Tổng kết Dữ liệu

Bộ công cụ Tổng kết Dữ liệu bao gồm các công cụ dùng để tính toán tổng số lượng, độ dài, diện tích và các số liệu thống kê mô tả cơ bản về các đối tượng và thuộc tính của chúng trong khu vực hoặc gần đối tượng khác.

• Các Điểm Tổng hợp tính toán số liệu thống kê về điểm trong khu vực hoặc bin chỉ định.
• Tạo Lưới Đa biến tạo ra một lưới bao gồm các bin hình vuông hoặc hình lục giác và tính toán giá trị cho từng bin dựa trên vùng lân cận của từng lớp đầu vào.
• Mô tả Bộ dữ liệu tính toán để tạo ra một bản tóm tắt thông tin đầu vào của bạn và có thể tùy ý tạo một mẫu của lớp đầu vào.
• Kết nối Đối tượng tính toán số liệu thống kê về các đối tượng chia sẻ mối quan hệ không gian, thời gian hoặc thuộc tính với các đối tượng khác.
• Tái tạo Đường đi tính toán số liệu thống kê về các điểm và vùng thuộc cùng một đường đi và tái tạo các yếu tố đầu vào trong đường đi.
• Tổng kết Thuộc tính tính toán số liệu thống kề về đối tượng hoặc dữ liệu dạng bảng có chung thuộc tính.
• Tổng hợp trong Phạm vi tính toán số liệu thống kê cho các đối tượng vùng và các thuộc tính chồng lắp lên nhau.

Các Điểm Tổng hợp

Bằng cách sử dụng một lớp các đối tượng dạng điểm và vùng hoặc bin được xác định theo một khoảng cách cụ thể, công cụ này sẽ xác định các điểm nằm trong từng vùng hoặc bin, và tính toán số liệu thống kê về tất cả các điểm trong từng vùng. Bạn có thể tùy ý áp dụng phân lớp thời gian với công cụ này.

Dưới đây là các ví dụ:

• Giả sử có các vị trí điểm đại diện cho các sự cố liên quan đến tội phạm, hãy đếm số lượng tội phạm có trong mỗi quận hoặc ranh giới hành chính khác.
• Tìm doanh thu hàng tháng cao nhất và thấp nhất cho các vị trí nhượng quyền bằng cách sử dụng các bin 100 kilômét.

Tạo Lưới Đa biến

Công cụ Tạo Lưới Đa biến tạo ra một lưới gồm các bin hình vuông hoặc hình lục giác và tính toán các biến cho từng bin dựa trên vùng lân cận của một hoặc nhiều lớp đầu vào.

Dưới đây là các ví dụ:

• Với nhiều lớp hạ tầng giao thông công cộng, các phương tiện giao thông công cộng ít có khả năng tiếp cận nhất với phần nào của thành phố?
• Với nhiều lớp đường sông chẳng hạn như ao hồ, sông ngòi, tên của vùng nước gần mỗi vị trí nhất tại Hoa Kỳ là gì?
• Với một lớp thu nhập của hộ gia đình, ở đâu tại Hoa Kỳ có phương sai thu nhập trong vòng 50 dặm lớn nhất?

Mô tả Bộ dữ liệu

Tổng kết các đối tượng đầu vào bằng số liệu thống kê, các lớp mẫu và trực quan hóa. Bạn có thể chọn xuất ra lớp mẫu hoặc lớp phạm vi.

Dưới đây là các ví dụ:

• Tham khảo số liệu thống kê tổng kết được tính toán để biết bộ dữ liệu của bạn chứa những giá trị nào.
• Thay vì vẽ cả bộ dữ liệu, hãy tạo một lớp tập hợp con để trực quan hóa các đối tượng và thuộc tính của đối tượng khi thêm vào bản đồ.
• Tiết kiệm thời gian và tài nguyên khi chạy phân tích trên một lớp mẫu trước khi chạy phân tích trên bộ dữ liệu đầy đủ.

