Сводка
Приведенный набор объектов определяет статистическую значимость горячих и холодных точек на основе статистического показателя Getis-Ord Gi*.
Подробнее, как работает Анализ горячих точек (Getis-Ord Gi*)
Иллюстрация
Использование
Этот инструмент идентифицирует статистически значимые пространственные кластеры с большим количеством объектов (горячие точки) и малым количеством объектов (холодные точки). Он создает Выходной класс объектов с z-оценкой, p-значением и уровнем достоверности (Gi_Bin) для каждого объекта во Входном классе объектов.
Во время анализа входные точки (инциденты) агрегируются в бины заданного размера, а затем анализируются для определения горячих точек. Агрегированные бины должны содержать разнообразные значения (количество точек в бине должно быть разнообразным).
Z-оценки и р-значения являются измерениями статистической значимости, которая определяет, можно ли отклонить нулевую гипотезу с использованием агрегированных бинов. В действительности, они измеряют, насколько наблюдаемая пространственная кластеризация является чем-то большим, чем случайное распределение тех же значений. Поля p-значений и z-оценки не отражают False Discovery Rate (FDR) коррекцию.
Высокая z-оценка и низкое р-значение для объекта свидетельствует о большой плотности инцидентов. Низкая отрицательная z-оценка и низкое р-значение для объекта свидетельствуют об отсутствии (незначительном присутствии) точек инцидентов. Чем выше (или ниже) z-оценка, чем сильнее интенсивность кластеризации. Z-оценка, стремящаяся к нулю, указывает на отсутствие очевидного объединения в кластеры.
-
z-оценка основана на вычислении гипотезы нулевой рандомизации. Дополнительные сведения о z-оценке см. в разделе Что такое z-оценка? Что такое p-значение?
Для анализа с биннингом необходимо, чтобы ваши входные данные были спроецированы, или чтобы выходная система координат была задана как система координат проекции. Если данные не используют систему координат проекции, а вы ее не задали, проекция будет выбрана на основе экстента анализируемых данных.
Когда входные объекты анализируются с применением временных шагов, каждый шаг анализируется независимо от наличия объектов вне этого шага.
Для параметра Базовый временной шаг может быть указана дата и время или только дата; только значение времени не может быть указано.
Этот инструмент геообработки работает от Spark. Анализ выполняется на настольном компьютере с использованием нескольких ядер параллельно. См. Информация по инструментами GeoAnalytics Desktop, чтобы узнать больше о выполнении анализа.
При запуске инструментов GeoAnalytics Desktop анализ выполняется на настольном компьютере. Для оптимальной производительности данные должны быть доступны на настольном компьютере. Если вы используете размещенный векторный слой, рекомендуется использовать ArcGIS GeoAnalytics Server. Если данные находятся не на жестком диске, для запуска инструмента потребуется больше времени. Для использования ArcGIS GeoAnalytics Server в целях выполнения анализа см. раздел Инструменты геоаналитики.
Аналогичный анализ можно выполнить следующим образом:
- Инструмент геообработки ArcGIS Pro Оптимизированный анализ горячих точек в наборе инструментов Пространственная статистика.
- Инструмент геообработки ArcGIS Pro Найти горячие точки в стандартном наборе инструментов анализа объектов.
Синтаксис
FindHotSpots(point_layer, out_feature_class, {bin_size}, {neighborhood_size}, {time_step_interval}, {time_step_alignment}, {time_step_reference})| Parameter | Объяснение | Тип данных |
point_layer | Это класс точечных объектов, по которому будет выполняться анализ горячих точек. | Feature Layer |
out_feature_class | Выходной класс объектов с результатами z-оценки и р-значения. | Feature Class |
bin_size (Дополнительный) | Единицы измерения и интервал расстояния, определяющий размер бинов, в которые будет агрегирован point_layer. Интервал расстояния указывается в линейных единицах. | Linear Unit |
neighborhood_size (Дополнительный) | Пространственный экстент области анализа соседей. Это значение определяет, какие объекты будут проанализированы вместе, чтобы оценить локальную кластеризацию. | Linear Unit |
time_step_interval (Дополнительный) | Интервал, который будет использован для шага времени. Этот параметр используется только если время активировано для point_layer. | Time Unit |
time_step_alignment (Дополнительный) | Указывает, как будут выровнены шаги времени. Этот параметр доступен только если у входных точек активировано время и представлено определённое время.
| String |
time_step_reference (Дополнительный) | Время, которое будет использоваться для выравнивания временных меток и интервалов. Этот параметр используется только если время активировано для point_layer. | Date |
Пример кода
В следующем скрипте окна Python показано, как используется инструмент FindHotSpots.
#-------------------------------------------------------------------------------
# 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)Environments
Информация о лицензиях
- Basic: Нет
- Standard: Нет
- Advanced: Да