時空間ホット スポット分析 (Emerging Hot Spot Analysis) (時空間パターン マイニング)

概要

[ポイントの集約による時空間キューブの作成 (Create Space Time Cube By Aggregating Points)] ツール、[定義済みの位置から時空間キューブを作成 (Create Space Time Cube From Defined Locations)] ツール、または [多次元ラスター レイヤーから時空間キューブを作成 (Create Space Time Cube from Multidimensional Raster Layer)] ツールを使用して作成した時空間キューブ内のポイント密度 (カウント) または値のクラスタリングの傾向を識別します。カテゴリには、新規、連続性、増大、持続性、減衰、散発性、振動、および履歴のホット スポットとコールド スポットがあります。

時空間ホット スポット分析 (Emerging Hot Spot Analysis) ツールの詳細

ホット スポットの傾向

使用法

  • このツールでは、[ポイントの集約による時空間キューブの作成 (Create Space Time Cube By Aggregating Points)] ツール、[定義済みの位置から時空間キューブを作成 (Create Space Time Cube From Defined Locations)] ツール、または [多次元ラスター レイヤーから時空間キューブを作成 (Create Space Time Cube from Multidimensional Raster Layer)] ツールで作成された netCDF ファイルのみを使用できます。

  • 時空間キューブ内のビンは、LOCATION_IDtime_step_IDCOUNT 値、およびキューブの作成時に集計された [集計フィールド] または [変数] を保持します。物理的に同じ位置に関連付けられているビンは、同じロケーション ID を共有し、共に時系列を示します。同じ時間ステップ間隔に関連付けられているビンは、同じ時間ステップ ID を共有し、共にタイム スライスを構成します。各ビンのカウント値は、関連付けられた時間ステップ間隔中に、関連付けられた場所で発生したインシデントまたはレコードの数を反映します。

    各ビンはロケーション ID、タイムステップ ID、およびカウントを保持する

  • このツールは、Getis-Ord Gi* 統計の時空間での実装を使用して netCDF[入力時空間キューブ] 内の変数を分析します。

  • 分析対象のすべての場所の時空間分析結果を要約するレンダリングとともに、[出力フィーチャ] が、[コンテンツ] ウィンドウに追加されます。[ポリゴン解析マスク] を指定すると、分析対象の場所は解析マスクの範囲内の場所になります。指定しない場合、分析対象の場所は、1 つ以上の時間ステップ間隔における 1 つ以上のポイントを持つ場所になります。

    データを含むキューブの場所とデータを含まないキューブの場所

  • [出力フィーチャ] に加えて、分析の概要が、ツールの実行中にメッセージとして [ジオプロセシング] ウィンドウの下部に書き込まれます。このメッセージにアクセスするには[ジオプロセシング] ウィンドウでプログレス バーの上にカーソルを置くか、ポップアップ ボタン 別ウィンドウに表示 をクリックするか、メッセージの詳細セクションを展開します。ジオプロセシング履歴を介して、以前に実行したツールのメッセージにアクセスすることもできます。

  • [時空間ホット スポット分析 (Emerging Hot Spot Analysis)] ツールは、新規、連続性、増大、持続性、減衰、散発性、振動、履歴という 8 つの特定のホットまたはコールド スポット傾向を検出できます。出力カテゴリの定義およびこのツールで使用されているアルゴリズムの詳細については、「時空間ホット スポット分析 (Emerging Hot Spot Analysis) ツールの詳細」をご参照ください。

  • フィーチャ クラスタリングの強度の測定値を取得するために、このツールでは、Getis-Ord Gi* 統計の時空間での実装が使用されます。この統計は、近傍ビンの値のコンテキスト内で各ビンの値を考慮します。

  • 各分析対象の近傍に含まれるビンを特定するために、まず、ツールは指定された [空間リレーションシップのコンセプト] 内の近傍ビンを見つけます。次に、それらのビンごとに、以前の N 個の時間ステップから同じ場所のビンを含めます。ここで、N は指定する [近傍時間のステップ] です。

