城市居民的概率流动与自组织

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Probabilistic flows of inhabitants in urban areas and self-organization
  in housing markets》
---
作者：
Takao Hishikawa, Jun-ichi Inoue
---
最新提交年份：
2014
---
英文摘要：
  We propose a simple probabilistic model to explain the spatial structure of the rent distribution of housing market in city of Sapporo. Here we modify the mathematical model proposed by Gauvin et. al. Especially, we consider the competition between two distances, namely, the distance between house and center, and the distance between house and office. Computer simulations are carried out to reveal the self-organized spatial structure appearing in the rent distribution. We also compare the resulting distribution with empirical rent distribution in Sapporo as an example of cities designated by ordinance. We find that the lowest ranking agents (from the viewpoint of the lowest `willing to pay\') are swept away from relatively attractive regions and make several their own `communities\' at low offering price locations in the city.
---
中文摘要：
我们提出了一个简单的概率模型来解释札幌市住房市场租金分布的空间结构。这里我们修改了Gauvin等人提出的数学模型，特别是考虑了两个距离之间的竞争，即房屋和中心之间的距离，以及房屋和办公室之间的距离。计算机模拟揭示了租金分布中出现的自组织空间结构。我们还将结果分布与札幌的经验租金分布进行了比较，以该条例指定的城市为例。我们发现，排名最低的代理商（从最低的“愿意支付”的角度来看）被从相对有吸引力的地区扫地出门，并在城市中的低价地点建立了自己的几个“社区”。
---
分类信息：

一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Probabilistic_flows_of_inhabitants_in_urban_areas_and_self-organization_in_housi.pdf (632.33 KB)

2022-5-6 08:43:49 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：城市居民 自组织 distribution Quantitative Mathematical

我们提出了一个简单的概率模型来解释札幌市住房市场租金分布的空间结构。在这里，我们修改了Gauvin等人[1]提出的数学模型。特别是，我们考虑了两个距离之间的竞争，即房屋和中心之间的距离，以及房屋和办公室之间的距离。计算机模拟揭示了租金分布中出现的自组织空间结构。我们还以札幌为例，以该条例指定的城市为例，将所得分布与经验租金分布进行了比较。我们发现，排名最低的代理商（从最低的“愿意支付”的角度来看）被从相对有吸引力的地区扫地出门，并在城市的低价销售地点建立了自己的几个“社区”。1简介相互作用的动物的集体行为，如飞鸟、移动的昆虫或游动的鱼类，由于其高度不平凡的特性，已经吸引了科学家和工程师的大量关注。通过广泛的数据分析[2]收集椋鸟觅食的经验数据，并基于一种称为BOIDS[3,4]的简单算法对现实觅食进行计算机模拟，甚至进行了几次引人注目的尝试，以弄清集体现象的机制。这种动物集体行为的应用也已在工程领域提出[5]。北海道大学HishikawaGraduate信息科学与技术学院，N14-W-9，札幌北谷060-0814，日本北海道大学信息科学与技术研究生院，N14-W-9，札幌060-0814，北海道大学，N14-W-9，札幌060-0814电子邮件：jinoue@cb4.so-网。氖。jp2 T.Hishikawa和J。

显然，出现这种非平凡集体现象的关键因素之一是主体之间的“局部相互作用”。微观系统中的局部相互作用导致宏观系统中出现非平凡结构。换句话说，没有优秀的领导者来设计整个系统，然而，系统展示的时空模式是由系统中每个相互作用的成分的局部决策“自组织”的。这种通过代理人之间的局部互动进行的自组织不仅可能出现在自然现象中，也可能出现在包括经济学在内的一些社会系统中。例如，城市居民寻找住房的决策、由此产生的居民街（区）组织和住房市场行为就是此类集体行为和突发现象的很好例子。人们会在自己的城市中寻找合适的地点，并决定在与买家就租金进行协商后，如果交易获得批准，就住在一个出租的地方。因此，时空格局可能会融合，即昂贵和廉价的住宅区可能在城市中分别共存。也就是说，当地居民的决策决定了城市宏观属性的整体结构，也就是说，居民的密度、租金的空间分布以及住房市场的行为。因此，对我们来说，调查哪类居民选择哪种地点、租金以及他们决定住房的主要因素非常重要。

