Punkt-Cluster suchen (GeoAnalytics Desktop Tools)

Zusammenfassung

Findet Cluster aus Punkt-Features im Umfeldrauschen basierend auf deren räumlicher oder raumzeitlicher Verteilung.

Weitere Informationen zur Funktionsweise der Dichte-basierten Cluster-Bildung

Abbildung

Verwendung

• Die Eingabe für Punkt-Cluster suchen ist ein Punkt-Layer. Dieses Werkzeug extrahiert Cluster aus dem Eingabe-Punkt-Layer und identifiziert das Umgebungsrauschen.

• Punkt-Cluster suchen erfordert, dass Eingabe-Punkt-Layer projiziert wird oder dass das Ausgabekoordinatensystem auf ein projiziertes Koordinatensystem festgelegt ist.

• Für den Parameter Methode der Cluster-Bildung gibt es zwei Optionen. Definierte Entfernung (DBSCAN) verwendet den DBSCAN-Algorithmus und sucht anhand einer angegebenen Suchentfernung Cluster aus Punkten in enger Nachbarschaft. Automatische Anpassung (HDBSCAN) nutzt den Algorithmus "HDBSCAN" und ermittelt ähnlich wie DBSCAN Cluster aus Punkten unter Verwendung variierender Entfernungen, wodurch Cluster mit variierenden Dichten auf der Grundlage der Cluster-Wahrscheinlichkeit (oder Stabilität) ermöglicht werden. Bei Auswahl von DBSCAN werden Cluster entweder nur im zweidimensionalen Raum oder in Raum und Zeit gefunden. Wenn Sie die Option Zeit zum Suchen von Clustern verwenden auswählen, im Eingabe-Layer die Zeitoption aktiviert ist und der Zeittyp "Zeitpunkt" lautet, findet DBSCAN Cluster vom Typ "spatiotemporal", die sich, basierend auf einer angegebenen Suchentfernung und einer Suchdauer, in unmittelbarer Nähe befinden.

• Der Parameter Minimale Anzahl Features pro Cluster wird je nach Methode zur Cluster-Bildung auf unterschiedliche Weise verwendet:

  • Definierte Entfernung (DBSCAN): Legt die Anzahl der Features fest, die sich innerhalb einer Suchentfernung von einem Punkt befinden müssen, damit dieser als Ausgangspunkt für die Cluster-Bildung verwendet werden kann. Die Ergebnisse können Cluster enthalten, deren Feature-Anzahl geringer ist als dieser Wert. Die Suchentfernung wird mit dem Parameter Suchentfernung festgelegt. Wenn Cluster anhand der Zeit ermittelt werden, ist Suchdauer erforderlich. Bei der Suche nach Cluster-Mitgliedern muss die Minimale Anzahl Features pro Cluster innerhalb der Suchentfernung und Suchdauer gefunden werden, damit ein Cluster gebildet werden kann. Hinweis: Die Entfernung und die Dauer stehen in keiner Beziehung zum Durchmesser oder zum Zeitraum der gefundenen Punkt-Cluster.

  • Automatische Anpassung (HDBSCAN): Legt die Anzahl der Features fest, die sich in der Nachbarschaft jedes Punktes befinden (einschließlich des Punktes), die beim Schätzen der Dichte berücksichtigt werden. Diese Zahl entspricht gleichzeitig der beim Extrahieren von Clustern zulässigen Mindestgröße für Cluster.

• Dieses Werkzeug generiert eine Ausgabe-Feature-Class mit dem neuen ganzzahligen Feld CLUSTER_ID, das den Cluster angibt, in dem sich das jeweilige Feature befindet. Das Standard-Rendering basiert auf dem Feld COLOR_ID. Dabei wird jede Farbe mehreren Clustern zugewiesen. Durch wiederholtes Zuweisen der Farben lässt sich jeder Cluster visuell von seinen benachbarten Clustern unterscheiden.

• Wenn die Cluster-Bildungsmethode Definierte Entfernung (DBSCAN) mit der Option "Zeit" zum Suchen von Clustern vom Typ "spatiotemporal" verwendet wird, beinhalten die Ergebnisse zudem die folgenden Felder:

  • FEAT_TIME : Ursprünglicher Zeitpunkt der einzelnen Features.

  • START_DATETIME—Startzeit des Zeitraums des Clusters, zu dem ein Feature gehört.

  • END_DATETIME—Endzeit des Zeitraums des Clusters, zu dem ein Feature gehört.

  Die Zeiteigenschaften des Ergebnis-Layers werden mithilfe der Felder START_DATETIME und END_DATETIME als Intervall festgelegt; dadurch wird gewährleistet, dass bei der Visualisierung von Clustern vom Typ "spatiotemporal" mit einem Zeitschieberegler alle Cluster-Mitglieder zusammen dargestellt werden. Diese Felder werden ausschließlich zur Visualisierung verwendet. Bei Rauschen-Features entsprechen die Felder START_DATETIME und END_DATETIME dem Feld FEAT_TIME.

• Wenn Methode der Cluster-Bildung auf Automatische Anpassung (HDBSCAN) festgelegt ist, enthält die Ausgabe-Feature-Class zudem die folgenden Felder:

  • PROB—Die Wahrscheinlichkeit, mit der ein Feature in den zugewiesenen Cluster gehört.

  • OUTLIER—Die Wahrscheinlichkeit, mit der ein Feature im eigenen Cluster ein Ausreißer ist. Je größer der Wert, umso wahrscheinlicher ist das Feature ein Ausreißer.

  • EXEMPLAR—Die Features, die für die einzelnen Cluster am repräsentativsten sind. Diese Features sind durch den Wert 1 gekennzeichnet.

