다중 변수 격자 생성 도구는 정사각형 또는 육각형 그룹의 격자를 생성하고 하나 이상의 입력 레이어의 인접성을 기반으로 각 그룹에 대한 변수를 계산합니다. 해당 변수에는 다음이 포함될 수 있습니다.
- 가장 가까운 피처까지의 거리 - 각 그룹에서 가장 가까운 피처까지의 거리
- 가장 가까운 피처의 속성 - 각 그룹에 가장 가까운 피처의 필드 값
- 주변 요약 - 각 그룹의 거리 내에 있는 모든 피처의 지정된 통계
- 교차 요약 - 각 그룹과 교차하는 모든 피처의 지정된 통계
GeoAnalytics Tools를 사용하여 분석
GeoAnalytics Tools를 사용하는 분석은 여러 ArcGIS GeoAnalytics Server 머신 및 코어에서 분산 처리를 사용하여 실행됩니다. ArcGIS Enterprise의 GeoAnalytics Tools 및 표준 피처 분석 도구에는 다양한 매개변수와 기능이 있습니다. 이러한 차이점에 대한 자세한 내용은 피처 분석 도구의 차이점을 참고하세요.
사례
새로운 대중교통 인프라에 투자할 곳을 선택하는 것은 다양한 유형의 데이터를 시각화해야 하는 복잡한 문제일 수 있습니다. 인구 통계 데이터의 여러 레이어뿐 아니라 미국 전역의 기존 인프라를 나타내는 여러 데이터셋에 접근할 수 있습니다. 다중 변수 격자 생성을 사용하면 이 모든 데이터를 단일 데이터셋으로 요약하여 가장 가까운 기존 인프라와의 거리, 평균 주변 인구 및 미국의 모든 지역에 대한 주변 소득의 분산을 시각화할 수 있습니다.
사용 참고 사항
포인트, 라인, 영역 피처에 대한 변수가 계산됩니다.
각 변수에 대해 변수 유형을 지정하고 제목을 제공해야 합니다. 이 제목은 각 그룹의 값이 포함된 결과 레이어의 필드 이름입니다. 다중 변수 격자 생성을 사용하여 계산할 수 있는 각 변수 유형은 고유한 매개변수 집합으로 구성되어야 합니다. 이러한 매개변수가 아래에 나열됩니다.
| 변수 | 설명 | 매개변수 |
|---|---|---|
가장 가까운 피처의 거리 | 각 그룹의 중심에서 입력 레이어의 가장 가까운 피처까지의 거리입니다. 결과는 처리 공간 참조 단위가 됩니다(처리 공간 참조 설정 참고). | 그룹 중심에서 최대 거리는 도구가 입력 레이어에서 피처를 검색할 수 있는 각 그룹의 중심에서 가장 먼 거리입니다. 이 값은 그룹 크기보다 커야 합니다. 이 검색 반경에서 검색된 피처가 없으면 그룹이 이 변수의 null 값으로 할당됩니다. |
가장 가까운 피처의 속성 | 각 그룹 중심에 가장 가까운 피처의 필드 값입니다. 필드는 어떠한 유형도 될 수 있습니다. 두 개 이상의 피처가 그룹 중심에서 동거리에 있고 가장 가까운 경우 피처 중 하나가 무작위로 선택되어 필드 값이 결과 레이어에 포함됩니다. | 포함할 필드는 입력 레이어의 필드 이름입니다. 그룹의 중심에 가장 가까운 피처의 필드 값은 결과 레이어의 그룹 속성으로 포함됩니다. 그룹 중심에서 최대 거리는 도구가 입력 레이어에서 피처를 검색할 수 있는 각 그룹의 중심에서 가장 먼 거리입니다. 이 값은 그룹 크기보다 커야 합니다. 이 검색 반경에서 검색된 피처가 없으면 그룹이 이 변수의 null 값으로 할당됩니다. |
주변 요약 | 지정된 필드에서 계산되고 각 그룹 중심의 지정된 거리 내에 있는 모든 피처를 사용하는 통계입니다. 피처의 일부가 거리 내에 있으면 피처가 계산에 포함됩니다. | 계산할 통계는 입력 레이어의 필드 이름이며 해당 필드에서 계산할 통계입니다. 다음 내 피처 요약은 도구가 입력 레이어에서 피처를 검색할 수 있는 각 그룹의 중심에서 가장 먼 거리입니다. 이 검색 반경 내에 있는 모든 피처는 지정된 통계를 사용하여 요약됩니다. 이 값은 그룹 크기보다 커야 합니다. 이 검색 반경에서 검색된 피처가 없으면 그룹이 이 변수의 null 값으로 할당됩니다. |
교차 요약 | 지정된 필드에서 계산되고 그룹과 교차하는 모든 피처를 사용하는 통계입니다. 피처 일부가 그룹 영역 내에 있으면 피처가 계산에 포함됩니다. | 계산할 통계는 입력 레이어의 필드 이름이며 해당 필드에서 계산할 통계입니다. 각 그룹의 경우 그룹과 교차된 피처가 요약됩니다. 그룹과 교차하는 피처가 없으면 그룹이 이 변수의 null 값으로 할당됩니다. |
주변 요약과 교차 요약 옵션은 숫자 필드의 통계에서 계산할 수 있습니다.
