基于神经网络的单元自动机CA及真实和优化的城市模拟

提出了一种基于神经网络的单元自动机（CA）。CA已被越来越多地应用在城市及其它地理现象的模拟中。CA模拟所碰到的最大问题是如何确定模型的结构和参数。模拟真实的城市涉及到使用许多空间变量和参数。当模型较复杂时，很难确定模型的参数值。本模型的结构较简单，模型的参数能通过对神经网络的训练来自动获取。分析表明，所提出的方法能获得更高的模拟精度，并能大大缩短寻找参数所需要的时间。通过筛选训练数据，本模型还可以进行优化的城市模拟，为城市规划提供参考依据。     

分析学习智能元胞自动机及优化的城市模拟

元胞自动机被广泛应用于城市及其他地理现象的模拟,模拟过程中的最大问题是如何确定模型的结构和参数。该文提出一种基于分析学习的智能优化元胞自动机,该模型在逻辑回归模型的基础上,基于分析学习的智能方法,寻找元胞自动机模型的最佳参数。该方法允许用户控制空间变量影响权重,进而模拟出不同的城市发展模式,可为城市规划提供重要参考。     

元胞自动机在城市模拟中的误差传递与不确定性的特征分析

元胞自动机(Cellular Automata,简称CA)已越来越多地用于地理现象的模拟中,如城市系统的演化等。城市模拟经常要使用GIS数据库中的空间信息,数据源中的误差将会通过CA模拟过程发生传递。此外,CA 模型只是对现实世界的近似模拟,这就使得其本身也具有不确定性。这些不确定因素将对城市模拟的结果产生较大的影响,有必要探讨CA在模拟过程中的误差传递与不确定性问题。本文采用蒙特卡罗方法模拟了CA误差的传递特征,并从转换规则、邻域结构、模拟时间以及随机变量等几个方面分析了CA不确定性产生的根源。发现与传统的GIS模型相比,城市CA模型中的误差和不确定性的很多性质是非常独特的。例如,在模拟过程中由于邻域函数平均化的影响,数据源误差将减小;随着可用的土地越来越少,该限制也使城市模拟的误差随时间而减小;模拟结果的不确定性主要体现在城市的边缘。这些分析结果有助于城市建模和规划者更好地理解CA建模的特点。     

基于神经网络CA的兰州城市土地利用变化情景模拟

利用遥感和GIS技术获取兰州市1995-2005年土地利用、城市地价和城市规划等空间数据;基于Matlab7.2耦合GIS、人工神经网络和元胞自动机,对黎夏的ANN-CA模型进行扩展,模拟兰州市土地利用变化趋势。该模型综合考虑了影响城市土地利用变化的自然、经济和政策3个层面17个空间变量,并设计了5种不同阈值和随机扰动参数组合,进行校准和情景预测。研究表明:改进的模型精度较高,第3种参数组合预测最接近兰州市未来土地利用变化趋势:2005-2015年兰州市土地利用变化主要以居住、工业和道路用地增长为主,分别为17.8%、2.1%和1.2%;商业、仓储和政府社团用地增长较少,分别为0.6%、0.6%和0.5%。     

基于CA的城市增长与土地增值动态模拟方法探讨

城市增长与土地增值是一种时空动态变化的复杂地理过程，如何有效地模拟这一过程是该研究领域的一个重要问题。基于GIS的元胞自动机模型，具有模拟地理时空演化过程的能力。该文首先对CA模型进行扩展，再与GIS集成，提出一种模拟城市增长与土地增值时空间动态过程的新方法，并以四川省德阳市为例进行分析。     

基于神经网络的元胞自动机及模拟复杂土地利用系统

本文提出了基于神经网络的元胞自动机(CellularAutomata),并将其用来模拟复杂的土地利用系统及其演变。国际上已经有许多利用元胞自动机进行城市模拟的研究,但这些模型往往局限于模拟从非城市用地到城市用地的转变。模拟多种土地利用的动态系统比一般模拟城市演化要复杂得多,需要使用许多空间变量和参数,而确定模型的参数值和模型结构有很大困难。本文通过神经网络、元胞自动机和GIS相结合来进行土地利用的动态模拟,并利用多时相的遥感分类图像来训练神经网络,能十分方便地确定模型参数和模型结构,消除常规模拟方法所带来的弊端。     

