3,094
个编辑
更改
→贝当古城市模型
城市规模法则揭示了城市变量与人口规模的[[非线性]]关系：基础设施通常呈亚线性规模法则，社会经济产出与创新表现为超线性规模法则，个体需求相关的变量则呈现近线性规模法则。其中最关键的规模法则是城市GDP与人口的超线性规模法则，而且幂指数普遍落在1.15左右。除此之外，以城市街道为代表的基础设施普遍呈现出亚线性的规模法则，例如城市街道总长度与人口呈现幂指数为0.87左右的亚线性规模法则。这些规模法则的普遍存在，预示着城市的生长满足普适的规律，为了揭示这些规律，人们提出了各种解释城市规模法则的模型。
城市规模法则揭示了城市变量与人口规模的[[非线性]]关系：基础设施通常呈亚线性规模法则，社会经济产出与创新表现为超线性规模法则，个体需求相关的变量则呈现近线性规模法则。其中最关键的规模法则是城市GDP与人口的超线性规模法则，而且幂指数普遍落在1.15左右。除此之外，以城市街道为代表的基础设施普遍呈现出亚线性的规模法则，例如城市街道总长度与人口呈现幂指数为0.87左右的亚线性规模法则。这些规模法则的普遍存在，预示着城市的生长满足普适的规律，为了揭示这些规律，人们提出了各种解释城市规模法则的模型。
===[[贝当古城市模型]]===
===贝当古城市模型===
贝当古（Bettencourt）城市模型是由原[[圣塔菲研究所]]的学者Luis Bettencourt于2013年提出的模型，它包含了比较宏观的概念模型（从基本的[[量纲分析]]和[[平均场近似]]推出最基本的规模法则），也包含一个类似[[生物系统]][[WBE模型]]的[[城市层次化网络模型]]（包含较强的城市路网层次化分级假设，可以推出多个宏观指标的规模法则）部分，旨在解释城市[[规模标度律]]背后的普适机制，关于该模型的详细讨论，可参考：<ref name=":8">[https://wiki.swarma.org/index.php/%E8%B4%9D%E5%BD%93%E5%8F%A4%E5%9F%8E%E5%B8%82%E6%A8%A1%E5%9E%8B 贝当古城市模型]</ref>。
贝当古（Bettencourt）城市模型是由原[[圣塔菲研究所]]的学者Luis Bettencourt于2013年提出的模型，它包含了比较宏观的概念模型（从基本的[[量纲分析]]和[[平均场近似]]推出最基本的规模法则），也包含一个类似[[生物系统]][[WBE模型]]的[[城市层次化网络模型]]（包含较强的城市路网层次化分级假设，可以推出多个宏观指标的规模法则）部分，旨在解释城市[[规模标度律]]背后的普适机制，关于该模型的详细讨论，可参考：<ref name=":8">[https://wiki.swarma.org/index.php/%E8%B4%9D%E5%BD%93%E5%8F%A4%E5%9F%8E%E5%B8%82%E6%A8%A1%E5%9E%8B 贝当古城市模型]</ref>。
====城市[[规模标度律]]的基本模式====
====城市[[规模标度律]]的基本模式====
城市[[规模标度律]]通常表示为 [math]\displaystyle{ Y = cN^{\beta} }[/math]，其中 [math]\displaystyle{Y}[/math] 为城市属性，[math]\displaystyle{N}[/math] 为人口，指数 [math]\displaystyle{\beta}[/math] 决定了标度类型<ref name=":8" />。实证表明，城市的属性分成三类：第一类是与社会交互和创新相关的属性，表现为超线性增长（β≈1.15），包括城市GDP、专利数量、新企业创建数量、艺术场所数量等。这意味着城市规模每增加一倍，这些属性的增长会超过两倍，体现了大城市在经济和创新方面的显著优势。第二类是与物理基础设施相关的属性，呈现亚线性增长（β≈0.85），如道路总长度、加油站数量、电力线路长度等。这表明大城市能够更高效地利用基础设施，实现规模经济效应。第三类是与个人或家庭需求直接相关的属性，基本上与人口成线性关系（β≈1.0），包括住房数量、家庭用电量、用水量等。
