CN108876027B - 一种基于gis的农村居民点集中居住区选址和优化方法 - Google Patents
一种基于gis的农村居民点集中居住区选址和优化方法 Download PDFInfo
- Publication number
- CN108876027B CN108876027B CN201810587348.3A CN201810587348A CN108876027B CN 108876027 B CN108876027 B CN 108876027B CN 201810587348 A CN201810587348 A CN 201810587348A CN 108876027 B CN108876027 B CN 108876027B
- Authority
- CN
- China
- Prior art keywords
- residential
- area
- data
- points
- rural
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000010276 construction Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims description 35
- 238000005192 partition Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012272 crop production Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 3
- 238000005211 surface analysis Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于GIS的农村居民点集中居住区选址和优化方法，首先基于GIS获取目标区域空间和属性数据，构建信息量模型进行农村居民点集中居住区用地适宜性评价，叠加土地利用规划允许建设区，获得候选地址，并设定面积大小阈值进行筛选，再使用P‑中位问题模型对候选地址进行优化。本发明利用GIS技术，构建信息量模型，定量地进行农村居民点用地适宜性评价和选址，并使用整数线性规划的P‑中位问题模型进行区位优化，能够灵活设置候选地址需求，选址结果定位到地块；候选地址基于实际路网，考虑农民搬迁后日常劳作需求，使其距离成本最小，具有精度高，可操作性强的优点。
Description
技术领域
本发明涉及GIS技术，尤其是涉及一种基于GIS的农村居民点集中居住区选址和优化方法。
背景技术
农村居民点是农民的主要聚集形式，其外在形态和空间结构是其与周围自然环境、社会经济和人地相互作用的结果，准确把握其内在规律对农村居民点的土地整治工作有着重要影响。近年来，不少国内学者基于区位理论，从自然环境、经济发展和社会文化角度多方面探讨了农村居民点分布与各种影响因素之间的关系，并对不同类型的农村居民点进行适宜性评价，并进行布局优化或分区调控，从定性的角度分析农村居民点的布局优化。定量分析较少，如部分学者利用加权Voronoi图的区域划分特点，使用影响度为权重，确定农村居民点的影响范围，从而明确居民点的搬迁和保留，但Vorinoi图是基于距离的分析，没有考虑居民点的实际需求。P-中位问题区位优化模型考虑了需求点的实际需求，已成功应用于警察巡逻区、机场和避难场所的布局优化，本发明引入该模型应用于农村居民点集中居住地选址优化。
发明内容
本发明提供一种基于GIS的农村居民点集中居住区选址和优化方法，可以有效解决上述背景技术中的问题。
为实现上述目的，本发明提供如下技术方案：
本发明一种基于GIS的农村居民点集中居住区选址和优化方法，首先基于GIS获取目标区域空间和属性数据，构建信息量模型进行农村居民点集中居住区用地适宜性评价，叠加土地利用规划允许建设区，获得候选地址，并设定面积大小阈值进行筛选，再使用P-中位问题模型对候选地址进行优化，包括如下方法步骤：
第1步，获取目标区域道路、河流、农村居民点建设用地、高程、坡度和坡向空间数据和人口经济属性数据：为了获取目标区域的矢量数据，首先需要收集目标区域的遥感影像、DEM、土地利用规划图和社会经济人口数据，在ArcGIS中加载高清遥感像并通过目视解译进行地物判读数字化目标区域道路、河流、农村居民点、中心村和集镇建设用地数据，在ArcGIS中对DEM数据进行表面分析得到目标区域坡度和坡向数据，人口经济数据输入到对应的矢量数据表中；
第2步，基于GIS空间分析，构建信息量适宜性评价模型：将影响因子分级并统计与农村居民点的信息量，然后将所有因子信息量叠加，用单个栅格单元的信息量大小表示适宜性程度，具体如下：首先确定影响因子并分级，信息量模型通过信息量值大小直观的表现影响因子与研究对象之间的密切程度，结合目标区域实际情况，选取适宜性评价影响因子，如坡度、坡向、高程、距河流的距离、距道路的距离、距城镇的距离，在ArcGIS中将影响因子分级，并使用区域统计工具统计分类中农村居民点的数量，带入公式计算信息量，计算公式如下：
