通过中心性数据来描述城市空间的结构特征,可分为空间分布和统计学分布两类。空间分布分析通过中心性分布的可视化地图使空间结构的特征从几何图形中自动涌现,是最基本的应用方式。UNA和sDNA可直接生成空间分布图,所以几乎所有中心性研究的案例都或多或少使用了它(图2-6)。此外,有些案例通过中心性来建立原网络的子图(Sub-graph)以呈现空间更为深层的结构。如Secllato,Cardillo,Latora等通过建立中心性最大化生成树(Maximum Centrality Spanning Trees)[40]得到意大利城市Bologna和旧金山街道的网络子图,结果清晰显示出这两个城市网络的结构差异(图2-7)[41]。
图2-7 Bologna和旧金山的网络子图(上排:Bologna,下排:旧金山;自左至右:最小长度生成树、最大中间性生成树、最大信息中心性生成树)
(资料来源:Secllato S,Cardillo A,Latora V,etc.The backbone of a city[J].The European Physical Journal B,2006,50(1-2):224)(www.xing528.com)
统计学分布分析通过对中心性数据的频率分布、基尼指数[42]等进行统计学分析来探究城市空间深层结构的量化特征。如Crucitti等人在18个西方城市中各选取了1平方公里的片区,使用MCA工具计算道路节点的中间性、接近性、直线性和信息中心性等指标(图2-8),并使用基尼指数表征城市中心性数值分布的不均衡,对18个城市的基尼指数进行聚类分析,结果发现主要由自组织形成的城市和主要由现代规划产生的城市差异显著[43]。
图2-8 使用MCA所作的威尼斯中心性分析(1.接近性;2.中间性;3.直线性;4.信息中心性)
(资料来源:Crucitti P,Latora V,Porta S.Centrality measures in spatial networks of urban streets[J].Physical Review E,2006(73):036125-2)
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。