ヘルプ

時空間ホット スポット分析 (Emerging Hot Spot Analysis)

サマリ

[時空間キューブの作成 (Create Space Time Cube)] を使用して作成した時空間キューブ内のポイント密度 (カウント) またはサマリー フィールドのクラスターリングの傾向を識別します。カテゴリには、新規、連続性、増大、持続性、減衰、散発性、振動、履歴のホット スポットとコールド スポットがあります。

時空間ホット スポット分析 (Emerging Hot Spot Analysis) ツールの詳細

図

ホット スポットの傾向

使用法

  • このツールは、[時空間キューブの作成 (Create Space Time Cube)] ツールによって作成された netCDF ファイルのみを受け入れることができます。

  • 時空間キューブ内の各ビンは LOCATION_ID、time_step_ID、COUNT の値を保持し、サマリー フィールドを保持する場合もあります。物理的に同じ位置に関連付けられているビンは、同じロケーション ID を共有し、共に時系列を示します。同じ時間ステップ間隔に関連付けられているビンは、同じ時間ステップ ID を共有し、共にタイム スライスを構成します。各ビンのカウント値は、関連付けられた時間ステップ間隔中に、関連付けられた場所で発生したポイント数を反映します。

    各ビンはロケーション ID、タイムステップ ID、およびカウントを保持する

  • このツールは、Getis-Ord Gi* 統計の時空間での実装を使用して NetCDF の [入力時空間キューブ] 内の変数を分析します。

  • 分析対象のすべての場所の時空間分析結果を要約するレンダリングと共に、[出力フィーチャ] が、[コンテンツ] ウィンドウに追加されます。[ポリゴン解析マスク] を指定すると、分析対象の場所は解析マスクの範囲内の場所になります。指定しない場合、分析対象の場所は、少なくとも 1 つの時間ステップ間隔における少なくとも 1 つのポイントを持つ場所になります。

    データを含む/含まない、キューブの場所

  • [出力フィーチャ] に加えて、分析の概要が、[結果] ウィンドウに書き込まれます。[結果] ウィンドウのメッセージ エントリを右クリックして、[表示] を選択すると、分析の概要が [メッセージ] ダイアログ ボックスに表示されます。このツールを前景で実行した場合、分析の概要は進行状況ダイアログ ボックスにも表示されます。

  • [時空間ホット スポット分析 (Emerging Hot Spot Analysis)] ツールは、新規、連続性、増大、持続性、減衰、散発性、振動、履歴という 8 つの特定のホットまたはコールド スポット傾向を検出できます。出力カテゴリの定義およびこのツールが使用するアルゴリズムの詳細については、「時空間ホット スポット分析 (Emerging Hot Spot Analysis) ツールの詳細」をご参照ください。

  • フィーチャ クラスターリングの強度の測定値を得るために、このツールは Getis-Ord Gi* 統計の時空間での実装を使用します。この統計は、近傍ビンの値のコンテキスト内で各ビンの値を考慮します。ビンの重心が [近傍距離] 内にあり、時間間隔が指定の [近傍時間のステップ] 内にある場合、そのビンは近傍であると見なされます。[近傍距離] の値を指定しない場合は、ポイント データの空間分布に基づいて近傍距離が計算されます。[近傍時間のステップ] の値を指定しない場合は、デフォルト値が使用されます。デフォルトは、1 時間ステップ間隔です。

  • 各分析対象の近傍に含まれるビンを特定するために、まず、ツールは指定された [近傍距離] 内の近傍ビンを見つけます。次に、それらのビンごとに、以前の N 個の時間ステップ から同じ場所のビンを含めます。ここで、N は指定する [近傍時間のステップ] です。

  • [近傍時間のステップ] の値は、分析対象の近傍に含める時間ステップ間隔の数です。たとえば、キューブの時間ステップ間隔が 3 か月である場合に、[近傍時間のステップ] に 2 を指定すると、[近傍距離] 内のすべてのビン カウントと、前の 2 つの時間ステップ間隔のすべての関連ビン (9 か月の時間間隔をカバー) が分析対象の近傍に含められます。

  • [ポリゴン解析マスク] フィーチャ レイヤーは、分析範囲を定義する 1 つ以上のポリゴンを含むことができます。これらのポリゴンは、ポイント フィーチャが発生する可能性がある場所を示すとともに、ポイントが発生する可能性のないエリアを除外する必要があります。たとえば、空き巣の傾向を分析する場合は、[ポリゴン解析マスク] を使用して、大きな湖、地域の公園、または家が建っていない他のエリアを除外することができます。

  • [ポリゴン解析マスク] は [入力時空間キューブ] の範囲と交差し、キューブのディメンションを拡張しません。

  • [時空間ホット スポット分析 (Emerging Hot Spot Analysis)] を実行すると、いくつかの分析結果が netCDF の [入力時空間キューブ] に戻されます。次の 3 つの分析が実行されます。

