Onderzoeksmethoden

De onderzoeksmethoden beschrijft uitvoerig welke methoden worden toegepast bij ruimtelijke simulatie en optimalisatie in het RuimteModel Vlaanderen. 

Ruimtelijke simulatie

Het dynamische karakter van het RuimteModel Vlaanderen is gebaseerd op een constrained cellular automata (CCA) benadering. Het onderliggende modelleerconcept (White en Engelen, 1993) heeft zijn definitieve vorm verkregen in onderzoeks- en beleidsgeoriënteerde projecten, en vormt de kern van het MOLAND modelleerraamwerk (Barredo et al., 2004; Engelen et al., 2007, Shahumyan et al., 2009, Barredo en Engelen, 2010, White et al., 2015) dat ontwikkeld werd voor het Europees Joint Research Centre in Ispra.

Cellular automata of in het Nederlands cellenautomaten (CA) zijn wiskundige objecten bestaande uit een n-dimensionele ruimte opgebouwd uit cellen geplaatst in een regelmatig rooster. De cellen bevinden zich in één van een discreet aantal mogelijke toestanden. De toestand van elke cel wijzigt als gevolg van de toepassing van een transitieregel op zijn naburige cellen. Voor het RuimteModel Vlaanderen wordt een 2-dimensionale ruimte toegepast en zijn de cellen vierkanten met een oppervlakte van 1 ha. De toestand van elke cel is zijn landgebruik, gekozen uit een set van 40 mogelijke landgebruiken. De transitieregel wordt toegepast op een omgeving die meestal beperkt blijft tot de 196 onmiddellijke buurcellen. De transitieregels zijn een weergave van de ruimtelijke interacties die zich voordoen op gegeven afstanden tussen elk mogelijk paar van landgebruiken. Ze stellen hoe sterk landgebruiken aangetrokken worden tot elkaar, of net mekaar afstoten op een bepaalde afstand. Bijvoorbeeld geven ze uitdrukking aan het feit dat vervuilende industriële activiteiten algemeen een afstotende werking hebben op hoogwaardige residentieel landgebruik in de onmiddellijke omgeving, en, dat dienstenactiviteiten liefst willen ontwikkelen in de nabijheid van residentieel landgebruik met hoge dichtheid.

Het discreet en iteratief karakter van deze benadering en het feit dat de wisselwerking tussen de cellen alleen lokaal wordt meegenomen verhoogt aanzienlijk de rekenefficiëntie van de methode. Dit maakt een hoge mate van ruimtelijk detail mogelijk, hetgeen een belangrijk voordeel voor de modellering van landgebruik is. De onderliggende aanname van CA modellen voor landgebruik is dus dat het toekomstig landgebruik volledig kan worden verklaard uit het bestaande landgebruik en de interactieregels. In werkelijkheid zijn ook processen op grotere schaalniveau’s van gemeentelijk tot globaal van invloed, en wordt het ruimtegebruik daardoor ingeperkt. Bij ingeperkte (constrained) of hybride cellular automata modellen wordt de ruimtelijke dynamiek beperkt door de koppeling van modellen op hogere ruimtelijke schaalniveaus (Batty and Xie, 1994, Engelen et al., 1995, White en Engelen, 1997, Engelen et al., 2007). Het RuimteModel is daarom een gelaagd model met deelmodellen op 3 schaalniveaus: op het globale niveau wordt de ontwikkeling van Vlaanderen en Brussel in de globale context gemodelleerd op basis van scenario’s. Op het regionale niveau, dat van de arrondissementen, wordt een ruimtelijk interactiemodel op basis van potentialen toegepast. Op het lokale, cellulaire niveau wordt tenslotte het principe van de cellenautomaten toegepast op cellen met een resolutie van 1 ha. Bovendien wordt gesteld dat de ruimte waarin zich de dynamiek ontwikkelt heterogeen is. Ook dit betekent een inperking van de dynamiek. De cellen verschillen dus niet alleen aangaande hun toestand, maar ook met betrekking tot de fysische, sociale, economische, infrastructurele en beleidsmatige karakteristieken van de locatie zelf (Clarke et al. 1997, Li en Yeh, 2000, Poelmans en Van Rompaey, 2010). In ruime mate is hierbij gebruik gemaakt van de statistische en geografische (GIS) gegevens, die beschikbaar zijn bij de Vlaamse overheden.