城市[[规模标度律]]通常表示为 [math]\displaystyle{ Y = cN^{\beta} }[/math]，其中 [math]\displaystyle{Y}[/math] 为城市属性，[math]\displaystyle{N}[/math] 为人口，指数 [math]\displaystyle{\beta}[/math] 决定了标度类型<ref name=":8" />。实证表明，城市的属性分成三类：第一类是与社会交互相关的属性，表现为超线性增长（[math]\beta\approx 1.15[/math]），包括城市GDP、专利数量、新企业创建数量、研发人员数量、犯罪率、艾滋病例数等。这意味着城市规模每增加一倍，这些属性的增长会超过两倍，体现了大城市在经济和创新方面的显著优势；第二类是与物理基础设施相关的属性，呈现亚线性增长（[math]\beta\approx 0.85[/math]），如道路总长度、加油站数量、电力线路长度等。这表明大城市能够更高效地利用基础设施，实现规模经济效应；第三类是与个人或家庭需求直接相关的属性，基本上与人口成线性关系（[math]\beta\approx 1.0[/math]），包括住房数量、家庭用电量、用水量等。
====模型的核心与理论基础====
====模型的核心与理论基础====
[[贝当古模型]]的关键来自于对实证数据的深入观察：基础设施相关指数（约0.85）与社会产出相关指数（约1.15）之和近似等于2。这一规律性意味着人均基础设施与人均产出的乘积保持为一个规模无关的常数：
[[贝当古模型]]的关键来自于对实证数据的深入观察和理解：基础设施相关指数（约0.85）与社会产出相关指数（约1.15）之和近似等于2。这一规律意味着人均基础设施与人均产出的乘积保持为一个规模无关的常数：
[math]\displaystyle{ \frac{A_n}{N} \cdot \frac{Y}{N} = G }[/math]
[math]\displaystyle{ \frac{A_n}{N} \cdot \frac{Y}{N} = G }[/math]
这个约束条件，即常数[math]G[/math]揭示了城市发展中一个根本性的权衡关系：城市的物理空间（基础设施）与社会交互空间之间存在内在张力。社会互动越密集的城市，其人均可用的物理基础设施就越有限；反之，基础设施人均占有量较高的城市，社会交互的强度相对较低。这种权衡关系不仅解释了为什么大城市居民通常面临更拥挤的居住环境和更高的生活成本，也说明了为什么他们能够获得更多的经济机会和创新资源。
====宏观概念性模型====
====宏观概念性模型====
首先，Bettencourt在文章<ref name=":8" />中提出了一个宏观的概念性的模型，他大胆假设城市是一个类似于供人们发生[[相互作用]]的大的容器，并假设该容器中的人们已经充分混合，这些人与人的互动是沿着城市道路网络而进行的，它们产生的相互作用就转化形成了城市的GDP。因此，根据简单的[[平均场近似]]以及[[量纲分析]]等方法，他得出了最基础的规模法则，包括城市面积、GDP的规模法则等。
具体地，Bettencourt的宏观概念城市模型的建立可以被概括为两个递进的步骤：
第一步：无组织的定居模型：这是一个对城市高度抽象、简化的假设起点，该模型认为人口在城市空间内随机分布，城市可以类比为一个大的反应容器，移动的人类比为理想气体中的分子可以自由移动。在这个情景设定下，城市中没有道路，因此城市的整个二维空间区域都可以作为人与人互动的场所，而人与人的互动进一步转化为GDP（即假设GDP正比于单位时间内人与人[[相互作用]]的次数）。由此，从这几个假设，Bettencourt推出城市面积[math]A[/math]与人口[math]N[/math]的关系为[math]A \sim N^{2/3}[/math]，社会产出为[math]Y \sim N^{4/3}[/math]。虽然这个版本过度简化了现实情况，但它导出了最基本的规模法则。
第二步：对上述模型进行进一步的精炼，Bettencourt引入了道路网络，并假设人们沿着道路移动和[[相互作用]]。Bettencourt提出了城市组织的四条基本原则：（1）人口充分混合原则，假设每个居民都能通过移动到达城市的任意地点；（2）网络增长原则，假设基础设施网络随人口增长而扩展；（3）有限社会能力原则，该原则约束了个体在移动和交互上的投入；（4）社会经济产出比例原则，该原则将社会交互转化为经济产出。在这些原则约束下，模型得到了更符合实际的结果：城市道路面积[math]A_n \propto N^{5/6}[/math]，社会产出[math]Y \propto N^{7/6}[/math]。
