本研究以細胞自動機（Cellular Automata, CA）為基礎，建構騎樓及鄰接路側空間之使用變遷模型，採個案研究取向，探討既有都市環境中不同使用狀態之空間分布特性、影響因素及轉換過程。相較於過去多從單一通行寬度檢核、靜態現況描述或制度規範角度理解騎樓空間，本研究將騎樓及鄰接路側視為實際使用上相互關聯，但在產權性質與法定功能上仍有所差異的街道空間，並將商業、盆栽雜物、機車與空置等多元使用狀態納入分析，透過使用狀態分類與變遷模擬，釐清各使用狀態之形成機制與演變邏輯，作為騎樓空間治理與管理制度檢討之參考。
研究以臺南市東區東寧路與東安路之騎樓與鄰接路側為研究範圍。建立0.5 公尺× 0.5 公尺網格為分析單元，依 2016 年、 2017 年及 2018 年 Google 歷史街景影像，判釋使用狀態，並區分為商業、盆栽雜物、機車與空置四類。模型建構上，首先透過狀態轉移分析掌握使用狀態於不同年份間之轉移趨勢；其次運用逐步迴歸篩選影響使用狀態分布之環境因子，並結合多準則評估（Multi-Criteria Evaluation, MCE）建立各狀態適宜性圖層；最後整合 Markov 轉移機率、空間適宜性與 CA 鄰近作用，模擬 2018 年使用狀態，以分類一致性、空間合理性及通行帶檢核三層次進行模型驗證。
研究結果顯示，騎樓及鄰接路側空間整體使用比例在不同時點相對穩定，但局部區位仍持續轉換。商業與盆栽雜物具較高的延續性及空間群聚特徵；機車與空置之間的轉換則較為明顯，反映短期停放與位置替代所形成的動態使用特性。驗證結果顯示 CA-Markov 模型較能描述具延續性及群聚特徵之使用狀態；對於易受短期行為影響的機車停放位置，其逐格重現能力相對有限。空間合理性驗證發現，部分未與實際狀態逐格重合的機車狀態，仍位於具相應停放條件之合理區位，此驗證可補充分類一致性對動態狀態之侷限。通行空間檢核顯示，實際通行品質不僅與非空置狀態之面積有關，亦取決於其配置位置、對通行帶的侵入程度及騎樓戶間通行路徑連續性所影響。
本研究透過細胞自動機與狀態轉移分析，建立一套微觀空間使用變遷之模擬方法，並指出不同使用狀態在穩定性、逐格重現能力與治理需求上之差異。實務上，可依通行完整性、連續性與受阻型態辨識優先改善區段，並整合騎樓通行、鄰接路側使用、機車停放、沿街商業活動與周邊停車供給採取差異化治理。相關治理應在確保安全且連續通行的前提下，協調空間使用效率與地方生活需求，並重新理解騎樓作為兼具私有產權與公共通行功能之都市空間角色。

This study constructs a cellular automata model to analyze the spatial distribution, influencing factors, and transition processes of arcade space use. Rather than treating arcades merely as passage spaces regulated by clear width or static physical conditions, this study regards them as complex urban spaces involving pedestrian movement, temporary staying, commercial activities, motorcycle parking, and daily object placement. The research area includes the arcade spaces along Dongning Road and Dongan Road in the East District, Tainan City. A 0.5 m × 0.5 m grid was used as the basic analytical unit, and Google Street View images from 2016, 2017, and 2018 were interpreted to classify arcade use into commercial use, potted plants and miscellaneous objects, motorcycles, and vacant space.
The model integrated transition analysis, stepwise logistic regression, multi-criteria evaluation, Markov transition probabilities, and CA neighborhood effects to simulate arcade space use in 2018. Model performance was evaluated through classification consistency and spatial rationality validation.
