ScholarGate
Assistent
Process / pipelineSimulation / optimization

Policy Scenario Cellular Automata — Simulació basada en graella per comparar els impactes de polítiques

Policy Scenario Cellular Automata (PSCA) combina la simulació d'autòmats cel·lulars amb l'anàlisi estructurada d'escenaris per avaluar com decisions polítiques alternatives remodelen sistemes distribuïts espacialment al llarg del temps. Cada escenari codifica un conjunt diferent de regles de transició o restriccions, i el model itera per revelar resultats espacials divergents, cosa que permet una comparació directa i visual de les conseqüències de les polítiques a nivell local i de sistema.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Clarke, K. C., Hoppen, S., & Gaydos, L. (1997). A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area. Environment and Planning B: Planning and Design, 24(2), 247–261. DOI: 10.1068/b240247
  2. Batty, M. (2005). Cities and Complexity: Understanding Cities with Cellular Automata, Agent-Based Models, and Fractals. MIT Press. ISBN 978-0262025836. ISBN: 978-0262025836

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Policy Scenario Cellular Automata — Scenario-driven grid-based simulation for policy impact analysis. ScholarGate. https://scholargate.app/ca/simulation/policy-scenario-cellular-automata

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGatePolicy Scenario Cellular Automata (Policy Scenario Cellular Automata — Scenario-driven grid-based simulation for policy impact analysis). Recuperat el 2026-06-15 de https://scholargate.app/ca/simulation/policy-scenario-cellular-automata · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026