Duomenų sumavimas

Duomenų sumavimo rinkinyje yra įrankių, galinčių apskaičiuoti bendrą elementų (ir jų atributų), esančių tam tikroje teritorijoje ar šalia kitų objektų, kiekį, ilgius, plotus ir pagrindinius aprašomosios statistikos rodiklius.

• Įrankis Agreguoti taškus apskaičiuoja taškų, patenkančių į nurodytus plotus ar zonas, statistiką.
• Įrankis Kurti kelių kintamųjų tinklelį generuoja keturkampių arba šešiakampių tinklelį ir apskaičiuoja kiekvieno daugiakampio reikšmes pagal kiekvieno įvesties sluoksnio artumą.
• Aprašyti duomenų rinkinį apskaičiuoja jūsų įvesties suvestinę ir pasirinktinai gali sugeneruoti jūsų įvesties sluoksnio atranką.
• Įrankis Sujungti elementus apskaičiuoja elementų, turinčių erdvinių, laiko ar atributų ryšių su kitais elementais, statistiką.
• Įrankis Atkurti trajektorijas apskaičiuoja taškų ir poligonų, kurie priklauso tai pačiai trajektorijai, statistiką ir atkuria trajektorijų įvestis.
• Įrankis Sumuoti atributus apskaičiuoja elementų arba lentelės duomenų, turinčių tokius pačius atributus, statistiką.
• Sumuoti viduje apskaičiuoja persidengiančių elementų ir jų atributų statistiką.

Agreguoti taškus

Naudodamas taškinių ir plotinių elementų sluoksnius arba nurodyto atstumo apibrėžtus daugiakampius, įrankis randa, kurie taškai patenką į kurią teritoriją, arba daugiakampį bei apskaičiuoja kiekvienos teritorijos taškų statistiką. Naudodami šį įrankį galite taikyti laiko padalinimą.

Toliau pateikiami pavyzdžiai:

• Turint nusikaltimų taškus, apskaičiuoja nusikaltimų skaičių savivaldybėse ar kitame administraciniame vienete.
• Rasti didžiausią ir mažiausią filialo apyvartą per mėnesį naudojant 100 kilometrų daugiakampius.

Kurti kelių kintamųjų tinklelį

Įrankis Kurti kelių kintamųjų tinklelį generuoja keturkampių arba šešiakampių tinklelį ir apskaičiuoja kiekvieno daugiakampio kintamuosius pagal vieno ar daugiau įvesties sluoksnių artumą.

Toliau pateikiami pavyzdžiai:

• Turint kelis viešojo transporto infrastruktūros sluoksnius, kuri miesto dalis prasčiausiai pasiekiama viešuoju transportu?
• Turint vandens kelių (pvz.: upių ir ežerų) sluoksnius, kaip vadinasi vandens telkinys, artimiausias kiekvienai JAV esančiai vietovei?
• Turint namų ūkių pajamų sluoksnį, kur JAV yra didžiausias pajamų pokytis 50 mylių spinduliu?

Aprašyti duomenų rinkinį

Apibendrina įvesties elementus statistiniais duomenimis, pavyzdiniais sluoksniais ir vizualizacijomis. Kaip išvestį galite pasirinkti pavyzdinį sluoksnį arba aprėpties sluoksnį.

Toliau pateikiami pavyzdžiai:

• Nurodykite suskaičiuotą santraukos statistiką, kad būtų aiškiau, kokios reikšmės jūsų duomenų rinkinyje.
• Užuot vaizdavę visą duomenų rinkinį, sukurkite poaibio sluoksnį, kuris vizualizuoja elementus ir jų atributus, kai pridedate jų į žemėlapį.
• Sutaupykite laiko ir išteklių, atlikdami analizę su pavyzdiniu sluoksniu prieš analizuodami visą duomenų rinkinį.

Sujungti elementus

Naudojant elementų sluoksnius arba lentelės duomenis galima sujungti elementus ir įrašus, atsižvelgiant į konkrečius įvesties sluoksnių arba lentelių ryšius. Sujungimus apibrėžia erdviniai, laiko ir atributiniai ryšiai, be to, galima pasirinktinai apskaičiuoti suvestinius statistinius duomenis.

Toliau pateikiami pavyzdžiai:

• Turėdami nusikaltimų vietų taškus su laiku, galite sujungti nusikaltimų duomenis su jai pačiais, nurodydami jungti 1 kilometro atstumu ir 1 valandos laikotarpiu įvykusius nusikaltimus, kad nustatytumėte, ar konkrečiu metu ir konkrečioje vietoje įvyko nusikaltimų seka.
• Turėdami pašto kodų lentelę su demografine informacija ir plotinius elementus, simbolizuojančius gyvenamuosius pastatus, galite sujungti demografinius duomenis su gyvenamaisiais pastatais, kad kiekvienas pastatas turėtų informaciją.

