如果你要计算整个区域的整合系数，那么这个数值可以通过地图上线条的粗细来很好地表示，这些线条可以表示每条街道的整合系数。线条越粗，整合系数就越高，或者说整合度就越高。图12所显示的就是我所居住的社区的这样一幅地图。

关于整合系数，最有趣的事情就是，它们能够非常出色地预测我们在空间中会有什么样的表现，也正是因为这一原因，我才如此详细地说明它们是如何构建出来的。人和车辆倾向于聚集到整合度高的区域。实际上，这样的方法如此有效，以至于比尔?希利尔的团队成立了成功的私人顾问公司，利用空间构型分析的原则来帮助规划城市建筑、街道与社区，从而形成对行人与车辆来说更可取的交通模式。

你或许会注意到，我在此描述的空间分析与可显区域之间具有某些相似性。在这两种情况下，对于空间形状的一些简单归纳都被用来描述并预测我们在空间中会如何表现。而且，在这两种情况下，我们甚至都不需要描述怎样把空间用于预测我们会在哪里发现聚集的人群。就空间构型而言，突出的倾向就是，在具有高度整合价值的城市区域会出现大量的人群。一个区域越是与城市的其他部分相连，这个区域就越会显得繁忙。

类似这样的空间构型分析，不仅对于设计城市空间的人来说是有用的工具，而且也与我们自己的空间思维地图密切相关。在一项具有说明性的调研中，研究者敲开伦敦一个地区的各个房门，请人们画出邻近地区的草图。这些草图往往是错得一塌糊涂，而且很少人会以几何上的准确性来描绘距离与角度。不过，读到这里，你应该不会再对这种现象感到惊奇了，因为你已经知道，我们的大脑只不过是不会按照那种方式来画出大范围的空间地图而已。这些发现所显示出的是，如果我们对这些草图进行空间构型分析，就好像是对它们所代表的真实空间进行分析一样，那么在两者之间就会有显著的相似性。尽管我们的思维地图或许只在很低的程度上与真实的空间相似，但是从希利尔预先设定的方法来看，思维地图与实际空间具有同样的构型。空间构型分析通过一系列的节点与线条的表现方法，颠覆了绝大部分真实的尺寸与空间的形状。同样，我们的思维把空间的不同地图拼凑到了一起，体现出的也是一系列简单的视点以及视点之间的联系，视点就相当于节点，视点之间的联系就相当于线条。