  • [空間リレーションシップのコンセプト] パラメーターの選択には、解析対象のフィーチャ間の固有のリレーションシップが反映されている必要があります。フィーチャの空間相互作用をより現実的にモデリングできればできるほど、結果はより正確になります。推奨事項については「空間リレーションシップのコンセプトの選択: ベスト プラクティス」で説明しています。

  • デフォルトの [空間リレーションシップのコンセプト][固定距離] です。ビンの重心が [近傍距離] 内にあり、時間間隔が指定の [近傍時間のステップ] 内にある場合、そのビンは近傍であると見なされます。[近傍距離] の値を指定しない場合は、ポイント データの空間分布に基づいて近傍距離が計算されます。[近傍時間のステップ] の値を指定しない場合は、デフォルト値が使用されます。デフォルトは、1 時間ステップ間隔です。

  • [近傍数] パラメーターは、[固定距離] オプションの [近傍距離] をオーバーライドするか、[隣接エッジのみ] オプションと [隣接エッジ コーナー] オプションの近傍検索範囲を広げることができます。このような場合、[近傍数] は最小数として使用されます。たとえば、[固定距離][近傍距離] に「10」マイルを指定し、[近傍数] パラメーターに「3」を指定した場合、空間近傍を検索するために [近傍距離] の値を増やす必要がある場合でも、すべてのビンが受け取る空間近傍の最小数は 3 になります。近傍距離は、最小 [近傍数] を満たすことができないビンについてのみ拡大されます。隣接オプションでも同様に、この隣接近傍数よりも少ない近傍数を持つビンに対して、中心点との近接度に基づいて追加の近傍が選択されます。

  • [近傍時間のステップ] の値は、分析対象の近傍に含める時間ステップ間隔の数です。たとえば、キューブの時間ステップ間隔が 3 か月の場合に、[近傍時間のステップ]2 を指定すると、[近傍距離] 内のすべてのビン カウントと、直前の 2 つの時間ステップ間隔のすべての関連ビン (9 か月の時間間隔をカバー) が分析対象の近傍に含められます。

  • [ポリゴン解析マスク] フィーチャ レイヤーは、分析範囲を定義する 1 つ以上のポリゴンを含むことができます。これらのポリゴンは、ポイント フィーチャが発生する可能性がある場所を示すとともに、ポイントが発生する可能性のないエリアを除外する必要があります。たとえば、空き巣の傾向を分析する場合は、[ポリゴン解析マスク] を使用して、大きな湖、地域の公園、または家が建っていない他のエリアを除外することができます。

  • [ポリゴン解析マスク] は、[入力時空間キューブ] の範囲と交差するため、キューブのディメンションを拡張しません。

  • 分析範囲の設定に使用している [ポリゴン解析マスク] が最初にキューブを作成したときに使用された入力フィーチャの範囲を超えるエリアをカバーする場合、その [ポリゴン解析マスク]出力範囲環境として使用してキューブを再作成してください。これにより、[時空間ホット スポット分析 (Emerging Hot Spot Analysis)] ツールの実行時に、[ポリゴン解析マスク] によってカバーされているすべてのエリアが対象になります。[ポリゴン解析マスク] をキューブの作成時の出力範囲環境設定として使用すると、キューブの範囲が [ポリゴン解析マスク] の範囲と一致するようになります。

  • [時空間ホット スポット分析 (Emerging Hot Spot Analysis)] を実行すると、いくつかの分析結果が netCDF[入力時空間キューブ] に戻されます。次の 3 つの分析が実行されます。

    • 高い値と低い値の両方でクラスタリングの強度を計測するために、近傍ビンのコンテキスト内で各ビンが分析されます。この分析の結果は、時空間キューブ内のビンごとの Z スコア、p 値、およびグループ カテゴリです。
    • この後、Mann-Kendall 統計を使用して、分析対象の場所でこれらの Z スコアが時系列に評価されます。この分析の結果は、場所ごとのクラスタリング傾向の Z スコア、p 値、およびグループ カテゴリです。
    • 最後に、Mann-Kendall 統計を使用して、分析対象の場所でこれらの値が時系列に評価されます。この分析の結果は、場所ごとの傾向 Z スコア、p 値、およびグループ カテゴリです。

