Un modelo de crecimiento urbano vertical con factores característicos basado en inteligencia artificial

Abstract

El crecimiento urbano vertical se define como un fenómeno espacio-temporal que surge como consecuencia de factores sociales, económicos o geográficos produciéndose tanto en forma horizontal como vertical. La acción del crecimiento horizontal genera consecuencias geográficas como destrucción de bosques, áreas agrícolas y espacios de agua. Por otro lado, el tiempo de traslado en actividades cotidianas aumenta, impactando en el tiempo requerido para el acceso a servicios. Tras el ataque del World Trade Center el 11 de septiembre de 2001, se pronosticaba que el crecimiento ver- tical se detendría; sin embargo, las ciudades han seguido creciendo verticalmente. Al optar por un crecimiento vertical los planeadores urbanos han adaptado los edificios como herramientas para buscar la integración de servicios y minimizar el daño a zonas naturales. Recientemente, con la evolución tecnológica, la geografía ha comenzado a integrar técnicas de inteligencia artificial en modelos de crecimiento urbano, con el fin de simular el comportamiento de las ciudades o regiones, tomando en cuenta los factores humanos que dirigen el crecimiento. Este tipo de modelos presentan un área de oportunidad que se encuentra en aumento debido a que son técnicas matemáticas que simulan el comportamiento del cerebro humano. En esta tesis se presenta un modelo con redes neuronales y autómata celular integrado al SIG libre QGIS mediante el lenguaje de programación Python para proyectar el crecimiento vertical, a través de imágenes raster y mapas vectoriales. El modelo propuesto se conforma de cuatro etapas: Procesamiento de datos, Diseño de arquitectura de red neuronal, Proyección mediante autómata celular, Validación del modelo. Durante el procesamiento de datos ráster se realizan correcciones (radiométricas, geométricas y atmosféricas) a las imágenes satelitales para reducir errores producidos al tiempo de su captura. Posteriormente, mediante combinación de bandas satelitales y aplicación de índices espectrales se resalta la zona urbana objetivo. Los datos vectoriales se procesan a través del sistema de información geográfica QGIS para georreferenciar la información y rasterizar los datos. Finalmente, los datos se normalizan en valores entre 0 y 1 para hacerlos compatibles con las funciones de activación de la red neuronal. Para el diseño de red neuronal se desarrolla un script en Python que busque la arquitectura óptima para los datos de estudio, una vez terminado el proceso de búsqueda se proyecta un mapa de probabilidad que combina imágenes satelitales y factores de crecimiento. A partir de este mapa se realiza la proyección del crecimiento vertical, para ello se diseña un autómata celular con un conjunto de reglas que permiten evaluar los valores de la vecindad de un edificio y determinar si puede o no darse un crecimiento vertical. El modelo se prueba en cuatro zonas metropolitanas de México (Valle de México, Guadalajara, Monterrey y Puebla-Tlaxcala) y el caso de estudio internacional de la metrópolis de Tokio (Japón). Se generan resultados con una exactitud del 73 % los cuales se validad mediante: i) Promedio de cantidad de edificios proyectados, ii) Posición utilizando el índice Kappa y, iii) Valor en la imagen satelital mediante el índice Jaccard. Se observa que el crecimiento vertical se concentra alrededor de las ciudades principales de México; sin embargo, con el paso de los años comienza a expandirse hacia los municipios cercanos debido a la relación entre los factores de crecimiento vertical.