CN113011720B - 一种基于ca模型的增量递减的城镇开发边界划定方法 - Google Patents

一种基于ca模型的增量递减的城镇开发边界划定方法 Download PDF

Info

Publication number
CN113011720B
CN113011720B CN202110234636.2A CN202110234636A CN113011720B CN 113011720 B CN113011720 B CN 113011720B CN 202110234636 A CN202110234636 A CN 202110234636A CN 113011720 B CN113011720 B CN 113011720B
Authority
CN
China
Prior art keywords
town
land
development
model
boundary
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.)
Active
Application number
CN202110234636.2A
Other languages
English (en)
Other versions
CN113011720A (zh
Inventor
熊国平
陈冰红
李鹏程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Southeast University Urban Planning And Design Institute Co ltd
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202110234636.2A priority Critical patent/CN113011720B/zh
Publication of CN113011720A publication Critical patent/CN113011720A/zh
Application granted granted Critical
Publication of CN113011720B publication Critical patent/CN113011720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/211—Schema design and management
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于CA模型的增量递减的城镇开发边界划定方法，包括基础数据的采集和数据库的构建、基于CA模型的城镇增量递减模拟、城镇开发边界智能化生成和城镇开发边界应用，实现国土空间规划背景及城镇发展由外延扩张向增量递减转变要求下，城镇开发边界划定成果的科学性及时效性。本发明通过开源数据及CA模型算法，最终完成城镇开发边界的划定，节省了大量的人力物力，实现规划全过程的高效、透明与稳定；本发明进行了模型精度的检验与修正，实现模拟的可靠性；本发明使用的数据均来自开源平台爬取的现实中的城区数据，反映土地真实的使用情况，其算法模型可根据城市的地方需求对计算细节进行适当调整，实现广泛的适用性。

