CN104318319A - 一种基于征地过程博弈结果的多智能体城市扩张模拟方法 - Google Patents

Abstract

本发明公开了一种基于征地过程博弈结果的多智能体城市扩张模拟方法，首先基于栅格化的数据定量化计算了在每个栅格范围内土地征收过程中政府和农民智能体之间相互博弈的四种策略的“收益”，并判断这个策略集合是否能求得纳什均衡解，如果存在纳什均衡解，那么所有的这些存在纳什均衡解的栅格构成城市扩张变化的可选区域，在这个可选区域内，由不同类型的居民智能体的购房选址偏好来决定可选区域内哪些栅格z最终由非城市用地转成城市用地。本发明的优点在于对土地征收过程中政府和农民的博弈过程进行了定量化的表达，精确获取城市扩张的备选区域，最终的模拟结果也表明该发明相较传统的元胞自动机模拟方法在精度有较大提高。

Description

一种基于征地过程博弈结果的多智能体城市扩张模拟方法

技术领域

本发明属于城市规划领域，涉及一种城市扩张预测模拟方法，具体涉及一种利用地理信息系统技术，遥感数据以及城市扩张模型来预测城市未来发展的基于征地过程博弈结果的多智能体城市扩张模拟方法。

背景技术

自改革开放以来，中国的经济快速扩张、城市人口大量增长，已经从一个农业人口占多数转变成城市人口占主导的国家。2011年底中国人口城市化率已经达到51.27％。然而城市化进程中所出现土地利用结构失调、土地资源衰竭问题已引起政府和学术界的高度关注。因此开展城市扩张的时空动态模拟，揭示城市扩张的特征和规律，探索城市扩张的机制和原理，能为新型城镇化建设提供有效的决策支持。

目前城市扩张建模方法很多，主要有元胞自动机(Cellular atutomata,CA)和智能体建模(Agent-based Modelling,ABM)。CA是一种时间、空间都离散的具有有限状态集的格网动力学模型：在空间上，通过元胞与周围邻居之间相互作用来模拟复杂的现象；在时间上，下一刻元胞的状态是由上一刻元胞通过一定的转换规则演化而来。然而传统的CA模型也有一些固在的缺陷：(1)CA难以捕捉城市景观动态变化的宏观社会经济驱动力因素；(2)CA侧重“人地关系”中的“地”的研究，对“人”的决策涉及较少；(3)CA在大空间尺度上往往忽视了元胞与元胞之间以及元胞与整体之间的联系。智能体建模(ABM)则刚好弥补了CA的缺陷，ABM由一些“agent”组成，这些“agent”可以模拟人与环境之间的相互作用，并响应这种作用做出决策和改变自身的行为。因此可通过智能体之间、智能体与环境之间的相互作用，来展现复杂的时空动态变化的地理现象。在城市扩张模拟方面，智能体可以代表不同类型的决定着非城市用地向城市用地转化的参与者，如居民，农民，政府和开发商。这些智能体直接影响着城市土地利用类型转换。然而，如何定义智能体的属性以及使用经验数据将人的复杂行为转换为规则在现在依然阻扰着ABM的广泛应用。

城市土地类型的转换是多种类型智能体相互博弈的结果，不同类型智能体在做出决策时有不同的策略以及选择偏好，转换的结果不可能只由一类智能体决定，因此博弈论模型成为解决此类问题的有力工具。博弈论是种战略互动的数学模型，同时也是一个互动的决策过程，它试图在几个相互作用的博弈方之间找出一种最佳的策略以达到利益之间的平衡。在城市扩张建模中，博弈论模型常常用于定性分析各智能体之间决策过程，缺乏定量化分析，因此现有的基于多智能体的城市扩张技术或模型迫切需要一种能对城市土地类型变化过程中各智能体的博弈策略进行定量化表达的新技术。

