CN102663512A

CN102663512A - 城市绿地动态演化模拟预测方法

Info

Publication number: CN102663512A
Application number: CN2012100582037A
Authority: CN
Inventors: 陈蔚镇; 周立国; 马蔚纯
Original assignee: Tongji University; Fudan University
Current assignee: Tongji University; Fudan University
Priority date: 2012-03-07
Filing date: 2012-03-07
Publication date: 2012-09-12

Abstract

本发明属于地理建模和城市规划技术领域，具体为基于地理元胞自动机和多主体的城市绿地动态演化模拟预测方法。本发明首先从两个时相城市绿地专题图的叠加分析和转移分析获得变化数据,结合城市绿地变化的计量模型,以多主体***理论为基础，建立城市绿地时间和空间配置规则，采用元胞自动机构建动态的城市绿地动态模拟模型；并结合自然规律的演化，构建逻辑回归模型；再根据社会经济数据调整模型参数,确定合理的扩展及转换规则；基于GIS强大的空间建模和分析能力建立Modelbuilder工具集,对城市绿地变化趋势进行模拟和预测。本发明实现了对城市绿地变化的动态演化模拟,能够为政府和城市规划者制定用地政策提供辅助决策支持。

Description

城市绿地动态演化模拟预测方法

技术领域

本发明属于地理建模和城市规划技术领域，具体涉及城市绿地变化动态预测方法。

背景技术

城市绿地是城市生态***的重要组成部分，具有完善城市生存环境和维持生态平衡的关键作用。城市绿地一方面能为城市居民提供良好的生活环境，增强城市景观的自然性；另一方面为城市生物提供适宜的生态环境、促进城市居民与自然的和谐共生。城市绿地变化模型是在对城市绿地变化状况分析的基础上揭示城市绿地变化的幅度和速度以及空间分布等特征，是对城市绿地驱动因素及其相互关系进行分析，探求城市绿地变化的机制，预测未来城市绿地变化的趋势及其对生态环境和社会经济发展的影响。城镇绿地空间扩展是一个微观的，多主体，自然和社会共同参与的长期复杂的动态化过程，也是城市中心区、市区以及郊区边缘地区城市化过程在空间布局上的具体表现，是各种因素综合作用的结果。城市绿地变化驱动机制研究应更多地考虑通过模拟人地***中微观个体的行为决策和相互作用来表达宏观绿地结构演化的自组织过程。因此，如何将微观主体的行为决策纳入城市绿地变化模拟模型，探讨微观主体的决策对城市绿地变化的影响，将是提高演化模拟精度的有效途径。

当前的城市绿地动态模拟预测方法还存在以下不足之处：

1.没有考虑到绿地的空间特性，往往将研究局限在绿地扩展的数量方面，而对绿地的空间分布预测模拟上显得不足。难以保证绿地在建设过程中满足绿地空间上的合理分布。

2. 在城市绿地的预测中只考虑自然条件下的预测，而对城市绿地有着显著影响的城市居民和政府等主体缺乏考虑，使得在绿地预测模拟的结果与真实情况差异很大。

发明内容

本发明的目的是提供一种综合因素全面、模拟精度较高的基于MAS和CA的城市绿地变化动态预测的方法，为城市绿地的发展规划提供决策依据。

本发明基于多主体思想，结合微观主体的微观决策和元胞自动机（CA）本身的自然演化，共同决定演化结果；同时鉴于城市绿地具有区域性的特点，本发明在模型中引入控制因素层作为元胞变化的外部环境，这样使城市绿地的CA规则随空间、时间的变化更客观地模拟真实的城市绿地变化。

本发明的技术特点是，引入MAS（多主体）的优化思想，将政府、居民作为微观主体(Agent)，参与绿地演化的相关决策，附加元胞自动机本身的Logistic（逻辑）回归预测功能，共同模拟城市绿地类型的动态演变。

