Funktionsweise von "Ähnlichkeitssuche"
Mit dem Werkzeug Ähnlichkeitssuche werden die Feature-Kandidaten identifiziert, die einem oder mehreren unter Abzugleichende Eingabe-Features angegebenen Features am ähnlichsten sind (oder sich am meisten von diesen unterscheiden). Die Ähnlichkeit basiert auf einer festgelegten Liste numerischer Attribute (Interessenattribute). Wenn mehrere Abzugleichende Eingabe-Features angegeben sind, basiert die Ähnlichkeit auf Durchschnittswerten für jedes der Interessenattribute. Die Ausgabe-Feature-Class (Ausgabe-Features) enthält die Werte für Abzugleichende Eingabe-Features zusammen mit allen gefundenen passenden Feature-Kandidaten, geordnet nach Ähnlichkeit (wie angegeben durch den Parameter Größte oder geringste Ähnlichkeit). Die Anzahl der zurückgegebenen Übereinstimmungen basiert auf dem Wert für den Parameter Anzahl der Ergebnisse.
Potenzielle Anwendungsbereiche
Sie könnten das Werkzeug Ähnlichkeitssuche nutzen, um andere Städte zu finden, die Ihrer eigenen Stadt in Bezug auf Bevölkerung, Bildung und Nähe zu bestimmten Freizeitmöglichkeiten ähnlich sind.
Lokale Behörden möchten ihre Stadt potenziellen Unternehmen vorstellen, um steuerliche Einnahmen zu steigern. Das Werkzeug Ähnlichkeitssuche hilft ihnen, andere ähnliche Städte zu identifizieren, damit sie die Städte in Bezug auf attraktiver Attribute (wie niedriger Kriminalität und hohem Wachstum) vergleichen können. Diese Behörden könnten auch daran interessiert sein, ähnliche Orte zu finden, die aber entweder größer oder kleiner sind (Kosinusähnlichkeit). Wenn sie feststellen, dass ihr Ort Ähnlichkeiten mit kleineren oder größeren Orten aufweist, die für die Unternehmen, die sie anziehen möchten, attraktiv waren, können sie auf diese Gemeinsamkeiten hinweisen und dabei entweder die Vorteile einer kleineren Stadt (weniger Staus, kleinstädtischer Charme) oder einer größeren Stadt (mehr potenzielle Kunden) hervorheben. Diese Behörden könnten auch an Städten interessiert sein, die ihnen am wenigsten ähneln. Wenn einer der am wenigsten ähnlichen Orte eine Konkurrenz um die Unternehmen darstellt, die sie anziehen wollen, liefert diese Analyse Informationen, die sie für einen Vergleich benötigen.
Eine Personalleiterin soll die Gehaltsstufen im Unternehmen rechtfertigen. Sobald sie Städte identifiziert hat, die hinsichtlich Größe, Lebenshaltungskosten und Infrastruktur vergleichbar sind, kann sie die Gehaltsspannen in diesen Städten untersuchen, um festzustellen, ob diese übereinstimmen.
Ein für die Kriminalitätsanalyse zuständiger Mitarbeiter möchte die Datenbank durchsuchen, um festzustellen, ob eine Straftat Teil eines umfassenderen Musters oder Trends ist.
Ein Fitnessprogramm nach der Schule war in Stadt A äußerst erfolgreich. Die Initiatoren möchten nun andere Städte mit ähnlichen Merkmalen als Kandidaten für eine Ausweitung des Programms finden.
Eine Strafverfolgungsbehörde hat Gebiete aufgedeckt, in denen Drogen angebaut oder hergestellt werden. Die Identifizierung von Orten mit ähnlichen Merkmalen kann der Behörde helfen, zukünftige Suchanfragen gezielter auszurichten.
Ein großer Einzelhändler hat mehrere erfolgreiche Filialen und einige Filialen, die hinter den Erwartungen zurückbleiben. Das Ermitteln von Standorten mit ähnlichen demografischen und kontextuellen Merkmalen (Erreichbarkeit, Sichtbarkeit, ergänzende Geschäfte usw.) hilft dabei, die besten Standorte für ein neues Geschäft zu identifizieren.
Abgleichmethoden
Der Abgleich kann auf Attributwerten, Attributwerten in einer Rangfolge oder Attributprofilen (Kosinusähnlichkeit) basieren. Der für jede dieser Methoden verwendete Algorithmus wird nachfolgend beschrieben. Bei allen Methoden gilt: Wenn mehrere Abzugleichende Eingabe-Features vorhanden sind, werden die Attribute aller Features gemittelt, um ein zusammengesetztes Ziel-Feature zu erstellen, das für den Abgleichprozess verwendet wird:
Attributwerte
Wenn Sie Attributwerte für den Parameter Abgleichmethode auswählen, standardisiert das Werkzeug zunächst alle Interessenattribute sind. Für jeden Kandidaten werden dann die standardisierten Werte von denen des Zielwerts abgezogen, die Differenzen quadriert und die quadrierten Differenzen addiert. Diese Summe wird zum Ähnlichkeitsindex für diesen Kandidaten. Sobald alle Kandidaten bearbeitet wurden, werden die Kandidaten vom kleinsten Index (am ähnlichsten) bis zum größten Index (am wenigsten ähnlich) geordnet.
Tauchen Sie ein:
Die Standardisierung der Attributwerte umfasst eine Z-Transformation, wobei der Mittelwert aller Werte von jedem Wert subtrahiert und durch die Standardabweichung für alle Werte dividiert wird (sowohl Abzugleichende Eingabe-Features als auch Kandidaten-Features werden in die Berechnung des Mittelwerts und der Standardabweichung einbezogen). Bei der Standardisierung werden alle Attribute in denselben Maßstab überführt, auch wenn sie von sehr unterschiedlichen Zahlentypen dargestellt werden: Verhältnisse (Zahlen von 0 bis 1,0), Bevölkerung (mit Werten von über einer Million) und Entfernungen (z. B. Kilometer).
