Find Hot Spots

Find hotspots


Værktøjet Find hotspots kan bestemme, hvorvidt der er statistisk signifikante klyngedannelser i det rumlige mønster for dine data.

Værktøjet Find hotspots kan hjælpe dig med en troværdig besvarelse af disse spørgsmål.

Selv tilfældige rumlige mønstre udviser en vis grad af klyngedannelse. Desuden prøver dine øjne og din hjerne helt naturligt at finde mønstre, selv om disse ikke findes. Derfor kan det være svært at vide, om mønstrene i dine data er resultatet af en reel igangværende rumlig proces eller bare resultatet af tilfældigheder. Det er årsagen til, at forskere og analytikere bruger statistiske metoder såsom Find hotspots (Getis-Ord Gi*) til at kvantificere rumlige mønstre. Når du finder en statistisk signifikant klyngedannelse i dine data, har du værdifulde oplysninger. Det at vide, hvor og hvornår klyngedannelser opstår, kan give vigtige oplysninger om de processer, der skaber de mønstre, du ser. At vide at f.eks. antallet af indbrud i boliger konsekvent er højere i et særligt område er afgørende oplysninger, hvis du skal udarbejde effektive forebyggelsesstrategier, fordele sparsomme politiressourcer, iværksætte nabohjælpsprogrammer, godkende grundig kriminel efterforskning eller identificere potentielle mistænkte.

Vælg det lag, som der skal beregnes hotspots for


Det punktlag, hvorfra der skal findes hotspots og coldspots.

Denne analyse benytter beholdere og kræver et projiceret koordinatsystem. Du kan indstille koordinatsystem til behandling i Analysemiljøerne. Hvis dit koordinatsystem til behandling ikke er indstillet til et projiceret koordinatsystem, vil du blive bedt om at indstille det, når du benytter funktionen Kør analyse .

Udover at du kan vælge et lag i dit kort, kan du vælge Vælg analyselag nederst på rullelisten for at gå til dit indhold til et big data-fildelingsdatasæt eller -vektorlag.

Find klynger med høje og lave værdier


Denne analyse besvarer spørgsmålet: hvor er der spatiale klyngedannelser af høje og lave værdier?

Hvis dine data består af punkter, og du vælger Punktoptællinger, vil dette værktøj evaluere det spatiale arrangement af punktobjekter for at besvare spørgsmålet: Hvor danner punkterne uventede klynger eller bliver spredt ud?

Hvis du vælger et felt, vil dette værktøj evaluere det spatiale arrangement af værdier, der er knyttet til hvert objekt, for at besvare spørgsmålet: hvor er der klyngedannelser af høje og lave værdier?

Vælg beholderstørrelse for aggregering


Den afstand, der bruges til at generere de kvadratiske beholdere, som skal bruges til at analysere dine inputpunkter.

Find hotspots ved hjælp af tidstrin (valgfrit)


Hvis der er aktiveret tid for punktlaget, og det tilhører øjeblikstypen, kan du analysere ved hjælp af tidstrin.

Tidstrin-interval


Det tidsinterval, der benyttes til generere tidstrin. Tid kan justeres til start- eller sluttidspunktet for inputdataene eller til et bestemt referencetidspunkt.

Tidstrin-interval


Det tidsinterval, der benyttes til generere tidstrin. Tid kan justeres til start- eller sluttidspunktet for inputdataene eller til et bestemt referencetidspunkt.

Vælg, hvordan tidstrin skal justeres


Hvordan tidstrin justeres. Der er tre måder at justere tidstrin på:

  • Starttid– Tidstrinene justeres i forhold til det første objekt i tid.
  • Sluttid– Tidstrinene justeres i forhold til det sidste objekt i tid.
  • Referencetid– Tidstrinene justeres i forhold til et bestemt tidspunkt.

Referencetid, som tidstrin skal justeres i forhold til


Den dato og det klokkeslæt, der benyttes til at justere tidstrin.

Vælg størrelse på lokalområde med henblik på hotspot-beregninger


Den afstand, der benyttes til at fastlægge de omgivelser, der anvendes til hotspot-beregninger. Omgivelserne skal være større end beholderstørrelsen for at sikre, at hver beholder har mindst én nabo. Hver beholder analyseres og sammenlignes med nabobeholderne.

SpatialReference (wkid)


Dette er en midlertidig parameter til prerelease med henblik på angivelse af den spatiale reference til behandling. Mange big data-værktøjer kræver, at et projiceret koordinatsystem benyttes som spatial reference med henblik på behandling. Værktøjet vil som standard benytte inputkoordinatsystemet, men dette vil ikke fungere, hvis et geografisk koordinatsystem benyttes. Angiv WKID, hvis et projiceret koordinatsystem skal indstilles. For eksempel ville Web Mercator blive angivet som 3857.

Vælg et ArcGIS-datalager, som resultaterne kan gemmes i


GeoAnalytic-resultater lagres i et datalager og vises som et vektorlag i Portal for ArcGIS. I de fleste tilfælde bør resultaterne blive lagret i et spatiotemporalt datalager, hvilket også er standarden. I nogle tilfælde er det at lagre resultaterne i et relationsdatalager en god mulighed. Her er årsagerne til, at du måske ønsker at lagre resultaterne i et relationsdatalager:

  • Du kan bruge resultaterne i portalen-til-portalsamarbejde.
  • Du kan aktivere synkroniseringsfunktioner i forbindelse med dine resultater

Du bør benytte et relationsdatalager, hvis du forventer, at mængden af dine GeoAnalytics-resultater vil blive større, og du ønsker at drage fordel af det spatiotemporale big data-lagers muligheder for at håndtere store datamængder.

Navn på resultatlag


Navnet på det lag, som oprettes. Hvis du skriver til et ArcGIS Data Store, bliver dine resultater gemt i Mit indhold og føjet til kortet. Hvis du skriver til en big data-fildeling, bliver dine resultater gemt i big data-fildelingen og føjet til dens manifest. De bliver ikke føjes til kortet. Standardnavnet er baseret på navnet på værktøjet og navnet på inputlaget. Hvis laget allerede findes, vil værktøjet ikke fungere.

Dette resultatlag viser dig statistisk signifikante klynger med høje og lave værdier eller punkttællinger. Hvis navnet på resultatlaget allerede eksisterer, vil du blive bedt om at ændre det.

Når du skriver til ArcGIS Data Store (relationelt eller spatiotemporalt big data-lager) ved hjælp af rullelisten Gem resultat i , kan du angive navnet på en mappe i Mit indhold, hvor resultatet gemmes.