发明内容

为了解决上述的技术问题，本发明提供了一种基于征地过程博弈结果的多智能体城市扩张模拟方法。

本发明所采用的技术方案是：一种基于征地过程博弈结果的多智能体城市扩张模拟方法，其特征在于，包括以下步骤：

步骤1：收集研究区域数据，包括Y₁年、Y₂年、Y₃年的遥感影像数据(Landsat TM)、亩产值数据、房价数据、征地价格数据、土地开发适宜性打分数据、以村为单位的拆迁冲突次数统计数据、基础地理底图数据；所述的基础地理底图数据包括行政区数据、河流数据、交通数据、绿地数据、学校数据、商业中心数据、医院数据，并栅格化研究区域；

步骤2：利用历史影像分类结果基于马尔科夫链预测Y₃年较Y₂年、Y₃+10年较Y₂年新增建成区面积M，其中的Y₃年较Y₂年的增加面积N用于预测精度的评估；

步骤3：计算每个栅格在土地征收过程中政府和农民四种博弈策略的收益，判断是否存在存在纳什均衡解，

存在则将此栅格加入“扩张备选区域”，并顺序执行下述步骤4；

不存在则将此栅格加入“非扩张备选区域”，本流程结束；

步骤4：在步骤3中得到的“扩张备选区域”内计算每个栅格出行便捷度、环境舒适度、价格适宜度、生活便捷度；

步骤5：利用层次分析法确定步骤4中出行便捷度、环境舒适度、价格适宜度、生活便捷性的权重，并计算出每个栅格加权后综合得分(开发适宜性分值)；

步骤6：对所有栅格综合得分按照从大到小排序，按照步骤2结果取前N个栅格作为最终的扩张区域，即Y₃年模拟结果；

步骤7：将Y₃年模拟结果与Y₃年真实结果进行对比，做精度评价；

步骤8：如果精度满足要求，则在Y₂年模拟结果基础上模拟Y₃+10年城市扩张结果，取前M个栅格作为Y₃+10年最终的模拟结果。

作为优选，步骤1的具体实现包括以下子步骤：

步骤1.1：对Y₂年、Y₃年的遥感影像数据进行分类，分成城市建设用地、非城市建设用地、水域三类；

步骤1.2：采集Y₂年的非城市建设用地每个栅格的中心点，计算每个点到高速路、主干道、绿地、河流、医院、学校的最短距离，最终得到距离图层；

步骤1.3：将收集的亩产值数据、房价数据、征地价格数据、房价数据、土地开发适宜性打分数据、以村为单位的拆迁冲突次数统计数据加入到行政区矢量图层的属性表中，并对矢量图层栅格化,得到上述数据对应的栅格化后的图层。

作为优选，步骤1.3中所述的收集房价数据，采用泰森多边形求得面状数据。

作为优选，步骤3中所述的计算每个栅格在土地征收过程中政府和农民四种博弈策略的收益，包括:

(1)政府合法征地，农民选择冲突：

农民的收益为：

Payoff_farmer＝v1*Price_zhengdi+v2*(-Cost_risk)；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score+w3*-Cost_risk；

(2)政府合法征地，农民选择合作：

农民的收益为：

Payoff_farmer＝v1*Price_zhengdi；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score；

(3)政府非法征地，农民选择维权：

农民的收益为：

Payoff_farmer＝v1*P+v2*-Cost_risk；其中

$P=\frac{\∂}{\mathrm{\γ}}[1-\frac{1}{{(1+\mathrm{\γ})}^n}];$

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score；

(4)政府非法征地，农民沉默土地被剥夺只拿到很少的补偿金：

农民的收益为：

Payoff_farmer＝v1*f*Price_zhengdi(0<＝f<＝1)；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-f*Price_zhengdi)+w2*Land_score；

上述公式中Payoff_farmer为农民的收益，Payoff_goverment为政府的收益，Price_zhengdi表示政府征地价格，Price_sell表示土地出让价格，Land_score表示土地开发适宜性专家打分值，Costrisk表示征地冲突次数值，表示亩产值，γ表示银行定期存款利率，n为土地使用年限，V1和V2分别为农民在博弈过程中的政府给予补偿的收入和冲突成本的权重，且V1+V2＝1；W1、W2、W3分别为政府在博弈过程中的现金收益、土地开发适宜性打分数据以及冲突成本的权重，且W1+W2+W3＝1。需要注意的是上述公式中数据为了消除量纲的影响，均为数据标准化后值，即0～1之间。

