Vol. 2 Núm. 1 (2020): Memorias Institucionales UIS
III congreso Colombiano de Investigación de Operaciones

76- #1019 SIMULACIÓN MEDIANTE AUTÓMATAS CELULARES EN 3D PARA PREDECIR EL 79 CRECIMIENTO VERTICAL DE LA CIUDAD DE MEDELLÍN: UNA APROXIMACIÓN

Julián Andrés Castillo Grisales
Ingeniería Industrial, Universidad de Antioquia, Colombia

Publicado 2019-01-01

Palabras clave

  • Autómata celular,
  • simulación,
  • NetLogo,
  • crecimiento de ciudades,
  • Georeferenciación

Cómo citar

Castillo Grisales, J. A. (2019). 76- #1019 SIMULACIÓN MEDIANTE AUTÓMATAS CELULARES EN 3D PARA PREDECIR EL 79 CRECIMIENTO VERTICAL DE LA CIUDAD DE MEDELLÍN: UNA APROXIMACIÓN. Memorias Institucionales UIS, 2(1). Recuperado a partir de https://revistas.uis.edu.co/index.php/memoriasuis/article/view/10485

Resumen

El crecimiento de las ciudades ha sido altamente
estudiado y tiene como principal razón que más del
50% de la población mundial habita en zonas urbanas
y en Latinoamérica ese porcentaje sobrepasa el 75%
(Campos, Almeida, & Queiroz, 2018; Cao et al., 2018;
Dadashpoor, Azizi, & Moghadasi, 2019). En muchos
aspectos se estudia el crecimiento de las ciudades en
una mirada de territorio incrementando el área de
ocupación sólo en dos dimensiones (Fu et al., 2019).
Las ciudades cambian y crecen principalmente en dos
ámbitos, en territorio y en volumen, la construcción es
parte fundamental del dinamismo de una ciudad
proporcionando vivienda y opciones de trabajo al crecer
verticalmente (Agyemang & Silva, 2019; He, Li, Huang,
Liu, & Yu, 2019). En el presente documento se realiza
una simulación basada en agentes utilizando
autómatas celulares en tres dimensiones para predecir
el crecimiento vertical de la ciudad de Medellín,
teniendo en cuenta datos históricos de crecimiento
vertical de 10 años y la posición geográfica de las
unidades de construcción de la misma ciudad. Se
presentan como resultado cuales sectores de la ciudad
son sensibles al crecimiento residencial y/o comercial y
diferentes parámetros de ciudad establecidos para el
presente estudio utilizando el software NetLogo 3D.
Además, se proponen una serie de estrategias para
decisión de inversión de recursos públicos en las zonas
de mayor crecimiento, para mitigar efectos del mismo y
recaudar impuestos.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

Agyemang, F. S. K., & Silva, E. (2019). Simulating the
urban growth of a predominantly informal Ghanaian
city-region with a cellular automata model: Implications
for urban planning and policy. Applied Geography,
105(August 2017), 15–24.
https://doi.org/10.1016/j.apgeog.2019.02.011
Campos, P. B. R., Almeida, C. M. de, & Queiroz, A. P.
de. (2018). Educational infrastructure and its impact on
urban land use change in a peri-urban area: a cellularautomata

based approach. Land Use Policy,
79(August), 774–788.
https://doi.org/10.1016/j.landusepol.2018.08.036
Cao, W., Zhu, Z., Zhou, Y., Liang, L., Li, X., & Yu, B.
(2018). Mapping annual urban dynamics (1985–2015)
using time series of Landsat data. Remote Sensing of
Environment, 216(August), 674–683.
https://doi.org/10.1016/j.rse.2018.07.030
Dadashpoor, H., Azizi, P., & Moghadasi, M. (2019).
Analyzing spatial patterns, driving forces and predicting
future growth scenarios for supporting sustainable
urban growth: Evidence from Tabriz metropolitan area,
Iran. Sustainable Cities and Society, 47(March),
101502. https://doi.org/10.1016/j.scs.2019.101502
Fu, Y., Li, J., Weng, Q., Zheng, Q., Li, L., Dai, S., & Guo,
B. (2019). Characterizing the spatial pattern of annual
urban growth using time series Landsat imagery.
Science of The Total Environment, 666, 274–284.
https://doi.org/10.1016/J.SCITOTENV.2019.02.178
He, J., Li, C., Huang, J., Liu, D., & Yu, Y. (2019).
Modeling Urban Spatial Expansion Considering
Population Migration Interaction in Ezhou, Central
China. Journal of Urban Planning and Development,
145(2). https://doi.org/10.1061/(ASCE)UP.19435444.0000503.