അർബൻ ഗ്രോത്ത് ആൻഡ് സിനാരിയോ സിമുലേഷൻ

നേട്ടങ്ങൾ:

• സിനാരിയോ ഫിക്ഷനുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ നഗര വളർച്ചയുടെ യുക്തി, വ്യാപനം, സാഹചര്യ അനുകരണം, AI-യുടെ പങ്ക് എന്നിവ വിവരിക്കാനുള്ള കഴിവ്
• ഇൻപുട്ട് അനുമാനങ്ങൾ, നിയന്ത്രണങ്ങൾ, ഇൻഡിക്കേറ്റർ സെറ്റുകൾ എന്നിവയുമായി വ്യത്യസ്ത വളർച്ചാ സാഹചര്യങ്ങൾ സുതാര്യമായി സജ്ജീകരിക്കാനും താരതമ്യം ചെയ്യാനും ഉള്ള കഴിവ്
• സിമുലേഷൻ ഔട്ട്‌പുട്ട് ഒരു സാഹചര്യമാണെന്നും പ്രവചനമല്ലെന്നും തീരുമാനത്തിന് ഔപചാരികമായ ആസൂത്രണ പ്രക്രിയയും വിദഗ്ധ വിലയിരുത്തലും ആവശ്യമാണെന്നും മനസ്സിലാക്കാനുള്ള കഴിവ്.

ഒരു നഗരം വളരുന്നു; എന്നാൽ എവിടെ, എത്ര, എങ്ങനെ വളരണം എന്നത് ഒരു തിരഞ്ഞെടുപ്പാണ്. ഒരു ആസൂത്രകനെ സംബന്ധിച്ചിടത്തോളം ഏറ്റവും ബുദ്ധിമുട്ടുള്ള ഒരു ജോലി "ഞങ്ങൾ ഇതുപോലെ തുടരുകയാണെങ്കിൽ", "ഞങ്ങൾ ഈ നയം നടപ്പിലാക്കുകയാണെങ്കിൽ" എന്നീ ചോദ്യങ്ങൾ പരസ്പരം താരതമ്യം ചെയ്യുക എന്നതാണ്. ഇത് ചെയ്യുന്ന ഉപകരണം നഗര വളർച്ചാ അനുകരണമാണ്: ഭാവിയിലെ വികസനം വ്യാപിച്ചേക്കാവുന്ന മാതൃകയിലേക്കുള്ള മുൻകാല വളർച്ചാ രീതികൾ, ഭൂമി അനുയോജ്യത, പരിമിതികൾ എന്നിവ ഉപയോഗിക്കുന്ന ഒരു സമീപനം. സെല്ലുലാർ ഓട്ടോമാറ്റയും വളർച്ചാ സാധ്യതാ മോഡലുകളും പൊതുവായ സാങ്കേതികതകളിൽ ഉൾപ്പെടുന്നു. ഈ സിമുലേഷനുകളുടെ സാഹചര്യങ്ങൾ സജ്ജീകരിക്കുന്നതിനും ഇൻപുട്ട് അനുമാനങ്ങൾ ക്രമീകരിക്കുന്നതിനും ഫലങ്ങൾ സൂചകങ്ങളുമായി താരതമ്യം ചെയ്യുന്നതിനും റിപ്പോർട്ടുചെയ്യുന്നതിനുമുള്ള ശക്തമായ സഹായമാണ് AI. എന്നാൽ നിർണായകമായ കാര്യം ഇതാണ്: സിമുലേഷൻ ഒരു സാഹചര്യമാണ്, ഒരു പ്രവചനമല്ല. "ഇനിപ്പറയുന്ന അനുമാനങ്ങൾ പ്രകാരം, ഇത് സംഭവിക്കാം," അദ്ദേഹം പറയുന്നു; "ഇങ്ങനെയായിരിക്കും" എന്ന് അവൻ പറയുന്നില്ല. ഔപചാരിക ആസൂത്രണ പ്രക്രിയയിലൂടെയും വിദഗ്ധ വിലയിരുത്തലിലൂടെയുമാണ് തീരുമാനം.