Kết nối Đối tượng

Bằng cách sử dụng lớp đối tượng hoặc dữ liệu dạng bảng, bạn có thể liên kết các đối tượng và bản ghi dựa trên mối quan hệ cụ thể giữa các lớp hoặc bảng dữ liệu đầu vào. Liên kết sẽ được xác định theo mối quan hệ không gian, thời gian và thuộc tính, và có thể tính toán tổng kết thống kê.

Dưới đây là các ví dụ:

• Cho các vị trí điểm có tỷ lệ tội phạm trong một thời gian, hãy liên kết các dữ liệu tội phạm để xác định mối quan hệ không gian của tội phạm trong vòng 1 kilômét của mỗi điểm và xảy ra trong vòng 1 giờ để xác định liệu có một chuỗi tội phạm gần nhau về không gian và thời gian không.
• Cho một bảng Mã ZIP với thông tin nhân khẩu học và các đối tượng vùng đại diện cho các khu chung cư, hãy liên kết thông tin nhân khẩu học với nơi cư trú để mỗi nơi cư trú đều có thông tin về dân cư cụ thể.

Tái tạo Đường đi

Sử dụng một lớp dữ liệu đã kích hoạt thông tin thời gian của đối tượng điểm hoặc vùng đại diện cho một thời điểm tức thì, công cụ này sẽ xác định đối tượng đầu vào nào thuộc đường đi và sắp xếp các đầu vào theo trình tự thời gian. Số liệu thống kê sẽ được tính toán cho các đối tượng đầu vào trong mỗi đường đi.

Dưới đây là các ví dụ:

• Cho các vị trí điểm và thời gian đo lường cơn bão, hãy tính toán tốc độ gió trung bình và áp lực gió tối đa của bão.
• Sử dụng giá trị đo GPS của con tàu để tái tạo đường đi của tàu dưới dạng đường.

Tổng kết Thuộc tính

Bằng cách sử dụng đối tượng hoặc dữ liệu dạng bảng, công cụ này tổng kết số liệu thống kê cho các trường xác định.

Dưới đây là các ví dụ:

• Cho các vị trí cửa hàng tạp hóa có trường COMPANY_NAME, hãy tổng kết các cửa hàng theo tên công ty để xác định số liệu thống kê cho mỗi công ty.
• Cho bảng cửa hàng tạp hóa có trường COMPANY_NAME và COUNTY, hãy tổng kết các cửa hàng theo tên công ty và quận để xác định số liệu thống kê cho mỗi công ty trong mỗi quận.

Tổng kết trong Phạm vi

Tìm các khu vực (và các phần của khu vực) mà chồng lên giữa hai lớp và tính toán số liệu thống kê cho lớp chồng này.

Dưới đây là các ví dụ:

• Với một lớp các phạm vi lưu vực sông và một lớp các khu vực sử dụng đất theo loại hình sử dụng đất, hãy tính toán tổng diện tích các loại đất sử dụng cho từng lưu vực.
• Cho một lớp thửa đất trong một quận và một lớp ranh giới thành phố, hãy tổng kết giá trị trung bình các thửa đất trống trong mỗi thành phố.

Tìm kiếm Vị trí

Các công cụ này được dùng để xác định các khu vực đáp ứng một số tiêu chí mà bạn chỉ định.

• Phát hiện Sự cố hoạt động với các lớp dữ liệu được kích hoạt thông tin thời gian để xác định ra đối tượng nào đáp ứng được điều kiện quy định.
• Các Vị trí Mã hóa địa lý từ Bảng chuyển đổi địa chỉ thành tọa độ.
• Tìm Vị trí Trú ngụ tìm kiếm vị trí trong bộ dữ liệu đường đi mà các đối tượng đang ở đó trong một phạm vi khoảng cách nhất định và trong một khoảng thời gian nhất định.
• Tìm Vị trí Tương tự tìm ra các vị trí giống nhiều nhất với vị trí một hoặc nhiều vị trí tham chiếu dựa trên tiêu chí bạn chỉ định.

