專利名稱：一種土地利用自動分區(qū)方法
技術(shù)領(lǐng)域：
本發(fā)明 涉及一種土地利用自動分區(qū)方法，尤指應(yīng)用于土地利用空間優(yōu)化配置中的 基于粒子群優(yōu)化算法的土地利用自動分區(qū)方法，屬于土地利用規(guī)劃領(lǐng)域。
背景技術(shù)：
土地利用分區(qū)是土地資源用途管制的主要技術(shù)手段，也是土地利用空間優(yōu)化配置 的關(guān)鍵內(nèi)容。國際上土地利用分區(qū)研究開始于20世紀(jì)初美國開創(chuàng)的區(qū)域土地利用綜合分 區(qū)，隨后在20世紀(jì)中期開始了以解決各部門之間土地資源合理配置與布局的土地利用分 區(qū)研究，如韓國、日本開展的國土規(guī)劃的分級分區(qū)體系。近些年來，土地利用分區(qū)研究開始 注重分區(qū)技術(shù)手段和分區(qū)理念的研究，分區(qū)準(zhǔn)確性和實用性也得到了一定提高。我國的土 地利用分區(qū)研究開始較晚，第一個代表性成果是上世紀(jì)60年代完成的全國土地利用現(xiàn)狀 區(qū)劃，80年代中國科學(xué)院地理綜合考察委員會在編制全國1 100萬土地資源圖過程中提 出的全國土地資源潛力區(qū)劃思想，將全國土地資源分為9個潛力區(qū)；之后土地利用分區(qū)技 術(shù)方法研究得到較廣泛的關(guān)注，提出了基于改進聚類分析、空間疊加分析、星座圖法、模比 系數(shù)法、元胞自動機等土地利用分區(qū)方法，這些方法的提出部分克服了傳統(tǒng)的土地利用分 區(qū)以定性為主，分區(qū)邊界模糊、分區(qū)隨意性大、分區(qū)工作效率低下、分區(qū)結(jié)果對土地利用指 導(dǎo)意義不強的缺陷，并在前兩輪土地利用總體規(guī)劃編制過程中發(fā)揮了重要作用。然而由于 土地利用問題的復(fù)雜性，土地利用系統(tǒng)是一個涉及自然、社會、經(jīng)濟的土地生態(tài)經(jīng)濟復(fù)合系 統(tǒng)，簡單的計量地理學(xué)方法和地理計算系統(tǒng)能有效分析和模擬土地利用系統(tǒng)的自然屬性， 而在土地利用的社會經(jīng)濟和人主觀意愿等方面的對土地利用的影響則難以得到較好的分 析效果，粒子群優(yōu)化算法也是起源于對簡單社會系統(tǒng)的模擬，最初是模擬鳥群覓食的過程。傳統(tǒng)土地利用分區(qū)方法基于計量地理和地理計算方法難以模擬土地利用系統(tǒng)中 人的復(fù)雜行為對土地利用系統(tǒng)的影響，導(dǎo)致土地利用分區(qū)結(jié)果合理性不高，對土地資源合 理利用和用途管制指導(dǎo)性不強的缺陷。

發(fā)明內(nèi)容
為解決上述問題，本發(fā)明提供一種土地利用自動分區(qū)方法，該方法是一種基于粒 子群算法的土地利用自動分區(qū)方法，利用人工智能和生物計算等相關(guān)技術(shù)的最新研究成 果，來模擬人在土地利用系統(tǒng)中的智能行為，以提高土地利用分區(qū)的合理性和可操作性。該 方法包括如下步驟(1)提取土地利用分區(qū)的基礎(chǔ)數(shù)據(jù)并進行整合，整合后的數(shù)據(jù)為土地用途組合及 其中的各個圖斑信息；(2)基于粒子群優(yōu)化算法構(gòu)建土地利用自動分區(qū)模型，以步驟(1)的數(shù)據(jù)為模型 輸入數(shù)據(jù)，以土地利用圖斑為數(shù)據(jù)處理單元，建立待求問題與粒子群之間的映射關(guān)系，最終 求解土地利用優(yōu)化布局結(jié)果。