城市扩展元胞自动机多结构卷积神经网络模型

传统的城市扩展元胞自动机(CA)模型是基于单个元胞的变量信息挖掘来构建转换规则的。针对这一问题,本文基于多结构卷积神经网络提出从区域特征出发且顾及区域多尺度特征挖掘转换规则的城市扩展元胞自动机模型(MSCNN-CA),并以武汉主城区和上海浦东新区为例,模拟了两个试验区2005—2015年期间城市扩展过程。模型验证表明:与逻辑回归和神经网络相比,本文构建的3个单一结构的卷积神经网络元胞自动机(CNN-CA)模型在4个指标(Kappa系数、FoM(figure of merit)值、命中率(h)和错误率(m))上都有不同程度的提高。特别是FoM指数,在武汉主城区提高了23.3%～29.4%,在上海浦东新区提高了20.3%～28.5%。此外,MSCNN-CA模型与3个单一结构的CNN-CA模型相比,在各个指标上也有所改善,FoM指数在武汉主城区提高了0.8%～4.8%,上海浦东新区提高了2.8%～7.8%。两个试验区的模拟结果表明:相比传统CA模型,基于多结构卷积神经网络的城市扩展元胞自动机模型(MSCNN-CA)能够有效提高城市扩展模拟的精度,更真实地反映城市扩展空间演变过程。相比单结构的...     

扩展邻域元胞自动机模型城市扩张研究

元胞自动机近年来被广泛应用于动态模拟城市扩张,但其邻域类型一般固定于摩尔邻域.文章基于Geo-CA理论,自定义扩展邻域类型,并结合特定地理位置多层次约束性条件构建CA模型,扩展了CA模型的空间建模功能.以武汉市为例,将2000年和2009年TM遥感影像和城市用地数据作为基础,结合武汉市城市规划图、DEM、道路交通图、水域等多层次图像,构成空间数据库,建立武汉市城市扩张扩展邻域CA模型.最后以2009年数据为基础,对武汉市2018年城市用地扩张情况进行预测,为武汉市城镇建设提供参考.     

基于粒子群算法的矢量元胞自动机转换规则获取

本文提出了一种基于粒子群算法来自动获取矢量元胞自动机转换规则的新方法。采用粒子群算法所提取的转换规则毋需通过数学公式来表达,能更方便和准确地描述自然界中的复杂关系,并且这些规则比数学公式更容易让人理解。以丹阳市城市扩展为例,使用粒子群算法挖掘元胞自动机转换规则模拟该研究区域的城市扩展过程,并对模拟结果进行了精度评价。     

集成GIS的元胞自动机在城市扩展模拟中的应用

元胞自动机CA(Cellular Automata)是一种"自下而上"的动态模拟模型,具有模拟城市复杂系统时空演化过程的能力.CA和GIS的集成使二者在时空建模方面相互补充,能使CA模拟结果可视化显示.这里以郑州市为例,设计了城市CA模型,借助VB 6.0和MapX 5.0建立了一个与GIS无缝集成的2维CA模拟系统,并结合郑州市2005～2007年遥感影像图和土地利用图,对郑东新区进行了模拟,取得较好的效果.     

顾及障碍空间距离和区域差异的元胞自动机城市扩展模型构建

结合城市空间的区域异质性特征,提出了顾及障碍空间距离和区域差异的CA城市扩展模型。以武汉市中心城区为例,在精确度量障碍空间的基础上,根据城市用地的不同形态和作用方式进行元胞空间的区域划分,构建动态的演化规则。实证表明,新模型能比较真实地模拟城市的扩展过程,结果可靠。     

集成GIS的元胞自动机在城市扩展模拟中的应用

元胞自动机CA(Cellular Automata)是一种"自下而上"的动态模拟模型,具有模拟城市复杂系统时空演化过程的能力。CA和GIS的集成使二者在时空建模方面相互补充,能使CA模拟结果可视化显示。这里以郑州市为例,设计了城市CA模型,借助VB 6.0和MapX 5.0建立了一个与GIS无缝集成的2维CA模拟系统,并结合郑州市2005~2007年遥感影像图和土地利用图,对郑东新区进行了模拟,取得较好的效果。     

元胞自动机城市增长模型的空间尺度特征分析

基于元胞自动机模拟城市系统的复杂行为时,空间尺度是一个非常重要的概念,模型的模拟结果往往会随着输入数据的空间尺度变化而发生变化。然而,目前的元胞自动机城市增长模型大多没考虑数据的空间尺度特征,本文拟通过改变模型中输入数据的空间尺度来验证元胞自动机城市增长模型对尺度的敏感性及其空间尺度特征,并以长沙市为例进行实证研究。研究结果表明:元胞自动机城市增长模型只有在一定的尺度范围内才具有较高的模拟精度,并且模型对尺度具有一定的敏感性,因此为了使模型能够具有较高的模拟精度,并较好地反映城市形态特征,应认真选择模型中输入数据的空间尺度。     

