Symulacja Rozrastania Miasta za pomocą Automatu Komórkowego

Miasto wyrosłe z siatki prostych zasad

Modele miast oparte na automatycznych komórkach zastępują dział planistyczny siatką i kilkoma lokalnymi regułami. Każda komórka w tablicy 80x54 przechowuje jedno z niewielu stanów – pusta, mieszkalna, handlowa, przemysłowa – a w każdym kroku czasowym każda komórka analizuje swoje sąsiedztwo i decyduje o zmianie stanu, wyłącznie na podstawie lokalnych informacji: jaki procent sąsiadów jest już zabudowany, jak blisko znajduje się do istniejących centrów handlowych oraz jak daleko oddalone jest od implikowanego centrum lub korytarza transportowego modelu.

Jest to ten sam styl modelu wykorzystywany w UGM/SLEUTH (znakomity model wzrostu miast Clarke'a, skalibrowany na podstawie rzeczywistych danych dotyczących użytkowania terenu dla miast na całym świecie) oraz niezliczonych innych symulatorów zmian użytkowania terenu: żadna komórka 'nie zna' planu miasta, a jednak uruchamianie lokalnej reguły przez wystarczającą liczbę generacji reprodukuje rozpoznawalne wzorce na dużą skalę – pierścienie gęstości wokół rdzenia, pasy handlowe wzdłuż korytarzy transportowych i skupiska przemysłowe – wszystko to wynika z interakcji 'od dołu'.

Współczynnik wzrostu i promień rozprzestrzeniania się

Dwa parametry dominują w jakościowym wyniku. Współczynnik wzrostu określa, ile nowych komórek przekształca się z pustych w rozwinięte w każdym pokoleniu – niskie wartości dają powolne, gęstość rozwijające się, zwartą centralną część; wysokie wartości powodują szybkie, rozproszone rozwinięcie, które dopiero później wypełnia luki. Promień rozprzestrzeniania się kontroluje, jak daleko nowa zabudowa może pojawić się w odległości od istniejącej zabudowy: mały promień zmusza do ciągłego wzrostu, komórka po komórce na zewnątrz tego, co już istnieje (zwięzły, obronny, o niskich kosztach infrastruktury); duży promień umożliwia rozwój skoczny – pojawianie się nowych komórek znacznie poza obecnym brzegiem, co dokładnie odpowiada ekspansji rzeczywistych, niska-gęstościowych, samochodowo-zależnych obszarów rozległych, przeskakujących nad gruntami rolniczymi na tańsze działki dalej i pozostawiających luki, które wypełniają się później.

for each empty cell c:
  n_dev = fraction of c's neighbours already developed
  d_core = distance from c to the nearest existing development
  p_convert = growth_rate * f(n_dev) * g(d_core, sprawl_radius)
  if random() < p_convert:
     c becomes residential, then may reclassify to commercial/industrial
     based on proximity to existing commercial/industrial cells

Dzielnice jako emergentny wzorzec, a nie zasada

Żadna z podstawowych reguł nie mówi 'nie buduj fabryki obok domu' — jednak wciąż powstają odrębne skupiska handlowe i przemysłowe, ponieważ komórki handlowe są rozmieszczane tak, aby preferowały wzrost w pobliżu innych komórek handlowych (agregacja: firmy gromadzą się blisko klientów i siebie nawzajem), podczas gdy rozwój mieszkaniowy jest odpychany przez bliskość do komórek przemysłowych (nikt nie chce mieszkać w dolinie jednego, zakodowane jako niższą prawdopodobieństwo konwersji w pobliżu sąsiadów przemysłowych). Segregacja użytków ziemi, którą nakładają rzeczywiste regulacje planistyczne, okazuje się możliwa do odtworzenia jako wzmacniający się samemu ze sobą wzorzec, a wszystko to dzięki jedynie lokalnym gradientom preferencji — imponujący paralelizm z modelem segregacji Schellinga w zupełnie innym obszarze.

Co model robi dobrze, a gdzie zawodzi

Modele CA dotyczących wzrostu miast reprodukują zaskakująco realistyczne wzory makro – wzrost pierścieniowy, ślady korytarzowe, rozprzestrzenianie się na obrzeżach – przy użyciu niewielkiego zestawu zasad. Ich prostota sprawia, że są wystarczająco szybkie, aby uruchomić tysiące stochastycznych symulacji w celu analizy niepewności, co jest dokładnie tym, jak SLEUTH jest wykorzystywany w praktyce do prognozowania użytkowania gruntów metropolitalnych na dziesiątki lat do przodu. Systematycznie jednak pomijają wszystko, co wymaga rzeczywistych decyzji wykraczających poza podliczenie sąsiadów: ceny gruntów, przepisy dotyczące stref zamieszkania, decyzje o inwestycjach w infrastrukturę transportową oraz ekonomia indywidualnych deweloperów – wszystkie te aspekty są spowijać w niewielką liczbę dostrojonych parametrów prawdopodobieństwa zamiast być bezpośrednio modelowane. Dlatego model CA należy interpretować jako generator możliwych wzorców przestrzennych, a nie jako prognozę konkretnej przyszłości miasta.

Frequently asked questions

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz City Growth CA i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.