Skip To Content

Buscar puntos calientes

Nota:

Esta funcionalidad actualmente solo es compatible con Map Viewer Classic (anteriormente conocido como Map Viewer).

La herramienta Buscar puntos calientes determina si hay algún clustering estadísticamente significativo en el patrón espacial de sus datos.

Diagrama de flujo de trabajo

Diagrama de flujo de trabajo de

Análisis mediante GeoAnalytics Tools

El análisis mediante GeoAnalytics Tools se ejecuta con el procesamiento distribuido en varios equipos y núcleos de ArcGIS GeoAnalytics Server. Las GeoAnalytics Tools y las herramientas de análisis de entidades estándar de ArcGIS Enterprise tienen parámetros y capacidades diferentes. Para obtener más información sobre las diferencias, consulte Diferencias de las herramientas de análisis de entidades.

Ejemplos

A continuación, se muestran ejemplos de los usos de la herramienta:

  • El departamento de policía de una ciudad está realizando un análisis para determinar si existe una relación entre los delitos violentos y las tasas de desempleo. Se implementará un programa de trabajo de verano ampliado para los institutos de las zonas con una tasa elevada de delitos violentos y de desempleo. Buscar puntos calientes se usará para buscar áreas con puntos calientes estadísticamente significativos de delito y desempleo.

  • Un oficial de conservación está estudiando enfermedades en los árboles para dar prioridad a las áreas del bosque que deben recibir tratamiento y aprender más sobre las áreas que muestran alguna resistencia. La herramienta Buscar puntos calientes se puede usar para buscar clústeres de árboles enfermos (puntos calientes) y sanos (puntos fríos).

Notas de uso

Las entidades de entrada deben ser puntos. Los puntos los analizan entidades agregadas dentro de una cuadrícula cuadrada (bins).

La capa de salida tendrá campos adicionales que contienen información como la significancia estadística de cada entidad, el valor p y la puntuación z.

Buscar puntos calientes permite analizar opcionalmente utilizando intervalos de tiempo. Cada intervalo de tiempo se analiza con independencia de las entidades que quedan fuera de él. Para usar intervalos de tiempo, los datos de entrada deben tener la función de tiempo habilitada y representar un instante en el tiempo. Cuando se aplican intervalos de tiempo, las entidades de salida serán intervalos de tiempo representados por los campos START_DATETIME y END_DATETIME.

Más información sobre los periodos de tiempo

Buscar puntos calientes requiere que la capa de área esté en un sistema de coordenadas proyectadas. Si sus datos no se encuentran en un sistema de coordenadas proyectadas y no desea establecer un sistema de coordenadas de procesamiento proyectadas, se usa la proyección cilíndrica equivalente del mundo (wkid 54034).

Si Usar la extensión del mapa actual se ha activado, solo se analizarán las entidades que estén visibles en la extensión de mapa actual. Si está desactivada, se analizarán todas las entidades de entrada de la capa de entrada, aunque estén fuera de la extensión de mapa actual.

Cómo funciona Buscar puntos calientes

Incluso los patrones espaciales aleatorios presentan cierto grado de clustering. Además, nuestros ojos y nuestros cerebros intentan, de forma natural, encontrar patrones, aunque no exista ninguno. En consecuencia, puede ser difícil saber si los patrones de sus datos son el resultado de procesos espaciales reales en curso o del azar. Esta es la razón por la que los investigadores y analistas utilizan métodos estadísticos como Buscar puntos calientes (Getis-Ord Gi*) para cuantificar los patrones espaciales.

La herramienta calcula la estadística Getis-Ord Gi*(que se pronuncia "G-i-estrella") para cada entidad en un dataset. Las puntuaciones z y los valores P resultantes indican dónde se agrupan espacialmente las entidades con valores altos o bajos. Cada entidad se analiza dentro del contexto de las entidades vecinas. Una entidad con un valor alto es interesante, pero es posible que no sea un punto caliente estadísticamente significativo. Para ser un punto caliente estadísticamente significativo, una entidad debe tener un valor alto y también estar rodeada por otras entidades con valores altos. La suma local para una entidad y sus vecinos se compara proporcionalmente con la suma de todas las entidades; cuando la suma local es muy diferente de la esperada, y esa diferencia es demasiado grande como para ser el resultado de una opción aleatoria, se obtiene como consecuencia una puntuación z estadísticamente significativa.

Cuando encuentra un clustering estadísticamente significativo en sus datos, dispone de una información valiosa. Saber dónde y cuándo se produce el clustering puede proporcionar pistas importantes sobre los procesos que producen los patrones que se están viendo. Saber que los robos residenciales, por ejemplo, son por sistema más frecuentes en ciertas vecindades es una información vital si se tienen que diseñar estrategias de prevención eficaces, asignar recursos policiales escasos, iniciar programas de vigilancia vecinal, autorizar investigaciones criminales en profundidad o identificar sospechosos potenciales.

Analizar entidades de punto

Hay disponibles diversos datos como entidades de punto. Ejemplos de entidades más representadas habitualmente como puntos incluyen incidentes, colegios, hospitales, eventos de llamada de emergencia, accidentes de tráfico, pozos de agua, árboles y botes En ocasiones le puede interesar analizar valores de datos (un campo) asociados con cada entidad de puntos. En otros casos, quizá solo le interese evaluar la formación de clústeres en los propios puntos. La decisión de proporcionar o no un campo dependerá de la pregunta que se esté formulando.