作为优选，步骤4中所述的计算每个栅格出行便捷度、环境舒适度、价格适宜度、生活便捷度，其具体计算方法为：

(1)出行便捷度

$Y_{\mathrm{traffic}}=\mathrm{\&alpha;}1*e^{-\mathrm{\&beta;}1*{\mathrm{Dist}}_{\mathrm{high}}}+\mathrm{\&alpha;}2*e^{-\mathrm{\&beta;}2*{\mathrm{Dist}}_{\mathrm{main}}}+\mathrm{\&alpha;}3*e^{-\mathrm{\&beta;}3*{\mathrm{Dist}}_{\mathrm{metro}}};$

(2)环境舒适度

$Y_{\mathrm{environment}}=\mathrm{\&gamma;}1*e^{-\mathrm{\&omega;}1*{\mathrm{Dist}}_{\mathrm{park}}}+\mathrm{\&gamma;}2*e^{-\mathrm{\&omega;}2*{\mathrm{Dist}}_{\mathrm{river}}};$

(3)价格适宜度

将房价栅格图层数据标准化到0～1之间即可；

(4)生活便捷度

所述的出行便捷度、环境舒适度、价格适宜度、生活便捷度计算结果均在0～1之间，公式中Y_traffic表示出行便捷度，Dist_high、Dist_main、Dist_metro分别表示栅格到高速公路、主干道、地铁的最短距离；β1、β2、β3分别表示高速公路、主干道、地铁的空间衰减系数，α1、α2、α3为对应因子的权重系数，且α1+α2+α3＝1；Y_environment表示环境舒适度，Dist_park、Dist_river分别表示栅格到公园(或者绿地)、河流的最短距离，ω1、ω2为各影响因子的衰减系数，γ1、γ2为各因子的权重，且γ1+γ2＝1；Y_public表示生活便捷度，Dist_hospital、Dist_school、Dist_center分别表示栅格到医院、学校、城市中心(或次中心)的最短距离，ψ1、ψ2、ψ3分别表示各因子的衰减系数，为各影响因子的权重，且

作为优选，步骤5中所述的计算出每个栅格加权后综合得分，其具体计算方法包括以下子步骤：

步骤5.1：将居民智能体分成三类，分别为高收入群体、中间收入群体、低收入群体，这三类群体对住房选址具有不同的偏好，因此需要对出行便捷度、环境舒适度、价格适宜度、生活便捷度设置不同的权重值，利用下一步方法确定不同收入群体各个影响因子的权重；

步骤5.2：利用层次分析法确定上述三种收入群体出行便捷度、环境舒适度、价格适宜度、生活便捷度的权重值，层次分析法过程包括构造判断矩阵、计算重要性排序、一致性检验；

步骤5.3：每个栅格加权后综合得分Y按照如下公式计算：

Y＝w1*Y_traffic+w2*Y_environment+w3*Y_price+w4*Y_public；其中，Y_traffic表示出行便捷度，Y_environment表示环境舒适度，Y_price表示价格适宜度，Y_public表示生活便捷度，w1、w2、w3、w4分别为出行便捷度、环境舒适度、价格适宜度和生活便捷度的权重，且w1+w2+w3+w4＝1。

本发明首先基于栅格化的数据定量化计算了在每个栅格范围内土地征收过程中政府和农民智能体之间相互博弈的四种策略的“收益”，并判断这个策略集合是否能求得纳什均衡解，如果存在纳什均衡解，那么所有的这些存在纳什均衡解的栅格构成城市扩张变化的可选区域，在这个可选区域内，由不同类型的居民智能体的购房选址偏好来决定可选区域内哪些栅格由非城市用地转成城市用地。本发明的优点在于对土地征收过程中政府和农民的博弈过程进行了定量化的表达，精确获取城市扩张的待选区域。最终的模拟结果也表明该发明相较传统的元胞自动机模拟方法在精度有较大提高。

