Los datos tienen contenido espacial y temporal: todo sucede en algún lugar y ocurre en algún punto en el tiempo. Diversas herramientas, incluidas Análisis de puntos calientes, Análisis de clúster y de valor atípico, Análisis de puntos calientes emergentes y Análisis de agrupamiento, le permiten aprovechar esos aspectos de sus datos. Cuando considera tanto el contexto espacial y temporal de los datos, puede responder preguntas como las siguientes:
- ¿Dónde están los puntos calientes de delincuencia de espacio-tiempo? Si es analista de la delincuencia, puede que use los resultados de un Análisis de puntos calientes de espacio-tiempo para asegurarse de que sus recursos policiales estén distribuidos de la forma más eficiente posible. Usted desea que esos recursos estén en los lugares adecuados en su debido momento.
- ¿Dónde están las anomalías en el gasto? En un esfuerzo por identificar fraudes, puede utilizar Análisis de clúster y de valor atípico para analizar los comportamientos de gasto buscando valores atípicos en el tiempo y el espacio. Un repentino cambio de los patrones de gastos o frecuencia podría sugerir una actividad sospechosa.
- ¿Cuáles son las características de los brotes de bacterias? Supongamos que está estudiando muestras de salmonela tomadas granjas lácteas en su estado. Para caracterizar focos individuales, puede ejecutar Análisis de agrupamiento en sus datos de muestra, limitando la pertenencia a grupos tanto en el espacio como en el tiempo. Las muestras que se parecen en tiempo y espacio son más probables a estar asociadas con el mismo brote.
- ¿Sus decisiones o asignaciones de recursos fueron efectivas? Supongamos que desea supervisar la eficacia de los nuevos agentes policiales que ha desplegado para reducir los delitos relacionados con la droga. Puede usar Puntos calientes emergentes para controlar los cambios en las tendencias de los datos de eventos, tales como la identificación de ubicaciones que presenten puntos calientes nuevos y con creciente intensidad o puntos calientes decrecientes donde existe tráfico de drogas.
Varias herramientas de la caja de herramientas Estadística espacial funcionan evaluando cada entidad en el contexto de sus entidades vecinas. Cuando las relaciones de vecino se definen en términos tanto de espacio y tiempo, los análisis espaciales tradicionales se convierten en análisis de espacio-tiempo. Para definir las relaciones vecinas utilizando aspectos tanto espaciales como temporales de sus datos, utilice la herramienta Generar matriz de ponderaciones espaciales y seleccione la opción SPACE_TIME_WINDOW para el parámetro Conceptualización de relaciones espaciales. Después especifique tanto una Distancia de umbral como un intervalo temporal (Tipo de intervalo Fecha/Hora y Valor de intervalo Fecha/Hora). Si, por ejemplo, usted proporciona una distancia de 1 kilómetro y un intervalo de tiempo de 7 días, las entidades que se encuentran dentro de 1 kilómetro que también tienen una marca de tiempo/fecha en un lapso de 7 días entre sí, se analizarán de forma conjunta. De manera similar, las entidades separadas a menos de 1 kilómetro de distancia y estén fuera de un intervalo de tiempo de 7 días de separación no se considerarán entidades vecinas.
Más allá de las instantáneas de tiempo
Un método común para la comprensión de las tendencias espaciales y temporales de los datos es desglosarlos en una serie de instantáneas de tiempo. Podría, por ejemplo, crear datasets separados para la semana uno, semana dos, semana tres, semana cuatro y semana cinco. A continuación, podría analizar cada semana por separado y presentar los resultados de su análisis como una serie de mapas o como una animación. Si bien se trata de un modo eficaz de mostrar tendencias, la forma en que decida dividir los datos es un tanto arbitraria. Si analiza sus datos semana en semana, por ejemplo, ¿cómo puede decidir dónde cae el corte? ¿Debería desglosar los datos entre el domingo y el lunes? ¿Quizás de lunes a jueves, y luego nuevamente de viernes a domingo? Y ¿hay algo especial sobre el análisis de los datos en los intervalos de toda la semana? ¿No podría ser que un análisis diario o mensual fuera más eficaz? Las consecuencias podrían ser importantes si la división (separar los eventos del domingo de los eventos del lunes, por ejemplo) separa entidades que realmente deberían estar relacionadas. En los ejemplos que aparecen a continuación, 6 entidades están dentro de la ventana de espacio-tiempo de 1 km y 7 días de la entidad etiquetada como Jan 31; sin embargo, solo se incluirá una entidad vecina si los datos se analizan usando las instantáneas mensuales.
Cuando defina relaciones entre entidades usando la SPACE_TIME_WINDOW, no creará instantáneas de los datos. En lugar de ello, todos los datos se utilizan en el análisis. Las entidades que están cercanas en el espacio y el tiempo se analizarán juntas, ya que todas las relaciones entre entidades se evalúan respecto de a la ubicación y la marca de tiempo de la entidad de destino; en el ejemplo anterior (A.), una ventana de espacio tiempo de 1 km y 7 días encuentra seis vecinos para la entidad etiquetada como Jan 31.