式中：Wi是某个因子的信息量大小；Densclass是某个因子里的居民点密度；Densmap是整个目标区域内的居民点密度；Npix(Si)是某个因子里包含的居民点的栅格数；Npix(Ni)是某个因子图层的所有栅格数；SNpix(Si)是整个目标区域内居民点的栅格数；SNpix(Ni)是整个目标区域所有栅格数；
将所有因子的信息量Wi相加，即可得到某个栅格单元的信息量大小，在ArcGIS中使用栅格计算器，将所有因子图层按下述公式叠加：
W＝∑Wi
式中：W表示为评价区某单元信息量预测值。
第3步，将目标区域所有栅格的信息量重分类，根据已有居民点在适宜性分区的分布情况判断模型的有效性，如果模型有效，则继续执行，否则返回，检查影响因子数据质量或更新影响因子后，重新评价；
第4步，以农作物生产点到候选地址总距离最小为目标，使用P-中位问题模型，基于路网数据集，设置候选地址需求数量，对筛选出的候选选址进行优化：获得目标区域适宜性分区后，将适宜性高的栅格单元矢量化，叠加土地利用规划允许建设区后，按地块面积大小筛选出一定数量的候选地址；P-中位问题模型如下：假设原有居民点距生产区的距离忽略不计，居民在日常劳作需在生产区和居住区往返，选择一定数目的候选地址，以达到生产点到居民点的总距离或时间最小，P-中位问题公式如下：
Z＝∑∑aidijxij (1)
式中：i是生产点编号(i＝1,2,...,n)；j是候选居民点编码(j＝1,2,...,m)；p是要选取的居民点数目；ai是生产点i的总需求；dij是生产点i到居民点j之间的距离或时间；xij＝1表示第j点的服务设施覆盖第i个生产点，否则为0；
在下述约束条件下求上述公式(1)的最小值；所述约束条件为：
xjj＝1表示在第j点建立服务设施，否则为0；
第5步，确定候选地址并划分服务区域，并根据适宜性等级确定分区内需搬迁的农村居民点：在ArcGIS中根据实际路网创建路网数据集，将农村居民点(需求点)和筛选出候选选址联接到最近路网结点，所有数据转换为coverage格式，在ArcInfo Worksation中使用Mindistance模块，设置候选地址需求数量，基于路网数据进行区位优化，选出一定数量的候选地址，划分服务区域；
第6步，输出最终的农民集中居住区选址方案：根据适宜性等级确定服务区域内需搬迁的农村居民点，在ArcGIS中将矢量化的适宜性分区图层和居民点图层叠加分析，选出位于适宜性差区域的居民点，初步确定为需搬迁的农村居民点，搬迁到所属服务区域内对应的候选地址。
优选的是，所述第1步中的遥感影像数据来源于谷歌地球高清影像，DEM数据来源于地理空间数据云，社会人口经济数据来源于当地政府信息公开网，所述第1步中的矢量数据包括集镇、中心村、农村居民点、道路、河流、坡度和坡向。
优选的是，所述第3步中将目标区域所有栅格的信息量重分类，根据已有居民点在适宜性分区的分布情况判断模型的有效性。
优选的是，所述第4步中生产点为生产区质点，居民点为居住区质点。
本发明的有益效果是：本发明利用GIS技术，构建信息量模型，定量地进行农村居民点用地适宜性评价和选址，并使用整数线性规划的P-中位问题模型进行区位优化，能够灵活设置候选地址需求，选址结果定位到地块；候选地址基于实际路网，考虑农民搬迁后日常劳作需求，使其距离成本最小，具有精度高，可操作性强的优点。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明的方法流程结构示意图；
图2为原居民点和优化前候选地址点；
图3为需搬迁居民点和优化后的候选地址点。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：
一种基于GIS的农村居民点集中居住区选址和优化方法，首先基于GIS获取目标区域空间和属性数据，构建信息量模型进行农村居民点集中居住区用地适宜性评价，叠加土地利用规划允许建设区，获得候选地址，并设定面积大小阈值进行筛选，再使用P-中位问题模型对候选地址进行优化，包括如下方法步骤：
第1步，获取目标区域道路、河流、农村居民点建设用地、高程、坡度和坡向等空间数据和人口经济属性数据：为了获取目标区域的矢量数据，首先需要收集目标区域的遥感影像、DEM、土地利用规划图和社会经济人口等数据，在ArcGIS中加载高清遥感像并通过目视解译进行地物判读数字化目标区域道路、河流、农村居民点、中心村和集镇建设用地等数据，在ArcGIS中对DEM数据进行表面分析得到目标区域坡度和坡向数据，人口经济数据输入到对应的矢量数据表中；
第2步，基于GIS空间分析，构建信息量适宜性评价模型：将影响因子分级并统计与农村居民点的信息量，然后将所有因子信息量叠加，用单个栅格单元的信息量大小表示适宜性程度，具体如下：首先确定影响因子并分级，信息量模型通过信息量值大小直观的表现影响因子与研究对象之间的密切程度，结合目标区域实际情况，选取适宜性评价影响因子，如坡度、坡向、高程、距河流的距离、距道路的距离、距城镇的距离等，在ArcGIS中将影响因子分级，并使用区域统计工具统计分类中农村居民点的数量，带入公式计算信息量，计算公式如下：
式中：Wi是某个因子的信息量大小；Densclass是某个因子里的居民点密度；Densmap是整个目标区域内的居民点密度；Npix(Si)是某个因子里包含的居民点的栅格数；Npix(Ni)是某个因子图层的所有栅格数；SNpix(Si)是整个目标区域内居民点的栅格数；SNpix(Ni)是整个目标区域所有栅格数；