    [入力時空間キューブ] に追加される変数の概要を次に示します。

    変数名説明ディメンション

    EMERGING_{ANALYSIS_VARIABLE}_HS_PVALUE

    高い値 (ホット スポット) および低い値 (コールド スポット) のクラスタリングの統計的な有意性を計測する Getis-Ord Gi* 統計p 値

    3 次元: 時空間キューブ内のビンごとに 1 つの p 値

    EMERGING_{ANALYSIS_VARIABLE}_HS_ZSCORE

    高い値 (ホット スポット) および低い値 (コールド スポット) のクラスタリングの強度を計測する Getis-Ord Gi* 統計Z スコア

    3 次元: 時空間キューブ内のビンごとに 1 つの Z スコア

    EMERGING_{ANALYSIS_VARIABLE}_HS_BIN

    各ビンを統計的に有意なホットまたはコールド スポット値として分類するために使用される結果カテゴリ。ビンは FDR 補正に基づきます。

    • -3: コールド スポット、99 % の信頼度
    • -2: コールド スポット、95 % の信頼度
    • -1: コールド スポット、90 % の信頼度
    • 0: 統計的に有意なホット スポットでもコールド スポットでもない
    • 1: ホット スポット、90 % の信頼度
    • 2: ホット スポット、95 % の信頼度
    • 3: ホット スポット、99 % の信頼度

    3 次元: 時空間キューブ内のビンごとに 1 つのグループ カテゴリ。ビンは FDR 補正に基づきます。

    {ANALYSIS_VARIABLE}_TREND_PVALUE

    ある場所における値の傾向の統計的な有意性を計測する Mann-Kendallp 値

    2 次元: 分析対象の場所ごとに 1 つの p 値

    {ANALYSIS_VARIABLE}_TREND_ZSCORE

    ある場所の値に関連する Mann-Kendall 傾向 (上昇または下降) を測定する Z スコア。正の Z スコアは上昇傾向を示し、負の Z スコアは下降傾向を示します。

    2 次元: 分析対象の場所ごとに 1 つの Z スコア

    {ANALYSIS_VARIABLE}_TREND_BIN

    値に関して統計的に有意な上昇傾向があるか下降傾向があるかによって各場所を分類する場合に使用する結果カテゴリ。

    • -3: 下降傾向、99 % の信頼度
    • -2: 下降傾向、95 % の信頼度
    • -1: 下降傾向、90 % の信頼度
    • 0: 有意な傾向なし
    • 1: 上昇傾向、90 % の信頼度
    • 2: 上昇傾向、95 % の信頼度
    • 3: 上昇傾向、99 % の信頼度

    2 次元: 分析対象の場所ごとに 1 つのグループ カテゴリ。

    EMERGING_{ANALYSIS_VARIABLE}_TREND_PVALUE

    ある場所におけるホット/コールド スポット Z スコアの傾向の統計的な有意性を計測する Mann-Kendallp 値

    2 次元: 分析対象の場所ごとに 1 つの p 値

    EMERGING_{ANALYSIS_VARIABLE}_TREND_ZSCORE

    ある場所のホット/コールド スポット Z スコアの傾向に関連する Mann-Kendall 傾向 (増加または減少) を計測する Z スコア。正の Z スコアは上昇傾向を示し、負の Z スコアは下降傾向を示します。

    2 次元: 分析対象の場所ごとに 1 つの Z スコア

    EMERGING_{ANALYSIS_VARIABLE}_TREND_BIN

    ホット/コールド スポットの Z スコアについて統計的に有意な上昇傾向または下降傾向を持つとして、各場所を分類するために使用される結果カテゴリ。

    • -3: 下降傾向、99 % の信頼度
    • -2: 下降傾向、95 % の信頼度
    • -1: 下降傾向、90 % の信頼度
    • 0: 有意な傾向なし
    • 1: 上昇傾向、90 % の信頼度
    • 2: 上昇傾向、95 % の信頼度
    • 3: 上昇傾向、99 % の信頼度

