Подпись | Описание | Тип данных |
Тип входных данных | Указывает, будут ли Входные объекты интереса поступать из одного и того же набора данных с указанными категориями, из разных наборов данных с указанными категориями, из разных наборов данных, которые будут рассматриваться, как отдельные категории (например, один набор данных содержит все точки, отображающие гепардов, и второй набор данных, в котором все точки отображают газелей).
| String |
Входные объекты интереса | Класс пространственных объектов, содержащий точки с категориями. | Feature Layer |
Выходные объекты | Выходной класс пространственных объектов со всеми Входными объектами интереса и всеми полями, которые содержат итоговые локальные индексы совместного размещения, символы бинов и значения p. | Feature Class |
Поле интереса (Дополнительный) | Поле, содержащее анализируемую категорию или категории. | Field |
Временное поле интереса
(Дополнительный) | Поле даты с необязательной отметкой времени для каждого объекта, использующееся для анализа точек с помощью пространственно-временного окна. Объекты, находящиеся рядом друг с другом в пространстве и времени, будут считаться соседями и будут анализироваться вместе. | Field |
Категория интереса (Дополнительный) | Основная категория анализа. Инструмент будет определять для каждой Категории интереса степень, в которой основная категория притягивается к Соседней категории или сопоставляется с ней. | String |
Входные соседние объекты (Дополнительный) | Входной класс пространственных объектов, содержащий точки с категориями, которые будут сравниваться. | Feature Layer |
Поле, содержащее Соседнюю категорию (Дополнительный) | Поле из параметра Входных соседних объектов, содержащее сравниваемую категорию. | Field |
Временное поле соседних объектов
(Дополнительный) | Поле даты с отметкой времени для каждого объекта, использующееся для анализа точек с помощью пространственно-временного окна. Объекты, находящиеся рядом друг с другом в пространстве и времени, будут считаться соседями и будут анализироваться вместе. | Field |
Соседняя категория (Дополнительный) | Соседняя категория анализа. Инструмент будет определять для каждой Категории интереса степень, в которой основная категория притягивается к Соседней категории или изолирована от нее. | String |
Тип окрестности | Определяет, как задаются пространственные отношения между объектами.
| String |
Число соседей (Дополнительный) | Число соседей вокруг каждого объекта, которое будет использовано для тестирования локальных отношений между категориями. Если значение не задано, будет использовано значение по умолчанию - 8. Указанное значение должно быть достаточно большим для выявления отношений между объектами и при этом не слишком большим для сохранения возможности идентификации локальных закономерностей. | Long |
Диапазон расстояний (Дополнительный) | Размер окрестности постоянен (фиксирован) для каждого объекта. Все находящиеся в пределах этого расстояния объекты будут использоваться для тестирования локальных отношений между категориями. Если значение не задано, будет использоваться среднее расстояние, на котором у каждого объекта есть хотя бы 8 соседей. | Linear Unit |
Файл матрицы весов (Дополнительный) | Путь к файлу, который содержит веса, определяющие пространственные и, возможно, временные отношения между объектами. | File |
Тип временных отношений
(Дополнительный) | Определяет, как задаются временные отношения между объектами.
| String |
Интервал временного шага
(Дополнительный) | Целое число и единица измерения, соответствующие числу временных единиц, составляющих временное окно. | Time Unit |
Число перестановок (Дополнительный) | Число перестановок, которое будет использовано для создания эталонного распределения. Выбор числа перестановок является компромиссом между точностью и временем обработки. Выберите предпочтительные для вас скорость и точность. Для более значимых и точных результатов требуется больше времени.
| Long |
Локальная схема весов
(Дополнительный) | Определяет тип кернфункции, которая будет использоваться при присвоении пространственных весов. Кернфункция определяет, каким образом каждый объект связан с остальными объектами в пределах окрестности.
| String |
Выходная таблица Глобальных отношений (Дополнительный) | Таблица, которая включает глобальные индексы совместного размещения между всеми категориями в параметре Поле интереса и всеми категориями, в параметре Поле, содержащее категорию окрестности. Эта таблица может помочь найти локальные категории для анализа. Если Наборы данных без категорий используются в качестве значения параметра Входной тип, то для каждого набора данных и между ними будут вычисляться глобальные индексы совместного размещения. | Table |
Краткая информация
Измеряет локальные закономерности пространственной связи (колокации) между двумя категориями точечных объектов, используя статистику индекса совместного размещения.
