1. Nauka
    2. /
  2. Kursy
    3. /
  3. Studia przypadków: analiza sieci w R
Connected

ćwiczenie

Losowe grupowanie bez wag

Widzieliśmy już, że graf roweru ma bardzo niską spójność w porównaniu z grafem losowym. Nie jest to zaskakujące – graf reprezentujący przestrzeń geograficzną ma zazwyczaj fragmenty połączone wąskimi korytarzami, które łatwo rozłączyć. Wynika z tego, że prawdopodobnie istnieją skupiska geograficzne mocno połączone wewnętrznie, lecz słabiej powiązane z innymi skupiskami. Możemy zweryfikować tę hipotezę, analizując tranzytywność sieci, czyli współczynnik grupowania – pojęcie wprowadzone we wcześniejszych lekcjach. Istnieje kilka rodzajów współczynników grupowania, ale skupimy się na definicji globalnej (zasadniczo udział w pełni zamkniętych trójkątów) – tej samej, którą omawiano wcześniej. Na początek przyjrzymy się nieważonej wersji grafu i porównamy ją z grafem losowym.

Aby obliczyć globalną tranzytywność sieci, ustaw parametr type na "global" w wywołaniu funkcji transitivity().

Sieć przejazdów rowerowych, trip_g_simp, jest już dostępna.

Instrukcje 1/3

undefined XP
    1
    2
    3
  • Oblicz globalną tranzytywność sieci przejazdów, trip_g_simp.
  • Oblicz liczbę wierzchołków (rząd grafu) w trip_g_simp za pomocą gorder().
  • Oblicz gęstość krawędzi trip_g_simp za pomocą edge_density().