我们提出了一种方法来推断在一般度量空间中取值的独立数据序列分布中变化点的存在和位置，其中变化点被视为数据序列的分布根据其Fréchet均值、Fré）方差或两者突然变化的位置。所提出的方法是基于假定变更点位置前后Fréchet方差的比较，不需要调整参数，但假设不发生变更点的端点附近的截止间隔的规定除外。我们的结果包括当改变点存在时，在相邻备选方案下测试的一致性的理论保证，以及改变点估计位置的一致性（如果存在），其中，在无改变点的零假设下，提出的扫描函数的极限分布是标准布朗桥的平方。这些一致性结果适用于温和熵条件下的一大类度量空间。示例包括单变量概率分布空间和网络的拉普拉斯图空间。仿真研究证明了所提出的方法在推断变化点的存在和估计其位置方面的有效性。我们还发展了理论，证明了基于bootstrap的推理是合理的，并用孕产妇生育分布和通信网络的序列说明了新方法。