സിമുലേഷൻ എങ്ങനെ പ്രവർത്തിക്കുന്നു

ഒരു നഗര വളർച്ചാ അനുകരണത്തിൻ്റെ സാധാരണ ഇൻപുട്ടുകൾ: നിലവിലുള്ള നിർമ്മാണം, ഭൂമി അനുയോജ്യത (ചരിവ്, വെള്ളപ്പൊക്കം, സംരക്ഷണം), ഗതാഗത ലഭ്യത, ജനസംഖ്യ/ആവശ്യമർദ്ദം, പരിമിതികൾ (നിർമ്മാണത്തിന് അടച്ചിരിക്കുന്ന പ്രദേശങ്ങൾ: വനം, കാർഷിക സംരക്ഷണം, ദുരന്ത മേഖല). ഈ ഇൻപുട്ടുകളെ അടിസ്ഥാനമാക്കി, മോഡൽ ഓരോ പ്രദേശത്തിനും ഒരു "വളർച്ച പ്രോബബിലിറ്റി" നൽകുകയും ഈ പ്രോബബിലിറ്റി അനുസരിച്ച് സ്‌പെയ്‌സിലേക്ക് ഡിമാൻഡ് വിതരണം ചെയ്യുകയും ചെയ്യുന്നു. ഭാവിയിൽ സാധ്യമായ നിർമ്മാണ മാതൃകയാണ് ഫലം.

ഇവിടെയുള്ള ഓരോ എൻട്രിയും ഒരു അനുമാനം ഉൾക്കൊള്ളുന്നു: ഡിമാൻഡ് എത്രത്തോളം വർദ്ധിക്കും, ഏതൊക്കെ മേഖലകൾ സംരക്ഷിക്കപ്പെടും, ഗതാഗതം എങ്ങനെ വികസിക്കും? വ്യത്യസ്ത അനുമാനങ്ങൾ തികച്ചും വ്യത്യസ്തമായ ഭാവി സൃഷ്ടിക്കുന്നു. അതുകൊണ്ടാണ് ഒരൊറ്റ സിമുലേഷൻ അല്ല, മറിച്ച് നിരവധി സാഹചര്യങ്ങൾ പ്രവർത്തിപ്പിക്കുകയും താരതമ്യം ചെയ്യുകയും ചെയ്യുന്നു: "അനിയന്ത്രിതമായ വികാസം", "കോംപാക്റ്റ് വികസനം", "സംരക്ഷണ മുൻഗണന" മുതലായവ.

മുന്നറിയിപ്പ്: ഒരു സിമുലേഷൻ മാപ്പ് വളരെ ബോധ്യപ്പെടുത്തുന്നതായി തോന്നുന്നു; വർണ്ണാഭമായ, വിശദമായ, ശാസ്ത്രീയമായ. എന്നാൽ ഈ ചിത്രം ഒരു യാഥാർത്ഥ്യമല്ല, മറിച്ച് ഒരു കൂട്ടം അനുമാനങ്ങളുടെ ഫലമാണ്. അനുമാനങ്ങൾ മാറ്റുക, മാപ്പ് മാറുന്നു. "ഇതാണ് ഭാവി" എന്ന് ഒരിക്കലും സിമുലേഷൻ അവതരിപ്പിക്കരുത്; "ഈ അനുമാനങ്ങൾക്ക് കീഴിൽ ഇത് സംഭവിക്കാം" എന്ന് അവതരിപ്പിക്കുക.