The results show that commercial use and potted plants and miscellaneous objects were relatively stable, whereas motorcycle use was more dynamic and often confused with vacant space. Although the CA-Markov model captured the overall composition and major spatial tendencies of arcade use, it was limited in precisely simulating short-term motorcycle parking locations. By interpreting motorcycle use as potential parking locations rather than fixed positions at a single moment, the model provided a more reasonable explanation of arcade space use. The passageway assessment also indicated that the actual quality of that depends on its spatial location in each usage state, the degree of encroachment on the building's side passageway zone, and the continuity of pedestrian paths on the front of adjacent arcades. This study suggests that arcade governance should move beyond static regulation and adopt differentiated management strategies based on the stability and spatial characteristics of different use states.

Batty, M. (2008). Cities as complex systems: Scaling, interactions, networks, dynamics and urban morphologies. CASA Working Papers, (131). Centre for Advanced Spatial Analysis (UCL). https://doi.org/10.1007/978-0-387-30440-3_69
Batty, M., & Xie, Y. (1994). From cells to cities. Environment and Planning B: Urban Analytics and City Science, 21(7). https://journals.sagepub.com/doi/abs/10.1068/b21S031
Clarke, K. C., Hoppen, S., & Gaydos, L. (1997). A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay Area. Environment and Planning B: Planning and Design, 24(2), 247–261. https://doi.org/10.1068/b240247
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.).Lawrence Erlbaum Associates.
Değermenci, A. S. (2023). Spatio-temporal change analysis and prediction of land use and land cover changes using CA-ANN model. Environmental Monitoring and Assessment, 195(10), 1229. https://doi.org/10.1007/s10661-023-11848-9
Fonstad, M. A. (2006). Cellular automata as analysis and synthesis engines at the geomorphology–ecology interface. Geomorphology, 77(3), 217–234. https://doi.org/10.1016/j.geomorph.2006.01.006
Lee, T.-C. (2007). An agent-based model to simulate motorcycle behaviour in mixed traffic flow (Doctoral dissertation, Imperial College London). Graz University of Technology.
Parsch, C., Wagner, B., Engert, J. E., Panjaitan, R., Laurance, W. F., Nitschke, C. R., & Kreft, H. (2025). Forecasting deforestation and carbon loss across New Guinea using machine learning and cellular automata. Science of The Total Environment, 970, 178864. https://doi.org/10.1016/j.scitotenv.2025.178864
Santé, I., García, A. M., Miranda, D., & Crecente, R. (2010). Cellular automata models for the simulation of real-world urban processes: A review and analysis. Landscape and Urban Planning, 96(2), 108–122. https://doi.org/10.1016/j.landurbplan.2010.03.001
