Yanıtlar:
ArcGIS'deki (veya başka bir CBS, AFAIK) kullanıma hazır araçların hiçbiri işi doğru şekilde yapmayacaktır.
Bunun gibi bir problemde, "kümeleme" ile ne demek istediğinizi ölçmeniz gerekir ve sonra ölçülen kümelenme derecesinin kazara şanslarla üretilip üretilemeyeceğini değerlendirmek için bir olasılık modeli oluşturmalısınız.
Nasıl ilerleyeceğinizin bir örneği olarak, kümelenmeyi x tipi binalar ile y tipi en yakın bina arasındaki tipik mesafeler cinsinden ölçmeyi seçebilirsiniz . Bu kolay bir hesaplamadır: her iki bina kümesini ayrı nokta katmanlarıyla temsil edin ve Y'lerin X'lere uzamsal bir birleşimini gerçekleştirin. Her bir x tipi bina için hala bir kaydı olan öznitelik tablosu artık en yakın y'ye olan mesafeyi içerecektir . Ortalama mesafeyi ölçünüz olarak kullanabilirsiniz.
Bunun şansın sonucu olup olmadığını test etmek daha zordur. Bu ayarın makul bir yorumu, y tipi binaların daha erken mevcudiyetinin , y 'ye nispeten yakın x tipi binaların geliştirilmesini teşvik etmesidir. Aksi takdirde, x tipi binaların diğer binaların da göründüğü herhangi bir yere inşa edilmiş olabileceğini varsayabiliriz. Bu aşağıdaki basit permütasyon testine yol açar . X tipi binaların ortaya çıkmış olabileceği tüm olası konumların bir nokta katmanını oluşturun . Bu katman, x ile aynı dönemde inşa edilen alandaki tüm binaların yerleri olabilir.( tabii x binaları dahil ). En yakın y tipi binaya olan mesafeleri elde etmek için uzamsal olarak y katmanına katılın . Hesaplamanın geri kalanı özellik tablosundan çıkar: coğrafi hesaplamalar yapılır. Yapacağınız şey, bu binaların hepsinden basit bir rastgele örnek almak için rastgele bir sayı üreteci kullanmaktır, her örnek tam olarak x tipi binalarınız kadar elemente sahiptir . Bu örnek için ortalama mesafeyi hesaplayın. Ortalama mesafe istatistikleriniz oluncaya kadar bu işlemi tekrarlayın. Bu rastgele elde edilen ortalama mesafelerin neredeyse tamamı x için ölçtüğünüz ortalama mesafeden büyüksebinalar yazın anlarsınız x 'in tesadüfen kümelenmiş değildir: etki gerçek.
(Bu tür hesaplamalar en iyi `` R '' gibi amaçlara uygun bir platformda programlanır, ancak neredeyse tüm bilgisayar yazılımları Excel'e bile hizmete sokulabilir. Programlama, döngüler yazmayı ve seçmeyi bilmekten biraz daha fazlasını gerektiriyor. rastgele dizilerden elemanlar.)
Bu permütasyon testi yaklaşımı, önceden programlanmış çözümlerden üstündür çünkü bu alandaki bina geliştirme modellerini açık bir şekilde açıklar. Bunu yapmazsanız, sık sık olacak kümelenme "önemli" kanıt bulmak, ama kümeleme diğer faktörler neden olabilir, çünkü bu tür yolların desenler, yerleri olarak, ondan yararlı bir şey sonucuna varamayız geliştirilmeye uygun siteler ve daha birçok şey.
Elbette, veri analizi yönteminiz, analizi motive eden önemli soruna bağlı olmalıdır.
Ancak işte bazı fikirler:
Çok Mesafeli Mekansal Küme Analizi: Ripley'in k-fonksiyonu (Mekansal İstatistikler) nasıl çalışır ? Ripley'in K fonksiyonu olasılıksal çıkarım sağlayacaktır.
Google'da kullanabileceğiniz ortak konum kalıbı keşfi için karmaşık algoritmalar vardır.
CBS'de kendim asla küme analizi yapmadım, ancak belirli bir X ve / veya Y kümesini temsil etmek için noktalar / çokgenler oluştursaydınız daha kolay olabilir mi? Örneğin, Y binasını belirtmek için puanlar oluşturduysanız, X noktasının tüm noktalarını başlangıç konumlarınızdan belirli bir mesafede elde etmek için Nokta Mesafesi aracını kullanın.
Aksi takdirde, Y tipi binaların etrafında bir tampon oluşturmak ve X tipi tüm binaları seçmek ArcInfo'nuz yoksa aynı sonucu elde eder.
Binanın X veya Y'den olup olmadığını belirlemek için bir ikili sütun (0,1) ekleyerek her iki katmanı birleştirebilirsiniz.
Buradan GeoDa kullanarak yerel uzamsal otomatik korelasyonu (kümeleme) belirleyebilir ve yüksek-düşük (diğer katman etrafında kümelenmiş bir katman) düşük-yüksek (ters) veya yüksek-yüksek veya düşük-düşük (kendi kendine) kümelenme). Kullanım kılavuzu burada (.pdf)