Les outils d'appariement d'agrégats analysent les agrégats pour localiser les hot spots, les cold spots, les points spatiaux aberrants statistiquement significatifs, ainsi que des entités similaires. Le jeu d'outils Appariement d'agrégats est particulièrement utile lorsque l'emplacement d'un ou plusieurs agrégats conditionne l'action ; par exemple, l'affectation d'agents de police supplémentaires pour répondre à un agrégat de cambriolages. La localisation d'agrégats spatiaux est également importante pour rechercher les causes potentielles d'agrégation ; ainsi, la localisation de la première manifestation d'une maladie indique parfois les causes qui en sont à l'origine. Contrairement aux méthodes du jeu d'outils Analyse de modèles, qui répond simplement à la question "y a-t-il agrégation spatiale ? par oui ou par non, les outils d'appariement d'agrégats permettent de visualiser l'emplacement et l'étendue des agrégats. Ces outils répondent aux questions : "Où sont les agrégats (hot spots/cold spots) ?", "Où sont les points spatiaux aberrants ?" et "Quelles entités se ressemblent le plus ?".
| Outil | Description |
|---|---|
A partir d'un ensemble d'entités pondérées, identifie des points chauds, des points froids et des points aberrants spatiaux statistiquement significatifs à l'aide de l'outil statistique Anselin Local Morans I. | |
Cet outil regroupe des entités en fonction d'attributs d'entités et de contraintes spatiales ou temporelles facultatives. | |
A partir d'un ensemble d'entités pondérées, identifie les points chauds et les points froids statistiquement significatifs à l'aide de la statistique Getis-Ord Gi*. | |
A partir de points d'incident ou d'entités pondérées (points ou polygones), crée une carte de points chauds et de points froids statistiquement significatifs à l'aide de la statistique Getis-Ord Gi*. Il évalue les caractéristiques de la classe d'entités en entrée pour générer des résultats optimaux. | |
À partir de points d'incident ou d'entités pondérées (points ou polygones), crée une carte de points chauds, de points froids et de points spatiaux aberrants statistiquement significatifs à l'aide de la statistique Anselin Local Moran's I. Il évalue les caractéristiques de la classe d'entités en entrée pour générer des résultats optimaux. | |
Identifie les entités candidates les plus semblables (ou dissemblables) à une ou plusieurs entités en entrée en fonction d'attributs d'entités. |