Überblick über das Toolset "Cluster-Zuordnung"

Das Toolset "Cluster-Zuordnung" enthält Werkzeuge, mit denen Cluster-Analysen zur Positionsermittlung von statistisch signifikanten Hot-Spots, Cold-Spots, räumlichen Ausreißern und ähnlichen Features oder Zonen durchgeführt werden können. Die Werkzeuge sind nützlich, wenn Aktionen auf Grundlage der Position eines oder mehrerer Cluster durchgeführt werden müssen. Ein Beispiel hierfür wäre die Zuweisung von zusätzlichen Polizeibeamten für den Umgang mit einem Cluster von Einbrüchen. Die Positionsbestimmung von räumlichen Clustern ist ebenfalls wichtig, wenn nach potenziellen Ursachen für die Cluster-Bildung gesucht wird; je nachdem wo eine Krankheit ausbricht, kann dies häufig Aufschluss über deren Ursache geben. Anders als bei den Werkzeugen im Toolset Analysen von Mustern, die die Frage "Liegt ein räumliches Clustering vor?" mit Ja oder Nein beantworten, ermöglichen die Werkzeuge im Toolset "Cluster-Zuordnung" die Visualisierung der Positionen und der Ausdehnung von Clustern. Diese Werkzeuge liefern Antworten auf die Fragen "Wo befinden sich die Cluster (Hot-Spots, Cold-Spots)?", "Wo sind die Ereignisse am dichtesten?", "Wo befinden sich die räumlichen Ausreißer?", "Welche Features ähneln sich am meisten?", "Wie können die Features so gruppiert werden, dass die einzelnen Gruppen am unähnlichsten sind?" und "Wie können diese Features so gruppiert werden, dass jede Zone homogen ist?".

Werkzeuge "Cluster-Zuordnung"

Werkzeug	Beschreibung
Ausgeglichene Zonen erstellen	Erstellt räumlich zusammenhängende Zonen in einem Untersuchungsgebiet unter Verwendung eines genetischen Wachstumsalgorithmus basierend auf bestimmten Kriterien.
Berechnen des zusammengesetzten Indexes	Kombiniert mehrere numerische Variablen, um einen einzelnen Index zu erstellen.
Cluster- und Ausreißeranalyse (Anselin Local Morans I)	Dieses Werkzeug identifiziert in einem Satz gewichteter Features mithilfe der Anselin Local Morans I-Statistik statistisch signifikante Hot-Spots, Cold-Spots und räumliche Ausreißer.
Dichte-basierte Cluster-Bildung	Findet Cluster aus Punkt-Features im Umfeldrauschen basierend auf deren räumlicher Verteilung. Die Zeit kann auch integriert werden, um Raum-Zeit-Cluster zu finden.
Hot-Spot-Analyse (Getis-Ord Gi*)	Dieses Werkzeug identifiziert in einem Satz gewichteter Features mithilfe der Getis-Ord Gi*-Statistik statistisch signifikante Hot-Spots und Cold-Spots.
Hot-Spot-Analyse-Vergleich	Vergleicht zwei Ergebnis-Layer der Hot-Spot-Analyse und misst ihre Ähnlichkeit und Zuordnung.
Multivariate Cluster-Bildung	Findet natürliche Feature-Cluster ausschließlich basierend auf bestimmten Feature-Attributwerten.
Optimierte Hot-Spot-Analyse	Dieses Werkzeug erstellt aus angegebenen Ereignispunkten oder gewichteten Features (Punkte oder Polygone) mithilfe der Getis-Ord Gi*-Statistik eine Karte mit statistisch signifikanten Hot- und Cold-Spots. Es wertet die Eigenschaften der Eingabe-Feature-Class aus, um optimale Ergebnisse zu erzeugen.
Optimierte Ausreißeranalyse	Dieses Werkzeug erstellt auf der Basis von Ereignispunkten oder gewichteten Features (Punkte oder Polygone) mithilfe der Anselin Local Morans I-Statistik eine Karte von statistisch signifikanten Hot-Spots, Cold-Spots und räumlichen Ausreißern. Es wertet die Eigenschaften der Eingabe-Feature-Class aus, um optimale Ergebnisse zu erzeugen.
Ähnlichkeitssuche	Identifiziert, welche Kandidaten-Features, basierend auf Feature-Attributen, die größte oder geringste Ähnlichkeit mit einem oder mehreren abzugleichenden Eingabe-Features aufweisen.
Räumliche Ausreißer erkennen	Erkennt globale oder lokale räumliche Ausreißer in Punkt-Features.
Räumlich eingeschränkte multivariate Cluster-Bildung	Findet räumlich zusammenhängende Feature-Cluster basierend auf verschiedenen Feature-Attributwerten und optionalen Cluster-Größenbeschränkungen.