Summarize Data

The Summarize Data toolset contains tools that calculate total counts, lengths, areas, and basic descriptive statistics of features and their attributes within areas or near other features.

• Aggregate Points calculates statistics about points that fall within specified areas or bins.
• Build Multi-Variable Grid generates a grid of square or hexagonal bins and calculates values for each bin based on the proximity of each input layer.
• Describe Dataset calculates a summary of your input, and can optionally generate a sample of your input layer.
• Join Features calculates statistics about features that share a spatial, temporal, or attribute relationship with other features.
• Reconstruct Tracks calculates statistics about points or polygons that belong to the same track and reconstructs inputs into tracks.
• Summarize Attributes calculates statistics about feature or tabular data that share attributes.
• Summarize Within calculates statistics for area features and attributes that overlap each other.

Agréger des points

A l'aide d'une couche d'entités ponctuelles et d'une couche d'entités surfaciques ou de groupes définis par une distance spécifiée, cet outil détermine les points qui se trouvent dans chaque surface ou groupe et calcule les statistiques concernant tous les points au sein de chaque surface ou groupe. Vous pouvez également appliquer des tranches horaires avec cet outil.

Voici quelques exemples :

• Etant donné les emplacements des points des délits, comptabilise le nombre de délits par comté ou autre secteur administratif.
• Recherche les revenus mensuels les plus élevés et les plus faibles des franchises à l’aide de groupes de 100 kilomètres.

Construire un carroyage à plusieurs variables

L’outil Build Multi-Variable Grid (Construire un carroyage à plusieurs variables) génère une grille de groupes carrés ou hexagonaux et calcule les variables pour chaque groupe en fonction de la proximité d’une ou de plusieurs couches en entrée.

Voici quelques exemples :

• Dans le cas d’une infrastructure de transport public composée de plusieurs couches, quelle partie de la ville est la moins bien desservie par les transports publics ?
• Dans le cas de cours d’eau composés de plusieurs couches, comme des lacs et des rivières, quel nom porte l’étendue d’eau la plus proche de n’importe quel point des États-Unis ?
• Dans le cas d’une couche de revenus des ménages, où aux États-Unis se trouve la variation la plus importante de revenus dans un rayon de 80 km ?

Décrire le jeu de données

Synthétisez les entités en entrée sous forme de statistiques, d’exemples de couches et de visualisation. Vous pouvez choisir de générer en sortie un exemple de couche ou une couche de l’étendue.

Voici quelques exemples :

• Reportez-vous aux statistiques de synthèse calculées pour comprendre les valeurs que votre jeu de données renferme.
• Au lieu de dessiner la totalité du jeu de données, créez une couche du sous-ensemble pour visualiser les entités et leurs attributs lorsqu’ils sont ajoutés à une carte.
• Économisez du temps et des ressources en procédant à l’analyse sur un exemple de couche avant d’analyser l’intégralité du jeu de données.

Joindre les entités

A l'aide des couches d'entités ou des données tabulaires, vous pouvez joindre des entités et des enregistrements en fonction des relations spécifiques entre les couches ou tables en entrée. Les jointures sont déterminées par des relations spatiales, temporelles et attributaires et des résumés statistiques peuvent être calculés.

Voici quelques exemples :

• Pour les emplacements des points des délits avec une heure, l'outil joint les données de criminalité à elles-mêmes, en spécifiant une relation spatiale des crimes à moins d'un kilomètre les uns des autres, afin de déterminer si une séquence de crimes proches les uns des autres a lieu dans l'espace et le temps.
• Pour une table de codes postaux avec des informations démographiques et des entités surfaciques représentant des bâtiments résidentiels, l’outil joint les informations démographiques aux résidences afin que chaque résidence dispose des informations.

Reconstruire les pistes

A l'aide d'une couche temporelle d'entités ponctuelles ou surfaciques qui représentent un instant donné dans le temps, cet outil détermine quelles entités en entrée appartiennent à une piste et trie les entrées séquentiellement dans le temps. Des statistiques peuvent être calculées pour les entités en entrée au sein de chaque piste.