Phát hiện Sự cố

Công cụ này hoạt động với các lớp dữ liệu được kích hoạt thông tin thời gian dưới dạng điểm, đường, vùng hoặc bảng thể hiện thời điểm tức thì. Sử dụng các đối tượng được sắp xếp theo một thứ tự, việc theo dõi này theo dạng đường đi, công cụ này xác định đối tượng nào là sự cố cần quan tâm. Các sự cố được xác định theo các điều kiện do bạn quy định.

Dưới đây là các ví dụ:

• Phát hiện các giá trị đo của cơn bão là bão Cấp 4 dựa trên thuộc tính về tốc độ gió.
• Sử dụng các giá trị đo GPS của chuyển động của con tàu với một trường thể hiện tốc độ tàu, tìm giá trị đo lớn hơn 1,5 lần trung bình của năm giá trị đo trước đó.

Tìm Vị trí Trú ngụ

Công cụ này hoạt động với các tập dữ liệu đường đi; nó bao gồm một lớp các điểm được kích hoạt thông tin thời gian nhằm tìm ra vị trí của các đối tượng trú ngụ theo khoảng cách hoặc theo khoảng thời gian cụ thể.

Dưới đây là các ví dụ:

• Phân tích các mô hình chuyển động của động vật nhằm nâng cao các nỗ lực bảo tồn. Sử dụng công cụ này để khám phá các điểm trú ngụ phổ biến của động vật như các khu vực được bảo vệ tiềm năng để bảo tồn sự đa dạng sinh học.
• Sử dụng định vị GPS cho xe cộ, tìm và giải quyết nơi xảy ra tình trạng lưu thông chậm để cải thiện an toàn giao thông.

Tìm các Vị trí Tương tự

Dựa trên tiêu chí bạn chỉ định, hãy tìm ra vị trí tương ứng bằng cách đo lường các vị trí tương tự trong lớp tìm kiếm vị trí tiềm năng với một hoặc nhiều vị trí tham chiếu.

Dưới đây là các ví dụ:

• Tìm mười cửa hàng tương tự nhau nhất bằng cách kiểm tra số lượng nhân viên và doanh số hàng năm.
• Tìm 100 thành phố tương tự nhau nhất bằng cách kiểm tra mối quan hệ về dân số, tăng trưởng hàng năm và doanh thu từ thuế.

Phân tích các Mô hình

Các công cụ này xác định, định lượng và trực quan hóa mô hình không gian trong dữ liệu của bạn.

• Tính toán Mật độ lấy số lượng đã biết của một số hiện tượng và trải rộng các số lượng này trên bản đồ.
• Tìm Điểm Nóng xác định những cụm điểm có ý nghĩa thống kê trong mô hình không gian dữ liệu của bạn.
• Tìm Cụm điểm sẽ tìm các cụm đối tượng điểm trong phạm vi nhiễu xung quanh dựa trên phân bổ không gian của chúng.
• Phân loại và Hồi quy dựa vào Rừng tạo ra các mô hình và tạo dự đoán bằng việc sử dụng thuật toán forest ngẫu nhiên của Leo Breiman, một phương pháp machine learning được giám sát.
• Hồi quy Tuyến tính Tổng quát tạo ra dự đoán hoặc mô hình hóa một biến phụ thuộc theo mối quan hệ của nó với một tập hợp các biến giải thích.
• Hồi quy Địa lý theo Trọng số tạo ra các mô hình bằng cách sử dụng một dạng thức hồi quy tuyến tính cục bộ được sử dụng để mô hình hóa các mối quan hệ thay đổi theo không gian.

