Adatok összegzése

Az Adatok összefoglalása eszközkészlet kiszámítja a területen belül vagy más vektoros elemek közelében található vektoros elemek összesített darabszámát, hosszát, területét és alapvető leíró statisztikai adataikat, valamint attribútumaikat.

• A Pontok összevonása kiszámítja a megadott területen vagy binen belül eső pontok statisztikai adatait.
• A Többváltozós táblázat felépítése négyszög vagy hatszög alakú bineket tartalmazó rácshálót hoz létre, és mindegyik gyűjtőhöz értékeket számít az egyes bemenő rétegek közelsége alapján.
• Az Adathalmaz leírása kiszámítja az eredmény összefoglalását, és – opcionálisan – mintát generál a bemeneti rétegből.
• A Vektoros elemek összekapcsolása statisztikai adatokat számít azokról a vektoros elemekről, amelyek térbeli, időbeli vagy attribútumkapcsolatokat osztanak meg más vektoros elemekkel.
• A Nyomvonal-rekonstrukció az ugyanazon nyomvonalhoz tartozó pontokra vagy polygonokra számít statisztikát, és rekonstruálja a nyomvonalak inputjait.
• Az Attribútumok összefoglalása az attribútumokon osztozó vektoroselem- vagy táblázatos adatokról számít statisztikákat.
• A Területen belüli összegzés kiszámítja a terület egymást átfedő terület vektoros elemeinek és attribútumainak statisztikai adatait.

Pontok összevonása

Ez az eszköz egy pont-típusú vektoros elemeket tartalmazó réteg és vagy egy terület vektoros elemeket tartalmazó réteg vagy meghatározott távolsággal definiált gyűjtők használatával meghatározza, hogy mely pontok esnek az egyes területeken vagy gyűjtőkön belül, és kiszámítja az összes pont statisztikai adatait az egyes területeken vagy gyűjtőkön belül. Ezzel az eszközzel időszeleteket is használhat.

Erre példák a következők:

• A bűntények pontszerűen megadott helyét alapul véve kiszámíthatja a megyénként vagy más közigazgatási körzetenként előfordult bűntények számát.
• Megkeresheti a franchise üzletek által elért legnagyobb és legkisebb havi bevételt 100 kilométeres gyűjtőket használva.

Többváltozós táblázat felépítése

A Többváltozós grid rács felépítése eszköz négyszög vagy hatszög alakú gyűjtőket tartalmazó rácshálót hoz létre, és mindegyik gyűjtőhöz változókat számít egy vagy több bemenő réteg közelsége alapján.

Erre példák a következők:

• Tegyük fel, hogy adva van több, tömegközlekedési infrastruktúrát tartalmazó réteg. A város melyik része a legnehezebben elérhető tömegközlekedéssel?
• Tegyük fel, hogy adva vannak vízi utakat tartalmazó rétegek. Mi a neve az egyes helyekhez legközelebb eső víztömegnek az Egyesült Államokban?
• Tegyük fel, hogy adva van egy, a háztartások jövedelmét tartalmazó réteg. Az Egyesült Államokban hol a legnagyobb a jövedelmek variációja a környező 50 mérfölden belül?

Adathalmaz leírása

Bemeneti vektoros elemek összegzése statisztikákkal, mintarétegekkel és vizualizálással. Kimenetnek választhat egy mintaréteget vagy egy kiterjedési réteget.

Erre példák a következők:

• Hivatkozás a kiszámított összesítő statisztikákra annak megállapítására, milyen értékeket tartalmaz az adathalmaz.
• A teljes adathalmaz rajzolása helyett hozzon létre egy részcsoport-réteget a vektoros elemek és attribútumaik vizualizálására, amikor azok hozzáadásra kerülnek a térképhez.
• Takarítson meg időt és forrásokat, és mielőtt a teljes adathalmazon futtatna elemzést, futtasson elemzést egy mintarétegen.

Vektoros elemek összekapcsolása

Vektoros rétegeket vagy táblázatos adatokat használva vektoros elemeket és rekordokat kapcsolhat össze a bemenő rétegek vagy táblázatok közötti egyedi kapcsolatok alapján. Az összekapcsolásokat térbeli, időbeli és attribútumok közötti kapcsolatok határozzák meg, és akár összesítő statisztikák is számíthatók.

