城市脉络下的空间句法:整合度与选择度的深度解析

上回写过一篇,基于空间句法的路网整合度、选择度分析,当时碍于篇幅和侧重点,主要讲了如何安装sDNA这个插件来实现路网的整合度、选择度分析,并且分析部分也只是画了几条简单的线段,这次我们深化一下原理和指标的解析,

先明确空间句法里的二个概念,选择度和整合度;

选择度( Choice )

选择度( Choice )是指空间系统中某一元素作为两个节点之间最短拓扑距离的频率,考察空间单元作为出行最短路径所具备的优势,反映了空间被穿行的可能性,选择度越高的空间,则更有可能被人流穿行。

整合度( Integration)

整合度( Integration )是指空间系统中某一元素与其他元素之间的集聚或离散程度,衡量了一个空间作为目的地吸引到达交通的能力, 反映了该空间在整个系统中的中心性。整合度越高的空间,可达性越高,中心性越强,越容易集聚人流。整合度可分为全局整合度和局部整合度。

这次我们结合城市尺度的空间形态,来看一个城市的整合度和选择度(穿行度),连通度与穿行度的区别,看了一些解释,有些学者把穿行度解释为一种特殊的选择度;

在 sDNA 中,整合度和选择度(穿行度)分别用NQPD和TPBt来表示,考虑距离作为惩罚因素的网络平均权重(network quantity penalized by distance,NQPD),在官方的参考手册中通过增加新的后缀字母来区分计算方式,如NQPDA:按半径角距离计算的网络数量,本篇文章讨论的计算方法是NQPDH(x),这里x指的是距离,也就是参考半径,如果是500m为背景就是NQPDH500,也可以理解为局部整合度,n代表无限的意思,也就是全局整合度,即NQPDHn。

具体来说,整合度(NQPDHn)它衡量了某个空间元素(如街道段落)与其他所有空间元素的可达性,同时考虑了距离的影响。距离越远,可达性的权重就越小。H: 这个字母后跟一个数值或者 n。当 H 后面跟一个具体的数值(例如 H500),表示在这个特定的距离(如500米)范围内计算整合度。如果是 Hn,则表示全局范围内的整合度,即不受距离限制,计算该点在整个网络中的中心性。n: 表示全局(Global),意味着计算的是全局整合度,而不是在限定距离内的局部整合度;

选择度分析计算用的方式是TPBtHn,这里的 TPBt 指的是 "turn-based betweenness centrality",即基于转向的介数中心度,它考虑了网络中路径的选择频率,反映了某路段作为其他两点间最短路径一部分的重要性。

  • T: 表示转向(Turn),意味着算法考虑了路径上的转向;
  • PB: 表示概率基础(Probability-Based),意味着算法基于概率分布来计算;
  • t: 表示该算法是针对特定类型的路径计算的;
  • Hn: 其中 H 表示计算是在给定阈值(Threshold)的情况下进行的,而 n 表示全局(Global)范围内无阈值限制的情况。

参考文章《基于sDNA 模型零售业分布特征及影响因素研究——以南昌市为例;吴海婷,向岚麟》基于sDNA模型零售业分布特征及影响因素研究——以南昌市为例 - 中国知网 (cnki.net)

参考文章《基于多尺度地理加权回归模型的城市道路骑行流量分析;黄颙昊, 杨新苗, 岳锦涛》基于多尺度地理加权回归模型的城市道路骑行流量分析 - 中国知网 (cnki.net)

参考官方手册:4. Analysis: full specification — sDNA 4.1.1 documentation (sdna-plus.readthedocs.io)

这里放一下链接,里面有详细的分析步骤和数据获取方法;

sDNA插件安装与数据分析步骤:ArcGIS应用指南:sDNA插件安装与路网整合度、连通度分析_空间句法插件-CSDN博客

路网下载部分,用了路网用简化节点的方式的为了减少修正拓扑关系的工作量:OSMnx应用指南:对路网节点进行简化-CSDN博客

这里我们直接摆出来分析结果,又到了看图说话的环节,我们先来回顾一下整合度(NQPDHn)的定义:整合度反映了该空间在整个系统中的中心性。整合度越高的空间,可达性越高,中心性越强,越容易集聚人流,我们可以看到岛内的整合度之高,越向外围整合度越低;

再结合我们这篇共享单车轨迹数据分析当中对于人口栅格数据分析的部分,可以看出来分布形态基本一致,都在岛内形成的较高的人口分布和整合度高值分布并以岛内为中心向外递减,可以说整合度拿来做人口分布预测也不错,至少可以呈现一个大致分布情况;

