城鄉發展的模擬與推理 林峰田 國立台灣大學建築與城鄉所 教授

目錄 前言: 規劃資訊系統 數理模型 動態模擬系統 推理系統 未來展望 傳統數理模型、整合型大型模型(UrbanSim) 宮格自動機、行為者導向模擬 推理系統 專家系統、案例式推理、類神經網路 未來展望

前言: 規劃資訊系統 電腦輔助規劃行政作業 電腦輔助規劃作業 資料庫建檔及查詢功能 傳統數理模型 GIS空間分析功能 傳統文數字資料庫 GIS圖形及屬性資料庫 電腦輔助規劃作業 傳統數理模型 GIS空間分析功能 系統模擬技術： 預測模擬

傳統數理模型 迴歸分析 韓森(Hansen)模式：人口 勞來模式：產業、人口、土地使用 赫伯－史帝芬模式：住宅用地、人口 DRAM模式：及就業人口、土地使用 CATLAS模式：及就業人口、住宅、運輸

系統理論 McLoughlin(倪世槐譯，1972) Faludi(1973) DYNAMO 都市及區域之系統規劃原理 Cybernetics(自動控制學) Faludi(1973) Planning theory DYNAMO System Dynamics (系統動力學） Stella

批判與回應 1970年代批判理論對規劃理論的挑戰 Douglass Lee(1973) Lee(1994)認為大型模型仍有機會 大型模型的安魂曲 黑箱：公式過於複雜，難以檢證 大量資料需求：資料缺乏 一般性：缺乏深入的特殊知識 由上而下的規劃典範：分派與控制 Lee(1994)認為大型模型仍有機會

傳統數理模型的理論基礎 根基於都市經濟學地租理論 住戶(household)考慮區位、住宅價格、交通成本等因素，選擇其效用最高者 土地之利用將會是願付最高地租者 加入離散選擇(discrete choice)、隨機效用(random utility)、競租選擇(bid-choice) 、羅吉特模型(logit formulation)等觀念

都市乃是均衡的、靜態的、單一部門、單一就業中心，並未考慮到與動態生態模式(dynamic ecological models)的整合 由於個人電腦運算能力的快速增加，和價格的急速下降，以及地理資訊系統(Geographical Information System)、模糊集合(fuzzy set)、宮格自動機(cellular automata)、複雜系統(complex system)、系統模擬(system simulation)等理論的出現，使得都市發展模型的建構愈趨複雜而精緻。

90年代以來的大型模型 CUF： California Urban Future Model What-if? Planning Support Systems UrbanSim SprawlSim

UrbanSim 1991 Intermodal Surface Transportation Efficiency Act (ISTEA)立法要求土地使用及運輸規劃模式應予整合。 Transportation Equity Act for the 21 st Century (TEA21) in 1998【ISTEA後繼法令】再次強調整合土地使用、運輸、環境的重要性。 整合型模式之需求來自運輸規劃法令、都市成長管理(state growth management)、實務及學術界的呼籲。

UrbanSim的發展歷程 原始系統設計為Honolulu, Hawaii開發。 測試及修正版(1980-1994)用於Eugene-Springfield metropolitan area，有相當完整的實際校估資料。 應用於Salt Lake City, and other metropolitan areas

宮格自動機 (Cellualar Automata, CA) 最早由John von Neumann所提出 劍橋John Conway(1970)發表Game of Life

宮格自動機由網格空間、網格狀態、 轉換規則、網格近鄰定義所構成。 在網格空間中，每一格點的下一狀態，由周圍格點狀態所決定。

F是狀態換轉函數。t的(i,j)及附近網格狀態決定了下一(t+1)期的(i,j)網格狀態。 所謂「附近」可以有不同的定義，例如與網格(i,j)相距k單位距離內之所有網格。 F是狀態換轉函數。t的(i,j)及附近網格狀態決定了下一(t+1)期的(i,j)網格狀態。

宮格自動機雖使用(個體)格點狀態轉換規則，但就巨觀而言，會出現總體型態的改變，甚至於被稱之為Artificial Life(人工生命)。 The Centre for Advanced Spatial Analysis (CASA),University College London (http://cgi.student.nada.kth.se/cgi-bin/d95-aeh/get/lifeeng#what )

複雜系統 局部互動(local interactions)形成整體型態(global pattern)的動態過程(dynamic process) 複雜的系統整體表象可能源自於簡單的、迭代的、非線性的個體行為模式。 細微的初始值改變，可能(但不一定)導致鉅大的、甚至於無法預測的變化。 存在收歛的吸子(attractor)現象。若進入此一狀態，則吾人可以「預測」系統行為將會收歛在吸子範圍之內。 系統行為可能是跳躍的、非連續的，在一組有限或無限的可能解之間，迅速跳動變換，而不必然是連續的、循環的、漸變或可微分的。 系統兼具穩定與不穩定解。些微的擾動可能導致由一個吸子跳至或滑至另一吸子。

