Empfehlungen zur Visualisierung von Daten mit hoher Dichte

Layer mit einer großen Anzahl von Features sind oft schwer zu visualisieren. Diese Layer mit hoher Dichte enthalten in der Regel nah beieinander liegende oder sich überlappende Features, sodass es schwierig oder unmöglich ist, zwischen ihnen zu unterscheiden oder räumliche Muster zu erkennen. Obwohl die fortschreitende Technologie die Darstellung von immer mehr Features ermöglicht, bedeutet die Möglichkeit, alle Features zu zeichnen, nicht unbedingt, dass dies sinnvoll ist. Denn zusätzliche Features führen häufig dazu, dass die Karte noch unübersichtlicher wird. Die effektive Visualisierung von Daten mit hoher Dichte ist nicht gleichzusetzen mit dem Anzeigen aller Funktionen.

Die Dichte der Features bezieht sich auf den Kartenmaßstab. So können Punkte in einem kleinen Maßstab (Verkleinerung) als dicht dargestellt, in einem großen Maßstab (Vergrößerung) jedoch als verteilt angezeigt werden. Um die beste Darstellung für dichte Daten zu ermitteln, müssen Sie zunächst herausfinden, in welchen Maßstabsebenen die Benutzer die Daten normalerweise betrachten. Wenn Sie beispielsweise die Verkehrsunfälle an der verkehrsreichsten Kreuzung in einer Stadt anzeigen, werden möglicherweise mehrere Punkte um die Kreuzung herum gruppiert angezeigt. Wenn Sie die Ansicht jedoch auf einen kleineren Maßstab zoomen, werden alle Punkte visuell zusammengeführt, und sie verdecken die Gruppierung, die Sie eigentlich zeigen möchten. Wenn Sie alle Unfälle im Land als eine Ansammlung von Punkten auf der Karte sehen, weist das zwar darauf hin, dass es zu Unfällen kommt, gibt aber keinen Aufschluss darüber, wie, warum oder wo sie passieren.

Map Viewer bietet verschiedene Methoden, um die Bedeutung der Verteilung der Features in Datasets mit hoher Dichte in verschiedenen Maßstäben besser zu verstehen. Manchmal reicht ein visueller Effekt wie eine Heatmap oder eine Cluster-Bildung bereits aus. In vielen Fällen führen die visuellen Muster, die bei diesen Methoden aufgedeckt werden, dazu, dass bessere Fragen zu den Daten gestellt werden, für deren Beantwortung wiederum eine Aggregation nach Flächen erforderlich ist.

In den folgenden Abschnitten werden verschiedene Methoden zur Visualisierung von Daten mit hoher Dichte in Map Viewer beschrieben und Empfehlungen für ihre Anwendung gegeben.

Cluster-Bildung

Layer mit vielen Punkt-Features können täuschen. Was als wenige Punkte angezeigt wird, kann stattdessen mehrere Tausend umfassen. Es ist schwierig, ein realistisches Bild der Daten zu erhalten, wenn auf der Karte viele Punkte nah beieinander liegen oder sich überlappen oder überlagern.

Die Cluster-Bildung bietet eine schnelle Lösung für dieses Problem. Wenn Sie die Cluster-Bildung auf einen Punkt-Layer anwenden, werden Punkt-Features, die sich in einem bestimmten Abstand zueinander auf der Karte befinden, zu einem Symbol zusammengefasst. Cluster werden normalerweise durch proportional angepasste Symbole basierend auf der Anzahl der Features in jedem Cluster dargestellt. Kleinere Cluster-Symbole weisen weniger Punkte aus, größere Cluster-Symbole hingegen mehr Punkte. Die Anzahl der Punkt-Features, die in Cluster gruppiert werden, können Sie durch Festlegen des Cluster-Radius anpassen.

Die Cluster-Bildung wird dynamisch bei mehreren Maßstäben angewendet. Das heißt, beim Verkleinern werden mehr Punkte in weniger Gruppen zusammengefasst, während beim Vergrößern mehr Cluster-Gruppen erstellt werden.

