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.
L’outil Trouver des points chauds détermine si le modèle spatial de vos données présente des agrégations statistiquement significatives.
Diagramme de workflow
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.
Exemples
Voici des exemples d’utilisations de l’outil :
Le commissariat de police d'une ville réalise une analyse afin de déterminer s'il existe une relation entre les crimes violents et le taux de chômage. Un programme d’emplois saisonniers sera mis en place à destination des lycéens ans les zones où les taux de crimes violents et de chômage sont élevés. L'outil Trouver des points chauds permet de trouver des zones présentant des points chauds de crimes et chômage statistiquement significatifs.
Un agent des services de protection de l’environnement étudie les maladies des arbres pour accorder les priorités aux zones forestières à traiter et pour en savoir plus sur les zones qui montrent une certaine résistance. L'outil Trouver des points chauds permet de localiser les groupes d'arbres malades (points chauds) et d'arbres sains (points froids).
Remarques sur l'utilisation
Les entités en entrée doivent être des points. Les points sont analysés par entités agrégées au sein d’une grille de carrés (groupes).
La couche en sortie comportera des champs supplémentaires contenant des informations telles que la signification statistique de chaque entité, la valeur de p et le score z.
Trouver des points chauds vous permet d’effectuer des analyses à l’aide d’intervalles temporels. Chaque intervalle temporel est analysé indépendamment des entités en dehors de l’intervalle temporel. Pour que vous puissiez utiliser la discrétisation temporelle, vos données en entrée doivent être temporelles et représenter un instant dans le temps. Lorsque la discrétisation temporelle est appliquée, les entités en sortie sont des intervalles temporels représentés par les champs START_DATETIME et END_DATETIME.
En savoir plus sur les intervalles temporels
L’outil Trouver des points chauds exige que votre couche surfacique utilise un système de coordonnées projetées. Si vos données ne figurent pas dans un système de coordonnées projetées et que vous ne définissez pas de traitement de système de coordonnées projetées, la projection World Cylindrical Equal Area (WKID 54034) est utilisée.
Si l'option Use current map extent (Utiliser l'étendue courante de la carte) est sélectionnée, seules les entités qui sont visibles au sein de l'étendue courante de la carte seront analysées. Si l’option n’est pas sélectionnée, toutes les entités en entrée qui se trouvent dans la couche en entrée sont analysées, même si elles se trouvent en dehors de l’étendue actuelle de la carte.
Fonctionnement de Trouver des points chauds
Même les modèles spatiaux aléatoires présentent un certain degré d'agrégation. En outre, nos yeux et notre cerveau tentent naturellement d'identifier des modèles même si aucun n'existe. Par conséquent, il peut être difficile de savoir si les modèles de vos données sont le résultat de processus spatiaux réels en cours ou s’ils découlent du hasard. C’est pourquoi les chercheurs et les analystes utilisent des méthodes statistiques, telles que Trouver des points chauds (Getis-Ord Gi*) pour quantifier les modèles spatiaux.
L’outil permet de calculer les statistiques Getis-Ord Gi* de chaque entité d’un jeu de données. Les scores z et valeurs p obtenus vous indiquent l'endroit où les entités de valeurs élevées ou faibles sont agrégées spatialement. Chaque entité est analysée dans le contexte des entités voisines. Une entité dotée d’une valeur élevée est intéressante, mais il ne s’agit pas forcément d’un point chaud statistiquement significatif. Pour être un point chaud statistiquement significatif, une entité doit avoir une valeur élevée et être entourée d’autres entités dotées de valeurs élevées. La somme locale d'une entité et de ses voisins est comparée proportionnellement à la somme de toutes les entités. Lorsque la somme locale est très différente de la somme locale attendue, et si la différence est trop importante pour n'être que le fruit du hasard, un score z statistiquement significatif est généré.
La réalisation d'une agrégation statistiquement significative sur vos données permet d'obtenir des informations précieuses. Le fait de savoir où et quand l’agrégation se produit peut fournir des indications importantes sur les processus qui contrôlent les modèles auxquels vous assistez. Par exemple, savoir que le nombre de cambriolages résidentiels est plus élevé dans certains quartiers constitue une information clé si vous devez mettre en place des stratégies de prévention efficaces, allouer des ressources policières limitées, initier des programmes de surveillance de quartier, autoriser des enquêtes criminelles approfondies ou identifier des suspects potentiels.
