:: دوره 5، شماره 1 - ( 3-1396 ) ::
جلد 5 شماره 1 صفحات 64-49 برگشت به فهرست نسخه ها
مدل‌سازی عامل-بنیان توسعه شهری با تعاملات الهام گرفته از الگوریتم بهینه‌سازی ازدحام ذرات
فرناز کاویاری*، محمدسعدی مسگری، فرهاد حسینعلی، سمانه واعظی
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (3076 مشاهده)

گسترش روز افزون شهر‌نشینی به‌ویژه در کشورهای در حال توسعه موجب توسعه‌ی هر چه بیشتر مناطق شهری می‌گردد. رشد جمعیت و مهاجرت روستاییان به شهرها، از عوامل عمده‌ی این توسعه می‌باشند. با انجام برنامه‌ریزی دقیق، توسعه شهری به سمت و سوی مناسب هدایت خواهد شد. توسعه‌ی مناسب شهر نیز موجب می‌گردد، امکانات شهری به‌صورت مناسب در سطح شهر فراهم شده و از سوی دیگر آسیب کمتری به طبیعت وارد شود. برای انجام برنامه‌ریزی دقیق‌تر، شبیه‌سازی رایانه‌ای راه‌حل بسیار مناسبی است. با به‌کارگیری تکنیک‌های سیستم اطلاعات مکانی (GIS)، آنالیزهای آماری و داده‌های شهری مناسب، شبیه‌سازی یارانه‌ای امکان‌پذیر است. در این پژوهش سعی شده است با تلفیق مدل عامل-مبنا و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) مدل نوینی در راستای شبیه‌سازی توسعه شهری، توسعه داده شود. شهر زنجان به‌عنوان مطالعه موردی انتخاب‌شده و توسعه شهری آن در بازه‌ی زمانی سال 2005 تا 2015 مورد بررسی قرار گرفته است. در مدل توسعه داده‌شده، اقشار مختلف توسعه‌دهندگان با توجه به سطح درآمدشان به سه دسته عامل با رفتارهای مختص خود تقسیم شده‌اند که در محیط به کاوش پرداخته و شرایط محیط را مورد سنجش قرار می‌دهند. در نهایت عامل‌ها مکان مناسبی را جهت توسعه انتخاب کرده و توسعه می‌دهند. نزدیکی خروجی مدل به واقعیت، بر مبنای شاخص کاپا 74% محاسبه گردید. این مقدار برای شاخص کاپا نشان می‌دهد، مدل ارائه‌شده در این پژوهش، توسعه شهر را با دقت مناسبی پیش‌بینی می‌کند. از طرفی با مقایسه نتایج می‌توان نتیجه گرفت وارد کردن تأثیرات روابط اجتماعی افراد در جامعه توسط الگوریتم PSO بر دقت مدل می‌افزاید و با در نظر گرفتن این پارامتر پیش‌بینی‌ها تطابق بیشتری با واقعیت دارند. پیشنهاد می‌شود در تحقیقات آتی، رفتار عامل‌ها با جزئیات بیشتری از جمله رقابت عامل‌ها مدل شود.

