模型初始化|创意产业模拟

一般来说，采用NetLogo开发环境开发的基于多主体的模型都包括两个功能按钮：“Setup”和“go”（当然用户也可以改用其他的称谓来称呼这两个按钮，但从本质上讲没有太多差别）。其中，“Setup”按钮一般是指向模型的初始化程序模块，而“go”按钮则指向行为主体的循环往复的动态互动程序模块（如图5.2中的H部分，图5.3所示）。通过初始化程序模块，模型的原始状态都将被定义，为模型的动态模拟做好准备。在本模型中，初始化内容主要包括：城市土地空间、城市土地基准地价（表现为办公租金价格和住房租金价格）、城市政府对各地块的政策包的配置、创意企业和创意工人的原始数量及其空间布局等。

图5.3　“Setup”和“go”按钮

1）生成城市空间的抽象模型

模型初始化的第一步是生成简化而抽象的南京城市空间。这一简化空间模型的生成基于如下假设和原则：

●该模型为单中心模型，只有一个CBD

●该简化和抽象后的城市土地空间，参考南京市的实际土地空间，划分为5个区，分别为：CBD、内市区、外市区、内郊区和外郊区。根据地块所在区的不同，对其允许的最大容积率进行规定（表5.7）。

●为了尽量简化城市空间，从而减少计算量，控制城市空间的地理特征（自然要素）的参数（如图5.2中的A部分，图5.4和图5.5所示）设定主要参考影响创意企业和创意工人的各种地理区位因素而定。根据这些地理因素，计算其对不同地块的地理区位得分的影响。

●城市道路系统的生成由三种生长种子确定：生成环路的种子、生成放射状道路的种子以及生成方格网道路的种子。其中内市区主要表现为方格网，该范围之外的地区以环路、放射状道路以及方格网道路组合而成。其基本原则是：离CBD越远，其道路密度越低（如图5.6所示）。道路要素对地块的区位得分具有重要影响（表5.8）。

●城市地铁系统简化成为放射线加环线的组合。基本原则为：离CBD越远，密度越低（如图5.7所示）。地铁要素对地块的区位得分具有重要影响（表5.8）。

●城市便利设施（例如购物中心和图书馆）的生成参考城市地块所属的城市空间（上文所言的5个城市空间）。在不同的空间，其产生图书馆的概率不同，基本原则是：离CBD越近，其产生的概率越高。这些要素对地块的区位得分具有重要影响（表5.8）。

●其他要素（包括创意产业园、老工业厂房以及开放绿地和公园）的生成则参照南京市目前5个城市空间的分布情况，同比例生成。同样地，这些要素对地块的区位得分也具有重要影响（表5.8）。

（1）城市CBD与城市5个分区

在模型空间环境中，城市CBD处于“World”的中心，CBD的核心为坐标原点。5个区呈现同心圆结构分布，其面积大小根据南京市划分的5个区（非行政区，而是根据城郊关系划分的5个区，参见第4章第4.1节）的大小等比例划分。各区在“World”中所包含的范围大小参见表5.7。根据各地块所属区的不同，其允许的最大容积率也相应不同，表5.7根据南京的实际经验列出了相关数据规定。关于城市各区的划分以及城市各地块的容积率的规定，都属于模型的内置变量，因此模型用户无法通过用户界面改变。

（2）城市自然环境与交通系统

用户界面的A部分所提供的所有参数是控制城市空间各要素生成的重要工具。这些要素与影响各行为主体区位行为的因素（影响创意企业的8个因素与影响创意工人的5个因素）紧密关联。其中物理环境质量涉及4个自然要素：河流、湖泊、植被覆盖的山体以及大型公园绿地。采用这4个要素来代表物理环境质量的基本假设是与这些要素接近的地块具有相对较好的物理环境。图5.5展示了利用该模型生成的一个包含上述4个自然要素的典型城市景观。

