用于沿海城市扩展模拟的一种CA模型

对传统的克拉克城市扩展模型进行了分析,构造了一种适合沿海城市扩展的CA模型.利用建立的CA模型,对沿海城市青岛市的城市扩展进行了模拟,试验结果表明,模型对沿海城市的扩展具有很好的模拟效果.     

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。     

基于CA模型的3维虚拟城市构建方法研究

结合城市元胞自动机(CA)方法和虚拟现实(VR)技术,构建一个基于元胞的3维虚拟城市.首先建立基于元胞实体数据结构的城市CA模型,用以表示3维虚拟城市中建筑物的平面分布状态.通过CA模型生成一组城市建筑物的时空分布数据.然后利用DEM和DOM数据生成一个真实的3维地形,建立了不同种类的3维建筑模型库.最后通过程序调入城市3维建筑模型,根据元胞实体属性将模型布设于3维地形的相应位置,生成3维虚拟城市.

Abstract：

This paper unified the urban cellular automata method and the virtual reality technology to construct a three-dimension (3D) virtual city which was based on automata. First, constructing an urban CA model that is based on the data structure of cellular entities can present the plane distribution state of the building in the 3D virtual city. The CA model was used to compute a group of temporal layout data of buildings in the virtual city,Then,DEM and DOM data were used to generate real three-dimensional terrain and produce different type library about 3D building model. Finally, The program was used to load and lay the 3D buildings to the corresponding position in the 3D virtual terrain to obtain a 3D virtual city, according to the cellular entity attribute.     

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。     

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。     

基于CA模型的西安城市空间扩展模拟及误差分析

元胞自动机(CA)是城市发展动态模拟的重要工具。本文以西安市为例,利用基于遗传算法的CA模型对西安市1990-2007年的城市发展进行模拟,得到了较好的效果。结果表明,运用遗传算法建立的CA模型能够较好地模拟城市发展状态;对模拟误差分析表明,影响城市土地利用变化机制的尺度特征,城市规划调整、重大事件、重大建设项目和行政区划调整等过程,城市不同发展阶段和不同区位的扩展类型等都将影响确定转换规则、寻找最佳参数和模拟精度的结果。     

城市扩张CA模型的参数敏感性分析

以广州市番禺区为研究区,构建了相应的城市扩张CA模型,从采样、邻域结构和微观元胞尺度等方面研究了CA模型的敏感性。首先通过改变模型采样比例、样本各个类别的比例等研究样本对模型参数的影响。然后分析不同的邻域结构与模型模拟精度的关系,并从微观尺度分析邻域元胞对中心元胞的影响。最后从空间尺度上分析CA模型在各种不同分辨率下的模拟结果,用景观指数剖析模拟结果的形态,同时在元胞摩尔邻域内分析其3×3邻域的城市发展密度变化情况。实验表明:(1)适当提高采样比例,会得到精度较高的权重,但训练样本中城市用地的比例应该与城市用地的转变量在全区的占比相匹配。(2)不论是采用摩尔邻域还是冯诺依曼邻域,模拟精度均随着空间尺度的增加而降低。在同一空间尺度下,采用摩尔邻域的模拟结果略好。相比冯诺依曼4个邻域元胞,摩尔邻域中的角点对中心元胞具有更大的影响。(3)随着空间分辨的降低,模拟结果的斑块数、斑块密度、聚集度和分形维度值在减少,结构变得简单,而且在微观的摩尔邻域中城市发展密度正在减少,即由高密度向低密度转换。     

Fisher判别及自动获取元胞自动机的转换规则

提出一种基于费歇尔(Fisher)判别和离散选择模型相结合来自动获取地理元胞自动机转换规则的方法。CA的核心是如何定义转换规则,但目前主要是采用启发式的方法来定义转换规则,受主观因素影响较大。本模型结合离散选择模型,通过对Fisher判别方法进行改进,可以成功搜索最佳分隔单元发展和不发展的变量组合,自动确定模型参数值。与常用的Logistic回归模型进行对比分析,结果表明,所提出的方法具有更高的模拟精度,转换规则有着清晰的物理意义。此外,本模型在模拟多类复杂的土地利用变化时可能更具有优势。     

基于遗传神经网络获取元胞自动机的转换规则

采用面向对象建模思路,综合遗传神经网络和元胞自动机,构建了一个基于Matlab平台的遗传神经网络-元胞自动机模型,并以长江口北岸为例,构建了其土地利用变化模型,进行土地利用演化模拟与预测,为土地利用规划提供理论依据。结果表明:GANN-CA模型有较好的仿真效果,充分利用了人工神经网络获取模型大量空间变量参数的优势,简化了土地利用转化规则的定义。该模型更全面地考虑了土地利用演化的空间影响因子,并采用遗传算法优化神经网络的连接权值和阈值,是对人工神经网络-元胞自动机模型的改进和拓展。     