    2 次元: 分析対象の場所ごとに 1 つのグループ カテゴリ。

    EMERGING_{ANALYSIS_VARIABLE}_CATEGORY

    17 カテゴリ (1 ~ 8、0、および -1 ~ -8) のうちの 1 つ。

    • 1、新規のホット スポット
    • 2、連続性のあるホット スポット
    • 3、増大しているホット スポット
    • 4、持続性のあるホット スポット
    • 5、減衰しているホット スポット
    • 6、散発性のあるホット スポット
    • 7、振動しているホット スポット
    • 8、履歴のホット スポット
    • 0、検出されたパターンなし
    • -1、新規のコールド スポット
    • -2、連続性のあるコールド スポット
    • -3、増大しているコールド スポット
    • -4、持続性のあるコールド スポット
    • -5、減衰しているコールド スポット
    • -6、散発性のあるコールド スポット
    • -7、振動しているコールド スポット
    • -8、履歴のコールド スポット

    2 次元: 分析対象の場所ごとに 1 つのカテゴリ。

構文

arcpy.stpm.EmergingHotSpotAnalysis(in_cube, analysis_variable, output_features, {neighborhood_distance}, {neighborhood_time_step}, {polygon_mask}, {conceptualization_of_spatial_relationships}, {number_of_neighbors}, {define_global_window})
パラメーター説明データ タイプ
in_cube

分析対象の netCDF キューブ。このファイルは (*.nc) 拡張子が付加され、[ポイントの集約による時空間キューブの作成 (Create Space Time Cube By Aggregating Points)] ツールまたは [定義済みの位置から時空間キューブを作成 (Create Space Time Cube From Defined Locations)] ツールで作成されている必要があります。

File
analysis_variable

分析対象の netCDF ファイル内の数値変数。

String
output_features

生成される結果出力フィーチャクラス。このフィーチャクラスは、データ内のホット スポットおよびコールド スポットの傾向の 2 次元マップ表現になります。たとえば、新しいホット スポットまたは増大しているホット スポットを示します。

Feature Class
neighborhood_distance
(オプション)

分析対象の近傍の空間範囲。この値は、ローカル時空間クラスタリングを評価する場合に一緒に分析されるフィーチャを決定します。

Linear Unit
neighborhood_time_step
(オプション)

分析対象の近傍に含める時間ステップの間隔の数。この値は、ローカル時空間クラスタリングを評価する場合に一緒に分析されるフィーチャを決定します。

Long
polygon_mask
(オプション)

分析範囲を定義する 1 つ以上のポリゴンを含むポリゴン フィーチャ レイヤー。たとえば、分析対象から大きな湖を除外する場合にポリゴン解析マスクを使用します。このマスクの範囲外の in_cube で定義されたビンは、解析に含められません。

このパラメーターはグリッド キューブに対してのみ利用できます。

Feature Layer
conceptualization_of_spatial_relationships
(オプション)

ビン間の空間リレーションシップをどのよう定義するかを指定します。

  • FIXED_DISTANCE各ビンは、隣接ビンのコンテキスト内で解析されます。指定した臨界距離 (neighborhood_distance) 内の隣接ビンは、ウェイト 1 を受け取り、ターゲット ビンの計算に影響を与えます。臨界距離の外にある隣接ビンは、ウェイト 0 を受け取り、ターゲット ビンの計算に影響を与えません。
  • K_NEAREST_NEIGHBORS最も近い K 個のビンがターゲット ビンの分析に含められます。K は指定した数値パラメーターです。
  • CONTIGUITY_EDGES_ONLYエッジを共有する隣接ビンだけが、ターゲット ポリゴン ビンの計算に影響を与えます。
  • CONTIGUITY_EDGES_CORNERSエッジを共有するか、ノードを共有するビンが、ターゲット ポリゴン ビンの計算に影響を与えます。
String
number_of_neighbors
(オプション)