图5.4　生成城市空间各要素的控制参数

（注：此图为图5.2中的A部分）

图5.5　由模型生成的包含4个自然要素的典型城市空间

图5.6　由模型生成的3个典型的城市道路系统（相同数量的对外交通接口，不同的道路密度）

图5.7　由模型生成的3个典型的城市地铁系统

在模型中，城市道路系统的生成主要受到两个参数的控制：“对外交通接口的数量”（Cloverleaf-Number）和“道路密度”（Road-Density）。对外交通接口的意义在于表示城市内部交通和外部交通（区域交通）的连接点之所在。从区位因素角度考虑，其表示的是区域交通的便利性。在研究南京过程中，我们已经发现这一因素对创意企业和创意工人来说重要性几乎可以忽略。然而，在模型中，其依然是描述道路系统的一个重要控制参数。“道路密度”控制了该抽象城市模型中道路的数量。上文已经指出，该城市模型中的道路系统由方格网状路网、放射状路网和环路路网组合而成。其中在内城区以方格网为主，外城区与郊区则是环路和放射状路网的组合。环路包括4条，其所在的空间位置参考了5个区的划分边界（围绕各边界有微小波动），其离原点的半径依次大约为13个方格、25个方格、40个方格和63个方格。图5.6展示了该模型生成的3个典型的城市道路系统。

在用户界面上，只提供了一个参数来控制城市地铁系统的生成，那就是“subway-number”。为了降低模型计算复杂度，约定该参数能够取4个值，分别为：“high”“medium”“low”“none”，其中“none”表示该城市没有地铁。图5.7展示了“subway-number”分别取前三个值所生成的地铁系统。当选择值“low”时，表示城市地铁系统并不发达，地铁系统由东西向和南北向两条垂直交叉于城市中心（CBD）的地铁线路构成。当选择值“medium”时，表示城市地铁系统比较发达，其由四条交叉于城市中心并相互呈45°角的地铁线路组成。而当选择值“high”时，则表示城市地铁系统相当发达，其在上述系统基础上，再增加两条环线系统。其中内环的空间位置参考外市区的边界，外环的边界参考内郊区的边界。我们认为，决定一个地块是否具有良好的地铁可达性不是地铁线路，而是地铁站的所在。因此，模型中对地铁站点作出了谨慎规定。参考南京市地铁站之间的距离，本模型假设相邻站点之间的距离大约为1 km，也即相当于10个方格。

用户界面中的A部分所提供的其他控制参数控制着另外7个要素的生成，它们分别是：购物中心、大学、创意产业园、衰败的工厂、衰败或非法建筑区、郊区新地产以及文化设施。这些要素对创意产业和创意工人的区位行为均具有重要影响，这是因为这些要素将在不同程度上影响相应地块在不同区位维度上的得分。例如，购物中心将会使得其周边地块的“日常购物的便利性”大大提升；又如创意产业园所在的地块将增加这些地块对创意企业的吸引力。表5.8给出了各要素具体影响到的区位因素。

表5.8　其他7个要素的相关设定

续表5.8

虽然这些要素表示的具体内涵不同，但是在模型中其生成过程的算法均相同。首先，这些对象都被当作一种面状对象。其次，为了简化编程的复杂程度，在生成这些对象的时候，其形状简单地表示为圆面或圆面的组合。因此，这些对象面积的大小直接受到一个参数（内置参数，用户无法修改）的控制，那就是圆面半径的大小。例如，如果某一个对象允许的半径范围为[2，5]，则表示该对象（例如大学）覆盖的土地范围为一个半径为2～5之间（随机生成的整数）的圆面。而这些对象在各区（5个区）数量的多少则根据南京的实际数据（各区所占的百分比）作为参考（表5.8）。

