国家自然科学基金(40471105)
- 作品数：37 被引量：990H指数：21
- 相关作者：黎夏刘小平杨青生叶嘉安艾彬更多>>
- 相关机构：中山大学香港大学广东商学院更多>>
- 发文基金：国家自然科学基金国家杰出青年科学基金国家高技术研究发展计划更多>>
- 相关领域：天文地球自动化与计算机技术建筑科学经济管理更多>>
- 基于案例推理的元胞自动机及大区域城市演变模拟被引量：95
- 2007年
- 元胞自动机(CA)被越来越多地用于复杂系统的模拟中。许多地理现象的演变与其影响要素之间存在着复杂的关系,并往往具有时空动态性。在研究区域较大和模拟时间较长时,定义具体的规则来反映这种复杂关系有较大的困难。为了解决CA转换规则获取的瓶颈问题,提出了基于案例推理(CBR)的CA模型,并对CBR的k近邻算法进行了改进,使其能反映转换规则的时空动态性。将该模型应用于大区域的珠江三角洲城市演变中。实验结果显示,其模拟的空间格局与实际情况吻合较好。与常规的基于Logistic的CA模型进行了对比,所获得的模拟结果有更高的精度和更接近实际的空间格局,特别在模拟较为复杂的区域时有更好的模拟效果。
- 黎夏刘小平
- 关键词：元胞自动机K近邻算法
- 地理模拟系统在城市规划中的应用被引量：31
- 2006年
- 提出了地理模拟系统(Geographicalsimula-tionsystems)的概念,认为它可以弥补目前地理信息系统在模型功能方面的不足,可以有效地模拟、预测、优化和分析复杂的资源环境系统。利用地理模拟系统技术,包括元胞自动机和多智能体,可以对复杂的城市系统进行模拟及调控实验,为城市规划提供辅助决策依据。
- 黎夏叶嘉安刘小平
- 关键词：元胞自动机多智能体城市规划
- 多目标粒子群算法与选址中的形状优化被引量：19
- 2008年
- 选址问题是GIS最基本的任务之一。一般性的选址是基于点的位置优化,可利用有关GIS功能完成。实际的选址问题是很复杂的。在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用。采用一般的方法无法求解这种最优化问题。而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂。提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题。具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果。
- 黎海波黎夏刘小平艾彬刘涛
- 关键词：粒子群算法GIS
- 多智能体与元胞自动机结合及城市用地扩张模拟被引量：109
- 2007年
- 运用多智能体(Agent)和元胞自动机(CA)结合来模拟城市用地扩张的方法,将影响和决定用地类型转变的主体作为Agent引进元胞自动机模型中,Agent在CA确定的城市发展概率的基础上,通过自身及其周围环境的状况,综合各种因素的影响做出决策,决定元胞下一时刻的城市发展概率。运用Agent的决策结果,对CA模型中以随机变量体现的不确定性通过Agent决策行为给予地理意义的新解释。以城市郊区—樟木头镇为例,对1988～1993年城市用地扩张进行了模拟研究,取得了良好的模拟效果。
- 杨青生黎夏
- 关键词：元胞自动机不确定性
- 基于多智能体的杜能模型仿真研究被引量：4
- 2007年
- 杜能圈层空间模式是假想环境下整个社会最佳收益的一种生产方式布局,是土地利用一般理论的基础。构建了杜能圈多智能体模型,农民智能体在利益最大化前提下,选择区位以及所从事的生产活动,最终导致城市空间圈层结构的形成,并用java-swarm实现了该模型的仿真模拟。模拟结果表明:不同生产活动的竞租地租函数越陡的,它们与城市中心的距离应该越近。研究表明多智能体建模方法为研究复杂地理现象提供了一种有意义的并且是很好的工具。
- 陶海燕潘茂林黎夏陈晓翔
- 关键词：多智能体仿真