基于动态约束的元胞自动机与复杂城市系统的模拟

为获得复杂城市系统更理想的模拟效果,提出时空动态约束的城市元胞自动机(CA)模型。用不同区域、不同时间新增加的城市用地总量作为CA模型的约束条件,形成时空动态约束的CA模型,并利用该模型模拟1988—2010年东莞市和深圳市城市扩张过程。结果表明,利用CA模型模拟的1993年城市用地总精度比静态CA模型提高了5.86%,而且模型中的动态约束条件可以反映城市发展的时空差异性。     

基于扩展CA的文化传播时空模拟研究

文化传播影响因素复杂，具有空间上的相邻、不相邻、选择、随机等扩散形式和时间上的遗传特征，其时空模拟必须借助复杂系统研究方法。元胞自动机模型（CA）与GIS集成在地理过程模拟方面具有很大的优势。文中在分析元胞空间关系和元胞邻居描述的基础上，提出元胞邻居存在几何间上的邻接形式和空间上不邻接但属性上相关的邻居形式。据此，通过对文化革新扩散的实质、空间形式、影响因素等分析，对立了基于邻居扩展CA的文化传播系统模型，并利用该模型对文化传播现象进行了实验研究，取得了比较满意的实验结果。     

约束性单元自动演化CA模型及可持续城市发展形态的模拟

单元自动演化ＣＡ可以大大增强ＧＩＳ的空间模型能力,在国外被越来越多地应用于城市发展演化过程的模拟。本文探讨了如何通过ＣＡ与ＧＩＳ的结合来进行可持续土地发展规划的新方法。提出了基于约束性的ＣＡ模型,具体分析了局部、区域以及全局约束性对ＣＡ模型结果的影响。并将灰度的概念引起ＣＡ模型中来反映状态连续的变化,克服常规ＣＡ模型的缺陷。将该模型应用于球江三角洲地区来获得合理的城市发展空间布局,取得了较好的效果     

基于细胞自动机与多主体系统理论的城市模拟原型模型

文章从城市地理学模拟模型研究发展相对滞后的现实出发,分析了传统城市模型模拟存在的问题与不足,讨论了计算机科学、复杂性研究、地理信息科学与技术、新发展的地学计算方法等作为计算城市模型发展基础的可行性,提出了一个基于细胞自动机与多主体系统理论与方法、包容了多尺度(宏观、中观、微观)层次的综合可计算城市模拟原型模型框架,对以邻里社区为基础的居住区位微观模拟模型作了概念上的讨论,分析了地学计算方法在城市模拟模型研究中的发展前沿。     

基于元胞自动机的城市发展密度模拟

元胞自动机CA越来越多地被用于模拟复杂的城市系统,但这些模拟基本不考虑城市的发展密度。不同的城市发展密度会对城市的形态有很大的影响,有必要将城市的发展密度引进CA的城市模拟中,以获得更好的模拟结果。本文将密度梯度函数引进了CA模型的转换规则中,并定义‘灰度’来反映状态的转换。利用该模型对不同可能的城市发展组合进行了模拟,为城市规划提供了辅助依据。     

基于智能体和人工神经网络的元胞自动机建模及城市扩展模拟

城市扩展模拟可为城市可持续发展与国土空间规划提供参考。智能体模型(ABM)与元胞自动机(CA)结合可兼顾城市空间增长的自组织性和不同决策主体的决策过程,人工神经网络(ANN)可描述智能体与城市扩展之间复杂的非线性关系。该文基于ANN-ABM-CA耦合模型,在构建CA转换规则时基于ABM刻画人类决策行为的影响,并采用ANN挖掘不同类型的智能体在城市扩展过程中的偏好差异,同时考虑宏观和微观层面的智能体决策行为,结合城市扩展的10个驱动因素,模拟武汉市主城区2005-2015年的扩展情况,结果表明:1)相比传统的ANN-CA模型,ANN-ABM-CA模型模拟性能更优,从宏观与微观相结合的角度更好地解释了城市扩展的驱动机制,OA值为97.46%,Kappa系数为0.9176,FoM值为0.4375,结果可靠且合理;2)不同收入层级的居民智能体对城市扩展的决策偏好不同;3)武汉主城区城市扩展模式主要为边缘型扩展,洪山区西南部有少部分填充型扩展、东南部出现飞地型扩展,与实际扩展情况相符。     