Atkurti trajektorijas

Naudodami taškinius arba plotinius elementų sluoksnius su įgalintu laiku, kurie atspindi momentinį laiką, šiuo įrankiu galite nustatyti, kurie įvesties elementai priklauso stebėsenai, ir išrikiuoti įvestis pagal laiką. Galima apskaičiuoti kiekvienos stebėsenos įvesties elementų statistinius duomenis.

Toliau pateikiami pavyzdžiai:

• Turėdami išmatuotus uraganų vietos ir laiko taškus, galite apskaičiuoti vidutinį uragano vėjo greitį ir maksimalų vėjo slėgį.
• Norėdami atkurti laivų kelius kaip linijas, naudokite laivų GPS matavimus.

Sumuoti atributus

Naudodami elementą arba lentelės duomenis, šiuo įrankiu galite apskaičiuoti konkrečių laukų suvestinius statistinius duomenis.

Toliau pateikiami pavyzdžiai:

• Lauke COMPANY_NAME turėdami maisto parduotuvių vietas, galite sudaryti parduotuvių santrauką pagal įmonės pavadinimą, kad apskaičiuotumėte kiekvienos įmonės statistinius duomenis.
• Turėdami maisto prekių lentelę su laukais COMPANY_NAME ir COUNTY, galite sudaryti parduotuvių santrauką pagal įmonės pavadinimą ir savivaldybę, kad apskaičiuotumėte kiekvienos įmonės kiekvienoje savivaldybėje statistinius duomenis.

Aptikti incidentus

Šis įrankis veikia kartu su įgalinto laiko taškų, linijų, plotų arba lentelių sluoksniu, kuris nurodo konkretų laiko momentą. Naudodamas iš eilės išdėstytus elementus (trajektorijas), šis įrankis nustato, kurie elementai yra dominantys incidentai. Incidentai nustatomi pagal jūsų nurodytas sąlygas.

Toliau pateikiami pavyzdžiai:

• Aptikite 4 kategorijos uraganų matavimus pagal vėjo greičio atributą.
• Naudodami laivo judėjimo GPS matavimus kartu su lauku, rodančiu laivo greitį, raskite matavimus, kurie yra 1,5 karto didesni už ankstesnių penkių matavimų vidurkį.

Rasti apsistojimo vietas

Šis įrankis veikia su trajektorijų duomenų rinkiniais: jį sudaro įgalinto laiko taškų sluoksnis, kuriame galite rasti, kur objektai būna per nurodytą atstumą ir trukmę.

Toliau pateikiami pavyzdžiai:

• Pagerinkite gamtos apsaugą analizuodami gyvūnų judėjimo dėsningumus. Naudodamiesi šiuo įrankiu atskleiskite vietas, kur gyvūnai mėgsta apsistoti. Jas gali būti verta saugoti, siekiant apsaugoti biologinę įvairovę.
• Naudodami automobilių GPS duomenis, raskite vietas, kuriose eismas sulėtėja, ir imkitės priemonių pagerinto eismo saugumą.

Dėsningumų analizavimas

Šie įrankiai nustato, kiekybiškai įvertina ir vizualizuoja jūsų duomenų erdvinius dėsningumus.

• Apskaičiuoti tankį naudoja kiekybinę reiškinio informaciją ir ją atvaizduoja žemėlapyje.
• Rasti karštuosius taškus identifikuoja statistiškai reikšmingas elementų sankaupas.
• Įrankis Rasti taškų sankaupas randa taškų elementų sankaupas juos supančioje aplinkoje (triukšme) pagal jų pasiskirstymą erdvėje.
• Medžių schema paremta klasifikacija ir regresija kuria modelius ir generuoja prognozes pagal Leo Breimano atsitiktinio miško algoritmą, prižiūrimą mašininio mokymo metodą.
• Generalizuota linijinė regresija generuoja prognozes arba modeliuoja priklausomą kintamąjį pagal jo ryšius su paaiškinančių kintamųjų rinkiniu.
• Geografinė svorinė regresija kuria modelius naudodama vietinę linijinės regresijos formą, kuri naudojama modeliuoti erdviškai kintamus ryšius.

