Skip To Content

Rechercher des agrégats de points

Remarque :

Cette fonction n’est pas encore prise en charge dans Map Viewer Classic (anciennement Map Viewer). Elle sera disponible dans une version future de la nouvelle version deMap Viewer Map Viewer.

Icône de l’outil Rechercher des agrégats de points L’outil Rechercher des agrégats de points recherche des agrégats d’entités ponctuelles dans le bruit environnant en fonction de leur répartition spatiale ou spatio-temporelle.

Diagramme de workflow

Rechercher des agrégats de points

Analyse avec les GeoAnalytics Tools

Vous pouvez exécuter des analyses avec GeoAnalytics Tools via un traitement distribué sur plusieurs cœurs et machines ArcGIS GeoAnalytics Server. GeoAnalytics Tools et les outils d’analyse d’entités standard de ArcGIS Enterprise proposent différents paramètres et fonctionnalités. Pour en savoir plus sur ces différences, reportez-vous à la rubrique Différences entre les outils d’analyse d’entités.

Exemple

Une organisation privée étudie une maladie parasitaire et dispose d’un jeu de données représentant les ménages dans une zone d’étude, certains d’entre eux étant touchés, et d’autres non. À l’aide de l’outil Find Point Clusters (Rechercher des agrégats de points), un analyste peut déterminer les grappes de ménages infestés pour l’aider à localiser une zone où commencer le traitement et exterminer les parasites.

Remarques sur l'utilisation

L’entrée de l’outil Find Point Clusters (Rechercher des agrégats de points) est une couche de points unique.

Le paramètre Choose the clustering method you want to use (Choisir la méthode d'agrégation à utiliser) détermine si une distance définie ou un algorithme d'agrégation à ajustement automatique sera utilisé. La distance définie (DBSCAN) recherche les agrégats de points à proximité selon une plage de recherche spécifique. La méthode d’ajustement automatique (HDBSCAN) recherche des agrégats de points similaires à la distance définie (DBSCAN), mais utilise des plages de recherche variées autorisant des agrégats de densités variables selon la probabilité (ou stabilité) des agrégats.

Si la distance DBSCAN est sélectionnée, les agrégats sont accessibles dans l’espace bi-dimensionnel uniquement ou à la fois dans l’espace et dans le temps. Si vous sélectionnez Use time to find clusters (Utiliser le temps pour rechercher des agrégats) et si la couche en entrée est activée en termes temporel et est de type Instantané, DBSCAN identifiera les agrégats de points spatio-temporels à proximité selon la distance et la durée de recherche spécifiées.

Actuellement, HDBSCAN prend uniquement en charge l’agrégation spatiale et n’utilisera pas le concept temporel pour découvrir les agrégats.

Tous les résultats incluront un champ appelé CLUSTER_ID, qui indique à quel agrégat chaque entité appartient, et un champ appelé COLOR_ID, qui est une étiquette utilisée pour dessiner les résultats de telle sorte que chaque agrégat soit visuellement distinct de ses agrégats voisins dans la plupart des cas. Pour les deux champs, une valeur de -1 indique qu'une entité est considérée comme bruit.

Si la méthode d’agrégation Defined distance (DBSCAN) (Distance définie (DBSCAN)) est utilisée avec le temps pour découvrir les agrégats spatio-temporels, les résultats incluront également les champs suivants :

  • FEAT_TIME- Temps de type Instantané de l’origine de chaque entité.
  • START_DATETIME- Début de la durée de l’agrégat dont relève une entité.
  • END_DATETIME- Fin de la durée de l’agrégat dont relève une entité.

Le temps de la couche de résultat sera défini comme intervalle dans les champs START_DATETIME et END_DATETIME, garantissant que dans la plupart des cas, tous les membres de l’agrégat sont tracés ensemble lors de la visualisation des agrégats spatio-temporels avec un curseur temporel. Pour les entités de bruit, START_DATETIME et END_DATETIME seront égaux à FEAT_TIME.