- Fisher判别及自动获取元胞自动机的转换规则被引量：37
- 2007年
- 提出一种基于费歇尔(Fisher)判别和离散选择模型相结合来自动获取地理元胞自动机转换规则的方法。CA的核心是如何定义转换规则,但目前主要是采用启发式的方法来定义转换规则,受主观因素影响较大。本模型结合离散选择模型,通过对Fisher判别方法进行改进,可以成功搜索最佳分隔单元发展和不发展的变量组合,自动确定模型参数值。与常用的Logistic回归模型进行对比分析,结果表明,所提出的方法具有更高的模拟精度,转换规则有着清晰的物理意义。此外,本模型在模拟多类复杂的土地利用变化时可能更具有优势。
- 刘小平黎夏
- 关键词：FISHER判别元胞自动机
- 基于遗传算法自动获取CA模型的参数——以东莞市城市发展模拟为例被引量：51
- 2007年
- 本文提出了基于遗传算法来寻找CA模型最佳参数的方法。CA被越来越多地应用于城市和土地利用等复杂系统的动态模拟。CA模型中变量的参数值对模拟结果有非常重要的影响。如何获取理想的参数值是模型的关键。传统的逻辑回归模型运算简单，常常用来获取模型的参数值，要求解释变量间线性无关，所以获取的城市CA模型参数具有一定的局限性。遗传算法在参数优化组合、快速搜索参数值方面有很大的优势。本文利用遗传算法来自动获取优化的CA模型参数值，并获得了纠正后的CA模型。将该模型应用于东莞1988～2004年的城市发展的模拟中，得到了较好的效果。研究结果表明，遗传算法可以有效地自动获取CA模型的参数，其模拟的结果要比传统的逻辑回归校正的CA模型模拟精度高。
- 杨青生黎夏
- 关键词：城市发展
- 基于CA的城市演变的知识挖掘及规划情景模拟被引量：45
- 2007年
- 城市演变过程是复杂的动态系统,掌握其规律在城市理论和资源环境管理中有重要意义.利用元胞自动机(CA)进行城市模拟可以帮助认识城市形态的演变过程,并为其调控提供决策依据.传统方法在确定CA模型的参数时有一定局限性,采用遗传算法有效地获取CA模拟的参数.这些参数在城市形态的演变模拟中起到控制性的作用.以珠江三角洲为例,针对目前普遍存在的沿公路"摊大饼"式无序蔓延的发展模式,提出根据紧凑式城市发展理论,对不同的城市发展形态进行评价,获取好的控制性参数,从而模拟出合理的城市形态,为区域的城市空间形态的调控提供决策依据.
- 黎夏杨青生刘小平
- 关键词：元胞自动机遗传算法
- 利用蚁群智能挖掘地理元胞自动机的转换规则被引量：58
- 2007年
- 提出了基于蚁群智能算法(Ant Colony Optimization,ACO)的地理元胞自动机(ACO-CA).元胞自动机(CA)具有模拟和预测复杂的地理现象演变过程的能力.CA的核心是如何定义转换规则,但目前的方法所获取的转换规则大都是隐含的,是通过数学公式来表达.当研究区域较复杂时,确定CA的模型结构和参数有一定困难,需要使用智能式的方法获取有效的转换规则.提出了一种基于蚁群智能来自动获取地理元胞自动机转换规则的新方法.该方法所提取的转换规则毋需通过数学公式来表达,能更方便和准确地描述自然界中的复杂关系,并且这些规则比数学公式更容易让人理解.将ACO-CA应用于广州市的城市模拟实验中,取得了较好的结果.并与See5.0决策树模型进行了对比研究,对比实验结果表明:蚁群智能算法在提取CA转换规则时比See5.0模型更具有优势.
- 刘小平黎夏叶嘉安何晋强陶嘉
- 关键词：蚁群算法元胞自动机人工智能
- 基于元胞自动机的城市发展密度模拟被引量：23
- 2006年
- 元胞自动机CA越来越多地被用于模拟复杂的城市系统,但这些模拟基本不考虑城市的发展密度。不同的城市发展密度会对城市的形态有很大的影响,有必要将城市的发展密度引进CA的城市模拟中,以获得更好的模拟结果。本文将密度梯度函数引进了CA模型的转换规则中,并定义‘灰度’来反映状态的转换。利用该模型对不同可能的城市发展组合进行了模拟,为城市规划提供了辅助依据。
- 黎夏叶嘉安
- 关键词：GIS城市形态城市规划