将所有因子的信息量Wi相加，即可得到某个栅格单元的信息量大小，在ArcGIS中使用栅格计算器，将所有因子图层按下述公式叠加：
W＝∑Wi
式中：W表示为评价区某单元信息量预测值。
第3步，将目标区域所有栅格的信息量重分类，根据已有居民点在适宜性分区的分布情况判断模型的有效性，如果模型有效，则继续执行，否则返回，检查影响因子数据质量或更新影响因子后，重新评价；
第4步，以农作物生产点到候选地址总距离最小为目标，使用P-中位问题模型，基于路网数据集，设置候选地址需求数量，对筛选出的候选选址进行优化：获得目标区域适宜性分区后，将适宜性高的栅格单元矢量化，叠加土地利用规划允许建设区后，按地块面积大小大于2000平方米筛选出81个候选地址，请参阅图2；P-中位问题模型如下：假设原有居民点距生产区的距离忽略不计，居民在日常劳作需在生产区和居住区往返，选择一定数量的候选地址，以达到生产点到居民点的总距离或时间最小，P-中位问题公式如下：
Z＝∑∑aidijxij (1)
式中：i是生产点编号(i＝1,2,...,n)；j是候选居民点编码(j＝1,2,...,m)；P是要选取的居民点数目；ai是生产点i的总需求；dij是生产点i到居民点j之间的距离或时间；xij＝1表示第j点的服务设施覆盖第i个生产点，否则为0；
在下述约束条件下求上述公式(1)的最小值；所述约束条件为：
xjj＝1表示在第j点建立服务设施，否则为0；
第5步，确定候选地址并划分服务区域，并根据适宜性等级确定分区内需搬迁的农村居民点：在ArcGIS中根据实际路网创建路网数据集，将291农村居民点(需求点)和筛选出81个候选选址联接到最近路网结点，所有数据转换为coverage格式，在ArcInfoWorksation中使用Mindistance模块，设置候选地址需求数量，基于路网数据进行区位优化，选出6个候选地址，划分服务区域；
第6步，输出最终的农民集中居住区选址方案：根据适宜性等级确定服务区域内需搬迁的农村居民点，在ArcGIS中将矢量化的适宜性分区图层和居民点图层叠加分析，选出位于适宜性差区域的居民点，初步确定为需搬迁的49个农村居民点共2392人，搬迁到所属服务区域内对应的6个候选地址，请参阅图3。
在上述实施例中，第1步中的遥感影像数据来源于谷歌地球高清影像，DEM数据来源于地理空间数据云，社会人口经济数据来源于当地政府信息公开网，第1步中的矢量数据包括集镇、中心村、农村居民点、道路、河流、坡度和坡向。
在上述实施例中，第3步中将目标区域所有栅格的信息量重分类，根据已有居民点在适宜性分区的分布情况判断模型的有效性。
通过将研究区已有居民点栅格(数据二值化)和适宜性分类后的区域进行分区统计检验模型有效性，结果如下表：
根据上述表格显示，有43.26％的已有居民点分布在适宜区，有38.46％的已有居民点分布在最适宜区，约81.72％的已有居民点落在适宜区和最适宜区内，说明应用信息量模型进行适宜性评价是可行的，评价结果比较成功。
在上述实施例中，第4步中生产点为生产区质点，居民点为居住区质点。
本发明利用GIS技术，构建信息量模型，定量地进行农村居民点用地适宜性评价和选址，并使用整数线性规划的P-中位问题模型进行区位优化，能够灵活设置候选地址需求，选址结果定位到地块；候选地址基于实际路网，考虑农民搬迁后日常劳作需求，使其距离成本最小，具有精度高，可操作性强的优点。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于GIS的农村居民点集中居住区选址和优化方法，其特征在于，首先基于GIS获取目标区域空间和属性数据，构建信息量模型进行农村居民点集中居住区用地适宜性评价，叠加土地利用规划允许建设区，获得候选地址，并设定面积大小阈值进行筛选，再使用P-中位问题模型对候选地址进行优化，包括如下方法步骤：
第1步，获取目标区域道路、河流、农村居民点建设用地、高程、坡度和坡向空间数据和人口经济属性数据：为了获取目标区域的矢量数据，首先需要收集目标区域的遥感影像、DEM、土地利用规划图和社会经济人口数据，在ArcGIS中加载高清遥感像并通过目视解译进行地物判读数字化目标区域道路、河流、农村居民点、中心村和集镇建设用地数据，在ArcGIS中对DEM数据进行表面分析得到目标区域坡度和坡向数据，人口经济数据输入到对应的矢量数据表中；
第2步，基于GIS空间分析，构建信息量适宜性评价模型：将影响因子分级并统计农村居民点的信息量，然后将所有因子信息量叠加，用单个栅格单元的信息量大小表示适宜性程度，具体如下：首先确定影响因子并分级，信息量模型通过信息量值大小直观的表现影响因子与研究对象之间的密切程度，结合目标区域实际情况，选取适宜性评价影响因子，如坡度、坡向、高程、距河流的距离、距道路的距离、距城镇的距离，在ArcGIS中将影响因子分级，并使用区域统计工具统计分类中农村居民点的数量，带入公式计算信息量，计算公式如下：
式中：Wi是某个因子的信息量大小；Densclass是某个因子里的居民点密度；Densmap是整个目标区域内的居民点密度；Npix(Si)是某个因子里包含的居民点的栅格数；Npix(Ni)是某个因子图层的所有栅格数；SNpix(Si)是整个目标区域内居民点的栅格数；SNpix(Ni)是整个目标区域所有栅格数；
