空间大数据可视化与分析最佳实践.docx

2019EsriChinaDeveloperSummitWelcome2019Esri空间信息技术开发者大会5月21-22日北京中国科技会堂ocraiChinaJO.IBEIJINGTHfSCItNCtOFWHffffE2019EsriChinaDeveloperSummit空间大数据可视化与分析最佳实践客户及合作伙伴支持中心勾戈雪黎ftesrinaTHlSCICNCeOfWHB<E'301»ChmDwelopoSuiwni可视化实践空间分析实践前言目录基础知识/目的O熟悉软件/语言O空间思维O统计基础O数据可视化O信息挖掘O基于可视化的信息交流基础软件/语言ArcGISAnalyticsServerArcGISImageryServer产品本身提供ArcGISGeoeventServerPythonArcGISPro产品本身支持第三方PythOn库空间分析/可视化维度二维澳2019OMDevetooerSumnwi空间分析/可视化维度时空立方体图片来源:https:/PrODemo纽约出租车NYCcitytaxi示例信息提取和展示的重要性主要内容点数据直接展示时空立方体聚类结果展示时空趋势结果展示实现ArcGISProGeoanalyticsserver空间分析实践20191.snChina>eveooerS1111HO可以实现但不局限于 了解事件分布（Xy）了解属性Pattern 了解事情发展趋势o空间分析包含并不局限于 空间统计 机器学习空间分析了解你的武器ThescienceofwhereO作用 实现目标 提升项目产出 减少开支 避免开支 提升效率和产出 提升收益 确保收益 保护员工和市民 提高客户服务满意度般空间分析流程O确定待解决的问题O了解数据以及背景O选择方法O计算O解析空间分析结果 测试统计上显著性 质疑结果O展示结果 结果可视化空间数据了解你的数据和背景O数据矢量空间数据二几何÷属性口匕皇O月京事件发生范围问题分析的规模e.g街区VS城市确认要素空间关系分析工具和结果几何关系以及属性的简单统计，e.g.,求和，平均值空间分析工具几何关系以及属性的复杂统计，eg,热点分析空间统计工具机器学习O为什么要了解是否能正确回答提出的问题分析结果的精度Geoprocessing-oGetis-OrdGi*热点分析PnametersEnvironmentsIInputFeitureOess数据输入inputFiHd计算字段空间属性QMputFeMureCbss结果输出IConCePtUaknbonofSpatxlRfUbOnShlPS'FeddtsUncebmd空间关系DtsUnceMethodEUdMMn距离方法DKUnceBandOfThresholdDistinctSdfRXElilFW.ApplyFikeDiscoveryRite(FDR)COneCtkx)O封装了科学算法GetiS-OrdGi*o体现地理学第一定律空间关系概念CorKePtUdlizatiOnOfSPdtialRelationshipsFixeddistancebandInversedistanceInversedistancesquaredtFixeddistancebandZoneofindifferenceContiguityedgesonlyContiguityedgescomersGetspatialweightsfromfile空间统计/聚类算法根据统计计算出判断指数2019开箱即用的工具o热点分析工具科学背景o地理学第定律o空间统计O空间关系算法OGetis-OrdGi*热点分析 判断高值或者低值聚类的地方 影响算法正确性的因子计算范围/边缘要素/要素总数小于30个o1.ocalMoran,SI聚类分析。聚类工具 判断是否聚类 影响算法正确性的因子计算范围/边缘要素/要素总数小于30个OAnselin1.ocalMoranzSl异常值分析°聚类和异常值分 判断聚类、异常值类型析工具 影响算法正确性的因子空间统计算法总结对比陵20l9E*>GirMDevetocerSuivrTWi计算数据类型结果说明优势缺点Moran,I连续型临近要素的相一个统计值总无法展示高值似性结空间模型或者低值聚类Moran'I判断聚类示例发现收入低的区域是否聚类，方便后续投放固定或者流动医疗资源Getis-OrdGi*连续型高值或者低值的指出是否出现最适合高值或集中高值或者低值者低值聚类的聚类时候GeneralG热点分析示例商业上发现销售额低的区域反距离反距离平房距离范围无差别的区域面邻接自定义空间权重O空间关系跟数据背景挂钩O空统计算要确定每个要素的“邻居"O空统计算要确定邻居的影响程度O空间统计计算过程中on-fly创建权重表O空统接受自定义空间权重O空间关系决定影响权重热点分析GetiS-OrdGi*计算式空间权重(由空间关系决可TheGetis-Ordlocalstatisticisgivenas:r-wr51次一X51wjG；=J=(1)n-(m,m)s1l-ln1whereJrjistheattributevalueforfeatureJ.tr.jisthespatialweigiltbetweenfeature，andJ.risequaltothetotalnumberoffeaturesand:n二叼X=3(2)nS=3_(X)2(3)NnThe«：；statisticisaz-scoresonofurthercalculationsanerequired.来源o确定每个要素的邻居以及空间关系o权重表格生成工具和顺序生成空间权重将空间权重转化成表格101州DlWEtGHT|12OS140521012524012525012526012527012522601252S301252640125360333333367033333331.三03333334103331334203331334S0333333520333333S40333333570333333数据类型点类型数据示例方法流行疾病随范围递减。反距禺 影响随距离减小O反距离平方选举城市VS农村 影响随距离加速减少面类型数据O距离范围O无差别的区域O面邻接 两个面共享一个边界，则它们之间的空间交互将增加O自定义权重201»EsnChm)eleceSumnwio考虑真实交通距离零售紧急避难o根据网络数据集生成空间权重B程设有一个道路网和一位要从点A行驶到点B的鸯驶员EsnOmcorS<Hvm4O空假设即数据是空间随机分布的；根据计算出来的概率，来确定是否接受空假设； 在假设的空间随机分布中，每一个观察值在任何地点发生的概率是相同的，并且现有的观察值的位置也不会影响数据集中的其他观察值。O基于统计结果可能发生的两种错误类型： typeI-拒绝了空假设但是其是正确的 typeIl-没有拒绝空假设但是其是错误的O错误风险等级： typeI<type11 因为拒绝了空假设，就说明我们发现了聚类，通常我们会进一步做调查；但是如果我们接受了空假设，也就意味着我们接受结果是空间完全随机分布的，我们可能会中断我们的研究。Hgkvtrti：.ICiSpatialStatisticsIbols4qAnalyZingPdttefns1t11fAvfQNedrGStNjhtx)rO提供指数判断 某个要素属性是否出现空间聚类 生成一个report 简单指数,餐MWinfliJirChJStef3jOUtfiefAndlVSMO可视化结果 可视化空间聚类 简单指数:JrMiriateaUSteringJKfOptimizedHotSpotAnaty=IOptirnizedOutlfAnalysis2QSpatialStatisticsToolsDAnalyzingPatternsDaMappingClustersD品MeasuringGeographicDistributions/叁WModelingSpatialRelationships(IExploratoryRegressiono建模空间变量关系探索出现空间聚类的原因多变量指数J1Forest-basedClassificationandRegression+Generalized1.inearRegression三rGenerateNetworkSpatialWeights三pGenerateSpatialWeiqhtsMatrix.=pGeographicallyWeightedRegression(GWR)Ordinary1.eastSquares(O1.S)空间统计类比理解其他工具/算法时空立方体/£&SpaceTimePatternMiningToolst>冬Utilities1l三fCreateSpaceTimeCubeByAggregatingPoints*三CreateSpaceTimeCubeFromDefined1.ocationsO探索时空趋势