Hot spotok keresése
A Hot spotok keresése eszközzel meghatározható, hogy létezik-e statisztikailag szignifikáns klaszterezés az adatok térbeli mintázatában.
- Valóban klaszterezettek a kiválasztott pontok (bűntények, fák, közlekedési balesetek)? Hogyan tudhatja biztosan?
- Valóban statisztikailag szignifikáns hot spotra bukkant, vagy mást sugallna a térkép, ha megváltoztatná a jelképezés módját?
Még a véletlenszerű térbeli minták is mutatnak bizonyos fokú klaszterezést. Ezenkívül szemünk és agyunk természetes módon mintázatokat kezd keresni, ott is, ahol nem léteznek ilyenek. Ebből adódóan nehéz megítélni, hogy az adatok mintázata valóban működő térbeli folyamatok, vagy pusztán egy véletlenszerű választás eredményei. A kutatók és elemzők ezért használják a Hot spotok keresése eszközhöz hasonló statisztikai módszereket (Getis-Ord Gi*) a térbeli mintázatok mennyiségi meghatározására. Az adatok között talált, statisztikailag szignifikáns klaszterek értékes információt képviselnek. A klaszterek előfordulásának helye és ideje a látható mintázatokat előidéző folyamatokkal kapcsolatos, fontos információ az elemzések során. Lényeges információ annak ismerete, hogy a lakásbetörések száma például egy adott környéken következetesen magasabb: ekkor hatékony megelőzési stratégiákat kell kidolgozni, szűkös rendőri erőforrásokat kell beosztani, lakossági figyelőszolgálatot kell megszervezni, bűncselekmények mélyreható nyomozását kell engedélyezni, vagy potenciális gyanúsítottakat kell azonosítani.
A réteg kiválasztása, amelynek hot spotjait ki szeretné számítani
A pontréteg, amelyeknek hot spotjait és cold spotjait („meleg” és „hideg” pontjait) az eszköz megtalálja.
This analysis uses bins and requires a projected coordinate system. You can set the Processing coordinate system in Analysis Environments. If your processing coordinate system is not set to a projected coordinate system, you will be prompted to set it when you Run Analysis .
In addition to choosing a layer from your map, you can choose Browse Layers at the bottom of the drop-down list to browse to your contents for a big data file share dataset or feature layer.
Magas és alacsony értékek klasztereinek keresése
Ez az elemzés arra a kérdésre ad választ, hogy: Hol találhatók a magas és alacsony értékek térbeli klaszterei?
Ha pont adatok esetén a Pontok száma lehetőséget választja, az eszköz a pontszerű vektor elemek térbeli elrendezésének értékelésével válaszol a kérdésre: Hol csoportosulnak nem várt módon illetve helyezkednek el szétszórtan az adatok?
Ha kiválaszt egy mezőt, az eszköz az egyes vektoros elemekhez társított értékek térbeli elrendezését értékelve válaszol a következő kérdésre: Hol találhatók magas és alacsony értékklaszterek?
Válassza ki az összevonási gyűjtőméretet
A bemenő pontok elemzésénél alkalmazott négyszög alakú gyűjtők létrehozásához használt távolság.
Hot spotok keresése időbeli lépésekkel (opcionális)
Ha az idő engedélyezve van a pontrétegen, és azonnali típusú, akkor időbeli lépéseket használva is elemezhet.
Időbeli lépés intervalluma
Az időbeli lépések létrehozásához használt időintervallum. Az idő a bemeneti adatok kezdési vagy befejezési idejéhez, vagy egy meghatározott referenciaidőhöz igazítható.
Időbeli lépés intervalluma
Az időbeli lépések létrehozásához használt időintervallum. Az idő a bemeneti adatok kezdési vagy befejezési idejéhez, vagy egy meghatározott referenciaidőhöz igazítható.
Válassza ki az időbeli lépések igazításának módját
Az időbeli lépések igazításának módja. Az időbeli lépések háromféleképpen igazíthatók:
- Kezdési idő – az időbeli lépéseket az időben első vektoros elemhez igazítja.
- Befejezési idő – az időbeli lépéseket az időben utolsó vektoros elemhez igazítja.
- Referenciaidő – az időbeli lépéseket egy meghatározott időponthoz igazítja.
Az időbeli lépések igazításához használt referenciaidő
Az időbeli lépések igazításához használt dátum és időpont.
Válassza ki a szomszédság méretét a hotspot-számításokhoz
A hotspot-számításokhoz használt szomszédság meghatározásához használt távolság. A szomszédságnak nagyobbnak kell lennie a gyűjtő méreténél, hogy mindegyik gyűjtő rendelkezzen legalább egy szomszéddal. Mindegyik gyűjtőt elemzi és összehasonlítja a szomszédos gyűjtőkkel.
SpatialReference (WKID)
This is a temporary parameter for prerelease to set the processing spatial reference. Many big data tools require that a projected coordinate system is used as the spatial reference for processing. By default, the tool will use the input coordinate system but will fail if it's a geographic coordinate system. To set a projected coordinate system, enter the WKID. For example, Web Mercator would be entered as 3857.
ArcGIS Data Store adattár kiválasztása az eredmények mentéséhez
GeoAnalytics results are stored to an ArcGIS Data Store and exposed as a feature layer in Portal for ArcGIS. In most cases, results should be stored to the spatiotemporal data store and this is the default. In some cases, saving results to the relational data store is a good option. The following are reasons why you may want to store results to the relational data store:
- You can use results in portal-to-portal collaboration.
- You can enable sync capabilities with your results.
You should not use the relational data store if you expect your GeoAnalytics results to increase and need to take advantage of the spatiotemporal big data store's capabilities to handle large amounts of data.
Eredmény réteg neve
The name of the layer that will be created in My Content and added to the map. Az alapértelmezett név az eszköz nevétől és a bemenő réteg nevétől függ. If the layer already exists, the tool will fail.
Az eredmény réteg megjeleníti a magas és alacsony értékek vagy pontszámok statisztikailag szignifikáns klasztereit. Ha az eredmény réteg neve már létezik, akkor a program megkéri, hogy nevezze át.
Az Eredmény mentési helye legördülő mezőben megadhatja a Saját tartalom mappájának nevét, ahová az eszköz menti az eredményt.