Tính toán Mật độ

Công cụ Tính toán Mật độ tạo ra một bản đồ mật độ từ các đối tượng điểm bằng cách trình bày số lượng hiện có của một số hiện tượng (được biểu diễn dưới dạng thuộc tính của các điểm) trên bản đồ. Kết quả là tạo ra lớp khu vực thể hiện mật độ.

Dưới đây là các ví dụ:

• Tính toán mật độ bệnh viện trong một quận. Lớp kết quả sẽ hiển thị các khu vực có khả năng tiếp cận cao và thấp đến các bệnh viện, và thông tin này có thể được sử dụng để xác định nơi cần xây dựng thêm bệnh viện mới.
• Xác định các khu vực có nguy cơ cháy rừng cao dựa vào vị trí từng xảy ra cháy rừng trong lịch sử.
• Xác định các khu dân cư xa đường cao tốc chính để lên kế hoạch nơi cần xây dựng các tuyến đường mới.

Tìm Cụm điểm

Công cụ Tìm Cụm điểm sẽ giúp tìm ra các cụm đối tượng dạng điểm trong phạm vi nhiễu xung quanh khu vực dựa trên sự phân bổ không gian của chúng.

Dưới đây là các ví dụ:

• Tìm ra cụm hộ gia đình bị nhiễm dịch bệnh từ động vật để giúp diệt trừ dịch bệnh.
• Thông báo và hành động về nhu cầu cứu hộ và sơ tán dựa trên quy mô và vị trí của các cụm sử dụng các bài đăng tweet được định vị địa lý sau các thảm họa tự nhiên hoặc các cuộc tấn công khủng bố.

Tìm Điểm Nóng

Công cụ Tìm Điểm Nóng sẽ xác định xem có những cụm điểm nào có ý nghĩa thống kê trong mô hình không gian dữ liệu của bạn.

• Các điểm của bạn (tỷ lệ tội phạm, cây xanh, tai nạn giao thông) có thực sự được gom thành nhóm không? Làm thế nào bạn có thể chắc chắn?
• Bạn đã thực sự phát hiện ra một điểm nóng có ý nghĩa thống kê (đối với chi tiêu, tỷ lệ tử vong ở trẻ sơ sinh, điểm kiểm tra cao liên tục) hoặc bản đồ của bạn sẽ kể một câu chuyện khác nếu bạn thay đổi cách mà nó được kí hiệu hóa?

Phân loại và Hồi quy dựa vào Rừng

Công cụ Phân loại và Hồi quy Forest-based giúp mô hình hóa và tạo ra các dự đoán bằng việc sử dụng thuật toán forest ngẫu nhiên của Leo Breiman, một phương pháp machine learning được giám sát.

Dưới đây là các ví dụ:

• Dựa trên dữ liệu về sự xuất hiện của cỏ biển, cũng như một số biến giải thích về môi trường được biểu thị bằng cả hai thuộc tính, vốn đã được bổ sung thông tin bằng lưới đa biến, để tính khoảng cách đến các nhà máy ở thượng nguồn và các cảng chính, có thể dự đoán sự xuất hiện của cỏ biển trong tương lai dựa trên dự đoán tương lai đối với các biến giải thích môi trường tương tự.
• Giả sử bạn có dữ liệu năng suất cây trồng ở hàng trăm trang trại trên cả nước cùng với các thuộc tính khác tại mỗi trang trại trong số đó (số lượng nhân viên, diện tích, v.v.). Bạn có thể sử dụng những mẩu dữ liệu này để tạo nên một tập hợp các đối tượng đại diện cho các trang trại mà ở đó bạn chưa có số liệu về năng suất cây trồng (nhưng có tất cả các biến khác) và đưa ra dự đoán về năng suất cây trồng.
• Có thể dự đoán giá trị nhà ở dựa trên giá của các căn nhà đã được bán trong năm hiện tại. Giá bán của các căn nhà đã bán cùng với thông tin về số phòng ngủ, khoảng cách đến trường học, gần các đường cao tốc chính, thu nhập trung bình và số lượng tội phạm có thể được sử dụng để dự đoán giá bán của các ngôi nhà tương tự.

