A VISUAL GUIDE TO QUANTITATIVE URBAN STUDIES
量化城市研究Quantitative Urban Studies
从城市问题出发，学习如何分析已有现象、模拟变化过程、预测未观测结果，并在目标与约束下比较方案。
28 种方法 · 4 类问题 · 28 段原创教学动画（普通话讲解，字幕显示在视频下方，含数值教学例与文字稿）。
先从城市问题出发QUESTION MAP
A / Analysis分析
解释已有现象：哪里不同，为什么不同？
S / Simulation模拟
重现机制：改变条件后，城市会怎样演化？
P / Prediction预测
估计未观测结果：未来可能发生什么？
O / Optimization优化
在目标与约束下：选择什么方案？
分析 → 模拟 → 预测 → 优化：按照研究目的选择方法。
28 / 28
没有找到匹配的方法 / No matching method.
A / Analysis
分析
解释已有现象：哪里不同，为什么不同？
A1空间计量与空间依赖Spatial Econometrics研究一个地方的变化是否会影响周边地方。A2空间异质性与多尺度分析Spatial Heterogeneity and Multiscale Analysis同一关系在不同地点、不同观察尺度上是否成立？A3时空过程分析Spatiotemporal Process Analysis看城市现象怎样在时间和空间中发生、持续、转移。A4因果推断与政策效果识别Causal Inference判断变化是否由一项政策或干预造成。A5多层与贝叶斯建模Multilevel and Bayesian Modelling同时处理街区、城市等层次，并呈现估计的不确定性。
S / Simulation
模拟
重现机制：改变条件后，城市会怎样演化？
S1系统动力学System Dynamics用存量、流量和反馈理解城市系统的长期变化。S2空间相互作用模型Spatial Interaction Models估计城市各地点之间的人流、物流和服务联系。S3空间均衡模型Spatial Equilibrium Models让住房、就业、地租与出行成本在城市空间中相互调整。S4离散选择模型Discrete Choice Models解释人在有限选项中如何作出选择。S5元胞自动机Cellular Automata用格网及邻域规则模拟土地利用如何蔓延和转化。S6基于主体的模拟Agent-Based Modelling让具有不同目标和行为的人在同一城市情景中互动。S7微观模拟Microsimulation逐个更新家庭、个人或企业的状态，再汇总成城市变化。S8离散事件模拟Discrete-Event Simulation在车辆到站、乘客排队等事件发生时推进系统。
P / Prediction
预测
估计未观测结果：未来可能发生什么？
预测前先写清对象、空间单元、时间跨度和未来可用的信息；用过去预测以后，并与简单基准比较。
P1基准与趋势外推Baselines and Trend Extrapolation先用最简单、可解释的规则回答“如果沿着过去走，会怎样”。P2时间序列预测Time-Series Forecasting利用自身历史中的趋势、周期和依赖关系估计未来。P3回归与外生变量预测Regression and Exogenous Predictors把天气、日历、交通供给等未来条件纳入预测。P4状态空间预测State-Space Forecasting把“看不见的真实状态”和带噪声的实时观测分开。P5空间与时空统计预测Spatial and Spatiotemporal Prediction从有限位置的观测估计未观测街道、街区和时段。P6机器学习预测Machine-Learning Forecasting从大量城市特征中学习非线性关系，并检验其跨时空泛化。P7概率与组合预测Probabilistic and Ensemble Forecasting同时报告可能范围，并结合多个模型减少对单一判断的依赖。
O / Optimization
优化
在目标与约束下：选择什么方案？
优化前先写清决策变量、目标和约束；所谓最优只在这些设定下成立，也要讨论公平与实施可行性。
O1线性规划Linear Programming在预算、容量等线性约束下分配连续资源。O2整数与组合优化Integer and Combinatorial Optimization在“建或不建、选哪几处、怎样排班”之间选择。O3非线性与凸优化Nonlinear and Convex Optimization处理边际效应改变、成本曲线弯曲的连续决策。O4网络优化Network Optimization在道路、轨道、管网等连接结构上安排路径和流量。O5动态优化Dynamic Optimization今天的选择会改变明天状态时，寻找跨时段决策。O6多目标优化Multiobjective Optimization把建设、生态、公平等相冲突的目标一起摆出来。O7随机与鲁棒优化Stochastic and Robust Optimization需求和运行条件尚不确定时，寻找能承受变化的方案。O8启发式与进化优化Heuristics and Evolutionary Optimization在巨大或不规则的方案空间中持续生成、筛选和改进备选方案。