本发明中的多主体***采用从底层自上而下的建模思想，与传统的从下而上的建模思路是不同的。它的核心是通过反应个体结构功能的局部细节模型与全局表现之间的循环反馈和校正，来研究局部的细节变化如何突现出复杂的全局行为。多主体***根据研究问题所需的***局部细节、Agent的反应规则和各种局部行为就可以构造出具有复杂***结构和功能的***模型。虽然其中的微观个体可能比较简单，但通过微观个体之间交互作用而引起的全局行为可能极其复杂。在多主体***中，微观个体的行为和交互作用所表现出来的全局行为以非线性的方式涌现出来。个体行为的组合决定了全局行为，反之，全局行为又决定了个体进行决策的环境。

本发明提供的基于MAS和CA的城市绿地动态模拟预测方法，包括如下步骤:

(1)规范各类数据，包括绿地现状图层、限制图层、适宜性图层等图形数据和人口、规划等统计数据。

(2)确定模型中的Agent数目，确定各主体对城市绿地演化的微观影响。确定影响绿地演化的主体包括居民和政府两类，根据模拟的居民Agent和政府Agent的选择偏好，计算土地利用单元的区位效用及土地利用单元被居民Agent选择作为绿地的概率。

(3)结合逻辑回归模型确定影响城市绿地演化的距离变量和邻域变量，并基于各变量计算城市绿地演化的logistic（逻辑）概率。

(4)采用多主体和元胞自动机的集成模型，计算城市绿地发展的综合概率，并设定阈值确定绿地演化结果，此过程基于Arcgis Model Builder中的toolbox 建模功能实现。

(5)根据建立模型预测未来某一时相的绿地面积及空间分布，通过和实际绿地分布的对比调整模型参数，直到获得最优模型。

所述的基于MAS和CA的城市绿地变化动态预测的方法，是将模型所用的各种数据具有统一的规范：将研究区的人口数量、年龄结构等社会统计数据统一到同一量纲；将历年的城市绿地的矢量图形数据；河流、基本农田、道路等控制要素数据统一为同一投影和空间范围。由于Arcgis toolbox模型处理的空间数据是栅格型数据格式, 因而需要将城市绿地图、交通图、水系图进行从矢量到栅格的数据转换。空间分辨率(即栅格单元大小)可根据研究区的实际情况以及模型运算效率考虑,本发明划分为 20×20m；运用Arcgis软件的工具箱features conversion to Polygon命令,cell Size选择20m；从而将上海浦东新区城市绿地图及各个专题图层划分为1935×1593个栅格单元，以确保每个城市绿地单元和控制因素层栅格单元一一对应。

所述的基于MAS和CA的城市绿地变化动态预测的方法，其模型包含了一系列环境要素层和若干具有移动特点的多主体及不可移动的元胞自动机层。在模型中，空间由n×n的二维网格构成，所模拟的Agent包括居民、政府等，这些Agent不仅具有移动性、适应性、持续性等特征，还具有行为属性和行为规则。居民Agent可以根据生存需求或者个人意愿提出绿地需求。政府Agent根据居民意见以及总体规划对绿地扩展施加影响，并且考虑居民主体和政府主体的相互影响。

所述的基于MAS和CA的城市绿地变化动态预测的方法，模型中的绿地演化结果是综合多主体和元胞自动机两者结合的结果。并考虑实际绿地扩展中的控制因素层，控制因素层一般由基本农田、交通、水系图等各种数据分析得出，模型中控制层的控制对模型中绿地扩展的概率起到至关重要的作用。

所述的基于MAS和CA的城市绿地变化动态预测的方法，其构模方法采用Arcgis toolbox里的Model Building建模功能来实现，Arcgis toolbox模型建立中，元胞自动机的扩展采用栅格计算功能，各空间变量和绿地变化的回归参数借助SPSS得到，利用自编函数和Arcgis现有工具功能实现多主体的绿地选址功能。

