Skip To Content

Znajdź klastry punktów

Notatka:

Ta funkcja jest aktualnie obsługiwana tylko w przeglądarce map Map Viewer Classic (wcześniej noszącej nazwę Map Viewer). Będzie ona dostępna w przyszłej wersji nowej przeglądarki map Map Viewer.

Ikona narzędzia Znajdź klastry punktów Narzędzie Znajdź klastry punktów znajduje klastry obiektów punktowych wśród otaczającego szumu w oparciu o ich rozkład przestrzenny lub czasowo-przestrzenny.

Diagram procedury wykonywania zadań

Znajdź klastry punktów

Analiza z użyciem narzędzi GeoAnalytics Tools

Analiza z użyciem narzędzi GeoAnalytics Tools jest uruchamiana przy zastosowaniu przetwarzania rozproszonego na wielu komputerach i rdzeniach ArcGIS GeoAnalytics Server. Narzędzia GeoAnalytics Tools oraz narzędzia do standardowej analizy obiektowej w oprogramowaniu ArcGIS Enterprise mają różne parametry i możliwości. Więcej informacji o tych różnicach można znaleźć w sekcji Różnice między narzędziami analizy obiektowej.

Przykład

Instytucja pozarządowa bada określone choroby roznoszone przez szkodniki i dysponuje zestawem danych punktowych reprezentujących gospodarstwa domowe znajdujące się na analizowanym obszarze, z których część jest zaatakowana przez szkodniki, a część nie. Za pomocą narzędzia Znajdź klastry punktów analityk może określić klastry gospodarstw domowych zaatakowanych przez szkodniki i wskazać obszar, na którym zostaną podjęte działania lecznicze oraz eliminujące szkodniki.

Uwagi dotyczące korzystania

Danymi wejściowymi dla narzędzia Znajdź klastry punktów jest pojedyncza warstwa punktowa.

Parametr Wybierz metodę klastrowania, która ma być używana wskazuje, czy używany będzie algorytm zdefiniowanej odległości, czy automatycznego dostosowywania klastrowania. Metoda zdefiniowanej odległości (DBSCAN) umożliwia znajdowanie zgrupowań punktów, które znajdują się blisko siebie pod względem podanego zakresu wyszukiwania. Metoda automatycznego dostosowywania (HDBSCAN) pozwala znajdować zgrupowania punktów podobne jak w przypadku metody DBSCAN, ale są w niej używane różne zakresy wyszukiwania, dzięki czemu możliwe jest tworzenie klastrów o różnej gęstości w zależności od prawdopodobieństwa (stabilności) klastra.

W przypadku wybrania metody zdefiniowanej odległości (DBSCAN) klastry mogą znajdować się tylko w przestrzeni dwuwymiarowej lub zarówno w czasie, jak i w przestrzeni. Gdy w przypadku wybrania opcji Użyj czasu, aby znaleźć klastry warstwa wejściowa ma dane czasowe i typ Moment, metoda zdefiniowanej odległości (DBSCAN) odkrywa klastry czasowo-przestrzenne znajdujących się w pobliżu punktów na podstawie określonej odległości wyszukiwania i określonego czasu trwania.

Metoda automatycznego dostosowywania (HDBSCAN) obecnie obsługuje tylko przestrzenne klastry danych i nie używa czasu do wykrywania klastrów.

Wszystkie wyniki zawierają pole o nazwie CLUSTER_ID wskazujące klastry, do których należą poszczególne obiekty oraz pole o nazwie COLOR_ID określające etykietę używaną przy wyświetlaniu wyników, dzięki czemu każdy klaster można w większości przypadków odróżnić wizualnie od sąsiednich. W przypadku obydwu tych pól wartość -1 oznacza, że obiekt został oznaczony jako szum.

W przypadku używania metody klastrowania Zdefiniowana odległość (DBSCAN) z czasem do wykrywania klastrów czasowo-przestrzennych wyniki zawierają też te pola:

  • FEAT_TIME— oryginalny czas momentu każdego obiektu.
  • START_DATETIME— czas rozpoczęcia zasięgu czasowego klastra, do którego należy obiekt.
  • END_DATETIME— czas zakończenia zasięgu czasowego klastra, do którego należy obiekt.

Czas warstwy wynikowej jest konfigurowany jako przedział w polach START_DATETIME i END_DATETIME. Gwarantuje to, że w większości przypadków wszystkie elementy klastra są wyświetlane razem podczas wizualizowania klastrów czasowo-przestrzennych przy użyciu suwaka czasu. W przypadku obiektów sklasyfikowanych jako szum pola START_DATETIME i END_DATETIME są równe FEAT_TIME.

