[論文レビュー] UrbanVCA: a vector-based cellular automata framework to simulate the urban land-use change at the land-parcel level

Yao Yao, Linlong Li+10 more|arXiv (Cornell University)|Mar 15, 2021

Land Use and Ecosystem Services参考文献 34被引用数 8

ひとこと要約

UrbanVCAは、実際の土地区画データを用いて、土地区画レベルでの都市的土地利用変化をシミュレートする画期的なベクターベースのセルラー・オートマトンフレームワークである。複数の機械学習モデルを統合し、正確性評価のための新しいベクターベースのランドスケープインデックス（VecLI）を導入している。中国・順徳で、図の優位性（FoM）は0.243、ランドスケープインデックス類似度は87.3％を達成し、高いシミュレーション精度を示し、持続可能な都市開発のためのシナリオプランニングを支援した。

ABSTRACT

Vector-based cellular automata (CA) based on real land-parcel has become an important trend in current urban development simulation studies. Compared with raster-based and parcel-based CA models, vector CA models are difficult to be widely used because of their complex data structures and technical difficulties. The UrbanVCA, a brand-new vector CA-based urban development simulation framework was proposed in this study, which supports multiple machine-learning models. To measure the simulation accuracy better, this study also first proposes a vector-based landscape index (VecLI) model based on the real land-parcels. Using Shunde, Guangdong as the study area, the UrbanVCA simulates multiple types of urban land-use changes at the land-parcel level have achieved a high accuracy (FoM=0.243) and the landscape index similarity reaches 87.3%. The simulation results in 2030 show that the eco-protection scenario can promote urban agglomeration and reduce ecological aggression and loss of arable land by at least 60%. Besides, we have developed and released UrbanVCA software for urban planners and researchers.

研究の動機と目的

• 土地区画レベルでの都市的土地利用変化を高精度にシミュレートできるスケーラブルでベクターベースのセルラー・オートマトンフレームワークの開発。
• ベクターベースのCAモデルの広範な導入を妨げる技術的・データ的複雑性を克服すること。
• 柔軟なシミュレーションアーキテクチャ内に複数の機械学習モデルを統合すること。
• パラメータレベルでの正確なシミュレーション評価のための新しいベクターベースのランドスケープインデックス（VecLI）の導入。
• 都市計画者に、シナリオベースの都市開発計画の意思決定支援のための実用的ソフトウェアツールを提供すること。

提案手法

• UrbanVCAフレームワークは、従来のラスターグリッドに代わって、実際の土地区画境界を基本空間単位として使用する。
• 地域ルールと周辺部との相互作用に基づいて土地利用の遷移をモデル化するベクターベースのセルラー・オートマトンエンジンを実装する。
• 社会経済的要因および環境要因に基づいて、土地利用変化の確率を予測するため、複数の機械学習モデル（例：ランダムフォレスト、XGBoost）を統合する。
• シミュレートされたと観察されたランドスケープパターンをパラメータレベルで定量的に比較するため、新しいベクターベースのランドスケープインデックス（VecLI）を提案する。
• エコロジカル保護や都市拡張などのシナリオベースのシミュレーションをサポートする。
• ソフトウェア実装により、都市計画者や研究者によるインタラクティブなシミュレーション、可視化、検証が可能になる。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、高精度にパラメータレベルでの都市的土地利用変化をシミュレートできるベクターベースのセルラー・オートマトンモデルを効果的に設計できるか？
• RQ2 機械学習モデルは、ベクターベースのCAフレームワークにおける土地利用遷移の予測精度をどの程度向上できるか？
• RQ3 提案されたベクターベースのランドスケープインデックス（VecLI）は、従来のラスターベースのインデックスと比較して、現実のランドスケープパターンをどの程度的確に捉えられるか？
• RQ4 特に生態的保護政策を含む、さまざまな都市計画シナリオが都市形態と生態的成果に与える影響は何か？
• RQ5 UrbanVCAのようなソフトウェアフレームワークは、都市計画者によるシナリオベース意思決定支援の実用的導入が可能か？

主な発見

• UrbanVCAフレームワークは、中国・順徳における観察された都市的土地利用変化を再現するにあたり、図の優位性（FoM）が0.243に達し、高いシミュレーション精度を示した。
• シミュレートされたパターンと観察されたパターンのランドスケープインデックス類似度は87.3％に達し、空間的パターンの類似性が強く裏付けられた。
• エコロジカル保護シナリオでは、都市の集積が増加し、生態的圧力と耕作地の損失がそれぞれ60％以上減少した。
• 機械学習モデルの統合により、ベクターベースのCAフレームワークの予測能力が顕著に向上した。
• 提案されたVecLIインデックスは、パラメータレベルでのランドスケープ類似度を効果的に定量化し、空間的詳細の面で従来のラスターベースの指標を上回った。
• UrbanVCAソフトウェアは、都市計画者や研究者がインタラクティブにシナリオベースの都市シミュレーションを実施できるように、正常に開発・公開された。