CN107248007A - 一种双层域导向的农村居民点智能优化配置方法 - Google Patents
一种双层域导向的农村居民点智能优化配置方法 Download PDFInfo
- Publication number
- CN107248007A CN107248007A CN201710408987.4A CN201710408987A CN107248007A CN 107248007 A CN107248007 A CN 107248007A CN 201710408987 A CN201710408987 A CN 201710408987A CN 107248007 A CN107248007 A CN 107248007A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- villages
- residential area
- village
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000002245 particle Substances 0.000 claims abstract description 26
- 238000010586 diagram Methods 0.000 claims abstract description 22
- 230000005855 radiation Effects 0.000 claims abstract description 17
- 230000002776 aggregation Effects 0.000 claims abstract description 3
- 238000009826 distribution Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 238000009418 renovation Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 238000009313 farming Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 241000894007 species Species 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims 1
- 238000013439 planning Methods 0.000 abstract description 9
- 238000005054 agglomeration Methods 0.000 abstract description 2
- 238000012512 characterization method Methods 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 230000007812 deficiency Effects 0.000 abstract description 2
- 238000004088 simulation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013278 delphi method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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"
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种双层域导向的农村居民点智能优化配置方法,本发明提供的农村居民点智能优化配置方法首先运用辐射模型构建村镇联系网络,基于村镇网络特征评价,生成村镇加权Voronoi图,识别村镇体系空间规划的中心村(镇)域和基层村域,结合农村居民点优化配置中的转换可达性、用地适宜性和空间集聚度等多目标,构建面向双层域导向的农村居民点粒子群优化模型,通过粒子在村镇双层域空间的并行搜索和优化问题求解,生成农村居民点空间优化配置方案。该发明解决了当前农村居民点规划中空间指向性不足和多目标难以协调的技术问题,提高了农村居民点规划的科学性与合理性。
Description
技术领域
本发明涉及一种双层域导向的农村居民点智能优化配置方法,集成加权Voronoi图和粒子群智能优化算法实现农村居民点空间优化配置,属于土地利用规划领域。
背景技术
农村居民点优化配置是推进新型城镇化建设、重构乡村空间和合理利用土地资源的重要内容,是农村土地利用的核心问题。它受区域自然、社会与经济的多重制约和影响,涉及地类、数量和空间多目标协同优化,是一个复杂的非线性复合地理作用过程。随着选址空间及农村居民点数量规模的增加,空间信息量急剧上升,不同发展方向及优化目标间的用地冲突愈发明显,如何找到一种快速、智能的多目标空间优化配置方法,引导农村居民点在中心村(镇)域和基层村域双层空间上优化布局,是当前农村土地利用中亟需解决的技术问题。
至今,农村居民点优化技术可划分为传统知识化的经验统计模型和动态空间模拟优化模型两类。传统模型化方法对经验知识依赖性强,很难解决土地利用空间优化配置的非线性、多目标约束问题;基于复杂系统理论和群智能优化算法的动态空间模型为解决这类问题提供了崭新的思路,包括以元胞自动机为代表的地理模拟系统和以遗传算法、粒子群优化算法等为主的智能优化算法;然而,此类方法在应用中多以单一的行政区域作为农村居民点优化配置空间范围,忽视了村镇体系空间规划的层次性和关联性,存在明显的优化方向不明确问题,对农村居民点规划建设的实际指导性不足。
