網路密度指標如何分析

Ⅰ 城市道路網密度多少合適

《城市道路交通規劃設計規范》 (GB50220-95)的第20頁有一個表不同人口規模的城市各種級別的道路的密度都有相應的規劃指標

Ⅱ 路網密度的計算方法

計算方法：路網密度等於某一計算區域內所有的道路的總長度與區域總面積之比，單位為千米每平方千米。

城市范圍內由不同功能、等級、區位的道路，以一定的密度和適當的形式組成的網路體系結構。

對交通而言，路網密度越高，道路長度越長，能提供更多的道路接入空間，也能提供更密的人行和非機動車網路以及公交線路服務空間，同時路網的聯通度更好，所謂的容錯能力或者循環能力更強。

對非工業倉儲等城市用地而言，路網越密，地塊劃分越小，能提供更多的沿街面、更多的開放空間，提升街道鄰里的交流機會，提升城市空間趣味，從而提高地區的多元化和活力以及土地價值。

(2)網路密度指標如何分析擴展閱讀

在談道路分類（等級）時都會涉及到Mobility和Accessibility兩個概念，一般等級越高的道路Mobility功能越強，等級越低Accessibility功能越強。

對路網密度而言也可以存在類似的邏輯，路網密度越高就能提供更多的Access的可能性，但與之同時道路寬度減小，交叉口密集，Mobility會相對下降。在同等條件下用平均車速判斷擁堵的時候，越密的路網擁堵可能性越大。總而言之，路網的疏密與道路交通的不同功能存在一定的關系。

Ⅲ 網路科學的網路屬性

度
對於一個節點，若看作源節點，
出度：由源節點指向其他節點的邊數；
入度：其他節點指向源節點的邊數；
度：出度與入度的和。
密度：
網路密度 是網路中已有的邊數與總的可能存在的邊數的比率，（通俗說就是現有的邊數與所有的點都連接的邊數的比值）。對於一個有N個節點的無向圖網路，理論上邊數最大為，則密度，其中是圖中存在的邊，對於一個有向圖網路，密度，其中是單向的邊。
平均度：
網路圖的平均度和密度有著密切的關系，其平均度，在ER隨機圖模型中,我們可以計算其中是連接兩個節點的概率。
平均路徑長度(Average path length)
平均路徑長度：首先計算通過尋找所有成對的節點之間的最短路徑長度，然後把它們的長度求和，然後除以總對數，就是平均路徑長度。這告訴我們平均路徑長度是一個節點到網路中的另一個節點所要走的平均長度。
網路直徑(Diameter of a network)
作為測量網路圖的另一個度量標准，我們可以定義網路直徑為網路中最短路徑的最大值，換句話說，首先計算每個節點到其他節點的最短路徑，則網路直徑就是最短路徑的最大值。直徑代表著線性網路的大小。
聚集系數(Clustering coefficient)
聚類系數是測量「all-my-friends-know-each-other」。通常被描述為我的朋友的朋友還是我的朋友。更准確的是，一個節點的聚類系數是這個節點存在的連接點數與最大可能的連接點數的比值，一個網路整體的聚類系數是各個節點聚類系數的取平均值，同時具有小的平均路徑和高的群聚系數，就形成了小世界效應。
則節點的聚類是，其中是鄰居節點的數量，是鄰居節點的鄰居的連接數，則鄰居節點的最大連接數為。
連通性
連通性扮演者重要的作用在分析和解釋網路的連通性時，圖根據連通性被歸類在四個不同的類別: 派系/完全圖：所有節點都能連接到其他所有節點的圖是一個完全連通圖。如果所有節點都有其他全部節點的內部鏈接和外部鏈接，則這個網路都是對稱的。 最大連通子圖：最大的連通分支。 弱連通圖：一個節點集合中存在任何其他節點都能相互到達的路徑，忽略邊的方向性。 強連通圖：一個節點集合中存在任何節點都能相互到達路徑，需要考慮邊的方向性。

Ⅳ 腦網路分析的指標

1. 邊( link，edge) ，腦區間的功能連接

2. 節點(vertex 或 node)  ，腦區 

3. 節點度(degree) ，度ki，直接連接在一個節點的邊的個數， 節點的度越大則該節點的連接就越多, 節點在網路中的地位也就越重要. 

4. 度分布(degree distribution) ， 度分布P(k) 是網路最基本的一個拓撲性質, 它表示在網路中等概率隨機選取的節點度值正好為k 的概率, 實際分析中一般用 網路中度值為k 的節點占總節點數的比例近似表示 . 擁有不同度分布形式的網路在面對網路攻擊時會表現出截然不同的網路行為。

5. 區域核心節點(provincial hub)   

6. 連接中樞點( connector hub)      

7. 中心度(centrality)  中間中心度bi(centrality). 一個節點對網路中其他節點的信息流的影響。中心度是一個用來 刻畫網路中節點作用和地位的統計指標 , 中心度最大的節點被認為是網路中的 核心節點(hub) .