  • STABILITY—Das Vorhandensein der einzelnen Cluster in einem Maßstabsbereich. Je größer der Wert, umso größer ist der Bereich der Abstandsmaßstäbe, in dem sich ein Cluster befindet.

• Sie können die Performance des Werkzeugs Punkt-Cluster suchen verbessern, indem Sie einen oder mehrere der folgenden Tipps anwenden:

  • Legen Sie die Ausdehnungsumgebung so fest, dass nur die gewünschten Daten analysiert werden.

  • Wählen Sie eine geeignete Suchentfernung und Suchdauer aus. Eine geringere Suchentfernung oder ein kleinerer Radius kann bei denselben Daten eine bessere Performance liefern.

  • Verwenden Sie lokale Daten an der Stelle, an der die Analyse ausgeführt wird.

• Dieses Geoverarbeitungswerkzeug wird unterstützt durch Spark. Bei Analysen auf Ihrem Desktop-Computer werden mehrere Kerne parallel verwendet. Weitere Informationen über die Ausführung der Analyse finden Sie unter "Überlegungen zu GeoAnalytics Desktop-Werkzeugen".

• Bei der Ausführung von GeoAnalytics Desktop-Werkzeugen wird die Analyse auf Ihrem Desktop-Computer durchgeführt. Für eine optimale Performance sollten die Daten auf Ihrem Desktop verfügbar sein. Wenn Sie einen gehosteten Feature-Layer verwenden, wird empfohlen, ArcGIS GeoAnalytics Server zu verwenden. Wenn Ihre Daten nicht lokal verfügbar sind, dauert die Ausführung eines Werkzeugs bedeutend länger. Informationen zur Durchführung von Analysen mit Ihrem ArcGIS GeoAnalytics Server finden Sie unter GeoAnalytics-Werkzeuge.

Parameter

• Dialog
• Python

Beschriftung	Erläuterung	Datentyp
Eingabe-Punkt-Layer	Die Point-Feature-Class, die die Punkt-Cluster enthält.	Feature Layer
Ausgabe-Feature-Class	Eine neue Feature-Class mit den resultierenden Punkt-Clustern.	Feature Class
Methode der Cluster-Bildung	Gibt die Methode an, die zum Definieren von Clustern verwendet wird. Definierte Entfernung (DBSCAN)—Eine definierte Entfernung wird verwendet, um dichte Cluster vom schwächeren Rauschen zu trennen. DBSCAN ist die schnellste dieser Methoden der Cluster-Bildung, sollte aber nur dann verwendet werden, wenn mit einer klaren Entfernung gearbeitet werden kann, mit der sich alle möglicherweise vorhandenen Cluster definieren lassen. Dies führt zu Clustern mit ähnlichen Dichten. Dies ist die Standardeinstellung. Automatische Anpassung (HDBSCAN)—Variierende Entfernungen werden verwendet, um Cluster variierender Dichten vom schwächeren Rauschen zu trennen. HDBSCAN ist die datenabhängigste dieser Methoden der Cluster-Bildung und erfordert die wenigsten Benutzereingaben.	String
Minimale Anzahl Features pro Cluster	Dieser Parameter wird unterschiedlich verwendet, je nachdem, welche der folgenden Methoden der Cluster-Bildung ausgewählt wird: Definierte Entfernung (DBSCAN): Legt die Anzahl der Features fest, die sich in einer bestimmten Entfernung von einem Punkt befinden müssen, damit dieser als Ausgangspunkt für die Cluster-Bildung verwendet werden kann. Die Entfernung wird mit dem Parameter Suchentfernung definiert. Automatische Anpassung (HDBSCAN): Legt die Anzahl der Features fest, die sich in der Nachbarschaft jedes Punktes befinden (einschließlich des Punktes), die beim Schätzen der Dichte berücksichtigt werden. Diese Zahl entspricht gleichzeitig der beim Extrahieren von Clustern zulässigen Mindestgröße für Cluster.	Long
Suchentfernung	Die maximal berücksichtigte Entfernung. Für die Cluster-Mitgliedschaft muss der für Minimale Anzahl Features pro Cluster angegebene Wert innerhalb dieser Entfernung gefunden werden. Einzelne Cluster werden um mindestens diese Entfernung voneinander getrennt. Wenn sich ein Feature in größerer Entfernung vom nächstliegenden Feature im Cluster befindet, wird es nicht in den Cluster aufgenommen.	Linear Unit
Zeit zum Suchen von Clustern verwenden (Optional)	Gibt an, ob die Suche von Clustern mit DBSCAN anhand der Zeit erfolgt. Aktiviert—Cluster vom Typ "spatiotemporal" werden anhand einer Suchentfernung und einer Suchdauer gefunden. Deaktiviert—Räumliche Cluster werden mithilfe einer Suchentfernung gefunden, während die Zeit unberücksichtigt bleibt. Dies ist die Standardeinstellung.	Boolean
Suchdauer (Optional)	Bei der Suche nach Cluster-Mitgliedern muss die angegebene minimale Anzahl Punkte innerhalb dieser Zeitdauer gefunden werden, damit ein Cluster gebildet werden kann.	Time Unit

Umgebungen

Ausgabe-Koordinatensystem, Ausdehnung, Aktueller Workspace

Lizenzierungsinformationen

• Basic: Nein
• Standard: Nein
• Advanced: Ja

Verwandte Themen

• Überblick über das Toolset "Muster analysieren"
• Überlegungen zu GeoAnalytics Desktop-Werkzeugen
• Suchen eines Geoverarbeitungswerkzeugs