Denna studie ger förslag på hur metoden Getis Ord Gi* kan användas för att analysera geografiskt data, hitta mönster och visualisera resultatet. I studien ges också förslag på hur ingångsvärden till metoden bör väljas och hur de påverkar den resulterande visualiseringen. Metoden kan användas till att analysera ett antal incidenter eller ärenden som är utspridda över ett större geografiskt område. Metoden skulle då kunna användas till att ge svar på om det förekommer problemområden (kluster) av något slag inom området. Istället för att fokusera på varje enskilt fall skulle det då gå att samordna insatser i de områdena och till exempel få en kostnadseffektivare hantering. De ingångsvärden som har undersökts är storlek på sökfönster samt metod för aggregering av data. Som testdata i studien används trädärenden inkomna till Gävle kommun under åren 2010-2013. De frågeställningar som besvaras är: 1) Hur påverkas den resulterande visualiseringen av klusteranalysen om punktdata aggregeras som sammanfallande punkter, överlagras mot ett rutnät eller överlagras mot stadsdelspolygoner? 2) Hur påverkas den resulterande visualiseringen av klusteranalysen om sökfönstrets storlek väljs så att endast varje punkts omedelbara närområde tas med eller om storleken sätts så att varje punkt har minst en granne inom sökfönstret? 3) Hur bör parametrarna aggregering av data och storlek på sökfönster väljas för att visualisera kluster i storleken kvarter till stadsdel? Resultatet visar att det är viktigt att verkligen tänka igenom vilken fråga som ska besvaras med Getis Ord Gi* analysen och välja ingångsvärden efter frågan. Den här studien ger exempel på flera typfall och rekommendationer för hur värden bör väljas i de olika fallen. I fallet med testdatat visar resultatet att metod B1 (Överlagring av punkter mot ett rutnät och en sökfönsterradie på 300 meter) ger den tydligaste visualiseringen. Aggregeringen mot rutnät gör att effekten av många punkter på enstaka adresser jämnas ut och kluster i storleksordningen kvarter framträder tydligt. Diskussionen belyser hur effekter som befolkningstäthet och studieområdets geografi kan komma att påverka resultatet. / In this study, suggestions are given for how the method Getis Ord Gi* can be used to analyze geographic data, find patterns and visualize results. Guidelines are also given for selecting parameters and how the parameters affect the visualization of the results. The method can be used to analyze the number of incidents spread over a large geographic area. The method allows users to identify concentrations of incidents. By focusing on concentrations instead of single incidents, municipalities and other agencies can more effectively respond to the needs of its citizens. The parameters that have been evaluated are search window distance band and the aggregation of data. Citizen service requests to the municipality of Gävle regarding trees during the years 2010 to 2013 have been used as test data. The research questions are as follows: 1) How is the visualization of the results affected if data is aggregated as coincident points, overlaid on a grid or overlaid on district polygons? 2) How is the visualization of the results affected if search window distance band is selected to incorporate only near surrounding points or to set to a distance where every point has at least one neighbor? 3) How should the parameters data aggregation and search window distance band be set to visualize data clusters by the size of blocks up to districts? The findings of this study emphasize the importance of selecting parameters based on the question at hand. Several cases and guidelines for selecting parameters are outlined. The results show that method B1 (data overlaid on a grid and a search window distance band of 300 meters) gives the clearest visualization of clusters for the test data. Data overlaid on grid smoothers the effect of many incidents on single addresses and the resulting clusters are about the size of city blocks. The discussion part emphasizes how effects as the population density and the geography in the study area may affect the reulting visualisation.

No description available.

No description available.

No description available.

No description available.