都市発展のフラクタル解析とセルラオートマタモデル
スポンサーリンク
概要
- 論文の詳細を見る
都市の人口分布は非常に複雑な幾何学模様となって現れる. この複雑な幾何学模様となって現れる人口分布の構造の変化を解析することにより, 都市の人口分布が形成されるメカニズムを解明することを目的とする. 本研究では, まず実際の関東地方(旧東京都庁から半径50kmの範囲)の1960年から1995年までの人口分布の推移を, 幾何学的構造の複雑さを表すフラクタル次元を用いて解析することを試みた. その結果年々増加していたフラクタル次元が1990年あたりで飽和していることが分かった. 次に, 都市の人口分布が変化していく様子をシミュレーションするために都心または線路に近づくような評価関数を使ったモデルを作成し, そのシミュレーションの結果と実際の関東地方の人口分布の変化を比較することにより, 都市の発展における人口分布の変化のメカニズムを明らかにしようと試みた. その結果, 定性的に一致する結果が得られた.
- 社団法人電子情報通信学会の論文
- 2001-06-19
著者
-
松葉 育雄
千葉大学大学院融合科学研究科
-
生田目 将慎
千葉大学大学院 自然科学研究科 知能情報科学専攻
-
松葉 育雄
千葉大学工学研究科教授
-
神谷 良信
千葉大学大学院自然科学研究科博士後期課程
-
生田目 将慎
千葉大学大学院自然科学研究科
-
神谷 良信
千葉大学大学院自然科学研究科 博士後期課程情報科学専攻 松葉研究室内
-
神谷 良信
千葉大学大学院自然科学研究科
関連論文
- 日次株価データのEpps効果とそのメカニズム(研究速報)
- ブートストラップ法による少数データのリヤプノフ指数精度向上法と経済時系列への応用(研究速報)
- A-2-21 人口密度を考慮に入れた都市成長のセルラオートマタモデルとスケーリング解析
- G-016 小鳥の歌文法を再現するニューラルネットワーク(G分野:生体情報科学)
- 日次株価データのEpps効果とそのメカニズム
- 位相的最適化法によるTSPの解法
- 経済時系列の時空間分布と一般化エントロピー
- EECの非線形データ解析
- EEGの長期記憶解析
- ロジステイック写像の長期記憶解析
- 複数の生成規則が混在する時系列の構造抽出(研究速報)
- 複数の生成規則が混在する時系列の構造抽出(非線形制御,一般)
- G-014 分割最適化クラスタリングの階層的可視化(生体情報科学,一般論文)
- G-013 相互情報量フィルタリングを用いた遺伝的アルゴリズムによる特徴選択(生体情報科学,一般論文)
- ブートストラップ法による少数データのリアプノフ指数精度向上法と経済時系列への応用
- F_021 ブートストラップ法による少数時系列データのリアプノフ指数の精度向上(F分野:人工知能・ゲーム)
- 各種ニューラルネットワークと主成分分析による指紋の隆線方向抽出(パターン認識)
- 対話的遺伝アルゴリズムのニューラルネットワーク学習等価性(進化的計算I)
- 各種ニューラルネットワークと主成分分析による指紋の隆線方向抽出
- 対話的遺伝アルゴリズムのニューラルネットワーク学習等価性
- A-2-13 カオス解析による音楽傾聴時の脳波の構造変化
- 直交した重みをもつ3層ニューラルネットワークの記憶容量
- 直交した重みを持つ3層ニューラルネットワークの記憶容量
- 模擬断層を用いた地震の自己組織化臨界モデル
- スプリングブロックモデルにおける動的な状態遷移(非線形回路とシステム及び一般)
- スプリングブロックモデルにおける動的な状態遷移(非線形回路とシステム及び一般)
- 地震の頻度分布と断層の幾何学的特徴
- A-2-8 地震の頻度分布と断層の幾何学的特徴
- 散逸的セルラオートマタモデルによる地震解析
- 高周波数領域における地震の普遍スペクトル特性
- 散逸的セルラーオートマタ地震モデルの解析
- 地震の時空間分布に関するスケーリング理論
- D-12-59 指紋隆線方向の抽出とその評価方法(D-12.パターン認識・メディア理解A)
- 実断層を用いたb値とフラクタル次元の関係
- 経済時系列データの構造変化の抽出と予測
- 経済時系列データの埋め込み空間中での構造変化
- A-2-1 視覚刺激による脳波変動のマルチフラクタル解析(A-2. 非線形問題)
- 相互作用したカオス系での不連続な転移現象
- A-2-30 Hodgkin-Huxley型神経回路網におけるカオス連想の基礎現象(A-2.非線形問題,一般セッション)
- 領域分割法による最適化問題の近似解法
- 領域分割法による最適化問題の近似解法
- SA法の拡張と時系列予測を含んだ投資問題への応用
- A-2-31 V1野における眼優位性コラムの構造安定性(A-2.非線形問題,一般セッション)
