【2017UC回顾】Insights for ArcGIS挖掘分析，为共享单车停靠出谋划策
分享
-
2017-11-03
Insights for ArcGIS是一款探索和分析数据规律的新利器，能够提供丰富的可视化和空间分析方法，其酷炫的拖拽式操作，为我们带来了全新的、便捷的洞悉数据的体验。
最新的2.1版本支持更丰富的数据源（Oracle数据库、csv文件），新增时钟图、箱型图、热力图以及弦图等四种图表形式，为空间数据挖掘提供了更多的可视化手段。新版本中，各种图表无需进行切换，直接拖拽生成您想要的图表样式，上图效果更带感！与GA大数据分析的结合也让我们更方便的探究数据背后的规律。用户大会主题演示的现场就以 “Insights for ArcGIS辅助共享单车停车区规划”的生动实例为大家展示了Insights for ArcGIS空间数据数据挖掘的无限魅力！
该案例是以模拟的北京五环内共享单车停靠点数据为例，利用Insights for ArcGIS进行一步一步的数据挖掘，找到共享单车高密度停靠点并分析其停靠规律，为停车区域规划提供参考。
Step 1
— 分析商圈停靠点密度 —
Insights for ArcGIS支持丰富的数据源，例如Web GIS平台的数据、文本数据以及Oracle、SQL Server等数据库中的数据。共享单车数据就存储在Oracle数据库中。
添加五环内共享单车停靠点数据后，五环区域内点位密集，不能清晰的看出分布趋势，因此我们在较小尺度下，看一看北京主要商圈的共享单车分布情况。
Insights for ArcGIS提供了多种空间分析方法，这里选择停靠点数据和北京主要商圈面数据进行聚合，通过拖拽即可轻松完成，调整聚合结果的渲染方式，可以更直观的展示不同商圈的停靠点密度，颜色越深，停靠点密度越大。
Step 2
— 分析商圈内部分布规律 —
Insights for ArcGIS支持丰富的数据源，例如Web GIS平台的数据、文本数据以及Oracle、SQL Server等数据库中的数据。共享单车数据就存储在Oracle数据库中。
添加五环内共享单车停靠点数据后，五环区域内点位密集，不能清晰的看出分布趋势，因此我们在较小尺度下，看一看北京主要商圈的共享单车分布情况。
Insights for ArcGIS提供了多种空间分析方法，这里选择停靠点数据和北京主要商圈面数据进行聚合，通过拖拽即可轻松完成，调整聚合结果的渲染方式，可以更直观的展示不同商圈的停靠点密度，颜色越深，停靠点密度越大。
Step 3
— 筛选异常停靠点并分析其时空分布规律<strong> —</strong>
全天时共享单车停靠点数据非常大，我们需要定量的找出商圈内部的高密度停靠点。目前Insights for ArcGIS已支持对接GA大数据分析功能，演示利用Insights for ArcGIS的筛选功能以及统计异常值的箱型图，轻松找出9个高密度停靠点，并分析了这些高密度停靠点的时空分布规律。
Insights for ArcGIS新增的热力图可以让我们一目了然的发现共享单车的停靠趋势。停靠点各时段颜色变化不明显，说明随时间变化停靠量差异较小；颜色变化显著，则代表随时间变化停靠量差异较大。
Step 4
— 地铁站出入区停靠量分布
分析完高密度停靠点的停靠规律，再来看看地铁站的分布情况。
Insights for ArcGIS支持将图形与属性数据进行关联实现可视化，将停靠点数据与地铁站出入口数据通过位置字段进行关联，利用气泡图与弦图进行统计分析，通过卡片的相互联动，我们可以更加直观的看到各地铁站停靠量的时空分布。
根据层层的数据挖掘，Insights for ArcGIS帮助我们找到了密集停靠点，并分析了其时空分布规律， 相信Insights for ArcGIS的整个分析结果会给停车区规划提供一定的决策参考。
Insights for ArcGIS以工作流的形式，自动记录所有操作，并且可以将工作流保存为模型，共享给组织内其他成员。
Insights for ArcGIS还支持将分析结果打印输出，提供一份精美的分析报告，报告中会记录我们利用Insights for ArcGIS丰富的空间分析工具与可视化图表得到最终的分析结果的整个挖掘过程。
你是否有被我们这款明星产品所吸引呢？Insights for ArcGIS更多酷炫的挖掘应用等你来发现。