Erre példák a következők:

• Tegyük fel, hogy rendelkezésre állnak egy adott időben elkövetett bűncselekmények helyei; kapcsolja össze a bűncselekmények adatait önmagukkal, térbeli kapcsolatot meghatározva olyan bűncselekmények között, amelyek egymástól 1 kilométer távolságon belül és 1 órán belül történtek, és állapítsa meg, hogy történt-e egymáshoz térben és időben közeli bűncselekmények sorozata.
• Tegyük fel, hogy rendelkezésre áll egy irányítószámokhoz kapcsolt demográfiai adatokat tartalmazó táblázat és lakóépületeket leíró terület vektoros elemek; kapcsolja össze a demográfiai információkat a lakcímekkel, hogy a lakcímek is rendelkezzenek ugyanezekkel az információkkal.

Nyomvonal-rekonstrukció

Ez az eszköz időpillanatot leíró, pontszerű vagy poligon vektoros elemek időbélyeggel ellátott rétegét használva meghatározza, hogy a bemeneti vektoros elemek közül melyek tartoznak egy nyomvonalhoz, és időbeli sorrendbe rendezi a bemeneteket. Lehetőség van a bemeneti vektoros elemek statisztikáinak kiszámítására is az egyes nyomvonalakon belül.

Erre példák a következők:

• Egy hurrikánra vonatkozóan adott helyekből és időpontokból számítsa ki a hurrikán átlagos szélsebességét és legnagyobb szélnyomását.
• Hajókra vonatkozó GPS-mérésekből rekonstruálja vonal formájában a hajó útvonalait.

Attribútumok összefoglalása

Ez az eszköz vektoros elemek vagy táblázatos adatok alapján összesítő statisztikákat készít meghatározott mezőkhöz.

Erre példák a következők:

• Tegyük fel, hogy a(z) COMPANY_NAME mezőben rendelkezésre állnak élelmiszerboltok helyei; összesítse a boltokat a vállalat neve alapján, és számítson kis statisztikákat mindegyik vállalathoz.
• Tegyük fel, hogy a(z) COMPANY_NAME és COUNTY mezőkkel rendelkező táblázatban rendelkezésre állnak élelmiszerboltok helyei; összesítse a boltokat a vállalat neve és a megye alapján, és számítson kis statisztikákat mindegyik vállalathoz és megyéhez.

Területen belüli összegzés

Megkeresi azokat a területeket (és területrészeket), ahol két réteg átfedi egymást, és kiszámítja a fedvény statisztikai adatait.

Erre példák a következők:

• Vízgyűjtő területeket és egy felszínhasználati réteg esetén kiszámíthatja a földterületek nagyságát felszínhasználati típusonként mindegyik vízgyűjtő területre.
• Egy megye parcelláit és településhatárait tartalmazó réteg esetén összesítheti a településeken belüli szabad parcellák átlagos értékeit.

Helyek keresése

Ezekkel az eszközökkel az Ön által megadott kritériumokat kielégítő területek azonosíthatók.

• Az Incidensek észlelése időbélyeggel ellátott rétegek segítségével állapítja meg, hogy melyik vektoros elemek felelnek meg egy meghatározott feltételnek.
• A Geokódolási helyszínek táblázatból címeket koordinátákká alakít.
• A Várakozási helyek keresése olyan helyeket keres nyomvonal-adathalmazokban, ahol az objektumok egy bizonyos távolságon belül maradnak egy bizonyos ideig.
• A Hasonló helyek keresése a megadott kritériumokon alapuló egy vagy több vonatkoztatási helyhez hasonló helyeket keres.

Incidensek észlelése

Ez az eszköz pontok, vonalak, területek vagy táblázatok időbélyeggel ellátott, egy időpillanatot leíró rétegével dolgozik. Az eszköz nyomvonalnak nevezett, sorba rendezett vektoros elemeket használva megállapítja, hogy melyik vektoros elemek érdeklődésre számot tartó incidensek. Az incidensek fogalmát az Ön által meghatározott feltételek szabják meg.

Erre példák a következők:

• 4. kategóriájú hurrikánok felismerése hurrikánok mért adataiból a szélsebesség attribútum alapján.
• Egy hajó mozgásának GPS-méréseit használva a hajó sebességét leíró mezőből keresse meg azokat a méréseket, amelyek értéke nagyobb, mint az előző öt mérés átlagának 1,5-szerese.

Várakozási helyek keresése

Ez az eszköz nyomvonal-adathalmazokkal dolgozik. Pontok időbélyeggel ellátott rétegén keresi meg, hogy az objektumok megadott távolságon és időtartamon belül hol várakoznak.