Voici quelques exemples :

• Pour les emplacements des points et les mesures horaires de l'ouragan, l'outil calcule la vitesse moyenne du vent et la pression éolienne maximale de l'ouragan.
• Utilisez les mesures GPS des navires pour reconstruire les trajets des navires sous forme de lignes.

Synthétiser les attributs

À l’aide de données d’entité ou de données tabulaires, cet outil synthétise les statistiques des champs spécifiés.

Voici quelques exemples :

• En tenant compte de l’emplacement des épiceries avec un champ COMPANY_NAME, l’outil synthétise les magasins en fonction du nom de la société pour déterminer les statistiques de chaque société.
• Pour une table d’épiceries avec des champs COMPANY_NAME et COUNTY, synthétise les magasins en fonction du nom de la société et du comté pour déterminer les statistiques de chaque société au sein de chaque comté.

Synthétiser - A l’intérieur

Recherche les surfaces (et les parties de surfaces) qui recouvrent deux couches et calcule les statistiques concernant le chevauchement.

Voici quelques exemples :

• En prenant une couche de zones de bassin versant et une couche de zones d'utilisation du sol par type d'utilisation du sol, calculez la superficie totale du type d'utilisation du sol pour chaque bassin versant.
• En prenant une couche de parcelles dans un comté et une couche de limites de ville, résumez la valeur moyenne des parcelles vacantes au sein de chaque ville.

Détecter les incidents

Cet outil fonctionne avec une couche temporelle de points, de lignes, de surfaces ou de tables qui représente un instant donné dans le temps. À l’aide d’entités organisées de manière séquentielle, appelées pistes, cet outil détermine quelle entités sont des incidents d’intérêt. Les incidents sont déterminés par des conditions que vous spécifiez.

Voici quelques exemples :

• Détectez des mesures d’ouragans qui sont des ouragans de catégorie 4 en fonction d’un attribut de vitesse du vent.
• En utilisant les mesures GPS du mouvement du navire avec un champ représentant la vitesse du navire, recherchez les mesures supérieures à 1,5 fois la moyenne des cinq mesures précédentes.

Rechercher des emplacements similaires

Selon les critères que vous spécifiez, l'outil Rechercher des emplacements similaires mesure la similarité entre les emplacements figurant dans votre couche de recherche de candidats et un ou plusieurs emplacements de référence.

Voici quelques exemples :

• Recherche les dix magasins les plus similaires en examinant le nombre d'employés et les ventes annuelles.
• Recherche les 100 villes les plus similaires en examinant la relation entre la population, la croissance annuelle et les recettes fiscales.

Analyser la répartition spatiale

Ces outils vous permettent d’identifier, de quantifier et de visualiser les modèles spatiaux dans vos données.

• L'outil Calculer la densité sélectionne des quantités connues de certains phénomènes et les répartit sur la carte.
• Trouver des points chauds identifie les agrégations statistiquement significatives dans le modèle spatial de vos données.
• L’outil Rechercher des agrégats de points détecte les agrégats d’entités ponctuelles dans le bruit environnant en se basant sur leur distribution spatiale.
• L’outil Régression et classification basées sur une forêt crée des modèles et génère des prévisions à l’aide d’une adaptation de l’algorithme de forêt aléatoire développé par Leo Breiman, une méthode d’apprentissage automatique supervisée.
• L’outil Régression linéaire généralisée génère des prévisions ou modélise une variable dépendante en fonction de sa relation à un ensemble de variables explicatives.

Calculer la densité

L'outil Calculer la densité crée une carte de densité à partir d'entités ponctuelles en répartissant des quantités connues de certains phénomènes (représentés sous forme d'attributs des points) sur la carte. Le résultat est une couche de surfaces représentant la densité.

Voici quelques exemples :

• Calcul des densités des hôpitaux au sein d'un comté. La couche de résultat affiche les zones dont l'accessibilité aux hôpitaux est élevée ou faible et ces informations peuvent servir à choisir où implanter de nouveaux hôpitaux.
• Identification des zones présentant de forts risques d'incendies forestiers en fonction des emplacements historiques des incendies forestiers.
• Localisation des communautés qui se trouvent à l'écart des principaux axes routiers en vue de planifier la construction de nouvelles routes.