8. 度中心度(degree centrality) ，最常用的 度中心度以節點度刻畫其在網路中的中心程度     

9. 介數中心度( betweenness centrality) ，介數中心度(betweenness centrality)則從信息流的角度出發定義節點的中心程度.  介數中心性用來確定網路中最中心的節點，即網路中起橋梁作用的節點。hub腦區大多數位於接受多個腦區信息的聯絡皮層，比如豆狀核，海馬，顳中回，頂上回，額上回等。 節點i 的介數 Bi 定義為通過該節點的最短路徑的數目。歸一化介數可通過如下公式計算：

介數越大的節點代表網路中越關鍵的節點（如 hub 節點），在該研究中我們定義網路的hub 節點為 bi 大於 1.5 倍的所有節點的介數平均值。

對於網路G 中的任意一點i, 其介數中心度的計算公式如下

10. 節點強度( node strength) ， 加權網路中由於考慮了邊的權值，無權網路中的度與度的分布特徵在加權網路中進一步推廣為強度與強度的分布。與節點度相比， 節點強度不僅考慮了與節點連接的邊的數目，更進一步考慮了與節點連接的相應的邊的權值 ，能夠更加科學的衡量作者的局部網路特徵，在採用累積頻次加權的作者合作加權網路中，節點強度是指作者與其合作對象的累積絕對合作頻次。

11. 最短路徑長度(shortest path length) ，最短路徑長度，(shortest path length).最短路徑對網路的信息傳輸起著重要的作用, 是描述網路內部結構非常重要的一個參數. 最短路徑刻畫了網路中某一節點的信息到達另一節點的最優路徑,通過最短路徑可以更快地傳輸信息, 從而節省系統資源. 兩個節點i,j之間邊數最少的一條通路稱為此兩點之間的最短路徑, 該通路所經過的邊的數目即為節點i,j之間的最短路徑長度, lij. 網路最短路徑長度L 描述了網路中任意兩個節點間的最短路徑長度的平均值

12. 特徵路徑長度( characteristic path length) Lp ，網路整體路由效率的程度。對於特徵路徑長度的計算，有斷鍵重連的標准小世界網路方法和添加長鍵轉化小世界網路方法。 該指標衡量了網路的信息並行處理的能力或全局效率（1/ Lp），特徵路徑長度的增加說明了腦區之間的信息傳輸和交互效率降低。 一個網路的特徵路徑長度 Lp  ， 是網路中任意兩節點的最短路徑的平均 ：

13. 聚類系數( clustering coefficient) ，聚類系數Cp，網路的聚類程度，集群系數衡量的是網路的集團化程度, 是度量網路的另一個重要參數, 表示某一節點i 的鄰居間互為鄰居的可能. 節點i 的集群系數Ci的值等於該節點鄰居間實際連接的邊的數目(ei)與可能的最大連接邊數(ki(ki–1)/2)的比值。 該指標衡量了網路的局部聚集性或者信息傳輸的局部效率。 網路中所有節點集群系數的平均值為網路的集群系數。

14.局部效率(local efficiency) ，局部效率Eloc，衡量如何高效的傳播信息通過節點的直接相鄰節點，由於集群系數只考慮了鄰居節點間的直接連接, 後來有人提出局部效率(local efficiency)Eloc的概念. 集群系數和局部效率度量了網路的局部信息傳輸能力, 也在一定程度上反映了網路防禦隨機攻擊的能力。任意節點i 的局部效率為

 該指標描述了網路的容錯能力，表明當移除節點 i 後它直接相鄰的節點間的通信效率。

15.全局效率( global efficiency) ，全局效率 Eglob 描述了網路對於信息並行處理的能力，定義為任意兩節點的最短路徑的調和平均值的倒數，全局效率Eglob，衡量如何有效的通過整個網路傳播信息，通常最短路徑長度要在某一個連通圖中進行運算, 因為 如果網路中存在不連通的節點會導致這兩個節點間的最短路徑長度值為無窮 . 因此有人提出了全局效率(global efficiency)Eglob的概念。最短路徑長度和全局效率度量了網路的全局傳輸能力.  最短路徑長度越短, 網路全局效率越高, 則網路節點間傳遞信息的速率就越快. 全局效率的降低說明腦區之間的信息傳輸和交互效率降低。

16.外徑(Diameter) ,The longest of all the geodesics, and the geodesics is a shortest path between two nodes. If we are looking for the diameter of a network, we are really looking at all the shortest paths and then choosing the longest one.

17.平均最短路徑（Average path length） , It's calculated by finding the shortest path between all the nodes, adding them up, and then dividing by the total number of pairs. It will show us the number of steps on average it takes to get from one member to another in the network. For example, 721 million users with an average path length of just 4.74, in these network, we show that it is at once both global and local, it connects nodes which are far away but also has the dense local structure, and this is called the small world phenomena.

