更改

从规模法则推导出的城市生长方程是：

从规模法则推导出的城市生长方程是：

<nowiki>[math]\frac{dN(t)}{dt} = (\frac{Y_{0}}{E})N(t)^{\beta} - (\frac{R}{E})N(t)[/math]</nowiki>

<math>

\frac{dN(t)}{dt} = (\frac{Y_{0}}{E})N(t)^{\beta} - (\frac{R}{E})N(t)

</math>

* [math]N(t)[/math]：城市在时间 $$t$$ 的人口规模

* [math]N(t)[/math]：城市在时间[math]t[/math]的人口规模

* [math]\frac{dN(t)}{dt}[/math]：人口随时间的变化率，即城市增长率

* [math]\frac{dN(t)}{dt}[/math]：人口随时间的变化率，即城市增长率

* [math]Y_{0}[/math]：一个归一化常数

* [math]Y_{0}[/math]：一个归一化常数

文章首先从一个基本的假设开始：城市的增长受到可用资源及其消耗速度的制约。作者提出，资源 [math]Y[/math] 被用于两个主要方面：维持现有的人口和促使新的人口增长。

文章首先从一个基本的假设开始：城市的增长受到可用资源及其消耗速度的制约。作者提出，资源 [math]Y[/math] 被用于两个主要方面：维持现有的人口和促使新的人口增长。

1. 资源被分配来维持人口和增加新人口。这个关系被表达为：

1. 资源被分配来维持人口和增加新人口。这个关系被表达为：[math]Y = RN + E(\frac{dN}{dt})[/math]

 

[math]Y = RN + E(\frac{dN}{dt})[/math]

* [math]RN[/math] 代表维持现有 [math]N[/math] 个个体所需的资源总量，其中 [math]R[/math] 是维持每个个体所需的资源量。

* [math]RN[/math] 代表维持现有 [math]N[/math] 个个体所需的资源总量，其中 [math]R[/math] 是维持每个个体所需的资源量。

* [math]E(\frac{dN}{dt})[/math] 代表增加新人口所需的资源总量，其中 [math]E[/math] 是增加一个新个体所需的资源量，[math]\frac{dN}{dt}[/math] 是人口增长率。

* [math]E(\frac{dN}{dt})[/math] 代表增加新人口所需的资源总量，其中 [math]E[/math] 是增加一个新个体所需的资源量，[math]\frac{dN}{dt}[/math] 是人口增长率。

2. 接下来，作者将规模法则（Scaling Law）引入这个方程。规模法则描述了城市的某个属性 [math]Y[/math] 与其人口规模 [math]N(t)[/math] 之间的幂律关系：

2. 接下来，作者将规模法则（Scaling Law）引入这个方程。规模法则描述了城市的某个属性 [math]Y[/math] 与其人口规模 [math]N(t)[/math] 之间的幂律关系：[math]Y(t) = Y_{0}N(t)^{\beta}[/math]

 

[math]Y(t) = Y_{0}N(t)^{\beta}[/math]

 

[math]Y_{0}N(t)^{\beta} = RN(t) + E(\frac{dN}{dt})[/math]

4. 最后，对这个方程进行重新整理，解出人口增长率 [math]\frac{dN}{dt}[/math]，从而得到最终的城市生长方程：

3. 将规模法则的表达式代入资源分配方程中，得到：[math]Y_{0}N(t)^{\beta} = RN(t) + E(\frac{dN}{dt})[/math]

<nowiki>[math]\frac{dN(t)}{dt} = \frac{Y_{0}N(t)^{\beta} - RN(t)}{E} = (\frac{Y_{0}}{E})N(t)^{\beta} - (\frac{R}{E})N(t)[/math]</nowiki>

4. 最后，对这个方程进行重新整理，解出人口增长率 [math]\frac{dN}{dt}[/math]，从而得到最终的城市生长方程：[math]\frac{dN(t)}{dt} = \frac{Y_{0}N(t)^{\beta} - RN(t)}{E} = (\frac{Y_{0}}{E})N(t)^{\beta} - (\frac{R}{E})N(t)[/math]

这个生长方程的解会根据缩放指数 [math]\beta[/math] 的值呈现出亚线性、线性、超线性三种截然不同的增长模式，其中城市属于超线性增长， [math]\beta > 1[/math]。城市人口的增长是无限制的，并将在一个有限的时间内达到“奇点”（Singularity），即城市规模的增长速度比指数增长还要快。这反映了城市独特的自催化（autocatalytic）性质，即城市规模的扩大能通过创新和社交互动等过程进一步加速自身的增长。

这个生长方程的解会根据缩放指数 [math]\beta[/math] 的值呈现出亚线性、线性、超线性三种截然不同的增长模式，其中城市属于超线性增长， [math]\beta > 1[/math]。城市人口的增长是无限制的，并将在一个有限的时间内达到“奇点”（Singularity），即城市规模的增长速度比指数增长还要快。这反映了城市独特的自催化（autocatalytic）性质，即城市规模的扩大能通过创新和社交互动等过程进一步加速自身的增长。

