Randomizace neclusterovaného grafu
Viděli jsme, že bikesharingový graf má ve srovnání s náhodným grafem velmi nízkou konektivitu. To není překvapivé – očekáváme, že graf reprezentující geografický prostor bude mít místa spojená úzkými koridory, a proto by ke ztrátě souvislosti stačilo jen málo. Z toho plyne, že pravděpodobně existují geografické shluky, které jsou navzájem silně propojené, ale k ostatním shlukům připojené méně. Tuto hypotézu můžeme otestovat pohledem na tranzitivitu sítě neboli koeficient clusterování – koncept představený v úvodní lekci. Existuje několik typů koeficientů clusterování, ale my se zaměříme na globální definici (tj. podíl plně uzavřených trojúhelníků), stejnou, jakou jsme probírali dříve. Nejprve se podíváme na neohodnocenou verzi grafu a porovnáme ji s náhodným grafem.
Pro výpočet globální tranzitivity sítě nastav type na "global" ve volání funkce transitivity().
Síť jízdních tras trip_g_simp je k dispozici.
Toto cvičení je součástí kurzu
Případové studie: Analýza sítí v R
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Calculate global transitivity
actual_global_trans <- transitivity(___, type = "___")
# See the result
actual_global_trans
# Calculate the order
n_nodes <- ___(___)
# Calculate the edge density
edge_dens <- ___(___)