Erre példák a következők:

• Természetvédelmi tevékenység fejlesztése az állatok mozgási mintáinak elemzésével. Az eszköz segítségével megkeresheti azokat a helyeket, ahol az állatok szívesen tartózkodnak hosszabb ideig, és ezeket potenciális védett területként kezelheti a biodiverzitás megőrzése érdekében.
• A gépjárművek GPS-es nyomkövetése segítségével megkeresheti azokat a helyeket, ahol lassuló forgalom jelentkezik, így javíthat a forgalom biztonságán.

Hasonló helyek keresése

Az eszköz hasonló helyeket keres a megadott kritériumok alapján úgy, hogy megméri a vizsgált lehetséges keresési réteg helyeinek egy vagy több vonatkoztatási helyhez való hasonlóságát.

Erre példák a következők:

• Keresse meg az egymáshoz leginkább hasonlító 10 boltot az alkalmazottak számát és az éves árbevételt vizsgálva.
• Keresse meg az egymáshoz leginkább hasonlító 100 várost a népesség, az éves növekedés és az adóbevételek közötti kapcsolatot vizsgálva.

Mintázatok elemzése

Ezek az eszközök az adatok térbeli mintázatainak azonosítására, mennyiségi meghatározására és megjelenítésére szolgálnak.

• A Sűrűség számítása bizonyos jelenségek ismert mennyiségeit teríti szét a térképen.
• A Hotspotok keresése meghatározza a statisztikailag szignifikáns klaszterezést az adatok térbeli mintázatában.
• A Pontklaszterek keresése pontszerű vektoros elemek klasztereit keresi a környező zajban a térbeli eloszlásuk alapján.
• Az Erdő alapú osztályozás és regresszió eszköz modelleket hoz létre, és előrejelzéseket generál Leo Breiman véletlen erdő algoritmusának adaptációját alkalmazva, amely egy felügyelt gépi tanulási módszer
• Az Általánosított lineáris regresszió előrejelzéseket hoz létre, vagy egy függő változót modellez magyarázó változókhoz való kapcsolata tekintetében.
• A Földrajzilag súlyozott regresszió a lineáris regresszió térben változó adatkapcsolatok modellezésére használt, helyi formája segítségével hoz létre modelleket.

Sűrűség számítása

A Sűrűség számítása eszköz sűrűségtérképet hoz létre pont-típusú vektoros elemekből egy bizonyos (a pontok attribútumai által képviselt) jelenség ismert mennyiségeit kiterjesztve a térképen. Az eredmény a sűrűséget ábrázoló területeket tartalmazó réteg.

Erre példák a következők:

• A megyében található kórházak sűrűségének kiszámítása. Az eredményréteg mutatja azokat a területeket, ahol magas és alacsony a kórházak elérhetősége, és ez az információ felhasználható annak meghatározására, hogy hol épüljenek új kórházak.
• Olyan területek azonosítása, ahol magas az erdőtűz kockázata a korábbi erdőtüzek adatai alapján.
• A nagyobb főútvonalaktól távol élő közösségek helyének meghatározása annak megtervezéséhez, hogy hol épüljenek új utak.

Pontklaszterek keresése

A Pontklaszterek keresése eszköz pontszerű vektoros elemek klasztereit keresi a környező zajban a térbeli eloszlásuk alapján.

Erre példák a következők:

• Keresse meg a kártevők által elárasztott háztartások klasztereit a célzott irtás elősegítéséhez.
• Készítsen tájékoztatást és segítse a mentési és evakuálási munkát a klaszeterek mérete és elhelyezkedése alapján földrajzi helyhez kapcsolt tweetek segítségével természeti katasztrófák és terroristatámadások után.

Hot spotok keresése

A Hot spotok keresése eszközzel meghatározható, hogy léteznek-e statisztikailag szignifikáns klaszterek az adatok térbeli mintázatában.

• Valóban klaszterezettek a kiválasztott pontok (bűntények, fák, közlekedési balesetek)? Hogyan tudhatja biztosan?
• Valóban statisztikailag szignifikáns hot spotra bukkant (kiadások, gyermekhalandóság, következetesen magas vizsgapontszámok), vagy mást sugallna a térkép, ha megváltoztatná a szimbolizálás módját?

Erdő alapú osztályozás és regresszió

Az Erdő alapú osztályozás és regresszió eszköz modelleket hoz létre, és előrejelzéseket generál Leo Breiman véletlen erdő algoritmusának adaptációját alkalmazva, amely egy felügyelt gépi tanulási módszer.