基于逻辑回归CA模型的溢油模拟与预测

结合逻辑回归方法和元胞自动机模型构建了逻辑回归CA模型,模型中的逻辑回归方法能够很方便地获取影响因子的权重,再设置起止条件等,便可以模拟出溢油的动态变化情况。把模型应用到Deep Spill项目的溢油模拟实验中,结果表明,从模型结果的形态看,模拟结果与检验结果吻合程度较高,能够很好地模拟出溢油扩散与漂移等重要的溢油特性。从统计分析中可知,模拟结果的总精度可达96.8%,Kappa系数达到0.834。     

Urban growth pattern modeling using logistic regression

Transformation of land use/land cover change occurs due to the numbers and activities of people.Urban growth mod-eling has attracted substantial attention because it helps to comprehend the mechanisms of land use change and thus helps relevant policies made.This paper tends to apply logistic regression to model urban growth in the Jiayu county of Hubei province,China.It is applied in a GIS environment to calculate variables and,then,in SPSS to discover the relationships between urban growth and the driving forces.The relative operating characteristic(ROC) shows the modeling accuracy with the curve 0.891 with standard er-ror 0.001.A probability map is generated finally to predict where urban growth will occur as a result of the computation.The result shows the model simulates urban growth well in the county scale.     

基于 CA 模型的土地利用变化研究

土地利用变化趋势及驱动力分析研究是目前全球变化研究的热点问题之一,如何合理并准确地模拟预测出土地利用变化的趋势是研究的核心。土地利用动态变化十分复杂,传统的GIS模型能很好地解决部分空间相关问题,但对复杂的时空动态变化地理现象却难以模拟。元胞自动机（ CA ）是“自下而上”的动态模拟建模框架,其时间、空间、状态都离散,是一种空间相互作用和时间因果关系都为局部的网格动力学模型,具有模拟复杂系统时空演化过程的能力。 CA模型的这些特点在土地利用演化的模拟方面较为合适,集成于GIS下的CA模型将会改善CA的模拟环境,使模拟分析的结果更加准确。     

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     

面向城市建成区扩展模拟的CA-Markov模型改进

对城市建成区扩展的预测是防止城市蔓延的重要管理依据。目前,元胞自动机-马尔可夫链模型,已成为城市建成区扩展预测的重要方法。该模型对指标权重的赋值方法较为敏感,以往的单一指标赋值法,影响了城市建成区扩展预测的精度和可信度。为此,本研究提出整合传统权重赋值法的AHP和逻辑回归模型改进CA-Markov模型。研究选择云南省大理市为案例,对2020、2030年的城市建成区扩展进行模拟和预测,最后进行精度验证。研究结果表明：①Kappa指数可达到96.8%,预测结果有较好的一致性。②大理市的城市建成区扩展均表现为继续向外扩展,以东南、西北方向和两片建成区之间为主要扩展方向。研究提供了组合权重赋值法改进CA-Markov模型,这将为规划者在未来规划中提供强有力的支持。     

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。     

Simulating urban growth processes by integrating cellular automata model and artificial optimization in Binhai New Area of Tianjin,China

This study presents an optimized algorithm into the cellular automata (CA) models for urban growth simulation in Binhai New Area of Tianjin, China. The optimized CA model by particle swarm optimization (PSO) was compared with the logistic-based cellular automata (LOGIT-CA) model to see the effects of the simulation. The study evaluated the stochastic disturbance in the development of urban growth using the Monte Carlo method; the coefficient d determined the state of urban growth. The validation was conducted by both cross-tabulation test and structural measurements. The results showed that the simulations of PSO-CA were better than LOGIT-CA model, indicating an improvement in the spatio-temporal simulation of urban growth and land use changes in study area. Since the simulations reached their best values when the coefficient was between 1 and 2, the urban growth in the study area was in the period of conversion from spontaneous growth to edge-expansion and infilling growth.     

Integrating cellular automata and Markov techniques to generate urban development potential surface: a study on Kolkata agglomeration

Uncontrolled, yet fragmented peripheral urban expansion has emerged as a menace to urban development. To cope with this rapid urban expansion process, identification of the forces responsible for this rapid urban expansion is a pre-requisite, especially when its threats to habitability are taken into consideration. This study tries to evaluate fragmented uncontrolled urban expansion faced by Kolkata using cellular automata-Markov chain. Urban growth patterns, land use/land cover transformations and spatial allocation correspondence with planning strategy is the main theme of this study. Depending upon the driving forces, the study result indicates a bi-directional urban development potential surface, which might be a result of the biased planning initiative along with middle-class residential demand. This simulation result provides evidence for the planning authority to evaluate the effectiveness of spatial allocation and urban expansion trends and provide flexibility to modify the current allocation scenario.