Hồi quy Tuyến tính Tổng quát

Công cụ Hồi quy Tuyến tính Tổng quát (GLR) tạo ra dự đoán hoặc mô hình hóa một biến phụ thuộc theo mối quan hệ của nó với một tập hợp các biến giải thích. Có thể sử dụng công cụ này để khớp các mô hình liên tục (OLS), nhị phân (logistic) và số lượng (Poisson).

Dưới đây là các ví dụ:

• Những đặc điểm nhân khẩu học nào đóng góp vào tỷ lệ sử dụng phương tiện giao thông công cộng cao?
• Có mối quan hệ cùng chiều giữa phá hoại và trộm cắp không?
• Biến nào dự đoán hiệu quả số lượng cuộc gọi 911? Dựa trên dự đoán trong tương lai, nhu cầu dự kiến về các nguồn lực ứng phó khẩn cấp là gì?
• Những biến nào ảnh hưởng đến tỷ lệ sinh thấp?

Hồi quy Địa lý theo Trọng số

Công cụ này thực hiện Hồi quy Địa lý theo Trọng số (GWR), là một dạng thức hồi quy tuyến tính cục bộ được sử dụng để mô hình hóa các mối quan hệ thay đổi theo không gian.

Dưới đây là các ví dụ:

• Mối quan hệ giữa trình độ học vấn và thu nhập có nhất quán trong khu vực nghiên cứu không?
• Các biến chính giải thích tần suất cháy rừng cao là gì?
• Những học khu mà học sinh đạt điểm kiểm tra cao là ở đâu? Những đặc điểm nào có vẻ được liên kết? Đâu là đặc điểm quan trọng nhất?

Tạo Vùng đệm

Vùng đệm là một khu vực bao phủ một khoảng cách nhất định từ một đối tượng điểm, đường hoặc vùng.

Dưới đây là các ví dụ:

• Bằng cách sử dụng đối tượng sông tuyến tính, hãy tạo vùng đệm cho mỗi con sông gấp 50 lần chiều rộng sông để xác định ranh giới bờ sông đề xuất.
• Cho một lớp dữ liệu vùng đại diện cho các nước, hãy tạo vùng đệm cho mỗi quốc gia gấp 200 hải lý để xác định ranh giới trên biển.

Quản lý Dữ liệu

Các công cụ này được dùng để quản lý cả dữ liệu địa lý và dữ liệu dạng bảng hàng ngày.

• Gộp Dữ liệu nhóm các đối tượng vào một lớp đối tượng dạng lưu trữ có sẵn.
• Tính toán Trường tạo ra một trường mới hoặc sửa đổi trường hiện có và tạo ra một lớp mới trong nội dung của bạn
• Cắt lớp sao chép các đối tượng giao với một khu vực quan tâm xác định.
• Sao chép vào Data Store sao chép dữ liệu đến ArcGIS Data Store và tạo một lớp trong nội dung của bạn hoặc sao chép dữ liệu đến một phần chia sẻ tệp dữ liệu lớn.
• Phân rã Ranh giới gộp các vùng có chung một ranh giới hoặc giá trị thuộc tính với nhau.
• Gộp Lớp sao chép tất cả đối tượng từ hai lớp thành một lớp kết quả duy nhất.
• Chồng Lớp kết hợp hai hoặc nhiều lớp thành một lớp duy nhất.

Thêm Dữ liệu

Thêm các đối tượng vào một lớp được lưu trữ hiện có trong nội dung của bạn trong ArcGIS Enterprise.

