データの集約

[データの集約] ツールセットには、エリア内または他のフィーチャの近くで、フィーチャとその属性の合計数、長さ、面積、および説明的な基本統計情報を計算するツールが用意されています。

• [ポイントの集約] では、指定のエリアまたはビン内にあるポイントの統計情報を計算します。
• [多変数グリッドの構築] は、四角形または六角形のビンのグリッドを生成し、各入力レイヤーの近接性に基づいてビンごとに値を計算します。
• [データセットの記述] は、入力のサマリーを計算し、必要に応じて、入力レイヤーのサンプルを生成できます。
• [フィーチャの結合] では、空間、時系列、または属性リレーションシップを他のフィーチャと共有しているフィーチャの統計情報を計算します。
• [トラックの再構築] では、同じトラックに属しているポイントまたはポリゴンの統計情報を計算し、入力をトラックに再構築します。
• [属性の集計] では、属性を共有しているフィーチャまたは表形式データの統計情報を計算します。
• [エリア内での集計] では、互いにオーバーラップしているエリア フィーチャとその属性の統計情報を計算します。

ポイントの集約

ポイント フィーチャのレイヤーを指定の距離で定義されたエリア フィーチャまたはビンのレイヤーと組み合わせて使用すると、このツールは、各エリアまたはビン内にあるポイントを特定し、各エリアまたはビン内のすべてのポイントの統計情報を計算します。必要に応じて、このツールでタイム スライスを適用できます。

以下に例を示します。

• 犯罪事件のポイント位置を基に、国やその他の行政区域別に犯罪数をカウントします。
• 100 km のビンを使用して、フランチャイズ店の場所の最大月収と最小月収を確認します。

多変数グリッドの構築

[多変数グリッドの構築 (Build Multi-Variable Grid)] ツールは、四角形または六角形のビンのグリッドを生成し、1 つ以上の入力レイヤーの近接に基づいて各ビンの変数を計算します。

以下に例を示します。

• 公共交通インフラストラクチャの複数レイヤーがある場合、公共交通が最もアクセスしにくいのは都市のどの場所か？
• 水路 (湖、川など) のレイヤーの場合、米国の各場所に最も近い水系の名前は何か？
• 世帯収入のレイヤーの場合、50 マイル圏内で収入のばらつきが最大なのは米国のどこか？

データセットの記述 (Describe Dataset)

統計情報、サンプル レイヤー、および視覚化によって入力フィーチャを集約します。サンプル レイヤーまたは範囲レイヤーを出力することもできます。

以下に例を示します。

• 計算されたサマリー統計情報を参照し、データセットにどのような値が格納されているか理解します。
• データセット全体を描画する代わりに、サブセット レイヤーを作成し、マップに追加されたときのフィーチャおよびその属性を視覚化します。
• データセット全体に対する解析を実行する前に、時間とリソースを節約するためにサンプル レイヤーに対する解析を実行します。

フィーチャの結合 (Join Features)

フィーチャ レイヤーまたは表形式データを使用すると、入力レイヤー間またはテーブル間の固有のリレーションシップに基づいてフィーチャまたはレコードを結合できます。結合は空間、時系列、および属性リレーションシップによって決まり、必要に応じて統計情報のサマリーを計算できます。

以下に例を示します。

• 犯罪事件のポイント位置と時間を基に、それぞれ 1 キロメートル以内で発生し、それぞれ 1 時間以内に発生した犯罪の空間リレーションシップを指定して犯罪データ同士を結合し、一連の犯罪のうち、空間と時間で互いに近接している犯罪があるかどうかを確認します。
• 人口統計情報を含む郵便番号のテーブルと住宅用の建物を表すエリア フィーチャを基に、人口統計情報を住宅に結合して、それぞれの住宅に情報が含まれるようにします。

トラッキングの再構築 (Reconstruct Tracks)

瞬間を表すポイントまたはポリゴン フィーチャの時間対応レイヤーを使用すると、このツールは、トラッキングに属している入力フィーチャを特定し、入力の時系列順を決定します。必要に応じて、各トラッキングの入力フィーチャの統計情報が計算されます。

