Les entrées d'appartement sont les nœuds les plus « centraux » du graphe. La théorie des graphes les identifie sans ambiguïté.
Dans un appartement, l'entrée est le carrefour principal — toutes les pièces sont accessibles via elle.
Fraction des plus courts chemins passant par ce nœud. L'entrée est le « hub » de l'appartement.
Formule : btw(v) = Σ σ_st(v) / σ_st pour tous les couples s,t ≠ v
Inverse de la distance moyenne aux autres nœuds. Utilisé pour sélectionner le palier (v7.1).
Plus déterministe que betweenness (pas d'ex-æquo)
Les nœuds sont colorés par betweenness. Le palier (max closeness) est au centre.
Extraire toutes les pièces (RM) et portes (DR) d'un même étage. Les connexions forment le graphe du niveau.
Un niveau peut contenir 2+ cages d'escalier non reliées. Chaque composante est traitée indépendamment (v6.0).
Le nœud avec la plus grande closeness centrality dans la composante est le palier. Plus robuste que max betweenness (pas d'ex-æquo).
Les pièces adjacentes au palier qui ont une betweenness non-nulle sont des entrées d'appartement.
Garde ajouté en v7.0 : seules les entrées sans fenêtre sont verrouillées à confiance 1.0. Une « entrée » avec fenêtre est probablement un séjour traversant.
Le filtre btw ≥ btw_min élimine les faux positifs. Déplacez le curseur pour voir l'effet.
Avant v6.0, un seul palier était détecté par niveau. Si un niveau avait 2 cages d'escalier non connectées, la seconde n'avait ni palier ni entrées.
Le système détecte automatiquement si un niveau est un étage d'immeuble ou une maison individuelle.
Au moins un palier a des voisins profonds (depth > 1 dans le room graph). → BFS depuis chaque entrée pour créer les clusters.
Tous les paliers ont des voisins shallow. Logique simplifiée : pas de clustering complexe, chaque composante = un appartement.