Skaičiuoti tankį

Tankio skaičiavimo įrankis sukuria tankio žemėlapį iš taškinių elementų išskleidžiant žemėlapyje tam tikrų reiškinių (pateikiamų kaip taškų atributai) žinomus kiekius. Pateikiamas tankį simbolizuojančių plotų sluoksnis.

Toliau pateikiami pavyzdžiai:

• Ligoninių tankio apygardoje skaičiavimas. Rezultatų sluoksnyje bus rodomi plotai su gero ir prasto pasiekiamumo ligoninėmis, o šią informaciją galima naudoti nusprendžiant, kur statyti naujas ligonines.
• Didelio miškų gaisringumo plotų nustatymas, atsižvelgiant į istorinius duomenis apie vietas, kuriose degė miškai.
• Bendruomenių, esančių toli nuo didžiųjų greitkelių, vietų nustatymas, planuojant, kur turėtų būti tiesiami nauji keliai.

Rasti taškų sankaupas

Įrankis Rasti taškų sankaupas randa taškinių elementų sankaupas juos supančioje aplinkoje (triukšme) pagal jų pasiskirstymą erdvėje.

Toliau pateikiami pavyzdžiai:

• Raskite kenkėjų sankaupas – užkrėstus namų ūkius ir taip padėkite optimizuoti kenkėjų naikintojų darbą.
• Informuokite ir imkitės gelbėjimo ir evakuacijos veiksmų pagal sankaupų dydį ir padėtį, naudodami geografiškai pažymėtus pranešimus „Twitter“ tinkle po gamtinių nelaimių ar teroro atakų.

Rasti karštuosius taškus

Karštųjų taškų paieškos įrankis nustatys, ar galimas statistiškai reikšmingas jūsų duomenų grupavimas pagal erdvinį požymį.

• Ar jūsų taškai (nusikaltimai, medžiai, avarijos) yra pasiskirstę sankaupomis? Kaip galite įsitikinti?
• Ar iš tikrųjų aptikote statistiškai reikšmingą (didelės apyvartos, mirtingumo ar aukštų įvertinimų) elementų sankaupą, ar pakeistas žemėlapio atvaizdavimas suteiktų papildomos informacijos?

Medžių schema paremta klasifikacija ir regresija

Įrankis Medžių schema paremtas klasifikacija ir regresija, kuria modelius ir generuoja prognozes pagal Leo Breimano atsitiktinio miško algoritmą, prižiūrimą mašininio mokymo metodą.

Toliau pateikiami pavyzdžiai:

• Turėdami jūros dumblių stebėjimų duomenis ir įvairius aplinkos paaiškinamuosius kintamuosius, reprezentuojamus kaip abu atributus, kurie praturtinti naudojant kelių kintamųjų tinklelį skaičiuoti atstumus iki prieš srovę esančių gamyklų bei pagrindinių uostų, galite prognozuoti būsimą jūros dumblių atsiradimą pagal ateities prognozes tiems patiems aplinkos paaiškinantiems kintamiesiems.
• Tarkime, kad turite pasėlių našumo duomenis iš šimtų šalies ūkių kartu su kitais kiekvieno iš tų ūkių atributais (darbuotojų skaičius, plotas ir t. t.). Naudodami šiuos duomenis, galite sukurti elementų rinkinį, reprezentuojantį ūkius, kurių pasėlių našumo neturite (tačiau turite visus kitus kintamuosius) ir prognozuoti jų pasėlių našumą.
• Būsto kainas galima prognozuoti pagal per einamuosius metus parduotų namų kainas. Parduotų namų kainos kartu su informacija apie miegamųjų skaičių, atstumą nuo mokyklų, pagrindinių greitkelių, vidutines pajamas ir nusikalstamumą gali būti naudojamos prognozuojant panašių namų pardavimo kainas.

Generalizuota linijinė regresija

Įrankis Generalizuota linijinė regresija generuoja prognozes arba modeliuoja priklausomą kintamąjį pagal jo ryšius su paaiškinančių kintamųjų rinkiniu. Šis įrankis gali būti naudojamas pritaikyti ištisinius (OLS), dvejetainius (logistinius) ir skaičiavimo (Puasono) modelius.

Toliau pateikiami pavyzdžiai:

• Kokie demografiniai rodikliai prisideda prie didelio viešojo transporto naudojimo?
• Ar yra teigiamas ryšys tarp vandalizmo ir apiplėšimų?
• Kokie kintamieji veiksmingai prognozuoja pagalbos skambučių kiekį? Atsižvelgiant į ateities prognozes, koks yra numatomas reagavimo į ekstremalias situacijas išteklių poreikis?
• Kokie kintamieji veikia mažą gimstamumą?