（3）地块用地性质与地块的建筑质量

当上述各种城市空间要素生成后，一个简化版的南京城市空间的抽象模型就建成了。根据生成的城市空间的要素分布情况，则可以进一步定义各地块是否可以被用作办公用地或居住用地（表5.9）。在模型中，采用了“Use-Possible”这一变量来记录各地块是否可以被创意企业或创意工人使用。其值有两个，分别为0和1，其中0表示无法使用，1表示可以使用。在南京调查中发现，有部分创意企业的办公地点在大学校园之内；而创意工人也有少量居住在大学校园之内或者购物中心的上层。为了将问题简化，在模型中我们假设用地属性为大学或者购物中心的地块无法再接受创意企业或创意工人的进入。而被道路占据的地块赋值为1，表示其可以被创意企业或创意工人使用。其基本考虑是：被道路穿越的地块并没有被全部覆盖（最小地块的边长为100 m，远大于道路的宽度），因此可以部分被利用。为此，我们将其允许的最大容积率降低到一般地块的一半。

表5.9　地块的用地性质

除了上述设定外，还有一个地块属性对整个模型系统的动态运行非常关键。这个属性参数即上文提到的地块的建筑质量。建筑质量概念的引进，主要是考虑到不同地块的建筑质量会随着时间的推进而逐渐下降。当一个地块为全新状态时，其建筑质量值设定为1。随着时间的推移，该值会不断下降，下降的速率我们设定为1%。这一数据的考虑基于宏观经验：在这一下降速率下，一个全新的地块的建筑质量在50年后将大约降到0.5（中间过程没有发生任何更新活动），表示该建筑质量已经比较陈旧，符合中国的生活经验。当然，如果地块在时间推进过程中被城市政府更新，其建筑质量将被恢复到1的水平。同时，创意企业和创意工人的进入也会小幅度提升该地块的建筑质量（考虑到他们的进入会对该地块建筑进行维护，降低衰减速率）。

与建筑质量全新相反的极端情况是建筑质量彻底失去价值，也就是建筑质量变成0。其中用地性质为“road”“subhousing”和“cbdland”的地块的建筑质量长期设定为1。其基本考虑如下：城市道路和城市CBD属于热点地段，一般情况下不会衰败。而郊区的住房地产在开发初期必然是全新的建筑，因此在此类地块首次出现时，其值设定为1，随后也将经历随时间推进而衰败的过程。对用地性质为“derelict-factory”和“oldorillegal-building”的地块的建筑质量则被限定在[0，0.5]的范围之内，而具体值则利用NetLogo的随机数生成。农业用地的建筑质量设定为0，并不表示其衰败到无法使用，其意义在于：将其数值设定为0，使得其对创意企业和创意工人而言的区位效用为0，也就使得农业用地被创意企业或创意工人占用的可能性降为0。当然，如果城市政府征用了农业用地，并开发办公或住房地产，那么其建筑质量则相应地改为1。

2）计算各地块的初始区位得分以及办公/住房的基准价格

（1）地理区位因素决定的初始区位得分

上文已经提到，所有生成的地理要素将会不同程度地影响相关地块的区位属性。这些区位属性主要指影响创意企业和创意工人区位行为的区位要素（表5.3）。然而，如何将这种影响进行量化则成为一个关键问题。在本模型中，我们采用两个变量来定量描述这一影响，第一个为该地理要素的影响范围（Range），第二个为各地理要素影响力的衰减等级（Grade）（表5.10）。以购物中心为例，其影响范围为1.6 km，表示以该购物中心为圆心，在半径为1.6 km（16个方格）的范围内的所有地块都可以享受到因为该购物中心的存在而产生的购物便利性；其衰减等级为8，则表示将这个半径为1.6 km的圆面划分成为8个同心圆环，每一个圆环中所包含的地块所能获得的购物便利性得分相同，而不同圆环之间的地块所能获得的购物便利性则有差别。

表5.10　地理要素对地块区位得分的影响范围及其衰减等级

在量化各地理要素对周边地块的区位得分的影响时，其基本原则依然是：离该地理要素距离越远，其所能获得的相关得分越低。因此，在有限的影响范围内，各地理区位因素的影响将随距离（衰减等级）逐渐衰减。其量化公式为：