സിമുലേഷൻ്റെ പൊതു മൂല്യം ഭാവിയെ "അറിയുക" എന്നല്ല, മറിച്ച് ഇന്നത്തെ വ്യത്യസ്ത ഫ്യൂച്ചറുകളുടെ ചെലവുകൾ ദൃശ്യമാക്കുക എന്നതാണ്. ഒരു നഗരം അനിയന്ത്രിതമായി വികസിച്ചാൽ ഏത് കാർഷിക തടം, ഏത് ജലസ്രോതസ്സ്, ഏത് ഫോറസ്റ്റ് ബെൽറ്റ് എന്നിവ ഒരു നഗരത്തിന് നഷ്‌ടമാകുമെന്ന് മുൻകൂട്ടി ഒരു ഭൂപടത്തിൽ കാണുന്നത് തീരുമാനമെടുക്കുന്നയാൾക്ക് കൃത്യമായ തിരഞ്ഞെടുപ്പ് വാഗ്ദാനം ചെയ്യുന്നു. അതുകൊണ്ടാണ് ഒരു നല്ല സിമുലേഷൻ പഠനം ചോദിക്കുന്നത് "ഏറ്റവും സാധ്യതയുള്ള ഭാവി എന്താണ്?" "നമുക്ക് എന്ത് ഭാവിയാണ് വേണ്ടത്, അതിനായി ഇന്ന് എന്താണ് ചെയ്യേണ്ടത്?" എന്ന ചോദ്യത്തിലേക്കല്ല. ഇത് ചോദ്യത്തെ സേവിക്കുന്നു. ഈ ചോദ്യത്തിന് ഉത്തരം നൽകാൻ, AI അതിവേഗം സാഹചര്യങ്ങൾ പകർത്തുകയും ഓരോന്നിൻ്റെയും ഫലങ്ങൾ താരതമ്യപ്പെടുത്താവുന്നതാക്കുകയും ചെയ്യുന്നു; എന്നാൽ ഏത് ഭാവിയാണ് മുൻഗണന നൽകുന്നത് എന്നത് ഒരു സാങ്കേതിക ഫലമല്ല, മറിച്ച് ജനാധിപത്യപരമായ തീരുമാനമാണ്. ഒരു പ്രവചനം എന്നതിലുപരി ചർച്ചയ്ക്കുള്ള അടിസ്ഥാനമായി സിമുലേഷൻ സ്ഥാപിക്കുന്നത് കൃത്രിമത്വത്തിൻ്റെ ഒരു ഉപകരണത്തിൽ നിന്ന് അതിനെ സംരക്ഷിക്കുന്നു.

നുറുങ്ങ്: പാർലമെൻ്റിൽ ഒരു സാഹചര്യം അവതരിപ്പിക്കുമ്പോൾ, എല്ലായ്‌പ്പോഴും ഒരു "അനഭിലഷണീയമായ" സാഹചര്യമെങ്കിലും ഉൾപ്പെടുത്തുക (ഉദാ. അനിയന്ത്രിതമായ വ്യാപനം). തിരഞ്ഞെടുത്ത സാഹചര്യം മാത്രം അവതരിപ്പിക്കുന്നത് ഒരു ചോയ്‌സ് ഉണ്ടെന്ന് തോന്നുമ്പോൾ തന്നെ ചർച്ച അവസാനിപ്പിക്കുന്നു.

സിമുലേഷൻ ഔട്ട്പുട്ടിൻ്റെ മറ്റൊരു സാധാരണ ദുരുപയോഗം, വളരെ വിദൂര ഭാവിയിലേക്കുള്ള ഫലങ്ങൾ (ഉദാ. 50-100 വർഷം) ഒരു കൃത്യമായ ആസൂത്രണ തീരുമാനത്തിലേക്ക് വിവർത്തനം ചെയ്യുക എന്നതാണ്. കാലക്രമേണ അനിശ്ചിതത്വം ഗണ്യമായി വളരുന്നു; ഇന്നത്തെ അനുമാനങ്ങളിൽ നിന്ന് വളരെ ചെറിയ വ്യതിചലനത്തിലൂടെ 30 വർഷം കഴിഞ്ഞ് ഉൽപ്പാദിപ്പിക്കപ്പെടുന്ന ഒരു വ്യാപന പാറ്റേൺ പൂർണ്ണമായും മാറും. അതുകൊണ്ടാണ് ദീർഘദൂര സാഹചര്യങ്ങൾ ഒരു "ദിശയ്ക്കും" "മുന്നറിയിപ്പിനും" വിലപ്പെട്ടതാണ്, എന്നാൽ പാഴ്‌സൽ തലത്തിലുള്ള തീരുമാനത്തിനല്ല. AI-യ്ക്ക് വിദൂര വർഷങ്ങളിലേക്കുള്ള പ്രൊജക്ഷനുകൾ എളുപ്പത്തിൽ നിർമ്മിക്കാൻ കഴിയും എന്ന വസ്തുത നമ്മെ ഈ പരിധി മറക്കരുത്; ചക്രവാളം ദൈർഘ്യമേറിയതനുസരിച്ച്, അനിശ്ചിതത്വം കൂടുതൽ വ്യക്തമായി എഴുതേണ്ടത് ആവശ്യമാണ്.