Geografinė svorinė regresija

Šis įrankis vykdo geografinę svorinę regresiją (GWR). Tai yra vietinė linijinės regresijos forma, kuri naudojama modeliuoti erdviškai kintamus ryšius.

Toliau pateikiami pavyzdžiai:

• Ar tiriamoje teritorijoje pastovus ryšys tarp išsilavinimo ir pajamų?
• Kokie svarbiausi kintamieji paaiškina dažnus miško gaisrus?
• Kuriuose rajonuose vaikai surenka daugiausiai taškų per testus? Kokios savybės gali būti su tuo susijusios? Kur kiekviena savybė svarbiausia?

Duomenų valdymas

Šie įrankiai naudojami bendro pobūdžio geografinių duomenų ir lentelėse pateikiamų duomenų valdymui.

• Įrankis Pridėti duomenis prideda duomenis į esamą talpinamą elementų sluoksnį.
• Įrankis Skaičiuoti lauko reikšmes sukuria naują lauką arba pakeičia esamą lauką ir sukuria naują sluoksnį jūsų turinyje.
• Iškirpti sluoksnį nukopijuojami elementai, besikertantys su apibrėžta dominančia sritimi.
• Įrankis Kopijuoti į duomenų saugyklą nukopijuoja duomenis į jūsų ArcGIS Data Store ir sukuria sluoksnį turinyje arba nukopijuoja duomenis į didelių duomenų failo bendrinimą.
• Tirpdyti ribas sujungia besiribojančius arba turinčius tas pačias atributų reikšmes plotinius objektus.
• Sujungti sluoksnius kopijuoja visus dviejų sluoksnių elementus į vieną rezultatų sluoksnį.
• Įrankis Perdengti sluoksnius apjungia dviejų ar daugiau sluoksnių informaciją į vieną sluoksnį.

Pridėti duomenų

Prideda elementų į esamą talpinamą sluoksnį jūsų turinyje ArcGIS Enterprise.

Toliau pateikiami pavyzdžiai:

• Atnaujinkite savo 2018_Sales elementų sluoksnį kiekvieną mėnesį, kai bus prieinamos jūsų ataskaitos.
• Pridėkite uraganų trajektorijų duomenų 2016 ir 2017 m. rinkinius į pagrindinį uraganų duomenų rinkinį.
• Surinkite ir pridėkite duomenų rinkinius iš įvairių šaltinių su skirtingomis schemomis, naudodami adaptuotą laukų susiejimą.

Sujungti sluoksnius

Sujungia du elementų sluoksnius ir sukuria vieną rezultatų sluoksnį. Visi sluoksnių sujungimo rezultatai įtraukiami pagal numatytuosius nustatymus, arba galite nurodyti adaptuotas sujungimo taisykles, aprašančias rezultato schemą.

Toliau pateikiami pavyzdžiai:

• Sujunkite tris sluoksnius, kuriuose yra Anglijos, Velso ir Škotijos demografiniai rodikliai, sudarydami vieną Didžiosios Britanijos sluoksnį.
• Sujunkite du sluoksnius, kuriuose yra dviejų gretimų miestelių siuntų informacija, išsaugodami tik tuos laukus, kurie abiejuose sluoksniuose turi tokį patį pavadinimą ir tipą.

Perdengti sluoksnius

Apjungia dviejų ar daugiau sluoksnių informaciją į vieną sluoksnį. Perdengimas naudojamas atsakyti į vieną pagrindinių geografijos klausimų „kas yra ant ko?“

Toliau pateikiami pavyzdžiai:

• Kurie sklypai patenka į per paskutinius 100 metų potvynių užliejamą teritoriją? (Patenka yra kitas būdas pasakyti yra virš)
• Kokios žemėnaudos yra virš kokio dirvožemio tipo?
• Kurie šuliniai patenka į apleistas karines bazes?

Praturtinti iš kelių kintamųjų tinklelio

Efektyviai sujungia atributus iš kelių kintamųjų tinklelio į taškų sluoksnį ir leidžia greitai pridėti daug įvairios informacijos į taškų duomenis, kad būtų galima naudoti tolesnei erdvinei analizei.

Toliau pateikiamas pavyzdys:

• Turėdami sluoksnį, kuriame yra milijonai energijos tiekimo nutraukimo atvejų, praturtinkite elementus informacija apie tipišką naudojimą, aplinkos riziką ir infrastruktūros sąlygas, kad būtų galima analizuoti ryšį tarp šių veiksnių ir energijos dingimo dažnumo.