Présentation des cubes spatio-temporels
Les données spatiales incluent souvent un élément temporel. Un cube spatio-temporel est une représentation 3D de ces données spatio-temporelles. Il permet d’analyser des modèles spatiaux et temporels, de prévoir les valeurs futures et de visualiser les données et résultats d’analyse en 2D et 3D.
Structure d’un cube spatio-temporel
Un cube spatio-temporel est constitué d’emplacements et de groupes.
Emplacements
L’emplacement est la position dans l’espace 2D (x, y) et la géométrie d’un groupe spatio-temporel. Les emplacements sont statiques et définis lors de la création du cube spatio-temporel. Ils déterminent le type de cube spatio-temporel créé. Les cubes spatio-temporels peuvent être des cubes de grilles, où les emplacements sont constitués par une grille de forme régulière de rectangles ou d’hexagones, ou des cubes d’emplacements définis, où les emplacements sont prédéfinis (par exemple, des polygones pour les états ou des points pour les postes de surveillance).
Groupes
Un groupe représente un seul emplacement et un seul intervalle temporel. Chaque groupe présente une position fixe dans l’espace (x,y) et dans le temps. Il ajoute la troisième dimension, le temps, à un emplacement. Chaque groupe représente la même période, qui est définie lors de la création du cube spatio-temporel.
Chacun des emplacements du cube spatio-temporel possède le même nombre de groupes. Les groupes d’un même emplacement constituent une série chronologique. Les groupes à un même moment de l’espace temporel constituent un intervalle. Pour déterminer le nombre total de groupes dans un cube spatio-temporel, utilisez l’outil Describe Space Time Cube (Décrire un cube spatio-temporel).
Créer un cube spatio-temporel
Le format des données en entrée détermine la méthode utilisée pour créer un cube spatio-temporel. Les outils suivants permettent de créer un cube spatio-temporel :
Create Space Time Cube By Aggregating Points (Créer un cube spatio-temporel en agrégeant des points)
Créer un cube spatio-temporel en agrégeant des points
Si vous disposez d’entités ponctuelles comportant un champ temporel que vous souhaitez agréger à certains emplacements dans une zone d’étude, utilisez l’outil Create Space Time Cube By Aggregating Points (Créer un cube spatio-temporel en agrégeant des points). Vous obtiendrez un cube de grilles (quadrillage ou hexagone) ou un cube d’emplacements définis si vous avez fourni des polygones dans lesquels les points seront agrégés (par exemple, les vols à New York).
Remarque :
L’outil accepte uniquement une classe d’entités ponctuelles comme valeur pour le paramètre Input Features (Entités en entrée). Si les données se trouvent dans une table, utilisez l’outil XY Table To Point (Table XY vers point) pour créer une classe d’entités ponctuelles.
Chaque groupe possède un champ COUNT spécifiant le nombre de points qu’il contient. Chaque groupe peut également posséder des champs supplémentaires qui récapitulent les attributs du jeu de données en entrée.
En savoir plus sur les attributs inclus dans un cube spatio-temporel lors de sa création
En savoir plus sur la création d’un cube spatio-temporel en agrégeant des points
Créer un cube spatio-temporel à partir d’emplacements définis
Si vous disposez d’emplacements d’entités qui ne changent pas dans le temps et d’attributs ou de mesures recueillis au fil du temps, comme des données de panel ou des données de station, utilisez l’outil Create Space Time Cube From Defined Locations (Créer un cube spatio-temporel à partir d’emplacements définis). Il en résulte un cube structuré à l’aide de ces emplacements définis. Si une agrégation temporelle est sélectionnée, chaque période inclut des statistiques récapitulatives pour les attributs sélectionnés. Si aucune agrégation temporelle n’est sélectionnée, chaque période possède un jeu d’attributs.
En savoir plus sur la création d’un cube spatio-temporel à partir d’emplacements définis
Créer un cube spatio-temporel à partir d’une couche raster multidimensionnelle
Si vous disposez d’un raster multidimensionnel, utilisez l’outil Create Space Time Cube From Multidimensional Raster Layer (Créer un cube spatio-temporel à partir d’une couche raster multidimensionnelle) pour le convertir en cube spatio-temporel. La forme des cellules détermine si le cube est un cube de grilles (cellules carrées) ou un cube d’emplacements définis (cellules rectangulaires).
Types de cubes spatio-temporels
Un cube spatio-temporel peut être un cube de grilles ou un cube d’emplacements définis. Le type de cube est déterminé lors de la création du cube spatio-temporel.
