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，这次我们深化一下名词解释和空间句法的实例运用；

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），选择度与穿行度的区别，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，TPBt ），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)

这里放一下我之前文章的链接，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，从数据可以看出，岛内区域的整合度显著较高，而随着位置逐渐向外围扩展，整合度呈现出递减的趋势，这说明岛内区域在地理和社会连接上占据着更为核心的地位；

结合我们在共享单车轨迹数据分析中对人口栅格数据的研究，可以发现人口分布的形态与整合度的分布呈现出高度的一致性。具体来说，岛内区域不仅拥有较高的整合度，同时也是人口密度最大的区域，而从岛内向外，无论是整合度还是人口密度都呈现出逐渐递减的趋势。这表明整合度不仅可以作为评估空间中心性和可达性的有效指标，同样也能用于预测和分析人口分布的大致情况。整合度高的地区往往伴随着更高的人口聚集度；

关于人口栅格数据的分析可以看我之前的这篇文章：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，可以观察到连接岛内的主要通道，如翔安大桥、集美大桥和海沧大桥等，均展现出极高的选择度。这些桥梁不仅是连接岛内外的重要交通线路，同时也是最容易出现频繁交通拥堵的位置。这反映出它们在日常通勤和旅行中扮演着至关重要的角色，同时也面临着较大的交通压力；

通过对比百度地图在星期一上午9点这一典型工作日早高峰时段的路网预测情况，我们可以清晰地看到选择度与实际交通拥堵之间的关联，同样的在算道路介度中心度的时候也提到过这个点，想了解更多的可以看我之前的这篇文章：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，这表明选择度不仅反映了道路作为穿行路径的受欢迎程度，还在很大程度上预示了哪些道路在交通高峰期可能出现拥堵。选择度高的道路由于承担了大量的人流和车流，尤其是在高峰时段，更容易成为交通瓶颈，导致拥堵现象的发生。因此，选择度可以作为一种有效的指标，帮助我们理解和预测城市交通网络中潜在的拥堵点分布，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。