指路文章:共享单车轨迹数据分析:以厦门市共享单车数据为例(二)_共享单车轨迹数据处理-CSDN博客

我们再来看看选择度,先看定义:选择度(TPBtHn)反映了空间被穿行的可能性,选择度越高的空间,则更有可能被人流穿行,作为出行最短路径所具备的优势,结合之前文章我们对百度地图的路况预测数据的对比分析,我们可以看到连接岛内的几条翔安大桥、集美大桥、海沧大桥等等都是选择度最高的几条道路,也是容易发生常发性拥堵的位置;

这里我们对比百度地图的路网预测情况可见一斑,选取时间段:星期一 9:00:00,同样的在算道路介度中心度的时候也提到过这个点,指路文章:OSMnx应用指南:计算路网介数中心度(Betweenness Centrality)_betweenness介中心度-CSDN博客;

我们局部放大看看也可以发现拥堵的位置也集中在选择度最高的这些道路上,可以说选择度在一定程度上反应道路在高峰期大概率出现拥堵情况的位置分布情况,这些结论也就是数据分析运用在实际交通规划的意义。

文章仅用于分享个人学习成果与个人存档之用,分享知识,如有侵权,请联系作者进行删除。所有信息均基于作者的个人理解和经验,不代表任何官方立场或权威解读。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/879348.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

二十种编程语言庆祝中秋节

二十种编程语言庆祝中秋节 文章目录 二十种编程语言庆祝中秋节中秋快乐!家人们 🥳一 Python二 C三 C四 Java五 C#六 Perl七 Go八 Asp九 PHP十 JavaScript十一 JavaScript HTML十二 Visual Basic十三 早期 VB十四 Visual C十五 Delphi十六 Shell十七 Cobo…

Codeforces practice C++ 2024/9/11 - 2024/9/18

D. Mathematical Problem Codeforces Round 954 (Div. 3) 原题链接:https://codeforces.com/contest/1986/problem/D 题目标签分类:brute force,dp,greedy,implementation,math,two pointers…

svn回退到以前历史版本修改并上传

svn回退到以前版本,并在以前版本上修改代码后,上传到svn库当中,如下步骤: 3、 以回退到版本号4为例:选中版本号4,右键->Revert to this version,在出现的对话框中 点击yes! 4、 5、

【C++ Primer Plus习题】16.8

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream> #include <set> #includ…

矩阵分析 学习笔记3 多项式矩阵 jordan标准型

多项式矩阵 就是说这个矩阵里面的各个元素都是多项式&#xff0c;多项式的主角是类目大&#xff08;自变量&#xff09;。 多项式矩阵的秩 0多项式就是完全0的那种&#xff0c;就一个0&#xff0c;类目大都没有了。 多项式矩阵的秩和带一个类目大进去变成普通矩阵的秩不是一回…

深度学习|损失函数:网络参数优化基准

文章目录 引言均方误差计算示例矩阵形式代码实现 交叉熵误差计算示例代码实现 绝对误差计算示例代码实现 Hinge Loss计算示例代码实现 Kullback-Leibler Divergence计算示例代码实现 结语 引言 在上文「深度学习&#xff5c;模型训练&#xff1a;手写 SimpleNet」中&#xff0…

十款主流的供应链管理系统盘点,优缺点一目了然!

本文将盘点十款供应链管理系统&#xff0c;为企业选型提供参考&#xff01; 想象一下&#xff0c;一家企业在生产和销售产品的过程中&#xff0c;原材料供应不及时、库存积压严重、物流配送混乱。这时&#xff0c;供应链管理系统就如同一位高效的指挥家&#xff0c;将各个环节紧…

离散制造 vs 流程制造:锚定精准制造未来,从装配线到化学反应,实时数据集成在制造业案例中的多维应用

使用 TapData&#xff0c;化繁为简&#xff0c;摆脱手动搭建、维护数据管道的诸多烦扰&#xff0c;轻量替代 OGG, Kettle 等同步工具&#xff0c;以及基于 Kafka 的 ETL 解决方案&#xff0c;「CDC 流处理 数据集成」组合拳&#xff0c;加速仓内数据流转&#xff0c;帮助企业…

Linux权限理解【Shell的理解】【linux权限的概念、管理、切换】【粘滞位理解】

目录 Linux权限理解1.Xshell命令以及运行原理2.linux权限的学习2.1linux权限的切换2.2linux权限的概念2.3linux权限管理2.3.1linux中文件访问者的分类2.3.2文件类型和访问权限(文件属性)2.3.2.1文件类型2.3.2.2文件权限拓展—文件的起始权限 2.3.3文件权限管理2.3.4文件权限的应…