സൂചകങ്ങളുമായുള്ള താരതമ്യം

സാഹചര്യങ്ങളെ "നല്ലത്/മോശം" എന്നല്ല, സൂചകങ്ങളുമായി താരതമ്യം ചെയ്യുക: എത്ര ഹെക്ടർ കൃഷിഭൂമി നിർമ്മാണത്തിനായി തുറന്നുകൊടുത്തു, എത്ര ആളുകൾ വെള്ളപ്പൊക്ക മേഖലയിൽ സ്ഥിരതാമസമാക്കി, ശരാശരി ഗതാഗത ദൂരം എന്താണ്, ആളോഹരി ഹരിത ഇടമുണ്ടോ, അടിസ്ഥാന സൗകര്യ ചെലവ് എന്താണ്? ഈ സൂചകങ്ങളുടെ ഒരു കൂട്ടം സജ്ജീകരിക്കുന്നതിനും ഒരു പട്ടിക രൂപത്തിൽ സാഹചര്യങ്ങൾ താരതമ്യം ചെയ്യുന്നതിനും AI ഉപയോഗപ്രദമാണ്. ഏത് സൂചകമാണ് കൂടുതൽ പ്രധാനം എന്നത് ഒരു പൊതു തിരഞ്ഞെടുപ്പാണ്; ഇത് പ്രക്രിയയുടെ തീരുമാനമാണ്, AI അല്ല.

ഘട്ടം ഘട്ടമായി: AI- പവർ ചെയ്യുന്ന സാഹചര്യ പഠനം

1. ചോദ്യവും സാഹചര്യങ്ങളും നിർവചിക്കുക. ഉദാഹരണത്തിന് ട്രെൻഡ് / ഒതുക്കമുള്ള / സംരക്ഷണ മുൻഗണന.
2. ഇൻപുട്ടുകളും നിയന്ത്രണങ്ങളും ലിസ്റ്റ് ചെയ്യുക. അനുയോജ്യത, ആവശ്യം, സംരക്ഷിത പ്രദേശങ്ങൾ.
3. ഓരോ സാഹചര്യത്തിനും വേണ്ടിയുള്ള അനുമാനങ്ങൾ വ്യക്തമാക്കുക. സുതാര്യമായി എഴുതുക.
4. സിമുലേഷൻ പ്രവർത്തിപ്പിക്കുക. (യഥാർത്ഥ ഡാറ്റയുള്ള മോഡൽ; ഫിക്ഷനിലും റിപ്പോർട്ടിലും AI.)
5. ഒരു ഗേജ് സെറ്റ് ഇൻസ്റ്റാൾ ചെയ്യുക. AI യുമായുള്ള താരതമ്യ ചാർട്ട്.
6. സാഹചര്യങ്ങൾ താരതമ്യം ചെയ്യുക. വിജയികളല്ല, ട്രേഡ് ഓഫുകൾ കാണിക്കുക.
7. അവ്യക്തതയും അതിരുകളും റിപ്പോർട്ട് ചെയ്യുക; തീരുമാനം പ്രക്രിയയ്ക്ക് വിടുക.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്: "2050-ൽ ഈ നഗരം എങ്ങനെ വളരും?"

