| Подпись | Описание | Тип данных |
Входной точечный слой | Класс точечных объектов, содержащий кластеры точек. | Feature Layer |
Выходной класс пространственных объектов | Новый класс пространственных объектов с полученными кластерами точек. | Feature Class |
Метод кластеризации | Задает метод, который будет использован для определения кластеров.
| String |
Минимальное число объектов на кластер | Этот параметр используется по-разному, в зависимости от выбранного метода кластеризации:
| Long |
Расстояние поиска | Максимальное расстояние, которое будет учитываться. Заданное значение Минимальное число объектов на кластер должно быть найдено в пределах этого расстояния, чтобы отнести объекты к кластеру. Отдельные кластеры будут разделяться, как минимум, этим расстоянием. Если объект расположен дальше, чем это расстояние, от следующего ближайшего объекта в кластере, он не будет включен в кластер. | Linear Unit |
Использование времени для поиска кластеров (Дополнительный) | Указывает, будет ли использоваться время для обнаружения кластеров с помощью DBSCAN.
| Boolean |
Длительность поиска (Дополнительный) | При поиске участников кластера заданное минимальное количество точек должно быть найдено в течение этой длительности времени, чтобы сформировать кластер. | Time Unit |
Краткая информация
Находит кластеры точечных объектов в окружающем шуме, на основе пространственного или пространственно-временного распределения.
Более подробно о работе инструмента Кластеризация на основе плотности
Иллюстрация
Использование
В инструменте Поиск кластеров точек используется один входной точечный слой. Этот инструмент извлекает кластеры из Входного точечного слоя и определяет окружающий шум.
Для инструмента Поиск кластеров точек необходимо, чтобы Входной точечный слой был в системе координат проекции, или чтобы параметр среды Выходная система координат был установлен на система координат проекции.
Есть два Метода кластеризации. Заданное расстояние (DBSCAN) использует алгоритм DBSCAN и находит кластеры точек в непосредственной близости, на основе заданного расстояния поиска. Автонастройка (HDBSCAN) применяет алгоритм HDBSCAN и находит кластеры точек так же, как и DBSCAN, но работает с меняющимися расстояниями, позволяя определить кластеры с меняющимися плотностями, на основе вероятности кластеров (или стабильности). Если выбран DBSCAN, кластеры могут быть найдены либо только в двумерном пространстве, либо и в пространстве, и во времени. Если вы установите отметку Использовать время для поиска кластеров, а входной слой имеет включенное время и тип Мгновенный, DBSCAN обнаружит пространственно-временные кластеры точек, находящихся в непосредственной близости, на основе заданного расстояния поиска и продолжительности поиска.
Параметр Минимальное число объектов на кластер, используется по-разному, в зависимости от выбранного метода кластеризации:
- Заданное расстояние (DBSCAN) – определяет число объектов, которое должно быть найдено в радиусе поиска от точки, с которой начинается формирование кластера. В результатах могут встречаться кластеры с меньшим числом объектов, чем задано этим значением. Расстояние поиска настраивается в параметре Расстояние поиска. При использовании времени для поиска кластеров требуется Длительности поиска. При поиске содержимого кластеров Минимальное число объектов на кластер должно находиться в пределах Расстояния поиска и Длительности поиска, чтобы сформировать кластер. Обратите внимание, что это расстояние и длительность не связаны с диаметром или временным экстентом обнаруженных кластеров точек.
- Самонастраивающаяся кластеризация (HDBSCAN)–- задает число объектов, окружающих каждую точку (включая саму точку), которые будут учитываться при оценке плотности. Это число также соответствует минимальному размеру кластера, размешенному при извлечении кластеров.
Этот инструмент создает выходной класс объектов с новым целочисленным полем CLUSTER_ID, где обозначается принадлежность объектов кластерам. Отображение по умолчанию основано на поле COLOR_ID. Разным кластерам присваиваются различные цвета. Цвета распределяются и повторяются таким образом, что каждый кластер визуально отличается от соседних.
Если для обнаружения пространственно-временных кластеров используется метод кластеризации Заданное расстояние (HDBSCAN), в результаты также будут включены следующие поля:
- FEAT_TIME – Исходное мгновенное время каждого объекта.