La structure du cube spatio-temporel constitue la principale différence entre les cubes de grilles et les cubes d’emplacements définis. Les emplacements d’un cube de grilles sont constitués d’une grille rectangulaire d’entités carrées ou hexagonales. Dans un cube d’emplacements définis, les emplacements et leur forme ne sont pas limités. Les deux types de cubes spatio-temporels peuvent être utilisés comme entrée des outils des jeux d’outils Visualisation d’un cube spatio-temporel, Analyse des modèles spatio-temporels et Prévision de séries chronologiques.
Remarque :
Vous pouvez utiliser l’outil Describe Space Time Cube (Décrire un cube spatio-temporel) pour déterminer le type d’un cube spatio-temporel existant.
Cube de grilles
La structure du cube de grilles comporte des lignes, des colonnes et des intervalles temporels. Si vous multipliez le nombre de lignes par le nombre de colonnes par le nombre d’intervalles temporels, vous obtiendrez le nombre total de groupes dans le cube. Les lignes et les colonnes déterminent l’étendue spatiale du cube et les intervalles temporels en déterminent l’étendue temporelle. Un cube de grilles est toujours rectangulaire. Toutefois, les emplacements sans donnée pour tous les intervalles temporels ne sont pas visualisés ou inclus dans une analyse.
Cube d’emplacements définis
La structure du cube d’emplacements définis comporte des entités et des intervalles temporels. Si vous multipliez le nombre d’entités par le nombre d'intervalles temporels, vous obtenez le nombre total de groupes dans le cube. Les entités déterminent l’étendue spatiale du cube et les intervalles temporels déterminent l’étendue temporelle.
Un cube d’emplacements définis d’une couche raster multidimensionnelle possède le même nombre d’entités et de dimensions temporelles que le nombre de cellules et de dimensions de la couche raster multidimensionnelle.
Analyse d’un modèle spatial et temporel
Une fois que vous avez créé un cube spatio-temporel, vous pouvez identifier les modèles spatiaux et temporels à l’aide de tout outil du jeu d’outils Space Time Pattern Analysis (Analyse des modèles spatio-temporels). Chaque outil du jeu d’outils crée une classe d’entités avec les résultats de l’analyse. Les outils Change Point Detection (Détection des points de changement), Emerging Hot Spot Analysis (Analyse des points chauds émergents), Time Series Clustering (Agrégation de séries chronologiques), Time Series Cross Correlation (Corrélation croisée de séries chronologiques) et Local Outlier Analysis (Analyse des valeurs aberrantes locales) mettent également à jour le cube spatio-temporel d’origine avec les résultats de l’analyse.
|
Outil |
Description |
Questions |
|---|---|---|
|
Détecte les intervalles temporels où une propriété statistique (valeur moyenne, écart type ou tendance linéaire) de la série chronologique change pour chaque emplacement d’un cube spatio-temporel. |
|
|
|
Emerging Hot Spot Analysis (Analyse des points chauds émergents) |
Détecte l’agrégation des densités de points (totaux) ou les valeurs d’un cube spatio-temporel, puis, pour chacun des emplacements, classe la tendance de ces points chauds et froids dans une catégorie. Les catégories sont notamment les points chauds et froids nouveaux, consécutifs, d’intensification, persistants, diminuants, sporadiques, oscillants et historiques. |
|
|
Local Outlier Analysis (Analyse des valeurs aberrantes locales) |
Identifie les agrégats et points aberrants statistiquement significatifs dans l’espace et le temps. |
|
|
Time Series Clustering (Agrégation de séries chronologiques) |
Cet outil partitionne une collection de séries chronologiques, stockées dans un cube spatio-temporel, en fonction de la similarité de leurs caractéristiques. Les séries chronologiques peuvent être agrégées en fonction de trois critères : disposer de valeurs similaires dans le temps, tendance à augmenter et diminuer simultanément et disposer de motifs se répétant similaires. |
|
|
Time Series Cross Correlation (Corrélation croisée de séries chronologiques) |
Calcule la corrélation croisée à différents décalages temporels entre deux séries chronologiques stockées dans un cube spatio-temporel. |