Für die Anwendung der Cluster-Bildung auf einen Layer wird die folgende Vorgehensweise empfohlen:

  • Wenden Sie zunächst die Standardeinstellungen der Cluster-Bildung auf den Layer an. Experimentieren Sie dann mit den Cluster-Einstellungen, und ändern Sie auch den Cluster-Radius, die Symbolgröße und den Style der Cluster-Symbole.
  • Konfigurieren Sie die Beschriftungen, die die Cluster-Anzahl anzeigen, oder verwenden Sie dieses Attribut für die Cluster-Beschriftung, wenn der Layer mit einem Attribut gestylt wurde. Wenn der Layer beispielsweise Flurstücke nach ihrem Wert pro Quadratfuß anzeigt, können Sie die Cluster-Beschriftung so konfigurieren, dass der Durchschnittswert pro Quadratfuß aller Punkte in den einzelnen Clustern angezeigt wird.
  • Verwenden Sie für die weitere Anpassung der Cluster-Beschriftung Beschriftungsklassen. Sie können beispielsweise die einzelnen Cluster basierend auf zwei Attributen wie die durchschnittliche Erdbebenstärke und die Anzahl der Erdbeben beschriften, wobei für jedes Attribut ein anderer Beschriftungs-Style verwendet werden kann.
  • Übernehmen Sie das Standard-Cluster-Pop-up, oder konfigurieren Sie ein benutzerdefiniertes Pop-up, um die Informationen anzuzeigen, die Sie für den jeweiligen Cluster hervorheben möchten. Verwenden Sie ggf. einen ArcGIS Arcade-Ausdruck, um Berechnungsergebnisse und andere Informationen zu den Daten anzuzeigen. Wenn im Karten-Layer beispielsweise Daten zu Verkehrsunfällen angezeigt werden, können Sie einen Ausdruck erstellen, um die Anzahl der Todesfälle in jedem Cluster anzuzeigen und anzugeben, ob gegenüber dem vorhergehenden Berichtszeitraum eine Zu- oder Abnahme zu verzeichnen ist.

Weitere Informationen zur Cluster-Bildung

Heatmaps

Wie bei der Cluster-Bildung, Transparenz und beim Blooming können Heatmaps zum Visualisieren einer großen Anzahl sich überlappender Punkt-Features verwendet werden. In Heatmaps werden Punkt-Features als Raster-Oberfläche dargestellt, wobei Flächen mit einer höheren relativen Punktdichte entlang eines fortlaufenden Farbverlaufs hervorgehoben werden. Heatmaps zeigen nicht nur die Dichte von Features basierend auf ihrer Position, sondern ermöglichen auch eine effektive Gewichtung der Punktdichte auf der Grundlage eines numerischen Datenwerts im Layer.

Für die Anwendung einer Heatmap auf einen Layer wird die folgende Vorgehensweise empfohlen:

  • Vermeiden Sie Heatmaps, wenn nur wenige Punkt-Features vorhanden sind. In diesem Fall sollten stattdessen die tatsächlichen Punkte dargestellt werden.
  • Wählen Sie bei der Anwendung einer Heatmap einen geeigneten Farbverlauf für die Daten aus, und passen Sie den Schieberegler an, um die Anwendung der Farben auf die Dichteoberfläche zu ändern. Sie können auch den Einflussbereich anpassen, um die Dichte-Cluster größer und glatter oder kleiner und schärfer darzustellen.
  • Je nach Story oder Botschaft, die Sie vermitteln möchten, sollten Sie einen numerischen Datenwert im Layer auswählen, um ihn in die Dichteberechnung für die Heatmap einzubeziehen. Dies kann ein anderes Muster ergeben als eine Dichte, die nur anhand der Position berechnet wird.
  • Heatmaps sind für die visuelle Darstellung in nur wenigen Maßstabsebenen geeignet. Wenn Sie die Heatmap verkleinern, wird sie wärmer angezeigt, und wenn Sie sie vergrößern, wird die Darstellung kälter. Um sicherzustellen, dass die Heatmap beim Vergrößern und Verkleinern ihre Aussagekraft behält, legen Sie den sichtbaren Bereich auf dem Layer so fest, dass die Heatmap nur in den Zoomstufen angezeigt wird, in denen die beabsichtigte Botschaft richtig vermittelt wird.

