QGIS를 사용하여 벡터 포인트 데이터에서 클러스터를 식별합니까?

농촌 광대역 데이터 포인트 (얼마나 빠름 등)의 벡터 데이터 세트가 있으며 비슷한 특성을 가진 포인트 클러스터가 있는지 탐색하고이를 포괄하는 다각형을 플롯하고 싶습니다.

예를 들어, 단일 PostGIS 데이터 세트에 45,000 개의 포인트가 가로에 분산되어있을 수 있습니다. xkm 이내에 있고 속도가 y kbps 미만인 클러스터를 식별하고 각 적격 클러스터에 대해 볼록 껍질을 생성하고 싶습니다.

예를 들어 QGIS에서이를 수행하는 간단한 방법이 있습니까?

나는 여러 제안에서 비트를 결합하고 내 자신의 비트를 추가하고 QGis 내에서 나에게 잘 맞는 솔루션을 찾았습니다!

먼저 PostGis SELECT를 실행하여 올바른 공통 속성을 가지며 xkm 이내의 지점을 찾습니다.

고르다 선택 s1.postcode, s1.the_geom, s1.gid FROM broadband_data AS s1 Join 광대역 _data AS s2 ON ST_DWithin (s1.the_geom, s2.the_geom, 1000) 어디서 s1.postcode! = s2.postcode 및 s1.fastest_broadband

(Manning의 매우 훌륭한 PostGis in Action 책 에서 매우 직접적으로 직접 참여 가능)

그런 다음 Carson Farmer의 ManageR 플러그인을로드하고 레이어를 가져 왔습니다. 여기에서 나는 제안 PAM 클러스터링 과정을 따라 여기에 , 그리고 볼록 선체가 fTools를 사용하여 초 단위로 계산 하였다 된 모양 파일에 결과를 수출 (카슨은 약 얻을 않습니다!).

QGIS 솔루션은 아니지만 SaTScan을 사용한 탐색 적 분석을 개인적으로 선택합니다 . 빠르고, 잘 문서화 되고 널리 적용되므로 시동에 문제가 없어야합니다. 45k 포인트는 약간의 RAM이 필요할 수 있습니다.

Postgres에서 직접 읽을 수 있는지 확실하지 않지만 dbf 및 텍스트 파일에서 쉽게 가져올 수 있습니다.

그런 다음 분석 결과를 Postgres 또는 QGIS로 쉽게 다시 읽을 수 있습니다. 원형 클러스터 또는 타원을 검색하도록 결정할 수 있습니다 (예 : 계곡에 긴 모양의 도시 / 마을 등 데이터에 특정 유형의 거주지가있는 경우 사용하는 것이 유용 할 수 있음). 그런 다음 다각형 또는 타원을 생성하거나 클러스터의 멤버 인 위치 만 표시 할 수 있습니다.

Google 어스에서 결과를 빠르게 미리 보려면 NAACCR의 SaTScan을 Google 어스 변환 도구로 사용할 수도 있습니다 .

중요한 것은-Monte Carlo 시뮬레이션을 실행하기로 결정한 경우 (최소한 99, 생각합니다) 클러스터의 통계적 유의성에 대해서도 알려줄 수 있습니다. 이 클러스터의 해석과 타당성은 적어도 지난 20 년 동안 우주 과학에서 논의 된 것처럼 또 다른 문제가 될 것입니다.

높음, 낮음 또는 낮음 및 낮음 값의 클러스터를 찾기 위해 순수한 공간 분석을 시도 할 수 있습니다. 데이터에 * 일일, 주 단위 집계) 시간 속성이 있으면 시공간 모델을 실행하는 것이 정말 흥미로울 것입니다.

SciPy에는 (python 용) 클러스터링 패키지가 있으며, 파이썬 콘솔에서 사용하거나, 간단한 플러그인을 작성하여 postgis에서 PL / python을 사용할 수 있습니다.

http://docs.scipy.org/doc/scipy/reference/cluster.html

분석 후 f-tools를 사용하여 볼록 껍질을 만듭니다.

여기에 R과 GRASS를 사용하여 수행하려는 작업과 비슷한 예가 있습니다 . 대안으로, 제안한대로 scipy의 군집 도구를 사용한 다음이 방법을 사용하여 볼록 껍질 계산을 수행 할 수 있습니다.

Ftools 플러그인을 사용해 볼 수 있습니다. Vector> Geoprocessing Tools> Convex Hulls.

Create convex hulls based on input field입력 필드 매개 변수는 입력 지점의 속성에서 가져와야 하는 옵션이 있습니다 .