将所有因子的信息量Wi相加，即可得到某个栅格单元的信息量大小，在ArcGIS中使用栅格计算器，将所有因子图层按下述公式叠加：
W＝∑Wi
式中：W表示为评价区某单元信息量预测值；
第3步，将目标区域所有栅格的信息量重分类，根据已有居民点在适宜性分区的分布情况判断模型的有效性，如果模型有效，则继续执行，否则返回，检查影响因子数据质量或更新影响因子后，重新评价；
第4步，以农作物生产点到候选地址总距离最小为目标，使用P-中位问题模型，基于路网数据集，设置候选地址需求数量，对筛选出的候选选址进行优化：获得目标区域适宜性分区后，将适宜性高的栅格单元矢量化，叠加土地利用规划允许建设区后，按地块面积大小筛选出一定数量的候选地址；P-中位问题模型如下：假设原有居民点距生产区的距离忽略不计，居民在日常劳作需在生产区和居住区往返，选择一定数目的候选地址，以达到生产点到居民点的总距离或时间最小，P-中位问题公式如下：
Z＝∑∑aidijxij (1)
式中：i是生产点编号(i＝1,2,...,n)；j是候选居民点编码(j＝1,2,...,m)；P是要选取的居民点数目；ai是生产点i的总需求；dij是生产点i到居民点j之间的距离或时间；xij＝1表示第j点的服务设施覆盖第i个生产点，否则为0；
在下述约束条件下求上述公式(1)的最小值；所述约束条件为：
xjj＝1表示在第j点建立服务设施，否则为0；
第5步，确定候选地址并划分服务区域，并根据适宜性等级确定分区内需搬迁的农村居民点：在ArcGIS中根据实际路网创建路网数据集，将农村居民点和筛选出候选选址联接到最近路网结点，所有数据转换为coverage格式，在ArcInfo Worksation中使用Mindistance模块，设置候选地址需求数量，基于路网数据进行区位优化，选出一定数量的候选地址，划分服务区域；
第6步，输出最终的农民集中居住区选址方案：根据适宜性等级确定服务区域内需搬迁的农村居民点，在ArcGIS中将矢量化的适宜性分区图层和居民点图层叠加分析，选出位于适宜性差区域的居民点，初步确定为需搬迁的农村居民点，搬迁到所属服务区域内对应的候选地址。
2.根据权利要求1所述一种基于GIS的农村居民点集中居住区选址和优化方法，其特征在于，所述第1步中的遥感影像数据来源于谷歌地球高清影像，DEM数据来源于地理空间数据云，社会人口经济数据来源于当地政府信息公开网，所述第1步中的矢量数据包括集镇、中心村、农村居民点、道路、河流、坡度和坡向。
3.根据权利要求1所述一种基于GIS的农村居民点集中居住区选址和优化方法，其特征在于，所述第4步中生产点为生产区质点，居民点为居住区质点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810587348.3A CN108876027B (zh) | 2018-06-06 | 2018-06-06 | 一种基于gis的农村居民点集中居住区选址和优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810587348.3A CN108876027B (zh) | 2018-06-06 | 2018-06-06 | 一种基于gis的农村居民点集中居住区选址和优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108876027A CN108876027A (zh) | 2018-11-23 |
| CN108876027B true CN108876027B (zh) | 2022-03-29 |
Family
ID=64337408
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810587348.3A Expired - Fee Related CN108876027B (zh) | 2018-06-06 | 2018-06-06 | 一种基于gis的农村居民点集中居住区选址和优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108876027B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110502593A (zh) * | 2018-12-27 | 2019-11-26 | 厦门理工学院 | 多因素评估自助图书馆布设适宜性的方法、装置及设备 |
| CN111950823A (zh) * | 2019-05-15 | 2020-11-17 | 河南理工大学 | 基于空间适宜性和内在特征的农村居民点调控分级方法 |
| CN110555654A (zh) * | 2019-08-30 | 2019-12-10 | 广州大学 | 一种社区生鲜连锁店的物流配送中心选址方法及装置 |
| CN110851548A (zh) * | 2019-10-14 | 2020-02-28 | 上海市政工程设计研究总院（集团）有限公司 | 一种基于ArcGIS分析的市政设施选址布局方法 |
| CN110933601B (zh) * | 2019-12-25 | 2021-06-15 | ***通信集团内蒙古有限公司 | 目标区域确定方法、装置、设备和介质 |