    • 高い値と低い値の両方でクラスターリングの強度を計測するために、近傍ビンのコンテキスト内で各ビンが分析されます。この分析の結果は、時空間キューブ内のビンごとの Z スコア、p 値、およびグループ カテゴリです。
    • その後、分析された場所における時系列のこれらの Z スコアが、Mann-Kendall 統計を使用して評価されます。この分析の結果は、場所ごとのクラスタリング傾向 Z スコア、p 値、およびグループ カテゴリです。
    • 最後に、分析された場所の時系列の値が、Mann-Kendall 統計を使用して評価されます。この分析の結果は、場所ごとの傾向 Z スコア、p 値、およびグループ カテゴリです。

    [入力時空間キューブ] に追加される変数の概要を、次に示します。

    変数名内容ディメンション

    EMERGING_{ANALYSIS_VARIABLE}_HS_PVALUE

    高い値 (ホット スポット) および低い値 (コールド スポット) のクラスターリングの統計的な有意性を計測する Getis-Ord Gi* 統計の p 値。

    3 つのディメンション: 時空間キューブ内のビンごとに 1 つの p 値。

    EMERGING_{ANALYSIS_VARIABLE}_HS_ZSCORE

    高い値 (ホット スポット) および低い値 (コールド スポット) のクラスターリングの強度を計測する Getis-Ord Gi* 統計の Z スコア。

    3 つのディメンション: 時空間キューブ内のビンごとに 1 つの Z スコア。

    EMERGING_{ANALYSIS_VARIABLE}_HS_BIN

    各ビンを統計的に有意なホットまたはコールド スポット値として分類するために使用される結果カテゴリ。ビンは FDR 補正に基づきます。

    • -3: コールド スポット、99 % の信頼度
    • -2: コールド スポット、95 % の信頼度
    • -1: コールド スポット、90 % の信頼度
    • 0: 統計的に有意なホット スポットでもコールド スポットでもない

    3 つのディメンション: 時空間キューブ内のビンごとに 1 つのグループ カテゴリ。ビンは FDR 補正に基づきます。

    • 1: ホット スポット、90 % の信頼度
    • 2: ホット スポット、95 % の信頼度
    • 3: ホット スポット、99 % の信頼度

    {ANALYSIS_VARIABLE}_TREND_PVALUE

    ある場所における値の傾向の統計的な有意性を計測する Mann-Kendall の p 値。

    2 つのディメンション: 分析対象の場所ごとに 1 つの p 値。

    {ANALYSIS_VARIABLE}_TREND_ZSCORE

    ある場所の値に関連する Mann-Kendall 傾向 (上昇または下降) を測定する Z スコア。正の Z スコアは上昇傾向を示し、負の Z スコアは下降傾向を示します。

    2 つのディメンション: 分析対象の場所ごとに 1 つの Z スコア。

    {ANALYSIS_VARIABLE}_TREND_BIN

    値について統計的に有意な上昇傾向または下降傾向を持つとして、各場所を分類するために使用される結果カテゴリ。

    • -3: 下降傾向、99 % の信頼度
    • -2: 下降傾向、95 % の信頼度
    • -1: 下降傾向、90 % の信頼度
    • 0: 有意な傾向なし

    2 つのディメンション: 分析対象の場所ごとに 1 つのグループ カテゴリ。

    • 1: 上昇傾向、90 % の信頼度
    • 2: 上昇傾向、95 % の信頼度
    • 3: 上昇傾向、99 % の信頼度

    EMERGING_{ANALYSIS_VARIABLE}_TREND_PVALUE

    ある場所におけるホット/コールド スポット Z スコアの傾向の統計的な有意性を計測する Mann-Kendall の p 値。

    2 つのディメンション: 分析対象の場所ごとに 1 つの p 値。

    EMERGING_{ANALYSIS_VARIABLE}_TREND_ZSCORE

    ある場所のホット/コールド スポット Z スコアの傾向に関連する Mann-Kendall 傾向 (増加または減少) を計測する Z スコア。正の Z スコアは上昇傾向を示し、負の Z スコアは下降傾向を示します。

    2 つのディメンション: 分析対象の場所ごとに 1 つの Z スコア。

    EMERGING_{ANALYSIS_VARIABLE}_TREND_BIN

    ホット/コールド スポットの Z スコアについて統計的に有意な上昇傾向または下降傾向を持つとして、各場所を分類するために使用される結果カテゴリ。

    • -3: 下降傾向、99 % の信頼度
    • -2: 下降傾向、95 % の信頼度
    • -1: 下降傾向、90 % の信頼度
    • 0: 有意な傾向なし

