| 第274行： |
第274行： |
| | | | |
| | == 城市生长方程 == | | == 城市生长方程 == |
| | + | 贝当古（Bettencourt）等人在2007年的研究得出了城市的生长方程，表明规模法则在城市中同样适用，只是生物体随着体重增大会导致新陈代谢以较慢的速度生长，而城市的超线性规模法则会使城市的新陈代谢率随其规模增大而以更快的速度生长。 |
| | | | |
| − | ===城市中的克莱伯定律与规模效应=== | + | === 核心方程 === |
| | + | 从规模法则推导出的城市生长方程是： |
| | | | |
| − | 在城市研究中，类似生物学中克莱伯定律的规模法则被广泛观察到，描述了城市不同属性（[math]Y[/math]）如何随人口规模（[math]N[/math]）以幂律形式变化：[math]Y = Y_0 N^\beta[/math]。其中，[math]Y_0[/math] 和 [math]\beta[/math] 是常数。这些幂律关系根据功能分为不同的普适类：<ref name=":1">Bettencourt, L. M. (2013). The origins of scaling in cities. ''science'', ''340''(6139), 1438-1441.</ref>
| + | [math]\frac{dN(t)}{dt} = (\frac{Y_{0}}{E})N(t)^{\beta} - (\frac{R}{E})N(t)[/math] |
| − | * 超线性缩放（Super-linear scaling）：与财富创造、创新和互动相关的城市属性，其指数 [math]\beta[/math] 大于1 ([math]\beta > 1[/math])。这意味着随着城市人口的增加，这些属性的产出以更快的速度增长，通常 [math]\beta \approx 1.2[/math]。例如，专利产出、个人收入以及新发明等都表现出超线性增长，这反映了城市作为创新中心的集聚效应和回报递增的经济效益。<ref name=":1" />
| |
| − | * 亚线性缩放（Sub-linear scaling）：与基础设施相关的城市属性，其指数 [math]\beta[/math] 小于1 ([math]\beta < 1[/math])。这意味着随着城市人口的增加，基础设施（如道路长度、电缆）的投入增长速度低于人口增长速度，通常 [math]\beta \approx 0.8[/math]。这体现了城市基础设施的规模经济效应，即更大的城市在维持相同服务水平下，人均基础设施消耗更少。<ref name=":1" />
| |
| − | * 线性缩放（Nearly linear scaling）：与家庭相关的变量，其指数 [math]\beta[/math] 接近1。<ref name=":2">Li, R., Dong, L., Zhang, J., Wang, X., Wang, W. X., Di, Z., & Stanley, H. E. (2017). Simple spatial scaling rules behind complex cities. ''Nature communications'', ''8''(1), 1841.</ref>
| |
| | | | |
| − | 这些经验观察表明，尽管城市看似复杂，但其平均整体属性可能仅由少数几个关键参数决定。
| + | * [math]N(t)[/math]：城市在时间 $$t$$ 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]Y_{0}[/math]：一个归一化常数 |
| | + | * [math]\beta[/math]：缩放指数（scaling exponent），反映了系统的一般动态规则 |
| | + | * [math]R[/math]：维持每个个体平均所需的资源量 |
| | + | * [math]E[/math]：增加一个新个体所需的平均资源量 |
| | | | |
| − | ===贝当古模型及其核心假设===
| + | 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。 |
| | | | |
| − | 路易斯·M·A·贝当古（Luís M. A. Bettencourt）提出了一个统一的理论框架来理解城市如何运作以及城市中社会、空间和基础设施各方面的相互依赖关系。该模型的核心假设基于少数基本原则的局部运作，并预测了城市平均社会、空间和基础设施属性的一系列标度关系，这些关系适用于所有城市系统。<ref name=":1" />
| + | 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： |
| | | | |
| − | 贝当古模型的一个关键见解是，城市并非简单独立的组成部分，而是基础设施、经济和社会等多个层面的交互和整合系统。模型强调了人类互动与合作是城市财富和创新的主要来源。<ref name=":2" />
| + | [math]Y = RN + E(\frac{dN}{dt})[/math] |
| | | | |
| − | 贝当古模型的核心假设包括以下几个方面：
| + | * [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。 |
| | | | |
| − | * 社会网络作为城市功能的基础：
| + | 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： |
| − | ** 假设：城市被视为一个巨大的社会网络，其主要功能（如财富创造、创新）源于个人之间的互动和协作。这些互动在时间和空间上都是有限的。
| |
| − | ** 模型的关键在于假设社会互动是城市活动的基本驱动力。社会连接的数量（即人均互动次数）被认为是相对恒定的，或者以特定方式随人口规模增长。创新和财富的产生率与这些社会互动的强度和频率成正比。
| |
| | | | |
| − | * 基础设施网络连接城市居民：
| + | [math]Y(t) = Y_{0}N(t)^{\beta}[/math] |
| − | ** 假设：城市的基础设施（如道路、电力、通信网络）是为了连接居民，促进物质、能量和信息的流动。这些网络的设计应尽量优化效率和成本，并随着城市人口的增长而扩展。
| |
| − | ** 基础设施的成本和维护与网络中的链接数量和长度有关。模型推断，为了服务更多的人口，基础设施的增长速度会低于人口增长速度，从而实现规模经济。这体现在亚线性缩放关系上，例如：
| |
| − | *** [math]\displaystyle{ L \propto N^{0.85} }[/math] 其中 [math]L[/math] 代表基础设施（如道路长度），[math]N[/math] 代表人口。这个指数通常接近 [math]\displaystyle{ \frac{5}{6} }[/math]。