AI ഒരു ഉറവിടമില്ലാത്ത, ഒറ്റ, തെറ്റിദ്ധരിപ്പിക്കുന്ന "പ്രവചനം" ഉണ്ടാക്കുന്നു; അനുമാനങ്ങളും നിയന്ത്രണങ്ങളും ഇല്ല.

ശക്തമായ നിർദ്ദേശം: "ഞാൻ മൂന്ന് നഗര വളർച്ചാ സാഹചര്യങ്ങൾ താരതമ്യം ചെയ്യാൻ ആഗ്രഹിക്കുന്നു: (1) പ്രവണത (നിലവിലെ വിപുലീകരണം തുടരുന്നു), (2) കോംപാക്റ്റ് (വികസനം നിലവിലുള്ള നഗരത്തിനുള്ളിൽ കേന്ദ്രീകരിച്ചിരിക്കുന്നു), (3) സംരക്ഷണ മുൻഗണന (കൃഷിയും വെള്ളപ്പൊക്ക പ്രദേശങ്ങളും കർശനമായി ഒഴിവാക്കിയിരിക്കുന്നു). കാർഷിക മേഖല (ഹെക്‌ടർ), വെള്ളപ്പൊക്കത്തിൽ സ്ഥിരതാമസമാക്കിയ ജനസംഖ്യ, ശരാശരി യാത്രാ ദൂരം, വിജയിയെ തിരഞ്ഞെടുക്കരുത്, ഇത് ഒരു സാഹചര്യമാണ്, ഒരു പ്രവചനമല്ല. ഹൈലൈറ്റ് ചെയ്യുക."

രണ്ടാമത്തെ പ്രോംപ്റ്റ് സാഹചര്യങ്ങൾ, അനുമാനങ്ങൾ, സൂചകങ്ങൾ, ട്രേഡ്-ഓഫ് ചട്ടക്കൂട് എന്നിവ വ്യക്തമാക്കുന്നു.

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

ടാസ്ക്: ഇനിപ്പറയുന്ന മൂന്ന് വളർച്ചാ സാഹചര്യങ്ങൾക്കായി അനുമാനങ്ങളുടെയും സൂചക താരതമ്യ പട്ടികകളുടെയും ഒരു ലിസ്റ്റ് സജ്ജീകരിക്കുക. സൂചകങ്ങൾ: [...]. വിജയിയെ തിരഞ്ഞെടുക്കുന്നു; ഓരോ സാഹചര്യത്തിൻ്റെയും ട്രേഡ് ഓഫുകൾ എഴുതുക. "ഇതൊരു സാഹചര്യമാണ്, പ്രവചനമല്ല" എന്ന കുറിപ്പ് ചേർക്കുക. സാഹചര്യങ്ങൾ: [...]

ടാസ്ക്: ഇനിപ്പറയുന്ന സിമുലേഷൻ ഇൻപുട്ടുകൾ പരിശോധിക്കുക. ഏതൊക്കെ ഇൻപുട്ടുകളിൽ അനുമാനങ്ങൾ അടങ്ങിയിരിക്കുന്നു, ഏതൊക്കെ നിയന്ത്രണങ്ങളായി വ്യക്തമല്ല (നിർമ്മാണത്തിന് അടച്ചിരിക്കുന്ന പ്രദേശം), ഏതൊക്കെ ഡാറ്റയാണ് കാലികത ചോദ്യം ചെയ്യേണ്ടത്? തീരുമാനമെടുക്കൽ; ടിക്ക് ചെയ്യുക. ഇൻപുട്ടുകൾ: [...]

ടാസ്‌ക്ക്: ചുവടെയുള്ള സാഹചര്യ താരതമ്യ ഫലങ്ങളിൽ നിന്ന് ഒരു കൗൺസിൽ/സ്‌റ്റേക്ക്‌ഹോൾഡർ അവതരണം ഡ്രാഫ്റ്റ് എഴുതുക. ഓരോ സാഹചര്യത്തിൻ്റെയും ട്രേഡ് ഓഫുകൾ ലളിതമായ ഭാഷയിൽ വിശദീകരിക്കുക. അനിശ്ചിതത്വവും "തീരുമാനം ഔദ്യോഗിക പ്രക്രിയയുടേതാണ്" എന്നും വ്യക്തമായി പ്രസ്താവിക്കുക. ഫലങ്ങൾ: [...]

