הכלי 'מציאת נקודות חמות' יקבע אם קיימים אשכולות בעלי מובהקות סטטיסטית בדפוס המרחבי של הנתונים.
גם דפוסים מרחביים אקראיים מפגינים מידה מסוימת של קיבוץ באשכולות. בנוסף, העיניים והמוח שלנו מנסים באופן טבעי למצוא דפוסים, גם כאשר הם אינם קיימים. כפועל יוצא מכך, ייתכן שיהיה קשה לדעת אם הדפוסים בנתונים הם תוצאה של פעולת תהליכים מרחביים אמיתיים או תוצאה של יד המקרה בצורה אקראית. מסיבה זאת, חוקרים ואנליסטים משתמשים בשיטות סטטיסטיות דומות ל'מציאת נקודות חמות' (Getis-Ord Gi*) כדי לכמת דפוסים מרחביים. כאשר אתה מוצא התקבצות אשכולות מובהקת סטטיסטית בנתונים שלך, זהו מידע בעל ערך. הידיעה היכן ומתי מתרחשת התקבצות לאשכולות יכולה לספק תובנות חשובות על התהליכים שיוצרים דפוסים שאתה רואה. לדוגמה, הידיעה שפריצות לבתי מגורים הן בעקביות מרובות יותר בשכונות מסוימות מהווה מידע חשוב אם ברצונך לתכנן אסטרטגיות מניעה יעילות, להקצות משאבי שיטור מוגבלים, ליזום תוכניות משמר אזרחי של תושבים, לאשר חקירות פליליות מעמיקות או לזהות חשודים פוטנציאליים.
שכבת הנקודות שממנה יימצאו נקודות חמות וקרות.
ניתוח זה משתמש בתאים ומחייב מערכת קואורדינטות מוטלת. באפשרותך להגדיר את מערכת הקואורדינטות המעבדת ב'סביבות ניתוח'. אם מערכת הקואורדינטות המעבדת לא הוגדרת למערכת קואורדינטות מוטלת, תתבקש להגדיר אותה בעת הרצת הניתוח .
בנוסף לבחירת שכבה מהמפה שלך, באפשרותך לבחור באפשרות בחר שכבת ניתוח בתחתית הרשימה הנפתחת כדי לדפדף לתכנים שלך עבור סט נתוני שיתוף קובץ Big Data או שכבת ישויות. באפשרותך אופציונלית להחיל מסנן על שכבת הקלט או להחיל בחירה על שכבות מתארחות שנוספו למפה שלך. מסננים ובחירות מוחלים רק עבור ניתוח.
ניתוח זה עונה על השאלה: היכן ערכים גבוהים ונמוכים מתקבצים באשכולות מבחינה מרחבית?
אם הנתונים שלך הם נקודות ובחרת באפשרות ספירות נקודות, כלי זה יעריך את הסידור המרחבי של ישויות הנקודות כדי לענות על השאלה: היכן נקודות מקובצות באשכולות או מבוזרות באופן בלי צפוי?
אם בחרת שדה, כלי זה יעריך את הסידור המרחבי של הערכים שקשורים לכל ישות כדי לענות על השאלה: היכן ערכים גבוהים ונמוכים מתקבצים באשכולות?
המרחק אשר משמש להפקת הסלים המרובעים אשר ישמשו לניתוח נקודות הקלט..
אם רכיב זמן מופעל בשכבת נקודות, והיא מסוג רגע, באפשרותך לנתח באמצעות שלבי זמן.
מרווח הזמן המשמש להפקת שלבי זמן. הזמן יכול להיות מיושר לזמן ההתחלה והסיום של נתוני הקלט, או להיות זמן ייחוס שצוין.
מרווח הזמן המשמש להפקת שלבי זמן. הזמן יכול להיות מיושר לזמן ההתחלה והסיום של נתוני הקלט, או להיות זמן ייחוס שצוין.
כיצד שלבי זמן מיושרים. קיימות שלוש דרכים ליישור שלבי זמן:
התאריך והשעה אשר משמשים ליישור שלבי הזמן.
המרחק שמשמש לקביעת השכונה עבור חישובי נקודות חמות. השכונה צריכה להיות גדולה יותר מאשר גודל התא, כדי להבטיח שלכל תא יש לפחות שכן אחד. כל תא מנותח ומושווה לתאים השכנים.
זה פרמטר זמני עבור קדם-הפצה להגדרת הייחוס המרחבי של העיבוד. כלי Big Data רבים מחייבים שימוש במערכת קואורדינטות מוטלת כייחוס המרחבי עבור עיבוד. כברירת מחדל, הכלי ישתמש במערכת הקואורדינטות של הקלט, אבל ייכשל אם זוהי מערכת קואורדינטות גיאוגרפית. כדי להגדיר מערכת קואורדינטות מוטלת, הזן את ה-WKID. לדוגמה, Web Mercator יוזן כ- 3857
.
תוצאות GeoAnalytics מאוחסנות במאגר נתונים ונחשפות כשכבת ישויות ב- Portal for ArcGIS. במרבית המקרים, יש לאחסן את התוצאות במאגר נתונים מרחבי-זמני, וזוהי ברירת המחדל. במקרים מסוימים, שמירת התוצאות במאגר נתונים יחסי היא אפשרות טובה. להלן הסיבות שבגינן ייתכן שתרצה לאחסן תוצאות במאגר נתונים יחסי:
אין להשתמש במאגר נתונים יחסיים אם אתה צופה שתוצאות GeoAnalytics יגדלו וברצונך לנצל את יכולות מאגר הנתונים המרחבי-זמני של Big Data כדי לטפל בכמויות גדולות של נתונים.
השם של השכבה שתיווצר. אם אתה כותב ל- ArcGIS Data Store, התוצאות שלך יישמרו ב-התוכן שלי ויתווספו למפה. אם אתה כותב לקובץ שיתוף Big Data, התוצאות שלך יאוחסנו בקובץ השיתוף של Big Data ויתווספו למניפסט שלו. הם לא יתווספו למפה. שם ברירת המחדל מבוסס על שם הכלי ושם שכבת הקלט. אם השכבה כבר קיימת, הכלי ייכשל.
שכבת התוצאה תציג בפניך אשכולות מובהקים סטטיסטית של ערכים או ספירות נקודות גבוהות ונמוכות. אם שם שכבת התוצאה כבר קיים, תתבקש לספק שם אחר.
בעת כתיב ל- ArcGIS Data Store (מאגר נתונים יחסים או מרחבי-זמני של Big Data) בעזרת התיבה הנפתחת שמור תוצאה ב, באפשרותך לציין את שם התיקייה ב- התוכן שלי שבה התוצאה תישמר.