- START_DATETIME – время начала временного экстента кластера, к которому принадлежит объект.
- END_DATETIME – время окончания временного экстента кластера, к которому принадлежит объект.
Свойства времени результирующего слоя будут установлены как интервал в полях START_DATETIME и END_DATETIME, гарантируя, что все элементы кластера будут нарисованы вместе при визуализации пространственно-временных кластеров с помощью бегунка времени. Эти поля используются только для визуализации. Для объектов шума поля START_DATETIME и END_DATETIME будут равны FEAT_TIME.
Если выбран Метод кластеризации Автонастройка (HDBSCAN), в выходном классе объектов также будут содержаться следующие поля:
- PROB – вероятность принадлежности объекта к назначенному ему кластеру.
- OUTLIER – вероятность того, что объект является выбросом со своим собственным кластером. Более значение означает большую вероятность выброса.
- EXEMPLAR – обозначает наиболее репрезентативные объекты каждого кластера. Такие объекты обозначаются значением 1.
- STABILITY - присутствие каждого кластера в диапазоне масштабов. Большее значение показывает, что кластер входит в более широкий диапазон масштабов.
Можно повысить производительность инструмента Найти кластеры точек, выполнив одно или несколько из следующих действий:
- Установите параметр среды Экстент так, чтобы вы анализировали только интересующие вас данные.
- Выбирайте расстояние и длительность поиска. Меньшее расстояние поиска или радиус могут работать лучше на тех же данных.
- Используйте локальные данные там, где запускается анализ.
Этот инструмент геообработки работает от Spark. Анализ выполняется на настольном компьютере с использованием нескольких ядер параллельно. См. Информация по инструментами GeoAnalytics Desktop, чтобы узнать больше о выполнении анализа.
При запуске инструментов GeoAnalytics Desktop анализ выполняется на настольном компьютере. Для оптимальной производительности данные должны быть доступны на настольном компьютере. Если используется размещенный векторный слой, рекомендуется применить ArcGIS GeoAnalytics Server. Если данные находятся не на жестком диске, для запуска инструмента потребуется больше времени. Чтобы использовать ArcGIS GeoAnalytics Server для выполнения анализа, см. GeoAnalytics Tools.
Параметры
arcpy.geoanalytics.FindPointClusters(input_points, out_feature_class, clustering_method, minimum_points, search_distance, {use_time}, {search_duration})| Имя | Описание | Тип данных |
input_points | Класс точечных объектов, содержащий кластеры точек. | Feature Layer |
out_feature_class | Новый класс пространственных объектов с полученными кластерами точек. | Feature Class |
clustering_method | Задает метод, который будет использован для определения кластеров.
| String |
minimum_points | Этот параметр используется по-разному, в зависимости от выбранного метода кластеризации:
| Long |
search_distance | Максимальное расстояние, которое будет учитываться. Заданное значение Минимальное число объектов на кластер должно быть найдено в пределах этого расстояния, чтобы отнести объекты к кластеру. Отдельные кластеры будут разделяться, как минимум, этим расстоянием. Если объект расположен дальше, чем это расстояние, от следующего ближайшего объекта в кластере, он не будет включен в кластер. | Linear Unit |
use_time (Дополнительный) | Указывает, будет ли использоваться время для обнаружения кластеров с помощью DBSCAN.
| Boolean |
search_duration (Дополнительный) | При поиске участников кластера заданное минимальное количество точек должно быть найдено в течение этой длительности времени, чтобы сформировать кластер. | Time Unit |
Пример кода
Пример скрипта в окне Python для использования функции FindPointClusters.
#-------------------------------------------------------------------------------
# Name: FindPointClusters.py
# Description: Finds Point Clusters of rodent infestations
# Import system modules
import arcpy
arcpy.env.workspace = "C:/data/CountyData.gdb"
# Set local variables
inputPoints = "rat_sightings"
minimumPoints = 10
outputName = "RodentClusters"
searchDistance = "1 Kilometers"
clusterMethod = "DBSCAN"
# Run Find Point Clusters
arcpy.gapro.FindPointClusters(inputPoints, outputName, clusterMethod,
minimumPoints, searchDistance)