附图说明

图1：本发明的方法流程图；

图2-1：本发明实施例的2003年原始分类影像；

图2-2：本发明实施例的2013年原始分类影像；

图3：本发明实施例的土地征收过程中政府和农民博弈存在纳什均衡解的“扩张备选区域”运行结果截图；

图4：本发明实施例的2013年最终模拟运行结果截图；

图5：本发明实施例的模拟江夏区2023年城市扩张结果。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

请见图1，本发明所采用的技术方案是：一种基于征地过程博弈结果的多智能体城市扩张模拟方法，包括以下步骤：

步骤1：收集研究区域数据，包括Y₁年、Y₂年、Y₃年的遥感影像数据(LandsatTM)、亩产值数据、房价数据、征地价格数据、土地开发适宜性打分数据、以村为单位的拆迁冲突次数统计数据、基础地理底图数据；基础地理底图数据包括行政区数据、河流数据、交通数据、绿地数据、学校数据、商业中心数据、医院数据，并栅格化研究区域。其具体实现包括以下子步骤：

步骤1.1：对Y₂年、Y₃年的遥感影像数据进行分类，分成城市建设用地、非城市建设用地、水域三类；

步骤1.2：采集Y₂年的非城市建设用地每个栅格的中心点，计算每个点到高速路、主干道、绿地、河流、医院、学校的最短距离，最终得到距离图层；

步骤1.3：将收集的亩产值数据、房价数据、征地价格数据、房价数据、土地开发适宜性打分数据、以村为单位的拆迁冲突次数统计数据加入到行政区矢量图层的属性表中，并对矢量图层栅格化,得到上述数据对应的栅格化后的图层。收集房价数据，采用泰森多边形求得面状数据。

步骤2：利用历史影像分类结果基于马尔科夫链预测Y₃年较Y₂年、Y₃+10年较Y₂年新增建成区面积M，其中的Y₃年较Y₂年的增加面积N用于预测精度的评估；

步骤3：计算每个栅格在土地征收过程中政府和农民四种博弈策略的收益，判断是否存在存在纳什均衡解，

存在则将此栅格加入“扩张备选区域”，并顺序执行下述步骤4；

不存在则将此栅格加入“非扩张备选区域”，本流程结束；

其中计算每个栅格在土地征收过程中政府和农民四种博弈策略的收益，包括:

(1)政府合法征地，农民选择冲突：

农民的收益为：

Payoff_farmer＝v1*Price_zhengdi+v2*(-Cost_risk)；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score+w3*-Cost_risk；

(2)政府合法征地，农民选择合作：

农民的收益为：

Payoff_farmer＝v1*Price_zhengdi；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score；

(3)政府非法征地，农民选择维权：

农民的收益为：

Payoff_farmer＝v1*P+v2*-Cost_risk；其中

$P=\frac{\&PartialD;}{\mathrm{\&gamma;}}[1-\frac{1}{{(1+\mathrm{\&gamma;})}^n}];$

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score；

(4)政府非法征地，农民沉默土地被剥夺只拿到很少的补偿金：

农民的收益为：

Payoff_farmer＝v1*f*Price_zhengdi(0<＝f<＝1)；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-f*Price_zhengdi)+w2*Land_score；

上述公式中Payoff_farmer为农民的收益，Payoff_goverment为政府的收益，Price_zhengdi表示政府征地价格，Price_sell表示土地出让价格，Land_score表示土地开发适宜性专家打分值，Costrisk表示征地冲突次数值，表示亩产值，γ表示银行定期存款利率，n为土地使用年限，V1和V2分别为农民在博弈过程中的政府给予补偿的收入和冲突成本的权重，且V1+V2＝1；W1、W2、W3分别为政府在博弈过程中的现金收益、土地开发适宜性打分数据以及冲突成本的权重，且W1+W2+W3＝1。需要注意的是上述公式中数据为了消除量纲的影响，均为数据标准化后值，即0～1之间。