当我们考虑有效的城市规划时，通过回答上述天真问题而获得的知识可能是有用的。此外，这样一个简单但重要的问题也很重要，在所谓的空间经济学背景下可能是一个高级问题[6]。事实上，建设新的地标或购物区可能会鼓励居民搬到新的地方居住，同时，由寻找新的居住地点的居民的概率流动所导致的居民分布可能是管理者考虑未来城市规划的重要信息。因此，它可以被视为“复杂系统”的典型例子，在这种系统中，宏观信息（城市规划）和微观信息（居民寻找新居所的流动）在弱相互作用下在相对较长的时间尺度上共同演化。为了从微观角度研究系统的宏观属性，我们应该研究个人的决策策略。然而，我们仍然很难通过科学可靠的调查来解决这个问题。这是因为在观察个体行为时，存在着相当大的人与人之间的冲突。也就是说，即使基于印象评估或问卷调查进行了多次尝试，人们仍无法克服个体差异，从而在行为中找到普遍的事实。

另一方面，在我们人类的“集体”行为而非个人行为中，我们有时会观察到一些普遍的事实，这些事实似乎是计算机科学家通过复杂的方法（如基于代理的模拟或伴随机器学习技术的多元统计）来描述现象的合适材料。住房市场中的自组织3在Gauvin等人[1]最近提出的住房市场数学模型中，他们利用几个假设来描述巴黎每个居民的决策。也就是说，他们假设一座城市的内在吸引力取决于这个地方，而在中心存在一个峰值。他们还假设每个居民倾向于选择与自己收入相近或更高的其他居民居住的地方。为了找到最适合居住的地方，系统中的每个买家根据上述两个假设描述的转移（聚合）概率从一个地方移动到另一个地方，并与为买家提供最佳条件的卖家达成交易。他们得出结论，由此产生的自组织租金分布与巴黎的相应经验证据基本一致。然而，我们很难将他们的模型直接应用于其他拥有多个中心的城市（而不是像巴黎那样只有一个中心）。因此，在这里，我们将通过考虑札幌市住房状况的经验数据，修改高文模型[1]，以包含吸引力的更详细结构。札幌是第四大无花果。札幌是日本北部北海道岛上最大的城市。

札幌也被视为法令指定的大城市之一，它有十个区（日语中我们称“区”为“区”），即中央区、东区、西区、南部、北区、丰田章男、白石城、阿特贝苏、田和清田。日本人口最多的城市，也是日本北部岛屿海都岛上最大的城市。札幌也被公认为是法令指定的大城市之一，它有十个区（在日语中，我们称“区”为“区”），即中央（Central）、4 T.Hishikawa和J.Inoueighashi（东）、西（西）、南、北（北）、丰原（Toyohira）、白石（Shiraishi）、Atsubetsu、Teine和清田（Kiyota），如图1所示。我们还考虑了两个距离之间的竞争，即房屋和中心之间的距离，以及房屋和办公室之间的距离。通过计算机模拟，揭示了其分布中出现的自组织结构。最后，以札幌市为例，将所得分布与经验租金分布进行了比较。我们发现，排名最低的代理商（从最低“愿意支付”的角度来看）被从相对有吸引力的地区扫地出门，并在城市中的低价地点建立了自己的几个“社区”。本文的组织结构如下。在接下来的第2节中，我们将介绍高文模型[1]，并尝试应用它来解释札幌市的住房市场，札幌市是日本法令指定的典型城市之一。在第三节中，我们展示了札幌市平均租金的经验分布，并将其与前一节中通过计算机模拟获得的分布进行了比较。第4节，我们将把Gauvin模型[1]中只有一个中心的情况扩展到更广义的模型中，该模型中有多个中心位于各个中心的位置。

在第5节中，我们明确地发现，我们的广义模型可以解释札幌市租金空间分布的定性行为。在同一部分中，我们还展示了一些关于居民的位置及其对居民迁往新地方的决策的影响的结果。最后一节是总结和讨论。2模型系统这里我们介绍我们的模型系统，它最初由Gauvin等人[1]提出。我们还提到了我们在札幌市的案例中遇到的困难。2.1城市——工作空间——我们将城市定义为L×L方格上的一组节点。格点的每一个边都是1，我们把这个集合称为Ohm. 根据定义，集合中元素的数量由|Ohm| ≡ L.市中心位于阿图≡ （1/2，1/2）。中心OOO和城市中任意位置之间的距离，比如XXX≡ （x，y）由d（XXX）=q（x）测量-L/2）+（y-L/2）（1）住房市场的自组织5我们应该记住D（XXX）≤ L/2应满足要求。因此，如果该市共有N套出租公寓出售，N≡ N/L房屋在XXX任意地点“平均”出售。2.1.1我们为什么选择札幌市？正如我们稍后将看到的，我们的建模适用于任何类型的城市。然而，在这里，我们选择我们的家乡札幌市作为研究的目标城市。图2札幌市（市区）的标志。我们可以很容易地在交通信号灯的顶部找到“South 5 West 4”，这意味着这里距离起点（奥多里公园，中心）向南5个街区，向西4个街区。就上述工作空间的设置而言，札幌市是一个著名的城镇。