Supongamos que estuviera analizando incendios forestales en una región. Si fuera a ejecutar la herramienta Análisis de puntos calientes usando la conceptualización FIXED_DISTANCE_BAND predeterminada para definir las relaciones entre entidades, el resultado sería un mapa que le muestre las ubicaciones de puntos calientes y puntos fríos de incendios forestales significativos desde el punto de vista estadístico. Si después ejecuta el análisis de nuevo, pero esta vez las relaciones espaciales se definen en términos de una SPACE_TIME_WINDOW, puede que encuentre que algunas de las áreas de puntos calientes son estacionales. La comprensión de esta característica temporal de los incendios forestales puede tener consecuencias importantes para la forma de asignar los recursos de bomberos.
Visualización de resultados de espacio-tiempo
Los mapas de calor generalmente muestran áreas de alta intensidad (puntos calientes) en rojo y áreas de baja intensidad (puntos fríos) en azul. En el siguiente gráfico, por ejemplo, las áreas en rojo son lugares que reciben el mayor número de llamadas de emergencia al 911. Las áreas en azul son ubicaciones que reciben relativamente pocas llamadas. ¿Cómo podría agregar información sobre la dimensión temporal de frecuencias de llamadas al 911 al siguiente mapa? ¿Cómo puede representar eficazmente en un mapa cosas como los brotes individuales, una serie de excesos de delitos, repercusiones en la adopción de una nueva tecnología o las oscilaciones estacionales de patrones de tormentas?
Representar datos tridimensionales (ubicación x e y, más tiempo) es difícil de hacer con un mapa bidimensional. Tenga en cuenta que en el ejemplo mostrado a continuación no puede discernir si hay dos puntos calientes distintos (cercanos en el espacio, pero separados en el tiempo) hasta que los datos se visualizan en tres dimensiones. Al extruir las entidades con base en un campo de tiempo, se vuelve más claro qué entidades están relacionados y cuáles están separados por el tiempo.
Hay al menos dos maneras de visualizar la salida desde los análisis de espacio-tiempo. La visualización tridimensional es eficaz con un área de estudio más pequeña cuando se tiene un número limitado de entidades; este enfoque le permite presentar relaciones de espacio-tiempo en un solo mapa. Otro método eficaz para representar los procesos de espacio-tiempo es a través de la animación. Los ejemplos siguientes se centran específicamente en la visualización de clústeres de espacio-tiempo.
Animación
Para animar los clústeres de espacio-tiempo, habilite el tiempo en sus entidades de resultado, abra el Control deslizante de tiempo de la barra de herramientas y haga clic en Reproducir . Configure una ventana de tiempo que le permitirá ver lo suficiente de los datos de una sola vez en un solo paso. Si tiene poca experiencia con la creación de animaciones, siga los vínculos de abajo.
3D
Otra forma poderosa para visualizar los resultados de un análisis clúster de espacio-tiempo es utilizar la visualización en 3D. Con este método, el tiempo se convierte en tercera dimensión, con entidades de punto extruidas para reflejar la progresión temporal. En el gráfico anterior en 3D, por ejemplo, los eventos más antiguos están más cercanos a la tierra, y los eventos más recientes se desplazan a altas elevaciones (parecen estar más cerca al visor).
Puede crear una representación 3D de sus datos como la mostrada arriba, usando ArcGlobe o ArcGIS Pro. A continuación encontrará instrucciones para visualizar sus resultados de análisis clúster de espacio-tiempo en ArcGIS Pro.
Primero, ejecute su análisis clúster de espacio-tiempo en ArcGIS Pro. A continuación, puede ver la salida siguiendo estos pasos:
- Abrir una escena. Para abrir una escena, vaya a la pestaña Insertar, haga clic en Nuevo mapa y elija Nueva escena.
Abra la tabla de atributos de su capa de entidades de salida y ordene sus entidades por fecha, de modo que pueda identificar la fecha más temprana. Cree un nuevo campo llamado DateDiff para calcular los valores del tiempo transcurrido que se usarán para proyectar la altura de cada entidad. Para este ejemplo, las alturas se basarán en el número de días que han transcurrido desde que ocurrió el primer evento en el dataset.
Utilizará un script de Python para calcular los valores del tiempo transcurrido. Haga clic con el botón derecho en el nuevo campo que acaba de crear y elija Calcular campo. Desde el panel Geoprocesamiento, complete los parámetros y el bloque de código como se muestra a continuación, reemplazando la fecha en el bloque de código con la fecha más temprana para las entidades en su capa de entidades de salida.
- Establezca la superficie de elevación en cero. Dado que el tiempo se usa como eje vertical en la visualización de la salida, es importante que todas las entidades tengan la misma altura base para que la interpretación sea precisa. Para hacer esto, los servicios de elevación predeterminados deben estar desactivados. Para desactivar los servicios de elevación, haga clic con el botón derecho en la nueva escena en el panel Contenido y haga clic en Propiedades. Vaya a la pestaña Superficie de elevación, expanda Base y elimine los servicios de elevación que se utilizan de forma predeterminada.
- Haga clic con el botón derecho en la capa de entidades de salida, seleccione Propiedades y busque la pestaña Elevación. Cambie la configuración del parámetro Las entidades están a A altura absoluta y ajuste que el campo sea el DateDiff que había creado. Puede que tenga que experimentar con diferentes valores de Exageración vertical para crear la visualización que mejor funcione para usted.
Consulte Navegación en ArcGIS Pro para aprender más acerca de la navegación y la exploración de la escena 3D.