步骤4：在步骤3中得到的“扩张备选区域”内计算每个栅格出行便捷度、环境舒适度、价格适宜度、生活便捷度；其具体计算方法为：

(1)出行便捷度

$Y_{\mathrm{traffic}}=\mathrm{\&alpha;}1*e^{-\mathrm{\&beta;}1*{\mathrm{Dist}}_{\mathrm{high}}}+\mathrm{\&alpha;}2*e^{-\mathrm{\&beta;}2*{\mathrm{Dist}}_{\mathrm{main}}}+\mathrm{\&alpha;}3*e^{-\mathrm{\&beta;}3*{\mathrm{Dist}}_{\mathrm{metro}}};$

(3)环境舒适度

$Y_{\mathrm{environment}}=\mathrm{\&gamma;}1*e^{-\mathrm{\&omega;}1*{\mathrm{Dist}}_{\mathrm{park}}}+\mathrm{\&gamma;}2*e^{-\mathrm{\&omega;}2*{\mathrm{Dist}}_{\mathrm{river}}};$

(3)价格适宜度

将房价栅格图层数据标准化到0～1之间即可；

(4)生活便捷度

出行便捷度、环境舒适度、价格适宜度、生活便捷度计算结果均在0～1之间，公式中Y_traffic表示出行便捷度，Dist_high、Dist_main、Dist_metro分别表示栅格到高速公路、主干道、地铁的最短距离；β1、β2、β3分别表示高速公路、主干道、地铁的空间衰减系数，α1、α2、α3为对应因子的权重系数，且α1+α2+α3＝1；Y_environment表示环境舒适度，Dist_park、Dist_river分别表示栅格到公园(或者绿地)、河流的最短距离，ω1、ω2为各影响因子的衰减系数，γ1、γ2为各因子的权重，且γ1+γ2＝1；Y_public表示生活便捷度，Dist_hospital、Dist_school、Dist_center分别表示栅格到医院、学校、城市中心(或次中心)的最短距离，ψ1、ψ2、ψ3分别表示各因子的衰减系数，为各影响因子的权重，且

步骤5：利用层次分析法确定步骤4中出行便捷度、环境舒适度、价格适宜度、生活便捷性的权重，并计算出每个栅格加权后综合得分(开发适宜性分值)；其具体计算方法包括以下子步骤：

步骤5.1：将居民智能体分成三类，分别为高收入群体、中间收入群体、低收入群体，这三类群体对住房选址具有不同的偏好，因此需要对出行便捷度、环境舒适度、价格适宜度、生活便捷度设置不同的权重值，利用下一步方法确定不同收入群体各个影响因子的权重；

步骤5.2：利用层次分析法确定上述三种收入群体出行便捷度、环境舒适度、价格适宜度、生活便捷度的权重值，层次分析法过程包括构造判断矩阵、计算重要性排序、一致性检验；

步骤5.3：每个栅格加权后综合得分Y按照如下公式计算：

Y＝w1*Y_traffic+w2*Y_environment+w3*Y_price+w4*Y_public；其中，Y_traffic表示出行便捷度，Y_environment表示环境舒适度，Y_price表示价格适宜度，Y_public表示生活便捷度，w1、w2、w3、w4分别为出行便捷度、环境舒适度、价格适宜度和生活便捷度的权重，且w1+w2+w3+w4＝1。

步骤6：对所有栅格综合得分按照从大到小排序，按照步骤2结果取前N个栅格作为最终的扩张区域，即Y₃年模拟结果；

步骤7：将模拟结果(模拟Y₃年结果)与真实结果(真实Y₃年分类影像)进行对比，做精度评价，包括kappa系数、生产者精度、用户精度、总精度评价；步骤8：如果精度满足要求，则在Y₂年模拟结果基础上模拟Y₃+10年城市扩张结果，取前M个栅格作为Y₃+10年最终的模拟结果。