Description

一种基于CA模型的增量递减的城镇开发边界划定方法
技术领域
本发明涉及城市规划领域，具体是一种基于CA模型的增量递减的城镇开发边界划定方法。
背景技术
现实情况中，往往存在城镇空间发展模拟与空间格局优化相互矛盾的问题，城镇空间的发展模拟也应逐渐向“增量递减”进行转变。因此，迫切需要将城镇空间模拟与生态、农业等各类空间格局优化进行协同整合，使得城镇开发边界的划定既能满足城镇发展的生态、农业底线要求，又可适应城镇向品质提升的转变。
现有的城镇开发边界划定方法主要包括增长驱动法、生态约束法和综合模型法。增长驱动法即通过构建城市发展模型来模拟城市未来增长形态，进而划定城市开发边界，适用于快速增长的城市，主要技术包括元胞自动机模型(Cellular Automaton,CA)、人工神经网络模型(Artificial Neural Network,ANN)等；生态约束法即通过构建生态适宜性评价指标体系，进而划定城镇开发边界，适用于缓慢增长或有环境容量限制的城市，主要技术包括生态敏感性评价等；综合模型法即将上述两种方法进行结合，适用于稳定增长的城市。
但上述方法均缺少对于生态保护红线及基本农田等底线要求的考虑，也尚未体现目前城镇向增量递减模式发展的趋势，存在成果的时效性不足、缺乏底线约束的问题。
发明内容
本发明的目的在于提供一种基于CA模型的增量递减的城镇开发边界划定方法，使城镇开发边界的划定既能满足国土空间背景下的生态、农业底线要求，又可适应城镇发展向增量递减的转变，实现基于开源数据库及计算机算法的增量递减式的城镇开发边界划定模型，最终实现更加科学合理的城镇开发边界划定方法。
本发明的目的可以通过以下技术方案实现：
一种基于CA模型的增量递减的城镇开发边界划定方法，城镇开发边界划定方法包括如下步骤：
S1、基础数据的采集和多因子数据库的构建；
S1.1、在开源数据平台采集某城市的多源数据，包括不同年份的遥感信息数据、生态保护红线及永久基本农田数据与城镇用地扩展影响因子；
S1.2、数据的空间校正
将S1.1中采集的数据导入至地理信息平台中，利用空间校正工具，进行坐标与高程匹配，并统一数据格式；
S1.3、土地利用类型分类
在地理信息平台中，运用最大似然法分类的影像分类方法，依据三调分类标准，将城市土地利用类型分为耕地、园地、林地、草地、建设用地、水域及水利设施用地以及其他土地，共七种类型；
S1.4、单因子处理
针对城镇用地扩展影响因子，计算市域内每个象元到各因子的欧氏距离，为消除量纲影响，运用栅格计算器进行归一化处理，使得各个变量因子的取值范围为0～1；
S1.5、基础数据库生成
在地理信息平台中整合各种数据，统一数据格式，形成完整的城镇开发边界划定数据库；
S2、基于CA模型的城镇增量递减模拟；
S3、增量递减模式下的城镇开发边界智能化生成；
S4、增量递减模式下的城镇开发边界应用。
进一步的，所述S2包括：
S2.1、CA模型的转换规则确定
基于logistic-CA模型的转换规则，嵌入根据时间变化的线性衰减函数，模拟城镇发展的增量递减模式，表示为：
Figure GDA0003244160540000031
其中，A0为土地利用惯性值，
Figure GDA0003244160540000032
a0为常量，xi为土地利用空间影响因子i(i＝1,2,3,…,k)的集合，bi为logistic回归系数，即空间影响因子i的参数值，将其转换为土地利用开发概率(A'0)，即
Figure GDA0003244160540000033
Lij为元胞受到的邻域影响，即在N×N邻域中的城市元胞密度，
Figure GDA0003244160540000034
Sij为元胞状态，con(Sij＝urban)表示一个条件函数，若元胞状态为城镇用地，则返回1，否则返回0；Zij为限制约束，Zij＝con(Sij＝suitable)，当元胞ij位于土地利用限制开发区内时，Z＝0，不能发展为城镇用地；当元胞ij位于允许开发建设区时，Z＝1，允许发展为城镇用地；为使运算更加符合实际，反映城市形态演化过程中存在的各种政治因素、人文因素、随机因素和偶然事件的影响和干预，引入随机干扰因子R，R＝1+(-lna)k，a为随机数，取值在0～1之间，k为整数，是调控随机干扰强度的系数，取值在1～10之间；Ω＝-ux+d，u为衰减强度，x为年份,Ω为随时间变化的衰减函数,d为常量；