Более подробно о работе инструмента Анализ совместного размещения
Иллюстрация
Использование
Этот инструмент работает только с точечными объектами. Категории, которые вы хотите проанализировать, могут содержаться в одном или двух отдельных наборах данных. Можно также использовать два отдельных набора данных, которые будут считаться категориями. Например, у вас может быть набор точечных данных с ресторанами разных типов, которые будут рассматриваться только в качестве категории RESTAURANTS, и другой набор точечных данных, содержащий разные виды преступлений, которые будут рассматриваться в качестве категории CRIMES.
Инструмент определит для каждого объекта Категории интереса, в какой степени его окрестностях присутствуют объекты Соседней категории, по сравнению с общим пространственным распределением категорий. К примеру, для каждого объекта категории A значение получаемого локального индекса совместного размещения (LCLQ), равное 1, означает, что у вас, скорее всего, будет категория B в качестве соседа, как и предполагается. LCLQ, больший 1, означает, что у вас больше шансов (по сравнению со случайным распределением) получить B в качестве соседа, а если LCLQ меньше 1, то для объекта категории A меньше шансов получить точку категории B в качестве соседа (по сравнению со случайным распределением).
Примечание:
Отношение совместного размещения данного анализа не является симметричным. Значения индекса совместного размещения, рассчитанные для сравнения категории A с категорией B, будут отличаться от значений индекса совместного размещения, рассчитанных для сравнения категории B с категорией A.
Кроме того, если в вашем районе есть категория C, индексы совместного размещения будут отличаться от случая, если бы у вас были только категории A и B. В зависимости от вопроса, который вы задаете, очень важным может быть создание подмножества ваших данных, которое бы включало только категории A и B. Однако при создании подмножества вы теряете информацию о других имеющихся категориях. Выбор и создание подмножества ваших данных важны для случая, когда вы уверены, что возникновение одной категории вообще не зависит от появления другой.
Можно задавать пространственные отношения в параметрах Диапазон расстояний, K ближайших соседей или в файле матрицы пространственных весов в параметре Типы окрестностей.
Вы можете анализировать свои данные, используя пространственно-временные окна, заполнив параметры Временное поле интереса, Временное поле категорий окрестности и Тип временного отношения. Используя пространственно-временные окна, вы можете контролировать, какие объекты будут включаться в анализируемые окрестности. Объекты, расположенные рядом друг с другом в пространстве и времени, анализируются вместе, так как все взаимоотношения объектов оцениваются относительно местоположения и временной метки целевого объекта. Вы также можете указать, будет ли инструмент искать объекты до или после целевого объекта, или создать промежуток времени, в течение которого инструмент будет искать объекты до и после анализа целевого объекта.
Параметр Число перестановок используется для вычисления значений p. Выбор числа перестановок является компромиссом между точностью и временем обработки. Хотя по умолчанию выполняется 99 перестановок, рекомендуем увеличить это значение для получения итоговых результатов анализа.
Глобальный индекс совместного размещения также можно рассчитать, указав путь в параметре Выходная таблица для глобальных отношений. Эта таблица содержит индексы совместных размещений, поэтому вы можете проанализировать показатели пространственной связи между всеми категориями вашего набора данных. Это позволяет вам изучать в ваших данных другие отношения, так как вы можете найти другие сильно связанные категории по всему миру. Если вы обнаружите другие сильно связанные категории, вы можете расширить свой анализ либо путем исследования локальной природы этих отношений, снова запустив инструмент с этими категориями, либо снова запустив инструмент, удалив эти категории из анализа, если вы считаете, что сильно связанные категории вносят ненужные искажения в ваши результаты.
Результатом выполнения этого инструмента является карта, отображающая каждый интересующий входной объект, отображенный в зависимости от того, был ли он в значительной степени связан с входными соседними объектами или изолирован от них. Этот инструмент добавляет поля к Выходным объектам, в том числе для вычисленного Локального индекса совместного размещения, значения p, Бина LCLQ, используемых для отображения с помощью символов и Типа LCLQ. Можно указать необязательную Выходную таблицу для глобальных отношений, которая будет содержать глобальные индексы совместного размещения между всеми категориями в Поле интереса и всеми категориями, присутствующими в Поле, содержащем категорию окрестности.
Инструмент поддерживает параллельную обработку и использует до 50 % доступной мощности процессора по умолчанию. Количество используемых процессоров можно изменить при помощи параметра среды Коэффициент параллельной обработки.
