مد لسازى تغییرات فضایىِ کاربرى زمین و توسعة شهرىبا استفاده از مفهوم ماشینهاى سلولى

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشیار دانشکدة معمارى و شهرسازى دانشگاه شهید بهشتى

2 کارشناس ارشد برنامه ریزى شهرى و منطقه اى، دانشگاه شهید بهشتى

چکیده

شناخت مکانیزم هاى رشد و توسعة شهرهاى معاصر به سبب ماهیت غیر خطى و پیچیده شان از حیطة درک و تحلیل روش هاى سنتى مدل سازى خارج است. چرا که روش هاى سنتى عموماً ایستا، خطى، و مبتنى بر تئورى سیستم هاى ساده (بالا به پائین، کل به جزء یا قیاسى) اند. از این رو براى مدل سازى سیستم هاى پیچیدة شهرى ، کشف روش هاى جدید مدل سازى که پویا، غیر خطى، گسسته، و پایین به بالا یا جزء به کل (استقرایى) باشند، ضرورى مى نماید. پژوهش پیشِ رو سعى دارد به معرفى، تشریح، و به کار گرفتن یکى از تکنیک هاى متأخر، مطرح، و روزآمد این حوزه، یعنى مدل هاى مبتنى بپردازد. این مدل که در اینجا « ماشین هاى سلولى » بر مفهوم نوینِ براى درک قواعد فضایى دینامیک هاى رشد شهرى به کار برده شده، از طریق تلفیق با ظرفیت هاى سیستم اطلاعات جغرافیایى و نزدیکى به عنوان رهیافتى جدید در مدل سازى RS ذاتى با تصاویر ماهواره اى فضایى مطرح است. مدل مذکور توسعة زمین و گسترش تاریخى شهر را بر پایة نزدیکى به بزرگراه ها، دسترسى به امکانات حمل و نقل عمومى و خدمات، وضعیت کاربرى هاى همجوار و... و بر اساس یک ساختار سلولى و شبکه اى 4 منظم دست کم از طریق داده هاى دو مقطع زمانى و با استفاده از روش هاى مدل سازى احتمالات و فرآیندهاى تصادفى، شبیه سازى مى کند. قواعد سادة فضایى در این مدل به رفتارهاى پیچیده تعمیم مى یابد تا از طریق بازتولید تجریدى این قواعد، جستجوى تأثیرات ترکیبى سیاست ها و اقدامات برنامه ریزانه، فعالیت هاى جامعه، رفتارهاى فردى و دیگر محرک هاى توسعة شهرى را براى برنامه ریزان فراهم آورد. با استفاده از مدل رگرسیون لجستیک مى توان متغیرهاى مؤثر در تغییرات فرآیند توسعه را تعیین کرده و بدی ن ترتیب برآوردى از مکانیزم تغییرات مورد اشاره به دست آورد. در این پژوهش شهر سیرجان آزموده شده است؛ با این مدل روند توسعة شهر در دور ههاى مختلف از سال 1320 تا 1383 از نظر کارآیى مکانیس مهاى مؤثر بر رشد شهر و تغییرات کاربرى زمین و اهمیت نقش عوامل تأثیرگذار بر آن بررسى شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Applying Cellular Automata to Modeling Urban Development

نویسندگان [English]

  • Mohammad Hassan Sharifzadegan 1
  • Ahmad Reza Ebrahimi 2
1 Associate Professor, Faculty of Architecture and Urban Planning, Shahid Beheshti University
2 Urban Planning, Faculty of Architecture and Urban Planning, Shahid Beheshti University
چکیده [English]

A cellular automaton consists of a regular finite grid of cells, each in one of a finite number of states. A set of rules defining the state of neighboring cells is defined relative to the specified cell. An initial state is selected by assigning a state for each cell and a new generation is created, according to some fixed rules that determine the new state of each cell in terms of the current state of the cell and the states of the cells in its neighborhood. Cellular automata have been applied in diverse disciplines including biology, chemistry and genetics. This paper explains the result of using cellular automata for modeling urban land use. It is demonstrated that simple spatial rules may lead to complex urban behavior. Using logistic regression models, influential factors are quantified explaining the mechanisms of change. Furthermore, the model identifies cells with high land use conversion potential.

  1. کرلینجر، پدهازر. رگرسیون چند متغیرى در پژوهش رفتارى. ترجمة حسن سرایى. تهران: مرکز نشر دانشگاهى، 1384.
  2. T. Arai and T. Akiyama, “Empirical analysis for estimating land use transition potential functions- case in the Tokyo metropolitan region,” Computers, Environment and Urban Systems, vol. 28, pp. 65-84, 2004.
  3. M. Batty, H. Couclelis, Eichen M, Special issue: Urban systems as cellular automata. Environment and Planning B, 24, 159-164, 1997.
  4. Couclelis, H, “From cellular automata to urban models: new principles for model development and implementation”. Environment and Planning B 24 (2): 165-174, 1997.
  5. G. Engelen, R. White, et al. (1997). Constrained Cellular Automata models. Decision Support Systems in Urban Planning, H. P. J. Timmermans. E & FN Spon, London,. This is the chapter 8 of the book: 125-155.
  6. X. Li, and A.G.O. Yeh, “Calibration of cellular automata by using neural networks for the simulation of complex urban systems” Environment and Planning A 33: 1445-1462, 2001.
  7. O, Sullivan David, Graph-based Irregular Cellular Automaton Models of Urban Spatial Processes, Examined by Professor Peter M. Allen, Canfield University and Professor David Unwind, Birkbeck College, University of London, Ph. D. supervisor Professor Michael Batty, Analysis (CASA)), 2000.
  8. P.M. Torrens, How Cellular Models Of Urban Systems Work (1-Theory), Centre For Advanced Spatial Working Paper Series 28, 2000.
  9. D.P.Ward, A.T. Murray, et al. , A stochastically constrained cellular model of urban growth computers, Environment and Urban Systems 24 (6): 539-558, 2000.
  10. R. White, and G. Engelen. “Cellular automata and fractal urban form: a cellular modeling approach to the evolution of urban land use patterns” Environment and Planning A 25: 1175-1199, 1993.
  11. Jiao. Junfeng , Transition Rule Elicitation for Urban Cellular Automata models (case study: Wuhan, China), Thesis submitted to the International Institute for Geo information Science and Earth Observation in partial fulfillment of the requirements for the degree of Master of Science in Geo-Information Science and Earth Observation with specialization in Urban Planning and Management, China, Sep 2003.