مدلسازی توسعه شهری با استفاده از اتوماسیون سلولی و الگوریتم ژنتیک (منطقه مورد مطالعه: شهر شیراز)

الموضوعات : فصلنامه علمی و پژوهشی پژوهش و برنامه ریزی شهری

رضـــا زارعـــی ¹ , علی اصـغر آل شیخ ²

1 - دانشجوی کارشناسی ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
2 - دانشـــیار ســـنجش از دور، دانشـــگاه صـــنعتی خواجـــه نصـــیرالدین طوســـی، تهـــران، ایـــران

تاريخ الإرسال : 22 السبت , ربيع الأول, 1437 تاريخ التأكيد : 22 السبت , ربيع الأول, 1437 تاريخ الإصدار : 08 الجمعة , صفر, 1434

الکلمات المفتاحية: شیراز, الگوریتم ژنتیک, مدلسازی توسعه‌ی شهری, اتوماسیون سلولی, شاخص کاپا,

ملخص المقالة :

امروزه گسترش فیزیکی روزافزون و بدون برنامه‌ریزی شهرها، باعث کاهش کیفیت زندگی جوامع شهری و غیرشهری شده است. درک فرایند رشد شهری در برنامه ریزی و مدیریت شهری به منظور رسیدن به شهری پایدار بسیار مهم است. از طرف دیگر مدلسازی الگوهای فضایی شهری می تواند دید مناسبی در مورد اینکه چگونه شهرها تحت شرایط مختلف اجتماعی و اقتصادی و محیطی توسعه می‌یابند، ایجاد کند. تاکنون تلاش‌های زیادی در زمینه مدلسازی توسعه شهری با استفاده از اتوماسیون سلولی صورت پذیرفته است اما برای ایجاد یک مدل قابل اطمینان و معتبر هنوز برخی مسائل بصورت حل نشده باقی مانده است. پیچیدگی در فرآیند توسعه شهری، تعداد متغیرهای زیاد و وجود قوانین مختلف باعث گردیده تا کالیبراسیون مدل اتوماسیون سلولی، یکی از مسائل چالش برانگیز در شبیه‌سازی گسترش شهری باشد. در این تحقیق تلاش بر این بوده که با تلفیق اتوماسیون سلولی و الگوریتم ژنتیک مدلی مناسب جهت مدلسازی فرایند رشد شهری ایجاد شده و کاربردی عملی از آن در پیش بینی فرایند توسعه شهری شیراز بین سال‌های 1990 و2000 نشان داده شود. پارامتر‌های موثر در این فرایند تعداد همسایگی شهری، شیب زمین، فاصله تا راه‌های اصلی و مناطق غیر قابل توسعه می‌باشند که به هر کدام سهمی از ژن‌های کروموزوم اختصاص داده شده و نتایج بهینه از آن‌ها استخراج گشته و در نهایت از دقت کلی و شاخص کاپا برای ارزیابی مدل استفاده شده است. بدین ترتیب دقت کلی بدست آمده برابر با 91837/0 است که نشان ‌دهنده‌ی این است که 837/91 درصد سلول‌ها درست شبیه سازی شده‌اند و مقدار شاخص کاپای نهایی 68406/0 بوده که نشان دهنده‌ی این است که نتایج شبیه‌سازی 406/68 درصد بهتر از زمانی است که شبیه‌سازی بطور تصادفی صورت پذیرد.   

المصادر:

اصـلانی مقـدم.ایمان،( 1388)، بررسـی مـدل بـرداریCellular Automata به منظور پیشبینی تغییرات

کاربری اراضی.، رجبـی، محمـد علـی، دانشـگاه تهران، گروه سیستم اطلاعات مکانی

ثابت سروستانی.مهدی، (1388)، بررسی رونـد رشـد شهر شیراز و تاثیر ان بر فضای سبز طی سه دهـه

ی گذشته،مجموعه مقالات همایش ژئوماتیک88،سازمان نقشه برداری کشور، تهران

جوادی. یاشار، (1387)، مدلسازی تغییـرات پوشـش زمین با استفاده از Cellular Automata در محیطGIS، رجبی. محمد علی، دانشـگاه تهـران، گـروهسیستم اطلاعات مکانی

رضازاده.راضــیه، میراحمــدی.م، (1388)، مــدل اتوماسیون سلولی، روشی نوین در شـبیه سـازی

رشد شـهری، نشـریه علمـی پژوهشـی فنـاوری آموزش،دانشگاه تربیت دبیر شهید رجایی، سـال چهارم، جلد 4، شماره 1

طیبـی. امـین، (1388)، پـیش بینـی و ارزیـابی تغییـرکاربری اراضی شهری در محیط سیستم اطلاعات

مکانی، دلاور. محمود رضا، یزدانپناه. محمد جواد،

کریسـتوفر پیجانوسـکی. برایان،دانشـگاه تهـران،گروه سیستم اطلاعات مکانی

ملکی.داود، 1389، مدلسازی توسعه شهری با استفاده از روش آتوماتای سـلولی، آل شـیخ.علی اصـغر،

دانشگاه صنعتی خواجه نصـیرالدین طوسـی،گروه سیستم اطلاعات مکانی

Acevedo, W., Foresman, T. W. and Buchanan,J. T., (1996). Origins and philosophy of

building a temporal database to examinehuman transformation processes.

Proceedings,ASPRS/ACSM AnnualConvention and Exhibition, Baltimore,

MD,Vol I, 148–161.