- 개수 - null이 아닌 값의 개수를 계산합니다. 숫자 필드나 문자열에 사용할 수 있습니다. [null, 0, 2]의 개수는 2입니다.
- 합계 - 필드에 있는 숫자 값의 합계입니다. [null, null, 3]의 합계는 3입니다.
- 평균 - 숫자 값의 평균입니다. [0, 2, null]의 평균은 1입니다.
- 최소 - 숫자 필드의 최소 값입니다. [0, 2, null]의 최소는 0입니다.
- 최대 - 숫자 필드의 최대 값입니다. [0, 2, null]의 최대는 2입니다.
- 범위 - 숫자 필드의 범위입니다. 이 값은 최대 값에서 최소 값을 뺀 값입니다. [0, null, 1]의 범위는 1입니다. [null, 4]의 범위는 0입니다.
- 분산 - 트랙 내 숫자 필드의 분산입니다. [1]의 분산은 null입니다. [null, 1,0,1,1]의 분산은 0.25입니다.
- 표준편차 - 숫자 필드의 표준편차입니다. [1]의 표준편차는 null입니다. [null, 1,0,1,1]의 표준편차는 0.5입니다.
- 개수 - null이 아닌 문자열의 개수입니다.
- 임의 - 이 통계는 지정된 필드에 있는 문자열 값에 대한 랜덤 샘플입니다.
그룹 크기는 다중 변수 격자의 그룹 크기를 지정합니다. 육각형 그룹을 생성하려는 경우 그룹 크기는 각 육각형 높이이며 결과 육각형 너비는 높이를 3의 제곱근으로 나눈 값의 2배입니다. 사각형 그룹을 생성하려는 경우 그룹 크기는 사각형의 높이로 이는 너비와 같습니다.
지리 좌표계가 지정된 비닝(육각형 또는 사각형)을 사용하는 GeoAnalytics Tools 분석은 데이터 범위에 따라 자동으로 투영 좌표계를 사용합니다. 분석용 좌표계 설정에 대한 자세한 정보는 맵 뷰어의 GeoAnalytics 도구에 대한 분석 환경 사용을 참고하세요.
현재 맵 범위 사용을 선택한 경우 현재 맵 범위 내에 보이는 피처만 분석됩니다. 선택하지 않으면 현재 맵 범위 외부에 있는 피처를 포함하여 입력 레이어에 있는 모든 입력 피처가 분석됩니다.
제한 사항
다중 변수 격자 생성은 테이블을 사용할 수 없습니다. 입력 레이어는 포인트, 라인, 영역일 수 있습니다.
다중 변수 격자 생성 작동 방법
거리 계산
다중 변수 격자 생성 도구의 모든 거리는 그룹 중심에서 측정됩니다. 사각형 및 육각형 그룹의 경우 중심은 아래와 같이 그룹 높이 절반과 그룹 너비 절반에 위치합니다.
가장 가까운 피처의 거리 및 가장 가까운 피처의 속성을 사용하면 폴리곤이나 라인 피처까지의 거리가 관심 그룹에서 가장 가까운 포인트를 이용하여 측정됩니다. 포인트 피처까지의 거리는 포인트 위치를 사용하여 측정됩니다.
요약 계산
주변 요약의 경우 다음 내 피처 요약 매개변수에 의해 결정된 반경을 가진 그룹 중심의 주변 원 안에 일부가 있는 경우 피처가 요약 통계 계산에 포함됩니다. 교차 요약의 경우 일부 그룹 영역의 경계 내에 일부가 있는 경우 피처가 계산에 포함됩니다(원형 반경이 사용되지 않음).