|
Prévision de séries chronologiques
Une fois que vous avez créé un cube spatio-temporel, vous pouvez utiliser les outils du jeu d’outils Prévision de séries chronologiques. Ce jeu d’outils inclut trois outils qui estiment les valeurs futures à chacun des emplacements du cube spatio-temporel et un outil d’évaluation de modèle qui permet de comparer les modèles de prévision. Les outils du jeu d’outils enregistrent les résultats de prévision dans une classe d’entités en sortie et, éventuellement, un cube spatio-temporel. Les outils de prévision suivants sont disponibles :
|
Outil |
Description |
|---|---|
|
Utilise un simple ajustement de la courbe pour modéliser une série chronologique et prévoir les valeurs futures à chaque emplacement d’un cube spatio-temporel. |
|
|
Prévoit les valeurs de chaque emplacement d’un cube spatio-temporel à l’aide de la méthode de lissage exponentiel Holt-Winters, en décomposant la série chronologique au niveau de chaque cube d’emplacement en composants saisonniers et de tendance. |
|
|
Prévoit les valeurs à chaque emplacement d’un cube spatio-temporel à l’aide d’une adaptation de l’algorithme des forêts aléatoires, qui est une méthode de machine learning supervisée mise au point par Leo Breiman et Adele Cutler. |
|
|
Evaluate Forecasts By Location (Évaluer les prévisions par emplacement) |
Sélectionne le résultat le plus précis pour chaque emplacement d’un cube spatio-temporel, parmi plusieurs résultats de prévision. Cela vous permet d’utiliser plusieurs outils du jeu d’outils Prévision de séries chronologiques avec les mêmes données de séries chronologiques, et de sélectionner la meilleure prévision pour chaque emplacement. |
Visualiser un cube spatio-temporel
Vous pouvez visualiser les résultats d’analyse et variables du cube spatio-temporel à l’aide des outils du jeu d’outils Space Time Cube Visualization (Visualisation d’un cube spatio-temporel). Le cube spatio-temporel peut être visualisé en 2D ou en 3D. Pour visualiser les résultats en 2D, utilisez l’outil Visualize Space Time Cube in 2D (Visualiser un cube spatio-temporel en 2D). Pour visualiser les résultats en 3D, ouvrez une scène et utilisez l’outil Visualize Space Time Cube in 3D (Visualiser le cube spatio-temporel en 3D) ou créez une couche de cube spatio-temporel à l’aide de l’outil Make Space Time Cube Layer (Créer une couche de cube spatio-temporel).
Remarque :
Il est recommandé d’utiliser l’outil Make Space Time Cube Layer (Créer une couche de cube spatio-temporel) pour visualiser un cube spatio-temporel en 3D. Vous pouvez utiliser l’outil Visualize Space Time Cube in 3D (Visualiser le cube spatio-temporel en 3D) aussi bien que l’outil Make Space Time Cube Layer (Créer une couche de cube spatio-temporel) pour visualiser un cube spatio-temporel en 3D. Toutefois, la couche de cube spatio-temporel créée par l’outil Make Space Time Cube Layer (Créer une couche de cube spatio-temporel) offre davantage d’options de thème d’affichage et de fonctions pour interagir avec la visualisation du cube spatio-temporel.
La visualisation du cube spatio-temporel en 2D et en 3D vous permet :
De synthétiser les résultats à un emplacement spécifique et d’afficher et de comparer les résultats entre les emplacements.
De comprendre la structure du cube spatio-temporel.
D’afficher les données et les résultats d’analyse et d’interagir avec ces informations, pour mieux comprendre les résultats.
Thèmes d’affichage
Les thèmes d’affichage sont une symbologie 2D et 3D prédéfinie permettant de visualiser les variables, résultats d’analyse et résultats de prévision contenus dans un cube spatio-temporel. Ces thèmes d’affichage améliorent les résultats d’analyse. Ils les rendent plus intuitifs pour explorer les données dans un cube spatio-temporel. Vous pouvez sélectionner un thème d’affichage en définissant le paramètre Display Theme (Thème d’affichage) dans les outils Visualize Space Time Cube in 2D (Visualiser un cube spatio-temporel en 2D) et Visualize Space Time Cube in 3D (Visualiser le cube spatio-temporel en 3D) ou en sélectionnant le thème d’affichage dans la bibliothèque Themes (Thèmes) sur le ruban du cube spatio-temporel.