واژه‌های کلیدی: توسعه شهری، شبیه سازی، عامل مبنا، ازدحام ذرات
متن کامل [PDF 1574 kb]   (1845 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سیستمهای اطلاعات مکانی (عمومی)
دریافت: 1396/3/20 | پذیرش: 1396/3/20 | انتشار: 1396/3/20
فهرست منابع
1. [1] R. Rafiee, A. Salman Mahiny, N. Khorasani, A. Darvishsefat, and A. Danekar, "Simulating urban growth in Mashad City, Iran through the SLEUTH model (UGM)", Cities, 26, 19-26, 2009. [DOI:10.1016/j.cities.2008.11.005]
2. [2] www.amar.org.ir, Statistical Centre of Iran.
3. [3] H. H. Zhang, Y. N. Zeng, and L. Bian, "Simulating multi-objective spatial optimization allocation of land use based on the integration of multi-agent system and genetic algorithm" International Journal of Environmental Research, 4(4), 765-776, 2010.
4. [4] H. Zhang, X. Jin, L. Wang, Y. Zhou, and B. Shu, "Multi-agent based modeling of spatiotemporal dynamical urban growth in developing countries: simulating future scenarios of Lianyungang city, China", Stochastic Environmental Research and Risk Assessment, 29.1, 63-78, 2015. [DOI:10.1007/s00477-014-0942-z]
5. [5] G. Tian, Y. Ouyang, Q. Quan, and J. Wu, "Simulating spatiotemporal dynamics of urbanization with multi-agent systems—A case study of the Phoenix metropolitan region, USA", Ecological Modelling, 222.5, 1129-1138, 2011. [DOI:10.1016/j.ecolmodel.2010.12.018]
6. [6] A. Veldkamp, E.F. Lambin, "Predicting land-use change", Agriculture, ecosystems & environment, 85.1, 1-6, 2001. [DOI:10.1016/S0167-8809(01)00199-2]
7. [7] Y. Feng, Y. Liu, X. Tong, M. Liu, and S. Deng, "Modeling dynamic urban growth using cellular automata and particle swarm optimization rules", Landscape and Urban Planning, 102.3, 188-196, 2011. [DOI:10.1016/j.landurbplan.2011.04.004]
8. [8] R. Tan, Y. Liu, K. Zhou, L. Jiao, and W. Tang, "A game-theory based agent-cellular model for use in urban growth simulation: A case study of the rapidly urbanizing Wuhan area of central China", Computers, Environment and Urban Systems, 49, 15-29, 2015. [DOI:10.1016/j.compenvurbsys.2014.09.001]
9. [9] Macal, Charles M., and Michael J. North, 2009, "Agent-based modeling and simulation." In Winter simulation conference, pp. 86-98. Winter Simulation Conference. [DOI:10.1109/WSC.2009.5429318]
10. [10] Weiss, Gerhard, 1999, "Multiagent systems: a modern approach to distributed artificial intelligence." MIT press.
11. [11] A. Jjumba, and S. Dragićević, "High resolution urban land-use change modeling: agent iCity approach", Applied Spatial Analysis and Policy, 5.4, 291-315, 2012. [DOI:10.1007/s12061-011-9071-y]
12. [12] J. Jokar Arsanjani, M. Helbich, E. de Noronha Vaz, "Spatiotemporal simulation of urban growth patterns using agent-based modeling: the case of Tehran", Cities, 32, 33-42, 2013. [DOI:10.1016/j.cities.2013.01.005]
13. [13] V. Kocabas, S. Dragicevic, "Bayesian networks and agent-based modeling approach for urban land-use and population density change: a BNAS model" Journal of Geographical Systems, 15.4, 403-426, 2013. [DOI:10.1007/s10109-012-0171-2]
14. [14] Y. Feng, Y. Liu, X. Tong, M. Liu, and S. Deng, "Modeling dynamic urban growth using cellular automata and particle swarm optimization rules" Landscape and Urban Planning, 102(3), pp.188-196, 2011. [DOI:10.1016/j.landurbplan.2011.04.004]
15. [15] Ma, S., He, J., Liu, F. and Yu, Y., 2011. "Land-use spatial optimization based on PSO algorithm" Geo-spatial Information Science, 14(1), pp.54-61. [DOI:10.1007/s11806-011-0437-8]
16. [16] X. Li, X. Liu, "Defining agents' behaviors to simulate complex residential development using multicriteria evaluation", Journal of Environmental Management, 85.4, 1063-1075, 2007. [DOI:10.1016/j.jenvman.2006.11.006]
17. [17] F. Hosseinali, A. A. Alesheikh, F. Nourian, "Agent-based modeling of urban land-use development, case study: Simulating future scenarios of Qazvin city", Cities, 31, 105-113, 2013. [DOI:10.1016/j.cities.2012.09.002]
18. [18] J. Kennedy, and RC. Eberhart, "A discrete binary version of the particle swarm algorithm", Systems, Man, and Cybernetics, 1997. Computational Cybernetics and Simulation, 1997 IEEE International Conference on, 5, 4104 – 4108, 1997. [DOI:10.1109/ICSMC.1997.637339]
19. [19] J. van Vliet, R. White, S. Dragicevic, "Modeling urban growth using a variable grid cellular automaton", Computers, Environment and Urban Systems, 33, 35–43, 2009. [DOI:10.1016/j.compenvurbsys.2008.06.006]
20. [20] G. Tian, Y. Ouyangc, Q. Quana, J. Wub, "Simulating spatiotemporal dynamics of urbanization with multi-agent systems—A case study of the Phoenix metropolitan region, USA", Ecological Modelling, 222.5, 1129-1138, 2011. [DOI:10.1016/j.ecolmodel.2010.12.018]



XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 5، شماره 1 - ( 3-1396 ) برگشت به فهرست نسخه ها