S2.2、logistic回归模型建立
采用随机抽样方法，首先从目标变量和城市形态演变影响因素变量中获取样本；其次通过Matlab 2011b软件提供的randperm函数，进行编程实现，随机抽样比例为20％，结果保存为ASCII码的文本格式；然后，利用SPSS 20软件对抽样数据进行logistic回归计算，通过显著性水平检验后，确定各影响因子xi的回归系数bi；由此，得出回归函数B0；
S2.3、土地利用限制条件确定
将城镇的生态保护红线内用地、永久基本农田及水域用地作为限制开发区，嵌入CA模型的转换规则中，即Zij＝con(Sij＝suitable)，当元胞ij位于上述土地利用限制开发区内时，Z＝0，不能发展为城镇用地；当元胞ij位于允许开发建设区时，Z＝1，允许发展为城镇用地；
S2.4、模型精度检验
模拟一段时间内的城市形态演化，以检验模型有效性，运用S1.4中归一化的空间变量因子，在地理信息平台中运用CA模拟逻辑回归方法，以2010年作为模拟起始年份，2020年作为模拟终止年份，对中间2016年的城镇扩展情况进行模拟，并将结果与实际2010年的土地利用图进行空间叠加对比计算模拟精度W，计算公式为
Figure GDA0003244160540000041
其中S为重叠部分面积，S0为城镇总面积，检验该模型是否可用于接下来的预测；如模拟精度低于90％，则重新进行S2.2中logistic回归模型建立的随机抽样，得出新一轮的回归函数B1，用于模型精度的检验，直至城镇用地的模拟精度超过90％；
S2.5、增量递减的城镇形态模拟预测
定义2010至2020十年间的城镇发展驱动力保持不变，即回归系数bi保持不变，将转换规则
Figure GDA0003244160540000051
中的相关数据代入CA模型软件，设置固定迭代次数，利用地理信息平台将模拟结果进行可视化处理，得到增量递减模式下的城镇形态模拟预测。
进一步的，所述S3包括：
S3.1、模拟结果的边界处理
借用地理信息平台中的Expand和Shrink工具，利用形态学的开运算和闭运算对四类不同情景模拟下的城镇形态进行边界处理，得到最终增量递减模式下的城镇开发边界；
S3.2、将地理信息平台中划定的城镇开发边界导出为300ppi以上的JPG格式文件。
进一步的，所述S4包括：
S4.1城镇开发边界内的三区划定
在城镇开发边界内，结合城镇发展定位和空间格局，首先将规划集中连片、规模较大、形态规整的地域确定为城镇集中建设区，同时，为满足未来重大建设项目需要，在集中建设区内划定一定比例的功能留白区；其次在适宜进行城镇开发的地域空间划定城镇有条件建设区；最后根据地方实际，将对城镇功能和空间格局有重要影响的区域划定为特别用途区，划定为特别用途区包括山体、河湖水系和防护隔离空间；
S4.2分区管理
将城镇开发边界的划定与分区作为城镇进行建设规划的基础，城镇开发边界内的建设，实行“详细规划+规划许可”的管制方式，在不突破规划城镇建设用地规模的前提下，城镇建设用地布局可在城镇有条件建设区范围内进行调整，同时相应核减城镇集中建设区用地规模，特别用途区原则上禁止任何城镇集中建设行为；城镇开发边界外空间不得进行城镇集中建设，主导用途为农业和生态。
本发明的有益效果：
1、本发明通过网络开源数据及CA模型算法，最终完成城镇开发边界的划定，节省了大量的人力物力，大大降低了规划过程中人为因素的干扰，实现了规划全过程的高效、透明与稳定；
2、本发明基于现有相关规划的生态保护红线与永久基本农田保护红线，通过CA模型，有效运用计算机算力，模拟未来城镇收缩状态下的土地利用变化，以实现国土空间规划背景及城镇发展由外延扩张向增量递减转变要求下的城镇开发边界划定，实现了成果科学性；
3、本发明在利用模型进行城镇发展形态模拟前，进行了模型精度的检验，若未通过检验，也可重新利用抽样进行模型修正，直至模型通过精度检验，实现城镇发展模拟的可靠性；
