多维时空数据介绍（2）新兴时空热点分析

1、量化空间聚类

Pro中提供了聚类分析系列的工具来识别具有统计显著性的热点、冷点和空间异常值以及类似要素或区域的位置。聚类分析系列能够解决：频繁出现的入室盗窃案，是否存在聚类，是否需要分配更多的警力；或者定位疾病爆发的地点从而找到传染源的线索。

与分析模式工具集只回答是否存在空间聚类不同，聚类分析系列工具可以直观呈现聚类位置和范围，也就是量化空间聚类。这一系列工具回答了以下问题：“聚类（热点和冷点）在哪里？”、“事件最密集的地方在哪里？”、“空间异常值在哪里？”、“哪些要素最相似？”、“如何对要素进行分组，以便每个组最不相似？”或者“如何组合这些要素，使每个区域都是同类的？”等等问题。

聚类分析系列工具最典型的就是热点分析以及聚类和异常值分析工具。热点分析可以识别具有统计显著性的热点和冷点，聚类和异常值分析工具也就是Anselin Local Moran's I则用来识别具有统计显著性的热点、冷点和空间异常值。也就是我们常说的高高、高低、低高、低低聚类。关于这两个工具，我们就不在这篇文章中具体展开了，对原理感兴趣的同学可以参考虾神白话空间统计中关于热点分析和聚类和异常值分析部分。

这里我们摘一个截图表示热点分析与聚类和异常值分析（局部莫兰指数）两个工具的区别。从结果来说热点分析最终显示每个要素的空间聚类情况，属于热点还是冷点，通过P值和Z得分来判断；聚类和异常值分析则会明确给出HH\LL的聚类结果以及HL\LH的异常值结果。