(3)對步驟(2)得到的土地利用優(yōu)化布局，通過對鄰近相同土地利用類型的圖斑合并處理，提取合并后的圖斑界線即得到土地利用分區(qū)界線，并最終生成土地利用分區(qū)圖。步驟⑵中所述的的建立待求問題與粒子群之間的映射關(guān)系如下土地利用圖斑 抽象為粒子群優(yōu)化算法中的粒子，每個圖斑的位置和土地利用類型對應(yīng)為粒子的位置(X， y)和種屬(i)，土地利用綜合效益函數(shù)為粒子群適應(yīng)度函數(shù)。步驟(2)中所述的求解得出土地利用優(yōu)化布局結(jié)果的步驟包括(a)設(shè)置粒子群的規(guī)模，粒子的最大飛行速度(Ux_，uyfflax)以及加速權(quán)重(Cl， c2)，最大迭代次數(shù)，誤差值，并初始化每個粒子的位置、速度和屬性；(b)根據(jù)適應(yīng)度函數(shù)，計算每個粒子的適應(yīng)度；(c)計算個體最優(yōu)值(pb)和全局最優(yōu)值(pg)，并計算出粒子的個體最優(yōu)位置和全 局最優(yōu)位置；(d)計算慣性權(quán)重，更新每個粒子的飛行速度，根據(jù)步驟(c)得出的個體最優(yōu)位置 和全局最優(yōu)位置，更新粒子的當(dāng)前位置；(e)循環(huán)迭代當(dāng)滿足判斷條件時，搜索結(jié)束，否則將步驟(d)更新的值作為(b) 的輸入值，繼續(xù)搜索得到全局最優(yōu)值和全局最優(yōu)位置。步驟(c)中的所述的更新粒子的當(dāng)前位置采用最近鄰法則，當(dāng)前位置有多個時， 最近鄰法則采用面積占優(yōu)法確定與當(dāng)前位置最鄰近的圖斑。步驟(d)中所述的判斷條件為前后兩次全局最優(yōu)值之差的絕對值不大于誤差 值，并且循環(huán)迭代的次數(shù)不大于最大迭代次數(shù)。本發(fā)明的優(yōu)點在于一方面粒子群優(yōu)化算法可以充分利用計算機的并行計算能 力，有效提高土地分區(qū)效率；同時，利用粒子群智能優(yōu)化模擬能力可以較好地模擬人類在土 地利用決策過程中的智能行為，以提高土地利用分區(qū)的合理性和適用性，從而解決當(dāng)前土 地利用分區(qū)效率低下、難以模擬人的智能行為導(dǎo)致分區(qū)合理性差的不足。


圖1本發(fā)明的模型流程圖。圖2本發(fā)明的粒子位置更新最近鄰法則示意圖。圖3實施例1的土地利用分區(qū)現(xiàn)狀圖。
圖4實施例1的模擬結(jié)果圖。
具體實施例方式本發(fā)明所采用的模型流程如圖1示。該土地利用自動分區(qū)方法包括如下步驟步驟1.提取土地利用分區(qū)的基礎(chǔ)數(shù)據(jù)并進行整合，整合后的數(shù)據(jù)為土地用途組 合及其中的各個圖斑信息，提取基礎(chǔ)數(shù)據(jù)是指從其他數(shù)據(jù)庫或其他系統(tǒng)獲取土地利用分區(qū) 所需的數(shù)據(jù)，如土地利用現(xiàn)狀數(shù)據(jù)、土地利用適宜性評價數(shù)據(jù)、統(tǒng)計年鑒數(shù)據(jù)等，整合數(shù)據(jù) 是指這些數(shù)據(jù)是多種來源、不同格式的數(shù)據(jù)，要對它進行統(tǒng)一規(guī)范化處理，形成一個統(tǒng)一的 基礎(chǔ)數(shù)據(jù)庫。