| Подпись | Описание | Тип данных |
Точечный слой | Это класс точечных объектов, по которому будет выполняться анализ горячих точек. | Feature Layer |
Выходной класс объектов | Выходной класс объектов с результатами z-оценки и р-значения. | Feature Class |
Размер бина | Единицы измерения и интервал расстояния, определяющий размер бинов, в границах которых будет агрегирован Точечный слой. Интервал расстояния указывается в линейных единицах. | Linear Unit |
Размер окрестности | Пространственный экстент области анализа соседей. Это значение определяет, какие объекты будут проанализированы вместе, чтобы оценить локальную кластеризацию. | Linear Unit |
Интервал временного шага (Дополнительный) | Интервал, который будет использован для шага времени. Этот параметр используется только если время активировано для Точечного слоя. | Time Unit |
Выравнивание временного шага (Дополнительный) | Указывает, как будут выровнены шаги времени. Этот параметр доступен только если у входных точек активировано время и представлено определённое время.
| String |
Базовый временной шаг (Дополнительный) | Время, которое будет использоваться для выравнивания временных меток и интервалов. Этот параметр используется только если время активировано для Точечного слоя. | Date |
Краткая информация
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 бинами надо, чтобы входные данные были спроецированы или чтобы выходная система координат была задана как система координат проекции. Если данные не используют систему координат проекции, и вы не задали ее, 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 используется размещенный векторный слой, рекомендуется применить ArcGIS GeoAnalytics Server. Если данные находятся не на жестком диске, для запуска инструмента потребуется больше времени. Чтобы использовать ArcGIS GeoAnalytics Server для выполнения анализа, см. GeoAnalytics Tools.
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.
Параметры
arcpy.gapro.FindHotSpots(point_layer, out_feature_class, bin_size, neighborhood_size, {time_step_interval}, {time_step_alignment}, {time_step_reference})| Имя | Описание | 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 | Единицы измерения и интервал расстояния, определяющий размер бинов, в которые будет агрегирован point_layer. Интервал расстояния указывается в линейных единицах. | Linear Unit |
neighborhood_size | 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 автономном скрипте показано использование функции FindHotSpots.
# Name: FindHotSpots.py
# Description: Find Hots Spots of 311 calls for bins of 500 meters looking at
# neighbors within 1 kilometer. Complete the analysis for each month.
# Import system modules
import arcpy
arcpy.env.workspace = "C:/data/Calls311.gdb"
# Enable time on the input features using an .lyrx file.
# To create the .lyrx file, add your layer to a map, open the layer properties
# and enable time. Then right-click the layer and select Share As Layer File.
input_lyrx = r'C:\data\SanFrancisco_311calls.lyrx'
# MakeFeatureLayer converts the .lyrx to features
SF311CallsInputLayer = arcpy.management.MakeFeatureLayer(input_lyrx, "SF_311Calls_layer")
# ApplySymbologyFromLayer sets the time using the .lyrx file definition
arcpy.management.ApplySymbologyFromLayer(SF311CallsInputLayer, input_lyrx)
# Set local variables
bins = "500 Meters"
neighborhood = "1 Kilometers"
timeStep = "1 Months"
out = "HotSpotsOf311Data"
# Run Find Hot Spots
arcpy.gapro.FindHotSpots(SF311CallsInputLayer, out, bins, neighborhood, timeStep)Параметры среды
Информация о лицензиях
- Basic: Нет
- Standard: Нет
- Advanced: Да