Erre példák a következők:

• Ha vannak adataink a tengerifű előfordulásáról, továbbá vannak attribútumként reprezentált környezeti magyarázó változóink (amelyeket többváltozós rácshálóból bővítettünk, kiszámítva az ár irányával ellentétes irányban található gyárak és nagy kikötők távolságát), akkor előrejelzést tudunk készíteni a tengerifű jövőbeli előfordulásáról a környezeti magyarázó változók jövőre történő kivetítésével.
• Tegyük fel, hogy vannak termésre vonatkozó adataink az ország különböző részein található több száz farm vonatkozásában, valamint vannak egyéb attribútumaink a farmok vonatkozásában (munkvállalók száma, földterület stb). Ezen adatok használatával olyan vektoros elemeket hozhatunk létre, amelyek azokat a farmokat reprezentálják, ahol nincs termésadat (de az összes többi változó megvan), és előrejelzést készíthetünk a termésről.
• Lakásokra vonatkozó értékeket jelezhetünk előre az adott évben eladott lakások ára alapján. Az adatok alapján (lakások eladási ára, hálószobák száma, iskoláktól való távolság, nagyobb főútvonalaktól való távolság, átlagjövedelem, bűncselekmények száma) előre jelezhetjük a hasonló lakások eladási árát.

Generalizált lineáris regresszió

Az Általánosított lineáris regressziós eszköz előrejelzéseket hoz létre, vagy egy függő változót modellez magyarázó változókhoz való kapcsolata tekintetében. Az eszköz használható folytonos (OLS), bináris (logisztikus modell) és diszkrét (Poisson) modellek illesztésére.

Erre példák a következők:

• Milyen demográfiai jellemzők járulnak hozzá a tömegközlekedés használatának magas szintjéhez?
• Van összefüggés a vandalizmus és a betörések között?
• Milyen változókkal lehet hatékonyan megjósolni a 911-es segélyhívóhoz befutó hívások számát? A jövőre történő kivetítések alapján mekkora szükséglet várható a vészhelyzeti válaszadási forrásokra?
• Milyen változókkal függ össze az alacsony születésszám?

Földrajzilag súlyozott regresszió

Az eszköz földrajzilag súlyozott regressziót (GWR) hajt végre, amely a lineáris regresszió térben változó adatkapcsolatok modellezésére használt, helyi formája.

Erre példák a következők:

• A tanulmányi eredmények és a jövedelem közötti kapcsolat állandó a vizsgálati területen?
• Melyek a kulcsváltozók, amelyek magyarázzák az erdőtüzek magas gyakoriságát?
• Melyek azok a kerületek, ahol a gyermekek magas vizsgapontszámokat érnek el? Mely jellemzők között van látszólag kapcsolat? Hol a legfontosabbak az egyes jellemzők?

Buffer létrehozása

A buffer egy pontszerű, vonalas vagy polygon típusú vektoros elemtől egy meghatározott távolságot lefedő terület.

Erre példák a következők:

• Lineáris folyót reprezentáló vektoros elemeket használva készítsen mindegyik vízfolyáshoz az adott vízfolyás szélességének 50-szeresét kitevő buffert, és határozza meg az ártér határvonalát.
• Országokat leíró területekből készítsen mindegyik országhoz 200 tengeri mérföldnek megfelelő buffert, és határozza meg a tengeri határvonalat.

Adatok kezelése

Ezek az eszközök földrajzi és táblázatos adatok napi kezelésére használhatók.

• Az Adatok hozzáfűzése eszköz adatokat fűz egy létező tárolt vektoros réteghez.
• A Mező kiszámítása új mezőt hoz létre, vagy pedig meglévő mezőt módosít, és új réteget hoz létre az Ön saját tartalmában.
• A Réteg kivágása a meghatározott vizsgálati területet metsző vektoros elemeket másolja.
• A Másolás az adattárba adatokat másol az Ön ArcGIS Data Store adattárába, és réteget hoz létre az Ön saját tartalmában, vagy pedig egy big data-fájlmegosztóba másolja az adatokat.
• A Határok összeolvasztása a közös határvonalú vagy közös attribútumértékű területeket egyesíti.
• A Rétegek összeillesztése két réteg összes vektoros elemét egyetlen eredményrétegbe másolja.
• A Fedvényműveletek két vagy több réteget egyesít egyetlen réteggé.