以下以武汉市城市扩张的典型区域江夏区为研究对象，江夏坐落于长江中游南岸，地处东经114°01’～114°35’、北纬29°58’～30°32’。江夏区正北与武汉市洪山区毗连，东北与鄂州市接壤，东南与大冶市相邻，正南与咸宁市交界，西南与嘉鱼县相靠，西北与汉阳区和汉南区隔长江相望。区境南北长83.2公里，东西宽54.17公里。实例的具体实施过程如下：

1)数据处理，包括：

1.1、对2003年、2013年江夏区影像进行分类，分成城市建设用地、非城市建设用地、水域三类，如图2-1、图2-2所示；

1.2、采集2003年分类影像的非城市建设用地每个栅格的中心点，利用Arcgis的Near工具计算每个点到高速路、主干道、绿地、河流、医院、学校的最短距离，最终得到距离图层；

1.3、收集研究区域亩产值数据、地价数据、征地价格数据、房价数据、土地开发适宜性打分数据、拆迁冲突次数统计数据，并将这些数据加入到行政区图层(矢量)的属性表中，并对矢量数据栅格化(50*50m),得到上述数据对应的栅格化后的图层。特别地由于房价，地价等数据只能采集到分布于研究区域的若干点的数据，因此采用泰森多边形求得面状数据。

2)利用历史影像分类结果基于马尔科夫链预测2013年较2003年、2023年较2003新增建成区面积，其中的2013年较2003年的增加面积N用于预测精度的评估。马尔科夫链预测结果为2013年较2003年新增面积为155.715平方公里，2023年较2003年新增面积为293.7875平方公里。

3)计算每个栅格在土地征收过程中政府和农民四种博弈策略的收益，四种博弈策略为：政府合法征地，农民选择冲突；政府合法征地，农民选择合作；政府非法征地，农民选择维权；政府非法征地，农民选择沉默。按照发明内容中列出的计算公式计算这四种策略的收益并判断是否存在纳什均衡解，存在则将此栅格加入“扩张备选区域”。最终的“扩张备选区域”如图3所示。

4)在步骤3中得到的“扩张可选区域”内按照发明内容中列出的计算公式计算每个栅格出行便捷度得分、环境舒适度得分、价格适宜度得分、生活便捷性得分。对于居民智能体的三类收入群体分别利用层次分析法按照构造判断矩阵、计算重要性排序、一致性检验等确定出行便捷度、环境舒适度、价格适宜度、生活便捷性的权重，如果一致性检验通过则计算出每个栅格加权后综合得分(开发适宜性分值)。本实例中最终的权重确定结果为：高收入群体：出行便捷度—0.14841，环境舒适度—0.51412，生活便捷度—0.22498，价格适宜度—0.11249；中收入群体：出行便捷度—0.32381，环境舒适度—0.23449，生活便捷度—0.19567，价格适宜度—0.24604；低收入群体：出行便捷度—0.17005，环境舒适度—0.07683，生活便捷度—0.13850，价格适宜度—0.61463。对所有栅格综合得分按照从大到小排序，按照步骤2结果取前N个栅格作为最终的扩张区域(2013年模拟结果)，模拟结果如图4所示。

5)对模拟结果做精度评价。评价结果显示该发明相较传统的元胞自动机方法在精度上有了较大的提升，本发明中的最终评价结果为:生产者精度—0.840518，用户精度—0.840673,总精度—0.935200，Kappa系数—0.85930；对应的元胞自动机的评价结果分别为：0.8241、0.8257、0.8565、0.7980

7)模拟未来城市扩张情况(2023年)，在2003年基础上取前M个栅格作为2023年最终的扩张区域。模拟结果如图5所示，模拟结果表明江夏区未来十年的城市扩张区域主要为沿着长江的地带。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (6)

