Суммировать данные

Группа инструментов Суммировать данные содержит инструменты, которые вычисляют общее число, длины, площади и основную статистику объектов и их атрибутов в пределах указанных областей или вблизи других объектов.

• Инструмент Агрегировать точки вычисляет статистику точек, находящихся в указанной области или бине.
• Построить сетку нескольких переменных создает сетку квадратных или шестиугольных бинов и вычисляет значения для каждого бина на основании расчета ближайшего значения каждого из входных слоев.
• Описание набора данных вычисляет сводные показатели входных данных и дополнительно может создать пример входного слоя.
• Инструмент Присоединить объекты вычисляет статистику для объектов, имеющих пространственные, временные или атрибутивные связи с другими объектами.
• Инструмент Восстановить треки вычисляет статистику для точек или полигонов, принадлежащих к одному треку, и восстанавливает реки из входных данных.
• Инструмент Суммировать атрибуты вычисляет статистику объектов или табличных данных с общими атрибутами.
• Суммировать в пределах вычисляет статистику площадных объектов и их атрибутов, перекрывающихся друг с другом.

Агрегировать точки

Используя слой точечных объектов и либо слой площадных объектов, либо бины, определяемые заданным расстоянием, инструмент определяет, какие точки укладываются в каждую область или бин, и вычисляет статистику по всем точкам каждой области или бина. Дополнительно можно применить к этому инструменту временные срезы.

Ниже приведены примеры:

• Используя точки мест правонарушений, можно вычислить число правонарушений в каждом округе или другой административной единице.
• Найдите максимальную и минимальную месячную выручку среди франчайзи, используя 100-километровые бины.

Построить сеть по нескольким переменным

Инструмент Построить сеть по нескольким переменным создает сетку квадратных или шестиугольных ячеек и вычисляет значения в каждой из них на основании близости входных слоев.

Ниже приведены примеры:

• Как на основе данных об инфраструктуре общественного транспорта понять, какая часть города является наименее доступной?
• Как на основе данных о водных объектах (реках и озерах) узнать, какой из них является ближайшим к каждой точке на территории США?
• Как на основе данных о доходах понять, где в США наибольшие различия по этому показателю в пределах 50 миль?

Описание набора данных

Выводит статистику о входных объектах, создает слои с выбранными объектами и визуализацию данных. Вы можете выбрать в качестве выходных данных слой выбранных объектов или слой со всем экстентом данных.

Ниже приведены примеры:

• Чтобы понять, какие значения содержит набор данных, обратитесь к вычисленной сводной статистике.
• Вместо того, чтобы отображать весь набор данных, создайте поднабор слоев для визуализации объектов и их атрибутов, когда они добавлены на карту.
• Экономьте время и ресурсы и выполняйте анализ на слое выбранных объектов перед выполнением анализа на всем наборе данных.

Присоединить объекты

Используя слои объектов или табличные данные можно соединить объекты и записи на основе определенных отношения между входными слоями или таблицами. Присоединения будут определяться пространственными, временными и атрибутивными отношениями, а также дополнительно вычисляемой суммарной статистикой.

Ниже приведены примеры:

• Имея точечные местоположения случаев преступлений за период времени, соедините данные о преступлениях с ними же, указав пространственные отношения преступлений в пределах 1 километра друг от друга и случившихся в пределах 1 часа друг от друга, чтобы определить, происходили ли последовательности преступлений в сравнительной близости по расстоянию и времени.
• Имея таблицу почтовых кодов с демографической информацией и площадные объекты, представляющие жилые дома, соедините демографическую информацию к информации о проживании, так что каждое здание будет содержать информацию.

Заново создать треки

Используя слой точечных либо полигональных объектов с информацией о времени, которые представляют текущий момент времени, этот инструмент определяет, какие входные объекты принадлежат треку и последовательно упорядочивает входные объекты по времени. Дополнительно вычисляется статистика входных объектов внутри каждого трека.

Ниже приведены примеры:

• Имея точечные местоположения и времена измерения урагана, вычислите среднюю скорость ветра, а также максимальное давление ветра урагана.
• Используйте GPS-данные с кораблей чтобы восстановить их маршруты в виде линий.

Суммировать атрибуты

Используя данные объектов, либо табличные данные, этот инструмент суммирует статистику указанных полей.

Ниже приведены примеры:

• Имея местоположения продуктовых магазинов с полем COMPANY_NAME, суммируйте магазины по имени компании, которой они принадлежат, чтобы определить статистику для каждой компании.
• Имея таблицу продуктовых магазинов с полями COMPANY_NAME и COUNTY, суммируйте магазины по имени компании и округу, чтобы определить статистику для каждой компании в каждом округе.