| CN111260392B (zh) * | 2020-01-07 | 2023-11-07 | 广州大学 | 一种基于多源大数据的自动售货机选址方法及装置 |
| CN111077280B (zh) * | 2020-01-14 | 2020-08-25 | 浙江清华长三角研究院 | 一种基于河网的农村污水处理设施与水质监测站点间的溯源分析方法 |
| CN112307533A (zh) * | 2020-10-30 | 2021-02-02 | 深圳集智数字科技有限公司 | 一种控规图生成方法及相关设备 |
| CN112926029B (zh) * | 2021-01-29 | 2022-08-26 | 四川省环境政策研究与规划院 | 一种用于农村生活污水治理的聚居区识别划分方法 |
| CN113268900B (zh) * | 2021-04-02 | 2022-09-16 | 中国人民解放军战略支援部队信息工程大学 | 面向任务的空降场选址方法及装置 |
| CN112950084A (zh) * | 2021-04-07 | 2021-06-11 | 中国海洋大学 | 一种反渗透海水淡化厂选址方法 |
| CN113112068A (zh) * | 2021-04-13 | 2021-07-13 | 东南大学 | 一种村镇公共设施选址布局的方法及其*** |
| CN114118602B (zh) * | 2021-12-02 | 2023-08-08 | 碧空环境科技有限公司 | 一种基于gis的高空喷淋设备选址方法 |
| CN114757549B (zh) * | 2022-04-24 | 2023-06-27 | 中交第二航务工程勘察设计院有限公司 | 内河干流航道水上服务区功能与规模决策方法 |
| CN114926741A (zh) * | 2022-06-02 | 2022-08-19 | 广东卓越土地房地产评估咨询有限公司 | 一种农用地数据采集***及其方法 |
| CN116703031B (zh) * | 2023-06-08 | 2024-04-26 | 重庆市规划和自然资源调查监测院 | 使用gis进行水田选址大数据分析方法 |
| CN118228896A (zh) * | 2024-05-23 | 2024-06-21 | 浙江省测绘科学技术研究院 | 土地综合整治选址分析方法、装置及计算机设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103136603A (zh) * | 2013-03-26 | 2013-06-05 | 武汉大学 | 一种智能土地利用布局优化配置方法 |
| US8756322B1 (en) * | 2011-06-16 | 2014-06-17 | Amazon Technologies, Inc | Fulfillment of requests for computing capacity |
| CN103971312A (zh) * | 2014-05-27 | 2014-08-06 | 武汉大学 | 一种村镇网络节点辐射域导向的农村居民点整治分区方法 |
| CN105184006A (zh) * | 2015-09-22 | 2015-12-23 | 广州市城市规划勘测设计研究院 | 一种低丘缓坡地区的建设用地选择方法及装置 |
| CN106055803A (zh) * | 2016-06-02 | 2016-10-26 | 中国石油大学(华东) | 考虑条件风险值的炼油装置气体检测报警仪选址优化方法 |
| CN107832958A (zh) * | 2017-11-15 | 2018-03-23 | 云南电网有限责任公司 | 一种基于需求分析的电动出租车充电站规划方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8874477B2 (en) * | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
-
2018
- 2018-06-06 CN CN201810587348.3A patent/CN108876027B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8756322B1 (en) * | 2011-06-16 | 2014-06-17 | Amazon Technologies, Inc | Fulfillment of requests for computing capacity |
| CN103136603A (zh) * | 2013-03-26 | 2013-06-05 | 武汉大学 | 一种智能土地利用布局优化配置方法 |
| CN103971312A (zh) * | 2014-05-27 | 2014-08-06 | 武汉大学 | 一种村镇网络节点辐射域导向的农村居民点整治分区方法 |
| CN105184006A (zh) * | 2015-09-22 | 2015-12-23 | 广州市城市规划勘测设计研究院 | 一种低丘缓坡地区的建设用地选择方法及装置 |
