对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例

对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例

当下计算机建模的一个趋势是倾向于挖掘现有模型的潜力,使这些已经定型的模型能解决更多的问题 。一个很好的例子就是代理模型(Agent-based Model,以下简称ABM)。这个很原始且简单的模型在三十年的发展历程过程中被不断拓展应用,近来在国外的城市研究中已经成为了一个普及的工具,本文将简单介绍我与麻省理工规划系的印度浦那课题研究小组合作,使用代理模型来预测印度浦那人口分布与流动的部分成果,希望能记录下自己的学习和思考,和朋友们做一个交流。另外由于知乎不能放GIF图,有兴趣了解可视化效果的朋友可以戳以下链接:

Peri-Urban Simulator (Demo_Developed_by_Zhoutong_Wang)

ABS是一类计算机模型用以模拟“代理人”(个人或团体)的一系列行为与互动对整体的影响。这种微观的、由下而上的模型源自冯·诺伊曼的自我繁殖机,与后来的元胞自动机有相似的运行机制。早期比较著名的代理模型有托马斯谢林的种族隔离模型(图1),谢林将有色人种和白人用不同状态和属性的代理表示,在模型运行时,每个代理都会重新根据邻居的状态判断自身是否“满意”,在不满意的情况它会重新选择自己的位置,最终会达到稳定的种族隔离状态 。自九十年代以来,由于ABS的规则是自下而上的、简单但可生成复杂动态的图形关系,它迅速在城市研究(图2,早期的鲍尔曼土地利用模型)中占有一席之地。ABS在规划方向上的应用也由一开始的用地性质分析包括土地利用动力学、多中心分析、城市扩张等。

对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例

图1 谢林种族隔离模型(1971年),左:代理根据周围“不满意”概率移动,中:初始状态,右:最终状态

对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例

2 阿尔方斯鲍尔曼,土地利用与土地覆盖代理模型(2001)

以下介绍的案例是我们参与麻省理工学院Aga Khan教授James Wescoat带领的印度浦那城市边缘化研究团队时开发的代理模型。这个团队成立的目的是通过调研和数据收集的方式帮助浦那市政府更好地理解城市边缘化决策。在之前三年的时间里,团队已经在马哈拉施特拉邦的浦那区域进行了相当多的田野调查,并由于项目受浦那当地政府资助,所有与项目相关有统计记录的数据都已经得到,团队的研究成果已经积累到可以建立数学模型以量化的形式发展研究成果。一方面因为调查的结论很多都从个人角度切入,另一方面由于浦那属于典型的城市边缘区(Peri-Urban Area), 人口流动频繁、城市化发展细碎零散,因此很难把这种现象套用宏观的规律尺度,我们想到了使用ABS模型中的代理模型来模拟人口分布与流动。


举一个很简单的例子,浦那的农民会在农闲的时候(通常为每年十月到次年一月之间)有到附近的城区务工的机会,但具体是否务工取决于周围是否有工作岗位以及是否有相应便捷的交通,这样依赖于特殊在地条件的不可能用宏观的地理模型去模拟。这种情况下,代理模型可以发挥它的优势。我们可以尝试把一定数量的同一类型同一地点农民看作是一个代理人,这个代理会在一个计算周期内根据自己视野范围(家附近是否有铁路站点?站点所及范围内是否有合适的工作)内环境因素的综合特征作出判断,所有的代理人同时运动,受到环境的影响之后,经过一系列变换,形成一个相对平衡的状态。本次代理模型的任务分为两个部分,第一部分是建构代理模型的特征和行为,再把数据导入模型作为代理的环境,这一步主要利用收集的地理信息数据在 ArcGIS中生成ASCII数据,并通过java编写好代理人类,第二部分是可视化,利用Processing将人口变化及其它特征呈现出来。

对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例

3 左:水资源(红色代表水资源富余),中,就业机会(红色代表机会多),右:公共交通覆盖(绿色代表覆盖)