Выявление инцидентов

Этот инструмент работает со слоем с поддержкой времени, содержащим точечные, линейные, полигональный объекты или таблицы, которые представляют текущий момент времени. Используя последовательно упорядоченные объекты, называемые треками, этот инструмент определяет объекты, являющиеся интересующими вас инцидентами. Инциденты определяются по заданным вами условиям.

Ниже приведены примеры:

• Определение показателей урагана, относящегося к 4 категории, на основе скорости ветра.
• Используя GPS-данные движения кораблей с полем скорости, найдите измерения, в 1.5 раза превышающие среднее значение первых пяти измерений.

Найти местоположения задержек

Этот инструмент работает с наборами данных треков; он берёт точечный слой с активированным временем и выявляет, где объекты задерживаются в пределах определённого расстояния на указанное время.

Ниже приведены примеры:

• Оптимизация природоохранных мероприятий на основании данных о закономерностях перемещений диких животных. Используйте этот инструмент, чтобы узнать, где животные задерживаются, чтобы обустроить в этих местах особо охраняемые природные территории.
• Использование местоположений GPS с транспортных средств, чтобы узнать, где случаются пробки и принять меры для безопасности дорожного движения.

Анализ структурных закономерностей

Эти инструменты идентифицируют, определяют значимость и визуализируют пространственные закономерности данных.

• Вычислить плотность производит отбор определенного числа неких явлений и распределяет их по карте.
• Инструмент Найти горячие точки определяет наличие статистически значимой кластеризации пространственной закономерности в распределении данных.
• Поиск кластеров точек определяет среди точечных объектов кластеры в окружающем шуме на основе их пространственного распределения.
• Классификация на основе леса и регрессия создает модели и строящий прогнозы при помощи адаптации метода контролируемого машинного обучения произвольного леса Лео Бреймана.
• Обобщенная линейная регрессия генерирует прогнозы или моделирует зависимую переменную с точки зрения ее связи с набором независимых переменных.
• Географически взвешенная регрессия создает модели, используя локальную форму линейной регрессии, которая используется для моделирования пространственно изменяющихся отношений.

Вычислить плотность

Инструмент Подсчитать плотность создает карту плотности из точечных пространственных объектов посредством разброса по карте известного количества событий (представленных как атрибуты точек). В результате вы получаете слой областей, представляющих плотность.

Ниже приведены примеры:

• Расчет плотности больниц в административном районе. Слой результатов покажет районы с высокой и низкой доступностью больниц, и эта информация может быть использована при принятии решения о том, где необходимо строить новые больницы.
• Определение районов с высоким уровнем риска возникновения лесных пожаров на основе исторических данных о местах их возникновения.
• Поиск удаленных от основных дорог населенных пунктов для планирования мест, где должны быть построены новые дороги.

Поиск кластеров точек

Инструмент Поиск кластеров точек определяет среди точечных объектов кластеры в окружающем шуме на основе их пространственного распределения.

Ниже приведены примеры:

• Поиск кластеров среди инфицированных домохозяйств, чтобы провести целевую вакцинацию в очагах инфекции.
• Информируйте и предпринимайте эвакуационные и спасательные меры, основываясь на размере и расположении кластеров, используя геопривязанные твиты с сообщениями о природных катастрофах или террористических атаках.

Найти горячие точки

Инструмент Найти горячие точки определяет наличие статистически значимой кластеризации в пространственном распределении данных.

• Действительно ли точки (места правонарушений, деревья, ДТП) кластеризованы? Как в этом убедиться?
• Действительно ли вы нашли статистически значимую горячую точку (для затрат, детской смертности, постоянно высоких результатов школьных экзаменов), или при изменении способа присвоения символов ситуация на карте изменяется?

Классификация на основе леса и регрессия

Инструмент Классификация на основе леса и регрессия создает модели и строящий прогнозы при помощи адаптации метода контролируемого машинного обучения произвольного леса Лео Бреймана.

Ниже приведены примеры:

• Имеются данные данные о наличии морских водорослей, а также ряд экологических независимых переменных, представленных атрибуты, которые были обогащены с помощью сетки с несколькими переменными для вычисления расстояний до заводов вверх по течению и крупных портов. Появление морских водорослей в будущем может быть предсказано на основе прогнозов для тех же экологических независимых переменных.
• Предположим, у вас есть данные о урожайности на сотнях ферм по всей стране, а также другие атрибуты на каждой из этих ферм (количество сотрудников, площадь в акрах и т.п.) Используя фрагменты этих данных, вы можете предоставить набор объектов, представляющих фермы, урожайность на которых неизвестна (но имеются все остальные переменные), и выполнить прогнозирование урожайности.
• Стоимость жилья можно спрогнозировать на основе цен домов, которые были проданы в текущем году. Цена домов при продаже, а также информация о числе спален, расстоянии до школ, близости автомагистралей, среднем доходе и числе преступлений могут быть использованы для прогноза продажной стоимости аналогичных домов.

