3,094
个编辑
更改
→匹配生长模型
* 第四步：最优的社会互动产出参数G。在[[贝当古城市模型]]中，他引入了一个关键参数[math]G=\bar{g}a_0\ell[/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]\ell[/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 [math]L[/math] 可表达为社会总产出 [math]Y[/math]与总能耗成本 [math]W[/math] 之差，并受混合条件与网络条件约束。通过最大化净收益 [math]L[/math]，我们可以求解出最优的 [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 [math]G[/math] 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 [math]G[/math] 值偏低，这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 [math]G[/math] 值偏高，可能面临高昂的交通能耗成本。因此，参数 [math]G[/math] 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。
* 第四步：最优的社会互动产出参数G。在[[贝当古城市模型]]中，他引入了一个关键参数[math]G=\bar{g}a_0\ell[/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]\ell[/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 [math]L[/math] 可表达为社会总产出 [math]Y[/math]与总能耗成本 [math]W[/math] 之差，并受混合条件与网络条件约束。通过最大化净收益 [math]L[/math]，我们可以求解出最优的 [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 [math]G[/math] 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 [math]G[/math] 值偏低，这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 [math]G[/math] 值偏高，可能面临高昂的交通能耗成本。因此，参数 [math]G[/math] 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。
===[[匹配生长模型]]===
===匹配生长模型===
[[贝当古模型]]虽然能够成功复现城市中的各类规模法则，但是它仍有如下缺陷：1、原始模型基于平均场假说，难以建模城市中各元素的空间分布特征，特别是[[分形]]特征；2、层级化路网模型的引入虽然解释了各种规模法则，但是该模型基于规则分叉的层级化网络，过于理想化而不能模拟路网的[[分形]]特征。基于此，[[李睿琪]]、[[董磊]]等人提出了应用于城市生长的[[匹配生长模型]](matching growth model)<ref name=":15">Zhang, J., Li, X., Wang, X., Wang, W.-X., & Wu, L. (2015). Scaling behaviours in the growth of networked systems and their geometric origins. ''Scientific Reports'', ''5''(1). </ref>扩展<ref name="city_nc">{{cite journal|author1=Li, R.|author2=Dong, L.|author3=Zhang, J.|author4=Xinran Wang|author5=Wen-Xu Wang|author6=Zengru Di|author7=H. Eugene Stanley|title=Simple spatial scaling rules behind complex cities|journal=Nature Communications|volume=8|issue=1841|year=2017}}</ref>，从而很好地解决了这两个问题。
[[贝当古模型]]虽然能够成功复现城市中的各类规模法则，但是它仍有如下缺陷：1、原始模型基于平均场假说，难以建模城市中各元素的空间分布特征，特别是[[分形]]特征；2、层级化路网模型的引入虽然解释了各种规模法则，但是该模型基于规则分叉的层级化网络，过于理想化而不能模拟路网的[[分形]]特征。基于此，[[李睿琪]]、[[董磊]]等人提出了应用于城市生长的[[匹配生长模型]](matching growth model)<ref name=":15">Zhang, J., Li, X., Wang, X., Wang, W.-X., & Wu, L. (2015). Scaling behaviours in the growth of networked systems and their geometric origins. ''Scientific Reports'', ''5''(1). </ref>扩展<ref name="city_nc">{{cite journal|author1=Li, R.|author2=Dong, L.|author3=Zhang, J.|author4=Xinran Wang|author5=Wen-Xu Wang|author6=Zengru Di|author7=H. Eugene Stanley|title=Simple spatial scaling rules behind complex cities|journal=Nature Communications|volume=8|issue=1841|year=2017}}</ref>，从而很好地解决了这两个问题。