Weitere Informationen zu Heatmaps

Transparenz

Bei der Visualisierung von Layern mit vielen sich überlappenden Features können Sie die Transparenz der einzelnen Features ändern, um ihre Dichte besser zu visualisieren. Wenn die Karte aus mehreren Layern besteht, können Sie die Transparenz auch auf jeden Layer anwenden, um die Sichtbarkeit der Layer im Verhältnis zueinander zu ändern. Transparenz ist besonders effektiv bei der Visualisierung von übereinander liegenden Polygonen und Polylinien, da andere Methoden wie Cluster-Bildung und Heatmaps nur für Punkt-Feature-Layer verfügbar sind.

Sie können Transparenz beispielsweise für die Darstellung von Flächen verwenden, in denen über einen Zeitraum von 10 Jahren Hochwasserwarnungen ausgegeben wurden. Durch die Anwendung von Transparenz auf die sich überlappenden Polygone basierend auf der Anzahl der Warnungen in dem Gebiet können Sie Flächen mit einer hohen Anzahl von Warnungen (dunklere, undurchsichtige Flächen) von Flächen mit weniger Hochwasserwarnungen (hellere, transparentere Flächen) unterscheiden.

Für die Anwendung von Transparenz auf Features wird die folgende Vorgehensweise empfohlen:

  • Ein Transparenzwert von 90–99 Prozent eignet sich am besten für die Visualisierung der meisten Daten mit hoher Dichte.
  • Sie können einen bestimmten Layer in einer Karte mit mehreren Layern hervorheben, indem Sie ihn zu 100 Prozent undurchsichtig machen (keine Transparenz) und für die anderen Layer eine höhere Transparenz einstellen.
  • Wenn die Karte aus mehreren Layern mit verschiedenen Feature-Typen besteht, sollten Sie die Transparenz mit Mischmodi kombinieren, um die Dichte der verschiedenen Feature-Typen in der Karte darzustellen. So können Sie beispielsweise Flächen mit einer hohen Dichte an Überschwemmungen im Vergleich zu Flächen mit einer hohen Dichte an Tornados visualisieren. Legen Sie dazu die einzelnen Layer mit einer anderen Farbe und derselben Transparenzstufe fest, und wenden Sie den Mischmodus "Durchschnitt" auf den obersten Layer an.

Weitere Informationen zur Transparenz

Blooming

Blooming ist ein Effekt, durch den Features in einem Layer aufgehellt werden, sodass es so aussieht, als würden sie leuchten, wobei sich Lichtstreifen von den Rändern der hellen Flächen her ausbreiten. Der Blooming-Effekt ist heller und intensiver auf Flächen mit vielen sich überlappenden Features und stellt damit eine effektive Methode zur Visualisierung dichter Daten dar.

Die Stärke bzw. Intensität des Blooming-Effekts, der Radius der Weichzeichnung um die Features herum und der Schwellenwert für die Helligkeit der Farbe, die für die Anwendung des Blooming-Effekts erforderlich ist, können angepasst werden. Der Blooming-Effekt wird häufig zur Visualisierung von Feuern, Vulkanausbrüchen und anderen Daten verwendet.

Für die Anwendung des Blooming-Effekts auf Features in einem Layer wird die folgende Vorgehensweise empfohlen:

  • Verwenden Sie eine dunkle Grundkarte.
  • Die Wirkung des Blooming-Effekts kann je nach Maßstab der Karte, der Datendichte und den im Layer-Style verwendeten Farben variieren. Parameter, die für einen bestimmten Layer gut funktionieren, eignen sich möglicherweise nicht für andere Layer. Experimentieren Sie mit den Parametern Stärke, Radius und Schwellenwert, um den gewünschten Effekt zu erzielen.
  • Bei einem globalen Maßstab mit vielen Punkten sollten Sie eine kleine Symbolgröße und einen kleinen Radius verwenden , d. h. etwa 0,1 Pixel. Um mehr Farben mit dem Blooming-Effekt zu erfassen, verwenden Sie einen niedrigeren Schwellenwert, zum Beispiel 15 Prozent.
  • Sie können den Blooming-Effekt auf Linien anwenden, um die Dichte von sich überlappenden Linien, wie z. B. Autobahnen, darzustellen. Dicke, sich überlappende Linien werden heller angezeigt als dünne Linien, die sich nicht überlappen.

