集智-凯风城市论坛:圣塔菲前所长、《规模》作者GeoffreyWest高端闭门学术研讨会

导语
城市是典型的复杂系统。尽管极端复杂和多样化,但有令人信服的结果表明,一些简单的规则正在管理城市系统。规模法则是城市科学最重要和最基本的理论之一,它可以预测城市在扩大时会是什么样的。本研讨会致力于讨论规模法则的起源及其在预测个别城市扩大或缩小动态方面的应用。
会议邀请到了圣塔菲研究所前任所长 Geoffrey West 教授在内的多位城市领域研究者,期间探讨了城市复杂系统的规模法则(Scaling Law)背后可能的动力学机制,以及如何据此预测城市的发展和演化。
研讨会由北京化工大学副教授李睿琪主持,武汉大学焦利民教授、清华大学陈龙博士、李睿琪副教授和麻省理工学院董磊博士依次做了主题演讲。
城市增长模式和效率
焦利民教授是武汉大学珞珈特聘教授,供职于地理科学与国土资源系,他的研究兴趣是地理数据挖掘、空间建模以及它们在城市发展中的应用。
他在演讲中分享了从宏观层次和复杂系统的角度对城市增长模式和效率的研究:通过对中国和全球的一大批城市的分析,焦教授和同事们发现大多数城市在空间上变得更加广阔,而且这种空间上的扩张速率要比城市人口的增长速率更高,因此城市整体的密度会随之降低。
在此基础上,他们尝试借助对于建筑物密度和人类活动密度等方面的分析,揭示城市扩张缺乏效率的原因。接着,他展示了城市系统建筑密集区域存在着一种矛盾的扩展机制。最后,他讨论了城市系统演化中的规模法则,并且就数据中反映的几个有趣的细节,提出了一系列耐人寻味的问题。
那些萎缩中的城市
陈龙博士目前在清华大学建筑学院进行博士后研究,他与导师龙瀛教授一道,从事城市可持续性,城市的精细形态,智慧城市和城市科学中的大数据等方面的研究。

在这次演讲中,他带领我们将目光聚焦于中国城市化的另一面——那些萎缩中的城市。他首先展示了他们在调研过程中拍摄的一系列照片,向我们展现出这些城市衰退的景象。由于东部沿海的发达城市吸引了大量农村人口和小城镇人口,许多城镇已经呈现出萎缩现象。
根据2000年和2010年两次人口普查的常住人口数据,这一清华的研究团队发现,在中国大陆全部的39,007个乡镇中,19,882个的人口都在减少,这些乡镇的总面积覆盖了大约三分之一的国土面积。而且不仅仅是农村地区,许多城市的乡镇也在失去人口。借助这些数据,他们识别出了包括乌鲁木齐在内的180个人口衰退的城市,并用地图绘制出城市衰退的整体图景。
空间吸引力模型
李睿琪教授现就职于北京化工大学信息科学与技术学院,主要研究方向为城市建模与计算、社会网络分析和传染病传播动力学。

