das für die Analyse verwendet wird. Die Analyse wird im Eingabe-Koordinatensystem ausgeführt, sofern nicht anders durch diesen Parameter angegeben. Für GeoAnalytics Tools werden die Endergebnisse im Data Store vom Typ "spatiotemporal" in WGS84 gespeichert.
