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。     

吉林市城市扩展监测及模拟研究

随着我国城市化进程的加快,其引起的城市数量的增加和城市规模的扩大已经引起学术界广泛的重视,定期或不定期地获得城市扩展信息、了解城市动态变化趋势,可为城市土地资源的规划和管理提供有力的依据。本文基于元胞自动机(CA)原理,充分利用CA在土地利用空间格局演化模拟和空间局部优化方面的优势特点,结合遥感和GIS 技术建立城市空间扩展 CA 模型,对吉林市建成区的演化过程进行模拟。结果表明,开发的CA模型具有较好的模拟效果。     

基于地理环境的CA模型演变规则研究

本文定义了城市扩展模拟中的CA模型,提出模拟地理实体的栅格元胞要求;探讨了惯性自由扩展、土地利用类型转变、交通引力作用、大城市辐射、其他用地自组织、自然条件限制、规划条件约束、决策修正行为等模拟城市建设用地扩展的演变规则;并将专家打分法应用于城市建设用地扩展CA模型演变规则集成阶段,通过打分结果与阈值比较确定城市建设用地扩展的变化情况.     

扩展邻域元胞自动机模型城市扩张研究

元胞自动机近年来被广泛应用于动态模拟城市扩张,但其邻域类型一般固定于摩尔邻域.文章基于Geo-CA理论,自定义扩展邻域类型,并结合特定地理位置多层次约束性条件构建CA模型,扩展了CA模型的空间建模功能.以武汉市为例,将2000年和2009年TM遥感影像和城市用地数据作为基础,结合武汉市城市规划图、DEM、道路交通图、水域等多层次图像,构成空间数据库,建立武汉市城市扩张扩展邻域CA模型.最后以2009年数据为基础,对武汉市2018年城市用地扩张情况进行预测,为武汉市城镇建设提供参考.     

集成GIS的元胞自动机在城市扩展模拟中的应用

元胞自动机CA(Cellular Automata)是一种"自下而上"的动态模拟模型,具有模拟城市复杂系统时空演化过程的能力.CA和GIS的集成使二者在时空建模方面相互补充,能使CA模拟结果可视化显示.这里以郑州市为例,设计了城市CA模型,借助VB 6.0和MapX 5.0建立了一个与GIS无缝集成的2维CA模拟系统,并结合郑州市2005～2007年遥感影像图和土地利用图,对郑东新区进行了模拟,取得较好的效果.     

MonoLoop:CA城市模型状态转换规则获取的一种方法

状态转换规则是元胞自动机(Cellular Automata,CA)的核心,如何获取并建立CA的状态转换规则是构建CA模型的关键。邻域作用是CA能够模拟复杂物理现象的核心驱动力,而在已有的用于城市增长模拟的CA城市模型中,因为邻域作用在模拟的过程中为时间动态的变量,其系数很难通过常用的Logistic回归方法识别,致使已有的CA城市模型的状态转换规则中,往往仅通过Logistic回归获取邻域作用之外的空间变量的模型参数,而邻域作用的参数通常采用主观赋值的方法。本文提出了CA城市模型的多指标评价(Multi-Criteria Evalua-tion,MCE)形式状态转换规则获取的一种新方法 MonoLoop,并针对北京市域1976～2006年的城市增长开展了该方法的实验。基于这种方法,一方面利用历史数据可以建立更为客观的状态转换规则;另一方面也可以大大降低模型参数识别的时间。     

集成GIS的元胞自动机在城市扩展模拟中的应用

元胞自动机CA(Cellular Automata)是一种"自下而上"的动态模拟模型,具有模拟城市复杂系统时空演化过程的能力。CA和GIS的集成使二者在时空建模方面相互补充,能使CA模拟结果可视化显示。这里以郑州市为例,设计了城市CA模型,借助VB 6.0和MapX 5.0建立了一个与GIS无缝集成的2维CA模拟系统,并结合郑州市2005~2007年遥感影像图和土地利用图,对郑东新区进行了模拟,取得较好的效果。     

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CA的城市人口密度分布动态模拟——以长沙市人口密度变化为例

