Cellular Automata – CA – mô phỏng không gian như một lưới các ô, mỗi ô có trạng thái và chuyển trạng thái theo đặc điểm bản thân, lân cận và quy tắc phát triển. Trong đô thị, CA được dùng rộng để mô phỏng urban expansion, chuyển đổi đất nông nghiệp–đô thị và pattern phát triển.
CA đơn giản hơn ABM ở chỗ đơn vị chủ yếu là cell và local transition rules, nhưng có khả năng tạo pattern không gian phức tạp từ tương tác lân cận.
Chuyên đề: Mô hình định lượng, không gian & mô phỏng trong BĐS · Bài 42 · Mô phỏng, tối ưu và tương tác chiến lược
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. Cell và state
Cell có thể 30×30 m, 100×100 m hoặc parcel-like raster. State: undeveloped, residential, commercial, industrial, protected... Resolution ảnh hưởng kết quả và computational cost.
2. Neighborhood
Von Neumann 4-neighbor, Moore 8-neighbor hoặc radius lớn hơn. Urbanization probability thường tăng khi neighbors đã urbanized, tạo contagion.
3. Transition rule
P(Urbanize)=f(accessibility, slope, distance roads, neighbors, zoning, constraints). Rule có thể logistic, ML, fuzzy hoặc heuristic.
4. Suitability vs transition
Suitability là mức nơi phù hợp; transition còn phụ thuộc demand quantity và neighborhood dynamics. Không biến suitability map thành simulation chỉ bằng threshold.
5. Constraints
Water, protected land, steep slope hoặc legal restriction có thể hard constraints; soft constraints giảm probability. Cần phân biệt.
6. Demand allocation
Macro demand như cần thêm 5.000 ha urban được phân bổ xuống cells theo transition probability. Nếu không có demand control, model có thể urbanize quá nhiều.
7. Calibration từ hai bản đồ thời gian
Dùng land-use t0→t1 để học transition. Sau đó validate dự báo t2 bằng map thực. Không calibrate và validate cùng interval.
8. Metrics validation
Overall accuracy dễ cao nếu non-urban chiếm đa số. Dùng Kappa variants, figure of merit, quantity/allocation disagreement, landscape metrics và spatial overlap.
9. Neighborhood effect
Urban growth có contagion nhưng leapfrog development cũng xảy ra. Rule cần cho phép spontaneous growth/road influence, không chỉ adjacent expansion.
10. CA–Markov
Markov ước transition quantity giữa classes; CA phân bố transitions theo space. Đây là combo phổ biến nhưng Markov stationarity assumptions cần thận trọng.
11. CA–AHP/MCDA
AHP tạo suitability weights; CA thực hiện spatial transition. Nếu weights chủ quan, simulation uncertainty phải được stress.
12. CA–Machine Learning
Random Forest/ANN có thể học transition probability; CA thêm neighborhood and allocation. Accuracy cao không đảm bảo causal mechanism đúng.
13. Scenario planning
Base, transit-oriented, conservation, compact growth có zoning/road/demand rules khác. CA phù hợp so spatial consequences của scenarios hơn forecast chắc chắn.
14. Case: mở vành đai
Road accessibility mới tăng suitability dọc corridor; neighborhood contagion kéo urban edge; protected zones chặn. Mô hình cho pattern growth và land conversion risk.
15. Cấu trúc dữ liệu
| cell_id | time | state | neighbors_urban | road_dist | slope | zoning | constraint |
|---|---|---|---|---|---|---|---|
| C001 | 2025 | agri | 3 | 1.2km | 2% | mixed | 0 |
16. Resolution và MAUP
Grid size lớn làm mất chi tiết; quá nhỏ tạo noise và nặng. Chạy sensitivity nhiều resolutions nếu mục tiêu cho phép.
17. Sai lầm
- Suitability map = CA forecast.
- Calibration và validation cùng period.
- Accuracy tổng cao do class imbalance.
- Không demand constraint.
- Neighborhood rule tùy ý.
- Scenario output gọi là dự báo chắc chắn.
18. Bài tập thực hành
Thiết kế CA 100 m cho urban expansion 10 năm. Xác định 5 states, Moore neighborhood, transition model, hard constraints, demand per year, calibration 2015–2020 và validation 2020–2025.
19. Quantity disagreement và allocation disagreement
Một CA có thể dự báo đúng tổng 1.000 ha urban mới nhưng sai vị trí. Tách quantity error khỏi allocation error giúp biết lỗi nằm ở macro demand hay spatial transition.
20. Landscape metrics
Patch size, fragmentation, edge density và compactness giúp kiểm simulation có tạo morphology đô thị giống thực tế. Pixel accuracy cao nhưng morphology sai có thể vẫn không hữu ích cho planning.
21. Probabilistic Cellular Automata
Thay vì rule deterministic, transition probability tạo nhiều realizations. Chạy nhiều simulations để lập probability-of-urbanization map thay vì một future map chắc chắn.
22. Policy constraints theo thời gian
Zoning và protected areas có thể thay theo năm. CA production nên version constraint layers theo time; dùng zoning 2035 để simulate 2025–2030 là data leakage chính sách.
23. Transition potential và demand quantity
Một cell có probability phát triển 0,9 không có nghĩa chắc chắn chuyển nếu city chỉ cần thêm 100 ha. Allocation algorithm phải chọn số cells phù hợp macro demand. Tách transition potential và quantity control làm model dễ kiểm hơn.
24. Uncertainty map
Chạy nhiều seeds, parameter sets và demand scenarios có thể tạo xác suất mỗi cell urbanized. Vùng 50–60% là bất định cao, nên được coi là vùng cần theo dõi thay vì ranh phát triển chắc chắn.
25. CA và parcel-based simulation
Grid thuận tiện nhưng thực tế phát triển theo thửa/dự án. Parcel-based CA hoặc patch-based CA giảm fragmentation phi thực tế và gần quyết định development hơn, đổi lại dữ liệu và tính toán phức tạp hơn.
Ghi nhớ trong 30 giây
- CA mô phỏng chuyển trạng thái cell theo local rules.
- Suitability khác transition.
- Neighborhood, demand và constraints là ba thành phần cốt lõi.
- Phải validation trên thời kỳ khác calibration.
- CA rất phù hợp scenario đô thị và land-use change.
Nguồn tham khảo
- Batty & Longley – Fractal Cities / cellular urban modeling foundations.
- Santé và cộng sự – Cellular automata models for real-world urban processes.
- Các tổng quan urban CA và land-use change simulation.
Bài tiếp theo: Real Options: giá trị của quyền trì hoãn, mở rộng, thu hẹp và chuyển đổi dự án