4、本发明使用的所有数据均来自于开源平台爬取的现实中的城区数据，反映了现实生活中城市的土地使用情况，其算法模型在计算逻辑明确的基础上，可以根据不同城市的地方需求对计算细节进行适当调整，以适应不同城市的发展需求，实现广泛的适用性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明实施例的整体流程示意图；
图2是本发明实施例的多源数据整合图；
图3是本发明实施例的土地利用现状图；
图4是本发明实施例的中心城区中心模拟图；
图5是本发明实施例的镇中心模拟图；
图6是本发明实施例的高速公路模拟图；
图7是本发明实施例的快速路模拟图；
图8是本发明实施例的轨道交通站点模拟图；
图9是本发明实施例的铁路场站模拟图；
图10是本发明实施例的城镇扩展模拟示意图；
图11是本发明实施例的城镇开发边界划定示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种基于CA模型的增量递减的城镇开发边界划定方法，如图1所示，城镇开发边界划定方法包括如下步骤：
S1、基础数据的采集和多因子数据库的构建；
S1.1、在开源数据平台采集某城市的多源数据，包括不同年份的遥感信息数据、生态保护红线及永久基本农田数据与城镇用地扩展影响因子。其中，根据《资源环境承载能力和国土空间开发适宜性评价指南(试行)》，确定城镇用地扩展影响因子包括自然环境、交通距离、市中心经济辐射和规划政策4大类17个影响因子，自然环境方面包括河流，交通距离方面包括高速公路、高速出入口、铁路、火车站、航道、国道、机场、省道、县乡道和城市道路，市中心经济辐射方面包括市中心影响和镇中心影响，规划政策方面包括规划轨道交通站点、规划铁路站、规划铁路和规划道路，如图2所示。
Figure GDA0003244160540000081
S1.2、数据的空间校正
将S1.1中采集的数据导入至地理信息平台中，利用空间校正工具，进行坐标与高程匹配，并统一数据格式。
S1.3、土地利用类型分类
在地理信息平台中，运用最大似然法分类的影像分类方法，依据三调分类标准，将城市土地利用类型分为耕地、园地、林地、草地、建设用地、水域及水利设施用地以及其他土地，共七种类型，如图3所示。
S1.4、单因子处理
针对城镇用地扩展影响因子，计算市域内每个象元到各因子的欧氏距离，为消除量纲影响，运用栅格计算器进行归一化处理，使得各个变量因子的取值范围为0～1，如图4～图9所示。
S1.5、基础数据库生成
在地理信息平台中整合各种数据，统一数据格式，形成完整的城镇开发边界划定数据库。
S2、基于CA模型的城镇增量递减模拟；
S2.1、CA模型的转换规则确定
基于logistic-CA模型的转换规则，嵌入根据时间变化的线性衰减函数，模拟城镇发展的增量递减模式，可表示为：
Figure GDA0003244160540000091
其中，A0为土地利用惯性值，
Figure GDA0003244160540000092
a0为常量，xi为土地利用空间影响因子i(i＝1,2,3,…,k)的集合，bi为logistic回归系数，即空间影响因子i的参数值，将其转换为土地利用开发概率(A'0)，即
Figure GDA0003244160540000093
Lij为元胞受到的邻域影响，即在N×N邻域中的城市元胞密度，
Figure GDA0003244160540000094
Sij为元胞状态，con(Sij＝urban)表示一个条件函数，若元胞状态为城镇用地，则返回1，否则返回0；Zij为限制约束，Zij＝con(Sij＝suitable)，当元胞ij位于土地利用限制开发区内时，Z＝0，不能发展为城镇用地；当元胞ij位于允许开发建设区时，Z＝1，允许发展为城镇用地；为使运算更加符合实际，反映城市形态演化过程中存在的各种政治因素、人文因素、随机因素和偶然事件的影响和干预，引入随机干扰因子R，R＝1+(-lna)k，a为随机数，取值在0～1之间，k为整数，是调控随机干扰强度的系数，取值在1～10之间；Ω＝-ux+d，Ω为随时间变化的衰减函数，u为衰减强度，x为年份，d为常量，根据卫生和计划生育委员会预测，2030年中国人口有望达到最高峰，同时，《全国城镇体系规划(2016-2030)》明确2030年中国城镇化水平达到稳定，由此，将线性衰减系数u确定为11％，d确定为1。
S2.2、logistic回归模型建立
采用随机抽样方法，首先从目标变量(中间年份土地分类图)和城市形态演变影响因素变量中获取样本；其次通过Matlab 2011b软件提供的randperm函数，进行编程实现，随机抽样比例为20％，结果保存为ASCII码的文本格式；然后，利用SPSS 20软件对抽样数据进行logistic回归计算，通过显著性水平检验后，确定各影响因子xi的回归系数bi。由此，得出回归函数B0，如下表所示：
Figure GDA0003244160540000101
S2.3、土地利用限制条件确定
将城镇的生态保护红线内用地、永久基本农田及水域用地作为限制开发区，嵌入CA模型的转换规则中，即Zij＝con(Sij＝suitable)，当元胞ij位于上述土地利用限制开发区内时，Z＝0，不能发展为城镇用地；当元胞ij位于允许开发建设区时，Z＝1，允许发展为城镇用地，如下表所示：
Figure GDA0003244160540000102
S2.4、模型精度检验
模拟一段时间内的城市形态演化，以检验模型有效性，运用S1.4中归一化的空间变量因子，在地理信息平台中运用CA模拟逻辑回归方法，以2010年作为模拟起始年份，2020年作为模拟终止年份，对中间2016年的城镇扩展情况进行模拟，并将结果与实际2010年的土地利用图进行空间叠加对比计算模拟精度W，计算公式为
Figure GDA0003244160540000111
其中S为重叠部分面积，S0为城镇总面积，检验该模型是否可用于接下来的预测；如模拟精度低于90％，则重新进行S2.2中logistic回归模型建立的随机抽样，得出新一轮的回归函数B1，用于模型精度的检验，直至城镇用地的模拟精度超过90％。
S2.5、增量递减模式的城镇形态模拟预测
定义2010至2020十年间的城镇发展驱动力保持不变，即回归系数bi保持不变，将转换规则
Figure GDA0003244160540000112
中的相关数据代入CA模型软件，设置固定迭代次数，利用地理信息平台将模拟结果进行可视化处理，得到增量递减模式下的城镇形态模拟预测，如图10所示，具体数值见下表：
年份 建设用地规模/km<sup>2</sup>
2010 53.41
2011 57.01
2012 48.97
2013 51.21
2014 105.36
2015 113.75
2016 117.90
2017 123.25
2020 149.20
2035 292.39
S3、增量递减模式下的城镇开发边界智能化生成；
S3.1、模拟结果的边界处理
借用地理信息平台中的Expand和Shrink工具，利用形态学的开运算和闭运算对四类不同情景模拟下的城镇形态进行边界处理，得到最终增量递减模式下的城镇开发边界，如图11所示。
S3.2、将地理信息平台中划定的城镇开发边界导出为300ppi以上的JPG格式文件。
S4、增量递减模式下的城镇开发边界应用。
S4.1城镇开发边界内的三区划定
进一步在城镇开发边界内，结合城镇发展定位和空间格局，首先将规划集中连片、规模较大、形态规整的地域确定为城镇集中建设区，同时，为满足未来重大建设项目需要，在集中建设区内划定一定比例的功能留白区；其次在适宜进行城镇开发的地域空间划定城镇有条件建设区；最后根据地方实际，将对城镇功能和空间格局有重要影响的区域，如山体、河湖水系、防护隔离空间等划定为特别用途区。
S4.2分区管理
将城镇开发边界的划定与分区作为城镇进行建设规划的基础，城镇开发边界内的建设，实行“详细规划+规划许可”的管制方式，在不突破规划城镇建设用地规模的前提下，城镇建设用地布局可在城镇有条件建设区范围内进行调整，同时相应核减城镇集中建设区用地规模，特别用途区原则上禁止任何城镇集中建设行为；城镇开发边界外空间不得进行城镇集中建设，主导用途为农业和生态。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (4)

1.一种基于CA模型的增量递减的城镇开发边界划定方法，其特征在于，城镇开发边界划定方法包括如下步骤：
S1、基础数据的采集和多因子数据库的构建；
S1.1、在开源数据平台采集某城市的多源数据，包括不同年份的遥感信息数据、生态保护红线及永久基本农田数据与城镇用地扩展影响因子；
S1.2、数据的空间校正
将S1.1中采集的数据导入至地理信息平台中，利用空间校正工具，进行坐标与高程匹配，并统一数据格式；
S1.3、土地利用类型分类
在地理信息平台中，运用最大似然法分类的影像分类方法，依据三调分类标准，将城市土地利用类型分为耕地、园地、林地、草地、建设用地、水域及水利设施用地以及其他土地，共七种类型；
S1.4、单因子处理
针对城镇用地扩展影响因子，计算市域内每个象元到各因子的欧氏距离，为消除量纲影响，运用栅格计算器进行归一化处理，使得各个变量因子的取值范围为0～1；
S1.5、基础数据库生成
在地理信息平台中整合各种数据，统一数据格式，形成完整的城镇开发边界划定数据库；
S2、基于CA模型的城镇增量递减模拟；
所述S2包括S21,S21、CA模型的转换规则确定
基于logistic-CA模型的转换规则，嵌入根据时间变化的线性衰减函数，模拟城镇发展的增量递减模式，表示为：
Figure FDA0003236863860000021
其中，A0为土地利用惯性值，
Figure FDA0003236863860000022
a0为常量，xi为土地利用空间影响因子i的集合，i＝1,2,3,…,k，bi为logistic回归系数，即空间影响因子i的参数值，将其转换为土地利用开发概率A'0，即
Figure FDA0003236863860000023
Lij为元胞受到的邻域影响，即在N×N邻域中的城市元胞密度，
Figure FDA0003236863860000024
Sij为元胞状态，con(Sij＝urban)表示一个条件函数，若元胞状态为城镇用地，则返回1，否则返回0；Zij为限制约束，Zij＝con(Sij＝suitable)，当元胞ij位于土地利用限制开发区内时，Z＝0，不能发展为城镇用地；当元胞ij位于允许开发建设区时，Z＝1，允许发展为城镇用地；为使运算更加符合实际，反映城市形态演化过程中存在的各种政治因素、人文因素、随机因素和偶然事件的影响和干预，引入随机干扰因子R，R＝1+(-lna)k，a为随机数，取值在0～1之间，k为整数，是调控随机干扰强度的系数，取值在1～10之间；Ω＝-ux+d，u为衰减强度，x为年份,Ω为随时间变化的衰减函数,d为常量；
S3、增量递减模式下的城镇开发边界智能化生成；
S4、增量递减模式下的城镇开发边界应用。
2.根据权利要求1所述的一种基于CA模型的增量递减的城镇开发边界划定方法，其特征在于，所述S2还包括：
S2.2、logistic回归模型建立
采用随机抽样方法，首先从目标变量和城市形态演变影响因素变量中获取样本；其次通过Matlab 2011b软件提供的randperm函数，进行编程实现，随机抽样比例为20％，结果保存为ASCII码的文本格式；然后，利用SPSS 20软件对抽样数据进行logistic回归计算，通过显著性水平检验后，确定各影响因子xi的回归系数bi；由此，得出回归函数B0；
S2.3、土地利用限制条件确定
将城镇的生态保护红线内用地、永久基本农田及水域用地作为限制开发区，嵌入CA模型的转换规则中，即Zij＝con(Sij＝suitable)，当元胞ij位于上述土地利用限制开发区内时，Z＝0，不能发展为城镇用地；当元胞ij位于允许开发建设区时，Z＝1，允许发展为城镇用地；
S2.4、模型精度检验
模拟一段时间内的城市形态演化，以检验模型有效性，运用S1.4中归一化的空间变量因子，在地理信息平台中运用CA模拟逻辑回归方法，以2010年作为模拟起始年份，2020年作为模拟终止年份，对中间2016年的城镇扩展情况进行模拟，并将结果与实际2010年的土地利用图进行空间叠加对比计算模拟精度W，计算公式为
Figure FDA0003236863860000031
其中S为重叠部分面积，S0为城镇总面积，检验该模型是否可用于接下来的预测；如模拟精度低于90％，则重新进行S2.2中logistic回归模型建立的随机抽样，得出新一轮的回归函数B1，用于模型精度的检验，直至城镇用地的模拟精度超过90％；
S2.5、增量递减的城镇形态模拟预测
定义2010至2020十年间的城镇发展驱动力保持不变，即回归系数bi保持不变，将转换规则
Figure FDA0003236863860000032
中的相关数据代入CA模型软件，设置固定迭代次数，利用地理信息平台将模拟结果进行可视化处理，得到增量递减模式下的城镇形态模拟预测。
3.根据权利要求1所述的一种基于CA模型的增量递减的城镇开发边界划定方法，其特征在于，所述S3包括：
S3.1、模拟结果的边界处理
借用地理信息平台中的Expand和Shrink工具，利用形态学的开运算和闭运算对不同情景模拟下的城镇形态进行边界处理，得到最终增量递减模式下的城镇开发边界；
S3.2、将地理信息平台中划定的城镇开发边界导出为300ppi以上的JPG格式文件。
4.根据权利要求1所述的一种基于CA模型的增量递减的城镇开发边界划定方法，其特征在于，所述S4包括：
S4.1、城镇开发边界内的三区划定
在城镇开发边界内，结合城镇发展定位和空间格局，首先将规划集中连片、规模较大、形态规整的地域确定为城镇集中建设区，同时，为满足未来重大建设项目需要，在集中建设区内划定一定比例的功能留白区；其次在适宜进行城镇开发的地域空间划定城镇有条件建设区；最后根据地方实际，将对城镇功能和空间格局有重要影响的区域划定为特别用途区，划定为特别用途区包括山体、河湖水系和防护隔离空间；
S4.2、分区管理
将城镇开发边界的划定与分区作为城镇进行建设规划的基础，城镇开发边界内的建设，实行“详细规划+规划许可”的管制方式，在不突破规划城镇建设用地规模的前提下，城镇建设用地布局在城镇有条件建设区范围内进行调整，同时相应核减城镇集中建设区用地规模，特别用途区原则上禁止任何城镇集中建设行为；城镇开发边界外空间不得进行城镇集中建设，主导用途为农业和生态。
CN202110234636.2A 2021-03-03 2021-03-03 一种基于ca模型的增量递减的城镇开发边界划定方法 Active CN113011720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110234636.2A CN113011720B (zh) 2021-03-03 2021-03-03 一种基于ca模型的增量递减的城镇开发边界划定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110234636.2A CN113011720B (zh) 2021-03-03 2021-03-03 一种基于ca模型的增量递减的城镇开发边界划定方法

Publications (2)

Publication Number Publication Date
CN113011720A CN113011720A (zh) 2021-06-22
CN113011720B true CN113011720B (zh) 2021-10-15

Family

ID=76403631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110234636.2A Active CN113011720B (zh) 2021-03-03 2021-03-03 一种基于ca模型的增量递减的城镇开发边界划定方法

Country Status (1)

Country Link
CN (1) CN113011720B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554221B (zh) * 2021-07-08 2022-09-13 同济大学 一种“流空间”视角下的城镇开发边界模拟预测方法
CN113449936B (zh) * 2021-08-31 2022-03-18 北京市城市规划设计研究院 城市空间演进模拟预测方法、装置、电子设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102646164A (zh) * 2012-02-28 2012-08-22 黄波 一种结合空间滤波的土地利用变化建模方法及其系统
CN105243503A (zh) * 2015-10-19 2016-01-13 上海海洋大学 基于空间变量和logistic回归的海岸带生态安全评估方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194504A (zh) * 2017-05-09 2017-09-22 云南师范大学 土地使用状态的预测方法、装置和系统
CN110909924B (zh) * 2019-11-12 2023-05-02 同济大学 基于交叉熵优化器的城市扩张多情景模拟元胞自动机方法
CN112163367B (zh) * 2020-08-20 2023-02-07 同济大学 融合萤火虫算法和元胞自动机的城市扩张模拟预测方法
CN112069573B (zh) * 2020-08-24 2021-04-13 深圳大学 一种基于元胞自动机的城市群空间模拟方法、系统及设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102646164A (zh) * 2012-02-28 2012-08-22 黄波 一种结合空间滤波的土地利用变化建模方法及其系统
CN105243503A (zh) * 2015-10-19 2016-01-13 上海海洋大学 基于空间变量和logistic回归的海岸带生态安全评估方法

Also Published As

Publication number Publication date
CN113011720A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
He et al. Modeling urban growth boundary based on the evaluation of the extension potential: A case study of Wuhan city in China
CN106780089B (zh) 基于神经网络元胞自动机模型的永久性基本农田划定方法
Yeh et al. A cellular automata model to simulate development density for urban planning
CN112035584B (zh) 空间规划情景模拟方法及系统
CN110990905A (zh) 一种历史城市保护发展协同控制方案辅助设计系统
Mierzwiak et al. Multi-criteria analysis for solar farm location suitability
Yin et al. Exploring zoning scenario impacts upon urban growth simulations using a dynamic spatial model
CN103984997A (zh) 基于gis空间信息的输电工程选址选线方法
Değirmenci et al. MCDM analysis of wind energy in Turkey: decision making based on environmental impact
CN113011720B (zh) 一种基于ca模型的增量递减的城镇开发边界划定方法
Hakim et al. Spatial dynamic prediction of landuse/landcover change (case study: tamalanrea sub-district, makassar city)
CN102646164A (zh) 一种结合空间滤波的土地利用变化建模方法及其系统
Yang et al. A multitarget land use change simulation model based on cellular automata and its application
Jian et al. CA-based urban land use prediction model: A case study on orange county, Florida, US
CN104361255A (zh) 一种改进元胞自动机城市扩张模拟方法
Zhang et al. Predicting surface urban heat island in Meihekou city, China: A combination method of monte carlo and random forest
Fan Simulation of land-cover change in Jing-Jin-Ji region under different scenarios of SSP-RCP
CN110909951A (zh) 一种历史名城新城区规划辅助设计系统
CN114417724A (zh) 一种山地城市土地利用演变的模拟方法
CN106485017A (zh) 一种基于CA‑Markov模型的土地利用时空变化模拟方法
Zhang et al. Machine learning in modelling the urban thermal field variance index and assessing the impacts of urban land expansion on seasonal thermal environment
CN102073925A (zh) 一种基于水质水量约束的工业企业空间增长模拟实现方法
Azzioui et al. Determining Optimal Wind Energy Farms Locations Based on MCDM and GIS: a Case Study from Morocco
Tiwari et al. Predicting Future Urban Growth in Bhopal, India using Artificial Intelligence based Modelling
Yang et al. Spatiotemporal simulation of tourist town growth based on the cellular automata model: the case of Sanpo town in Hebei province

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220627

Address after: 10 / F, Yifu Building hall, No. 2 Sipailou, Xuanwu District, Nanjing, Jiangsu Province, 210096

Patentee after: Nanjing Southeast University urban planning and Design Institute Co.,Ltd.

Address before: 210096 No. 2, Four Brand Building, Xinjiekou Street, Xuanwu District, Nanjing City, Jiangsu Province

Patentee before: SOUTHEAST University

TR01 Transfer of patent right