利用元胞自动机（CA）进行模拟可以帮助认识城市人口密度分布的演变过程,并为相关的调控提供决策依据。以长沙市为例,由元胞自动机层构建了精确到街道的长沙市人口密度分布仿真模型,对2000～2005年人口密度分布进行重建,与实际情况对比,整体预测精确度达76％以上;并对2010年,2015年人口密度分布进行了预测,结果表明,长沙市仍处于城市发展的初期阶段,市区人口密度分布受交通通达度、距市中心距离、公共设施便利性、环境、政府主导等多因子影响,总体呈现典型的Clark分布。     

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。     

基于数据同化的元胞自动机

提出基于集合卡尔曼滤波(EnKF)的元胞自动机(CA)模型。在CA模型中,由于不同的样本会训练出不同参数值 的转换规则,且获取的转换规则在整个模拟过程中不能改变等原因,误差在模拟过程中会不断累积。本文在CA模型中 引入集合卡尔曼滤波的数据同化方法,建立了基于集合卡尔曼滤波的数据同化CA模型,同化遥感观测数据,根据得出 的同化值修正模拟结果使之向真实情况逼近。利用该模型模拟了广东省东莞市的发展情景(1995年—2005年),实验表 明,与传统CA模型相比,基于集合卡尔曼滤波的CA模型能够融合遥感观测数据,并能更有效地模拟城市扩张过程,达 到良好的模拟效果。     

基于CA模型的佛山市建设用地动态变化研究

元胞自动机具有能模拟复杂动态系统的强大能力,本文采用了多约束条件的元胞自动机模型,以广东佛山市2000年、2006年和2012年建设用地的变化为例,从自然、社会经济发展等方面综合考虑选取了高程、坡度、人口密度、道路交通、水系等对城市建设用地发展变化起决定作用的诸多因子,利用马尔科夫概率矩阵计算2000年～2006年建设用地变化,推算建设用地转移总量。结合Logistic-CA模型和决策树-CA模型,预测模拟了2012年的建设用地分布并与实际相比较,分析其整体精度和误差来源。结果显示基于CA模型的建设用地动态发展模拟具有良好的效果,可以为城市的发展规划,过程演变提供虚拟的实验手段和科学依据。     

地理特征元胞自动机及城市土地利用演化研究

将综合了几何和非几何属性的地理特征概念引入元胞自动机,构建了地理特征元胞自动机概念模型。通过对深圳特区土地利用演化的实证研究表明,地理特征CA可以更真实地描述元胞地理信息、局部空间关系和演化规则,理论上是可行的;基于地理特征的城市土地利用演化CA在城市规划中具有很大的应用价值。     

Integration of neural networks and cellular automata for urban planning

This paper presents a new type of cellular automata (CA) model for the simulation of alternative land development using neural networks for urban planning. CA models can be regarded as a planning tool because they can generate alternative urban growth. Alternative development patterns can be formed by using different sets of parameter values in CA simulation. A critical issue is how to define parameter values for realistic and idealized simulation. This paper demonstrates that neural networks can simplify CA models but generate more plausible results. The simulation is based on a simple three-layer network with an output neuron to generate conversion probability. No transition rules are required for the simulation. Parameter values are automatically obtained from the training of network by using satellite remote sensing data. Original training data can be assessed and modified according to planning objectives. Alternative urban patterns can be easily formulated by using the modified training data sets rather than changing the model.     

Integration of neural networks and cellular automata for urban planning

This paper presents a new type of cellular automata (CA) model for the simulation of alternative land development using neural networks for urban planning. CA models can be regarded as a planning tool because they can generate alternative urban growth. Alternative development patterns can be formed by using different sets of parameter values in CA simulation. A critical issue is how to define parameter values for realistic and idealized simulation. This paper demonstrates that neural netowrks can simplify CA models but generate more plausible results. The simulation is based on a simple three-layer network with an output neuron to generate conversion probability. No transition rules are required for the simulation. Parameter values are automatically obtained from the training of network by using satellite remote sensing data. Original training data can be assessed and modified according to planning objectives. Alternative urban patterns can be easily formulated by using the modified training data sets rather than changing the model.