他提出了一项空间吸引力的模型,以解释复杂城市背后的简单空间尺度规则。模型显示,人口、道路和社会经济互动这三个主要城市元素的空间尺度规则是一致的,我们可以使用其中任何一个来推断其他元素。
该模型的数值和理论结果得到了十个代表性城市的实证数据的验证。此外,该模型还可以对超线性和次线性尺度规则的起源进行解释,并能为房价、耗能、最优城市规模等提供一个分析框架。模型中引入了“活动人口”(active population)的概念,使得我们可以准确预测千米水平的社会经济活动。
城市单元
董磊目前是麻省理工学院感觉城市实验室(Senseable City Lab)的博士后研究助理,他提出城市存在最小的空间单元 cUrban cell,可以解释城市内的聚集行为和尺度规则。城市中的尺度现象和聚集效应反映了城市系统的重要特征。
尽管越来越多的研究表明,可以用简单的规则或参数来建模尺度规则,但是城市规模效应的微观实证基础尚不清楚。通过使用几个精细的数据集(人口、企业、道路和Point of interests),董磊博士证明存在最小的空间单元“城市单元”,可以解释城市内的聚集和规模行为背后的微观机制。
针对每个主题演讲的内容,Geoffrey West教授分别和四位讲者分享了自己的想法,提出了富有启发性的建议。随后与会人员共进午餐,并在席间继续交流城市动力学的相关问题。研讨会在亲切而热烈的气氛中圆满结束。
作者:张晗
◆ ◆ ◆
每一个HTML文档中,都有一个不可或缺的标签:<head>,在几乎所有的HTML文档里, 我们都可以看到类似下面这段代码:
html{color:#000;overflow-y:scroll;overflow:-moz-scrollbars}
body,button,input,select,textarea{font-size:12px;font-family:Arial,sans-serif}
h1,h2,h3,h4,h5,h6{font-size:100%}
em{font-style:normal}
small{font-size:12px}
ol,ul{list-style:none}
a{text-decoration:none}
a:hover{text-decoration:underline}
legend{color:#000}
fieldset,img{border:0}
button,input,select,textarea{font-size:100%}
table{border-collapse:collapse;border-spacing:0}
img{-ms-interpolation-mode:bicubic}
textarea{resize:vertical}
.left{float:left}
.right{float:right}
.overflow{overflow:hidden}
.hide{display:none}
.block{display:block}
.inline{display:inline}
.error{color:red;font-size:12px}
button,label{cursor:pointer}
.clearfix:after{content:'\20';display:block;height:0;clear:both}
.clearfix{zoom:1}
.clear{clear:both;height:0;line-height:0;font-size:0;visibility:hidden;overflow:hidden}
.wordwrap{word-break:break-all;word-wrap:break-word}
.s-yahei{font-family:arial,'Microsoft Yahei','微软雅黑'}
pre.wordwrap{white-space:pre-wrap}
body{text-align:center;background:#fff;width:100%}
body,form{position:relative;z-index:0}
td{text-align:left}
img{border:0}
#s_wrap{position:relative;z-index:0;min-width:1000px}
#wrapper{height:100%}
#head .s-ps-islite{_padding-bottom:370px}
#head_wrapper.s-ps-islite{padding-bottom:370px}#head_wrapper.s-ps-islite #s_lm_wrap{bottom:298px;background:0 0!important;filter:none!important}#head_wrapper.s-ps-islite .s_form{position:relative;z-index:1}#head_wrapper.s-ps-islite .fm{position:absolute;bottom:0}#head_wrapper.s-ps-islite .s-p-top{position:absolute;bottom:40px;width:100%;height:181px}#head_wrapper.s-ps-islite #s_lg_img,#head_wrapper.s-ps-islite#s_lg_img_aging,#head_wrapper.s-ps-islite #s_lg_img_new{position:static;margin:33px auto 0 auto}.s_lm_hide{display:none!important}#head_wrapper.s-down #s_lm_wrap{display:none}.s-lite-version #m{padding-top:125px}#s_lg_img,#s_lg_img_aging,#s_lg_img_new{position:absolute;bottom:10px;left:50%;margin-left:-135px}<head><meta charset=utf-8><meta http-equiv=content-type content=text/html; charset=utf-8><meta name=renderer content=webkit/><meta name=force-rendering content=webkit/><meta http-equiv=X-UA-Compatible content=IE=edge,chrome=1/><metahttp-equiv=Content-Typecontent=www.aimssg.cn;charset=gb2312><meta name=viewport content=width=device-width, initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0, user-scalable=no></head>.s-ps-sug table{width:100%;background:#fff;cursor:default}.s-ps-sug td{color:#000;font:14px arial;height:25px;line-height:25px;padding:0 8px}.s-ps-sug td b{color:#000}.s-ps-sug .mo{background:#ebebeb;cursor:pointer}.s-ps-sug .ml{background:#fff}.s-ps-sug td.sug_storage{color:#7a77c8}.s-ps-sug td.sug_storage b{color:#7a77c8}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .sug_del{font-size:12px;color:#666;text-decoration:underline;float:right;cursor:pointer;display:none}.s-ps-sug .mo .sug_del{display:block}
.s-ps-sug .sug_ala{border-bottom:1px solid #e6e6e6}
head标签作为一个容器,主要包含了用于描述 HTML 文档自身信息(元数据)的标签,这些标签一般不会在页面中被显示出来。
相关推荐
产教融合实训基地与实践中心建设逻辑图-可编辑版
产教融合实训基地与实践中心建设逻辑图-可编辑版
idea2025-free.zip
idea2025-free.zip
sop基于灵敏度分析的有源配电网智能软开关优化配置升级1(Matlab代码实现)
内容概要:本文提出了一种基于灵敏度分析的有源配电网智能软开关(SOP)优化配置方法,旨在应对高比例分布式电源接入带来的电压波动与网络损耗加剧等问题。研究以IEEE33节点系统为算例,通过改进的灵敏度分析模型量化各节点对电压和功率流动的影响程度,进而构建SOP选址与定容的优化模型,实现降低网损、改善电压分布及提升系统运行灵活性的目标。全文详细阐述了灵敏度指标的数学推导、目标函数与约束条件的建模过程,并基于Matlab实现了完整的仿真求解流程,具备良好的工程实用性与学术参考价值。; 适合人群:电力系统及其自动化、电气工程等相关专业的硕士博士研究生、科研机构研究人员,以及从事智能配电网规划、运行与优化的工程技术人员。; 使用场景及目标:①研究分布式电源大规模接入背景下配电网的主动调控与优化策略;②指导智能软开关在实际配电网中的科学选址与容量配置;③为相关科研课题提供可复现的仿真案例,支撑学术论文撰写与算法验证。; 阅读建议:建议读者结合提供的Matlab代码与IEEE33节点标准模型进行动手实践,重点理解灵敏度指标的物理意义及其在优化模型中的应用逻辑,关注求解过程中的约束设置与算法收敛性,并可进一步拓展至SOP与储能联合配置、多时间尺度优化等复杂场景进行二次开发与研究。
Ubuntu安装Latex
关于Ubuntu安装Latex的详细记录和排错指南
高校技术转移办公室人员在成果转化过程中,如何实现科技成果与产业需求的高效对接?.docx
高校技术转移办公室人员在成果转化过程中,如何实现科技成果与产业需求的高效对接?