ターゲット ビンの計算に含める近傍の最小数または正確な数を指定する整数。K_NEAREST_NEIGHBORS の場合、各ビンはここで指定された数の近傍を持つことになります。FIXED_DISTANCE_BAND の場合、各ビンはこの数以上の近傍を持つことになります (必要に応じて、この近傍数を満たすために距離の閾値が一時的に引き上げられます)。隣接コンセプトの 1 つが選択されると、各ビンにはこの最小近傍数が割り当てられます。この隣接近傍数よりも少ない近傍数を持つビンに対して、フィーチャの中心点との近接度に基づいて近傍が追加されます。

Long
define_global_window
(オプション)

統計情報は、各ビンの近傍から計算されたローカル統計をグローバル値と比較する仕組みになっています。このパラメーターを使用すると、グローバル値の計算に使用するビンを制御できます。

  • ENTIRE_CUBE各近傍は、キューブ全体と比較して分析されます。これがデフォルトです。
  • NEIGHBORHOOD_TIME_STEP各近傍は、指定した [近傍時間のステップ] を含むビンと比較して分析されます。
  • INDIVIDUAL_TIME_STEP各近傍は、同じ時間ステップ内のビンと比較して分析されます。
String

コードのサンプル

EmergingHotSpotAnalysis (時空間ホット スポット分析) の例 1 (Python ウィンドウ)

次の Python ウィンドウ スクリプトは、EmergingHotSpotAnalysisツールの使用方法を示しています。

import arcpy
arcpy.env.workspace = r"C:\STPM"
arcpy.EmergingHotSpotAnalysis_stpm("Homicides.nc", "COUNT", "EHS_Homicides.shp", "5 Miles", 2, "#", "FIXED_DISTANCE", "3")
EmergingHotSpotAnalysis (時空間ホット スポット分析) の例 2 (スタンドアロン スクリプト)

次のスタンドアロン Python スクリプトは、EmergingHotSpotAnalysis ツールの使用方法を示しています。

# Create Space Time Cube of homicide incidents in a metropolitan area
# Import system modules
import arcpy
# Set property to overwrite existing output, by default
arcpy.env.overwriteOutput = True
# Local variables...
workspace = r"C:\STPM"
try:
    # Set the current workspace (to avoid having to specify the full path to the feature 
    # classes each time)
    arcpy.env.workspace = workspace
    # Create Space Time Cube of homicide incident data with 3 months and 3 miles settings
    # Process: Create Space Time Cube 
    cube = arcpy.CreateSpaceTimeCube_stpm("Homicides.shp", "Homicides.nc", "MyDate", "#", 
                                          "3 Months", "End time", "#", "3 Miles", "Property MEDIAN SPACETIME; Age STD ZEROS",
																																										"HEXAGON_GRID")
    # Create a polygon that defines where incidents are possible  
    # Process: Minimum Bounding Geometry of homicide incident data
    arcpy.MinimumBoundingGeometry_management("Homicides.shp", "bounding.shp", "CONVEX_HULL",
                                             "ALL", "#", "NO_MBG_FIELDS")
    # Emerging Hot Spot Analysis of homicide incident cube using 5 Miles neighborhood 
    # distance and 2 neighborhood time step to detect hot spots
    # Process: Emerging Hot Spot Analysis 
    cube = arcpy.EmergingHotSpotAnalysis_stpm("Homicides.nc", "COUNT", "EHS_Homicides.shp", 
                                              "5 Miles", 2, "bounding.shp", "FIXED_DISTANCE", "3")
except arcpy.ExecuteError:
    # If any error occurred when running the tool, print the messages
    print(arcpy.GetMessages())

ライセンス情報

  • Basic: はい
  • Standard: はい
  • Advanced: はい

関連トピック