发明内容
为解决上述问题,本发明提供了一种双层域导向的农村居民点智能优化配置方法,采用加权Voronoi图识别村镇体系空间规划的中心村(镇)域和基层村域,结合农村居民点优化配置中的转换可达性、用地适宜性和空间集聚度等多目标,运用粒子群优化算法进行双层域空间并行搜索和优化问题求解,以明确农村居民点优化配置中的空间指向性,提高其优化配置的合理性和实际可操作性。
本发明所采用的技术方案是:一种双层域导向的农村居民点智能优化配置方法,其特征在于,包括以下步骤:
步骤1:构建农村居民点基础数据库;
从土地利用数据提取农村居民点图斑信息,并将各行政村经济统计信息、人口统计信息和交通空间信息、耕作空间信息关联到居民点图斑层,形成农村居民点基础数据库;
步骤2:构建村镇联系网络;
采用辐射模型测算各行政村联系强度矩阵,以各行政村村委会或镇政府所在地为网络节点,以行政村联系强度为网络连街边,生成村镇联系网络图;
步骤3:分析网络中心性;
采用社会网络分析法,识别村镇联系网络的点度中心度、中间中心度、接近中心度和特征向量中心性;
步骤4:构建加权Voronoi图;
选取生活通达度、生产便捷度和生态适宜度的评价因子,结合步骤3获取的网络中心性指标,构建加权Voronoi图评价指标,通过特尔菲法确定不同指标权重,生成网络节点Voronoi图;
步骤5:确定居民点优化的双层域空间;
根据网络中心性识别网络节点中的高节点度村,即中心村/镇,结合Voronoi图和村镇分布格局,划分中心村/镇的影响域,在各中心村/镇域范围内的村庄向两个方向优化居民点,即在基层村域形成的Voronoi图范围内配置居民点,或在中心村/镇形成的Voronoi图范围内配置居民点;
步骤6:农村居民点布局优化配置;
以村镇双层域引导、地类转换可达性、相邻地类协调性和景观聚集度为目标建立多目标适应度函数,确定粒子编码、相关参数和迭代停止条件,构建基于粒子群优化算法的农村居民点动态布局优化模型;通过粒子经过的最好位置Pbest(自身经验)和群体中所有粒子经过的最好位置Gbest(群体经验)的不断迭代更新,满足迭代停止条件后,停止搜索生成农村居民点优化配置图;
步骤7:生成农村居民点空间优化配置方案;
将步骤6得到的农村居民点布局优化配置结果与优化前居民点布局进行叠置分析,识别新建、搬迁和保留的农村居民点,得到农村居民点优化配置方案。
本发明具有如下优点:运用辐射模型测度村镇联系强度并构建联系网络,将其网络中心性融入到加权Voronoi图评价指标体系中,识别中心村(镇)域和基层村域,明确农村居民点空间优化配置方向;同时结合农村居民点优化中的地类相邻协调性、规划转换可达性和景观聚集度等约束目标,运用粒子群优化算法实现农村居民点智能优化配置,解决了当前农村居民点规划中空间指向性不足和多目标难以协调的技术问题,提高了农村居民点规划的科学性与合理性。
附图说明
附图1为本发明实施例的流程图。
附图2为本发明实施例的村镇联系网络图。
附图3为本发明实施例的村镇双层域分布图。
附图4为本发明实施例的农村居民点优化配置图。
附图5为本发明实施例的农村居民点规划方案图。
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,本发明提供的一种双层域导向的农村居民点智能优化配置方法,包括以下步骤:
步骤1.数据处理与分析。从土地利用数据和社会经济数据中提取各行政村单元农村居民点空间特征信息和经济、人口统计信息,构建农村居民点基础数据库;
步骤2.村镇联系网络构建与村镇体系识别。包括:
步骤2.1,村镇联系强度测算,以各村委会或镇政府所在地为节点,通过辐射模型构建村镇联系强度矩阵,将村镇强度矩阵可视化为网络连接边;
步骤2.2,提取村镇网络中心性,通过网络特征分析提取各村节点的点度中心度、中间中心度、接近中心度和特征向量中心性;
步骤2.3,识别村镇体系,根据村镇网络中心性大小识别村镇体系。
上述子步骤基于定义:
定义G是由g1、g2、…gn等n个村(镇)节点组成的集合,即g1,g2…,gn∈G,统计各村镇总人口、城镇用地规模、农村居民点规模和农村人均收入4项要素数据,对数据进行标准化后加权测算各村镇综合要素质量,运用辐射模型计算村镇联系强度,生成村镇联系强度矩阵;
测算村镇联系强度的辐射模型公式如下:
式中:Tij为i村(镇)与j村(镇)的联系强度,mi、nj分别为i村(镇)和j村(镇)的要素质量;sij为i村(镇)到j村(镇)之间的影响范围(以i村(镇)为圆心、i村(镇)到j村之间的距离为半径的圆)内所有村镇的质量总和(i、j两地除外)。
步骤3,构建加权Voronoi图。包括:
步骤3.1,Voronoi图评价指标构建,包括网络中心性、生活通达度、生产便捷度和生态适宜度4项综合指标,其中网络中心性包括点度中心性、中间中心性、接近中心性和特征向量中心性4项子指标;生活通达度包括居民点平均邻近距离、居民点距主干道距离和居民点距城镇距离3项子指标;生产便捷度包括地形地貌、平均耕作半径、耕居面积比和有效灌溉面积4项子指标;生态适宜度包括林地覆盖率和水域面积比例2项子指标,加权测算各村指标综合值;
步骤3.2,Voronoi图空间划分,以加权Voronoi图评价指标确定的综合影响力为划分依据,生成加权Voronoi图,确定基层村域(辐射范围);
步骤3.3,中心村(镇)域划分,根据步骤2.3中的村镇体系,划分中心村(镇)及其隶属的基层村域范围。
步骤4.农村居民点布局优化配。包括:
步骤4.1,粒子编码,在优化过程中将每个土地利用图斑根据重心抽象为一个粒子,每个粒子由地类和位置的差异决定其唯一性,为便于优化算法的实现,需首先对每个粒子进行编码,编码包括位置(x,y)和地类(k)两个变量。