基于灰色局势决策规则的元胞自动机城市扩展模型

对标准的元胞自动机模型的元胞含义、规则定义等进行了扩展,探讨了元胞自动机模型与多目标灰色局势决策、层次分析方法有机结合,构建基于灰色局势决策、层次分析法与元胞自动机的城市空间动态扩展模型,并以海南省琼海市为例进行了验证。     

基于CA模型的城市空间扩展研究——义乌市为例

本文引入地理信息系统(GIS)和元胞自动机的有机集成而构筑的GeoCA-Urban模型模拟义乌市城市空间扩展的动态演化过程。结果表明:从发展速度分析,义乌市城市发展经历了一个起步—缓慢发展—爆炸发展的过程,而且爆炸式发展还在继续,从发展的空间布局上分析,义乌市在交通(主要是浙赣铁路和主要公路)、水系(义乌江)和城市中心辐射作用下,经历了带状(东北西南向)—椭圆—圆形的发展过程。通过设置转换规则、参数,真实直观地再现展示了城市空间系统的演化过程,为城市规划等提供了辅助决策。     

地理特征元胞自动机及城市土地利用演化研究

将综合了几何和非几何属性的地理特征概念引入元胞自动机,构建了地理特征元胞自动机概念模型。通过对深圳特区土地利用演化的实证研究表明,地理特征CA可以更真实地描述元胞地理信息、局部空间关系和演化规则,理论上是可行的;基于地理特征的城市土地利用演化CA在城市规划中具有很大的应用价值。     

利用CA模型进行城市空间增长动力的研究——以武汉市主城空间增长过程分析为例

提出了基于扩散生长的状态型CA模型、基于轴线生长的交通型CA模型和基于优势驱动的环境型CA模型等三种CA模型,设定了包围填充、扩散生长、交通延伸、交通连接、交通吸引、优势生长等6种转换规则。模拟结果表明,武汉市主城整体上呈现出“摊大饼”的发展态势,并且扩散到城市地区,近郊优势增长十分明显,导致了大规模的郊区化,呈现出城乡一体化的发展态势     

集成变权与约束性模糊CA的城镇用地扩张情景模拟

引入变权理论、模糊理论、规模及空间约束等,构建了基于变权的约束性模糊元胞自动机(CA),用于城镇用地空间管制边界的模拟,并以太仓市区为例进行应用研究。结果显示,太仓市区城镇用地扩张首先通过内部填充,再进行外部扩张,体现了紧凑式发展模式,其发展方向符合"十一五"规划要求。研究表明,该模型不仅能解决城镇用地扩张的合理规模问题,同时也可灵活处理不同因素的作用程度及空间选择的模糊决策问题,故可更好地满足土地利用规划的需要。     

基于最大发展潜力值的元胞自动机城市扩张模型

在城镇化发展水平及土地开发评价的基础上,评价待扩张区域土地转变潜力分值,基于最大转变潜力分值,提出一种有别于传统元胞自动机模拟城市扩张的新方法。该方法与传统元胞自动机模拟城市扩张相比在迭代方式上存在不同,它克服了传统元胞自动机因阈值设置不同而导致结果不确定的难题。分别将该方法与传统元胞自动机模型应用于武汉主城区,模拟了其2003年到2013年的城市扩张情况,最后,将模拟结果与实际土地利用现状图进行对比发现改进后的新方法在模拟精度上大大提高。     

Cellular Automata Based Model of Urban Spatial Growth

In the study reported in this paper an attempt has been made to develop a Cellular Automata (CA) model for simulating future urban growth of an Indian city. In the model remote sensing data and GIS were used to provide the empirical data about urban growth while Markov chain process was used to predict the amount of land required for future urban use based on the empirical data. Multi-criteria evaluation (MCE) technique was used to reveal the relationships between future urban growth potential and site attributes of a site. Finally using the CA model, land for future urban development was spatially allocated based on the urban suitability image provided by MCE, neighbourhood information of a site and the amount of land predicted by Markov chain process. The model results were evaluated using Kappa Coefficient and future urban growth was simulated using the calibrated model     

Exploring the Historical Determinants of Urban Growth Patterns through Cellular Automata

We have adapted METRONAMICA, an established cellular automata (CA) modelling system, to simulate the historical growth of a section of a large world city. Our model is tuned to reflect the morphology of land use patterns more accurately than traditional CA models, which abstract those patterns to more aggregate spatial scales. We explore the spatial determinants of land use patterns with detailed empirical data, documenting the historical growth of West London at an unusually high level of spatial and temporal resolution. The results of the study provide support for our considered speculations: (1) that the spatial relationships between land uses and the physical environment are remarkably consistent through time, showing little variation relative to changes in historical context; and (2) that these relationships constitute a basic code for urban growth which determines the spatial signature of land development in a given metropolitan area.     

基于CA的南京市城市空间结构演变模拟

元胞自动机(Cellular Automata,CA)是一种"自下而上"的动态模拟建模框架,具有模拟复杂系统时空演化过程的能力。本文将对标准CA进行扩展,以南京市为研究区域,对其城市扩展进行模拟。