Emergent Complex Socio-economic Phenomena in Urban Environments. Hierarchies, Segregation and Cooperation

Abstract

[eng] Urban environments are complex socio-economic systems in which inequalities, segregation, and cooperation emerge from the interplay between individual decisions, group dynamics, and institutional structures. This thesis explores how computational and data-driven tools from complexity science can be used to ex-plain, simulate, and quantify such emergent large-scale social patterns. Grounded in a perspective specific to statistical physics, it integrates agent-based modelling, stochastic processes, network science, and game theory to investigate the micro-motives behind urban inequality, segregation, and collective action. The first part of the thesis models the spontaneous emergence of social hierarchies through agent-based simulations. It shows that even symmetric groups can evolve into highly unequal status distributions through self-reinforcing local interactions. The system exhibits identifiable phase transitions and scaling laws, independent of system size, highlighting how dominance structures can emerge endogenously through inter-group dynamics in competitive societies. The second part reconstructs co-residence network using high-resolution ad-ministrative registration data from the city of Vienna, covering local and migrant populations. The analysis reveals socio-spatial segregation driven by neighbourhood wealth, neighbourhood diversity, and nationality-based homophily. This network-based clustering uncovers latent group structures and offers a generalisable and novel method for mapping urban socio-economic segregation patterns in multicultural urban contexts beyond traditional spatial metrics. The last part draws on a citizen science experiment conducted in Barcelona, where participants engaged in a collective-risk dilemma for air pollution mitigation action under unequal initial resources to reproduce real-world socioeconomic heterogeneity. The study analyses decision-making behaviour and finds that less-endowed individuals contribute proportionally more to the public good, high-lighting asymmetries in perceived responsibility and capacity. By combining real behavioural data with agent-based simulations led by conditional probabilities, the experiment challenges assumptions in classical models of cooperation and underscores the role of inequality in shaping strategic behaviour. Together, these case studies show how tools from complexity science can advance both theoretical and applied understanding of urban social dynamics. By bridging abstract modelling, empirical data, and behavioural insights, the thesis contributes to the study of statistical physics applied to modern cities, offering a deeper understanding of the structural mechanisms driving inequality, segregation, and cooperation. It proposes a multi-method framework for diagnosing feedback loops in urban complex systems and guiding policy interventions to-ward more inclusive and equitable urban environments, combining quantitative rigour with societal relevance. Agent-based modelling, network science, and game theory share key foundational principles with statistical physics, particularly the emphasis on emergence, collective dynamics, and bottom-up interactions. In this thesis, these frameworks are not treated as subsets of physics but as complementary perspectives aligned by a shared epistemological philosophy: that complex social phenomena arise from the interactions of many simple units. These approaches highlight the potential of physics-inspired models to support the co-production of knowledge among researchers, institutions, and citizens.

[cat] Els entorns urbans són sistemes socioeconòmics complexos en què les desigualtats, la segregació i la cooperació emergeixen de la interacció entre les decisions individuals, les dinàmiques de grup i les estructures institucionals. Aquesta tesi explora com es poden utilitzar eines computacionals i basades en dades de la ciència de la complexitat per explicar, simular i quantificar aquests patrons socials emergents a gran escala. Basada en una perspectiva pròpia de la de física estadística, integra la modelització basada en agents, els processos estocàstics, la ciència de xarxes i la teoria de jocs per investigar els micromotius darrere de la desigualtat urbana, la segregació i l’acció col·lectiva. La primera part de la tesi modela l’emergència espontània de jerarquies socials mitjançant simulacions basades en agents. Mostra que fins i tot grups simètrics poden evolucionar cap a distribucions d’estatus altament desiguals mitjançant interaccions locals autoreforçades. El sistema presenta transicions de fase i lleis d’escala identificables, independents de la mida del sistema, destacant com estructures de dominància poden emergir endògenament a través de dinàmiques intergrupals en societats competitives. La segona part reconstrueix la xarxa de corresidència utilitzant dades de registre administratiu d’alta resolució de la ciutat de Viena, que cobreixen poblacions locals i migrants. L’anàlisi revela una segregació socioespacial impulsada per la riquesa del barri, la diversitat del barri i l’homofília basada en la nacionalitat. Aquesta agrupació basada en xarxes descobreix estructures de grup latents i ofereix un mètode generalitzable i nou per cartografiar els patrons de segregació socioeconòmica urbana en contextos urbans multiculturals més enllà de les mètriques espacials tradicionals. La darrera part es basa en un experiment de ciència ciutadana dut a terme a Barcelona, on els participants van participar en un dilema de risc col·lectiu per a l’acció de mitigació de la contaminació atmosfèrica sota recursos inicials desiguals per reproduir l’heterogeneïtat socioeconòmica del món real. L’estudi analitza el comportament en la presa de decisions i descobreix que els individus menys dotats contribueixen proporcionalment més al bé públic, destacant les asimetries en la responsabilitat i la capacitat percebudes. Combinant dades de comportament reals amb simulacions basades en agents dirigides per probabilitats condicionals, l’experiment desafia les suposicions dels models clàssics de cooperació i subratlla el paper de la desigualtat en la configuració del comportament estratègic. Junts, aquests estudis de cas mostren com eines de la ciència de la complexitat poden avançar tant en la comprensió teòrica com aplicada de les dinàmiques socials urbanes. En unir la modelització abstracta, les dades empíriques i les perspectives comportamentals, la tesi contribueix a l’estudi de la física estadística aplicada a les ciutats modernes, oferint una comprensió més profunda dels mecanismes estructurals que impulsen la desigualtat, la segregació i la cooperació. Proposa un marc multimètode per diagnosticar bucles de retroalimentació en sistemes urbans complexos i guiar les intervencions polítiques cap a entorns urbans més inclusius i equitatius, combinant el rigor quantitatiu amb la rellevància social. La modelització basada en agents, la ciència de xarxes i la teoria de jocs comparteixen principis fonamentals clau amb la física estadística, en particular l’èmfasi en l’emergència, la dinàmica col·lectiva i les interaccions de baix a dalt. En aquesta tesi, aquests marcs no es tracten com a subconjunts de la física, sinó com a perspectives complementàries alineades per una filosofia epistemològica compartida: que els fenòmens socials complexos sorgeixen de les interaccions de moltes unitats simples. Aquests enfocaments destaquen el potencial dels models inspirats en la física per donar suport a la coproducció de coneixement entre investigadors, institucions i ciutadans.