Параметры
arcpy.stats.ColocationAnalysis(input_type, in_features_of_interest, output_features, {field_of_interest}, {time_field_of_interest}, {category_of_interest}, {input_feature_for_comparison}, {field_for_comparison}, {time_field_for_comparison}, {category_for_comparison}, neighborhood_type, {number_of_neighbors}, {distance_band}, {weights_matrix_file}, {temporal_relationship_type}, {time_step_interval}, {number_of_permutations}, {local_weighting_scheme}, {output_table})
Имя | Описание | Тип данных |
input_type | Указывает, будут ли поступать значения параметра in_features_of_interest из одного и того же набора данных с указанными категориями, из разных наборов данных с указанными категориями или из разных наборов данных, которые будут рассматриваться, как отдельные категории (например, один набор данных содержит все точки, отображающие гепардов, и второй набор данных, в котором все точки отображают газелей).
| String |
in_features_of_interest | Класс пространственных объектов, содержащий точки с категориями. | Feature Layer |
output_features | Выходной класс пространственных объектов, содержащий все значения параметра in_features с полями, которые включают в себя локальные индексы совместного размещения и значения p. | Feature Class |
field_of_interest (Дополнительный) | Поле, содержащее анализируемую категорию или категории. | Field |
time_field_of_interest (Дополнительный) | Поле даты с необязательной отметкой времени для каждого объекта, использующееся для анализа точек с помощью пространственно-временного окна. Объекты, находящиеся рядом друг с другом в пространстве и времени, будут считаться соседями и будут анализироваться вместе. | Field |
category_of_interest (Дополнительный) | Основная категория анализа. Инструмент будет определять для каждого значения category_of_interest степень, в которой основная категория притягивается к или сопоставляется со значением параметра neighboring_category. | String |
input_feature_for_comparison (Дополнительный) | Входной класс пространственных объектов, содержащий точки с категориями, которые будут сравниваться. | Feature Layer |
field_for_comparison (Дополнительный) | Поле из параметра input_feature_for_comparison, содержащее сравниваемую категорию. | Field |
time_field_for_comparison (Дополнительный) | Поле даты с отметкой времени для каждого объекта, использующееся для анализа точек с помощью пространственно-временного окна. Объекты, находящиеся рядом друг с другом в пространстве и времени, будут считаться соседями и будут анализироваться вместе. | Field |
category_for_comparison (Дополнительный) | Соседняя категория анализа. Инструмент будет определять степень, с которой значение параметра category_of_interest притягивается к или изолирована от значения category_for_comparison. | String |
neighborhood_type | Определяет, как задаются пространственные отношения между объектами.
| String |
number_of_neighbors (Дополнительный) | Число соседей вокруг каждого объекта, которое будет использовано для тестирования локальных отношений между категориями. Если значение не задано, будет использовано значение по умолчанию - 8. Указанное значение должно быть достаточно большим для выявления отношений между объектами и при этом не слишком большим для сохранения возможности идентификации локальных закономерностей. | Long |
distance_band (Дополнительный) | Размер окрестности постоянен (фиксирован) для каждого объекта. Все находящиеся в пределах этого расстояния объекты будут использоваться для тестирования локальных отношений между категориями. Если значение не задано, будет использоваться среднее расстояние, на котором у каждого объекта есть хотя бы 8 соседей. | Linear Unit |
weights_matrix_file (Дополнительный) | Путь к файлу, который содержит веса, определяющие пространственные и, возможно, временные отношения между объектами. | File |
temporal_relationship_type (Дополнительный) | Определяет, как задаются временные отношения между объектами.
| String |
time_step_interval (Дополнительный) | Целое число и единица измерения, соответствующие числу временных единиц, составляющих временное окно. | Time Unit |
number_of_permutations (Дополнительный) | Число перестановок, которое будет использовано для создания эталонного распределения. Выбор числа перестановок является компромиссом между точностью и временем обработки. Выберите предпочтительные для вас скорость и точность. Для более значимых и точных результатов требуется больше времени.
| Long |
local_weighting_scheme (Дополнительный) | Определяет тип кернфункции, которая будет использоваться при присвоении пространственных весов. Кернфункция определяет, каким образом каждый объект связан с остальными объектами в пределах окрестности.
| String |
output_table (Дополнительный) | Таблица, которая включает глобальные индексы совместного размещения между всеми категориями в параметре Поле интереса и всеми категориями, в параметре Поле, содержащее категорию окрестности. Эта таблица может помочь найти локальные категории для анализа. Если Наборы данных без категорий используются в качестве значения параметра Входной тип, то для каждого набора данных и между ними будут вычисляться глобальные индексы совместного размещения. | Table |
Пример кода
Скрипт окна Python, демонстрирующий использование функции ColocationAnalysis.