Buscar agrupaciones de recuentos de puntos altos y bajos

Analizar puntos sin campo de análisis Para algunos datos de puntos, normalmente cuando cada punto representa un evento, incidente o indicación de presencia o ausencia, no habrá ningún campo de análisis obvio que se pueda usar. En estos casos, solo tiene que saber dónde se da una creación de clústeres inusualmente intensa o escasa (estadísticamente significativa). Para este análisis, las entidades de área (una cuadrícula de bins que la herramienta crea para usted) se sitúan sobre los puntos y se hace un recuento del número de puntos incluido dentro de cada área. La herramienta encuentra los clústeres de recuentos de puntos altos y bajos asociados con cada entidad de área.

Interpretar los resultados

La salida de la herramienta Buscar puntos calientes es un mapa. En los puntos o las áreas de este mapa de capa de resultados, cuanto más oscuros aparezcan el color rojo o azul, más seguridad podrá tener de que el clustering no es el resultado de una casualidad aleatoria. Los puntos o áreas que aparecen en color beis, no obstante, no forman parte de ningún clúster estadísticamente significativo; el patrón espacial asociado con estas entidades podría ser resultado del azar. Algunas veces, los resultados de su análisis indicarán que no hay clústeres estadísticamente significativos. Esta es información importante.

Un patrón espacial no le dará pista alguna sobre las causas subyacentes. En estos casos, todas las entidades de la capa de resultados aparecerán en beis. Sin embargo, cuando usted encuentra un clustering estadísticamente significativo, las ubicaciones en las que se producen dichas agrupaciones proporcionan pistas importantes sobre los motivos que podrían haber generado dicha agrupación. Por ejemplo, encontrar un clustering espacial estadísticamente significativo de cáncer asociado con determinadas toxinas medioambientales puede promover políticas y medidas destinadas a proteger a la población. De un modo similar, encontrar puntos fríos de obesidad infantil asociada con escuelas que fomenten programas de deporte extraescolar puede proporcionar una sólida justificación para promocionar este tipo de programas a escala más amplia.

Limitaciones

Las entradas deben incluir una capa de puntos y se agregarán a bins de un tamaño especificado antes del análisis. Para encontrar puntos calientes sin agregarlos o si la entrada es una capa de polígono, utilice la herramienta de análisis de entidades estándar Buscar puntos calientes.

Ejemplo de ArcGIS API for Python

La herramienta Buscar puntos calientes está disponible a través de ArcGIS API for Python.

En este ejemplo se buscan puntos calientes de delitos en los lugares en los que el tipo de delito es doméstico.


# Import the required ArcGIS API for Python modules
import arcgis
from arcgis.gis import GIS
from arcgis.geoanalytics import analyze_patterns

# Connect to your ArcGIS Enterprise portal and confirm that GeoAnalytics is supported
portal = GIS("https://myportal.domain.com/portal", "gis_publisher", "my_password")
if not portal.geoanalytics.is_supported():
    print("Quitting, GeoAnalytics is not supported")
    exit(1)   

# Find the big data file share dataset you'll use for analysis
search_result = portal.content.search("", "Big Data File Share")

# Look through the search results for a big data file share with the matching name
bdfs_search = next(x for x in search_result if x.title == "bigDataFileShares_PoliceData")

# Look through the big data file share for Crimes
crimes = next(x for x in bdfs_search.layers if x.properties.name == "Crimes")

# Set the tool environment settings and apply a filter to crimes
arcgis.env.verbose = True
crimes.filter = "Domestic = 'TRUE'"

# Find hot spot of domestic crime occurrence with hot spot cell size of 1 mile
hot_spots_result = analyze_patterns.find_hot_spots(point_layer = crimes,
                                                   bin_size = 1, 
                                                   bin_size_unit = 'Miles',
                                                   neighborhood_distance = 5,
                                                   neighborhood_distance_unit = 'Miles',
                                                   output_name = "Crimes_Hotspots")

# Visualize the tool results if you are running Python in a Jupyter Notebook
processed_map = portal.map('City, State', 10)
processed_map.add_layer(hot_spots_result)
processed_map

Herramientas similares

Use Buscar puntos calientes para determinar si hay algún clustering estadísticamente significativo en el patrón espacial de sus datos. Otras herramientas que pueden ser útiles son las siguientes:

Herramientas de análisis del Map Viewer Classic

Si desea buscar puntos calientes en áreas utilizando las herramientas de análisis estándar, consulte Buscar puntos calientes.

Si le interesa encontrar valores atípicos en el patrón espacial de los datos, use la herramienta estándar Buscar valores atípicos.

Si le interesa crear un mapa de densidad de las entidades de puntos o líneas, use la GeoAnalytics Tools Calcular densidad o la herramienta estándar Calcular densidad.

Herramientas de análisis de ArcGIS Pro

GeoAnalytics Tools Buscar puntos calientes está disponible en ArcGIS Pro.

Buscar puntos calientes ejecuta la misma estadística usada en las herramientas Análisis de puntos calientes (Getis-Ord Gi*) y Análisis de puntos calientes optimizado.