文章来源：https://mp.weixin.qq.com/s/l4CNI9ZWK3-8PmcS8wl-Ug
最新的2.1版本支持更丰富的数据源（Oracle数据库、csv文件），新增时钟图、箱型图、热力图以及弦图等四种图表形式，为空间数据挖掘提供了更多的可视化手段。新版本中，各种图表无需进行切换，直接拖拽生成您想要的图表样式，上图效果更带感！与GA大数据分析的结合也让我们更方便的探究数据背后的规律。用户大会主题演示的现场就以 “Insights for ArcGIS辅助共享单车停车区规划”的生动实例为大家展示了Insights for ArcGIS空间数据数据挖掘的无限魅力！
该案例是以模拟的北京五环内共享单车停靠点数据为例，利用Insights for ArcGIS进行一步一步的数据挖掘，找到共享单车高密度停靠点并分析其停靠规律，为停车区域规划提供参考。
Step 1
— 分析商圈停靠点密度 —
Insights for ArcGIS支持丰富的数据源，例如Web GIS平台的数据、文本数据以及Oracle、SQL Server等数据库中的数据。共享单车数据就存储在Oracle数据库中。
添加五环内共享单车停靠点数据后，五环区域内点位密集，不能清晰的看出分布趋势，因此我们在较小尺度下，看一看北京主要商圈的共享单车分布情况。
Insights for ArcGIS提供了多种空间分析方法，这里选择停靠点数据和北京主要商圈面数据进行聚合，通过拖拽即可轻松完成，调整聚合结果的渲染方式，可以更直观的展示不同商圈的停靠点密度，颜色越深，停靠点密度越大。
Step 2
— 分析商圈内部分布规律 —
Insights for ArcGIS支持丰富的数据源，例如Web GIS平台的数据、文本数据以及Oracle、SQL Server等数据库中的数据。共享单车数据就存储在Oracle数据库中。
添加五环内共享单车停靠点数据后，五环区域内点位密集，不能清晰的看出分布趋势，因此我们在较小尺度下，看一看北京主要商圈的共享单车分布情况。
Insights for ArcGIS提供了多种空间分析方法，这里选择停靠点数据和北京主要商圈面数据进行聚合，通过拖拽即可轻松完成，调整聚合结果的渲染方式，可以更直观的展示不同商圈的停靠点密度，颜色越深，停靠点密度越大。
Step 3
— 筛选异常停靠点并分析其时空分布规律<strong> —</strong>
全天时共享单车停靠点数据非常大，我们需要定量的找出商圈内部的高密度停靠点。目前Insights for ArcGIS已支持对接GA大数据分析功能，演示利用Insights for ArcGIS的筛选功能以及统计异常值的箱型图，轻松找出9个高密度停靠点，并分析了这些高密度停靠点的时空分布规律。
Insights for ArcGIS新增的热力图可以让我们一目了然的发现共享单车的停靠趋势。停靠点各时段颜色变化不明显，说明随时间变化停靠量差异较小；颜色变化显著，则代表随时间变化停靠量差异较大。
Step 4
— 地铁站出入区停靠量分布
分析完高密度停靠点的停靠规律，再来看看地铁站的分布情况。
Insights for ArcGIS支持将图形与属性数据进行关联实现可视化，将停靠点数据与地铁站出入口数据通过位置字段进行关联，利用气泡图与弦图进行统计分析，通过卡片的相互联动，我们可以更加直观的看到各地铁站停靠量的时空分布。
根据层层的数据挖掘，Insights for ArcGIS帮助我们找到了密集停靠点，并分析了其时空分布规律， 相信Insights for ArcGIS的整个分析结果会给停车区规划提供一定的决策参考。
Insights for ArcGIS以工作流的形式，自动记录所有操作，并且可以将工作流保存为模型，共享给组织内其他成员。
Insights for ArcGIS还支持将分析结果打印输出，提供一份精美的分析报告，报告中会记录我们利用Insights for ArcGIS丰富的空间分析工具与可视化图表得到最终的分析结果的整个挖掘过程。
你是否有被我们这款明星产品所吸引呢？Insights for ArcGIS更多酷炫的挖掘应用等你来发现。
文章来源：https://mp.weixin.qq.com/s/l4CNI9ZWK3-8PmcS8wl-Ug