Обобщенная линейная регрессия

Инструмент Обобщенная линейная регрессия строит обобщенную линейную регрессию для вычисления прогнозов или моделирования взаимосвязи между независимыми переменными и зависимой переменной. Инструмент используется для подгонки различных моделей, в частности, непрерывных (МНК), бинарных (логистических) и числовых (Пуассона).

Ниже приведены примеры:

• Какие демографические характеристики влияют на высокую степень использования общественного транспорта?
• Имеется ли положительная взаимосвязь между вандализмом и взломами?
• Какие переменные эффективно предсказывают количество звонков в службу быстрого реагирования? С учетом тенденции, какие ресурсы необходимы для реагирования на экстренные вызовы?
• Какие факторы обуславливают низкий уровень рождаемости

Географически взвешенная регрессия

Инструмент выполняет Географически взвешенную регрессию (ГВР), то есть локальную форму линейной регрессии, используемую для моделирования пространственных отношений.

Ниже приведены примеры:

• Имеется ли связь между уровнем образования и доходом в изучаемой области?
• Какие ключевые переменные объясняют высокую частоту лесных пожаров?
• В каких районах учащиеся показывают высокие результаты на экзаменах и олимпиадах? Какие особенности могут быть с этим связаны? Где каждая из характеристик имеет наибольшее значение?

Управление данными

Эти инструменты используются для повседневного управления географическими и табличными данными.

• Присоединить данные присоединяет объекты к существующему размещенному векторному слою.
• Вычислить поле создает новое поле или меняет существующее, затем создает слой в таблице содержания.
• Вырезать слой копирует объекты, пересекающие определенную область.
• Копировать в хранилище данных копирует данные в ArcGIS Data Store и создает слой в таблице содержания или копирует данные в файловое хранилище больших данных.
• Инструмент Слияние границ соединяет области с общей границей или с одинаковыми атрибутивными значениями.
• Слияние слоев копирует все объекты из двух слоев в единый итоговый слой.
• Наложение слоев соединяет два или более слоев в один.

Присоединить данные

Присоединяет объекты к существующему размещенному слою в ваших ресурсах в ArcGIS Enterprise.

Ниже приведены примеры:

• Обновляйте имеющийся векторный слой 2018_Sales каждый месяц по мере выхода отчетов.
• Присоедините наборы данных по отслеживанию ураганов за 2016 и 2017 годы в набор мастер-данных по ураганам.
• Собирайте и присоединяйте наборы данных из разных источников с разными схемами с помощью пользовательского сопоставления полей.

Слияние слоев

Комбинирует два векторных слоя для создания одного результирующего слоя. По умолчанию все поля из присоединяемого слоя также будут добавлены, но вы можете настроить пользовательские правила для присоединяемых полей.

Ниже приведены примеры:

• Слияние тех слоёв, содержащих демографическую информацию из Англии, Уэльса и Шотландии, для создания единого слоя для Великобритании.
• Слияние двух слоев, содержащих информацию об земельных участках для смежных поселков, при сохранении только полей, имена и типы данных которых совпадают в обоих слоях.

Наложение слоев

Соединяет два или более слоев в один. Наложение используется для ответа на один из самых главных вопросов географии: Что находится поверх чего?

Ниже приведены примеры:

• Какие участки находятся в пределах зоны, подвергавшейся затоплению в последние 100 лет? ("В пределах" – это другой способ сказать "поверх".)
• Какой тип землепользования соответствует какому типу почвы?
• Какие скважины находятся в пределах заброшенных военных баз?

Обогатить из Сетки нескольких переменных

Эффективно объединяет атрибуты из сетки нескольких переменных в точечный слой, что позволяет быстро добавлять большой и разнообразный набор информации в точечные данные для дальнейшего пространственного анализа.

Ниже приведен пример:

• Если у вас есть слой, содержащий миллионы инцидентов отключения электроэнергии, обогатите характеристики инцидента информацией о типичном использовании, экологических рисках и условиях инфраструктуры, чтобы изучить связь между этими факторами и частотой отключения электроэнергии.