专利名称：一种基于云模型元胞自动机的城市扩展预测方法
技术领域：
本发明涉及城市扩展预测方法，尤其涉及一种基于云模型元胞自动机的城市扩展预测方法。
背景技术：
城市扩展是元胞自动机(cellular automata，简称CA)应用的一个热点领域。 Tobler院士在20世纪70年代首次将元胞自动机方法引入城市研究，并采用元胞自动机模拟美国五大湖边底特律地区城市的迅速扩展。但是，这时元胞自动机在城市扩展的应用还处于一般性讨论与方法“地理化”阶段，标准元胞自动机模型应用在城市扩展领域的性能和实用性有待进一步完善。许多元胞自动机扩展模型相继被提出并得到了更为广泛的发展。 首先，多准则判断[1]、LogistiC回归[2]等数理统计方法被应用于元胞自动机转换规则构建中；其次，近年来数据挖掘[3]、神经网络M、多智能体[5]、核学习机[6]、支持向量机[7]、人工免疫系统[8]等方法被用于转换规则的智能获取。以黎夏、叶嘉安和周成虎为代表的学者们在元胞自动机扩展模型上做了很多有意义的理论尝试，但是这些元胞自动机扩展模型过分依赖高效的模型算法，不能从根本上解决城市扩展元胞自动机的真实性问题，很少考虑城市扩展中的不确定问题。一般元胞自动机采用蒙特卡洛方法[9]、模糊逻辑[1°_11]来反映城市扩展的不确定性，但上述方法仅反映了城市扩展不确定性的随机性或模糊性，不能完整表达不确定性。[12]采用位置和数量Kappa系数来分析空间明确模型中的预测不确定性和模拟的精度问题，该研究的实质是对模拟结果进行敏感性分析，从模型构建上并未体现不确定性定量传播问题。文中涉及的参考文献如下Wu F, Webster CJ. Simulation of land development through the integration of cellular automata and multicriteria evaluation. Environment and Planning B: Planning and Design. 1998， 25(1):103-126.Wu F. Calibration of stochastic cellular automata: the application to rural-urban land conversions. International Journal of Geographical Information Science. 2002. 16(8) :795-818.Li X, Yeh AGO. Data mining of cellular automata's transition rules. International Journal of Geographical Information Science. 2004. 18(8) :723-744.Li X, Yeh A. G. 0. Neural-network-based cellular automata for simulating multiple land use changes using GIS. International Journal Of Geographical Information Science: 2002. 16(4): 323-343.Chen YM, Li X, Liu XP, et al. An agent-based model for optimal land allocation (AgentLA) with a contiguity constraint. International Journal of Geographical Information Science. 2010. 24(8) : 1269—1288.
5[6]Liu X, Li X, Shi X, et al. Simulating complex urban development using kernel-based non-linear cellular automata. Ecological Modelling. 2008. 211(1-2) :169-181.Yang QS, Li X, Shi X. Cellular automata for simulating land use changes based on support vector machines. Computers & Geosciences. 2008. 34:592 - 602.Liu XP, Li X, Shi X, et al. Simulating land-use dynamics under planning policies by integrating artificial immune systems with cellular automata. International Journal of Geographical Information Science. 2010.24(5): 783-802.Li D, Cheunq D, Shi XM. Uncertainty Reasoning Based on Cloud Models in Controllers. Computers and Mathematics with Applications. 1998. 