更改

[[匹配生长模型]]将城市增长描述为动态过程，而不是静态几何假设。这意味着该模型不仅能展现人口和道路的空间分布，还能在尺度上预测夜间灯光亮度等社会经济活动指标。这使得[[匹配生长模型]]成为理解城市[[复杂性]]和标度起源的重要理论工具。

[[匹配生长模型]]将城市增长描述为动态过程，而不是静态几何假设。这意味着该模型不仅能展现人口和道路的空间分布，还能在尺度上预测夜间灯光亮度等社会经济活动指标。这使得[[匹配生长模型]]成为理解城市[[复杂性]]和标度起源的重要理论工具。

===其他===

===其他模型===

Ribeiro 与 Rybski (2021) 对城市规模法则的数学模型进行了系统综述，总结了不同理论框架下的建模方法。他们指出，虽然经验研究普遍揭示了城市变量的规模法则（如社会经济指标的超线性 [math]\displaystyle{\beta \approx 1.15}[/math]，基础设施的亚线性 [math]\displaystyle{\beta \approx 0.85}[/math]<ref name=":10">Ribeiro, F. L., & Rybski, D. (2021). Mathematical models to explain the origin of urban scaling laws: a synthetic review. 1–22. <nowiki>http://arxiv.org/abs/2111.08365</nowiki></ref>），但其背后的机制存在多种解释。因为城市规模法则并非来源于单一机制，而是多种机制的综合结果。

Ribeiro 与 Rybski (2021) 对城市规模法则的数学模型进行了系统综述，总结了不同理论框架下的建模方法<ref name=":10">Ribeiro, F. L., & Rybski, D. (2021). Mathematical models to explain the origin of urban scaling laws: a synthetic review. 1–22. <nowiki>http://arxiv.org/abs/2111.08365</nowiki></ref>。他们指出，虽然经验研究普遍揭示了城市变量的规模法则（如社会经济指标的超线性 [math]\displaystyle{\beta \approx 1.15}[/math]，基础设施的亚线性 [math]\displaystyle{\beta \approx 0.85}[/math]），但其背后的机制存在多种解释。因为城市规模法则并非来源于单一机制，而是多种机制的综合结果。

这些模型大致可以分为两类：

这些模型大致可以分为两类：