一种城市元胞自动机情景模拟方法、终端设备及存储介质技术

本发明专利技术涉及一种城市元胞自动机情景模拟方法、终端设备及存储介质，该方法中包括以下步骤：S100：对研究区域的生态环境数据进行收集；S200：根据收集的生态环境数据进行生态环境评价，获取生态指标作为生态约束因子；S300：根据生态约束因子在城市元胞自动机中建立基于有序加权平均的生态约束；S400：根据生态约束建立基于逻辑回归的城市元胞自动机模型，来模拟城市空间动态演化过程。本发明专利技术耦合了二元逻辑回归、有序加权平均和元胞自动机的城市模型，有利于识别城市发展和生态约束之间矛盾与压力最为集中的地区并给出合理的解决方案，也有利于城市管理部门在发展和保护之间寻求权衡。

A Scenario Simulation Method, Terminal Equipment and Storage Medium for Urban Cellular Automata

The invention relates to a scenario simulation method, terminal equipment and storage medium of urban cellular automata, which includes the following steps: S100: collecting the ecological environment data of the research area; S200: evaluating the ecological environment according to the collected ecological environment data, obtaining the ecological index as the ecological constraint factor; 0: According to the ecological constraints, the ecological constraints based on orderly weighted average are established in urban cellular automata; S400: According to the ecological constraints, the urban cellular automata model based on logical regression is established to simulate the dynamic evolution process of urban space. The urban model coupled with binary logistic regression, orderly weighted average and cellular automata is beneficial to identify the areas where contradictions and pressures between urban development and ecological constraints are most concentrated and to provide reasonable solutions, as well as to seek trade-offs between development and protection for urban management departments.