import arcpy
arcpy.env.workspace = r"C:\Analysis"
# Two categories from the same categorical field.
# Find the colocation of elementary schools and middle schools
arcpy.stats.ColocationAnalysis("SINGLE_DATASET", r"Colocation.gdb\Schools",
r"Outputs.gdb\School_Colocation", "Facility_Type", None,
"Elementary", None, None, None, "Middle", "K_NEAREST_NEIGHBORS",
8, None, None, "BEFORE", None, 99, "BISQUARE",
r"Outputs.gdb\Global_School_Colocation")
# Categories from different datasets without categories
# Find the colocation of elementary schools and hospitals
arcpy.stats.ColocationAnalysis("DATASETS_WITHOUT_CATEGORIES", r"Colocation.gdb\Schools",
r"Outputs.gdb\Schools_Hospitals", None, None, '',
r"Colocation.gdb\Hospitals", None, None, '', "DISTANCE_BAND",
None, "30 Kilometers", None, "BEFORE", None, 199, "GAUSSIAN",
None)
# Categories from two datasets
# Find the colocation of elementary schools and hospitals
arcpy.stats.ColocationAnalysis("TWO_DATASETS", r"Colocation.gdb\Schools",
r"Outputs.gdb\Elementary_Hospitals", "Facility_Type", None,
"Elementary", r"Colocation.gdb\Hospitals", None, None, '',
"K_NEAREST_NEIGHBORS", 15, None, None, "BEFORE", None, 499,
"NONE", None)
Следующий автономный Python скрипт демонстрирует, как использовать инструмент ColocationAnalysis.
# Analyze the spatial relationship (colocation) between elementary school locations and hospital locations
# Two categories from the same categorical field.
# Find the colocation of elementary schools and middle schools
intype = "SINGLE_DATASET"
infc_interest = r"Colocation.gdb\Schools"
outfc = r"Outputs.gdb\School_Colocation"
field_interest = "Facility_Type"
time_field = ""
cat_interest = "Elementary"
infc_neigh = ""
field_neigh = ""
time_field_neigh = ""
cat_neigh = "Middle"
neighborhood_type = "K_NEAREST_NEIGHBORS"
num_neighbors = 8
dist_band = ""
swm_file = ""
temporal_type = ""
time_step_interval = ""
num_permutation = 99
weighting_scheme ="BISQUARE"
out_global_tbl = r"Outputs.gdb\Global_School_Colocation"
arcpy.stats.ColocationAnalysis(intype, infc_interest, outfc, field_interest,
time_field, cat_interest, infc_neigh, field_neigh,
time_field_neigh, cat_neigh, neighborhood_type,
num_neighbors, dist_band, swm_file, temporal_type,
time_step_interval num_permutation, weighting_scheme,
out_global_tbl)
# Categories from different datasets without categories
# Find the colocation of schools and hospitals
intype = "DATASETS_WITHOUT_CATEGORIES"
infc_interest = r"Colocation.gdb\Schools"
outfc = r"Outputs.gdb\Schools_Hospitals"
field_interest = ""
time_field = ""
cat_interest = ""
infc_neigh = r"Colocation.gdb\Hospitals"
field_neigh = ""
time_field_neigh = ""
cat_neigh = ""
neighborhood_type = "DISTANCE_BAND"
num_neighbors = ""
dist_band = "30 Kilometers"
swm_file = ""
temporal_type = ""
time_step_interval = ""
num_permutation = 199
weighting_scheme ="GAUSSIAN"
out_global_tbl = ""
arcpy.stats.ColocationAnalysis(intype, infc_interest, outfc, field_interest,
time_field, cat_interest, infc_neigh, field_neigh,
time_field_neigh, cat_neigh, neighborhood_type,
num_neighbors, dist_band, swm_file, temporal_type,
time_step_interval num_permutation, weighting_scheme,
out_global_tbl)
# Categories from two datasets
# Find the colocation of elementary schools and hospitals
intype = "TWO_DATASETS"
infc_interest = r"Colocation.gdb\Schools"
outfc = r"Outputs.gdb\Elementary_Hospitals"
field_interest = "Facility_Type"
time_field = ""
cat_interest = "Elementary"
infc_neigh = r"Colocation.gdb\Hospitals"
field_neigh = ""
time_field_neigh = ""
cat_neigh = ""
neighborhood_type = "K_NEAREST_NEIGHBORS"
num_neighbors = 15
dist_band = ""
swm_file = ""
temporal_type = ""
time_step_interval = ""
num_permutation = 499
weighting_scheme ="NONE"
out_global_tbl = ""
arcpy.stats.ColocationAnalysis(intype, infc_interest, outfc, field_interest,
time_field, cat_interest, infc_neigh, field_neigh,
time_field_neigh, cat_neigh, neighborhood_type,
num_neighbors, dist_band, swm_file, temporal_type,
time_step_interval num_permutation, weighting_scheme,
out_global_tbl)
Параметры среды
Информация о лицензиях
- Basic: Да
- Standard: Да
- Advanced: Да