傳統都市發展模型的預設 (1)必須開發複雜的數理模型始能模擬複雜的都市發展現象 (2)都市發展必然趨向均衡 (3)只要資料夠充份、因素均能掌握，都市系統是可以預測的 (4)些微的初始值誤差不會導致不可控制的預測結果。 這些傳統都市發展模式的預設可以說是被複雜系統理論所徹底顛覆了。

複雜系統城鄉發展模型 奠基於許多的「局部有限理性決策模式」(locally limited rational model)行為者(actor)的互動關係。 都市發展的行為者包括了政府、廠商、開發者、地主、一般居民…等。 所謂「局部有限理性決策模式」係指行為者就其本身所處的環境，做出自認最合乎其效益的理性行為選擇。但是，由於行為者的知識和訊息是有限的，其思域(vision)也是有限的，所以，行為者僅能就其能力所及，做出局部的、有限的理性選擇。

由於不同行為者的價值觀可能不同，某一行為者的理性選擇，另一行為者可能認為毫無理性可言。 行為者的選擇也可能不是單一確定的，有時候，行為者會在數個方案之間拿捏不定，呈現隨機選擇、隨著時間的變遷做出不同選擇的現象。 行為者應具有學習的能力，他會隨著經驗的累積、資訊的逐漸充分，而調整其價值觀、效用函數、及決策模式。 由於非均質、離散個體行為者、隨機、經驗學習、資訊累積的系統特性，都市發展模型將是非均衡的、動態的、兼具可預測及不可預測性。

CA的演進 早期最簡單的狀態轉換函數採用單一確定規則(simple deterministic rules)。近來，機率規則、自我修正最大效用羅斯特函式等觀念已逐步融入，以增加其真實性。 近來，都市模型更進一步放寬了CA的一些假設，以符合都市系統的特性，例如：(1)空間單元不必然是網格式，而可以是不規則形狀，(2)狀態不必單一屬性，(3)附近地區之範圍不必固定，(4)轉換規則不必唯一，通體適用，(5)時程不必等距，(6)系統可以是開放的，與人口、經濟、環境、生態模式互動

CA在都市及區域規劃的應用 香港大學城市規劃及環境管理研究中心 葉嘉安等人做的，利用 “灰度” G 來表示出空間連續的過程、灰度的增減表示了鄰近區域所造成的影響 Clarke, K.C. and Gaydos, L.J., 1998. 等利用CA和GIS來預測舊金山灣地區(San Francisco Bay areas )天氣對都市成長的影響 Benati 利用CA模擬二維的區位理論

台北都會區城鄉發展模擬 資料來源 轉換成網格資料 土地使用、道路系統可及性、人口密度、聚集性 83年國土利用調查資料 縣市統計要欄 設定分析範圍、網格大小 土地使用、道路系統可及性、人口密度、聚集性

初始狀態

考慮鄰近效用和高速公路的影響

ICT產業對 台北都市空間結構的影響

ICT產業分佈(距主要道路)

空間影響因子 主要道路 市中心 土地使用分區 捷運車站 大專院校 智慧園區

2025年 1995年

2025年智慧園區對周邊土地使用之影響

Agent Based Model (行為者導向系統模擬) 參考網站： 美國西北大學的NetLogo 【功能強大的免費軟體!】

推理系統 專家系統 案例式推理 類神經網路

專家系統架構

專家系統 If-then-else的規則式推理 模糊集合理論 NASA的免費CLIPS軟體 分類、診斷、預測、評估 可以再努力的領域

案例式推理 顯性知識與隱性知識 情境、對策、結果

從前所遭遇過的問題型態傾向於再度發生 未來的問題可能會和現在的問題相似 相似的問題有相似的解答 相似性（similarity）是最重要的概念之一 根據以前的經驗來解決新問題 以記憶為推理基礎，推理結果會被記憶住 CBR提供了傳統規則式系統所缺乏的兩種功能：學習及記憶 與規則式推理系統具互補關係

類神經網路 (Artificial Neural Network, ANN) 模仿生物神經網路的數學模式

ANN的特性 若其中有一個細胞死了，只會去除相關連結，不會影響思維。類神經網路有復原的功能。 可以用來作分類 如統計學，說明兩個現象的關係。但是統計中的數字、文字很容易理解，但是類神經網路的權重不知其義，無法理解其中原理，像是一個灰箱。(知其然，不知所以然)

ANN的應用 影像(地物)判釋 非線性極佳化問題 空間配置 定義模糊不清(不全)弱結構問題

未來展望 輔助規劃行政輔助規劃作業 結合傳統數理模型、動態複雜系統、專家系統、案例式推理、類神經網路等資訊技術 配合planning with public (不再是以前的planning for public)。 在民眾參與的過程中，讓民眾理解問題之分析，以及可能之發展。