步骤4.2,参数设定,设定粒子数目n,种类k,粒子在x与y方向上的最大飞行速度vxmax与vymax,学习因子c1、c2,自适应惯性权重w,程序运行时最大迭代次数Imax等,初始化粒子群。
步骤4.3,适应度函数构建,综合中心村(镇)域和基层村域双层空间、地类相邻协调性、规划转换可达性和景观聚集度等约束目标,设定每个粒子适应度,用如下的多目标规划模型表达:
Sgi≤ηi·SZi,0≤ηi≤1 ⑦
式中,为农村居民点相邻地类协调性目标;Ekr为不同地类k与农村居民点的协调性指数,Qk(ij)为农村居民点栅格单元(i,j)的邻域单元中不同地类k的栅格数量;Cτ为农村居民点规划转换可达性目标;Sp(ij)为栅格单元(i,j)的适宜度等级值;Lk(ij)为栅格单元(i,j)对应的不同土地利用类型k转换为农村居民点的鼓励系数值;Aβ为农村居民点景观聚集度目标;q(rij)表示农村居民点栅格单元rij的邻域中类型为农村居民点的单元数;SNL、SZ分别为农村居民点整治搬迁与置换还建的面积目标;a为划分的栅格单元面积;xr→k(ij)、xk→r(ij)分别为农村居民点整治搬迁和置换还建的栅格单元,当r=k时,xr→k(ij)=xk→r(ij)=0;当r≠k时,xr→k(ij)=xk→r(ij)=1;为k辐射域内置换新建区农村居民点栅格单元(i,j);V(nk)为k村(镇)的辐射域;为村镇体系中k村(镇)所属的中心村(镇)c的辐射域;Sgi为置换还建农村居民点占用耕地面积的最大值;ηi为i村(镇)置换还建农村居民点占用耕地面积的约束系数。
步骤4.4,迭代停止条件,若粒子群的进化趋于稳定,并且其全局最优值和平均适应值差值的绝对值小于精度阈值时,停止算法迭代;最后得到的终止条件所对应的粒子向量位置即为农村居民点布局优化结果。
步骤5.生成农村居民点空间优化配置方案。将步骤4得到的农村居民点布局优化配结果与优化前居民点布局进行叠置分析,得到农村居民点优化配置方案。
以下是采用上述方法的一个具体实施例。
1.获取某乡镇的土地利用数据、社会经济数据和村镇调研数据,进行数据预处理和分析,构建农村居民点基础数据库,应用辐射模型构建村镇联系网络,如图2所示。
2.提取网络中心性,构建加权Voronoi图指标,生成网络加权Voronoi图,结合村镇空间布局关系,生成村镇双层域分布图,如图3所示。
3.采用Visual Studio 2012为开发工具,基于c#语言进行粒子群算法设计,在程序运行中,其数量目标以划分的栅格大小为基本面积单元,以单个栅格单元面积的整数倍进行计算,定义初始粒子群规模为20,通过多次实验模拟确定250次时停止迭代,在双层域范围内优化居民点布局,生成优化配置结果,如图4所示。
4.将优化配置图与农村居民点现状图进行叠置分析,生成农村居民点新建、搬迁和保留的优化方案,如图5所示。
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 (4)
1.一种双层域导向的农村居民点智能优化配置方法,其特征在于,包括以下步骤:
步骤1:构建农村居民点基础数据库;
从土地利用数据提取农村居民点图斑信息,并将各行政村经济统计信息、人口统计信息和交通空间信息、耕作空间信息关联到居民点图斑层,形成农村居民点基础数据库;
步骤2:构建村镇联系网络;
采用辐射模型测算各行政村联系强度矩阵,以各行政村村委会或镇政府所在地为网络节点,以行政村联系强度为网络连街边,生成村镇联系网络图;
步骤3:分析网络中心性;
识别村镇联系网络的点度中心度、中间中心度、接近中心度和特征向量中心性;
步骤4:构建加权Voronoi图;
选取生活通达度、生产便捷度和生态适宜度的评价因子,结合步骤3获取的网络中心性指标,构建加权Voronoi图评价指标,确定不同指标权重,生成网络节点Voronoi图;
步骤5:确定居民点优化的双层域空间;
根据网络中心性识别网络节点中的高节点度村,即中心村/镇,结合Voronoi图和村镇分布格局,划分中心村/镇的影响域,在各中心村/镇域范围内的村庄向两个方向优化居民点,即在基层村域形成的Voronoi图范围内配置居民点,或在中心村/镇形成的Voronoi图范围内配置居民点;
步骤6:农村居民点布局优化配置;
以村镇双层域引导、地类转换可达性、相邻地类协调性和景观聚集度为目标建立多目标适应度函数,确定粒子编码、相关参数和迭代停止条件,构建基于粒子群优化算法的农村居民点动态布局优化模型;通过粒子经过的最好位置Pbest和群体中所有粒子经过的最好位置Gbest的不断迭代更新,满足迭代停止条件后,停止搜索生成农村居民点优化配置图;
步骤7:生成农村居民点空间优化配置方案;
将步骤6得到的农村居民点布局优化配置结果与优化前居民点布局进行叠置分析,得到农村居民点优化配置方案。
2.根据权利要求1所述的双层域导向的农村居民点智能优化配置方法,其特征在于,步骤2中,辐射模型公式如下:
<mrow>
<msub>
<mi>T</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>n</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
<mo>(</mo>
<msub>
<mi>m</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>n</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<msub>
<mi>s</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