其中，In表示在衰减等级n内（等级n表示的圆环内）的地块所能获得的初始区位得分；N表示衰减等级总数。

根据公式（5.6）计算得出的量化数据由于多次相乘的次数不同以及范围的差异，会造成同一地块在不同区位因素上的得分产生巨大差距。如果我们直接将这些数据用于计算区位效用，那么部分得分非常高（由于自乘的次数多的缘故，例如道路交通部分地块的得分高达数亿）的区位因素将大大削弱其他得分相对较低（由于自乘次数较少，或者其他部分区位变量并没有通过自乘方式获取，而是根据社会调查结果获得，例如政策得分，就仅仅为1.0、1.5、2.0和2.5）的因素在区位效用中的贡献率，从而造成严重计算偏差。因此，通过公式（5.6）计算得出的原始数据必须进行标准化才能用于区位效用计算。为了将其同政策得分以及其他没有受到各地理要素影响的地块的初始区位得分（没受到任何地理要素影响的地块的得分设定为1）相匹配，我们采用公式（5.7）进行标准化。根据公式（5.6）和公式（5.7）可以推断，标准化后的各地块在各区位因素上的初始得分范围为[1，2]。

其中，SMij表示地块j在区位因素i上的标准化初始得分；Mij表示通过公式（5.6）计算得出的地块j在区位因素i上的初始得分；Mi表示各地块在区位因素i上的初始得分的集合。

（2）办公/居住的基准租赁价格计算

与每一个地块允许的最大容积率类似，每一个地块的基准价格（模型中实际上指建筑物室内楼面的价格）也包括两种情况，即用作办公用途的基准价格和用作居住用途的基准价格。其实际意义表示创意企业（或创意工人）占用每一平方米的办公（或住房）楼面空间每个月所需要支付的租金。两个基准价格的计算都基于各地块所拥有的区位优势的大小。其基本原则是区位越优，其价格越高。其采用同样的计算公式，表达式如下：

其中，R表示某一地块用作办公（或居住）的基准价格；SMi表示通过公式（5.7）计算得出的该地块在区位因素i上表现出来的初始区位得分；Oi表示企业（或工人）对区位因素i的重要性的排序（1表示最重要，随着数字的递减，重要性下降）；A是价格常数，根据具体的研究案例，其值应该不同，在本案例中，根据南京的实际价格数据，在核算办公基准价格时其值为3.5，在计算居住基准价格时其值为2.5；N表示决定创意企业（或创意工人）区位行为的因素的总数，在本案例中⑤，对创意企业而言，N的取值为8，对创意工人而言，N的取值为5。

3）行为主体的初始化

（1）城市政府（政策包）

根据上文所述，城市政府发挥作用的一个重要手段就是通过支持性的政策包的空间配发来引导投资。描述这一行为的主要维度包括政策包的数量、政策包所包含的政策数的多少和内容、政策包的空间配发的依据、政策包的有效期等。根据这些事实，本模型采用了3个控制参数（图5.8）。

①“policy-support”描述的是政策包的总量，其可取值的范围为“none”“low” “medium”“high”。其中“none”表示没有政策支持，“low”表示支持力度较低（实际取值为10），“medium”表示支持水平居中（实际取值为20），“high”表示高度支持（实际取值为30）。

图5.8　城市政府政策包控制参数

（注：此图为图5.2中的B部分）

②“prior-area”描述的是当前城市政府重点支持发展的地段属于哪一个区。因此，其取值范围分别为5个区：CBD、内市区、外市区、内郊区、外郊区。如果一个地区是重点发展地区，那么该区能够获得政策包支持的概率首先保证为50%，然后在剩下的政策包中随机配发给各个区。也就是说，重点发展的区能够获得的政策包的支持数量将大于总数的一半。