ടാസ്ക്: സെല്ലുലാർ ഓട്ടോമാറ്റൺ, വളർച്ചയുടെ സാധ്യത, നിയന്ത്രണ പാളി, സാഹചര്യം, സൂചകം എന്നിവ പ്ലെയിൻ ടർക്കിഷ് ഭാഷയിൽ ഒരു നിഘണ്ടുവിൽ വിശദീകരിക്കുക. സിമുലേഷൻ ഒരു സാഹചര്യമാണെന്നും പ്രവചനമല്ലെന്നും ഒരു വാചകത്തിൽ ഊന്നിപ്പറയുക.

ഒരു പട്ടിക: സാഹചര്യ തരങ്ങളും സൂചകങ്ങളും

രംഗം

അടിസ്ഥാന അനുമാനം

പ്രമുഖ അപകടസാധ്യത

കാണേണ്ട സൂചകം

ട്രെൻഡ് (നിലവിലെ)

പ്രചരണം തുടരുന്നു

കൃഷി/പ്രകൃതി നഷ്ടം

നിർമ്മിത കാർഷിക മേഖല

ഒതുക്കമുള്ളത്

ഉള്ളിൽ ഏകാഗ്രത

അതീവ സാന്ദ്രത/സുഖം

ഒരാൾക്ക് ഹരിത പ്രദേശം

സംരക്ഷണത്തിനാണ് മുൻഗണന

സെൻസിറ്റീവ് ഏരിയ ഒഴിവാക്കിയിരിക്കുന്നു

ഭവന വിതരണ നിയന്ത്രണം

ഭവന ക്ഷാമം

ഗതാഗത അധിഷ്ഠിത

ലൈൻ പരിധി മെച്ചപ്പെടുന്നു

ആസക്തി പോലും

ശരാശരി ഗതാഗത ദൂരം

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - രംഗം ഒരു ഊഹമാണെന്ന് കരുതുന്നു. ഒരു മുനിസിപ്പാലിറ്റി ഒരൊറ്റ "വളർച്ച ഭൂപടം" നിർമ്മിക്കുകയും "ഇതാണ് നഗരത്തിൻ്റെ ഭാവി" എന്ന് പറഞ്ഞ് കൗൺസിലിന് മുന്നിൽ അവതരിപ്പിക്കുകയും ചെയ്യുന്നത്. ഒരു കൗൺസിൽ അംഗം ചോദിച്ചു "എന്താണ് അനുമാനങ്ങൾ?" അവൻ ചോദിക്കുന്നു; കാർഷിക മേഖലകൾ നിർമ്മാണത്തിനായി തുറന്നിട്ടുണ്ടെന്ന് സംഘം മനസ്സിലാക്കുന്നു. സംരക്ഷണ മുൻഗണനാ സാഹചര്യം ചേർക്കുമ്പോൾ, മാപ്പ് പൂർണ്ണമായും മാറുന്നു. ഭാവി എന്ന നിലയിൽ ഒരൊറ്റ രംഗം അവതരിപ്പിക്കുന്നത് തുടക്കം മുതൽ ചർച്ച അവസാനിപ്പിക്കുന്നു.