- A-2-28 超平面最適化の応用による結合定数の導出(A-2.非線形問題,一般セッション)
- Granger理論による経済データの長期記憶性の分析
- F-018 経済データの長期記憶性に関するGranger理論の実証的研究(人工知能・ゲーム,一般論文)
- 時系列データにおける補間方法の分析と考察
- 不安定軌道の制御から見た遅れ時間の設定について
- 不安定周期軌道の最適制御と評価関数に基づくその探索法
- 未知システムにおける不安定周期点の制御
- ランダムな環境下における一次元写像の分岐
- カオスと等価な確率微分方程式による予測
- A-2-9 一般化エントロピーを用いた様々な経済時系列のレヴィ分布に関する検討
- A-2-19 気温変動の非線形時系列解析
- 大域的・局所的手法による時系列の非線形予測
- 大域的・局所的手法による時系列の非線形予測
- ニューラルネットワークによる非線形時系列予測(予測技術の信頼性)
- 経済時系列のフラクタル補間法
- 経済時系列のフラクタル補間法
- A-2-2 フラクタル次元を用いた補間時系列の生成法(A-2. 非線形問題, 基礎・境界)
- H-002 相互情報量による最適受容野数の決定(H.生体情報科学)
- A-026 推移確率行列を用いた時系列データの予測信頼度(A.モデル・アルゴリズム・プログラミング)
- 都市成長のセルラオートマタモデルとフラクタル解析
- A-2-11 ニューラルネットによる大規模な破壊と修復方式
- A-2-10 座屈に関するスケーリング則
- B-7-17 通信ネットワークから得た時系列のレヴィ分布に関する研究
- A-13 都市成長における構造変化のフラクタル解析とセルラオートマタモデル(画像,A.アルゴリズム・基礎)
- L-4 TCPを用いた通信ネットワークの自己相似性に関する研究(適応型トラフィック制御,L.インターネット)
- H-11 Fokker-Planck方程式から見たニューラルネットワークの1/fスペクトル特性(学習理論とパルスニューラルネット,H.生体情報科学)
- カオス制御によるシステムの保持情報量の算出(非線形回路とシステム及び一般)
- カオス制御によるシステムの保持情報量の算出(非線形回路とシステム及び一般)
- Fokker-Planck方程式による神経回路網の1/ƒスペクトル特性の解析 : Fokker-Planck方程式から見た1/ƒスペクトル特性
- ディレーを推定するための新しい埋込み手法
- 重み付き埋込みベクトルを用いた時系列データの予測
- A-2-25 DDEで記述されるシステムにおけるディレイの推定
- 適応型埋め込みによる軌道の再構成
- D-12-50 遺伝的アルゴリズムを用いた大規模データに対する特徴選択(D-12.パターン認識・メディア理解,一般セッション)
- D-2-2 残差に基づくニューラルネットワークの時間構造の抽出性能評価(D-2.ニューロコンピューティング,一般セッション)
- A-2-27 通信トラフィックにおける線形モデル化の妥当性検証(A-2.非線形問題,一般セッション)
- A-2-20 一般化フラクタル次元を用いた都市構造変化の解析
- 都市発展のフラクタル解析とセルラオートマタモデル
- ニューラルネットワークモデルの空間的粗視化による1/ƒスペクトルの導出
- D-2-4 一般的な神経回路モデルの普遍性とスケーリング特性
- しきい値作用を持つ相互作用系の自己組織化とスケーリング特性
- 眼優位性及び方位選択性コラムの現象論的カップリングモデル
- 2値の重みをもつパーセプトロンのVC容量と符号の限界式の関係について
- D-2-7 2値の重みをもつパーセプトロンの記憶容量とパターン間の距離の関係について
- A-2-10 ニューラルネットワークシミュレーションによる脳波の1/fスペクトルの検証
- ニューラルネットワークの空間的粗視化による1/fスペクトルの導出 : しきい値機能を持つ相互作用系の示すスペクトルの特徴
- Hodgkin-Huxley型神経回路網における自律的状態遷移の特性変化
- 眼優位性及び方位選択性コラムの現象論的カップリングモデル
- A-2-5 ニューラルネットワークモデルの粗視化による脳波の1/fスペクトルの解明
- ラグ回帰, しきい値モデル, カオスの臨界特性
- 東京の気温データのカオス性について : 一般化情報量基準の応用
- パラメータ空間上のくりこみ変換を用いた1次元写像の周期倍化分岐解析
- 田中一男著『インテリジェント制御システム』出版社共立出版, 発行1996年3月, A5判, 242頁, 3,811円
- 発作時脳波の特徴と時系列解析
- ニューラルネットワークはカオティックな時系列データの分析,予測に役立つか?
- ニューラルネットワーク (特集 今日の応用数理)