Si la méthode d'agrégat Self-adjusting (HDBSCAN) (Ajustement automatique (HDBSCAN)) est utilisée, les résultats incluront également les champs suivants :

  • PROB- Probabilité qu’une entité appartienne à son agrégat attribué.
  • OUTLIER- Probabilité qu’une entité soit un point aberrant dans son propre agrégat. Une valeur plus grande indique que l’entité est plus susceptible d’être un point aberrant.
  • EXEMPLAR- Indique quelles entités sont les plus représentatives de chaque agrégat. Ces fonctionnalités sont indiquées par une valeur définie sur 1.
  • STABILITY- Persistance de chaque agrégat dans une plage d’échelles. Un score supérieur indique qu'un agrégat persiste sur une plage plus vaste d’échelles de distance.

Le paramètre Minimum number of points to be considered a cluster (Nombre minimal de points à considérer comme agrégat) est utilisé différemment selon la méthode d’agrégation choisie :

  • Distance définie (DBSCAN) : spécifie le nombre d’entités devant figurer à une certaine distance d’un point pour que ce point commence à former un agrégat. Les résultats peuvent inclure des agrégats avec moins d’entités que cette valeur. La distance recherche est définie à l’aide du paramètre Limit the search range to (Limiter la plage de recherche à). Lors de l’utilisation du temps pour rechercher les agrégats, une durée de recherche supplémentaire est requise et définie à l’aide du paramètre Limit the search duration to (Limiter la durée de recherche à). Lors de la recherche de membres d’agrégat, le nombre minimum spécifié des entités doit se trouver dans la plage et la durée de recherche spécifiques pour former un agrégat. Notez que cette distance et cette durée ne sont pas relatives au diamètre ni à la portée temporelle des agrégats de points découverts.
  • Ajustement automatique (HDBSCAN) : spécifie le nombre d’entités au voisinage de chaque point (point y compris) à considérer lors de l’estimation de la densité. Ce nombre correspond également à la taille minimale autorisée pour un agrégat lors de l’extraction des agrégats.

Lors de l’utilisation de l’algorithme HDBSCAN avec une couche en entrée contenant plus de 3 millions d’entités, l’outil peut échouer, sauf si votre administrateur augmente la valeur du paramètre javaHeapSize sur le service GP GeoAnalyticsTools. Environ 2 Go d’espace heap sont nécessaires pour 3 millions d’entités. La quantité de RAM spécifiée par javaHeapSize doit être disponible sur chaque machine GeoAnalytics Server en plus des 16 Go normalement requis par GeoAnalytics Server. Par exemple, si vous souhaitez regrouper 9 millions d’entités avec HDBSCAN, vous devez définir javaHeapSize sur au moins 6 144 Mo ou 6 Go. Dans ce cas, chaque machine GeoAnalytics Server doit avoir au minimum un total de 22 Go de RAM disponible.

Pour en savoir plus, consultez la documentation ArcGIS Pro sur le Fonctionnement de l’agrégation basée sur la densité.

Exemple de ArcGIS API for Python

L’outil Rechercher des agrégats de points est disponible dans ArcGIS API for Python.

Cet exemple recherche des agrégats de points de vente.


# 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", verify_cert=False)
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_RetailLocation")

# Look through the big data file share for points of sale
pos = next(x for x in bdfs_search.layers if x.properties.name == "POS")

# Set the tool environment settings
arcgis.env.verbose = True

# Run the Find Point Clusters tool 
output = analyze_patterns.find_point_clusters(pos, 10, "Kilometers", "POS_Clusters")

# Visualize the tool results if you are running Python in a Jupyter Notebook
processed_map = portal.map('USA')
processed_map.add_layer(output)
processed_map

Outils semblables

Utilisez l’outil Find Point Clusters (Rechercher des agrégats de points) pour rechercher des grappes d’entités ponctuelles dans le bruit environnant en fonction de leur distribution spatiale. Voici d'autres outils susceptibles d'être utiles :

Outils d'analyse Map Viewer Classic

Pour déterminer si le modèle spatial de vos données présente des agrégations statistiquement significatives, utilisez l’outil Trouver des points chauds.

Pour créer une carte de densité de vos entités ponctuelles ou linéaires, utilisez l’outil Calculer la densité.

Pour déterminer si le modèle spatial de vos données présente des points aberrants statistiquement significatifs, utilisez l’outil Trouver des points aberrants.

Outils d'analyse ArcGIS Desktop

L’outil de géotraitement Agrégation basée sur la densité effectue les mêmes fonctions que l’outil Rechercher des agrégats de points.

L’outil Rechercher des agrégats de points est disponible dans ArcGIS Pro.