Weitere Informationen zum Blooming-Effekt

Aggregation

Mit der Aggregation können Sie große Datasets mit vielen Features zu Layern mit weniger Features zusammenfassen bzw. aggregieren. Dies geschieht in der Regel durch das Zusammenfassen von Punkten in Polygonen, wobei jedes Polygon die Anzahl der im Polygon enthaltenen Punkte anzeigt.

Im Gegensatz zur Cluster-Bildung, bei der die Aggregation auf dem Client erfolgt und beim Vergrößern und Verkleinern neu berechnet wird, findet die in diesem Abschnitt beschriebene Aggregationsmethode auf dem Server statt, wobei die Daten als statische aggregierte Features in einer einzigen Auflösung dargestellt werden.

Die Aggregation ist unter den folgenden Umständen der Cluster-Bildung vorzuziehen:

  • Das Punkt-Dataset ist für die clientseitige Cluster-Bildung zu groß. Einige Punkt-Datasets sind so groß, dass sie nicht zuverlässig in den Browser geladen und mit guter Performance visualisiert werden können. Das Aggregieren von Punkten zu einem Polygon-Layer ermöglicht die Darstellung der Daten mit verbesserter Performance. Daten können in regelmäßigen Polygongrenzen, wie Hexbins oder Quadraten, zusammengefasst werden. Verwenden Sie diese, wenn Sie die Dichte von Punkten im Raum genauer darstellen möchten.
  • Daten können in unregelmäßigen Polygongrenzen zusammengefasst werden. Möglicherweise müssen Sie Punktdaten in aussagekräftigen, vordefinierten Polygongrenzen zusammenfassen, z. B. Landkreise, Kongresswahlbezirke, Schulbezirke oder Polizeibezirke. Die Cluster-Bildung wird im Bildschirmbereich ohne Berücksichtigung der geopolitischen Grenzen durchgeführt. Es gibt Szenarien, in denen die Zusammenfassung nach vordefinierten, unregelmäßigen Polygonen für politische Entscheidungsträger erforderlich ist, deren Einfluss innerhalb dieser Grenzen liegt, die aber möglicherweise Interesse an benachbarten Grenzen haben.

Wählen Sie zum Aggregieren von Punkten in ArcGIS Enterprise den zu aggregierenden Punkt-Layer sowie einen Polygon-Layer aus, der für die Berechnung von Summenstatistiken verwendet wird. Daraufhin wird ein Feature-Layer erstellt. Standardmäßig wird die Anzahl der Punkte, die das jeweilige Polygon überschneiden, in die Ausgabetabelle einbezogen. Sie können Felder im Punkt-Layer auswählen, um sie mit verschiedenen Statistiken wie dem Durchschnitt eines numerischen Feldes oder dem vorherrschenden Wert eines Zeichenfolgefeldes zusammenzufassen. Sie können numerische Statistiken auch nach den Werten eines Zeichenfolgenfeldes gruppieren.

Weitere Informationen zum Aggregieren von Daten

Sichtbarer Maßstabsbereich

In manchen Fällen ist es nicht hilfreich, große Datasets in einem bestimmten Maßstab zu visualisieren. So wäre es beispielsweise nicht sinnvoll, Zählbezirke in einem globalen Kartenmaßstab anzuzeigen, da diese Bezirke in der Regel Stadtteile und kleine Gemeinden darstellen. Viele Polygone in diesem Maßstab würden kleiner als ein Pixel angezeigt werden und wären deshalb für die Benutzer der Karte von geringem Nutzen.

Wenn Sie einen Maßstabsbereich festlegen, können Sie einen Maßstab angeben, in dem Features aussagekräftig dargestellt werden. Außerdem können Sie so den ersten Datendownload im Browser reduzieren.

Beim Festlegen eines sichtbaren Maßstabsbereichs muss ein Minimalmaßstab und ein Maximalmaßstab für den Layer angegeben werden. Der Minimalmaßstab legt fest, wie weit der Layer für die Anzeige verkleinert werden kann, und der Maximalmaßstab legt fest, wie weit der Layer für die Anzeige vergrößert werden kann. Sie können auch nur einen Minimalmaßstab und keinen Maximalmaßstab festlegen. Mit der Einstellung des Minimalmaßstabs kann die Größe des Datendownloads am effektivsten verringert werden.

Weitere Informationen zum Festlegen eines sichtbaren Maßstabsbereichs