收益：
- 能够描述城市增长、蔓延和情景模拟的逻辑，以及人工智能与情景小说相比的作用
- 能够透明地设置和比较不同的增长情景与输入假设、约束和指标集
- 能够理解模拟输出是场景，而不是预测，并且决策需要正式的规划过程和专家评估。
一座城市在成长；但在哪里、增长多少以及如何增长都是可以选择的。对于规划者来说，最困难的任务之一就是同时比较“如果我们继续这样”和“如果我们执行这项政策”的问题。实现这一目标的工具是城市增长模拟：一种利用过去的增长模式、土地适宜性和约束条件来模拟未来发展可能蔓延的区域的方法。常见的技术包括元胞自动机和生长概率模型。人工智能在设置这些模拟场景、调整输入假设、将结果与指标进行比较和报告方面提供了强大的帮助。但关键的一点是：模拟是一种场景，而不是预测。 “根据以下假设，这种情况可能会发生，”他说；他没有说“事情会这样”。该决定是通过正式的规划过程和专家评估做出的。
模拟的工作原理
城市增长模拟的典型输入：现有建筑、土地适宜性（坡度、洪水、保护）、交通可达性、人口/需求压力和限制（禁止建设的区域：森林、农业保护、灾区）。根据这些输入，模型为每个区域分配一个“增长概率”，并根据该概率将需求分配到空间。结果就是未来可能的建造模式。
这里的每个条目都带有一个假设：需求将增加多少，哪些区域将受到保护，交通将如何发展？不同的假设会产生完全不同的未来。这就是为什么不是单一的模拟，而是运行和比较几个场景：“不受控制的扩张”、“紧凑的发展”、“保护优先”等。
注意：模拟地图看起来非常有说服力；丰富多彩、详细、科学。但这个图像并不是现实，而是一系列假设的结果。改变假设，地图就会改变。切勿将模拟描述为“这就是未来”；将其表述为“在这些假设下，这可能会发生”。
模拟的公共价值不是“了解”未来，而是让不同未来的成本在今天变得可见。提前在地图上看到一个城市如果失控扩张将会失去哪些农业流域、哪些水源、哪些林带，为决策者提供了具体的选择。这就是为什么一个好的模拟研究会问“最有可能的未来是什么？”而不是“我们想要什么样的未来以及今天我们应该做什么？”的问题。它服务于这个问题。为了解决这个问题，人工智能快速复制场景并使每个结果具有可比性；但首选的未来不是技术结果，而是民主决定。将模拟定位为讨论的基础而不是预言也可以防止它成为操纵工具。
提示：在向议会提出情景时，请务必至少包含一种“不良”情景（例如不受控制的传播）。只呈现首选方案实际上会结束讨论，同时看起来还有选择。
模拟输出的另一个常见误用是将遥远未来（例如 50-100 年）的结果转化为明确的规划决策。随着时间的推移，不确定性呈指数级增长； 30 年后产生的扩散模式可能会完全改变，与今天的假设有很小的偏差。这就是为什么远程场景对于“方向”和“警告”很有价值，但对于地块级别的有约束力的决策却没有价值。人工智能可以轻松地对遥远的年份进行预测，这一事实不应让我们忘记这一限制；随着视野变长，有必要把不确定性写得更清楚。
与指标比较
不是用“好/坏”来比较情景，而是用指标来比较：开垦了多少公顷农业用地用于建设，有多少人在洪泛区定居，平均交通距离是多少，人均绿地面积是多少，基础设施成本是多少？人工智能在设置这组指标并以表格形式比较场景方面派上用场。哪个指标更重要是公众的选择；这是流程的决定，而不是人工智能的决定。
一步一步：人工智能驱动的场景研究
- 定义问题和场景。例如趋势/紧凑/保护优先。
- 列出输入和约束。适宜性、需求、保护区。
- 澄清每个场景的假设。写得透明。
- 运行模拟。 （基于真实数据的模型；小说和报告中的人工智能。）
- 安装仪表组。与AI的对比图。
- 比较场景。显示权衡，而不是赢家。
- 报告歧义和界限；将决定留给流程。
弱提示/强提示
弱提示：“2050 年这座城市将如何发展？”
人工智能产生无源、单一、误导性的“预测”；不存在任何假设和限制。
强烈提示：“我想比较三种城市增长情景：（1）趋势（当前扩张仍在继续），（2）紧凑（发展集中在现有城市内），（3）保护优先（严格排除农业和洪泛区）。为每种情景建立一个假设清单和一个包含以下指标的比较表：农业建成面积（公顷），洪泛区定居人口，平均出行距离，人均绿地面积。不要选择获胜者；解释权衡。这是一个情景，而不是预测。”强调。”
第二个提示阐明了情景、假设、指标和权衡框架。
四个可复制模板
任务：为以下三种增长情景建立一系列假设和指标比较表。指标：[...]。选择获胜者；写下每个场景的权衡。添加注释“这是一个场景，而不是预测。”场景：[...]