第一部分首先提出的一个问题是, 什么会影响代理的选择呢?根据三年积累下来的研究结论,我们将影响因子分为三个大类,首先是水资源相关的一系列,以每人每升的可用水(LPCD)和水资源污染为主。由于马哈拉施特拉邦一方面水资源的分布直接影响到工业与居住区的建设,另一方面水资源是马哈拉施特拉工业发展公司(一个举足轻重的国有公司)设立分公司的主要依据,分公司设立可以显著创造就业岗位并带动基础设施发展;其次是人口相关的,涉及到就业与人口组成,就业缺口是浦那人口流动的最主要因素,不同类型和阶层的人流动方式也不同;再者是基础设施相关的,例如铁路网、公路网、城镇等,它们的分布通过影响人们的出行方式来改变人口分布。 三类数据都会对人口分布造成影响,我们再通过将这些数据根据权重进行叠合,在每次计算时都会生成一张大的代理适宜生存度的网格,每个代理都会搜索并移动到视野范围内适宜生存的格子。

对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例
图4 人口代理可视化,红点代表五百个的代理,红线代表依附人口代理依附于铁路的通勤(GIF)


除了在住所附近寻找工作机会之外,一小部分浦那人的工作地点和住处是分开的,他们主要乘坐便捷的铁路上下班。由于城区生活成本过高,很多浦那人会选择在铁路站点附近生活,然后通过火车通勤,这就意味着我们的模型必须设置“传送门”,当人口密度在核心区域达到理论上环境能够承载的临界值,一些火车站附近的村民就会选择通勤上班。

此项研究的下半块是可视化部分。由于这是一个政府委托的咨询项目并且需要最终回报的项目,我们希望能够将人口的变化用多种方式表达出来,能够清晰地描述利用模型预测的人口规律,表达行政界限(目前完全是根据人口数量)的不合理。

对于人口表达的方式而言,我选择了三种表达方式:第一展示的是代理模型运动机制,我们以代理模型所代表的五百个人作为一个点来显示,同时用连线表示人口的长距离运动,;第二是单位面积内人的数量,即人口密度;第三是显示每个行政区域的总人口数量,由于印度政府区对于村(Village)、镇(Town)、市(City)的区分是完全根据行政区域人口决定的,五千以下为村、五千至十万为镇、十万以上为市,分类与行政面积毫无关系,由于一些特定的行政主体的人口数量处于分界边缘的位置,所以其行政头衔一直在改变,这些突然的权利增减给政府带来相当大的困扰,我们希望在模型中表现并批判行政区划体制的不妥。对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例图5 人口密度可视化,深色代表人口数量大(GIF)

对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例

图6 行政区域内人口变化(红色代表人口数量大)(GIF)

对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例

7 行政区域内人口变化(红色代表人口数量大)(GIF)

反思

尼尔·斯蒂文森在1999年提到:“木匠仅仅需要在他们的工具箱中准备一些特定类型的工具,然后在必要的时候选择其中的一种便可。他(图灵)发现数学家和木匠完全不同,他认为配置一个无所不能的机器是有可能的,给这个机器提供必要信息,它就会完成你想象得到的任何事情。这种变形虫似的机器会变成任何工具,就像管风琴在重置键按下之后可变成任何一种乐器一样。”

但这种无所不能的机器真的可以实现吗?对于元胞自动机和代理模型来说,近二十年的研究趋势是模型不断的复杂化,研究者们寄希望于将方方面面的内容都塞到一个简单的自下而上模型里来解决,这些模型在为变形虫的路上越走越远。但事实上,这类趋势上违背了模型设计者的初衷。复杂且拥有众多精巧细节的代理模型逐渐成为了城市问题代理模型研究主流,这就将会导致和都市理论和实际问题越来越远 。模型的目的不是变得无所不能,进而模拟现实。相反我认为,应该将代理模型看作城市基础研究的后续部分,采取简单、目的性强的方式来建立模型,并且通过合适的可视化方式(也是自下而上模型的优势)来传达研究成果与意图。

感谢麻省理工James Wescoat教授的指导,以及麻省理工规划系硕士研究生Rebecca Hui的数据支持和交流,城室科技CEO刘浏的建议与帮助

原文始发于微信公众号(城室科技):对接城市研究成果的代理模型及其可视化——以印度浦那人口预测为例