Ruimtelijke optimalisatie

Ruimtelijke optimalisatie met het RuimteModel Vlaanderen behelst het in de ruimte plaatsen van één of meerdere functies die als een ruimtegebruik weergegeven kunnen worden. Voorbeelden zijn: bedrijventerreinen, voorzieningen, natuurtypen, etc.

Dit gebeurt aan de hand van een iteratieve aanpak waarbij met het model een groot aantal (miljoenen) varianten van oplossingen wordt gegenereerd en geëvalueerd. De variant die het best beantwoord aan alle optimalisatiecriteria wordt geselecteerd als de optimale oplossing. Voor het zoeken naar de optimale oplossing gebruikt het RuimteModel Vlaanderen drie modules.De eerste ‘Definitie varianten’ is de module die de varianten genereert en ze doorgeeft voor de ruimtelijke allocatie ervan aan de tweede module ‘Ruimtelijke allocatie’. Varianten zijn oplossingen die minder of meer belang hechten aan de individuele locatiefactoren die in het vraagstuk worden meegenomen. Het gaat om factoren van fysische, ecologische, milieutechnische, ruimtelijke beleid en/of verkeersinfrastructuur en –ontsluiting aard.

De module ‘Ruimtelijke allocatie’ behelst in hoofdzaak het RuimteModel in zijn simulatieversie. Ze zorgt ervoor dat de varianten in de ruimte geplaatst worden, al dan niet rekening houdend met de ruimtelijke interacties tussen de aanwezige ruimtegebruiken en de nieuw in te planten functie(s). Na de ruimtelijke allocatie berekent de module het resultaat ervan in termen van alle (ruimtelijke) optimalisatiecriteria en geeft ze door aan de derde module ‘Afweging & optimalisatie’. Deze laatste doet de afweging van de resultaten die uit de ruimtelijke allocatie voortkomen en stuurt informatie terug naar de eerste module om meer en betere varianten aan te maken. Het principe van een genetische algoritme wordt hiervoor toegepast op de locatiefactoren en eventuele andere parameters die deel uitmaken van de oplossingsruimte. Het genetisch algoritme zoekt de gehele oplossingsruimte af. Het genereert regelmatig volledig nieuwe sets van gewichten en parameterwaarden om te ontsnappen uit lokale optima en verfijnt de parameters door mutaties en crossovers om te evolueren naar een set die de best mogelijke oplossing oplevert.(Zie o.a. Tomoiagă et al., 2013) 

De afweging van de oplossingen gebeurt ten opzichte van criteria op verschillende ruimtelijke schalen, variërend van het globale tot het cellulaire niveau, met een focus op het laatste. Het kan daarbij gaan om complexe indicatoren die door het RuimteModel worden berekend voor elke oplossing. Bijvoorbeeld voor het realiseren van instandhoudingsdoelstellingen geldt het simultaan realiseren van hoogwaardige leefgebieden voor meerdere soortengroepen naast een set van socio-economische criteria. Dit vereist de allocatie van erg specifieke natuurtypen zodat clusters gevormd kunnen worden met de juiste samenstelling en configuratie op de plekken met de juiste ecologische en fysische kenmerken. De afwegingsmodule kan overweg met een groot aantal optimalisatiecriteria: problemen met een 40-tal ruimtelijke criteria werden al succesvol opgelost. Afhankelijk van het aantal criteria en het type probleem kan geopteerd worden voor verschillende afwegingsmethoden. Problemen kunnen aangepakt worden op basis van een samengestelde utiliteitswaarde en utiliteitsvergelijking, waarin de criteria gewogen gecombineerd worden, maar, er kan evenzeer geopteerd worden voor de toepassing van Pareto-efficiëntie en het zogenaamde Pareto front. Bij een groot aantal criteria kan het ook aangewezen zijn om de criteria te bundelen in pakketten die specifieke aspecten van de gezochte oplossingen benadrukken, bijvoorbeeld een focus op woonkwaliteit, op omgevingskwaliteit, op mobiliteit, op ecologische waarde, enz.