Almeida, C. M., Batty, M., Monteiro, A. M.V., Câmara, G., Soares-Filho, B. S.,

Cerqueira, G. C., et al. (2003). Stochasticcellular automata modeling of urban land

use dynamics: Empirical development andestimation. Computers, Environment and

Urban Systems, 27, 481 -509.

Almeida, C. M., Gleriani, J. M., Castejon, E.F., & Soares-Filho, B. S. (2008). Using

neural networks and cellular automata formodelling intra-urban land-use dynamics.

International Journal of GeographicalInformation Science, 22(9), 943-963.

Batty. M, Couclelis H. and Eichen M.,( 1997),

Urban systems as cellular automata,Environment and Planning B, No. 24, pp.159-164.

Batty. M (2009) Urban Modeling, in N. Thriftand R. Kitchin (Editors) InternationalEncyclopedia of Human Geography,Vol

12, Elsevier, Oxford, UK, pp. 51-58.

Batty M. and P. Longley (1994) Fractal cities:geometry of form and function, academic

press, San Diego.

Batty, M., Xie, Y., & Sun, Z. (1999). Modelingurban dynamics through GIS-based

cellular automata. Computers,Environment and Urban Systems, 23, 205-233.

Berjak, S. G., Hearne, J. W. (2002). Animproved cellular automata model for

simulating fire in a spatially heterogeneousSavanna system. Ecological Modelling,

148(2), 133- 151.

Couclies, H.(1985), Cellular worlds: aframework for modelling micro-macro

dynamics, Environment and Planning A17, 585-596.

Dietzel, C., & Clarke, K. C. (2006). The effectof disaggregating land use categories in

cellular automata during model calibrationand forecasting. Computers, Environment

and Urban Systems, 30(1), 78 -101.Eastman, R. J., (2001). Guide to GIS and

Image processing, Vo.2. Clark university,USA. 144.

Favier, C., Chave, J., Fabing, A., Schwartz, D.,& Dubois, M. A. (2004). Modelling forest

savanna mosaic dynamics in maninfluencedenvironments: Effects of fire, 

 

climate and soil heterogeneity. EcologicalModelling, 171, 85 -102.

He C., Okada N., Zhang Q., Shi P. and LiJ.,Modeling dynamic urban expansion

processes incorporating a potential modelwith cellular automata, landscape and

urban planning, No.86, 2008, pp. 79-91.Inés Santé et al. “Cellular automata models for

the simulation of real-world urbanprocesses: A review and analysis”

Landscape and Urban Planning 96 (2010)108–122.

 Han.j, Hayashi.Y, Cao.X, Imura.H. (2009)“Application of an integrated systemdynamics and cellular automata model forurban growth assessment: A case study of

Shanghai, China” Landscape and UrbanPlanning 91, 133–141

Holland, J.H. (1975). Adaption in Natural andArtificial Systems, University of Michigan

Press, Ann Arbor, MI.Lefteris A. Mantelas, Thomas. H, and

Poulicos, P 2010 “A Fuzzy CellularAutomata Modeling Approach – Accessing

Urban Growth Dynamics in LinguisticTerms”ICCSA 2010, Part I, LNCS 6016,

pp. 140–151, 2010.© Springer-VerlagBerlin Heidelberg.

Li, X., & Yeh, A. G. (2002). Neural-networkbasedcellular automata for simulating

multiple land use changes using GIS.International Journal of Geographical

Information Science, 16(4), 323-343.Ménard, A., & Marceau, D. J. (2007).

Simulating the impact of forestmanagement scenarios in an agricultural

landscape of southern Quebec, Canada,using a geographic cellular automata.

Landscape and Urban Planning, 79(3 4),253- 265.

O’Sullivan D.,( 2001) Exploring spatialprocess dynamics using irregular cellular

automaton models, Geographical Analysis,No. 33, pp. 1-18.

Silva. E.A., Clarke K.C. (2002) “Calibration ofthe SLEUTH urban growth model for

Lisbon and Porto, Portugal” Computers,Environment and Urban Systems 26 525–552.

Sun, T., & Wang, J. (2007). A traffic cellularautomata model based on road network

grids and its spatial and temporalresolution s influences on simulation+.

Simulation Modelling Practice and Theory,15, 864- 878.

Thorrens P.M., O’Sullivan D.,( 2001) Cellularautomata and urban simulation: where do

we go from here?, Environment andPlanning B, No.28, pp. 163-168.

Wahle, J., Neubert, L., Esser, J., &Schreckenberg, M. (2001). A cellular

automata traffic flow model for onlinesimulation.

White, R. and Engelen, G.(1993), Cellularautomata and fractal urban form: a cellular

modeling approach to the evolution ofurban land use patterns, Environment andPlanning A. 25:1175-1199.

White, R., Engelen, G., & Uljee, I. (2000).

Modelling land-use change with linkedcellular automata and socio-economic

models: A tool for exploring the impact ofclimate change on the island of St. Lucia.

In M. J. Hill & R. J. Aspinell (Eds.),Spatial information for land-use

management (pp. 189 204). Amsterdan:Gordonand Breach.

White R. and Engelen G.,( 2000) Highresolutionintegrated modeling of the

spatial dynamics of urban and regionalsystems, Computers, Environment and

Urban Systems, No. 24, pp. 383-400.

Wu, F. (2002). Calibration of stochasticcellular automata: The application to rural

urban land conversions. InternationalJournal of Geographical InformationScience, 16(8), 795 -818.

Yassemi, S., Dragicevic, S., & Schmidt, M.(2008). Design and implementation of

anintegrated GIS-based cellular automatamodel to characterize forest fire behaviour.Ecological Modelling, 210, 71- 84.