Dưới đây là các ví dụ:

• Cập nhật lớp đối tượng 2018_Sales hàng tháng khi bạn có báo cáo.
• Thêm các bộ dữ liệu theo dõi bão từ năm 2016 và 2017 vào bộ dữ liệu bão chính.
• Thu thập và thêm các bộ dữ liệu từ nhiều nguồn khác nhau với các sơ đồ khác nhau bằng cách sử dụng lập bản đồ trường tùy chỉnh.

Tính toán Trường dữ liệu

Tính toán giá trị cho một trường mới hoặc trường hiện có và tạo một lớp trong nội dung của bạn trong ArcGIS Enterprise.

Dưới đây là các ví dụ:

• Sửa đổi trường hiện có mang tên total thành tổng doanh thu từ các trường total_2016, total_2017, và total_2018.
• Tạo một trường để phân loại mức độ nguy hiểm dựa trên giá trị trường như windspeed và pollutant.

Sao chép đến Kho Dữ liệu

Sao chép một lớp đối tượng hoặc bảng đầu vào vào ArcGIS Data Store và tạo lớp mới trong trang nội dung của bạn trong ArcGIS Enterprise.

Dưới đây là các ví dụ:

• Sao chép một tập hợp các tệp .csv trong bảng chia sẻ dữ liệu lớn với kho dữ liệu không gian thời gian để có thể trực quan hóa dữ liệu.
• Sao chép các đối tượng trong phạm vi bản đồ hiện tại được lưu trữ trong kho dữ liệu không gian thời gian đến kho dữ liệu liên quan.

Phân rã các Ranh giới

Gộp các đối tượng khu vực giao cắt hoặc có chung một giá trị trường để tạo ra các đối tượng liền kề hoặc nhiều phần.

Dưới đây là các ví dụ:

• Tạo một tính năng duy nhất đại diện cho tiểu bang Hawaii bằng cách xóa tan ranh giới của các đảo Hawaii.
• Kết hợp các khu vực nghiên cứu tương tự dựa trên loại đất để tạo ra một bộ dữ liệu loại đất liền kề.

Gộp Lớp

Kết hợp hai lớp đối tượng để tạo một lớp kết quả duy nhất. Theo mặc định, tất cả các trường từ lớp gộp sẽ được đưa vào hoặc bạn có thể tùy chỉnh quy tắc gộp để xác định lược đồ kết quả.

Dưới đây là các ví dụ:

• Gộp ba lớp chứa thông tin nhân khẩu học từ Anh, xứ Wales và Scotland để tạo thành một lớp duy nhất của Vương quốc Anh.
• Kết hợp hai lớp chứa thông tin lô đất cho các thị trấn liền kề, chỉ giữ lại các trường có cùng tên và loại trên hai lớp đầu vào.

Chồng xếp lớp

Kết hợp hai hoặc nhiều lớp thành một lớp duy nhất. Chức năng chồng lớp được sử dụng để trả lời một trong những câu hỏi cơ bản nhất về địa lý: Cái gì nằm trên cái gì?

Dưới đây là các ví dụ:

• Lô đất nào nằm trong vùng ngập lụt 100 năm? (Khái niệm Nằm trong chỉ là một cách nói khác của việc nằm phía trên.)
• Loại hình sử dụng đất nào đang nằm trên loại đất nào?
• Giếng nước nào nằm trong căn cứ quân sự bị bỏ hoang?

Bổ sung từ Lưới Đa biến

Nối hiệu quả các thuộc tính từ một lưới đa biến với một lớp điểm, cho phép bạn nhanh chóng thêm bộ sưu tập thông tin lớn và đa dạng vào dữ liệu điểm để sử dụng trong phân tích không gian sau đó.

Sau đây là ví dụ:

• Dựa trên một lớp chứa hàng triệu sự cố mất điện, bổ sung thông tin về việc sử dụng đặc trưng, các rủi ro về môi trường và điều kiện cơ sở hạ tầng cho các đối tượng sự cố nhằm nghiên cứu mối quan hệ giữa các yếu tố này và tần suất mất điện.