Analyser les entités ponctuelles
Diverses données sont disponibles comme entités ponctuelles. Parmi les exemples d'entités fréquemment représentées par des points, citons les incidents criminels, les écoles, les hôpitaux, les appels d'urgence, les accidents de la route, les puits d'eau, les arbres et les bateaux. Vous pouvez souhaiter analyser des valeurs de données (champ) associées à chaque entité ponctuelle. Dans d'autres cas, vous vous intéressez uniquement à l'évaluation des grappes de points. La décision de fournir ou non un champ dépend de la question que vous posez.
Rechercher des grappes de nombres de points élevées et faibles
Dans le cas de certaines données ponctuelles, généralement lorsque chaque point représente un événement, un incident ou une indication de présence ou d’absence, il n’existe pas de champ d’analyse qui coule de source. Vous pouvez souhaiter savoir où l'agrégation est inhabituellement (statistiquement significative) intense ou faible. Pour cette analyse, les entités surfaciques (une grille de groupes créée par l’outil) sont placées par-dessus les points et le nombre de points dans chaque surface est compté. L'outil recherche ensuite de grappes de nombres de points élevées et faibles associées à chaque entité surfacique.
Interpréter les résultats
La sortie de l'outil Trouver les points chauds est une carte. Pour les points ou les surfaces dans cette carte de couche de résultat, plus la couleur rouge ou bleue est foncée et plus vous pouvez être certain que l'agrégation n'est pas le fruit du hasard. Toutefois, les points ou surfaces qui s’affichent en beige ne font pas partie d’une grappe statistiquement significative. Le modèle spatial associé à ces entités peut être le fruit du hasard. Il peut arriver que les résultats de votre analyse n’indiquent aucune grappe statistiquement significative. Ces informations sont importantes.
Un motif spatial aléatoire ne donne aucune indication des causes sous-jacentes. Dans ce cas, toutes les entités de la couche de résultat apparaissent en beige. Cependant, lorsque vous détectez une agrégation statistiquement significative, les emplacements où surviennent l’agrégation fournissent des indications importantes quant à ses origines. Par exemple, la recherche d'agrégations spatiales statistiquement significatives de cas de cancers associés à certaines toxines présentes dans l'environnement, par exemple, peut contribuer à la mise en place de stratégies et de campagnes de protection de la population. De la même façon, les points froids d'obésité infantile associés à des programmes d'incitation à la pratique de sport en dehors de l’école peuvent justifier la promotion à plus grande échelle de ce type de programmes.
Limitations
Les entrées doivent contenir une couche de points ; elles sont agrégées dans des groupes d’une taille donnée avant l’analyse. Pour trouver des points chauds sans agrégation, ou si votre entrée est une couche surfacique, utilisez l’outil d’analyse d’entités standard Trouver des points chauds.
Exemple de ArcGIS API for Python
L’outil Rechercher les points chauds est disponible dans ArcGIS API for Python.
Cet exemple trouve les points chauds de la criminalité dont le type de délit est domestique.
# 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_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
Outils semblables
L'outil Trouver des points chauds permet de déterminer si le modèle spatial de vos données présente des agrégations statistiquement significatives. Voici d'autres outils susceptibles d'être utiles :
Outils d'analyse Map Viewer Classic
Pour utiliser les outils d’analyse standard pour trouver des points chauds dans des zones, reportez-vous à la rubrique Trouver des points chauds.
Si vous êtes intéressé par la recherche de points aberrants dans le modèle spatial de vos données, utilisez l’outil standard Trouver des points aberrants.
Si vous souhaitez créer une carte de densité de vos entités ponctuelles ou linéaires, utilisez les GeoAnalytics Tools Calculer la densité ou l’outil standard Calculer la densité.
Outils d'analyse ArcGIS Pro
L’GeoAnalytics Tools Trouver des points chauds est disponible dans ArcGIS Pro.
L’outil Trouver des points chauds calcule les mêmes statistiques que les outils Analyse de points chauds (Getis-Ord Gi*) et Analyse de points chauds optimisée.
Vous avez un commentaire à formuler concernant cette rubrique ?