ポイントクラスターの検索 (Find Point Clusters)—Portal for ArcGIS

[ポイントクラスターの検索 (Find Point Clusters)] ツールは、空間分布に基づき周辺ノイズ内でポイントフィーチャのクラスターを検索します。

ワークフロー図

ポイントクラスターの検索 (Find Point Clusters)

解析での使用 GeoAnalytics ツール

GeoAnalytics ツールを使用した解析は、複数の ArcGIS GeoAnalytics Server コンピューターやコアにまたがる分散型処理を使用して実施されます。GeoAnalytics ツールと ArcGIS Enterprise の標準的なフィーチャ解析ツールは、異なるパラメーターと機能を持ちます。これらの相違点については、「フィーチャ解析ツールの相違点」をご参照ください。

例

非政府組織が、害虫が運ぶ特定の病気を調査しており、分析範囲内の世帯を表しているポイントデータセットが存在し、それらの世帯の一部が感染していて、その他の世帯が感染していない場合があります。[ポイントクラスターの検索 (Find Point Clusters)] ツールを使用することによって、アナリストは、感染した世帯のクラスターを決定し、害虫の処理および駆除を開始する必要のあるエリアを正確に示すことができます。

使用上の注意

[ポイントクラスターの検索] の入力は、単一ポイントレイヤーです。

[使用するクラスター分析手法を選択] パラメーターは、指定距離または自動調整クラスタリングアルゴリズムのいずれが使用されるかを決定します。指定距離 (DBSCAN) は、指定された検索距離に基づいて最近接にあるポイントのクラスターを検索します。自動調整 (HDBSCAN) は、DBSCAN と同様にポイントのクラスターを検索しますが、クラスターの可能性 (または安定性) に基づきさまざまな密度で、クラスターを考慮したさまざまな検索範囲を使用します。

すべての結果は、各フィーチャが属しているクラスターを示す CLUSTER_ID と呼ばれるフィールド、および各クラスターが隣接するクラスターから視覚的に区別されるように、結果の描画に使用されるラベルである COLOR_ID と呼ばれるフィールドを含みます。両方のフィールドで、-1 の値は、フィーチャがノイズとしてラベル付けされていることを示します。

[自己調整 (HDBSCAN)] クラスター分析手法が使用される場合、結果には次のフィールドも含まれます。

PROB - フィーチャが、割り当てられたクラスターに存在する可能性。
OUTLIER - フィーチャが自身のクラスターの外れ値である可能性。値が高いほど、フィーチャが外れ値である可能性が高いことを示しています。
EXEMPLAR - 各クラスターの最も代表的なフィーチャを示します。これらのフィーチャは値が 1 であることで示されます。
STABILITY - さまざまな縮尺における各クラスターの持続性。スコアが大きいほど、より広範な距離縮尺においてクラスターが持続できることを示しています。

[クラスターと見なす最小ポイント数] パラメーターは、選択されたクラスター分析手法に応じて異なって使用されます。

[指定距離 (DBSCAN)] - あるポイントからクラスターの形成を開始するには、そのポイントから検索範囲内にある必要があるフィーチャの数を指定します。結果は、この値よりも少ないフィーチャが含まれるクラスターを含むことができます。検索範囲の距離は、[検索範囲を設定] パラメーターを使用して設定されます。
[自己調整 (HDBSCAN)] - 密度の推定時に考慮される各ポイントに隣接するフィーチャの数 (そのポイント自体を含む) を指定します。この数は、クラスターの抽出時に許容される最小クラスターサイズでもあります。

HDBSCAN アルゴリズムを、300 万個を超えるフィーチャを含んでいる入力レイヤーとともに使用する場合、管理者が GeoAnalyticsTools GP サービスで javaHeapSize パラメーターの値を増やさない限り、ツールが失敗することがあります。300 万個のフィーチャにつき、おおよそ 2 GB のヒープ領域が必要です。GeoAnalytics Server によって通常は必要とされる 16 GB に加えて、javaHeapSize で指定された量の RAM が各 GeoAnalytics Server コンピューター上で利用可能である必要があります。たとえば、HDBSCAN を使用して 900 万個のフィーチャをクラスタリングする場合、javaHeapSize を 6144 MB または 6 GB 以上に設定する必要があります。その場合、各 GeoAnalytics Server コンピューターは、合計で少なくとも 22 GB の利用可能な RAM を備える必要があります。

詳細については、ArcGIS Pro のドキュメントの「密度ベースのクラスター分析 (Density-based Clustering) ツールの詳細」をご参照ください。

ArcGIS API for Python の例

[ポイントクラスターの検索 (Find Point Clusters)] ツールは ArcGIS API for Python で使用できます。

この例では、小売場所のクラスターを検索します。


# 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 check 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're interested in using for analysis search_result = portal.content.search("", "Big Data File Share")
# Look through search results for a big data file share with the matching name bd_file = 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 bd_file.layers if x.properties.name == "POS")
# Set the tool environment settings arcgis.env.verbose = True
# Run the tool Find Point Clusters 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

類似のツール

[ポイントクラスターの検索 (ポイントクラスターの検索)] ツールを使用して、空間分布に基づき周辺ノイズ内でポイントフィーチャのクラスターを検索します。その他の役に立つツールを紹介します。

Map Viewer 解析ツール

データの空間パターンにおいて、統計的に有意なクラスターがあるかどうかを判断する場合、[ホットスポット分析 (Find Hot Spots)] ツールを使用します。

ポイントまたはラインフィーチャの密度マップを作成する場合、[密度の計算 (Calculate Density)] ツールを使用します。

データの空間パターンにおいて、統計的に有意な範囲外ポイントがあるかどうかを判断する場合、[範囲外ポイントの検索 (Find Outliers)] ツールを使用します。

ArcGIS Desktop 解析ツール

密度ベースのクラスタリングジオプロセシングツールは、[ポイントクラスターの検索 (ポイントクラスターの検索)] ツールと同じ関数を実行します。

GeoAnalytics ツールの [ポイントクラスターの検索 (ポイントクラスターの検索)] は ArcGIS Pro でも利用できます。

このトピックへのフィードバック