至此，Bettencourt已经得出了最基本的规模法则，即道路面积的亚线性规模法则，以及GDP的超线性规模法则，且二者的幂指数之和等于2。
====层次化道路网络模型====
====层次化道路网络模型====
在上述宏观概念模型的基础上，Bettencourt进一步引出更多具体的假设，从而推导出更多的规模法则。这又分成了4个步骤：
第一步：层级网络模型。这是改进模型的最核心假设，它将城市道路网络建模为具有 h个层级[[分形]]的层级树状结构。网络的每一层都有不同的分支数b（即高层级与低层级单元的数量比），越高层的道路越宽、覆盖范围越大，即宽度[math]s_i[/math]和长度[math]l_i[/math]越大，但是数量会更少；越低层的道路越窄、更加密集，即宽度[math]s_i[/math]和长度[math]l_i[/math]越小，但道路数量更多。在各个分支处，网络满足一系列基本约束，模型假设：1) 最小单元的宽度[math]s_h[/math]与城市规模[math]N[/math]无关；2) 网络必须“空间填充”，即总长度[math]L_n≈A/l[/math]（其中[math]A[/math]为城市面积，l为特征长度）。通过这些约束，该模型可以精确计算出各个层级道路的长度、面积、流量密度等指标，并得到道路总长度[math]L_n \sim N^{2/3}[/math]和道路总面积[math]A_n \sim N^{5/6}[/math]的规模法则，与宏观模型的预测一致，并为后续分析提供了结构基础。
第一步：层级网络模型。这是改进模型的最核心假设，它将城市道路网络建模为具有 h个层级[[分形]]的层级树状结构。网络的每一层都有不同的分支数b（即高层级与低层级单元的数量比），越高层的道路越宽、覆盖范围越大，即宽度[math]s_i[/math]和长度[math]l_i[/math]越大，但是数量会更少；越低层的道路越窄、更加密集，即宽度[math]s_i[/math]和长度[math]l_i[/math]越小，但道路数量更多。在各个分支处，网络满足一系列基本约束，模型假设：1) 最小单元的宽度[math]s_h[/math]与城市规模[math]N[/math]无关；2) 网络必须“空间填充”，即总长度[math]L_n≈A/l[/math]（其中[math]A[/math]为城市面积，l为特征长度）。通过这些约束，该模型可以精确计算出各个层级道路的长度、面积、流量密度等指标，并得到道路总长度[math]L_n \sim N^{2/3}[/math]和道路总面积[math]A_n \sim N^{5/6}[/math]的规模法则，与宏观模型的预测一致，并为后续分析提供了结构基础。
第二步：城市能耗与效率评价。进一步，Bettencourt通过借鉴[[生物学]]中代谢[[标度律]]的思路，引入了能量流和阻抗的概念来分析城市的运行效率。他将人员、货物、信息的流动视为网络中的“电流”[math]J[/math]，并假设单位长度的电阻[math]r[/math]为常数。通过层级的电流守恒[math]J_i=s_i\rho_iv_iN_i[/math]和速度/密度缩放关系，可以计算出每个层级的电阻[math]R_i[/math]和能耗（功率[[耗散]]）[math]W_i[/math]。对全部层级求和得到城市总能耗[math]W[/math]，其规模为[math]W∼N^{1+δ}=N^{7/6}[/math]通过类比电路分析，可以计算出城市总功耗[math]W \sim N^{7/6}[/math]，与社会产出具有相同的标度指数。这使得城市效率比[math]Y/W[/math]成为一个规模无关的指标，为城市规划和政策制定提供了量化的评价标准。
第三步：更多变量的规模法则。利用上述已推导出的基本规模法则（[math]L_n \sim N^{2/3}[/math]，[math]A_n \sim N^{5/6}[/math]，[math]W \sim N^{7/6}[/math]），并通过[[经济学]]原理（如地租反映可达性与集聚经济）进行联动推导，贝当古预测了其他城市变量的标度关系。最后，利用上述几个重要指标的规模法则，贝当古还推导出更多的规模法则，包括城市地价（rent price）的规模法则，例如平均土地租金的规模法则为[math]Rent∼N^{1/2}[/math]等。这揭示了城市规模对土地价值影响的量化规律。
