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.
To ćwiczenie jest częścią kursu
Studia przypadków: analiza sieci w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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 <- ___(___)