以下に例を示します。

• ハリケーンの計測値のポイント位置と時間を基に、ハリケーンの平均風速と最大風圧を計算します。
• 船舶の GPS 計測値を使用して、船の進行方向をラインとして再構築します。

属性の集計 (Summarize Attributes)

フィーチャまたは表形式データを使用して、このツールは指定のフィールドに関する統計情報を集計します。

以下に例を示します。

• 食料雑貨店の場所とフィールド COMPANY_NAME を基に、会社名別に店舗を集約して、それぞれの会社の統計情報を算出します。
• 食料雑貨店のテーブルの COMPANY_NAME フィールドと COUNTY フィールドを基に、店舗を会社名と郡別に集計して、郡ごとの各会社の統計情報を算出します。

エリア内での集計 (Summarize Within)

2 つのレイヤーで重なり合うエリア (とエリアの部分) を検索し、重複部分の統計情報を計算します。

以下に例を示します。

• 集水域のレイヤーと、土地利用タイプ別土地利用エリアのレイヤーを基に、各集水域の土地利用タイプの総面積を計算します。
• 郡の土地区画のレイヤーと都市の境界線のレイヤーを基に、各都市内にある空の土地区画の平均値のサマリーを作成します。

インシデントの検出 (Detect Incidents)

このツールは、特定時点を表すポイント、ライン、エリア、またはテーブルの時間対応レイヤーを操作します。このツールでは、トラッキングという順番に並んだフィーチャを使用して、対象となるインシデントのフィーチャを決定します。インシデントはユーザーの指定する条件によって決まります。

以下に例を示します。

• 風速属性を基にして、カテゴリ 4 ハリケーンに該当するハリケーンの計測値を検出します。
• 船の速度を表すフィールドを含む船舶移動の GPS 計測値を使用して、前の 5 つの計測値の平均の 1.5 倍を上回る計測値を検出します。

滞在場所の検索 (Find Dwell Locations)

このツールは、トラック データセットで機能します。オブジェクトが指定の距離と期間内に滞在する場所を検出できるよう、ポイントの時間対応レイヤーから構成されています。

以下に例を示します。

• 動物の移動パターンを解析して、保護活動を改善します。このツールを使用して、動物が頻繁に滞在するポイントを潜在的な保護エリアとして特定し、生物の多様性を保護します。
• 車両の GPS 位置を使用して、車両の減速が発生している住所を見つけ、交通の安全性を向上させます。

類似フィーチャの検索

[類似フィーチャの検索] は、指定した条件に基づいて、基準となる 1 つ以上の場所に対する検索候補レイヤー内の類似場所を測定します。

以下に例を示します。

• 従業員数と年間売上を調べて、最も類似している 10 か所の店舗を検索します。
• 人口、年間人口増加率、税収間のリレーションシップを調べて、最も類似している 100 の都市を検索します。

パターンの分析

これらのツールを使用すると、データ内の空間パターンを識別、定量化、および視覚化できます。

• [密度の計算] では、ある現象の既知の数量を取得してマップ上に展開します
• [ホット スポット分析] では、データの空間パターンから統計的に有意なクラスターを識別します。
• [ポイント クラスターの検索 (Find Point Clusters)] 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。
• [フォレストベースの分類と回帰分析 (Forest-based Classification and Regression)] は、教師付きコンピューター ラーニング手法である Leo Breiman のランダム フォレスト アルゴリズムを転用してモデルを作成し、予測を生成します。
• [一般化線形回帰分析] は、予測したり、一連の説明変数との関係から従属変数をモデル化したりします。
• [地理空間加重回帰分析 (Geographically Weighted Regression)] は、空間的に変化する関係をモデリングするときに使用される局所形の線形回帰を使用してモデルを作成します。

密度の計算 (Calculate Density)

