中图分类号:N941.4 文献标识码:A 文章编号:1000-0585(2002)01-0079-10 1 前言 20世纪80年代以来,区域科学的研究正由静态的、均衡的范式逐渐向一种动态演化的范式转变,开始应用复杂性科学(Sciences of Complexity)的理论和方法来研究和分析区域问题及其时空演化的内在规律,内容涉及城市和区域系统内不同层次上的结构和功能以及在相应空间上的动态格局。开放系统、自组织、混沌和演化理论等一些新的模拟模型,诸如空间系统的非线性微分方程、细胞自动机、分形、人工神经网络、多主体模型等等逐渐被城市和区域研究者认识和应用,并且日益成为当代跨学科研究的热点和前沿。 采用模拟模型的方法研究城市和区域发展及其空间结构的演化具有悠久的历史。这一传统可以追溯到
对空间扩散过程的研究。70年代产生了大量的空间模型,其中的绝大多数本质上属于经验类的拟合。80年代以来,这方面的理论和建模有了长足的发展。例如,Allen和Sanglier模拟了城市等级体系作为自组织系统的进化过程,取得了很大的突破。Batty根从据有限扩散集聚(DLA)过程模拟城市生态和城市扩张。Krugman等人在积极倡导“新经济地理学”的同时也强调利用新的模型策略和计算机模拟研究空间问题的重要性。 本文不准备穷尽地勾勒复杂科学理论和方法在城市与区域研究中所取得的丰硕的富有创新的成果以及未来的发展趋势,希望将目光集中在这些新理论和方法的本身,探究各类模拟模型在城市和区域空间演化研究中的应用前景以及可能的途径,着重讨论它们建模的思想和手段,并在此基础上介绍作为复杂性科学研究的重要组成部分——复杂适应系统(Complex Adaptive System,CAS)理论,并且进一步阐述CAS模型的技术问题和建模思路的独到之处。 2 区域空间演化模拟研究中的两种策略 2.1 “自上而下”的模型策略 非线性和开放动态系统的研究成果为更好地理解城市和区域发展及其空间结构提供了一个变通的方法[1]。非线性微分方程(组)在许多方面体现了城市和区域系统的空间动力学特性[2],同时大多数这样的模型最初基本上源于类比物理学、化学中的自组织现象[3],从而形成所谓社会(经济)物理学模型。60年代,Lowry模型具有跨时代的意义,后来的许多模型基本上都是该模型的动态扩展。以Wilson和Allen等人为代表的城市空间动力学模型进一步将城市和区域理论的许多研究成果,诸如集聚经济理论、市场供求理论、人口增长理论、空间相互作用理论等等整合到统一的空间动力学框架中[1,4]。这类模型能够表现城市之中各个经济主体(依赖于不同的参数和初始条件)的互作是如何自发地产生出城市和区域空间结构的多样性,也有力地展示了由于非线性相互作用导致的城市和区域空间结构的突现(emergence)特性。Allen等人的贡献在于清晰地建立了某些参数的临界值与城市空间结构之间的关系。80年代以后进一步产生了一些更为复杂的模型[5~7],这些模型关注城市增长的供给和需求,甚至模拟不同的收入阶层不同的社会经济行为。近年来,针对空间集聚和城市演化而构建的空间自组织模型,注重考察决定集聚和扩散力量的相互作用,所构建的模型基本上也属于上述类型,而且更加关注宏观经济的微观机制[8,9]。 总之,非线性微分方程模型简洁、直观,可以清晰表现确定性方程的内在随机性,在一定程度上能够重复检验各种设定的条件。但是这样的模型自身也存在一些局限:它们将空间距离视为各向同性,忽略了地理差异,在表现空间相互作用的多样性和协作方面勉为其难,而且很难同时考虑两个或两个以上的城市和区域的空间尺度问题,也不大可能利用定性的知识,特别是表征在不断演化中产生的新的区域和城市的功能方面无能为力[10],也就是说,新突现的空间结构和内在属性和已经存在的区域没有什么差别[11]。 另外,协同学中的主方程模型由于其将微观上个人的状态转移概率和描绘宏观结构的某些变量联系起来也引起了一些学者的兴趣[12,13]。然而这类方程在处理上比较困难,其实用性也值得探讨。在自组织理论中,Litka-Volterra生态模型是合作与竞争的生动典型,尤其是适者生存的法则和生存与资源的矛盾等重要问题在模型中能够很好地体现。Dendrinos等人利用城市人口和人均收入来替代物种变量对Litka-Volterra模型进行了地理学意义的改造[14]。Orishimo以及Zhang等人利用该模型重现了前城市化、城市化、反城市化、再城市化等周期运动过程[15,16]。还有的一些模型试图利用Thom的突变理论来分析和描绘区域和城市增长的不连续性[17,18]。不过,由于突变理论本身的限制,仅仅几个变量和参数很难深刻地揭示城市和区域空间结构以及空间相互作用规律。 2.2 “自下而上”的模型策略 这类空间演化模型首先确定空间相互作用的局部规则(local rules),然后观察和研究出现的宏观行为特征。细胞自动机(Cell Automata,CA)就是一种模拟城市和区域系统比较有前景的框架[19~21]。基于CA的研究近年来广泛成为利用复杂性科学理论分析城市和区域空间结构的理想切入点[22~24]。CA作为天然的空间离散动力学模型,在模拟过程中能够动态显示区域的空间演变过程,可视化程度高,灵活性和透明度也比较好,而且可以并行计算。更重要的是,CA的特点体现了复杂性科学的一个重要观点:局部规则(local rules)导致系统全局变化(global change),即有序行为和自组织的出现。CA的不同的局部规则能够“导演”出丰富的空间图景,有的甚至可以逼真地模拟区域和城市空间结构的演化[25]。这些模型可以扩展到模拟真实的城市,不过并非致力于预测城市发展的精确形式,而在探究城市发展过程中不同形式的可能性方面更有价值[1]。然而,整个区域宏观上复杂的空间结构仅仅决定于简单的局部规则未免令人怀疑,况且这些规则多半是经验性的。事实上,总体的、宏观的管制、规划及各项决策对区域的空间结构的形成的作用也不能忽视,因此,宏观规划与微观决策如何整合到统一的模型中成了对CA模型的一个挑战。