任务：检查以下模拟输入。哪些输入包含假设，哪些作为约束条件不明确（禁止建设的区域），哪些数据的最新性应该受到质疑？决策;只需勾选即可。输入：[...]
任务：根据下面的情景比较结果撰写理事会/利益相关者的演示文稿草稿。用通俗易懂的语言解释每个场景的权衡。明确说明不确定性，并说明“该决定属于官方程序”。结果：[...]
任务：在字典中用简单的土耳其语解释术语元胞自动机、增长概率、约束层、场景和指标。用一句话强调为什么模拟是一种场景而不是预测。
表：场景类型和指标
场景
基本假设
风险突出
观察指标
趋势（当前）
传播仍在继续
农业/自然损失
农业建成区
紧凑型
里面浓度
极高的密度/舒适度
人均绿地面积
保护优先
敏感区域除外
住房供应限制
住房短缺
交通导向
线周长改善
甚至上瘾
平均运输距离
三个迷你箱子
案例 1 — 场景被认为是猜测。一个市政府制作了一张“增长地图”，并将其提交给市议会，并表示“这就是城市的未来”。一位理事会成员问道：“假设是什么？”他问；该团队意识到农业区被认为是开放建设的。当添加保护优先场景时，地图就完全改变了。提出未来的单一场景从一开始就结束了讨论。
案例 2 — 让权衡变得可见。一个团队将三种情景与指标进行了比较：保护情景拯救了农业，但造成了住房赤字；紧凑的方案保留了土地，但增加了密度。人工智能设置的图片让“天下没有免费的午餐”的现实变得可见，议会可以做出明智的选择。
案例 3——洪水沉降警告。在趋势情景中，仪表板显示将有 6,500 人定居在洪泛区。该数字表明场景中约束层的定义松散。团队收紧约束。该指标量化了被忽视的风险。
常见错误
- 将场景误认为是猜测。模拟说的是“可能”，而不是“将”。
- 呈现单一场景。没有比较，就无法讨论偏好。
- 隐藏假设。可信的地图可以掩盖隐藏的假设。
- 宽松地定义约束。如果没有明确排除需要保护的区域，风险就会增加。
- 宣布获胜者。该指标显示了权衡；选择是公共过程。
- 跳过数据更新。过时的可用性/需求数据破坏了整个场景。
总之
城市增长模拟是比较“假设”问题的有效方法；人工智能有助于情景构建、假设编辑、指标比较和报告。但模拟是一种场景，而不是预测：当假设发生变化时，结果就会发生变化。运行多个场景而不是单个地图，与指标进行比较，使权衡可见并明确定义约束（要保护的区域）。 AI和地图都不会选出获胜者；该决定是通过官方规划程序和专家评估做出的。
应用任务
定义城市/地区的三种增长情景（例如趋势、紧凑、保护优先）。 (1) 建立各个场景的假设以及与第一个模板的指标对照表。 (2) 使用第二个模板检查输入并捕获至少一个松散定义的约束。 (3) 使用第三个模板制作议会演讲大纲，强调“情景/预测”的区别。 (4) 用一句话解释哪个指标的显着性是公共选择。
清单
- [ ] 我将模拟视为一个场景，而不是一个预测。
- [ ] 我没有设置单一地图，而是设置了多个场景并对它们进行了比较。
- [ ] 我已经清楚地写出了每个场景的假设。
- [ ] 我已经明确定义了限制（要保护的区域）。
- [ ] 我将场景与指标进行了比较，我没有宣布胜利者。
- [ ] 我让权衡变得可见。
- [ ] 我把决定权留给了官方规划过程和专家评估。