Trong Reaction–Diffusion Model, Urban Value Field được mô tả như một trường liên tục lan truyền trong không gian. Tuy nhiên, sự phát triển của đô thị không chỉ diễn ra trên mặt phẳng liên tục mà còn phụ thuộc mạnh mẽ vào cấu trúc mạng lưới (Network Structure) gồm giao thông, hạ tầng kỹ thuật, hệ thống kinh tế, mạng lưới dịch vụ và các quan hệ chức năng giữa các khu vực.
Do đó, V-Planning bổ sung Network Model nhằm mô tả sự lan truyền và tương tác của trường giá trị thông qua các nút (nodes) và các liên kết (edges). Mô hình này cho phép lượng hóa vai trò của kết nối không gian trong quá trình hình thành và biến đổi Urban Value Field.
Network Model biểu diễn đô thị dưới dạng một đồ thị:
G=(N,E)G=(N,E)G=(N,E)
trong đó:
NNN: tập hợp các nút (Nodes);
EEE: tập hợp các cạnh (Edges).
Mỗi nút có thể là:
khu dân cư;
trung tâm thương mại;
ga metro;
khu công nghiệp;
công viên;
trung tâm hành chính.
Các cạnh biểu diễn:
đường bộ;
đường sắt đô thị;
hệ thống hạ tầng kỹ thuật;
dòng người;
dòng hàng hóa;
dòng thông tin;
dòng vốn đầu tư.
Trong V-Planning, mỗi nút không chỉ mang thông tin hình học mà còn mang một giá trị:
ViV_iVi
Toàn bộ trường giá trị trên mạng được viết:
V=[V1,V2,…,Vn]T\mathbf V = [V_1,V_2,\ldots,V_n]^TV=[V1,V2,…,Vn]T
trong đó:
ViV_iVi là Urban Value tại nút thứ iii.
Điều này cho phép chuyển Urban Value Field sang dạng rời rạc trên mạng lưới.
Quan hệ giữa các nút được biểu diễn bằng ma trận kề:
A=(aij)A=(a_{ij})A=(aij)
với
aij={1,i↔j0,ngược lạia_{ij} = \begin{cases} 1,&i\leftrightarrow j\\ 0,&\text{ngược lại} \end{cases}aij={1,0,i↔jngược lại
Trong V-Planning, phần tử aija_{ij}aij có thể mở rộng thành trọng số:
aij=wija_{ij}=w_{ij}aij=wij
phản ánh:
khoảng cách;
thời gian di chuyển;
năng lực giao thông;
chi phí vận tải;
mức độ kết nối.
Động lực học trên mạng được mô tả thông qua Network Laplacian:
L=D−AL=D-AL=D−A
trong đó:
DDD: Degree Matrix;
AAA: Adjacency Matrix.
Network Laplacian là công cụ trung tâm để mô tả sự lan truyền Urban Value trên mạng lưới.
Sự lan truyền giá trị trên mạng được mô tả:
dVdt=−βLV+R(V)\frac{d\mathbf V}{dt} = -\beta L\mathbf V + R(\mathbf V)dtdV=−βLV+R(V)
trong đó:
LLL: Network Laplacian;
β\betaβ: hệ số lan truyền;
R(V)R(\mathbf V)R(V): nguồn tạo giá trị.
Phương trình này mô tả cách giá trị dịch chuyển giữa các nút thông qua cấu trúc mạng.
Đô thị hiện đại không chỉ có một mạng duy nhất mà gồm nhiều lớp mạng đồng thời.
Trong V-Planning, Urban Network gồm:
Transportation Network
Infrastructure Network
Economic Network
Social Network
Ecological Network
Information Network
Có thể ký hiệu:
G={G1,G2,…,Gm}G= \{G_1,G_2,\ldots,G_m\}G={G1,G2,…,Gm}
Mỗi lớp mạng có cơ chế lan truyền Urban Value khác nhau.
Một điểm mới của V-Planning là kết hợp mô hình trường liên tục và mô hình mạng.
Continuous Field:
V(x,y,z,t)V(x,y,z,t)V(x,y,z,t)
Network Field:
V(t)\mathbf V(t)V(t)
Hai mô hình được liên kết thông qua:
GIS;
H3 Grid;
Spatial Graph;
Digital Twin.
Điều này cho phép vừa mô tả sự lan truyền liên tục trong không gian, vừa phản ánh chính xác tác động của cấu trúc mạng lưới.
Network Model được sử dụng để:
phân tích khả năng tiếp cận (Accessibility);
đánh giá vai trò của các trung tâm đô thị;
mô phỏng ảnh hưởng của tuyến metro mới;
xác định các nút trọng yếu (Critical Nodes);
tối ưu hóa đầu tư hạ tầng;
đánh giá khả năng chống chịu của hệ thống đô thị;
xây dựng Urban Digital Twin.
Đây là nền tảng của Network-based Urban Planning.
Network Model mở rộng Urban Value Field từ không gian liên tục sang không gian mạng, phản ánh đúng bản chất của đô thị hiện đại như một hệ thống kết nối đa tầng. Thay vì chỉ xem giá trị là kết quả của vị trí địa lý, mô hình này cho thấy giá trị còn phụ thuộc vào cấu trúc và chất lượng của các liên kết giữa các khu vực.
Việc tích hợp Continuous Field và Network Theory tạo nên một trong những đóng góp phương pháp luận quan trọng của V-Planning. Nó cho phép mô hình hóa đồng thời cả sự lan truyền theo khoảng cách địa lý và sự lan truyền theo mạng lưới chức năng, từ đó nâng cao độ chính xác của các mô hình mô phỏng và dự báo.
Network Model mô tả sự lan truyền của Urban Value Field trên các mạng lưới đô thị. Tuy nhiên, việc ra quyết định quy hoạch không chỉ cần mô phỏng mà còn phải tìm được trạng thái tối ưu của hệ thống. Vì vậy, mục tiếp theo sẽ trình bày 4B.7. Hamiltonian Optimization, trong đó Urban Value Field được xem như một hệ động lực được điều khiển nhằm đạt trạng thái tối ưu dưới các ràng buộc về kinh tế, xã hội, môi trường và quản trị.
Khuyến nghị về cấu trúc cuốn sách: Sau 4B.7. Hamiltonian Optimization, nên tiếp tục theo trình tự:
4B.8. Fredholm Integral Equation
4B.9. Dynamic System
4B.10. Multi-objective Optimization
4B.11. AI-assisted Mathematical Framework
4B.12. Chapter Summary
Trình tự này đi từ mô hình cục bộ (PDE) → mô hình mạng → điều khiển tối ưu → tương tác phi cục bộ → hệ độn