基于层次特征相似度揭示的城市 motif

若干自然与理论网络可分解为更小的部分，即对应于邻域的子图。这些邻域中出现频率较高者可被理解为网络的motif，因而对更好地刻画和理解整体结构十分重要。网络科学中的若干进展依赖于这一有趣概念，并在系统生物学、计算神经科学、经济学和生态学等领域有广泛应用。本文旨在报告一种无监督方法，能够识别街道网络的motif；后者是通过将街道交叉口与终点视为节点、街道视为连边，由城市平面图得到的图。我们描述了显著结果，包括识别出九个稳定且具信息量的motif，这得益于三个关键因素：(i) 采用五种层次度量在局部刻画街道网络节点的邻域；(ii) 采用一种有效的重合方法将数据集转化为网络；(iii) 利用社区发现方法以统计方式定义motif。我们从多个视角刻画并讨论了这九个识别出的motif，包括它们的相互相似性、可视化、度量直方图以及在原城市中的地理邻接关系。本文还分析了所采用特征对所得网络的影响，以及一种能够将参考motif分配给城市的简单监督学习方法。