Sha, J. (2025). Analysis of landscape pattern evolution based on MCE-CA–Markov model. Earth Science Informatics, 18(3), 436. https://doi.org/10.1007/s12145-025-01939-1
White, R., Engelen, G., & Uljee, I. (1997). The use of constrained cellular automata for high-resolution modelling of urban land-use dynamics. Environment and Planning B: Planning and Design, 24(3), 323–343. https://doi.org/10.1068/b240323
Wu, F., & Webster, C. J. (1998). Simulation of land development through the integration of cellular automata and multicriteria evaluation. Environment and Planning B:Planning and Design, 25(1), 103–126. https://doi.org/10.1068/b250103
Yeh, A. G.-O., & Li, X. (2001). A constrained CA model for the simulation and planning of sustainable urban forms by using GIS. Environment and Planning B: Planning and Design, 28(5), 733–753. https://doi.org/10.1068/b2740
Yeh, A. G.-O., & Li, X. (2002). A cellular automata model to simulate development density for urban planning. Environment and Planning B: Planning and Design, 29(3), 431–450. https://doi.org/10.1068/b1288
Yeh, A. G.-O., & Li, X. (2003). Simulation of development alternatives using neural networks, cellular automata, and GIS for urban planning. Photogrammetric Engineering & Remote Sensing, 69(9), 1043–1052. https://doi.org/10.14358/PERS.69.9.1043
王怡青，2017。從步行者觀點探討使用者對「臺南市騎樓暢通計畫」政策認知及滿意度-以北門路為例。國立中山大學，公共事務管理研究所，碩士論文。
王珠環，2017。影響政府推動騎樓暢通政策執行因素之研究：以台南市政府為例。國立中正大學，政治學系政府與公共事務碩士在職專班，碩士論文。
王齊郁，2012。斗六太平老街「騎樓」之生活空間使用，南華大學，建築與景觀學系環境藝術碩士班，碩士論文。
朱武獻，2014。騎樓法制之研究。國立臺灣大學，國家發展研究所，碩士論文。
吳欽憲，2009。騎樓的景觀與社會空間識覺——以台北市為例。國立臺灣師範大學，地理學系，碩士論文。
吳致廷，2013。幸福城市-騎樓空間之利用，台中市政府。
阮英芳，2023。應用基於人工神經網絡的元胞自動機模型 調查旅遊業對胡志明市土地利用土地覆蓋變化的影響。國立成功大學，都市計劃學系，碩士論文。
林成城，2017。台南市東區商業區騎樓佔用類別及影響因子之研究。國立成功大學，都市計劃學系，碩士論文。
邱薏潔，2024。氣候變遷與都市發展對洪災危害度之空間區位影響探討―以臺北市為例。國立成功大學，都市計劃學系，碩士論文。
林勳赫，2018。人行空間變項因子與使用者不當行為之相關性研究。中國文化大學，景觀學系，碩士論文。
胡宗雄與徐明福，2003。日治時期台南市街屋亭仔腳空間形式之研究。建築學報，44,97–115。
陳永奕，2018。商圈機車停車位置選擇模式建構—以臺南市東寧路為例。國立成功大學，都市計劃學系，碩士論文。
陳芃妤，2012。應用細胞自動機模擬大台北地區都市擴張。中國文化大學，地學研究所地理組碩士班，碩士論文。
陳柏宏，2017。以防災為導向之都市聰明萎縮管理－以嘉義地區土地使用調適為例。國立成功大學，都市計劃學系，碩士論文。
陳柏霖，2018。沿海都市地區洪災風險對土地利用型態影響之探討：以高雄市為例。國立成功大學，都市計劃學系，碩士論文。
黃子芩，2021。探討萎縮都市下的土地使用變遷模式。國立臺北大學，都市計劃研究所，碩士論文。
黃義魁，1985。台灣騎樓空間之研究。東海大學，建築(工程)研究所，碩士論文。
黃俊銘，1996。清末與日據時期亭仔腳相關法規的發展歷程--騎樓管理問題根源的探討。第二屆建築理論與應用研討會論文集，141-148。
黃明賢，2012。騎樓爭占：都市治理與日常生活政治。國立臺灣大學，建築與城鄉研究所，碩士論文。
蔡宜妏，2020。騎樓空間使用分析-以臺南市東區騎樓暢通計畫示範區為例。國立成功大學，都市計劃學系，碩士論文。
賴裕鵬與聶志高，2011。台灣街屋與中國廣東騎樓之比較研究：以建築法規對傳統街屋騎樓影響為例。都市與計劃，38, 73–98。
鄭靖達，2024。以領域性觀點探討商業使用下騎樓空間使用—以台南市騎樓暢通計畫優先示範地區為例。國立成功大學，都市計劃學系，碩士論文。
顧嘉安，2010。以馬可夫鍊細胞自動機模型模擬極端洪水對都市土地利用型態之影響─以台北市為例。國立成功大學，都市計劃學系，碩士論文。
平均地權條例，2023。
交通局公告本市騎樓自明年 1 月起開放停放機慢車，2024，https://www.tainan.gov.tw/News_Content.aspx?n=13370&s=8711922。
土地稅減免規則，2010。
土地稅法，2025。
司法院釋字第 564 號解釋，2003。
城鄉風貌型塑整體計畫(102 至 105 年)，2013。
建築技術規則，2021。
機車退出騎樓、整頓人行道計畫2007。
道路交通管理處罰條例，2025。
都市更新建築容積獎勵辦法，2025。
都市危險及老舊建築物建築容積獎勵辦法，2025。
臺南市騎樓地設置標準，2012。
騎樓暢通計畫，2012。
騎樓暢通計畫啟動 選定五大優先示範路段，2012。
內政部國土管理署 113 年度「市區道路養護管理暨人行環境無障礙考評計畫」，2024。