Rechercher des agrégats de points

L’outil Rechercher des agrégats de points détecte les agrégats d’entités ponctuelles dans le bruit environnant en se basant sur leur distribution spatiale.

Voici quelques exemples :

• Recherchez les agrégats de ménages infestés pour vous aider à cibler les opérations d’éradication.
• Organisez les opérations de secours et d’évacuation en fonction de la taille et de l’emplacement des agrégats en utilisant les tweets de géolocalisation suite à une catastrophe naturelle ou à une attaque terroriste.

Rechercher les points chauds

L'outil Rechercher les points chauds détermine si le modèle spatial de vos données présente des agrégations statistiquement significatives.

• Vos points (délits, arbres, accidents de la circulation) sont-ils réellement agrégés ? Comment en être certain ?
• Avez-vous vraiment découvert un hot spot statistiquement significatif (dépenses, mortalité infantile, résultats d'examens élevés homogènes) ou votre carte donnerait-elle des résultats différents en modifiant sa symbolisation ?

Régression et classification basées sur une forêt

L’outil Régression et classification basées sur une forêt modélise et génère des prévisions à l’aide d’une adaptation de l’algorithme de forêt aléatoire développé par Leo Breiman ; celle-ci est une méthode d’apprentissage automatique supervisée

Voici quelques exemples :

• Si l’on dispose de données sur la présence de la posidonie, ainsi que d’un certain nombre de variables explicatives environnementales représentées sous forme d’attributs enrichis à l’aide d’un carroyage à plusieurs variables pour calculer les distances jusqu’aux usines en amont et aux zones portuaires principales, il est possible de prévoir les prochaines implantations de posidonie d’après les projections futures de ces variables explicatives environnementales.
• Supposons que vous détenez des données sur le rendement des récoltes de centaines d’exploitations agricoles et que, pour chacune de ces exploitations, vous disposiez aussi d’autres attributs (nombre d’employés, surface cultivée, etc.). En vous appuyant sur ces éléments de données, vous pouvez fournir un ensemble d'entités permettant de représenter les exploitations agricoles pour lesquelles vous n’avez pas de rendement de récoltes (alors que vous avez toutes les autres variables), afin de prévoir le rendement des cultures.
• Il est possible de prévoir la valeur des logements en fonction du prix des maisons vendues au cours de l’année précédente. Vous pouvez étudier le prix de vente des logements et des données telles que le nombre de chambres, la proximité des établissements scolaires et des principaux axes routiers, le revenu moyen et le nombre de délits pour prévoir les prix de vente de logements similaires.

Régression linéaire généralisée

L’outil Régression linéaire généralisée génère des prévisions ou modélise une variable dépendante en fonction de sa relation à un ensemble de variables explicatives. Cet outil permet d’adapter des modèles continus (moindres carrés ordinaires), binaires (logistique) et totaux (Poisson).

Voici quelques exemples :

• Quelles caractéristiques démographiques contribuent aux taux élevés de fréquentation des transports en commun ?
• Existe-t-il une relation positive entre vandalisme et cambriolage ?
• Quelles variables prévoient efficacement le volume des appels au services d’urgence ? Sur la base des projections à venir, quelle est la demande attendue en termes de ressources pour les services d'urgence ?
• Quelles variables sont associées à un taux de natalité faible ?

Créer des zones tampon

Une zone tampon est une surface qui couvre une distance donnée à partir d'une entité ponctuelle, linéaire ou surfacique.

Voici quelques exemples :

• A l'aide d'entités de rivière linéaires, bufférise chaque rivière de 50 fois la largeur de la rivière pour proposer une limite riveraine.
• Etant donné des surfaces représentant des comtés, bufférise chaque comté de 200 miles nautiques pour déterminer la limite maritime.

Manage Data

These tools are used for the day-to-day management of geographic and tabular data.