18.AAL模板,  AAL全稱是Anatomical Automatic Labeling，AAL分區是由 Montreal Neurological Institute (MNI)機構提供的。AAL模板一共有116個區域，但只有90個屬於大腦，剩餘26個屬於小腦結構，研究的較少。

19.MNI空間， 是Montreal Neurological Institute根據一系列正常人腦的磁共振圖像而建立的坐標系統。Native空間就是原始空間。圖像沒有做任何變換時就是在原始空間。在這個空間中圖像的維度、原點、voxel size等都是不同的， 不同被試的圖像之間不具有可比性 ， 計算出來的任何特徵都不能進行統計分析 ，或是用於機器學習。所以 必須對所有被試的圖像進行配准標准化到同一個模板上，這樣所有被試的維度、原點、voxel size就一樣了。 使用MNI標准模板，就表示把圖像轉換至MNI空間了。 一般而言MNI模板是最常用的，研究的比較多。 標准空間的圖像也是指MNI空間的圖像。

20.Talairach空間， 和MNI空間的坐標有對應的關系，很多軟體都提供這個功能，如Mricron、REST等。Talairach空間只要是為了判別當前坐標在什麼結構上，注意Talairach atlas and Talairach coordinates 就是Stereotaxic space.

21.全局網路度Kp ，節點 i 的連接度 Ki 定義為與該節點直接相連的邊的數目，高度連接的節點的度較大。該指標用來描述一個網路的稀疏度。全局網路的度Kp 為網路中所有節點的度的平均：

22.小世界屬性，基於體素和基於腦區的研究都表明人腦功能網路都具有高效的小世界屬性。 For example, 721 million users with an average path length of just 4.74, in these network, we show that it is at once both global and local, it connects nodes which are far away but also has the dense local structure, and this is called t he small world phenomena . 小世界網路( small-world network) 網路的小世界屬性：高的聚類系數和短的特徵路徑長度。小世界的拓撲結構支持大腦信息處理的分化和整合功能，是一種經濟型的結構，支持高度復雜動態結構的同時，使得配線代價最低。具有小世界屬性的動態系統通常有較好的抗攻擊性，而且表現出比較高的信息傳輸速度，計算能力和同步性。

23. 攻擊性， 用來定量描述某個節點的失敗對網路行為的影響。節點 i 的攻擊性Vi 定義為： 當去掉節點 i 及其連接的邊後網路全局效率的變化 ，可通過如下公式計算：

其中 Eglob』表示去掉節點 i 及其連接的邊後網路的全局效率。 攻擊性同介數中心性一樣也是反映了節點在網路中的重要性。

24.節點效率ei， 衡量一個節點與其他節點通信的效率

25.結構性連接，

26.模塊化結構，

27.結構性腦網路( structural brain networks 或anatomical brain networks) 

28.功能性腦網路( functional brain networks)

29.因效性腦網路( effective brain networks) 

30.無標度網路( scale-free network) 

31.隨機網路( random network) 

32.規則網路( regular network) 

33.無向網路( undirected network)

34.加權網路( weighted network)

35.相位同步( phase synchronization) 

36.連接密度(connection density/cost) 

37.互相關分析( cross-correlation analysis) 

38.因果關系分析( Causality analysis) 

39.直接傳遞函數分析( Directed Transfer Function，DTF) 

40.部分定向相干分析( Partial Directed Coherence，PDC) 

多變數自回歸建模( multivariate autoregressivemodel，MVAR) 

獨立成分分析( independent component analysis，ICA) 

步似然性(synchronization likelihood, SL) 

結構方程建模(structural equationmodeling, SEM) 

動態因果建模(dynamic causalmodeling, DCM) 

心理生理交互作用模型(Psychophysiological interaction model) 

非度量多維定標(non-metric multidimensional scaling) 

體素形態學(voxel-based morphometry,VBM) 

統計參數映射（statistical parametric mapping，SPM） 

皮爾遜相關系數（Pearson correlation）

偏相關系數（Partial correlation） 

腦功能連接，度量空間上分離的不同腦區間在時間上和相關性和功能活動的統計依賴關系，是描述腦區之間協同工作模式的有效手段。

方法學：（1）定義被試的節點的方法：AAL模板和自動配准；（2）定義邊：確定性的纖維跟蹤演算法，HARDI,DSI,概率跟蹤演算法；（3）二值網和加權網的選擇；

最大連通子圖大小，SOBCC（Size of Biggest Connected Component），代表網路連通分量的大小。

Ⅳ 衡量網路的技術指標有什麼

延遲（delay）帶寬（bandwith）是衡量計算機網路性能好壞的指標之一。
帶寬表示的是網路的吞吐量，通常單位是mbps和kbps分別是百萬位每秒和千位每秒。bit（位）是網路流量中的最小單位。八位二進製表示一個位元組。
比如你家帶寬有1Mbps其實只有1000/8=125KB而已……

Ⅵ ucinet社會網路分析怎麼用來分析密度，中心度呀！！！求幫忙！！

ucinet-- network-- cohesion-- density-- density by group/overall

ucinet-- network-- centrality and power--選擇你要算的東東