35(3) :99-123.Al-Kheder S, Wang J, Shan J. Fuzzy inference guided cellular automata urban-growth modelling using multi-temporal satellite images. International Journal Of Geographical Information Science. 2008. 22(11-12):1271-1293.Al-Ahmadi K, See L, Heppenstall A, et al. Calibration of a fuzzy cellular automata model of urban dynamics in Saudi Arabia. Ecological Complexity. 2009.6:80 - 101.Zhang J, Zhou YK, Li RQ, et al. Accuracy assessments and uncertainty analysis of spatialIy explicit modeling for land use/cover change and urbanization: A case in Beijing metropolitan area. Science China Earth Sciences. 2010. 53 (2):173-180。
发明内容
针对现有技术存在的不足，本发明提供了一种基于云模型元胞自动机的城市扩展预测方法，该方法能更真实、准确地模拟城市扩展。为了解决以上技术问题，本发明采用如下的技术方案
一种基于云模型元胞自动机的城市扩展预测方法，包括以下步骤
1)栅格化城市土地利用图，每一栅格对应一个元胞；
2)对各元胞转换概率变量及非城市元胞距各空间变量的空间距离采用概念集“近、中、 远”表达，并采用云模型定量表达概念集，实现定性到定量的表达，所述的空间变量为城市中心、镇中心、工业中心和主干道；所述的元胞转换概率变量值在(Tl之间，并等分为三个区间，分别对应“高、中、低”概念；
3)构造规则发生器，本步骤进一步包括以下子步骤
3-1构建云推理引擎，即定性规则库，采用“If A, then B”形式表达，其中，A为各非城市元胞距各空间变量的空间距离所属的概念集；B为在空间变量影响下的元胞转换概率概念集；
3-2根据所构建的定性规则库，采用多维云模型构造对应于If部分的前件规则发生器，并采用二维云模型构造对应于then部分的后件规则发生器；4)根据判断各非城市元胞所属的概念，通过规则发生器得到空间变量影响下的元胞转换概率，本步骤进一步包括以下子步骤
4-1将各非城市元胞距各空间变量的空间距离值输入至前件规则发生器，采用极大判定法判断各空间距离值属于概念集{远、中、近}中的某个概念，并激活前件规则发生器中对应的定性规则库，通过前件规则发生器推理引擎，输出中间隶属度值；
4-2将上述中间隶属度值作为后件规则发生器的输入值，激活对应的后件规则发生器， 通过后件规则发生器推理引擎，得到各非城市元胞对于某一概念的最终隶属度值，即，非城市元胞城市化的转换概率；
5)考虑邻域、宏观因素，制定非城市元胞的行为转变规则，并根据非城市元胞的行为转变规则计算每个元胞的最终元胞转换概率，若元胞转换概率大于预设阈值，则该非城市元胞所代表的土地城市化；否则，该非城市元胞状态不变；所述预设阈值根据元胞转换概率值分布范围和分布特征确定。 上述步骤2)进一步包括以下子步骤
2-1获取各非城市元胞距各空间变量的空间距离值，根据各非城市元胞距各空间变量的空间距离构建空间距离矩阵Di
，其中，f取1、2、3、4，钱、/)2、钱、.仏分别为各非城市元胞距城市中心、镇中心、工业中心、
主干道的空间距离矩阵；
2-2将各非城市元胞距各空间变量的空间距离值离散化、概念化；
2-3从空间距离矩阵珲D2 D5 D4中各随机抽取20%的元胞； 2-4对步骤2-3所抽取的各元胞距各空间变量的空间距离值进行K均值聚类分析， 将空间距离矩阵场的聚类中心du_csntori分为Λ—Ceafcra、c2u_centera、rfa—cerafers
三类，将空间距离矩阵瑪对应的论域记为4,根据聚类中心将4划分为三个离散区间 A^ = [Ow ciu _ osnfie ^]、A^ = [ciu _ CeraiiSTjt31 chi禾口為=[ciu _CsnJter3 ^clu _ CeniEr3]，
iij|i,4-=AU^U45 ；
2-5将空间距离表达为三个概念粒度，即远、中、近；将由空间变量决定的元胞转换概率记为其对应的论域记为戽，粪=PU，将Λ抽象为概念集(高、中、低}；
2-6利用云模型表示空间距离矩阵Di的概念集合Ci, q = {C^F^E^^XC^i&^E^M^XC^^,EnsM^ , U: 111, Q、Q、C3 分别
表示基本概念“远”、“中”、“近”；期望值Λ^ Ε^Λ^Μ ,分别对应论域的中心值，这里，期望值 =.,ME^ = (1 , J^2lJji3Jδ"原贝 lj，
_ =, 为论域中心值，_为论域最小值；超熵Jfe决定着云模型的
离散程度，控制着模型输入与输出的不确定性关系；
2-7根据步骤1-5得到云模型的数学特征值、熵的数学公式
权利要求
