مدلسازي توسعه شهري با استفاده از اتوماسيون سلولي و الگوريتم ژنتيك (منطقه مورد مطالعه: شهر شيراز)

Urban growth modeling with cellular automata and genetic algorithm

امروزه گسترش فيزيكي روزافزون و بدون برنامه‌ريزي شهرها، باعث كاهش كيفيت زندگي جوامع شهري و غيرشهري شده است. درك فرايند رشد شهري در برنامه ريزي و مديريت شهري به منظور رسيدن به شهري پايدار بسيار مهم است. از طرف ديگر مدلسازي الگوهاي فضايي شهري مي تواند ديد مناسبي در مورد اينكه چگونه شهرها تحت شرايط مختلف اجتماعي و اقتصادي و محيطي توسعه مي‌يابند، ايجاد كند. تاكنون تلاش‌هاي زيادي در زمينه مدلسازي توسعه شهري با استفاده از اتوماسيون سلولي صورت پذيرفته است اما براي ايجاد يك مدل قابل اطمينان و معتبر هنوز برخي مسايل بصورت حل نشده باقي مانده است. پيچيدگي در فرآيند توسعه شهري، تعداد متغيرهاي زياد و وجود قوانين مختلف باعث گرديده تا كاليبراسيون مدل اتوماسيون سلولي، يكي از مسايل چالش برانگيز در شبيه‌سازي گسترش شهري باشد. در اين تحقيق تلاش بر اين بوده كه با تلفيق اتوماسيون سلولي و الگوريتم ژنتيك مدلي مناسب جهت مدلسازي فرايند رشد شهري ايجاد شده و كاربردي عملي از آن در پيش بيني فرايند توسعه شهري شيراز بين سال‌هاي 1990 و2000 نشان داده شود. پارامتر‌هاي موثر در اين فرايند تعداد همسايگي شهري، شيب زمين، فاصله تا راه‌هاي اصلي و مناطق غير قابل توسعه مي‌باشند كه به هر كدام سهمي از ژن‌هاي كروموزوم اختصاص داده شده و نتايج بهينه از آن‌ها استخراج گشته و در نهايت از دقت كلي و شاخص كاپا براي ارزيابي مدل استفاده شده است. بدين ترتيب دقت كلي بدست آمده برابر با 91837/0 است كه نشان ‌دهنده‌ي اين است كه 837/91 درصد سلول‌ها درست شبيه سازي شده‌اند و مقدار شاخص كاپاي نهايي 68406/0 بوده كه نشان دهنده‌ي اين است كه نتايج شبيه‌سازي 406/68 درصد بهتر از زماني است كه شبيه‌سازي بطور تصادفي صورت پذيرد.

With the ever increasing of unplanned urbanization, the quality of citizen`s life are lessening. Understanding the process of urban growths facilitates Sustainable Urban Planning and Urban Management. The spatial patterns of urban modeling can make a useful perspective on how cities develop under different social, economic and environmental factors. So far, many efforts have been carried out in urban growth modeling using a cellular automat, but to create a reliable and credible model, some issues still remain unsolved. The complexity of the urban development process, the numerous variables and the variety of rules have caused the calibration of cellular automation models to be one of the challenging issues in the simulation of urban growth. In this study a new model for urban growth modeling is devised. The model integrates the advantages of cellular automation and genetic algorithm to predict Shiraz urban development between 1990 and 2000. Effective parameters in this process are urban neighborhoods, slope, distance to main roads and undeveloped areas. The chromosome`s contribution of genes to each parameter is then estimated. Optimum results have been exploiting, and finally the overall accuracy and Kappa index were used to evaluate the model. The overall accuracy and the final kappa index obtained were equal to 0.91837 and 0.68406 which indicate that 91.837% of the cells were simulated true and the simulation results were 68.406 % better than the random simulation.