[论文解读] Centrality Measures in Urban Networks

Paolo Crucitti, Latora+1 more|arXiv (Cornell University)|Apr 22, 2005

Urban Design and Spatial Analysis参考文献 3被引用 7

一句话总结

本文提出多重中心性评估（MCA），一种基于四种中心性度量——接近度、中介度、直线度和信息中心性——的地理空间分析框架，应用于全球18座不同城市的城市道路网络。研究发现，接近度、中介度和直线度在所有城市中均呈现相同的函数分布，而信息中心性在自组织城市中呈现幂律缩放，在规划城市中则呈指数衰减，从而可通过基于基尼系数的聚类方法对城市形态进行分类。

ABSTRACT

Centrality has revealed crucial for understanding the structural order of complex relational networks. Centrality is also relevant for various spatial factors affecting human life and behaviors in cities. We present a comprehensive study of centrality distributions over geographic networks of urban streets. Four different measures of centrality, namely closeness, betweenness, straightness and information, are compared over eighteen 1-square-mile samples of different world cities. Samples are represented by primal geographic graphs, i.e. valued graphs defined by metric rather than topologic distance where intersections are turned into nodes and streets into edges. The spatial behavior of centrality indexes over the networks is investigated graphically by means of colour-coded maps. The results indicate that a spatial analysis, that we term Multiple Centrality Assessment(MCA), grounded not a single but on a set of different centrality indices, allows an extended comprehension of the city structure, nicely capturing the "skeleton" of most central routes and sub-areas that so much impacts on spatial cognition and collective behaviours. Statistically, closeness, straightness and betweenness turn out to follow the same functional distribution in all cases, despite the extreme diversity of the considered cities. Conversely, information is found to be exponential in planned cities and to follow a power law scaling in self-organized cities. A hierarchical clustering analysis based on the Gini coefficients of the different centrality distributions reveals a certain capacity to characterize classes of cities.

研究动机与目标

• 探究不同中心性度量如何反映城市道路网络中的结构秩序。
• 评估中心性指标在地理上多样化的城市中的空间行为。
• 开发一种多指标方法——多重中心性评估（MCA）——以更好地捕捉城市的职能骨架。
• 确定中心性分布是否能够区分规划城市与自组织城市形态。
• 评估中心性分布的基尼系数在分类城市网络类型方面的潜力。

提出的方法

• 城市道路网络被建模为原始地理图，其中交叉口为节点，街道为边，且使用度量距离（非拓扑距离）。
• 为每个网络样本计算四种中心性度量——接近度、中介度、直线度和信息中心性。
• 通过彩色地图进行空间可视化，以展示中心性值的地理分布。
• 分析18个全球城市中每座城市一平方英里样本的中心性度量的功能分布。
• 基于中心性分布的基尼系数进行层次聚类，以识别城市之间的结构相似性。
• 对分布类型（如幂律、指数分布）进行统计比较，以区分城市形态。

实验结果

研究问题

• RQ1 在形态各异的城市中，不同中心性度量在城市道路网络中的空间分布特征如何？
• RQ2 接近度、中介度、直线度和信息中心性在地理上不同的城市中是否表现出一致的函数形式？
• RQ3 信息中心性的分布行为是否能够区分规划城市与自组织城市形态？
• RQ4 多中心性方法（MCA）是否能比单中心性分析更有效地揭示城市的结构骨架？
• RQ5 中心性分布的基尼系数能否作为分类城市网络类型的可靠指标？

主要发现

• 尽管在地理和形态上存在多样性，接近度、中介度和直线度中心性度量在所有18个采样城市中均呈现相同的函数分布。
• 信息中心性在自组织城市中呈现幂律缩放，表明存在少数高度信息性的节点；而在规划城市中则呈指数分布。
• 多重中心性评估（MCA）框架成功捕捉了影响空间认知与集体行为的中心路径与子区域的‘骨架’结构。
• 基于中心性分布基尼系数的层次聚类揭示了区分城市类别的能力，暗示了结构类型的存在。
• 在形态多样的城市中函数形式的一致性，凸显了中心性度量作为城市网络结构指标的稳健性。
• 通过彩色地图对中心性进行空间可视化，有效突出了关键城市通道与枢纽，支持城市规划与认知制图。