1.一种基于云模型元胞自动机的城市扩展预测方法，其特征在于，包括以下步骤1)栅格化城市土地利用图，每一栅格对应一个元胞；2)对各元胞转换概率变量及非城市元胞距各空间变量的空间距离采用概念集“近、中、 远”表达，并采用云模型定量表达概念集，实现定性到定量的表达，所述的空间变量为城市中心、镇中心、工业中心和主干道；所述的元胞转换概率变量值在(Tl之间，并等分为三个区间，分别对应“高、中、低”概念；3)构造规则发生器，本步骤进一步包括以下子步骤3-1构建云推理引擎，即定性规则库，采用“If A, then B”形式表达，其中，A为各非城市元胞距各空间变量的空间距离所属的概念集；B为在空间变量影响下的元胞转换概率概念集；3-2根据所构建的定性规则库，采用多维云模型构造对应于If部分的前件规则发生器，并采用二维云模型构造对应于then部分的后件规则发生器；4)根据判断各非城市元胞所属的概念，通过规则发生器得到空间变量影响下的元胞转换概率，本步骤进一步包括以下子步骤4-1将各非城市元胞距各空间变量的空间距离值输入至前件规则发生器，采用极大判定法判断各空间距离值属于概念集{远、中、近}中的某个概念，并激活前件规则发生器中对应的定性规则库，通过前件规则发生器推理引擎，输出中间隶属度值；4-2将上述中间隶属度值作为后件规则发生器的输入值，激活对应的后件规则发生器， 通过后件规则发生器推理引擎，得到各非城市元胞对于某一概念的最终隶属度值，即，非城市元胞城市化的转换概率；5)考虑邻域、宏观因素，制定非城市元胞的行为转变规则，并根据非城市元胞的行为转变规则计算每个元胞的最终元胞转换概率，若元胞转换概率大于预设阈值，则该非城市元胞所代表的土地城市化；否则，该非城市元胞状态不变；所述预设阈值根据元胞转换概率值分布范围和分布特征确定。
2.根据权利要求1所述的基于云模型元胞自动机的城市扩展预测方法，其特征在于 所述的步骤2)进一步包括以下子步骤2-1获取各非城市元胞距各空间变量的空间距离值，根据各非城市元胞距各空间变量的空间距离构建空间距离矩阵坏，其中，f取1、2、3、4，钱、/)2、钱、.仏分别为各非城市元胞距城市中心、镇中心、工业中心、主干道的空间距离矩阵；2-2将各非城市元胞距各空间变量的空间距离值离散化、概念化； 2-3从空间距离矩阵钱,D2 Ds D4中各随机抽取20%的元胞； 2-4对步骤2-3所抽取的各元胞距各空间变量的空间距离值进行K均值聚类分析， 将空间距离矢巨阵1 的聚类中心分为csisfer星、cin—Eaifcrs、三类，将空间距离矩阵螞对应的论域记为4,根据聚类中心将4划分为三个离散区间 A^ = [O, chi _ csn^r^l、為=[ciu _ i^sfsisr^禾| 丨為=[ciu _ OsaJter3 ^clu _ CS^BTsI，其中，
3.根据权利要求2所述的基于云模型元胞自动机的城市扩展预测方法，其特征在于 所述的步骤2-1中利用ArcGIS工具获取各元胞距各空间变量的空间距离值。
4.根据权利要求2或3所述的基于云模型元胞自动机的城市扩展预测方法，其特征在中各随机抽取20%所述的步骤2-3中采用随机分层法从空间距离矩阵钱^3 A 的元胞。
5.根据权利要求1所述的基于云模型元胞自动机的城市扩展预测方法，其特征在于所述的步骤3-2中采用多维云模型构建前件规则发生器进一步包括以下步骤3-2-1假设变量为征特学数的型模云佳多的 成构€( ^^ ^^ ^ ; , ^ ) ’ Ex^ E^ H、分别为变量,的期望值、熵、超熵，其中，变量，’ &指各非城市元胞距各空间向量的空间距离值；
6.根据权利要求5所述的基于云模型元胞自动机的城市扩展预测方法，其特征在于所述的步骤3-2-5中的#取2000。
7.根据权利要求1所述的基于云模型元胞自动机的城市扩展预测方法，其特征在于所述的步骤5)中制定元胞的行为转换规则进一步包括以下子步骤5-1采用四方网格对元胞空间进行划分，元胞空间中元胞邻域采用半径R=4的圆型邻居；5-2对在空间变量驱动下的元胞转换概率F,修正为麫= ^xiXUOxn⑴，其中，Ω^Λ)为半径R=4的圆型邻域对中心元胞i的局部转换概率，ΠΘ表示中心元胞i受宏观约束的转换概率，用0、1表示，0表示不能发展或发展阻力较大，1表示具有较大的发展潜力或无发展阻力，若有一项取值为0，则Π(0 = 0 ；上述iXUD可表示为= Scemcs' == “0 —D，其中，~为中心元胞《的邻域内第个邻居元胞的状态；为判断％是否为城市元胞，若为真，则返值 1，若为假，则返值0= 为邻域内元胞总数。
全文摘要
本发明公开了一种基于云模型元胞自动机的城市扩展预测方法，包括以下步骤1)栅格化城市土地利用图，每一栅格对应一个元胞；2)对各元胞转换概率变量及非城市元胞距各空间变量的空间距离采用概念集“近、中、远”表达，并采用云模型定量表达概念集；3)构造规则发生器；4)通过规则发生器得到空间变量影响下的元胞转换概率；5)制定非城市元胞的行为转变规则，并根据非城市元胞的行为转变规则计算每个元胞的最终元胞转换概率。本发明方法构建了不确定性与模拟结果精度之间的定量模型，并将上述模型应用于城市扩展预测中，有助于更真实、准确地模拟城市扩展。
文档编号G06F19/00GK102254105SQ20111022742
公开日2011年11月23日 申请日期2011年8月10日 优先权日2011年8月10日
发明者何青青, 张文婷, 王海军, 贺三维 申请人:武汉大学