第三步：更多变量的规模法则。利用上述已推导出的基本规模法则（[math]L_n \sim N^{2/3}[/math]，[math]A_n \sim N^{5/6}[/math]，[math]W \sim N^{7/6}[/math]），并通过[[经济学]]原理（如地租反映可达性与集聚经济）进行联动推导，Bettencourt预测了其他城市变量的标度关系。最后，利用上述几个重要指标的规模法则，Bettencourt还推导出更多的规模法则，包括城市地价（rent price）的规模法则，例如平均土地租金的规模法则为[math]Rent∼N^{1/2}[/math]等。这揭示了城市规模对土地价值影响的量化规律。
第四步：最优的社会互动产出参数G。在[[贝当古模型]]中，他引入了一个关键参数[math]G=\bar{g}a_0ℓ[/math]，它综合反映了人均社会互动产出强度 ([math]\bar{g}[/math])、互动范围 ([math]a_0[/math]) 和移动距离 ([math]ℓ[/math])，本质上是衡量“单位基础设施支撑下所能产生的社会经济互动量”的效率参数。该参数衡量了社会经济效率。模型显示，城市的净收益 L可表达为社会总产出 Y与总能耗成本W之差，并受混合条件与网络条件约束。通过最大化净收益 L，可以求解出最优的[math]G^{*}[/math]。理论预测[math]G^{*}\approx G_{\max}/8[/math]，其中[math] G_{\max}/8[/math]是城市不至于因拥堵成本过高而解体的上限。美国大多数都市区（MSA）的实测G值聚集在最优值附近，但存在明显偏离的案例：如加利福尼亚州河滨市（Riverside）和得克萨斯州布朗斯维尔市（Brownsville）的G值偏低，表明其社会互动潜力和基础设施效率未充分发挥；而康涅狄格州布里奇波特市（Bridgeport）的G值偏高，可能面临高昂的交通能耗成本。因此，参数 G及其与最优值的偏离，为诊断城市发展效率、评估规划政策（如调整密度、提升交通能效）提供了具体的理论依据和量化靶点.由于GDP和总的资源消耗服从相同幂指数的规模法则（都是1.15次幂），因此贝当古导出了一个城市的收益-成本模型，并通过最优化推导出G的最优值。他进一步将这一理论用于美国的各个城市，并筛选出效率高的城市和效率低的城市。
第四步：最优的社会互动产出参数G。在[[贝当古模型]]中，他引入了一个关键参数[math]G=\bar{g}a_0ℓ[/math]，它综合反映了人均社会互动产出强度 ([math]\bar{g}[/math])、互动范围 ([math]a_0[/math]) 和移动距离 ([math]ℓ[/math])，本质上是衡量“单位基础设施支撑下所能产生的社会经济互动量”的效率参数。该参数衡量了社会经济效率。模型显示，城市的净收益 L可表达为社会总产出 Y与总能耗成本W之差，并受混合条件与网络条件约束。通过最大化净收益 L，可以求解出最优的[math]G^{*}[/math]。理论预测[math]G^{*}\approx G_{\max}/8[/math]，其中[math] G_{\max}/8[/math]是城市不至于因拥堵成本过高而解体的上限。美国大多数都市区（MSA）的实测G值聚集在最优值附近，但存在明显偏离的案例：如加利福尼亚州河滨市（Riverside）和得克萨斯州布朗斯维尔市（Brownsville）的G值偏低，表明其社会互动潜力和基础设施效率未充分发挥；而康涅狄格州布里奇波特市（Bridgeport）的G值偏高，可能面临高昂的交通能耗成本。因此，参数 G及其与最优值的偏离，为诊断城市发展效率、评估规划政策（如调整密度、提升交通能效）提供了具体的理论依据和量化靶点.由于GDP和总的资源消耗服从相同幂指数的规模法则（都是1.15次幂），因此Bettencourt导出了一个城市的收益-成本模型，并通过最优化推导出G的最优值。他进一步将这一理论用于美国的各个城市，并筛选出效率高的城市和效率低的城市。
===[[匹配生长模型]]===
===[[匹配生长模型]]===