[密度の計算] ツールは、ある現象の既知の数量 (ポイントの属性として表す) をマップ上に展開することによって、ポイント フィーチャから密度マップを作成します。この結果として、密度を表すエリアのレイヤーが生成されます。

以下に例を示します。

• ある地域内の病院の密度を計算する場合。結果レイヤーは、病院までのアクセスの良し悪しを示し、この情報を使用して、新しい病院を建設する場所を決定することができます。
• 過去に森林火災があった場所に基づいて、森林火災のリスクの高いエリアを特定する場合。
• 新しい道路を建設する場所を計画するために、主要道路から遠い地域を特定します。

ポイント クラスターの検索 (Find Point Clusters)

[ポイント クラスターの検索] 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。

以下に例を示します。

• 駆除作業を支援するために、害虫が蔓延する世帯群を検索します。
• 自然災害またはテロ攻撃をフォローする、ジオロケートされたツイートを使用し、世帯群の規模と位置に基づいて、救助と避難のニーズを知らせ、行動します。

ホット スポットの検索 (Find Hot Spots)

[ホット スポット分析 (Find Hot Spots)] ツールは、データの空間パターンに、統計的に有意なクラスターが存在するかどうかを判定します。

• ポイント データ (犯罪事件、樹木、交通事故) は本当にクラスター化されているか。どのようにすれば確認できるか？
• 統計的に有意なホット スポット (消費、乳児死亡率、一貫して高いテスト スコア) を本当に発見したか？あるいは、シンボルを変更したら、マップから得られる情報は変化するか？

一般化線形回帰分析 (Generalized Linear Regression)

[一般化線形回帰分析 (Generalized Linear Regression)] ツールは、予測したり、一連の説明変数との関係から従属変数をモデル化したりします。このツールを使用して、連続 (OLS)、バイナリ (論理)、およびカウント (ポワソン分布) のモデルに適合させることができます。

以下に例を示します。

• どのような人口学的特性が公共交通機関の高い利用率の一因となっているか。
• 公共物破壊と空き巣の間に正のリレーションシップがあるか。
• どの変数が効果的に緊急通報量を予測するか。将来の予測に基づき、予想される緊急応答リソースに対する要求はどのようなものか。
• どの変数が低い出生率に影響を与えるか。

地理空間加重回帰分析 (Geographically Weighted Regression)

このツールは、空間的に変化する関係をモデリングするときに使用される局所形の線形回帰である、地理空間加重回帰分析 (GWR) を実行します。

以下に例を示します。

• 学歴と所得の間のリレーションシップは、分析範囲全体にわたって一貫性があるか。
• 森林火災の高い頻度を説明する主要な変数はどれか。
• 生徒が試験で高成績をあげている地域はどこか。どのような特性が関連付けられているか。それぞのれ特性が最も重要であるのはどこか。

バッファーの作成 (Create Buffers)

バッファーとは、ポイント、ライン、またはエリア フィーチャから特定の距離をカバーするポリゴンです。

以下に例を示します。

• 線形の河川フィーチャを使用して、それぞれの河川を 50 倍の川幅でバッファー処理し、提案された流域境界を決定します。
• 各国を表すエリアを基に、それぞれの国を 200 海里でバッファー処理し、海上国境線を決定します。

データの管理

これらのツールは、地理データと表形式データの日々の管理に使用します。

• [データの追加] は、フィーチャを既存のホスト フィーチャ レイヤーに追加します。
• [フィールド演算] は、新しいフィールドを作成するか、既存のフィールドを変更して、コンテンツ内に新しいレイヤーを作成します。
• [レイヤーのクリップ] は、対象の定義エリアと交差するフィーチャをコピーします。
• [データ ストアにコピー] は、データを ArcGIS Data Store にコピーし、コンテンツにレイヤーを作成するか、データをビッグ データ ファイル共有にコピーします。
• [境界のディゾルブ] は、共通の境界線または共通の属性値を共有するエリアをマージします。
• [レイヤーのマージ] は、2 つのレイヤーのすべてのフィーチャを 1 つの結果レイヤーにコピーします。
• [オーバーレイ] は、複数のレイヤーを 1 つのレイヤーに結合します。