Attributwerte in einer Rangfolge
Wenn Sie Attributwerte in einer Rangfolge für den Parameter Abgleichmethode auswählen, beginnt das Werkzeug damit, jedes der Interessenattribute sowohl für das Ziel-Feature als auch für alle Kandidaten zu ordnen. Für jeden Kandidaten summiert es dann die quadratische Differenz für jedes Attribut in Bezug auf das Ziel-Feature. Wenn der Bevölkerungswert für das Ziel der zehntgrößte unter allen Kandidaten ist und die Bevölkerung des betrachteten Kandidaten an 15. Stelle steht, beträgt die Summe der quadrierten Rangdifferenzen der Bevölkerung für diesen Kandidaten \(10 - 15 = -5\) und \(-5^2\) ist 25. Die Summe der quadratischen Rangdifferenzen für alle Interessenattribute wird zum Ähnlichkeitsindex für diesen Kandidaten. Sobald alle Kandidaten bearbeitet wurden, werden die Kandidaten vom kleinsten Index (am ähnlichsten) bis zum größten Index (am wenigsten ähnlich) geordnet.
Attributprofile
Wenn Sie Attributprofile für den Parameter Abgleichmethode auswählen, standardisiert das Werkzeug zunächst alle Interessenattribute (für diese Methode sind mindestens zwei Interessenattribute erforderlich). Anschließend wird mithilfe der mathematischen Kosinusähnlichkeit der Vektor der standardisierten Attribute jedes Kandidaten mit dem Vektor der standardisierten Attribute des abzugleichenden Ziel-Features verglichen. Die Kosinusähnlichkeit zweier Vektoren, A und B, wird wie folgt berechnet:
Die Kosinusähnlichkeit befasst sich nicht mit der Übereinstimmung von Attributgrößen, sondern konzentriert sich vielmehr auf die Beziehungen zwischen den Attributen. Wenn Sie ein Profil (Liniendiagramm) der standardisierten Attribute in den zu vergleichenden Vektoren (dem Ziel und einem der Kandidaten) erstellen, könnten Sie sehr ähnliche oder sehr unterschiedliche Profile sehen:
Der Index der Kosinusähnlichkeit reicht von 1,0 (vollständige Ähnlichkeit) bis -1,0 (vollständige Unähnlichkeit) und wird im Feld SIMINDEX (Kosinusähnlichkeit) angegeben. Sie könnten diese Ähnlichkeitsmethode verwenden, um Orte zu finden, die die gleichen Eigenschaften aufweisen, aber vielleicht in größerem oder kleinerem Maßstab.
Best Practices
Kartenerstellung von Ähnlichkeitsmustern
Wenn Sie den Parameter Anzahl der Ergebnisse auf null setzen, legt das Werkzeug eine Rangfolge für alle Kandidaten-Features fest. Die Ergebnisse dieser Analyse zeigen Ihnen das räumliche Ähnlichkeitsmuster. Beachten Sie, dass Sie bei der Rangfolge aller Kandidaten Informationen über Ähnlichkeit und Unterschiede erhalten.
Einschließlich räumlicher Variablen
Angenommen, Sie kennen die Standorte (Polygonflächen), an denen eine bestimmte gefährdete Art gut gedeiht, und möchten weitere Standorte finden, an denen sie ebenfalls gedeihen könnte. Sie würden nach Standorten suchen, die den erfolgreichen ähneln, benötigen aber möglicherweise auch Standorte, die groß und kompakt genug sind, um den Erfolg der Arten zu gewährleisten. Für diese Analyse könnte man für jede Polygonfläche einen Kompaktheitskennwert berechnen (gängige Kompaktheitsmessungen basieren auf der Fläche eines Polygons im Verhältnis zur Fläche eines Kreises mit demselben Umfang). Sie könnten dann Ihre Kompaktheitsmessung und ein Attribut, das die Polygongröße (Shape_Area) widerspiegelt, im Parameter An Ausgabe anzuhängende Felder einfügen, wenn Sie das Werkzeug Ähnlichkeitssuche ausführen. Wenn Sie die zehn besten Lösungsvorschläge sowohl hinsichtlich ihrer Kompaktheit als auch ihrer Fläche sortieren, können Sie die am besten geeigneten Standorte für die Wiederansiedlung der Arten ermitteln.
Vielleicht sind Sie ein Einzelhändler, der an einer Expansion interessiert ist. Wenn Sie bereits erfolgreiche Filialen haben, können Sie Attribute nutzen, die die wichtigsten Erfolgsmerkmale widerspiegeln, um geeignete Standorte für eine Expansion zu ermitteln. Angenommen, die Produkte, die Sie verkaufen, sind für Studierende am attraktivsten und Sie möchten Standorte in der Nähe Ihrer aktuellen Geschäfte oder in der Nähe der Konkurrenz vermeiden. Bevor Sie das Werkzeug Ähnlichkeitssuche ausführen, verwenden Sie das Werkzeug Near, um Ihre räumlichen Variablen zu erstellen: Entfernung zu Hochschulen oder Orten mit hoher Studentendichte, Entfernung zu bestehenden Geschäften und Entfernung zu Wettbewerbern. Sie könnten diese räumlichen Variablen dann in den Parameter An Ausgabe anzuhängende Felder einfügen, wenn Sie das Werkzeug Ähnlichkeitssuche ausführen.