Urban expansion in Auckland, New Zealand: a GIS simulation via an intelligent self-adapting multiscale agent-based model
ABSTRACT: When modelling urban expansion dynamics, cellular auto-mata models focus mostly on the physical environments and cellneighbours, but ignore the ‘human’ aspect of the allocation ofurban expansion cells. This limitation is overcome here using anintelligent self-adapting multiscale agent-based model. To simulate the urban expansion of Auckland, New Zealand, a total of 15 urban expansion drivers/constraints were considered over two periods (2000–2005, 2005–2010). The modelling takes into consideration both a macro-scale agent (government) and micro-scale agents (residents of three income levels), and their multi-level interactions. In order to achieve reliable simulation results, ABM was coupled with an artifificial neural network to reveal the learning process and heterogeneity of the multi-sub-residential agents. The ANN-ABM accurately simulated the urban expansion of Auckland at both the global and local scales, with kappa simulation value at 0.48 and 0.55, respectively. The validated simulation result shows that the intelligent and self-adapting ANN-ABM approach is more accurate than an ABM with a general type of agent model (kappa simulation = 0.42) at the global scale, and more accurate than an ANN-based CA model (kappa simulation = 0.47) at the local scale. Simulation inaccuracy stems mostly from the outdated master land use plan.
KEYWORDS：Agent-based model; artifificial neural network; multi-sub-agent; urban expansion;human decision; master plan; auckland
科普
元胞自動(dòng)機(jī) cellular automata（CA）
是一種時(shí)間蝶棋、空間赋元、狀態(tài)都離散颁井，空間相互作用和時(shí)間因果關(guān)系為局部的網(wǎng)格動(dòng)力學(xué)模型焦人，具有模擬復(fù)雜系統(tǒng)時(shí)空演化過(guò)程的能力铅协。元胞自動(dòng)機(jī)由規(guī)則的元胞網(wǎng)格組成入宦，散布在規(guī)則格網(wǎng) Lattice Grid 中的每一元胞 Cell 取有限的離散狀態(tài)仰税，遵循同樣的作用規(guī)則缺虐，依據(jù)確定的局部規(guī)則作同步更新枉圃。首先每個(gè)單元格都處于有限狀態(tài)中的一種功茴，例如打開(kāi)狀態(tài)和關(guān)閉狀態(tài)（與耦合映象晶格 coupled map lattice 相反）。網(wǎng)格可以是任意有限維數(shù)孽亲。對(duì)于每個(gè)單元格坎穿，都有一組定義為其鄰域的單元格。 每個(gè)單元格都將被定義一種狀態(tài)來(lái)作為初始狀態(tài)（時(shí)間t = 0）返劲。根據(jù)一些固定的規(guī)則（通常是一種數(shù)學(xué)函數(shù)）玲昧，產(chǎn)生新的狀態(tài)（t增加1個(gè)單位）。單元格當(dāng)前狀態(tài)及其附近單元格的狀態(tài)共同決定了該單元格的新?tīng)顟B(tài)篮绿。
sources:元胞自動(dòng)機(jī)
代理人基模型agent-based model（ABM）