• Append Data appends features to an existing hosted feature layer.
• Calculate Field creates a new field or modifies an existing field and creates a new layer in your contents.
• Clip Layer copies features that intersect a defined area of interest.
• Copy to Data Store copies data to your ArcGIS Data Store and creates a layer in your contents.
• Dissolve Boundaries merges areas that share a common boundary or attribute value.
• Merge Layers copies all features from two layers into a single result layer.
• Overlay Layers combines two or more layers into a single layer.

Copier dans le stockage des données

Copie une couche d’entités en entrée ou une table dans un ArcGIS Data Store et crée une couche dans vos contenus dans ArcGIS Enterprise.

Voici quelques exemples :

• Copie une collection de fichiers .csv d’un partage de fichiers Big Data dans le stockage des données spatio-temporelles à des fins de visualisation.
• Copie les entités de l'étendue actuelle de la carte qui sont stockées dans le stockage des données spatio-temporelle vers le stockage des données relationnelles.

Calculer un champ

Calcule les valeurs d’un champ nouveau ou existant et crée une couche dans vos contenus dans ArcGIS Enterprise.

Voici quelques exemples :

• Modifier un champ existant nommé total pour qu'il indique la somme des recettes des champs total_2016, total_2017, et total_2018.
• Créer un nouveau champ pour catégoriser les niveaux de danger sur la base des valeurs de champs telles que windspeed et pollutant.

Découper la couche

Découpe les entités en entrée en fonction des zones d’intérêt définies. Le résultat en sortie représente un sous-ensemble des entités en entrée.

Voici quelques exemples :

• Créez un sous-ensemble des bâtiments présentant un risque situés dans des zones inondables.
• Déterminez les routes principales traversant vos zones d’aménagement potentiel.

Fusionner les limites

Fusionne les entités de surface qui coupent ou partagent une valeur de champ commune afin de créer des entités multi-parties ou contiguës.

Voici quelques exemples :

• Créez une seule entité représentant l’État d’Hawaï en fusionnant les limites des îles hawaïennes.
• Combinez des zones d’étude analogues en fonction du type de sol pour produire un jeu de données de type de sol contigu.

Superposer les couches

Superpose deux ou plusieurs couches en une seule couche. La superposition est utilisée pour répondre à l’une des questions fondamentales de la géographie : Qu’est-ce qui se trouve sur quoi ?

Voici quelques exemples :

• Quelles parcelles se trouvent dans la zone de crue centennale ? (Le terme "dans" est une autre manière de dire "sur".)
• Quelle utilisation du sol se trouve sur quel type de sol ?
• Quels puits se trouvent dans des bases militaires abandonnées ?

Ajouter des données

Ajoute des entités à une couche hébergée existante dans votre contenu, dans ArcGIS Enterprise.

Voici quelques exemples :

• Mettez à jour votre couche d’entités 2018_Sales tous les mois lorsque vos rapports sont disponibles.
• Ajoutez les jeux de données de suivi des ouragans pour les années 2016 et 2017 dans un jeu de données principale.
• Collectez et ajoutez les jeux de données de structure différente provenant de sources variées en utilisant l’appariement de champs.

Combiner les couches

Combine deux couches d’entités pour créer une seule couche. Tous les champs de la couche de fusion seront inclus par défaut ; vous pouvez aussi spécifier des règles de fusion personnalisées pour définir la structure finale.

Voici quelques exemples :

• Fusionnez trois couches contenant les données démographiques de l’Angleterre, du pays de Galles et de l’Écosse pour former une seule couche pour toute la Grande-Bretagne.
• Combinez deux couches contenant les informations relatives aux parcelles des cantons contigus en ne conservant que les champs qui portent le même nom et qui ont le même type dans les deux couches.

Enrichir à l’aide d’un carroyage à plusieurs variables

L’outil joint efficacement les attributs provenant d’un carroyage à plusieurs variables à une couche de points, ce qui permet d’ajouter rapidement une masse d’informations hétérogènes à des données ponctuelles en vue de leur analyse spatiale ultérieure.

Voici quelques exemples :

• Considérons une couche contenant des millions de défaillances électriques ; enrichissez les entités incidents avec des informations sur l’utilisation standard, les risques environnementaux, l’état des infrastructures de manière à étudier la relation entre ces facteurs et la fréquence de la défaillance électrique.