| CN106055803A (zh) * | 2016-06-02 | 2016-10-26 | 中国石油大学(华东) | 考虑条件风险值的炼油装置气体检测报警仪选址优化方法 |
| CN107832958A (zh) * | 2017-11-15 | 2018-03-23 | 云南电网有限责任公司 | 一种基于需求分析的电动出租车充电站规划方法 |
Non-Patent Citations (8)
| Title |
|---|
| A fuzzy set covering-clustering algorithm for facility location problem;Rashed Sahraeian等;《 2011 IEEE International Conference on Industrial Engineering and Engineering Management》;20111229;第32-37页，全文 * |
| GIS在购物中心选址中的应用研究;宋广飞;《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》;20090515(第5期);第A008-12页，全文 * |
| Multicriteria method for a site selection of a new hospital in Sfax;Ennouri Wissem;《2011 4th International Conference on Logistics》;20110705;第1098-1102页，全文 * |
| Research on the guarantee rate and suitability of pushover analysis method for reinforced concrete frame structure;zhang yong等;《Journal of Hunan University (Natural Science)》;20150325;第42卷(第3期);第9-13页，全文 * |
| 基于GIS的合肥市BRT和Metro交通可达性研究;朱传华等;《地理与地理信息科学》;20141231(第6期);第21-24、30、127页，全文 * |
| 基于GIS的建筑工业化基地选址研究;杨宏安;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20180215(第2期);第C038-2823页，全文 * |
| 液化天然气码头选址关键因素;张勇等;《水运工程》;20140228(第2期);第96-99页，全文 * |
| 湖北省仙桃市农村公共医疗服务可达性与均等化研究;罗蕾;《中国优秀博硕士学位论文全文数据库(博士)医药卫生科技辑》;20160515(第5期);第E053-4页，全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108876027A (zh) | 2018-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108876027B (zh) | 一种基于gis的农村居民点集中居住区选址和优化方法 | |
| Sakieh et al. | Simulating urban expansion and scenario prediction using a cellular automata urban growth model, SLEUTH, through a case study of Karaj City, Iran | |
| Kadavi et al. | Landslide-susceptibility mapping in Gangwon-do, South Korea, using logistic regression and decision tree models | |
| Das et al. | Assessment of urban sprawl using landscape metrics and Shannon’s entropy model approach in town level of Barrackpore sub-divisional region, India | |
| Wu et al. | Performance evaluation of the SLEUTH model in the Shenyang metropolitan area of northeastern China | |
| Akın et al. | The impact of historical exclusion on the calibration of the SLEUTH urban growth model | |
| Dezhkam et al. | Simulating the urban growth dimensions and scenario prediction through sleuth model: A case study of Rasht County, Guilan, Iran | |
