Understanding Complex Urban Systems: Integrating Multidisciplinary Data in Urban Models

این کتاب به مدل‌سازی و درک سیستم‌های پیچیده شهری اختصاص دارد. این جلد دوم از درک سیستم های پیچیده شهری بر چالش های ابزارهای مدل سازی، به عنوان مثال، کیفیت و کمیت داده ها و انتخاب یک رویکرد مدل سازی مناسب تمرکز دارد. هدف آن حمایت از تصمیم گیرندگان شهری - از جمله سیاستمداران شهرداری، برنامه ریزان فضایی و گروه های شهروندی - در انتخاب یک رویکرد مدل سازی مناسب برای الزامات مدل سازی خاص آنها است. مشارکت کنندگان در این جلد از رشته های مختلف هستند، اما همه در یک هدف مشترک هستند: بهینه سازی نمایش سیستم های پیچیده شهری. آنها رویکردهای مختلفی را برای مقابله با مشکلات در دسترس بودن داده ها و یافتن رویکردهای مدل سازی مناسب ارائه و بحث می کنند - و نه تنها از نظر مدل سازی کامپیوتری.

انتخاب مقالات ارائه شده در این جلد، طیف گسترده ای از رویکردهای مدل سازی جدید و تثبیت شده را منعکس می کند:

- استدلالی برای استفاده از روش های کلان داده در ارتباط با مدل سازی مبتنی بر عامل ;

- معرفی یک رویکرد مشارکتی شامل شهروندان، به منظور استفاده از رویکرد مدل‌سازی مبتنی بر عامل برای شبیه‌سازی سناریوهای رشد شهری؛

- ارائه مدل‌سازی معنایی برای توانمندسازی کاربرد انعطاف‌پذیر روش‌های مدل‌سازی و تبادل انعطاف‌پذیر داده‌ها؛

- مقاله‌ای در مورد رویکرد سیستم‌های تودرتو برای تجزیه و تحلیل زیرسیستم‌های وابسته به هم شهری (با توجه به سرعت‌های مختلف تغییر این زیرسیستم‌ها)؛

- مقاله‌ای در مورد روش‌هایی که از نظریه سیستم لومان برای توصیف شهرها به عنوان سیستم‌هایی که از جریان‌ها تشکیل شده‌اند استفاده می‌کنند؛

- مقاله‌ای که نشان می‌دهد چگونه می‌توان از رویکرد قابلیت‌های Sen-Nussbaum در سیستم‌های شهری استفاده کرد. برای اندازه‌گیری تغییرات رفاهی خانوار که در پاسخ به اسکان مجدد خانوارهای شهری رخ می‌دهد؛

- مقاله نهایی که نشان می‌دهد چگونه چرخه‌های تطبیقی ​​سیستم‌های تطبیقی ​​پیچیده، و همچنین نوآوری، می‌توانند برای به دست آوردن درک بهتر شهرها و ارتقای آینده شهری انعطاف‌پذیرتر و پایدارتر.

This book is devoted to the modeling and understanding of complex urban systems. This second volume of Understanding Complex Urban Systems focuses on the challenges of the modeling tools, concerning, e.g., the quality and quantity of data and the selection of an appropriate modeling approach. It is meant to support urban decision-makers—including municipal politicians, spatial planners, and citizen groups—in choosing an appropriate modeling approach for their particular modeling requirements. The contributors to this volume are from different disciplines, but all share the same goal: optimizing the representation of complex urban systems. They present and discuss a variety of approaches for dealing with data-availability problems and finding appropriate modeling approaches—and not only in terms of computer modeling.

The selection of articles featured in this volume reflect a broad variety of new and established modeling approaches such as:

- An argument for using Big Data methods in conjunction with Agent-based Modeling;

- The introduction of a participatory approach involving citizens, in order to utilize an Agent-based Modeling approach to simulate urban-growth scenarios;

- A presentation of semantic modeling to enable a flexible application of modeling methods and a flexible exchange of data;

- An article about a nested-systems approach to analyzing a city’s interdependent subsystems (according to these subsystems’ different velocities of change);

- An article about methods that use Luhmann’s system theory to characterize cities as systems that are composed of flows;

- An article that demonstrates how the Sen-Nussbaum Capabilities Approach can be used in urban systems to measure household well-being shifts that occur in response to the resettlement of urban households;

- A final article that illustrates how Adaptive Cycles of Complex Adaptive Systems, as well as innovation, can be applied to gain a better understanding of cities and to promote more resilient and more sustainable urban futures.