耦合多智能体系统与深度学习算法的城市开发边界精细模拟研究

Urban development is essentially the result of interactions among various agents in the “bottom-up” urban development process and under the influence of "top-down" factors such as nature, society and macro-economy. Accurate expression and fine-scale simulation of multi-agent’s comprehensive spatiotemporal decision behaviors and their interactions in this process is fundamental to scientific delimitation and effective control of urban development boundary. Themed by the fine-scale simulation of urban development boundary and with the baseline of “multi-source data fusion, intelligent rules mining, dynamic process expression, and fine-scale model building to scientific model application”, this study provides new ideas and methods for urban development boundary in realizing the evolution from static and fragmented blueprint segments to dynamic, continuous and multi-scenario collaborative management and control. It establishes an fine-scale simulation model of the whole process of the urban development boundary, pre-delimitation identification, in-delimitation coordination and post-delimitation monitoring, through coupling of multi-agent system and deep learning algorithm, combined processing of multi-source spatiotemporal mass data, accurate depiction of agent’s decision behavior characteristics, intelligent mining of agent’s decision rules, and dynamical expression of multi-agents’ spatiotemporal decision interactions. By selecting typical areas, it carries out relevant practices to verify the science and practicability of the model, so as to provide dynamic, precise and scientific decision support for promoting the implementation of the central government’s idea of spatial planning reform, "multi-planning integration" and natural resource protection.

城市开发实质上是“自上而下”的自然、社会、经济因素和“自下而上”的各类行为主体之间交互的结果，精准表达与精细模拟这一现象中各类行为主体的复杂时空决策过程及其交互关系是科学划定与有效管控城市开发边界的核心要素。以精细模拟城市开发边界为主题，以“融合多源数据--》智能挖掘规则--》动态表达过程--》精细构建模型--》科学运用模型”为主线，耦合多智能体系统和深度学习算法，融合处理多源时空大数据，动态刻画Agent决策行为特征，智能挖掘Agent决策规则，精准表达多Agent时空交互决策过程，以此构建城市开发边界“划前识别、划中协同、划后监管”全过程精细模拟模型，从而为实现城市开发边界从静态、割裂的蓝图片段向动态、连续、多情景的协同管控模型演进提供新思路与方法支撑。选取典型区域，开展实践研究，验证模型的科学性与可行性，为国家强化自然资源保护、推进空间规划改革和”多规合一“提供精准、科学的决策支撑。

本项目面向生态文明新时代背景下优化国土空间开发利用格局、强化国土空间用途管制，实现国土空间治理能力现代化的目标与需求，聚焦国土空间底线管控，以机器学习、深度学习、大数据等信息技术为核心，构建国土空间规划监测评估预警关键技术体系，并基于该技术体系开展三条控制线模拟划定、变化预警等应用研究。主要研究成果如下：一是针对国土空间开发建设过程中空间信息变化动态感知能力匮乏、数据获取与信息重构效率低下等诸多问题，提出融合多源多尺度大数据的空间信息动态感知与快速识别技术，实现国土空间多要素智能监测与动态预警；二是针对国土空间规划实施中开发利用行为和城市发展过程评价中难以有效兼顾空间变化和人类活动以及自然环境的相关作用，提出了构建耦合人类活动和自然环境的综合评价技术方法，实现国土空间开发利用与保护的实时精准评估；三是面向国土空间规划强化底线约束要求，构建了基于深度学习的土地利用多情景模拟预测模型，提升对于管控底线以及环境底线方面精细模拟预测能力，实现重要控制线的自动划定。目前成果已成功应用于湖南、海南、新疆、辽宁、南京、贵阳等全国30多个省市县的100多家单位，获得较高的社会评价并产生了积极的社会影响。同时项目的理论研究与实践应用成果也转化为一系列知识产权，包括13项专利与软件著作权、17篇国内外核心期刊论文。总体上，本项目为实现国土空间三条控制线的智能划定、精细模拟提供了很好的技术支撑，也为提升国土空间规划实施监督效能、完善国土空间治理体系起到一定促进作用，创造了良好的社会与经济效益。