കേസ് 2 - ട്രേഡ്-ഓഫ് ദൃശ്യമാക്കുന്നു. ഒരു ടീം മൂന്ന് സാഹചര്യങ്ങളെ സൂചകങ്ങളുമായി താരതമ്യം ചെയ്യുന്നു: സംരക്ഷണ രംഗം കൃഷിയെ സംരക്ഷിക്കുന്നു, പക്ഷേ ഭവന കമ്മി സൃഷ്ടിക്കുന്നു; കോംപാക്റ്റ് രംഗം ഭൂമിയെ സംരക്ഷിക്കുന്നു, പക്ഷേ സാന്ദ്രത വർദ്ധിപ്പിക്കുന്നു. AI സെറ്റുകളുടെ ചിത്രം "സൗജന്യ ഉച്ചഭക്ഷണമില്ല" എന്ന യാഥാർത്ഥ്യം ദൃശ്യമാക്കുകയും പാർലമെൻ്റിന് അറിവുള്ള ഒരു തിരഞ്ഞെടുപ്പ് നടത്തുകയും ചെയ്യാം.

കേസ് 3 - വെള്ളപ്പൊക്ക പരിഹാര മുന്നറിയിപ്പ്. ഒരു ട്രെൻഡ് സാഹചര്യത്തിൽ, 6,500 പേർ വെള്ളപ്പൊക്ക മേഖലയിൽ സ്ഥിരതാമസമാക്കുമെന്ന് ഡാഷ്‌ബോർഡ് വെളിപ്പെടുത്തുന്നു. ഈ സംഖ്യ സൂചിപ്പിക്കുന്നത് കൺസ്ട്രൈൻ്റ് ലെയർ ഈ സാഹചര്യത്തിൽ അയഞ്ഞ രീതിയിൽ നിർവചിക്കപ്പെട്ടിരിക്കുന്നു എന്നാണ്. സംഘം നിയന്ത്രണം ശക്തമാക്കുന്നു. അവഗണിക്കപ്പെടുന്ന ഒരു അപകടസാധ്യത സൂചകം കണക്കാക്കുന്നു.

സാധാരണ തെറ്റുകൾ

• സാഹചര്യം ഒരു ഊഹമായി തെറ്റിദ്ധരിക്കുന്നു. സിമുലേഷൻ "മേ" എന്ന് പറയുന്നു, "ഇഷ്ടം" എന്നല്ല.
• ഒരൊറ്റ രംഗം അവതരിപ്പിക്കുന്നു. താരതമ്യമില്ലാതെ, മുൻഗണന ചർച്ച ചെയ്യാൻ കഴിയില്ല.
• അനുമാനങ്ങൾ മറയ്ക്കുന്നു. വിശ്വസനീയമായ ഭൂപടത്തിന് മറഞ്ഞിരിക്കുന്ന അനുമാനം മറയ്ക്കാൻ കഴിയും.
• നിയന്ത്രണങ്ങൾ അയഞ്ഞ രീതിയിൽ നിർവചിക്കുന്നു. സംരക്ഷിക്കപ്പെടേണ്ട മേഖലകൾ വ്യക്തമായി ഒഴിവാക്കിയില്ലെങ്കിൽ, അപകടസാധ്യത വർദ്ധിക്കുന്നു.
• വിജയിയായി പ്രഖ്യാപിക്കുന്നു. സൂചകം ട്രേഡ്-ഓഫുകൾ കാണിക്കുന്നു; തിരഞ്ഞെടുപ്പ് പൊതു പ്രക്രിയയാണ്.
• ഡാറ്റ അപ്ഡേറ്റ് ഒഴിവാക്കുന്നു. കാലഹരണപ്പെട്ട ലഭ്യത/ഡിമാൻഡ് ഡാറ്റ മുഴുവൻ സാഹചര്യത്തെയും തകർക്കുന്നു.