城市生长方程与生物和公司模型的核心区别在于其内在机制和增长模式：

城市生长方程与生物和公司模型的核心区别在于其内在机制和增长模式：

* 增长极限：生物的生长方程（如West方程）解释了为什么生物体最终会达到一个确定的最大体型（determinate growth）。这是因为生物体的代谢率呈亚线性增长（[math]β<1[/math]），而维持生命的成本呈线性增长，当两者达到平衡时，增长便会停止。公司的增长则更复杂，其增长轨迹受财务结构影响，但普遍呈现亚线性的幂律增长，而非指数增长或无限增长。相比之下，城市的超线性增长（[math]β>1[/math]）意味着其在理论上没有增长上限，除非面临外部资源约束，否则将持续加速。

* 增长极限：生物的生长方程（如West方程）解释了为什么生物体最终会达到一个确定的最大体型（determinate growth）。这是因为生物体的代谢率呈亚线性增长（[math]\beta < 1[/math]），而维持生命的成本呈线性增长，当两者达到平衡时，增长便会停止。公司的增长则更复杂，其增长轨迹受财务结构影响，但普遍呈现亚线性的幂律增长，而非指数增长或无限增长。相比之下，城市的超线性增长（[math]\beta > 1[/math]）意味着其在理论上没有增长上限，除非面临外部资源约束，否则将持续加速。

* 内在机制：生物的增长由能量在维持现有组织和创造新组织之间的分配决定，其代谢效率随规模增大而降低。公司的增长则由财务收支决定，其核心是净收入与资产、负债之间的幂律关系。城市的增长是社会经济活动的结果，其超线性本质源于人口密度增加所带来的创新、财富创造和信息流动效率的提升。

* 内在机制：生物的增长由能量在维持现有组织和创造新组织之间的分配决定，其代谢效率随规模增大而降低。公司的增长则由财务收支决定，其核心是净收入与资产、负债之间的幂律关系。城市的增长是社会经济活动的结果，其超线性本质源于人口密度增加所带来的创新、财富创造和信息流动效率的提升。

* 规模法则差异：生物体的关键属性（如代谢率）随体型呈亚线性增长，即 [math]β=3/4[/math]。公司的收入等财务指标随资产规模呈亚线性增长，即 [math]β≈0.85[/math]。而城市的创新率、收入和专利数量等关键社会经济指标则随人口呈超线性增长，即 [math]β>1[/math]，这正是城市区别于前两者的根本特征。

* 规模法则差异：生物体的关键属性（如代谢率）随体型呈亚线性增长，即 [math]\beta = 3/4[/math]。公司的收入等财务指标随资产规模呈亚线性增长，即 [math]\beta ≈ 0.85[/math]。而城市的创新率、收入和专利数量等关键社会经济指标则随人口呈超线性增长，即 [math]\beta > 1[/math]，这正是城市区别于前两者的根本特征。

=== 超线性增长：奇点 ===

=== 超线性增长：奇点 ===

为了避免这种危机，城市必须进行“重大质变”，也就是通过创新来“重置”初始条件和参数。这种创新活动确保了城市的主导动力仍然处于“财富和知识创造”的超线性增长阶段。

为了避免这种危机，城市必须进行“重大质变”，也就是通过创新来“重置”初始条件和参数。这种创新活动确保了城市的主导动力仍然处于“财富和知识创造”的超线性增长阶段。

当城市生长方程的 [math]\beta > 1[/math] 时，这个方程的解会产生一个“超指数”（superexponential）增长曲线，并在一个有限时间 [math]t_c[/math] 处发散 。这个 [math]t_c[/math] 被称为“奇点时间”或“崩溃时间”。这个 [math]t_c[/math] 的值由以下公式近似得出：

当城市生长方程的 [math]\beta > 1[/math] 时，这个方程的解会产生一个“超指数”（superexponential）增长曲线，并在一个有限时间 [math]t_c[/math] 处发散 。这个 [math]t_c[/math] 被称为“奇点时间”或“崩溃时间”。这个 [math]t_c[/math] 的值由以下公式近似得出：[math]t_{c} \approx [\frac{E}{(\beta-1)R}]\frac{1}{N^{\beta-1}(0)}[/math]

 

[math]t_{c} \approx [\frac{E}{(\beta-1)R}]\frac{1}{N^{\beta-1}(0)}[/math]

为了避免崩溃，城市必须在接近奇点时间 [math]t_c[/math] 时引入新的创新周期。每一次新的创新都有效地重置了增长参数，开启了一个新的超线性增长周期。

为了避免崩溃，城市必须在接近奇点时间 [math]t_c[/math] 时引入新的创新周期。每一次新的创新都有效地重置了增长参数，开启了一个新的超线性增长周期。