データのアペンド

フィーチャを、 ArcGIS Enterprise のコンテンツ内の既存のホスト レイヤーに追加します。

以下に例を示します。

• レポートが使用可能になったときに、2018_Sales フィーチャ レイヤーを毎月更新します。
• 2016 年および 2017 年のハリケーン トラッキング データセットを、マスター ハリケーン データセットに追加します。
• カスタム フィールド割り当てを使用して、異なるスキーマを持っているさまざまなソースからデータセットを収集して追加します。

フィールド演算 (Calculate Field)

新規または既存のフィールドの値を計算して、 ArcGIS Enterprise のコンテンツ内にレイヤーを作成します。

以下に例を示します。

• totalという名前の既存のフィールドを収益のフィールド total_2016、 total_2017、 total_2018 の合計に変更します。
• フィールドを作成して、 windspeed や pollutant などのフィールド値に基づいてハザード レベルを分類します。

レイヤーのクリップ (Clip Layer)

定義された対象エリアから入力フィーチャをクリップします。出力結果は、入力フィーチャのサブセットになります。

以下に例を示します。

• 洪水地域内にある危険な状態の建物のサブセットを作成します。
• どの主要道路が潜在的な開発エリアを通るかを決定します。

データ ストアにコピー

入力フィーチャ レイヤーまたはテーブルを ArcGIS Data Store にコピーし、ArcGIS Enterprise のコンテンツ内にレイヤーを作成します。

以下に例を示します。

• ビッグ データ ファイル共有にある .csv ファイルのコレクションをビッグ データ ストアにコピーして視覚化します。
• 現在のマップ範囲内のフィーチャのうち、ビッグ データ ストアに格納されているフィーチャをリレーショナル データ ストアにコピーします。

境界のディゾルブ (Dissolve Boundaries)

交差するか、共通のフィールド値を共有するエリア フィーチャをマージして、隣接フィーチャまたはマルチパート フィーチャを作成します。

以下に例を示します。

• ハワイ諸島の境界をディゾルブして、ハワイ州を表す 1 つのフィーチャを作成します。
• 土壌タイプに基づいて類似する調査対象地域を結合し、連続する土壌タイプデータセットを出力します。

レイヤーのマージ (Merge Layers)

2 つのフィーチャ レイヤーを結合して 1 つの結果レイヤーを作成します。デフォルトでは、マージ レイヤーのすべてのフィールドが含められます。また、カスタム マージ ルールを指定して、結果のスキーマを定義することもできます。

以下に例を示します。

• イングランド、ウェールズ、スコットランドの人口統計情報を含む 3 つのレイヤーをマージし、1 つのイギリスのレイヤーを作成します。
• 隣接するタウンシップの土地区画情報が含まれている 2 つのレイヤーを結合し、2 つのレイヤーで同じ名前とタイプを持つフィールドだけを保持します。

レイヤーのオーバーレイ (Overlay Layers)

複数のレイヤーを 1 つのレイヤーに結合します。オーバーレイは、「何の上には何があるか」という地理で最も基本的な質問の 1 つに答えるために使用されます。

以下に例を示します。

• 100 年の氾濫原内にどのような土地区画があるか (ここでいう「内」は「上」と同じ意味です)。
• どのような土壌タイプの上にどのような土地利用があるか？
• 軍用基地の跡地にどのような井戸があるか？

多変数グリッドから情報付加 (Enrich From Multi-Variable Grid)

多変数グリッドから取得した属性をポイント レイヤーに効率的に結合すると、多様で大規模な情報のコレクションをポイント データに簡単に追加して、以降の空間解析で使用することができます。

例を以下に示します。

• レイヤーに数百万もの停電インシデントが含まれていることを考慮すると、標準的な電力消費量、環境リスク、インフラの状態に関する情報をインシデント フィーチャに付加し、それらの要因と停電頻度とのリレーションシップを調査できます。