通過(guò)模擬多個(gè)智能體的同時(shí)行動(dòng)和相互作用以再現(xiàn)和預(yù)測(cè)復(fù)雜現(xiàn)象孵延。這個(gè)過(guò)程是從低（微觀）層次到高（宏觀）層次的涌現(xiàn)。 因此亲配，這個(gè)模型的關(guān)鍵就是簡(jiǎn)單的行為規(guī)則能夠產(chǎn)生復(fù)雜的行為結(jié)果尘应，這便是被建模領(lǐng)域廣泛采納的KISS原則（Keep it simple，stupid）吼虎，另一個(gè)原則是整體大于部分的總和犬钢。一般而言，獨(dú)立個(gè)體是有限理性的思灰，假設(shè)他們?yōu)閭€(gè)人的利益而行動(dòng)娜饵，例如繁殖、積極利益或者社會(huì)地位官辈，并且只能通過(guò)試探性的或簡(jiǎn)單的決策規(guī)則進(jìn)行決策箱舞。基于智能體模型的個(gè)體可能經(jīng)歷學(xué)習(xí)拳亿，適應(yīng)和再生產(chǎn)的過(guò)程晴股。
絕大多數(shù)的基于智能體模型包括：（1）大量通過(guò)各種指標(biāo)（個(gè)體粒度）區(qū)分的智能體；（2）試探性決策方式肺魁；（3）學(xué)習(xí)規(guī)則或適應(yīng)過(guò)程电湘；（4）一個(gè)交流拓?fù)渚W(wǎng)絡(luò)和（5）一個(gè)非智能體的環(huán)境。ABM主要應(yīng)用于計(jì)算機(jī)仿真，一般通過(guò)專門的軟件或者ABM工具包寂呛，同時(shí)這些軟件也能用于測(cè)驗(yàn)個(gè)體行為的改變?nèi)绾斡绊懴到y(tǒng)整體行為結(jié)果的涌現(xiàn)
sources:代理人基模型
本文提出了一種智能自適應(yīng)多尺度代理人基模型怎诫。該模型在考慮了政府等宏觀因素和三個(gè)收入層的微觀因素和它們的相互作用的情況下，模擬土地?cái)U(kuò)張的過(guò)程贷痪，并可以達(dá)到較高的準(zhǔn)確率幻妓。在這之前CA(Cellular Automata)和ABM(Agent-Based Models)是最為廣泛使用的新一代土地利用/城市發(fā)展模擬模型，但CA模型不能處理人類的影響因子劫拢，而ABM模型大多沒(méi)有在同一層次上進(jìn)行多一步區(qū)分因素肉津，沒(méi)有考慮相互作用和異質(zhì)性。
方法
建模以四個(gè)假設(shè)為基礎(chǔ)：
????1. 代理人的行為是理性的
????2. 擴(kuò)建應(yīng)該符合總體規(guī)劃
? ? 3. 模擬像元大小為30m*30m
? ? 4. 模擬僅適用于居民區(qū)
政府作為宏觀層面代理舱沧，可以決定城市禁止發(fā)展的區(qū)域妹沙，禁止區(qū)域內(nèi)部無(wú)法改變用途。居民作為微觀層面代理熟吏，高收入居民（RAH）更加重視社會(huì)舒適和生活環(huán)境質(zhì)量距糖，中等收入居民（RAM）更重視通勤距離和人口密度，低收入居民（RAL）更加重視交通的可達(dá)性和便利性牵寺，三者加權(quán)獲得居民代理的決策分?jǐn)?shù)悍引，用P進(jìn)行評(píng)估。對(duì)于每一個(gè)小區(qū)域缸剪，都考慮了三種類型的互相作用，當(dāng)P全大于0.5的適合东亦，主要考慮政府的影響杏节；當(dāng)兩個(gè)P大于0.5的時(shí)候，該地區(qū)是中等優(yōu)先發(fā)展地區(qū)典阵；當(dāng)至少有一個(gè)P大于0.5的時(shí)候奋渔，該地區(qū)是城市化的最低優(yōu)先地區(qū)。ANN對(duì)于ABM來(lái)說(shuō)壮啊，可以通過(guò)自學(xué)習(xí)提供更多細(xì)節(jié)嫉鲸，根據(jù)變化的環(huán)境自動(dòng)加權(quán)，從而提高了在探索城市非線性復(fù)雜擴(kuò)張中的準(zhǔn)確性歹啼。
TCL碎碎念
這個(gè)模型最后的結(jié)果是比較準(zhǔn)確的玄渗，進(jìn)一步的優(yōu)化了現(xiàn)有的ABM模型，提高了建模精度狸眼。包括結(jié)果中的假陽(yáng)性不準(zhǔn)確區(qū)域也主要是因?yàn)槌鞘幸?guī)劃變化和數(shù)據(jù)延遲等非技術(shù)性因素藤树。個(gè)人認(rèn)為，這里在評(píng)價(jià)居民微觀層面代理的時(shí)候拓萌，使用了比較多的數(shù)據(jù)分析方法岁钓，為因子加權(quán)，偏重于計(jì)量地理學(xué)的思想。但是屡限，計(jì)量地理學(xué)通過(guò)數(shù)據(jù)計(jì)算來(lái)實(shí)現(xiàn)分析過(guò)程品嚣，比較少考慮人本因素。在這里钧大，我個(gè)人認(rèn)為采用一些居民抽樣調(diào)查會(huì)不會(huì)更加準(zhǔn)確翰撑。通過(guò)10000份的調(diào)查問(wèn)卷，隨機(jī)調(diào)查城市各個(gè)社區(qū)的居民對(duì)于搬遷因素的重要性權(quán)重拓型，或許從這種調(diào)查方式加權(quán)得到的結(jié)果會(huì)更加符合居民本身的考慮额嘿。
