基于空间异质特征和不确定性的城市扩展元胞自动机模型构建——以武汉城市圈为例

Our world is urbanizing at an unprecedented speed, and urban growth has attracted extensive attention of many scholars. Cellular automata (CA) represents a new theory and approach that has been used to stimulate spacial-temporal dynamics of urban growth. Although many methodologies of constructing urban CA models have been put forward, the reality of simulation remains to be the biggest challenge in the application of urban CA models. Traditional CA models fail to express the heterogeneity of urban spacial features, and lost to integrate fuzziness and randomness to build up uncertainties of transition rules. Furthermore, it is required to optimize weighting parameters of driving factors for urban growth and operate more efficiently. For the above problems, this project intends to express the heterogeneous features of urban space quantitatively with punctate, linear, and areal geographic entities of urban, formulate uncertain transition rules through extended cloud models, adopt Biogeography-based Optimization to optimize weighting parameters, build a new algorithm based on layered matrices to improve operation efficiency, and then validate the new urban CA model by case studies. The proposed research contributes to solving the reality problem in urban CA models, and promoting urban CA models to be more intelligent, more precise and more efficient. This model is not only applicable to urban growth field, but also shows significant value in fire spreading, urban traffic simulation and other fields.

当前世界正经历着快速的城市化过程，城市扩展已引起广大学者的广泛关注。元胞自动机为城市扩展时空动态模拟提供了一种崭新的理论和方法。虽然目前城市扩展元胞自动机模型构建方法很多，但模拟的真实性一直是城市扩展元胞自动机应用面临的最大质疑。已有模型忽略了对城市空间异质特征的表达，没有顾及转换规则不确定性中的模糊性-随机性耦合，不能更好地优化城市扩展驱动因素的权重参数，且模型运算效率低下。针对上述问题，本项目将根据点状、线状、面状等地理实体定量表达城市空间异质特征，建立拓展后的云模型智能获取不确定性的转换规则，采用生物地理学优化算法优化权重参数，构建基于分层矩阵的运算算法提高模型运算效率，并以武汉城市圈为例进行验证。该研究有助于解决城市扩展元胞自动机模型的真实性问题，促进元胞自动机模型向智能化、精准化、高效性等方向转变。该模型不仅适用于城市扩展领域，而且在林火模型、交通模拟等方面具有重要的应用价值。

城市扩展元胞自动机(Cellular automata, CA)模型作为探究城市土地利用时空演变规律的有力工具，在国土空间规划和模拟等领域得到广泛应用。目前的城市扩展CA模型常在构建过程中嵌入一些地理规律和特征，如线性、非线性和复杂性特征等，来提高模拟的真实性和可靠性。但是，现有的城市扩展CA模型研究仍存在不足，主要为：①模型构建忽略空间异质特征的定量表达；②模型转换规则未顾及不确定性中随机性和模糊性的耦合；③模型构建的参数仍需进一步优化；④城市扩展CA模型的运算效率亟需提高。基于此，本项目研究内容主要集中在以下几个方面：①城市群城市扩展的时空特征及其时空异质驱动机制研究：以武汉城市圈为例，分析长时期(1990年至2015年)的城市扩展时空特征，基于时空回归方法揭示其城市扩展的驱动机制及时空分异格局，基于城市要素流分析城际联系与城市功能，构建基于城市流、重力场和空间异质分区的城市扩展CA模型模拟城市扩展过程；②城市扩展CA模型的不确定性成分优化研究：提出一种利用最大熵模型对城市扩展CA模型随机成分进行优化的方法，显著提高模型的仿真精度和可靠性；③城市扩展CA模型参数优化及转换规则构建方法研究：提出基于生物地理学优化(BBO)算法寻找城市扩展CA模型最佳参数的方法和自动挖掘转换规则的方法，设计多结构卷积神经网络CA模型获取多尺度特征转换规则；④城市扩展CA模型高性能运算方法研究：提出一种基于向量化与并行计算的高性能城市扩展CA模型构建方法，显著提高模型效率，并提出面向最小体积的包围盒策略，对其进一步优化；⑤开展城市扩展CA模型实例应用及相关拓展研究：应用城市扩展CA模型在政策管控、规划约束、生态保护和土地利用结构优化等方面进行多角度分析研究，为区域城市发展规划提供合理的决策建议。本项目从多个角度对城市扩展CA模型进行了分析、优化与应用，拓展其方法，提高其模拟能力，为城市群空间规划和发展决策提供了合理科学的建议和技术支撑。