所述的基于MAS和CA的城市绿地变化动态预测的方法，通过模型参数的确定和调整实现模型的最优化。Arcgis toolbox 模型中存在大量的参数，每个参数都与模型的运行有着直接的关系，因而参数的设置和调整是***的核心功能，确定模型参数的方法是通过己知年份的数据来优选模型参数。具体过程是：已知以前某2年（如1996年和2002年）的城市绿地数据，在一定的参数条件下让模型运行，当绿地单元的总数与检验数据中土地单元的总数约相等时，停止模型运行，对模型运行的结果与检验数据进行比较，根据模拟数据与经验数据的比较结果来调整模型参数，用调整后的参数再次进行运算，对模拟的结果再进行分析，通过不断的比较、分析、调整参数，最后确定一套较为合适的模型运算参数。

附图说明

图1 是本发明的基于多主体与CA的城市绿地动态演化模型图。

图2 是本发明的基于MAS和CA的城市绿地动态模拟的演化规则图。

具体实施方式

具体可概括为以下5个步骤。

(1)规范各类数据，包括绿地现状、限制图层等图形数据和人口、规划等统计数据。

(2)确定模型中的Agent数目，确定各主体对城市绿地演化的微观影响。根据模拟的居民Agent分布情况，计算土地利用单元的区位效用及土地利用单元被居民Agent选择作为绿地的概率。

(3)结合逻辑回归模型确定影响城市绿地演化的距离变量和邻域变量，并基于各变量计算城市绿地演化的logistic概率模型。

(4)采用多主体和元胞自动机的集成模型计算城市绿地发展的综合概率并设定阈值确定绿地演化结果，此过程基于Arcgis Model Builder中的toolbox 建模功能实现。

所述的基于MAS和CA的城市绿地变化动态预测的方法，其特征在于将模型所用的各种数据具有统一的规范：将研究区的人口数量、年龄结构等社会统计数据统一到同一量纲；将历年的城市绿地的矢量图形数据；河流、基本农田、道路等控制要素数据统一为同一投影和空间范围。由于Arcgis toolbox模型处理的空间数据是栅格型数据格式, 因而需要将城市绿地图、交通图、水系图进行从矢量到栅格的数据转换。空间分辨率(即栅格单元大小)可根据研究区的实际情况以及模型运算效率考虑,本发明划分为 20×20m；运用Arcgis软件的工具箱features conversion to Polygon命令,cell Size选择20m；从而将上海浦东新区城市绿地图及各个专题图层划分为1935×1593个栅格单元，以确保每个城市绿地单元和控制因素层栅格单元一一对应。

所述的基于MAS和CA的城市绿地变化动态预测的方法，其特征在于模型包含了一系列环境要素层和若干具有移动特点的多主群体及不可移动的元胞自动机层。在模型中，空间由n×n的二维网格构成，所模拟的Agent包括居民、政府等，这些Agent不仅具有移动性、适应性、持续性等特征，还具有行为属性和行为规则。居民Agent可以根据生存需求或者个人意愿提出绿地需求。政府Agent根据居民意见以及总体规划对绿地扩展施加影响，并且考虑居民主体和政府主体的相互影响。

所述的基于MAS和CA的城市绿地变化动态预测的方法，其特征在于本模型中的绿地演化结果是综合多主体和元胞自动机两者结合的结果。并考虑实际绿地扩展中的控制因素层，控制因素层一般由基本农田、交通、水系图等各种数据分析得出，模型中控制层的控制对模型中绿地扩展的概率起到至关重要的作用。

所述的基于MAS和CA的城市绿地变化动态预测的方法，其特征在于本发明的构模方法采用Arcgis toolbox里的Model Building建模功能来实现，Arcgis toolbox模型建立中，元胞自动机的扩展采用栅格计算功能，各空间变量和绿地变化的回归参数借助SPSS得到，利用自编函数和Arcgis现有工具功能实现多主体的绿地选址功能。