人工免疫系统与嵌入规划目标的城市模拟及应用

人工免疫系统(AIS) 具有强有力的计算能力, 可以通过免疫识别、克隆选择、免疫学 习、免疫记忆等功能来进行模式识别和自适应学习。AIS 所具有的自学习、自适应和记忆的能力非常适合于复杂地理过程的研究。而元胞自动机(CA) 是研究复杂系统非常方便和有效的工具。将人工免疫系统和元胞自动机相结合, 建立了城市演变的模拟和规划模型。该模型通过改变抗体的进化变异机制, 把规划目标嵌入到AIS 算法中, 抗体将会逐渐朝着规划目标“进化”, 从而模拟出基于不同规划情景的城市发展空间格局, 为城市和土地利用规划提供决 策支持。设计了6 种不同的城市发展方案, 利用该模型模拟了不同规划方案下珠江三角洲城市的发展情景(1988-2002 年)。并比较了不同模拟情景结果城市的紧凑性: “城市中心” 和 “城市中心-高速公路”发展模式的城市形态更为紧凑, 破碎度较低; 而“镇中心” 和“道路”发展模式形成的城市形态则比较凌乱和分散。模拟结果和分析表明: “城市中心-高速 公路”是珠江三角洲最适合的城市发展模式。     

城市土地利用演化CA模型的扩展研究

城市土地利用演化的实质是人为干预下城市生态景观的自组织机制作用过程。根据城市土地利用演化生命机制概念,构建基于地理特征的城市土地利用演化CA模型,并以深圳特区为试验区域进行实证研究。结果表明,基于城市生命机制和地理特征的城市土地利用演化CA模型,可以有效地进行城市土地利用演化的时空模拟与预测。     

基于GIS的地理元胞自动机模拟框架及其应用

提出了一种基于GIS的地理元胞自动机模型框架:SimUrban,用于城市发展和演化的模拟与预测。该框架基于面向对象技术,在GIS环境下利用VS.NET开发而成,可以集成遥感和GIS数据以及新的转换规则和地理CA模型,从而模拟城市演化并进行精度评定。以上海市嘉定区为例,在SimUrban环境下利用基于主成分分析(PCA)的地理CA模型模拟了该区域1989-2006年城市发展和演化过程。     

基于约束性CA方法的北京城市形态情景分析

约束性元胞自动机(Constrained cellular automata,Constrained CA) 在模拟城市增长方面已有诸多实践,已有文献常利用各种反映土地利用需要、区位影响、管理制度等的政策参数,设定不同的城市空间发展情景以反映未来的城市形态。在基于约束性CA进行城市形态情景分析时,以各种政策参数作为情景条件的研究实例较多。而在中国的城市规划实践中,城市规划用于建设管理的审批,对应明确的城市形态,因而如何利用城市形态作为情景条件分析所需政策,也有实践意义,可以解决一些广为关注的重要问题,例如已有的发展政策是否与期望的城市形态相匹配,不同规划方案所需采取的政策有什么区别等。本文提出了以城市形态作为情景条件(即形态情景分析) 的新方法,该方法基于约束性CA,改变了传统的约束性CA情景条件的设置方法,以期望的未来城市形态为目标,识别相应需要的发展政策。并将北京市域的4 个规划城市形态作为情景条件进行了实证分析,对多个规划方案实施的可能性和政策参数进行对比分析,证明该方法具有较好的适用性和可行性,是将约束性CA的应用扩展到城市规划领域的又一尝试。