【技术实现步骤摘要】
一种城市元胞自动机情景模拟方法、终端设备及存储介质
本专利技术涉及城市动态模拟
，尤其涉及一种城市元胞自动机情景模拟方法、终端设备及存储介质。
技术介绍
城市化率的不断攀升受到了人口迁移、要素集聚、技术进步和政策激励等复合社会经济因素的持续驱动。2050年，预计全球范围内将有高达67.1％的人口居住在城市地区，相比之下，1800年世界城市人口仅仅只有3％。认识城市空间形态的演化机理和过程，有助于最大限度的控制或缓解过度城市化带来的一系列自然、社会和环境问题，如交通拥堵、农田锐减、环境污染等。过去30年间，城市元胞自动机被广泛应用于城市动态模拟中，约束机制是城市元胞自动机情景模拟的关键部件，为了反映水体、农田、生态公园、坡度或政府规划等限制因素对城市发展或土地利用变化的制约，现如今大多为基于二值化的布尔约束机制，通常的，在建模过程中，落在保护区或规划区内的元胞受到严格的状态转换限制，一般赋值为0，表示转换为其它土地利用的可能性为0；不在限制区域内的元胞则赋值为1，表示其状态完全有可能发生转换。布尔约束由于反映了法律法规的强制性而具有很广泛的适用场合，然而，0-1约束设计过于绝对化和简单化，忽略了政府政策等人文经济因素在地域空间分布上的弹性特征，也忽略了区域自然本底要素在空间上的梯度特征，而政府政策和地理环境等制约因子的复杂性要求建立更具弹性的约束机制。
技术实现思路
为解决上述问题，本专利技术一种城市元胞自动机情景模拟方法、终端设备及存储介质，在该方法中耦合了二元逻辑回归、有序加权平均(OrderedWeightedAveraging，OWA)和元胞自动机的城市模型，用以预测生态约束下城市未来空间形态演化情景的图谱。具体方案如下：一种城市元胞自动机情景模拟方法，包括以下步骤：S100：对研究区域的生态环境数据进行收集；S200：根据收集的生态环境数据进行生态环境评价，获取生态指标作为生态约束因子，所述生态约束因子包括三类，第一类生态约束因子为相互之间的Trade-off效应不敏感的生态约束因子，第二类生态约束因子为相互之间的Trade-off效应敏感的生态约束因子，第三类生态约束因子为具有明确禁止开发或不适宜发展边界的生态约束因子；S300：根据三类生态约束因子建立城市元胞自动机中的基于有序加权平均的生态约束；S400：根据生态约束建立基于逻辑回归的城市元胞自动机模型，来模拟城市空间动态演化过程。进一步的，所述第二类生态约束因子包括生态功能重要性指标和生态敏感性指标，所述生态功能重要性指标包括土壤保持功能重要性、水源涵养功能重要性和生物多样性保护功能重要性，所述生态敏感性指标包括水土流失敏感性和河滨带敏感性，所述第二类生态约束因子还包括植被覆盖指数和土壤肥力。进一步的，步骤S300中基于有序加权平均的生态约束为：式中c1,j、c2,j和c3,k分别表示第一、第二和第三类生态约束因子，wi是第一类生态约束因子的权重，幂指数θ和ω是非限制性生态约束因子的约束强度；函数OWA为有序加权平均算法；假定OWA:Rn→R，若，则函数OWA为有序加权平均算法，其中是一组和输入向量(c2,1,c2,2,…，c2，j，…,c2,n)同维的权重向量，即位序权重，dj是向量(c2,1，c2,2，…,c2,j,…,c2,n)中第j大的元素，R为实数集。进一步的，步骤S300中所述位序权重通过单调规则递增定量方式获得，公式为：QRIM(r)＝rββ∈(0,∞)式中，QRIM为单调规则递增的模糊语义量化算子,j为位序，为位序权重，n为输入因子数量，r为自变量，β为表征决策者主观偏好的幂指数。进一步的，通过或度的概念来衡量位序权重的分布特征，计算公式为：式中，O为位序权重向量的或度，n是位序权重向量的维数，j表示有序加权平均的位序，O∈(0,1)，当O→1时，位序图层的聚合操作具有更接近或操作的特性，反之，当O→0时，位序图层的聚合操作具有更接近与操作的特性。进一步的，通过下式衡量有序加权平均方法消除Trade-off效应的程度：式中，TradeOff为有序加权平均算法产生的Trade-off度，n为输入因子的数量，j为有序加权平均的位序。TradeOff的值在0和1之间。进一步的，步骤S400中所述基于逻辑回归的城市元胞自动机模型为：式中，和分别是元胞(i,j)在t和t+1时刻的状态，为邻域作用，Con为生态约束，N为元胞的数量，f表示转换规则，t为元胞自动机迭代的次数。进一步的，步骤S400具体包括以下步骤：S401：采用二元逻辑回归校准转换规则得到元胞自动机的局部转换概率：zij＝b0+b1x1,ij+…+bnxn,ij式中，Pl,ij为元胞(i,j)的局部转换概率，zij为中间变量，b0为常数，xn,ij为第n个空间变量，bn为相应的权重系数；所述空间变量包括离城市中心的距离、离城镇中心的距离、离主要公路的距离、离高速公路的距离、离铁路的距离、离海岸线的距离、高程和坡度；S402：计算邻域元胞状态分布对中心元胞的领域影响；所述领域影响的计算公式为：式中，为元胞(i,j)在邻域作用下的转换概率，为3×3摩尔邻域内已发展的元胞数；S403：根据局部转换概率、领域影响、生态约束和随机因素影响计算城市元胞状态发生改变的最终转换概率：式中，是元胞(i,j)在第t次迭代从未开发状态转变为开发状态的概率，Con(·)为生态约束函数，(1+(-lnγ)α)为随机扰动因子，其中，γ是一个[0,1]之间的随机值，α是一个控制随机干扰程度的参数，从0-10之间取值。一种城市元胞自动机情景模拟终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例上述的方法的步骤。一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本专利技术实施例上述的方法的步骤。本专利技术采用如上技术方案，并具有有益效果：1、校准和验证模拟期间，城市建设用地模拟精度、总体模拟精度和Kappa系数高，可以有效模拟城市演化的合理形态。2、通过调节单调规则递增函数的幂指数，可以在观测生态约束图层空间叠加相应或度的情况下顺滑的控制约束机制产生的Trade-off度。3、基于有序加权平均的城市元胞自动机模型有利于识别城市发展和生态约束之间矛盾与压力最为集中的地区并给出合理的解决方案，也有利于城市管理部门在发展和保护之间寻求权衡。附图说明图1所示为本专利技术实施例一的步骤示意图。图2所示为本专利技术实施例一的生态约束因子空间分布图。图3所示为本专利技术实施例一的城市扩展模拟图。图4所示为本专利技术实施例一的不同生态约束因子下城市发展模拟图。具体实施方式为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。现结合附图和具体实施方式对本专利技术进一步说明。实施例一：本专利技术实施例一提供了一种城市元胞自动机情景模拟方法，如图1所示，其为该实施例所述的城市元本文档来自技高网...