所述的基于MAS和CA的城市绿地变化动态预测的方法，其特征在于通过模型参数的确定和调整实现模型的最优化。Arcgis toolbox 模型中存在大量的参数，每个参数都与模型的运行有着直接的关系，因而参数的设置和调整是***的核心功能，确定模型参数的方法是通过己知年份的数据来优选模型参数。具体过程是：已知1996年和2002年的城市绿地数据，在一定的参数条件下让模型运行，当绿地单元的总数与检验数据中土地单元的总数约相等时，停止模型运行，对模型运行的结果与检验数据进行比较，根据模拟数据与经验数据的比较结果来调整模型参数，用调整后的参数再次进行运算，对模拟的结果再进行分析，通过不断的比较、分析、调整参数，最后确定一套较为合适的模型运算参数。

实施例选取上海市中心城区作为实验区。空间数据包括遥感数据和GIS数据。遥感数据为2003年和2007年两个时相的SPOT5影像。GIS数据包括上海市2003、2007年的土地利用现状数据、城市总体规划图、土地价格图、浦东新区主干道路交通图以及学校、医院、公园分布图。社会数据是从上海市***、2007上海统计年鉴及第五次人口普查数据获取，主要包括人口数据及经济统计数据，社会数据是以街道镇为单位。

由于不同类型的居民由于其自身的属性相异而表现出对位置选择迥异的偏好和绿地需求数量的差异，从而做出不同的空间决策。采用多准则判断模型(MCE)，求出位置选择影响因子的主观偏好权重。在确定位置选择影响因子客观权重前，需要消除各影响因子量纲的影响，即对各因子进行归一化处理。

假设每一个新增城市化网格上容纳一个居民Agent，从而也确定了不同时期居民Agent的数目。这里一个Agent只反映了比例关系，并不是只代表一个人或一个家庭，在本发明中的实际含义为一个网格内平均容纳的居民数量。

建立多主体模型的关键问题是如何对Agent进行适当的抽象与描述，说明各类Agent是如何探测外部信息并对此作出反应以及外部信息如何影响Agent之间的选择行为。在本研究中，主要考虑政府Agent、居民Agent，其他Agent暂不考虑。本发明中政府Agent起到宏观调控的作用，它没有空间属性。居民Agent的空间位置在初始状态是随机分布在研究区域上，模型运行后，居民Agent根据自己的偏好及与政府Agent共同协商后，选择较为满意的绿地空间布局。

(1)政府主体的决策概率

政府宏观城市总体规划对城市的绿地变化起着决定作用，引导了整个城市的演化过程，也决定了城市发展模式。政府的宏观规划在城市发展中显得尤为重要。政府宏观城市规划在这里主要是指对未来一定时间内城市发展各类用地的总体空间分布进行规划。

这里将政府机构作为主体引入到模型中，政府Agent具有规划土地资源和反应居民需求的职责，职责体现在两方面：一方面政府规划影响土地利用类型的转变；一方面居民需求交互作用于规划，细微地调节政府原始规划。多主体之间的相互影响、信息交流、合作的关系，通过居民需求调节政府规划实现，以达到共同理解和采用一定行动影响其所处环境的目的。政府Agent中政府本身的意愿通过城市规划实现，政府和居民协调通过居民Agent对用地类型转化的意愿作用到政府Agent对土地转化的概率上。

因此规划本身时间上的特点以及实际数据情况，本发明采用具有法律效应的近期建设规划作为政府规划数据。假定依据T1时间的现状数据，做了T2时间(一般为T1后5年左右)的近期规划，那么各个位置受规划影响状态变化为：

Figure 2012100582037100002DEST_PATH_IMAGE001

式中，

表示政府Agent决策概率，表示T2时间的绿地规划图层，

表示T1时间的绿地现状图层。

绿地的空间扩展选择根据使用需求和当前的土地利用方式转化为绿地的难易程度等综合决定，绿地的转换概率主要受当前的土地利用类型，以及临域内绿地的数量的影响。综合几种因素，绿地转换概率可表示为：