결과 파악
모든 null 속성을 가진 어떠한 그룹도 결과에 포함되지 않습니다. 이는 결과 레이어가 입력 피처의 최대 범위와 지정된 변수의 최대 검색 거리(공간 참조 연구 영역 내)에 걸쳐 있음을 의미합니다.
구성한 각 변수는 결과 레이어의 속성 테이블에 있는 필드가 됩니다. 입력 레이어의 필드는 결과에 자동으로 포함되지 않으므로 변수를 구성하여 포함할 정보를 지정해야 합니다.
ArcGIS API for Python 예시
다수 변수 격자 생성 도구는 ArcGIS API for Python을 통해 제공됩니다.
이 예시에서는 가장 가까운 도로 또는 교차로까지의 거리, 주변 인구의 평균 연령, 소득 분산 등 정보를 요약하여 다수 변수 격자를 생성합니다.
# Import the required ArcGIS API for Python modules
import arcgis
from arcgis.gis import GIS
from arcgis.geoanalytics import summarize_data
from arcgis.features import FeatureLayer
# 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_CityData")
# Look through the big data file share for roads
roads = next(x for x in bdfs_search.layers if x.properties.name == "roads")
# Look through the big data file share for intersections
intersections = next(x for x in bdfs_search.layers if x.properties.name == "intersections")
# Find a feature layer named "Demographics" in your ArcGIS Enterprise portal
demographics_search_result = portal.content.search("Demographics", "Feature Layer")
demographics_layer = demographics_search_result[0].layers[0]
inputs = [road, intersections, demographics_layer]
variables = [
{
"layer":0,
"variables":[
{
"type":"DistanceToNearest",
"outFieldName":"DistToRoad",
"searchDistance":20,
"searchDistanceUnit":"Kilometers",
"filter":"Rural = 'false'"
}
]
},
{
"layer":1,
"variables":[
{
"type":"AttributeOfNearest",
"outFieldName":"intersection",
"attributeField":"intersection_name",
"searchDistance":50,
"searchDistanceUnit":"Kilometers"
}
]
},
{
"layer":2,
"variables":[
{
"type":"AttributeSummaryOfRelated,
"outFieldName":"MeanPopAge",
"statisticType":"Mean",
"statisticField":"Age",
"searchDistance":50,
"searchDistanceUnit":"Kilometers"
},
{
"type":"AttributeSummaryOfRelated,
"outFieldName":"VarIncome",
"statisticType":"Variance",
"statisticField":"Income",
"searchDistance":50,
"searchDistanceUnit":"Kilometers"
}
]
}
]
# Set the tool environments
arcgis.env.verbose = True
arcgis.env.defaultAggregations = True
# Run the Build Multi-Variable Grid tool
output = summarize_data.build_multivariable_grid(input_layers = inputs,
variable_calculations = variables,
bin_size = 10,
bin_unit = "Kilometers",
bin_type = "Hexagon",
output_name = "CityPlanningGrid")
# Visualize the tool results if you are running Python in a Jupyter Notebook
processed_map = portal.map('City, State', 10)
processed_map.add_layer(output)
processed_map
유사한 도구
학습 예측이나 분류 모델에서 나중에 사용하기 위해서나 시각화를 위해서 멀티 변수 격자 생성을 사용하여 여러 레이어를 폴리곤의 단일 격자로 요약합니다. 서로 비슷하지만 약간 다른 문제를 해결하는 데 유용한 기타 도구를 사용할 수 있습니다.
Map Viewer 분석 도구
단일 입력 레이어를 그룹으로 요약하는 작업만 수행하려고 하거나 폴리곤 레이어로 요약하려는 경우 GeoAnalytics Tools 다음 범위 내 요약을 사용합니다.
단일 포인트 레이어를 영역으로 집계하려는 경우 GeoAnalytics Tools 포인트 집계를 사용합니다.
여러 공간 관계를 사용하여 포인트, 라인, 영역을 요약하려는 경우 GeoAnalytics Tools 조인 피처를 사용합니다.
표준 분석 도구를 사용해서 라인이나 영역을 요약하려는 경우 다음 범위 내 요약을 참고하세요.
표준 분석 도구를 사용하여 포인트를 영역으로 집계하려는 경우 포인트 집계를 참고하세요.