Ett team av forskare vid Université Paris-Saclay, CNRS, CEA, har utvecklat en stokastisk ekvation för att modellera befolkningstillväxt i städer. I deras tidning publicerad i tidningen Natur , gruppen beskriver att skapa sin ekvation för att ta hänsyn till "intercity migration chocker" på befolkningsförändringar och de faktorer som är involverade i att producera resultat.

Under de senaste hundra åren, matematiker har försökt skapa formler för att beskriva befolkningstillväxt eller minskning i större städer i ett givet land. Men hittills, det bästa de har kunnat komma på är Zipfs lag, även känd som Gabaix-modellen, som utnyttjar regelbundenhet i stadstillväxten för att uppskatta framtida tillväxt. Efterföljande försök med modellen har avslöjat flera brister, dock, särskilt när slumpmässiga händelser inträffar som kan ha en dramatisk inverkan på befolkningen i en viss stad, som ett krig.

I denna nya insats, forskarna har tagit några av de viktiga delarna av Zipfs lag och lagt till tre viktiga faktorer för att introducera slumpmässighet:demografi, avgångar och ankomster, och långväga migration. De definierar långväga migration som förflyttning från landsbygd till städer eller från en stad till en annan. För att skapa och testa deras ekvation, de använde stadsbefolkningsdata från Frankrike, Storbrittanien., USA och Kanada.

I denna ansträngning, de upptäckte något nytt om stadens befolkningstillväxt eller nedgång – migrationschocker är viktiga. De definierar sådana chocker som sällsynta rörelser av människor in i eller ut ur en stad på grund av sociala, ekonomiska eller klimatiska händelser. De noterar att historien är full av exempel på sådana chocker som leder till explosiv tillväxt av en stad eller dess undergång. Tidiga städer i den amerikanska västern, de noterar, är bra exempel på båda. Guldrushen i slutet av 1800-talet ledde till snabb befolkningsökning i vissa städer och sedan plötsliga krascher när guldet tog slut.

Forskarna föreslår att deras ekvation kan användas av stadsplanerare för att uppskatta stadens befolkning och fördelning - och även för att förutsäga variationer i en stadshierarki.

© 2020 Science X Network