Figure 2012100582037100002DEST_PATH_IMAGE005

式中，表示绿地类型的兼容系数，

Figure 2012100582037100002DEST_PATH_IMAGE007

为临域的影响，

为绿地的生长适宜性。

不同土地利用类型的绿地转换兼容系数

土地利用类型	耕地	居住用地	绿地	商业用地	工业用地	其他用地	水体
								绿地兼容系数	0.7	0.3	1	0.2	0.2	0.3	0.1

Figure 2012100582037100002DEST_PATH_IMAGE009

Ta为9*9窗口中所有用地的面积，G为窗口中绿地的面积。

(2)居民Agent及其抉择行为

随着公众参与力度的逐步提高，居民Agent可以根据生存需求或者个人意愿提出绿地需求。比如部分高薪阶层愿意出稍高的价格选择绿化率更高环境更好的居住区，同时导致政府可能作出相应规划。居民Agent可以从局部区域角度对模型进行限制约束。比如居民要求在自己的活动范围内绿地达到基本要求。假定人均绿地的需求为S，某个法定图则k内居民数为num，那么该区域内绿地需求为：

假设实际拥有，那么

其中，

为居民Agent对法定图则k内所有元胞(i,j)作用的概率。当己经拥有

满足需求，即

Figure 2012100582037100002DEST_PATH_IMAGE015

时，绿地是否发生转化，居民呈无所谓态度，表现出概率为0；当已经拥有

不满足需求时，居民希望绿地的元胞数量有所增加。

(3)城市居民Agent与政府Agent互动行为关系分析

1)政府Agent和居民Agent微观协商

政府会根据该地点目前土地利用状况和未来规划的土地利用情况进行对比，给出不同的接受概率。当一个区域被申请的次数越多，它被接受的概率就会增加；这充分体现了政府在宏观规划的同时也全面考虑公众的意愿的要求。其公式表达如下：

式中：P_Accept为地理位置Lij被政府接受的概率；P_Accept为政府原始接受概率；g是该地被申请的次数，P₁是每申请一次，政府所增加的接受概率；h是以L_ij为中心7×7邻域窗口内已经被政府接受的网格数，P₂是7×7邻域窗口内每增加一个被政府接受的网格，政府所增加的接受概率。

2)居民对政府Agent的影响

居民和政府之间的行为必然也是相互影响的，在模型中，我们假定该区域内的居民Agent与政府Agent之间的行为存在着互动关系。如果该区域内某一非绿地单元邻域内分布的居民Agent接受其他用地被转换为绿地的概率越高，则该单元被政府Agent选择作为绿地的概率也越高。其公式表达如下：

Figure 2012100582037100002DEST_PATH_IMAGE017

式中：P _x为该区域内的单元x被居民Agent选择作为绿地的初始概率， n为单元x的9×9邻域内分布的居民Agent的数量，Qi为单元x的9×9邻域内第i个居民Agent对其他用地转换为绿地的决策概率，wi为权重，以该居民Agent所在单元与单元x的距离的倒数表示。

(4)元胞自动机与多主体***结合

在主体的中，一方面居民Agent希望所居住的环境绿地覆盖绿增加，以使生活更加舒适；另一方面政府Agent也不希望大面积变更商业、工业用地。因而靠近水系、居民区附近，市中心人流活动集中区域将有可能优先转化为城市绿地建设区域。而商业区、受保护的农用地被转换为城市绿地的概率则要小一些。由此可看出，影响居民Agent决策的因素主要为距城镇中心距离、距城市主干道路距离等距离变量和农业保护用地邻域密度、住宅用地邻域密度等邻域变量，这些变量多为连续变量和分类变量，此外考虑到统计因素和限制性因素的影响，引入乡镇人口密度等变量。借助逻辑回归模型可得到各影响因素的贡献率。逻辑回归的一般形式如下：