Gdy używana jest metoda klastrowania z automatycznym dostosowaniem (HDBSCAN), wyniki zawierają również następujące pola:

  • PROB— prawdopodobieństwo, że obiekt należy do przypisanego mu klastra.
  • OUTLIER— prawdopodobieństwo, że obiekt jest elementem odstającym w obrębie klastra. Większa wartość wskazuje większe prawdopodobieństwo, że obiekt jest elementem odstającym.
  • EXEMPLAR— wskazuje obiekty najbardziej reprezentatywne dla każdego klastra. Obiekty takie są wskazywane przez wartość 1.
  • STABILITY— trwałość każdego klastra w zakresie skali. Większa wartość wskazuje, że klaster pozostaje klastrem w szerszym zakresie odległości.

Parametr Minimalna liczba punktów, które są uznawane za klaster jest używany w różny sposób w zależności od wybranej metody klastrowania:

  • W metodzie zdefiniowanej odległości (DBSCAN) określa liczbę obiektów, które muszą się znaleźć w zakresie wyszukiwania danego punktu, aby móc rozpocząć tworzenie klastra w tym punkcie. Wyniki mogą obejmować klastry z mniejszą liczbą obiektów niż ta wartość. Odległość zakresu wyszukiwania jest konfigurowana przy użyciu parametru Ogranicz zakres wyszukiwania do. W przypadku wyszukiwania klastrów przy użyciu czasu wymagany jest dodatkowy czas trwania wyszukiwania konfigurowany przy użyciu parametru Ogranicz czas trwania wyszukiwania do. W przypadku wyszukiwania elementów klastra określona minimalna liczba obiektów musi zostać znaleziona w podanym zakresie wyszukiwania i szukanym czasie trwania, aby powstał klaster. Należy pamiętać, że odległość i czas trwania nie są powiązane ze średnicą ani zakresem czasu wykrytych klastrów punktów.
  • W metodzie automatycznego dostosowywania (HDBSCAN) określa liczbę obiektów sąsiadujących z każdym punktem (z uwzględnieniem samego punktu), które będą uwzględniane podczas szacowania gęstości. Ta liczba jest również minimalnym dozwolonym rozmiarem klastra podczas ich wyodrębniania.

Gdy algorytm HDBSCAN używany jest z warstwą wejściową zawierającą więcej niż 3 miliony obiektów, działanie narzędzia może zakończyć się niepowodzeniem, o ile administrator nie zwiększy wartości parametru javaHeapSize usługi GP GeoAnalyticsTools. Wymagana wielkość sterty to około 2 GB na każde 3 miliony obiektów. Ilość pamięci RAM określona przez parametr javaHeapSize powinna być dostępna na każdym komputerze GeoAnalytics Server ponad 16 GB, które zwykle są wymagane przez serwer GeoAnalytics Server. Jeśli na przykład chcesz utworzyć klaster 9 milionów obiektów przy użyciu metody HDBSCAN, parametr javaHeapSize należy skonfigurować na wartość nie mniejszą niż 6144 MB (6 GB). W takim przypadku każdy komputer GeoAnalytics Server powinien mieć co najmniej 22 GB pamięci RAM.

Więcej informacji na ten temat zawiera dokumentacja aplikacji ArcGIS Pro (sekcja Sposób działania klastrowania na podstawie zagęszczenia)

Przykład użycia interfejsu ArcGIS API for Python

Narzędzie Znajdź klastry punktów jest dostępne za pośrednictwem interfejsu ArcGIS API for Python.

Ten przykład ilustruje wyszukiwanie zgrupowań lokalizacji sklepów detalicznych.


# 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_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

Podobne narzędzia

Narzędzie Znajdź klastry punktów znajduje klastry obiektów punktowych wśród otaczającego szumu w oparciu o ich rozkład przestrzenny. Przydatne mogą być także następujące narzędzia:

Narzędzia analizy aplikacji Map Viewer Classic

Aby ustalić, czy we wzorcach przestrzennych danych użytkownika istnieją statystycznie istotne klastry, należy użyć narzędzia Znajdź lokalizacje hot spot.

Do tworzenia map zagęszczenia obiektów punktowych lub liniowych użyj narzędzia Oblicz zagęszczenie.

Aby ustalić, czy we wzorcach przestrzennych danych użytkownika istnieją statystycznie istotne elementy odstające, należy użyć narzędzia Znajdź elementy odstające.

Narzędzia analizy aplikacji ArcGIS Pro

Narzędzie geoprzetwarzania Klastrowanie na podstawie zagęszczenia realizuje te same funkcje co narzędzie Znajdź klastry punktów.

Narzędzie Znajdź klastry punktów jest dostępne w aplikacji ArcGIS Pro.