    2 つのディメンション: 分析対象の場所ごとに 1 つのグループ カテゴリ。

    • 1: 上昇傾向、90 % の信頼度
    • 2: 上昇傾向、95 % の信頼度
    • 3: 上昇傾向、99 % の信頼度

    EMERGING_{ANALYSIS_VARIABLE}_CATEGORY

    16 カテゴリ の 1つ、1 ～ 8、0、および -1 ～ -8。

    • 1、新規のホット スポット
    • 2、連続性のあるホット スポット
    • 3、増大しているホット スポット
    • 4、持続性のあるホット スポット
    • 5、減衰しているホット スポット
    • 6、散発性のあるホット スポット
    • 7、履歴のホット スポット
    • 0、検出された傾向なし

    2 つのディメンション: 分析対象の場所ごとに 1 つのカテゴリ。

    • -1、新規のコールド スポット
    • -2、連続性のあるコールド スポット
    • -3、増大しているコールド スポット
    • -4、持続性のあるコールド スポット
    • -5、減衰しているコールド スポット
    • -6、散発性のあるコールド スポット
    • -7、履歴のコールド スポット

構文

EmergingHotSpotAnalysis_stpm (in_cube, analysis_variable, output_features, {neighborhood_distance}, {neighborhood_time_step}, {polygon_mask})
パラメータ説明データ タイプ
in_cube

分析対象の netCDF キューブ。このファイルは、.nc 拡張子を持ち、[時空間キューブの作成 (Create Space Time Cube)] ツールを使用して作成されている必要があります。

File
analysis_variable

分析対象の netCDF ファイル内の数値変数。

String
output_features

生成される出力フィーチャクラスの結果。このフィーチャクラスは、データ内のホット スポットおよびコールド スポットの傾向の 2 次元マップ表現になります。たとえば、新しいホット スポットまたは増大しているホット スポットを示します。

Feature Class
neighborhood_distance
(オプション)

分析対象の近傍の空間範囲。この値は、ローカルで時空間クラスタリングを評価するために一緒に分析されるフィーチャを決定します。

Linear Unit
neighborhood_time_step
(オプション)

分析対象の近傍に含める時間ステップの間隔の数。この値は、ローカルで時空間クラスタリングを評価するために一緒に分析されるフィーチャを決定します。

Long
polygon_mask
(オプション)

分析範囲を定義する 1 つ以上のポリゴンを含むポリゴン フィーチャ レイヤー。たとえば、分析対象から大きな湖を除外する場合にポリゴン解析マスクを使用します。このマスクの範囲外の [入力時空間キューブ] で定義されたビンは、解析に含められません。

Feature Layer

コードのサンプル

EmergingHotSpotAnalysis (時空間ホット スポット分析) の例 1 (Python ウィンドウ)

次の Python ウィンドウのスクリプトは、EmergingHotSpotAnalysis (時空間ホット スポット分析) ツールの使用方法を示しています。

arcpy.env.workspace = r"C:\STPM"
arcpy.EmergingHotSpotAnalysis_stpm("Homicides.nc", "COUNT", "EHS_Homicides.shp", "5 Miles", 2, "#")
EmergingHotSpotAnalysis (時空間ホット スポット分析) の例 2 (スタンドアロン Python スクリプト)

次のスタンドアロン Python スクリプトは、EmergingHotSpotAnalysis (時空間ホット スポット分析) ツールの使用方法を示しています。

# Create Space Time Cube of homicide incidents in a metropolitan area
# Import system modules import arcpy
# Set property to overwrite existing output, by default arcpy.env.overwriteOutput = True
# Local variables...
workspace = r"C:\STPM"
try:
    # Set the current workspace (to avoid having to specify the full path to the feature 
    # classes each time)
    arcpy.env.workspace = workspace
    # Create Space Time Cube of homicide incident data with 3 months and 3 miles settings
    # Process: Create Space Time Cube 
    cube = arcpy.CreateSpaceTimeCube_stpm("Homicides.shp", "Homicides.nc", "MyDate", "#", 
                                          "3 Months", "End time", "#", "3 Miles")
    # Create a polygon that defines where incidents are possible  
    # Process: Minimum Bounding Geometry of homicide incident data
    arcpy.MinimumBoundingGeometry_management("Homicides.shp", "bounding.shp", "CONVEX_HULL",
                                             "ALL", "#", "NO_MBG_FIELDS")
    # Emerging Hot Spot Analysis of homicide incident cube using 5 Miles neighborhood 
    # distance and 2 neighborhood time step to detect hot spots
    # Process: Emerging Hot Spot Analysis 
    cube = arcpy.EmergingHotSpotAnalysis_stpm("Homicides.nc", "COUNT", "EHS_Homicides.shp", 
                                              "5 Miles", 2, "bounding.shp")
except:
    # If any error occurred when running the tool, print the messages
    print(arcpy.GetMessages())

環境

関連トピック

このトピックへのフィードバック