③“mean-tenure”描述了所有政策包的平均有效期（单位为月）。根据这一平均值，政策包在生成过程中将在该平均值基础上随机生成各政策包的有效期。

在用户界面B部分中，还有一个参数比较重要，即“b-tax-rate”。它并不是描述政策包属性的参数，而是描述城市政府向所有创意企业所征收的企业所得税的税率。也就是说所有获利的企业都必须按这个比例（假设将这一比例记为Rb）向城市政府纳税。当然，如果某一企业所在地块享有税收优惠，比如说优惠率（减税的比率）为Rm，其所需要缴纳的税将相应减少。假设该企业的总利润为P，那么该企业最终需要缴纳的税为P × Rb ×（1 - Rm）。

当这些政策包被配发到不同地段后，相应的地块的政策得分也将发生相应变化。在模型中，默认的地块政策得分为1，表示没有获得任何政策支持。当一个地块获得政策支持后，其相应的政策得分与政策包所包含的政策数量相关。其基本规定为：如果政策包包含一个政策，那么该地块的政策得分为1.5；如果包含两个政策，其政策得分为2.0；如果有三个政策，其政策得分为2.5。政策得分的大小与具体的政策内容无关，只与政策的数量有关。政策包中的具体政策内容不影响地块的政策得分，但是其将影响进入该地块的创意企业的办公租金支出、税务支出以及地块的创意氛围等内容，从而影响创意企业的空间行为和运营状态。

（2）创意企业和创意工人

用户界面的C部分用于设定模型中两个行为主体的原始数量以及创意产品需求市场的规模及其变动参数（图5.9）。其中“initial-number-firm”表示创意企业的原始数量，“initial-number-CW”表示创意工人的原始数量。这些创意企业和创意工人的原始基本属性模型的用户无法自由设定，而是根据在南京的社会调查获得有关他们的基本特征（参见第4章的相关阐述）而进行内部生成（具体生成过程和控制参数在后文叙述）。需求市场的规模及其变动特点由以下3个参数控制。

①“base-product-demand”定义整个模型系统初始化时期允许系统能够达到的产品需求总量。在模型中，该参数的值与模型内部其他要素没有关联关系，因此也称为“外生变量”。这一变量的数值大小根据研究案例不同而进行不同设置。一般来说，参考当地GDP总量或者相关创意产业的产业增加值而估计。

图5.9　行为主体原始数量与创意产品需求市场的控制参数

（注：此图为图5.2中的C部分）

②“demand-monthly-growth-rate”描述了初始产品需求总量是否会随着时间的推进而发生变化。其基本单位是初始需求每月的增长百分比，其值可正可负。当其值为负值时，表示需求量会随着时间的推进而逐步减少；当其值为正时，表示需求量会随着时间的推进而逐步增加；而当其值为0时，表示该需求值将不随时间发生变化，系统最终允许的最大需求值也就是初始值。

③“growth-rate-cycle”这一参数描述的是增长率的变动周期。利用这一参数，可以使得需求总量随着时间的推进可能发生周期性增长和减少的更迭现象，这也是为了反映需求市场受宏观经济的周期性波动影响而表现出来的特点。当然，如果将其波动周期设置为0，则表示原始需求无论是增长，还是减少都不会有周期变化的特点。

当系统启动初始化程序时，将根据设定的创意企业和创意工人的原始数量生成相应的行为主体。这些行为主体的基本属性的设定和生成参照本书第4章相关结论。在第4章中分别就创意产业的规模分布情况以及创意工人的收入分布情况作了阐述，研究显示两者都存在明显的极化现象。具体来说，就是创意企业以小型企业居多，创意工人工资水平分布不均，其中以中低收入者偏多。在本模型中，为了简化算法，我们假设在生成新的创意企业和创意工人的时候，创意企业的初始规模和创意工人的初始（期待的）工资水平均服从正态分布，其相应的均值（μ）和方差（σ2）参考社会调查中的数据（表5.11）。