1.一种基于征地过程博弈结果的多智能体城市扩张模拟方法，其特征在于，包括以下步骤：

步骤1：收集研究区域数据，包括Y₁年、Y₂年、Y₃年的遥感影像数据(Landsat TM)、亩产值数据、房价数据、征地价格数据、土地开发适宜性打分数据、以村为单位的拆迁冲突次数统计数据、基础地理底图数据；所述的基础地理底图数据包括行政区数据、河流数据、交通数据、绿地数据、学校数据、商业中心数据、医院数据；并栅格化研究区域；

步骤2：利用历史影像分类结果基于马尔科夫链预测Y₃年较Y₂年、Y₃+10年较Y₂年新增建成区面积M，其中的Y₃年较Y₂年的增加面积N用于预测精度的评估；

步骤3：计算每个栅格在土地征收过程中政府和农民四种博弈策略的收益，判断是否存在纳什均衡解，

存在则将此栅格加入“扩张备选区域”，并顺序执行下述步骤4；

不存在则将此栅格加入“非扩张备选区域”，本流程结束；

步骤4：在步骤3中得到的“扩张备选区域”内计算每个栅格出行便捷度、环境舒适度、价格适宜度、生活便捷度；

步骤5：利用层次分析法确定步骤4中出行便捷度、环境舒适度、价格适宜度、生活便捷性的权重，并计算出每个栅格加权后综合得分(开发适宜性分值)；

步骤6：对所有栅格综合得分按照从大到小排序，按照步骤2结果取前N个栅格作为最终的扩张区域，即Y₃年模拟结果；

步骤7：将Y₃年模拟结果与Y₃年真实结果进行对比，做精度评价；

步骤8：如果精度满足要求，则在Y₂年模拟结果基础上模拟Y₃+10年城市扩张结果，取前M个栅格作为Y₃+10年最终的模拟结果。

2.根据权利要求1所述的基于征地过程博弈结果的多智能体城市扩张模拟方法，其特征在于：步骤1的具体实现包括以下子步骤：

步骤1.1：对Y₂年、Y₃年的遥感影像数据进行分类，分成城市建设用地、非城市建设用地、水域三类；

步骤1.2：采集Y₂年的非城市建设用地每个栅格的中心点，计算每个点到高速路、主干道、绿地、河流、医院、学校的最短距离，最终得到距离图层；

步骤1.3：将收集的亩产值数据、房价数据、征地价格数据、房价数据、土地开发适宜性打分数据、以村为单位的拆迁冲突次数统计数据加入到行政区矢量图层的属性表中，并对矢量图层栅格化,得到上述数据对应的栅格化后的图层。

3.根据权利要求2所述的基于征地过程博弈结果的多智能体城市扩张模拟方法，其特征在于：步骤1.3中所述的收集房价数据，采用泰森多边形求得面状数据。

4.根据权利要求1所述的基于征地过程博弈结果的多智能体城市扩张模拟方法，其特征在于：步骤3中所述的计算每个栅格在土地征收过程中政府和农民四种博弈策略的收益，包括:

(1)政府合法征地，农民选择冲突：

农民的收益为：

Payoff_farmer＝v1*Price_zhengdi+v2*(-Cost_risk)；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score+w3*-Cost_risk；

(2)政府合法征地，农民选择合作：

农民的收益为：

Payoff_farmer＝v1*Price_zhengdi；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score；

(3)政府非法征地，农民选择维权：

农民的收益为：

Payoff_farmer＝v1*P+v2*-Cost_risk；其中

$P=\frac{\&PartialD;}{\mathrm{\&gamma;}}[1-\frac{1}{{(1+\mathrm{\&gamma;})}^n}];$