式中:Tij为i村/镇与j村/镇的联系强度,mi、nj分别为i村/镇和j村/镇的要素质量;sij为i村/镇到j村/镇之间的影响范围内所有村镇的质量总和,i、j两地除外;所述影响范围是以i村/镇为圆心、i村/镇到j村之间的距离为半径的圆。
3.根据权利要求1或2所述的双层域导向的农村居民点智能优化配置方法,其特征在于:步骤2中,定义G是由g1、g2、...gn共n个村/镇节点组成的集合,即g1,g2…,gn∈G,统计各村镇总人口、城镇用地规模、农村居民点规模和农村人均收入4项要素数据,对数据进行标准化后加权测算各村镇综合要素质量,运用辐射模型计算村镇联系强度,生成村镇联系强度矩阵。
4.根据权利要求1所述的双层域导向的农村居民点智能优化配置方法,其特征在于:步骤6的具体实现包括以下子步骤:
步骤6.1:粒子编码;
将每个土地利用图斑根据重心抽象为一个粒子,对每个粒子进行编码,编码包括位置(x,y)和地类k两个变量;
步骤6.2:参数设定;
设定粒子数目n,种类k,粒子在x与y方向上的最大飞行速度vxmax与vymax,学习因子c1、c2,自适应惯性权重w,最大迭代次数Imax,初始化粒子群;
步骤6.3:适应度函数构建;
综合中心村/镇域和基层村域双层空间、地类相邻协调性、规划转换可达性和景观聚集度,设定每个粒子适应度,用如下的多目标规划模型表达:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mi>i</mi>
<mi>m</mi>
<mi>i</mi>
<mi>z</mi>
<mi>e</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>C</mi>
<mi>&tau;</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>S</mi>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mi>i</mi>
<mi>m</mi>
<mi>i</mi>
<mi>z</mi>
<mi>e</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>A</mi>
<mi>&beta;</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>S</mi>
<mi>u</mi>
<mi>b</mi>
<mi>j</mi>
<mi>e</mi>
<mi>c</mi>
<mi>t</mi>
<mi> </mi>
<mi>t</mi>
<mi>o</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>N</mi>
<mi>L</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>a</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>r</mi>
<mo>&RightArrow;</mo>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>S</mi>
<mi>Z</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>a</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>&RightArrow;</mo>
<mi>r</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
<mrow>
<msubsup>
<mi>Z</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>=</mo>
<mo>{</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>&Element;</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>n</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&cup;</mo>
<mi>V</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>n</mi>
<mi>k</mi>
<mi>c</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>;</mo>
</mrow>
Sgi≤ηi·SZi,0≤ηi≤1;
式中,为农村居民点相邻地类协调性目标;Ekr为不同地类k与农村居民点的协调性指数,Qk(ij)为农村居民点栅格单元(i,j)的邻域单元中不同地类k的栅格数量;Cτ为农村居民点规划转换可达性目标;Sp(ij)为栅格单元(i,j)的适宜度等级值;Lk(ij)为栅格单元(i,j)对应的不同土地利用类型k转换为农村居民点的鼓励系数值;Aβ为农村居民点景观聚集度目标;q(rij)表示农村居民点栅格单元rij的邻域中类型为农村居民点的单元数;SNL、SZ分别为农村居民点整治搬迁与置换还建的面积目标;a为划分的栅格单元面积;xr→k(ij)、xk→r(ij)分别为农村居民点整治搬迁和置换还建的栅格单元,当r=k时,xr→k(ij)=xk→r(ij)=0;当r≠k时,xr→k(ij)=xk→r(ij)=1;为k辐射域内置换新建区农村居民点栅格单元(i,j);V(nk)为k村/镇的辐射域;为村镇体系中k村/镇所属的中心村/镇c的辐射域;Sgi为置换还建农村居民点占用耕地面积的最大值;ηi为i村/镇置换还建农村居民点占用耕地面积的约束系数;
步骤6.4:迭代停止条件;
若粒子群的进化趋于稳定,并且其全局最优值和平均适应值差值的绝对值小于精度阈值时,停止算法迭代;
步骤6.5:最后得到的终止条件所对应的粒子向量位置即为农村居民点布局优化结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710408987.4A CN107248007A (zh) | 2017-06-02 | 2017-06-02 | 一种双层域导向的农村居民点智能优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710408987.4A CN107248007A (zh) | 2017-06-02 | 2017-06-02 | 一种双层域导向的农村居民点智能优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107248007A true CN107248007A (zh) | 2017-10-13 |
Family
ID=60017742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710408987.4A Pending CN107248007A (zh) | 2017-06-02 | 2017-06-02 | 一种双层域导向的农村居民点智能优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107248007A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977711A (zh) * | 2017-12-21 | 2018-05-01 | 武汉大学 | 一种面向“三线”协同优化的多智能体遗传算法 |
CN108376291A (zh) * | 2017-11-28 | 2018-08-07 | 国网甘肃省电力公司电力科学研究院 | 一种基于微电网的电动汽车充换电站选址定容方法 |
CN108537384A (zh) * | 2018-04-10 | 2018-09-14 | 湘潭大学 | 一种船舶建材场地布局优化方法及系统 |
CN110069885A (zh) * | 2019-05-05 | 2019-07-30 | 重庆师范大学 | 一种基于外部生态功能定位的“三生”空间优化方法 |
CN112991124A (zh) * | 2021-02-03 | 2021-06-18 | 河南财经政法大学 | 基于场强模型的农村居民点空间结构识别与优化方法 |
CN116703182A (zh) * | 2023-08-04 | 2023-09-05 | 江西睿讯科技有限公司 | 一种基于大数据的数字化乡村建设综合服务系统 |
-
2017
- 2017-06-02 CN CN201710408987.4A patent/CN107248007A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376291A (zh) * | 2017-11-28 | 2018-08-07 | 国网甘肃省电力公司电力科学研究院 | 一种基于微电网的电动汽车充换电站选址定容方法 |
CN107977711A (zh) * | 2017-12-21 | 2018-05-01 | 武汉大学 | 一种面向“三线”协同优化的多智能体遗传算法 |
CN107977711B (zh) * | 2017-12-21 | 2020-11-03 | 武汉大学 | 一种面向“三线”协同优化的多智能体遗传方法 |
CN108537384A (zh) * | 2018-04-10 | 2018-09-14 | 湘潭大学 | 一种船舶建材场地布局优化方法及系统 |
CN108537384B (zh) * | 2018-04-10 | 2020-12-08 | 湘潭大学 | 一种船舶建材场地布局优化方法及系统 |
CN110069885A (zh) * | 2019-05-05 | 2019-07-30 | 重庆师范大学 | 一种基于外部生态功能定位的“三生”空间优化方法 |
CN112991124A (zh) * | 2021-02-03 | 2021-06-18 | 河南财经政法大学 | 基于场强模型的农村居民点空间结构识别与优化方法 |
CN116703182A (zh) * | 2023-08-04 | 2023-09-05 | 江西睿讯科技有限公司 | 一种基于大数据的数字化乡村建设综合服务系统 |
CN116703182B (zh) * | 2023-08-04 | 2023-10-20 | 江西睿讯科技有限公司 | 一种基于大数据的数字化乡村建设综合服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107248007A (zh) | 一种双层域导向的农村居民点智能优化配置方法 | |
Xiao et al. | An evaluation framework for designing ecological security patterns and prioritizing ecological corridors: Application in Jiangsu Province, China | |
Yang et al. | Scenario simulation of land system change in the Beijing-Tianjin-Hebei region | |
Liao et al. | Land use optimization of rural production–living–ecological space at different scales based on the BP–ANN and CLUE–S models | |
Zhang et al. | Simulating multi-objective land use optimization allocation using Multi-agent system—A case study in Changsha, China | |
Jin et al. | Designing a spatial pattern to rebalance the orientation of development and protection in Wuhan | |
Li et al. | An improved Genetic Algorithm for spatial optimization of multi-objective and multi-site land use allocation | |
Memmah et al. | Metaheuristics for agricultural land use optimization. A review | |
CN110334864B (zh) | 一种基于gis的多规合一城乡空间分区划定的方法 | |
Setegn et al. | Spatial delineation of soil erosion vulnerability in the Lake Tana Basin, Ethiopia | |
Liao et al. | Urban sprawl scenario simulations based on cellular automata and ordered weighted averaging ecological constraints | |
Ouyang et al. | Land space optimization of urban-agriculture-ecological functions in the Changsha-Zhuzhou-Xiangtan Urban Agglomeration, China | |
Liu et al. | Regional land-use allocation with a spatially explicit genetic algorithm | |
Liu et al. | Optimal allocation of water quantity and waste load in the Northwest Pearl River Delta, China | |
Liu et al. | An integrated approach of remote sensing, GIS and swarm intelligence for zoning protected ecological areas | |
Ramachandra et al. | Micro level analyses of environmentally disastrous urbanization in Bangalore | |
CN108009694A (zh) | 空心村整治潜力分级评估系统 | |
Yuan et al. | Regional land-use allocation using a coupled MAS and GA model: From local simulation to global optimization, a case study in Caidian District, Wuhan, China | |
Mi et al. | Optimal spatial land-use allocation for limited development ecological zones based on the geographic information system and a genetic ant colony algorithm | |
Das et al. | FORWARD: a model for forecasting reservoir water dynamics using spatial Bayesian network (SpaBN) | |
CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
CN107977711A (zh) | 一种面向“三线”协同优化的多智能体遗传算法 | |
Farinha-Marques et al. | Urban Habitats Biodiversity Assessment (UrHBA): a standardized procedure for recording biodiversity and its spatial distribution in urban environments | |
Spiekermann et al. | Evaluating urban sustainability using land-use transport interaction models | |
CN109376907A (zh) | 适应输配电网一体化规划的高压配网变电站负荷预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171013 |