Моделювання розростання міст за допомогою клітинного автомата

Місто, що виросло з сітки простих правил

Моделі міст на основі клітинних автоматів замінюють відділ містобудування сіткою та невеликим набором локальних правил. Кожна клітина в масиві 80×54 має один із кількох станів — порожня, житлова, комерційна, промислова — і на кожному кроці часу кожна клітина оглядає свою околицю та вирішує, чи змінювати стан, виключно на основі локальної інформації: який відсоток сусідніх клітин вже забудований, наскільки вона близька до комерційних клітин або як далеко розташована від неявного центру або транспортної магістралі моделі.

Це той самий стиль моделювання, що й у UGM/SLEUTH (відома модель росту міст Кларка, калібрована за допомогою даних про використання землі з супутників для міст по всьому світу) та безліч інших академічних симуляторів змін у використанні землі: жодна клітина «не знає» генеральний план міста, але достатньо велика кількість поколінь застосування локального правила призводить до відтворення розпізнаваних макрорівневих патернів — кільцеподібної щільності навколо ядра, комерційних зон вздовж транспортних коридорів, кластерів промислових підприємств — все це виникає в результаті самої по собі взаємодії знизу вверх.»

Темпи зростання та радіус розширення

Два параметри визначають якісний результат. Параметр темпу росту встановлює, скільки нових клітин перетворюється з порожніх на розвинені в кожному поколінні – низькі значення призводять до повільного ущільнення та формування компактного ядра; високі значення забезпечують швидке, розсіяне розширення, яке лише заповнює прогалини пізніше. Параметр радіусу розширення контролює, наскільки далеко нове будівництво може виникати від існуючого розвитку: невеликий радіус змушує до безперервного зростання, клітина за клітиною відносно вже існуючих структур (компактне, захищене, економічно вигідне розширення з низькими витратами на інфраструктуру); великий радіус дозволяє розвиток «стрибків» – появу нових клітин далеко за межами поточної межі, що точно відповідає тому, як реальне низькощільне, автомобілезалежне розростання розширюється, перескакуючи через сільськогосподарські угіддя до більш дешевих ділянок на більшій відстані та залишаючи прогалини, які заповнюються пізніше.

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

Визначення зон як емерджентний патерн, а не правило

У базовому наборі правил немає вказувань щодо 'не будуйте фабрику поруч із будинком' — проте окремі комерційні та промислові кластери все ж таки виникають, оскільки клітинки комерційної зони схильні до росту по сусідству з іншими комерційними клітинками (агрегація: бізнеси скупчуються поруч із споживачами та один з одним), а зростання житлових районів відштовхується від присутності промислових клітинок (насправді, ніхто не хоче жити в напрямку вітру від фабрики, що кодується як нижча ймовірність конверсії по сусідству з промисловими клітинками). Сегрегація видів використання землі, яку вимагають реальні зонінгові розпорядження, відтворюється як самопідтримуючий патерн лише на основі локальних градієнтів переваг – вражаюча паралель до моделі сегрегації Шеллінга в абсолютному різному контексті.

Що модель правильно моделює, а де вона зазнає невдач

Моделі CA щодо росту міст відтворюють вражаюче реалістичні макро-закономірності — кільцевий ріст, формування смуг вздовж коридорів, розростання на периферії, використовуючи невеликий набір правил. Їх простота дозволяє запускати тисячі стохастичних реалізацій для аналізу невизначеності, що є точною практикою застосування SLEUTH для прогнозування використання міського землелісництва на десятиліття вперед. Водночас вони систематично не враховують будь-які процеси, які потребують фактичного прийняття рішень, окрім простого підрахунку сусідів: ціни на землю, земельне законодавство, рішення про інвестиції в транспорт та економіка окремих забудовників — все це зводиться до кількох налаштованих параметрів ймовірності замість безпосереднього моделювання, тому модель CA найкраще розглядається як генератор правдоподібних просторових патернів, а не як прогнозування конкретного міста на майбутнє.

Frequently asked questions

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте City Growth CA і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.