Adat hozzáfűzése

Vektoros elemeket fűz egy meglévő tárolt réteghez a saját tartalomban az ArcGIS Enterprise alkalmazásban.

Erre példák a következők:

• A 2018_árbevétel vektoros réteg frissítése minden hónapban, amint a beszámolók elérhetővé válnak.
• Hurrikánok követésére használt, 2016. és 2017. évi adathalmazok hozzáfűzése a hurrikánok törzsadathalmazához.
• Adathalmazok gyűjtése több, eltérő sémával rendelkező forrásból, és hozzáfűzés egyedi mezőleképezés segítségével.

Mező kiszámítása

Értékeket számít ki egy új vagy létező mezőhöz, és egy réteget hoz létre a saját tartalomban az ArcGIS Enterprise alkalmazásban.

Erre példák a következők:

• Egy létező, total nevű mező módosítása a(z) total_2016, total_2017 és total_2018 mezőkben szereplő bevételek összegére.
• Egy mező létrehozása a veszélyességi szintek besorolására a(z) windspeed és pollutant értékekhez hasonló mezőértékek alapján.

Kivágási réteg

Meghatározott vizsgálati területekről kivág bemeneti vektoros elemeket. Kimeneti eredmény: a bemeneti vektoros elemek részcsoportja.

Erre példák a következők:

• Hozzon létre részcsoportot azokból a veszélyeztetett épületekből, amelyek ártéri területen találhatók.
• Határozza meg, mely főutak haladnak át a potenciális fejlesztési területeken.

Másolás az adattárba

Egy bemenő vektoros réteget vagy táblázatot egy ArcGIS Data Store adattárba másol, és egy réteget hoz létre a saját tartalomban az ArcGIS Enterprise alkalmazásban.

Erre példák a következők:

• .csv-fájlok gyűjteményének másolása big data-fájlmegosztóba a térbeli-időbeli adattárba megjelenítés érdekében.
• Az aktuális térképkiterjedés térbeli-időbeli adattárban tárolt vektoros elemeinek másolása a relációs adattárba.

Határok összeolvasztása

Olyan területi vektoros elemek összeillesztése, amelyek metszenek egy közös mezőértéket, vagy osztoznak azon, összefüggő vagy több részből álló vektoros elemek létrehozására.

Erre példák a következők:

• A Hawaii-szigetek határainak összeolvasztásával hozzon létre egy vektoros elemet, amely Hawaii államot reprezentálja.
• Illesszen össze talajtípus szempontjából hasonló vizsgálati területeket, hogy kimenetként egy össszefüggő talajtípus-adathalmazt kapjon.

Rétegek összeillesztése

Két vektoros réteget összeillesztve hoz létre egy eredményréteget. Alapértelmezésben az egyesítési réteg összes mezőjét tartalmazza, vagy megadhat egyéni összeillesztési szabályokat az eredményséma definiálására.

Erre példák a következők:

• Van három réteg, amelyek Anglia, Wales és Skócia demográfiai adatait tartalmazzák, és ezeket összeillesztve szeretnék egyetlen réteget készíteni Nagy-Britanniáról.
• Két réteg összeillesztése, amelyek tartalmazzák a szomszédos települések csomaginformációját, csak azokat a mezőket megtartva, amelyeknek a két rétegben ugyanaz a neve és a típusa.

Fedvényműveletek

Két vagy több réteget egyesít egy réteggé. A fedvények segítségével a legalapvetőbb földrajzi kérdések egyike válaszolható meg: Mi található min?

Erre példák a következők:

• Milyen parcellák találhatók a 100 éves ártéren belül? (Belül, vagy másképp fogalmazva rajta.)
• Milyen talajtípust milyen mezőgazdasági célra használnak:
• Milyen kutak találhatók elhagyott katonai bázisokon?

Bővítés többváltozós rácshálóból

Hatékonyan kapcsol össze többváltozós rácshálóból származó attribútumokat egy pontszerű réteggel, így lehetővé téve információk nagy és különböző gyűjteményének pontadathoz történő gyors hozzáadását további térbeli elemzésekhez való felhasználás céljára.

Erre példa a következő:

• Ha van egy több millió áramkimaradással kapcsolatos eseményt tartalmazó réteg, bővítse az incidens vektoros elemeit a tipikus használatra, a környezeti kockázatokra és az infrastrukturális feltételekre vonatkozó információkkal, és tanulmányozza ezen tényezők és az áramkimaradás gyakorisága közötti összefüggéseket.