ചുരുക്കത്തിൽ

അർബൻ ഗ്രോത്ത് സിമുലേഷൻ എന്നത് "എന്താണെങ്കിൽ" എന്ന ചോദ്യങ്ങളെ താരതമ്യം ചെയ്യാനുള്ള ശക്തമായ മാർഗമാണ്; സാഹചര്യ നിർമ്മാണം, അനുമാനം എഡിറ്റിംഗ്, ഇൻഡിക്കേറ്റർ താരതമ്യം, റിപ്പോർട്ടിംഗ് എന്നിവയിൽ AI സഹായിക്കുന്നു. എന്നാൽ ഒരു സിമുലേഷൻ ഒരു സാഹചര്യമാണ്, ഒരു പ്രവചനമല്ല: അനുമാനങ്ങൾ മാറുമ്പോൾ, ഫലം മാറുന്നു. ഒരൊറ്റ മാപ്പിന് പകരം നിരവധി സാഹചര്യങ്ങൾ പ്രവർത്തിപ്പിക്കുക, സൂചകങ്ങളുമായി താരതമ്യം ചെയ്യുക, ട്രേഡ്-ഓഫുകൾ ദൃശ്യമാക്കുക, നിയന്ത്രണങ്ങൾ (സംരക്ഷിക്കേണ്ട മേഖലകൾ) വ്യക്തമായി നിർവചിക്കുക. AI അല്ലെങ്കിൽ മാപ്പ് വിജയിയെ തിരഞ്ഞെടുക്കുന്നില്ല; ഔദ്യോഗിക പ്ലാൻ പ്രക്രിയയിലൂടെയും വിദഗ്ധ വിലയിരുത്തലിലൂടെയുമാണ് തീരുമാനം.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു നഗരം/പ്രദേശത്തിനുള്ള മൂന്ന് വളർച്ചാ സാഹചര്യങ്ങൾ നിർവചിക്കുക (ഉദാ. ട്രെൻഡ്, ഒതുക്കമുള്ള, സംരക്ഷണ മുൻഗണന). (1) ഓരോ സാഹചര്യത്തിൻ്റെയും അനുമാനങ്ങളും ആദ്യ ടെംപ്ലേറ്റുമായി ഒരു സൂചക താരതമ്യ പട്ടികയും സജ്ജമാക്കുക. (2) രണ്ടാമത്തെ ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് ഇൻപുട്ടുകൾ പരിശോധിക്കുകയും അയഞ്ഞ നിർവചിക്കപ്പെട്ട ഒരു നിയന്ത്രണമെങ്കിലും ക്യാപ്‌ചർ ചെയ്യുക. (3) മൂന്നാമത്തെ ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് ഒരു പാർലമെൻ്ററി അവതരണ രൂപരേഖ തയ്യാറാക്കുക, "രംഗം/പ്രവചനം" എന്ന വ്യത്യാസം ഊന്നിപ്പറയുക. (4) ഏത് സൂചകത്തിൻ്റെ പ്രാധാന്യം പൊതു തിരഞ്ഞെടുപ്പാണെന്ന് ഒരു വാചകത്തിൽ വിശദീകരിക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ സിമുലേഷൻ രൂപപ്പെടുത്തിയത് ഒരു സാഹചര്യമായിട്ടാണ്, ഒരു പ്രവചനമല്ല.
• [ ] ഒരൊറ്റ ഭൂപടത്തിനുപകരം, ഞാൻ നിരവധി രംഗങ്ങൾ സജ്ജീകരിക്കുകയും അവയെ താരതമ്യം ചെയ്യുകയും ചെയ്തു.
• [ ] ഓരോ സാഹചര്യത്തിൻ്റെയും അനുമാനങ്ങൾ ഞാൻ വ്യക്തമായി എഴുതിയിട്ടുണ്ട്.
• [ ] ഞാൻ നിയന്ത്രണങ്ങൾ (സംരക്ഷിക്കേണ്ട പ്രദേശങ്ങൾ) വ്യക്തമായി നിർവചിച്ചിട്ടുണ്ട്.
• [ ] ഞാൻ സാഹചര്യങ്ങളെ സൂചകങ്ങളുമായി താരതമ്യം ചെയ്തു, ഞാൻ വിജയിയെ പ്രഖ്യാപിച്ചില്ല.
• [ ] ഞാൻ ഇടപാടുകൾ ദൃശ്യമാക്കി.
• [ ] ഞാൻ തീരുമാനം ഔദ്യോഗിക ആസൂത്രണ പ്രക്രിയയ്ക്കും വിദഗ്ധ വിലയിരുത്തലിനും വിട്ടു.