【技术保护点】
1.一种城市元胞自动机情景模拟方法，其特征在于，包括以下步骤：S100：对研究区域的生态环境数据进行收集；S200：根据收集的生态环境数据进行生态环境评价，获取生态指标作为生态约束因子，所述生态约束因子包括三类，第一类生态约束因子为相互之间的Trade‑off效应不敏感的生态约束因子，第二类生态约束因子为相互之间的Trade‑off效应敏感的生态约束因子，第三类生态约束因子为具有明确禁止开发或不适宜发展边界的生态约束因子；S300：根据三类生态约束因子建立城市元胞自动机中的基于有序加权平均的生态约束；S400：根据生态约束建立基于逻辑回归的城市元胞自动机模型，来模拟城市空间动态演化过程。

【技术特征摘要】
1.一种城市元胞自动机情景模拟方法，其特征在于，包括以下步骤：S100：对研究区域的生态环境数据进行收集；S200：根据收集的生态环境数据进行生态环境评价，获取生态指标作为生态约束因子，所述生态约束因子包括三类，第一类生态约束因子为相互之间的Trade-off效应不敏感的生态约束因子，第二类生态约束因子为相互之间的Trade-off效应敏感的生态约束因子，第三类生态约束因子为具有明确禁止开发或不适宜发展边界的生态约束因子；S300：根据三类生态约束因子建立城市元胞自动机中的基于有序加权平均的生态约束；S400：根据生态约束建立基于逻辑回归的城市元胞自动机模型，来模拟城市空间动态演化过程。2.根据权利要求1所述的城市元胞自动机情景模拟方法，其特征在于：所述第二类生态约束因子包括生态功能重要性指标和生态敏感性指标，所述生态功能重要性指标包括土壤保持功能重要性、水源涵养功能重要性和生物多样性保护功能重要性，所述生态敏感性指标包括水土流失敏感性和河滨带敏感性，所述第二类生态约束因子还包括植被覆盖指数和土壤肥力。3.根据权利要求1所述的城市元胞自动机情景模拟方法，其特征在于：步骤S300中基于有序加权平均的生态约束为：Con(·)＝(1-∑wic1，i)θ×(1-OWA(C2，1，C2，2，...，C2，j，...，c2，n))ω×Πc3，kc3，k∈{0，1|0：forbiden；1：allowed}式中C1，i、c2，j和c3，k分别表示第一、第二和第三类生态约束因子，wi是第一类生态约束因子的权重，幂指数θ和ω是非限制性生态约束因子的约束强度；函数OWA为有序加权平均算法；假定OWA：Rn→R，若，则函数OWA为有序加权平均算法，其中是一组和输入向量(c2，1，c2，2，...，c2，j，...，C2，n)同维的权重向量，即位序权重，dj是向量(c2，1，c2，2，...，C2，j，...，c2，n)中第j大的元素，R为实数集。4.根据权利要求3所述的城市元胞自动机情景模拟方法，其特征在于：所述位序权重通过单调规则递增定量方式获得，公式为：QRIM(r)＝rββ∈(0，∞)式中，QRIM为单调规则递增的模糊语义量化算子，j为位序，为位序权重，n为输入因子数量，r为自变量，β为表征决策者主观偏好的幂指数。5.根据权利要求4所述的城市元胞自动机情...

【专利技术属性】
技术研发人员：廖江福，李倩瑜，唐立娜，黄巧玲，
申请(专利权)人：集美大学，中国科学院城市环境研究所，
类型：发明
国别省市：福建,35