Aangezien het RuimteModel in zijn geheel instaat voor de ruimtelijke allocatie van de varianten van oplossingen, kan er gewerkt worden met optimalisatievraagstukken die zich stellen op het huidige tijdstip, of voor een toestand gekozen ergens tussen nu en 40 jaar in de toekomst. Voor het laatste type wordt er gewerkt met een combinatie van simulatie en optimalisatie. In de meest geavanceerde toepassingen is het ook mogelijk om bepaalde functies optimaal in de ruimte in te planten op een gegeven tijdstip om vervolgens aan de hand van simulatie te onderzoeken welke verdere effecten ze op de organisatie van de ruimte hebben. Dit laatste type toepassing is waar het vaak om gaat in de ruimtelijke planning: inzichten krijgen in de ruimtelijke dynamiek die op gang wordt gebracht door de juist ingreep in de ruimte op het beste moment.

Referenties

  • Batty M. and Xie Y., 1994; From cells to cities, Environment and Planning B, 21, pp.31-48.
  • Barredo J. I., Engelen G., 2010. Land Use Scenario Modelling for Flood Risk Mitigation, Sustainability, 2, 1327-1344 
  • Barredo, J.I., Demicheli, L., Lavalle, C., Kasanko, M. and McCormick, N., 2004; Modelling future urban scenarios in developing countries: an application case study in Lagos, Nigeria. Environment and Planning B, 32: 65-84.
  • Clarke K.C., Hoppen S. and Gaydos I., 1997; A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area, Environment and Planning B, 24, pp.247-261.
  • Engelen G., C. Lavalle, J. I. Barredo, M. van der Meulen and R. White, 2007; The MOLAND modelling framework for urban and regional land-use dynamics, in: Modelling Land-Use Change. Progress and Applications, edited by: E. Koomen, J. Stillwell, A. Bakema, H. J. Scholten. Springer, The Netherlands, p.297-320.
  • Engelen G., White R., Uljee I. and Drazan P., 1995; Using Cellular Automata for Integrated Modelling of Socio-environmental Systems, Environmental monitoring and Assessment, 30, pp.203-214
  • Li X. and Yeh A. Gar-on, 2000; Modelling sustainable urban development by the integration of constrained cellular automata and GIS, International Journal of Geographical Information Science, 14, 2, pp.131-152.Poelmans en Van Rompaey, 2010
  • Shahumyan, H., White, R., Twumasi, B., Convery, S., Williams, B., Critchley, M., Carty, J., Walsh, C., Brennan, M., 2009; The MOLAND model calibration and validation for Greater Dublin Region. UCD Urban Institute Ireland Working Paper Series 09/03, pp. 32
  • Tomoiagă B., Chindriş M., Sumper A., Sudria-Andreu A. and Villafafila-Robles R., 2013. Pareto Optimal Reconfiguration of Power Distribution Systems Using a Genetic Algorithm Based on NSGA-II, Energies, 6, 1439-1455.
  • White R., Engelen G., and Uljee I., 2015. Modeling Cities and Regions as Complex Systems. From theory to planning applications. The MIT press, Cambridge, MA 02142, USA, ISBN13 9780262029568, 330p.
  • White R. and Engelen G., 1997; Cellular Automata as the Basis of Integrated Dynamic Regional Modelling. Environment and Planning B, 24, pp.235-246
  • White R. and G. Engelen, 1993; Cellular Automata and Fractal Urban Form: A Cellular Modelling Approach to the Evolution of Urban Land Use Patterns. Environment and Planning A, 25, p.1175-1199.