式中：

为自变量，分别代表影响居民Agent决策的各类变量，n为自变量个数，在本模型中，

分别代表农业保护用地邻域密度、建设用地邻域密度、距城市公路距离、距城镇中心距离、乡镇人口密度、土地价格等，Y为自变量的线性函数，代表土地利用状态，其取值只能为0或1，Y为1时表示统计的土地利用单元发生了其他用地向城市绿地的转换，Y为0时表示无变化；a为常数，与参数b ₁ ，b ₂ ，...，b _n同为待求的回归系数。

代表经过居民Agent决策后单元x从其他用地向城市绿地转换的概率。在逻辑回归模型中，概率值可以是解释变量的非线性函数，这是多主体城市绿地变化模型及其应用一个严格递增的函数，

随Y值的增加而增加。回归系数b ₁ -b _n表现了各居民Agent决策变量对于概率值

的贡献率，若为正，则其对应的自变量增加有利于概率值的增长，反之，则作用相反。

(5)城市绿地演化多主体综合决策规则

综合以上各部分结果，结合多主体***和元胞自动机模型，则候选位置L _ij被第t个居民Agent随机所选择，并被政府批准开发的最终概率可用下式表达：

式中：P _total为第t个居民Agent在效用最大化下随机选择地理位置L _ij的概率，P _gov*ij为候选位置L _ij被政府接受的概率，P _ca为该位置元胞的转换概率，a和b分别为各自影响的权重。

(6)模型参数的确定和调整

Arcgis toolbox 模型工具中存在大量的参数，每个参数都与模型的运行有着直接的关系，因而参数的设置和调整是***的核心功能，本发明确定模型参数的方法是通过己知年份的数据来优选模型参数。具体过程是：己知1996 年和2002 年的城市绿地数据，在一定的参数条件下让模型运行，当绿地单元的总数与检验数据中绿地单元的总数约相等时，停止模型运行，对模型运行的结果与检验数据进行比较，根据模拟数据与经验数据的比较结果来调整模型参数，用调整后的参数再次进行运算，对模拟的结果再进行分析，通过不断的比较、分析、调整参数，最后确定一套较为合适的模型运算参数。

Claims

1.基于地理元胞自动机和多主体的城市绿地动态演化模拟预测方法, 其特征在于包括以下步骤：

(1)基于ArcGIS软件规范各类数据，包括绿地现状图层、限制图层、适宜性图层图形数据，以及人口、规划统计数据；

(2)确定模型中的主体数目，确定各主体对城市绿地演化的微观影响；确定影响绿地演化的主体包括居民和政府两类，根据模拟的居民主体和政府主体的选择偏好，计算土地利用单元的区位效用及土地利用单元被居民主体选择作为绿地的概率；

(3)结合逻辑回归模型确定影响城市绿地演化的距离变量和邻域变量，并基于各变量计算城市绿地演化的逻辑概率；

(4)采用多主体和元胞自动机（CA）的集成模型计算城市绿地发展的综合概率并设定阈值确定绿地演化结果，此过程基于Arcgis Model Builder中的toolbox 建模功能实现；

2.根据权利要求1所述的预测方法，其特征在于步骤（1）中，将模型所用的各种数据转换为具有统一的规范：将研究区的人口数量、年龄结构社会统计数据统一到同一量纲；将历年的城市绿地的矢量图形数据，包括河流、基本农田、道路控制要素数据统一为同一投影和空间范围；将城市绿地图、交通图、水系图的矢量型数据格式转换到栅格型数据格式，以符合Arcgis toolbox模型处理的空间数据格式。

3.根据权利要求1所述的预测方法，其特征在于步骤（5）中，通过模型参数的确定和调整实现模型的最优化，具体过程是：依据以前某2年的城市绿地数据，在一定的参数条件下让模型运行，当绿地单元的总数与检验数据中土地单元的总数约相等时，停止模型运行，对模型运行的结果与检验数据进行比较，根据模拟数据与经验数据的比较结果来调整模型参数，用调整后的参数再次进行运算，对模拟的结果再进行分析，通过不断的比较、分析、调整参数，最后确定一套较为合适的模型运算参数。