| Lei et al. | Does Urban planning affect urban growth pattern? A case study of Shenzhen, China | |
| Alvioli et al. | Rockfall susceptibility and network-ranked susceptibility along the Italian railway | |
| Wang et al. | A patch‐based cellular automaton for simulating land‐use changes at fine spatial resolution | |
| Li et al. | Application and verification of fractal approach to landslide susceptibility mapping | |
| Pascale et al. | Landslide susceptibility mapping using artificial neural network in the urban area of Senise and San Costantino Albanese (Basilicata, Southern Italy) | |
| Dutta et al. | Exploring the dynamics of urban sprawl using geo-spatial indices: a study of English Bazar Urban Agglomeration, West Bengal | |
| Ma et al. | How China’s linked urban–rural construction land policy impacts rural landscape patterns: A simulation study in Tianjin, China | |
| Díaz-Pacheco et al. | The importance of scale in land use models: Experiments in data conversion, data resampling, resolution and neighborhood extent | |
| CN107506433A (zh) | 城市发展空间格局情景模拟*** | |
| CN113240257A (zh) | 一种基于最小累积阻力模型的国土空间分区方法和装置 | |
| Agustina et al. | Cellular Automata for Cirebon City Land Cover and Development Prediction | |
| Weldu et al. | Identification of potential sites for housing development using GIS based multi-criteria evaluation in Dire Dawa City, Ethiopia | |
| Asefi et al. | A multi-criteria decision support framework for municipal solid waste landfill siting: a case study of New South Wales (Australia) | |
| Bui et al. | Landslide susceptibility prediction mapping with advanced ensemble models: Son La province, Vietnam | |
| Lamichhane et al. | Land use land cover (LULC) change projection in Kathmandu valley using the clue-s model | |
| Kumar et al. | Urban modelling and forecasting of landuse using SLEUTH model | |
| Manna et al. | Modeling and predicting spatio-temporal land use land cover changes and urban sprawling in Kalaburagi City Corporation, Karnataka, India: a geospatial analysis | |
| Hua-xi et al. | Study on spatial prediction and time forecast of landslide |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220329 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |