Chociaż nie jest to rozwiązanie QGIS, osobiście wybrałbym analizę eksploracyjną za pomocą SaTScan . Jest szybki, dobrze udokumentowany i szeroko stosowany, więc nie powinieneś mieć problemów z uruchomieniem. 45 000 punktów może jednak wymagać trochę pamięci RAM.
Nie jestem pewien, czy może czytać bezpośrednio z Postgres, ale łatwo importuje z plików dbf i plików tekstowych.
Wyniki analizy można następnie łatwo odczytać z powrotem do Postgres lub QGIS. Możesz zdecydować się na wyszukiwanie skupisk kołowych lub elips (przydatne może być użycie, jeśli w danych występują określone typy osad, na przykład miasta / wioski o długich kształtach w dolinach itp.). Następnie można wygenerować wielokąty lub elipsy lub wyświetlić tylko lokalizacje będące członkami klastrów.
Aby szybko wyświetlić podgląd wyników w Google Earth, możesz również użyć narzędzia SaTScan NAACCR do Google Earth Conversion Tool .
Co ważne - jeśli zdecydujesz się uruchomić symulacje Monte Carlo (wydaje mi się, że min. 99), będziesz mógł także powiedzieć coś o statystycznym znaczeniu twoich klastrów. Interpretacja i uzasadnienie tych klastrów będzie kolejną kwestią, ponieważ była dyskutowana w naukach przestrzennych przynajmniej przez ostatnie dwie dekady (tak myślę;).
Możesz spróbować przeprowadzić analizę czysto przestrzenną w poszukiwaniu klastrów o wysokich, niskich lub hagh i niskich wartościach. Jeśli masz jakieś atrybuty czasowe w swoich danych * codziennych, cotygodniowych agregacjach), myślę, że byłoby naprawdę interesujące uruchomić niektóre modele czasoprzestrzenne.