腾讯云Ubuntu系统安装宝塔,配置Java环境,运行spring boot项目

致谢 本次学习宝塔部署spring boot项目&#xff0c;参考如下资料 https://www.cnblogs.com/daen/p/15997872.html 系统安装宝塔 直接用的腾讯云云服务器面板上的登录&#xff0c;你可以换成 xshell 进入宝塔官网&#xff1a; https://www.bt.cn/new/download.html 我们采…

跟《经济学人》学英文:2024年09月14日这期 Volunteering has big benefits for the elderly

Volunteering has big benefits for the elderly But those Britons who would most benefit are least likely to do it 原文&#xff1a; THE CROSSNESS Pumping Station is not what you’d expect of a sewage works. With its spiral staircases, colourful tiling and…

Sapiens——人类视觉大模型的基础

引言 大规模预训练以及随后针对特定任务的语言建模微调取得了显著成功&#xff0c;已将这种方法确立为标准做法。同样&#xff0c; 计算机视觉方法正逐步采用大规模数据进行预训练。LAION5B、Instagram-3.5B、JFT-300M、LVD142M、Visual Genome 和 YFCC100M 等大型数据集的出现…

计算机毕业设计 健身房管理系统的设计与实现 Java实战项目 附源码+文档+视频讲解

博主介绍&#xff1a;✌从事软件开发10年之余&#xff0c;专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。CSDN、掘金、华为云、InfoQ、阿里云等平台优质作者✌ &#x1f345;文末获取源码联系&#x1f345; &#x1f447;&#x1f3fb; 精…

Linux--守护进程与会话

进程组 概念 进程组就是一个或多个进程的集合。 一个进程组可以包含多个进程。 下面我们通过一句简单的命令行来展示&#xff1a; 为什么会有进程组&#xff1f; 批量操作&#xff1a;进程组允许将多个进程组织在一起&#xff0c;形成一个逻辑上的整体。当需要对多个进程…

Matlab如何配置小波工具(Wavelet Toolbox)

1、发现问题 因为实验要使用小波工具函数&#xff0c;运行时报错如下&#xff1a; 查看对应文件夹发现没有小波工具&#xff08;也可在控制台输入ver&#xff09;&#xff0c;检查是否有该工具&#xff0c;输入后回车返回如下&#xff1a; 2、下载工具包 没有这个工具就要去下…

【浅水模型MATLAB】尝试复刻SCI论文中的溃坝流算例

【浅水模型MATLAB】尝试复刻SCI论文中的溃坝流算例 前言问题描述控制方程及数值方法浅水方程及其数值计算方法边界条件的实现 代码框架与关键代码模拟结果 更新于2024年9月17日 前言 这篇博客算是学习浅水方程&#xff0c;并利用MATLAB复刻Liang (2004)1中溃坝流算例的一个记录…

Gitee丝滑版本:成功在新电脑添加新文件

git 关键步骤 1.首先在新电脑建一个文件夹&#xff0c;然后打开这个文件夹里面右键打开OPEN BASH GIT HERE。 2.然后输入git init&#xff0c;会在文件夹生成一个git.文件&#xff0c;接着把复制的get clone命令克隆过去就可以下载了&#xff0c;如果遇到403问题&#xff0c…

循环神经网络RNN+长短期记忆网络LSTM 学习记录

循环神经网络&#xff08;RNN) RNN的的基础单元是一个循环单元&#xff0c;前部序列的信息经处理后&#xff0c;作为输入信息传递到后部序列 x为输入向量&#xff0c;y为输出向量&#xff0c;a为上一隐藏层的a与x通过激活函数得到的值&#xff0c;简言之&#xff0c;每一层神…

从头开始学MyBatis—02基于xml和注解分别实现的增删改查

首先介绍此次使用的数据库结构&#xff0c;然后引出注意事项。 通过基于xml和基于注解的方式分别实现了增删改查&#xff0c;还有获取参数值、返回值的不同类型对比&#xff0c;帮助大家一次性掌握两种代码编写能力。 目录 数据库 数据库表 实体类 对应的实体类如下&#x…

Java项目: 基于SpringBoot+mybatis+maven洗衣店订单管理系统(含源码+数据库+开题报告+任务书+毕业论文)

一、项目简介 本项目是一套基于SpringBootmybatismaven洗衣店订单管理系统 包含&#xff1a;项目源码、数据库脚本等&#xff0c;该项目附带全部源码可作为毕设使用。 项目都经过严格调试&#xff0c;eclipse或者idea 确保可以运行&#xff01; 该系统功能完善、界面美观、操作…