表5.11　创意企业和创意工人的基本属性设定

续表5.11

为了保持创意企业的规模同其所能提供的工资水平的一致性，在生成公司规模和公司工资水平时，根据南京的实地调查数据作出如下规定：① 根据社会调查的数据，在这些公司中，工人能够得到的工资报酬每月不低于1 000元，同时，也没有公司提供的工资每月超过10万元；② 如果生成企业能够提供的工资水平小于1 000元而同时其预期规模却大于300人，则将该企业的预期规模设定为300人，将其能够提供的工资水平设定为1 000元；③ 如果企业的生成规模小于10人但大于5人，而其工资报酬却大于10 000元，则将该企业能够提供的工资报酬设定为10 000元；④ 当生成企业的规模小于5人而其工资报酬大约10 000元时，则将其规模修正为5人（也就是确保最小企业规模不小于5人），其能够提供的工资水平修正为10 000元。

企业的启动资本X(0)参考企业的计划规模Se而定。我们假设企业在不能获得任何收益的情况下大约可以保持运作半年（6个月）⑥，基于此，启动资金的数量计算公式为：

X(0) =　Se ×　Mo × A × 6　（5.9）

其中，参数Mo表示人均楼面面积；A表示办公楼面的基准租赁价格[元/（月·m2]。这两个参数在不同的案例中取值将不同。根据南京调查的数据，在模型中，Mo的取值为15，A的取值为75。

4 ）与行为主体的行为规则相关的关键阈值的设定

在上述相关初始化完成后，还必须对关系到各行为主体行为（参见本章的第5.2.3节）的关键阈值进行初始化设定。由于这些阈值通常无法获得确切值，同时这些阈值也是进行情景分析时设计不同情景的重要参数，因此模型设计中将这些控制变量设置为开放变量，模型用户可以通过用户界面并结合自身的研究需要进行设定。表5.12详细阐述了设定这些变量阈值后对模型运行的作用，而图5.10则展示了模型提供的可改变这些参数取值的工具和界面形式。

表5.12　阈值的控制变量及其意义

在用户界面上，控制这些关键阈值的参数分成三组（图5.10）。第一组主要涉及企业和工人的区位选择行为及两者之间的直接互动。例如根据图5.10的设置，创意企业在寻找办公区位时，每月（模型中的每一步）可以收集到相关有效信息（例如价格、区位、是否有政策优惠）的地块数量为10个，该企业将在这10个地块中选择能够产生最大区位效用的地块作为办公地点。而企业如果一旦无法找到合适的地块，那么允许其连续失败的次数为6次（也即6个月）。如果6个月后该企业仍然无法找到合适的办公用地，那么该企业将被系统剔除。

第二组数据主要涉及企业在系统运行过程中规模的发展计划的变动（也包括因地价上升造成的被迫迁移）。企业计划的规模可能发生两种变动，第一种为扩张，第二种为缩减。缩减计划可能会造成裁员，而扩张计划则可能创造更多就业岗位。根据图5.10的设定，我们可以得到如下信息：如果企业的利润率达到20%以上，企业将扩大（计划的）发展规模；如果企业的利润率小于-10%（企业亏损），企业将缩减（计划的）发展规模；同时，如果企业所在地段地价升值，造成办公租赁成本超过销售总额的20%，企业将被迫搬迁，以寻找新的较便宜的办公区位。

第三组主要涉及行为主体的新生条件。在模型设计过程中已经指出：新的创意工人的产生参照系统的就业率的实时情况，而新的创意企业的产生则根据创意产品的需求供给比而定。根据图5.10所设置的数据，可以明确系统运行时遵循如下规则：① 当系统的就业率达到80%时，将会有新的创意工人产生；② 当创意产品的需求量与创意产品的供给量之比为1.0时，新的创意企业将会产生。

图5.10　与行为主体的行为规则相关的关键阈值的设定界面

（注：此图为图5.2中的D部分）