上界映射与随机可视域——对比视线图分析系统的解决方案

视线图分析是空间句法社区被广泛应用的技术,用于评估城市和建筑设计。为了比较不同的空间布局,建筑师和研究人员依赖基于D值标准化的整合度指标。本文指出,这种形式的标准化最初是为了凸空间分析和轴线分析而开发的。与典型的视线图中发现的网络类型相比,凸空间分析和轴线分析的图具有不同的结构特性。通过逐步增大可视图密度的新方法,我们发现,随着图/网络大小的增加,固定点的整合度并不会保持不变。通过几个图表,我们可直接证明这种不恒定。我们评估了特克伦堡、标准化角度整合度(NAIN)和深度衰减等标准化方法,并通过实验表明这些过程没有产生所需要的稳定性。由此可见,基于现有标准化方法的传统整合度指标,难以用于比较视线图分析的整合度值。为解决这个问题,“受限随机视线图分析”的概念被引入。固定数量的随机分布点被分布在系统中。通过该分析的黄金法则——上界映射标准化,一种新的实证方法被引入,专门用于网格化、非网格化和其他密集可视域图的标准化。总之,我们认为传统的整合度标准化方法(D值)始终只得到近似解。使用上界映射标准化方法,研究人员便可以准确地比较不同大小的空间模型。