Numeric Network Analysis (NNANNA Beta V2

NJ Namju Lee和Jung Hyun Woo开发了适用于rhino犀牛软件的NNA V2。Beta 2版本于2020年10月正式在Food4Rhino上列出。

链接：https://medium.com/@axuplatform/numeric-network-analysis-v2-basic-febcf8f84f2

数值网络分析（NNA）提供了简便的方法，用于测量距离并分析空间网络中的各种可达性、中心性概念。有新特性和功能用于测量空间网络、位置、建筑和旅行成本/时间的价值。

此插件计算一系列广泛的流动性分析属性，以加速其设计思考和决策制定。从事设计过程中空间分析的建筑师、设计师、城市设计师和规划师可以交互式评估指定网络、重新设计的路径/流通以及新建筑位置影响，彻底改善设计成果。

网络分析理论

可达性分析（覆盖范围、引力、Huff模型）

1. 覆盖范围分析 — 覆盖指数显示在给定半径内可访问的累积机会。覆盖指数越高，每个起点周围的目的地价值越大。
2. 引力分析 — 该模型考虑一般成本（距离衰减）、旅行的阻力因素，以达到目的地的可达性。由于距离衰减效应，引力指数的结果低于覆盖指数。
3. Huff模型 — Huff指数显示在给定半径内消费者访问的概率百分比。商店的吸引力和你需要旅行的距离是竞争的。概率越高，对消费者来说越有吸引力。

中心性分析（介数、接近度、直线度、度）

在图论中，中心性估计用于确定网络中节点的层级。

1. 介数 — 介数指数反映了网络中现实的行人流动。如果目标节点在到节点的最短路径中出现很多次，则其介数中心性更高。
2. 接近度 — 接近度指数指示起点与所有其他目的地的距离。较低的值表明起点比其他起点更接近目的地节点。
3. 直线度 — 直线度指数越高，网络连接的效率越高，直线中心性与目的地的联系越紧密。
4. 度 — 度中心性指数是连接边的总数。度指数越高，意味着一个节点与邻近节点的连接更多。

该工具箱处于beta版本。它仍在开发中，我们期待听取您的反馈，以使结果更好。

联系方式：axuplatform@gmail.com

工作坊Youtube视频系列（英文）
https://www.youtube.com/playlist?list=PLIyZNoxG7nmnjpc2N0SIKKSdYfi-3tE5J

工作坊Youtube视频系列（韩文）
https://www.youtube.com/playlist?list=PLweNVwGgDKEbGYBBPoKxHdMphJW245q38