政府的收益为：

Payoff_goverment＝w1*(Price_sell-Price_zhengdi)+w2*Land_score；

(4)政府非法征地，农民沉默土地被剥夺只拿到很少的补偿金：

农民的收益为：

Payoff_farmer＝v1*f*Price_zhengdi(0<＝f<＝1)；

政府的收益为：

Payoff_goverment＝w1*(Price_sell-f*Price_zhengdi)+w2*Land_score；

上述公式中Payoff_farmer为农民的收益，Payoff_goverment为政府的收益，Price_zhengdi表示政府征地价格，Price_sell表示土地出让价格，Land_score表示土地开发适宜性专家打分值，Costrisk表示征地冲突次数值，表示亩产值，γ表示银行定期存款利率，n为土地使用年限，V1和V2分别为农民在博弈过程中的政府给予补偿的收入和冲突成本的权重，且V1+V2＝1；W1、W2、W3分别为政府在博弈过程中的现金收益、土地开发适宜性打分数据以及冲突成本的权重，且W1+W2+W3＝1。

5.根据权利要求1所述的基于征地过程博弈结果的多智能体城市扩张模拟方法，其特征在于：步骤4中所述的计算每个栅格出行便捷度、环境舒适度、价格适宜度、生活便捷度，其具体计算方法为：

(1)出行便捷度

$Y_{\mathrm{traffic}}=\mathrm{\&alpha;}1*e^{-\mathrm{\&beta;}1*{\mathrm{Dist}}_{\mathrm{high}}}+\mathrm{\&alpha;}2*e^{-\mathrm{\&beta;}2*{\mathrm{Dist}}_{\mathrm{main}}}+\mathrm{\&alpha;}3*e^{-\mathrm{\&beta;}3*{\mathrm{Dits}}_{\mathrm{metro}}};$

(2)环境舒适度

$Y_{\mathrm{environment}}=\mathrm{\&gamma;}1*e^{-\mathrm{\&omega;}1*{\mathrm{Dist}}_{\mathrm{park}}}+\mathrm{\&gamma;}2*e^{-\mathrm{\&omega;}2*{\mathrm{Dist}}_{\mathrm{river}}};$

(3)价格适宜度

将房价栅格图层数据标准化到0～1之间即可；

(4)生活便捷度

所述的出行便捷度、环境舒适度、价格适宜度、生活便捷度计算结果均在0～1之间，公式中Y_traffic表示出行便捷度，Dist_high、Dist_main、Dist_metro分别表示栅格到高速公路、主干道、地铁的最短距离；β1、β2、β3分别表示高速公路、主干道、地铁的空间衰减系数，α1、α2、α3为对应因子的权重系数，且α1+α2+α3＝1；Y_environment表示环境舒适度，Dist_park、Dist_river分别表示栅格到公园(或者绿地)、河流的最短距离，ω1、ω2为各影响因子的衰减系数，γ1、γ2为各因子的权重，且γ1+γ2＝1；Y_public表示生活便捷度，Dist_hospital、Dist_school、Dist_center分别表示栅格到医院、学校、城市中心(或次中心)的最短距离，ψ1、ψ2、ψ3分别表示各因子的衰减系数，为各影响因子的权重，且

6.根据权利要求1所述的基于征地过程博弈结果的多智能体城市扩张模拟方法，其特征在于：步骤5中所述的计算出每个栅格加权后综合得分，其具体计算方法包括以下子步骤：

步骤5.1：将居民智能体分成三类，分别为高收入群体、中间收入群体、低收入群体，这三类群体对住房选址具有不同的偏好，因此需要对出行便捷度、环境舒适度、价格适宜度、生活便捷度设置不同的权重值，利用下一步方法确定不同收入群体各个影响因子的权重；

步骤5.2：利用层次分析法确定上述三种收入群体出行便捷度、环境舒适度、价格适宜度、生活便捷度的权重值，层次分析法过程包括构造判断矩阵、计算重要性排序、一致性检验；

步骤5.3：每个栅格加权后综合得分Y按照如下公式计算：

Y＝w1*Y_traffic+w2*Y_environment+w3*Y_price+w4*Y_public；

其中，Y_traffic表示出行便捷度，Y_environment表示环境舒适度，Y_price表示价格适宜度，Y_public表示生活便捷度，w1、w2、w3、w4分别为出行便捷度、环境舒适度、价格适宜度和生活便捷度的权重，且w1+w2+w3+w4＝1。