Das Werkzeug "Hot-Spots suchen" ermittelt, ob die räumlichen Muster in den Daten eine statistisch signifikante Cluster-Bildung aufweisen.
Selbst zufällige räumliche Muster weisen eine gewisse Cluster-Bildung auf. Zudem suchen unsere Augen und Gehirne naturgemäß auch dann nach Mustern, wenn keine vorhanden sind. Demzufolge kann es schwierig sein, zu wissen, ob die Muster in den Daten das Ergebnis echter räumlicher Prozesse sind oder ob es sich lediglich um ein zufälliges Ergebnis handelt. Aus diesem Grund verwenden Forscher und Analysten Methoden wie "Hot-Spots suchen" (Getis-Ord Gi*), um räumliche Muster zu quantifizieren. Wenn Sie eine statistisch signifikante Cluster-Bildung in Ihren Daten finden, verfügen Sie über wertvolle Informationen. Zu wissen, wo und wann Cluster-Bildung auftritt, kann wichtige Aufschlüsse über die Prozesse geben, die die Muster fördern, die Sie sehen. Zu wissen, dass die Anzahl der Wohnungseinbrüche in bestimmten Nachbarschaften beispielsweise ständig höher ausfällt, kann eine wichtige Rolle spielen, wenn Sie effektive Präventionsstrategien entwerfen, knappe Polizeikräfte verteilen, Nachbarschaftsüberwachungsprogramme initiieren, strafrechtliche Ermittlungen durchführen oder potenzielle Verdächtige identifizieren müssen.
Der Punkt-Layer, zu dem Hot- und Cold-Spots gefunden werden.
Diese Analyse verwendet Abschnitte und erfordert ein projiziertes Koordinatensystem. Sie können das Verarbeitungskoordinatensystem in Analyseumgebungen festlegen. Wenn das Verarbeitungskoordinatensystem nicht auf ein projiziertes Koordinatensystem festgelegt ist, werden Sie aufgefordert, es festzulegen, wenn Sie die Analyse ausführen .
Sie können nicht nur einen Layer aus der Karte auswählen, sondern auch unten in der Dropdown-Liste die Option Analyse-Layer auswählen auswählen, um zu Ihren Inhalten für ein Big-Data-Dateifreigabe-Dataset bzw. -Feature-Layer zu navigieren.
Diese Analyse beantwortet die folgende Frage: Wo bilden hohe und niedrige Werte räumliche Cluster?
Wenn es sich bei Ihren Daten um Punkte handelt und Sie Punktanzahl auswählen, wertet dieses Werkzeug die räumliche Anordnung der Punkt-Features aus, um die folgende Frage zu beantworten: Wo werden Punkte unerwartet geclustert oder verteilt?
Wenn Sie ein Feld auswählen, wird die räumliche Anordnung der mit jedem Feature verknüpften Werte von diesem Werkzeug ausgewertet, um die folgende Frage zu beantworten: Wo bilden hohe und niedrige Werte Cluster?
Die zum Erstellen des Quadratabschnitts verwendete Entfernung wird zum Analysieren der Eingabepunkte verwendet.
Wenn Zeiteigenschaften für den Punkt-Layer aktiviert und vom Typ "Sofort" sind, kann die Analyse mittels Zeitschritten durchgeführt werden.
Zeitintervall für die Erzeugung von Zeitschritten. Zeit kann auf die Start- oder Endzeit der Eingabedaten oder auf eine festgelegte Bezugszeit ausgerichtet werden.
Zeitintervall für die Erzeugung von Zeitschritten. Zeit kann auf die Start- oder Endzeit der Eingabedaten oder auf eine festgelegte Bezugszeit ausgerichtet werden.
Vorgehensweise beim Ausrichten der Zeitschritte. Zeitschritte lassen sich auf drei Arten ausrichten:
Das Datum und die Uhrzeit zum Ausrichten der Zeitschritte.
Die Entfernung, mit deren Hilfe die Nachbarschaft für Hot-Spot-Berechnungen ermittelt wird. Die Nachbarschaft sollte größer sein als die Abschnittsgröße, um sicherzustellen, dass jeder Abschnitt mindestens einen Nachbarn aufweist. Jeder Abschnitt wird analysiert und mit den benachbarten Abschnitten verglichen.
Dies ist ein temporärer Parameter für die Vorabversion zum Festlegen des Raumbezugs für die Verarbeitung. Viele Big-Data-Werkzeuge erfordern die Verwendung eines projizierten Koordinatensystems als Raumbezug für die Verarbeitung. Das Werkzeug verwendet standardmäßig das Eingabe-Koordinatensystem, kann jedoch nicht ausgeführt werden, wenn es sich um ein geographisches Koordinatensystem handelt. Geben Sie zum Festlegen eines projizierten Koordinatensystems die WKID ein. Die Eingabe für Web Mercator ist beispielsweise 3857
.
GeoAnalytics-Ergebnisse werden in einem Data Store gespeichert und als Feature-Layer in Portal for ArcGIS dargestellt. In den meisten Fällen sollten Ergebnisse im Data Store vom Typ "spatiotemporal" gespeichert werden, was gleichzeitig die Standardeinstellung ist. Manchmal empfiehlt es sich auch, Ergebnisse im Data Store vom Typ "relational" zu speichern. Die folgenden Gründe sprechen dafür, die Ergebnisse im Data Store vom Typ "relational" zu speichern:
Der Einsatz des Data Stores vom Typ "relational" wird nicht empfohlen, wenn abzusehen ist, dass Ihre GeoAnalytics-Ergebnisse weiter zunehmen. Nutzen Sie in diesem Fall die Funktionen des Big Data Store vom Typ "spatiotemporal" zur Verwaltung von großen Datenmengen.
Der Name des Layers, der erstellt wird. Wenn Sie in einen ArcGIS Data Store schreiben, werden Ihre Ergebnisse in Eigene Inhalte gespeichert und der Karte hinzugefügt. Wenn Sie in eine Big-Data-Dateifreigabe schreiben, werden Ihre Ergebnisse in der Big-Data-Dateifreigabe gespeichert und ihrem Manifest hinzugefügt. Sie werden nicht der Karte hinzugefügt. Der Standardname basiert auf dem Werkzeugnamen und dem Namen des Eingabe-Layers. Wenn der Layer bereits vorhanden ist, kann das Werkzeug nicht ausgeführt werden.
Dieser Ergebnis-Layer zeigt statistisch signifikante Cluster mit hohen und niedrigen Werten bzw. Punktzahlen an. Wenn der Name des Ergebnis-Layers bereits vorhanden ist, werden Sie aufgefordert, ihn umzubenennen.
Wenn Sie über das Dropdown-Feld Ergebnis speichern in in ArcGIS Data Store (Big Data Store vom Typ "relational" oder "spatiotemporal") schreiben, können Sie den Namen eines Ordners in Eigene Inhalte angeben, in dem das Ergebnis gespeichert wird.