| |
| | | | |
| − | * 社会经济活动与人口密度相关：
| + | 3. 将规模法则的表达式代入资源分配方程中，得到： |
| − | ** 假设：城市中的社会经济活动集中在空间上，并与人口密度相关联。通过集聚，城市能够提高互动效率并降低单位产出的基础设施成本。
| + | [math]Y_{0}N(t)^{\beta} = RN(t) + E(\frac{dN}{dt})[/math] |
| − | ** 模型探讨了城市空间结构（例如平均人口密度）如何影响其标度特性。虽然没有直接的单一公式，但这一假设支持了超线性社会经济产出与亚线性基础设施消耗的共存。例如，城市总面积 ([math]A[/math]) 与人口 ([math]N[/math]) 的关系通常呈现亚线性缩放：
| |
| − | *** [math]\displaystyle{ A \propto N^{0.83} }[/math] 这表明城市面积的增长速度慢于人口，导致人口密度的增加，从而提高了互动频率。
| |
| | | | |
| − | * 创新和财富创造是社会网络互动的直接结果：
| + | 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： |
| − | ** 假设：城市产生的创新、专利和财富是其内部社会互动和协作的直接函数。这些社会互动并非线性叠加，而是通过网络效应产生超线性回报。
| |
| − | ** 与社会经济产出相关的城市属性（如总收入、专利数量、犯罪率）表现出超线性缩放：
| |
| − | *** [math]\displaystyle{ Y \propto N^{\beta} }[/math] 其中 [math]Y[/math] 代表社会经济产出，[math]\beta>1[/math]，通常在 1.15 到 1.25 之间。例如： [math]\displaystyle{ \text{Patents} \propto N^{1.27} }[/math] [math]\displaystyle{ \text{Total Wage} \propto N^{1.12} }[/math]
| |
| | | | |
| − | 这些核心假设共同构成了一个统一的理论框架，解释了城市作为一个复杂的自组织系统，如何通过社会和物理网络的相互作用，产生普遍的规模法则。<ref name=":1" /><ref name=":3" />
| + | [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] |
| | | | |
| − | ===城市中多样性与产出的关系===
| + | 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。 |
| | + | 当资源稀缺时，超线性动态的特点是崩溃（collapse）。尽管城市最初可能呈现超线性增长，但由于资源的限制，这种快速增长最终会达到一个临界点，并迅速崩溃。这反映了过度依赖有限资源而导致的不稳定性和脆弱性。 |
| | | | |
| − | 城市的功能多样性（例如专业的多样性）与城市的生产力之间存在紧密联系。研究表明，专业多样性的频率分布呈现出一种普遍的尺度不变形式，适用于所有城市。这种分布是劳动分工和协作在城市社会网络中产生新职业的结果。
| + | === 城市与生物、公司的区别 === |
| | + | 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： |
| | | | |
| − | 多样性不仅可以增强系统的韧性（例如，专业化的城市在历史上表现不佳），更重要的是，它与更高的个体生产力直接相关。这意味着多样性既是规模依赖的系统组织的结果，也是其促进因素。城市通过促进新思想的产生和刺激社会经济发展，展现出与社会经济多样性的紧密关联。<ref name=":3">Bettencourt, L. M., Samaniego, H., & Youn, H. (2014). Professional diversity and the productivity of cities. ''Scientific reports'', ''4''(1), 5393.</ref>
| + | * 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。 |
| | + | * 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。 |
| | | | |
| − | ===匹配生长机制在城市建模中的应用=== | + | ==== 超线性增长：奇点 ==== |
| − | | + | 贝当古等提出，由超线性规模法则（[math]\beta > 1[/math]）驱动的城市增长，其内在特性是不可持续的，因为它会导致人口在有限时间内达到一个“奇点”（singularity），即人口无限增长。这种增长模式被称“繁荣-崩溃”（boom/collapse）模式，如果不加干预，最终会停滞或崩溃。 |
| − | 在城市建模方面，简单的空间吸引（Spatial Attraction, SA）和匹配生长（matching growth）机制被用于解释城市中人口、道路和经济社会互动的空间分布及其宏观标度法则。
| + | 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： |
| − | 这种模型假设：
| + | [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。 |
| − | * 空间吸引机制：城市中活跃人口（active population, AP，包括居住和工作人口）的空间分布由人口聚集和新区域探索之间的竞争决定。
| + | 关键的结论是，为了维持持续增长，创新周期之间的时间间隔必须不断缩短。这是因为根据奇点时间公式 [math]t_{c} \propto 1/N^{\beta-1}(0)[/math] ，当人口 [math]N[/math] 增加时，达到下一次崩溃的时间 [math]t_c[/math] 会变短。因此，新的重大创新或适应措施必须以不断加速的速率出现，才能维持城市的增长。 |
| − | * 道路网络增长：活跃人口聚集区对社会经济互动的需求驱动着道路网络的增长和扩张。
| |
| − | * 互动促进：道路网络的发展反过来促进了不同区域之间的社会经济互动。
| |
| − | | |
| − | 通过这种动态模型，研究者能够成功复现城市中各种元素的空间分布，并解释超线性、亚线性以及近线性总和标度法则的起源。这个框架强调了城市元素在微观层面的相互作用，以及空间分布与总体标度法则之间的关系，为理解城市演化提供了新的途径。<ref name=":2" />
| |
| − | | |
| − | ===奇点===
| |
| | | | |
| | == 企业增长模型 == | | == 企业增长模型 == |