这是因为市区的道路被铺设成了网格规划道路[9]。因此，我们可以很容易地通过二维向量来指定每个位置，比如“S5W4”，这意味着从原点往南5个街区，往西4个街区（\'OdoriPark\'，center）。这些标签通常由交通信号顶部的标记表示（见图2）。这些性质可能有助于我们收集经验数据集，并将其与概率模型的输出进行比较。2.2代理人我们假设存在三个不同的代理人，即“买方”、“卖方”和“住房”。这些试剂的总数不是恒定的，而是随时间变化的。例如，在每个（单位）时间步t=1，Γ(≥ 1） 代理商以“新的6 T.Hishikawa和J.Inouebusers”的身份访问该市，而总住房人数中的α百分比的人以一定的价格将房子出租，他们成为“新卖家”。当“新卖家”成功卖掉房子后，他们离开城市搬到其他城市。图3中的一幅漫画说明了这种情况。图3我们的模型系统中的三种代理及其典型行为。作为“买家”的新来者在城市（比如札幌）寻找住房。当他/她搬到另一个城市（如东京或大阪）时，住在自己房子里的“住”的人就变成了“卖家”。每个卖家都向买家提出可能的租金。一旦卖方接受报价并与买方签订合同，买方即成为该地的“居住者”，卖方立即离开札幌市。2.2.1代理人的排名根据其对住房的“愿意支付”程度对每个代理人进行分类（排名）。让我们按K定义类别的总数。然后是属于K类别的代理∈ {0，··，K-1} 可以为住房支付Pk（以货币单位，例如日元计算）。

因此，当我们将价格按以下顺序P<P<·P<PK时，我们可以向所有代理明确说明-1.（2）本文给出了“愿意支付”的价格pk=P+kK-1，k=0，··，k-1，（3）即最高租金和最低PK之间的差额-1前往阿加普, 每个类别（人）被放入一个/K间隔。在我们稍后给出的计算机模拟中，每个代理的排名是从{0，·，K]随机分配的-1}.住房市场的自组织72.3区位吸引力很多人被靠近铁路（地铁）站或大型购物区的特定区域吸引住。众所周知，尤其是在札幌市，位于札幌火车站西侧的丸山地区，尤其吸引了高级人士作为专属居民。因此，我们可以自然而然地假设城市中的每个区域都有自己的吸引力，我们可以将吸引力视为与时间无关的量。然而，在某种意义上，吸引力也可能取决于代理人的类别（排名）。例如，对于一些收入相对较低、买不起房子的人来说，专属住宅区没有吸引力。另一方面，一些收入相对较高的人不想住在靠近繁华街道或贫民窟的地区。考虑到这两个截然不同的事实，区域XXX的吸引力应包括内在吸引力A（XXX）的一部分，该部分独立于类别k=0、·k-1和吸引力的另一部分，这取决于类别。

因此，我们假设在时间t时，在XXX区域属于k类的人的吸引力，也就是说，Ak（XXX，t）由以下时空递归关系更新：Ak（XXX，t+1）=Ak（XXX，t）+ω（A（XXX）-Ak（XXX，t））+Φk（XXX，t）（4），其中A（XXX）代表独立于时间的内在吸引力，任何类别的人都能感受到同样的魅力。例如，如果城市中心OOO=（L/2，L/2）具有巴黎最高的内在吸引力Amaxas[1]，我们可以选择吸引力A（XXX）作为二维高斯分布，平均OOO=（L/2，L/2），方差A（XXX）=Amax√πRexp-{（x）-L/2）+（y-L/2）}2R（5） 其中方差R表示一个参数，该参数控制来自中心的影响范围。我们应该注意到，当我们设置Φk（XXX，t）=0时，方程（4）有一个唯一的稳态解a（XXX）。顺便说一句，我们很难想象在寻找自己房子的经纪人之间存在直接的互动（即“交流”）。然而，没有人怀疑儿童教育（学校）或公共和平应该是个人（家长）寻找住房的一个重要问题。事实上，有些人认为他们的孩子应该在一个良好的环境中长大，与他们的子女的朋友生活水平相同。另一方面，人们可能很少搬到生活水平比自己低的地区。也就是说，人们很自然地会寻找一个区域作为他们的居住场所，在那里，其他更高的人是T.Hishikawa和J。