Il existe un ou plusieurs thèmes d’affichage par type d’analyse. Afin d’obtenir la liste de tous les thèmes d’affichage disponibles pour un cube spatio-temporel, utilisez l’outil Describe Space Time Cube (Décrire un cube spatio-temporel). Le tableau suivant répertorie les options de thème d’affichage disponibles pour les outils des jeux d’outils Analyse des modèles spatio-temporels et Prévision de séries chronologiques :
|
Outil |
Thèmes 2D |
Thèmes 3D |
Thèmes de couche de cube spatio-temporel |
|---|---|---|---|
|
Point de changement dans une série chronologique |
Point de changement dans une série chronologique |
Points de changement |
|
|
Emerging Hot Spot Analysis (Analyse des points chauds émergents) |
Tendances des points chauds et froids |
Tendances des points chauds et froids |
Type de point chaud Valeur p des points chauds Score Z des points chauds |
|
Local Outlier Analysis (Analyse des valeurs aberrantes locales) |
Résultats de l’analyse des points aberrants locaux Pourcentage de points aberrants locaux Point aberrant local dans la période la plus récente Emplacements sans voisins spatiaux |
Résultat des agrégats et des points aberrants |
Type de point aberrant local Indice local de Moran Score Z des points aberrants locaux Valeur p des points aberrants locaux |
|
Time Series Clustering (Agrégation de séries chronologiques) |
Résultats de l’agrégation de séries chronologiques |
||
|
Time Series Cross Correlation (Corrélation croisée de séries chronologiques) |
Résultats de la corrélation croisée des séries chronologiques |
||
|
Emplacements avec tendances des données Résultats de la prévision Résultats des points aberrants de la série chronologique |
Résultats de la prévision Résultats des points aberrants de la série chronologique |
Résultat de la prévision Valeur résiduelle Points aberrants de la série chronologique |
|
|
Résultats de la prévision Résultats des points aberrants de la série chronologique |
Résultats de la prévision Résultats des points aberrants de la série chronologique |
Composante de niveau Composante de tendance Composante de saisonnalité Composante de niveau et de tendance Résultat de la prévision Valeur résiduelle Points aberrants de la série chronologique |
|
|
Résultats de la prévision Résultats des points aberrants de la série chronologique |
Résultats de la prévision Résultats des points aberrants de la série chronologique |
Résultat de la prévision Valeur résiduelle Points aberrants de la série chronologique |
|
|
Evaluate Forecasts By Location (Évaluer les prévisions par emplacement) |
Résultats des prévisions |
Résultats de la prévision |
Résultat de la prévision Valeur résiduelle |
En savoir plus sur les thèmes d’affichage pour la visualisation des couches de cube spatio-temporel
Utilities (Utilitaires)
Le jeu d’outils Utilities (Utilitaires) contient des outils qui permettent de préparer les données avant de créer un cube spatio-temporel, de synthétiser le contenu d’un cube spatio-temporel et de créer un sous-ensemble d’un cube spatio-temporel existant pour créer un nouveau cube spatio-temporel.
Outil Fill Missing Values (Renseigne les valeurs manquantes)
Les données peuvent contenir des valeurs nulles. Les valeurs nulles peuvent avoir un impact négatif sur les résultats d’une analyse. Par exemple, les entités pour lesquelles des valeurs sont manquantes peuvent être supprimées de l’analyse. Lors de la création d’un cube spatio-temporel, les entités dont l’un quelconque des enregistrements de champ de récapitulation comporte une valeur nulle sont exclues du cube en sortie. Au lieu de supprimer ces entités en entrée, il est possible d’estimer les valeurs de données manquantes en fonction des données existantes à l’aide de l’outil Fill Missing Values (Renseigner les valeurs manquantes). Vous pouvez remplir les valeurs manquantes en utilisant les statistiques globales, les voisins spatiaux ou les voisins spatio-temporels.
Remarque :
Il est recommandé de traiter les valeurs manquantes dans les données en entrée avant de créer un cube spatio-temporel. Vous pouvez ouvrir une vue Data Engineering depuis la couche d’entités en entrée pour identifier les valeurs nulles pour chaque champ et les remplir.
Décrire un cube spatio-temporel
Les cubes spatio-temporels peuvent se présenter sous différentes formes, notamment sous forme de :
Cube de grilles, cube d’emplacements définis ou cube de prévision
Contenir une ou plusieurs variables
Contenir un ou plusieurs résultats d’analyse
S’étendre sur une période courte, par exemple un jour, ou longue
Couvrir une petite zone, par exemple un quartier, ou une grande zone, par exemple le monde entier
Il est essentiel de comprendre le contenu et les caractéristiques d’un cube spatio-temporel. Utilisez l’outil Describe Space Time Cube (Décrire un cube spatio-temporel) pour synthétiser un cube spatio-temporel et son contenu.
Outil Subset Space Time Cube (Subdiviser un cube spatio-temporel)
L’outil Subset Space Time Cube (Subdiviser un cube spatio-temporel) crée un nouveau cube spatio-temporel avec moins d’intervalles temporels ou d’emplacements, en fonction de la méthode et des critères de subdivision sélectionnés. La structure du groupe, notamment l’intervalle temporel et la géométrie de l’emplacement, ne change pas.
Autres outils
La boîte à outils Space Time Pattern Mining (Exploration des modèles spatio-temporels) contient de nombreux outils que vous pouvez utiliser pour analyser un cube spatio-temporel. Toutefois, il peut être nécessaire de préparer, lisser ou transformer les données avant de créer un cube spatio-temporel. Plusieurs outils de la boîte à outils Spatial Statistics (Statistiques spatiales) peuvent être utiles pour le prétraitement des données, comme l’outil Time Series Smoothing (Lissage chronologique) ou Calculate Rates (Calculer des taux).