포인트 위치 및 관련 포인트 값을 기반으로 지리 데이터 클러스터링

경도, 위도 및이 점의 세 번째 속성 값이있는 데이터 점이 제공됩니다. 속성 값을 기준으로 포인트를 그룹 (지리적 하위 영역)으로 클러스터링하려면 어떻게해야합니까? Google에서 검색 한 결과이 문제를 "공간 제약 클러스터링"또는 "지역화"라고합니다. 그러나 지리적 데이터 처리에 익숙하지 않으며 어떤 종류의 알고리즘이 좋은지,이 작업에 어떤 파이썬 / R 패키지가 적합한 지에 대한 아이디어를 얻지 못했습니다.

내가 원하는 것에 대해보다 직관적 인 아이디어를 제공하기 위해 데이터 산점도는 다음과 같습니다.

따라서 각 점은 점, x는 경도, y는 위도, 컬러 맵은 값이 큰지 작은지를 나타냅니다. 위치와 값의 유사성에 따라 해당 지점을 하위 영역 / 그룹 / 클러스터로 나누고 싶습니다. 다음과 같이 (직관적으로 생각하는 것을 보여주기 위해 내가 원하는 것이 아닙니다.)

어떻게 이것을 달성 할 수 있습니까?

rioja 패키지는 제한된 계층 적 클러스터링을위한 기능을 제공합니다. "공간적 제약"으로 생각하는 것에 대해서는 거리를 기준으로 컷을 지정하는 반면 "지역화"의 경우 가장 가까운 k 개의 이웃을 사용할 수 있습니다. 거리 기반 좌표계에 있도록 데이터를 투영하는 것이 좋습니다.

require(sp)
require(rioja)

data(meuse)
  coordinates(meuse) <- ~x+y
  cdat <- data.frame(x=coordinates(meuse)[,1],y=coordinates(meuse)[,2])
  rownames(cdat) <- rownames(meuse@data)

# Constrained hierarchical clustering 
chc <- chclust(dist(cdat), method="conslink")

# Using kNN with 3 neighbors
chc.n3 <- cutree(chc, k=3) 

# Using distance 
chc.d200 <- cutree(chc, h=200) 

meuse@data <- data.frame(meuse@data, KNN=as.factor(chc.n3), DClust=chc.d200)

opar <- par
  par(mfcol=c(1,2))  
   cols <- topo.colors(length(unique(meuse@data$KNN)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$KNN))) {
        v <- unique(meuse@data$KNN)[i] 
          color[(meuse@data$KNN == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="kNN Clustering")
      box()

    cols <- topo.colors(length(unique(meuse@data$DClust)))  
    color <- rep("xx", nrow(meuse@data))
      for(i in 1:length(unique(meuse@data$DClust))) {
        v <- unique(meuse@data$DClust)[i] 
          color[(meuse@data$DClust == v)] <- cols[i]
        }
    plot(meuse, col=color, pch=19, main="Distance Clustering")
      box() 
par <- opar