步驟2.基于粒子群優(yōu)化算法構(gòu)建土地利用自動分區(qū)模型，以步驟(1)的數(shù)據(jù)為模 型輸入數(shù)據(jù)，以土地利用圖斑為數(shù)據(jù)處理單元，建立待求問題與粒子群之間的映射關(guān)系，最終求解土地利用優(yōu)化布局結(jié)果。土地利用圖斑抽象為粒子群優(yōu)化算法中的粒子，每個圖斑 的位置和土地利用類型對應(yīng)為粒子的位置(X，y)和種屬(i)，土地利用綜合效益函數(shù)為粒 子群適應(yīng)度函數(shù)。步驟3.設(shè)置粒子群規(guī)模，粒子的最大飛行速度(、_，UymJ以及加速權(quán)重(Cl， c2)，最大迭代次數(shù)，誤差值，初始化每個粒子的位置、速度和屬性； 式中υ xiJ和υ yiJ分別為粒子的χ和y軸方向上的速度。步驟4.根據(jù)適應(yīng)度函數(shù)，計算每個粒子的適應(yīng)度。粒子的適應(yīng)度函數(shù)如下
ηMinimize C^ = Σ ^^
i 二 1Minimize Sk ^min(sikxik)
frOMinmize Zk: 工 ΣλΛ
'K.i=1，y.l 二o’/e ； h=\F = (Ck，Sk, Zk)
η滿足·ΑΚS Y^alXik < A2i，x.k e {0，1}
ι=!式中η為土地利用圖斑總數(shù)；Cik為第i個圖斑的土地用途轉(zhuǎn)變?yōu)榈趉種土地利 用類型所需要的費用；Sik為第i個土地利用圖斑的土地用途k的適宜性評價指數(shù)Ji為第 i個土地利用圖斑的鄰接圖斑所構(gòu)成的集合；nu為土地利用圖斑i與圖斑j的公共邊數(shù)； Iijh為圖斑i與圖斑j的第h條公共邊的邊長； 為圖斑i的土地面積；Alk和A2k分別為第 k種土地利用類型所需求的最小和最大面積；若第i個土地單元為第k中土地利用類型時 xik = 1，否則Xik = 0，Ck為土地變更費用目標(biāo)；Sk為第k種土地用途的土地適宜性目標(biāo)；Zk 為圖斑緊湊性即形狀目標(biāo)；F為多目標(biāo)綜合評價函數(shù)。步驟5.計算個體最優(yōu)值Pb和全局最優(yōu)值pg，并計算出粒子的個體最優(yōu)位置和全 局最優(yōu)位置，假設(shè)f (X)中確定的適應(yīng)度函數(shù)，那么每次更新后的粒子的最佳位置公式為
P (t + l)=lp^)...........如果/(x,(i + l)>/fe(r)))
Λ J k々+i)..……如果/M^Yf(PlM)假設(shè)粒子群規(guī)模為S，全局最優(yōu)值pg，則Pg (t) e {pib (t)，Plb (t)，........，Psb (t)} = min {f (Plb (t)，f (P2b (t))，.......，
f(Psb(t)))}步驟6.計算慣性權(quán)重，更新每個粒子的飛行速度，根據(jù)步驟5得出個體最優(yōu)位置 和全局最優(yōu)位置，更新每個粒子的當(dāng)前位置。慣性權(quán)重的函數(shù)為ω⑴= max-t · (ωΜχ-ωω η)/Imax式中t為迭代次數(shù)t = 1，2，…，Imax，其中Imax為最大迭代次數(shù)。ω_為最大慣 性權(quán)重，《min為最小慣性權(quán)重。飛行速度更新函數(shù)為
其中“i”表示粒子i，“ j”表示粒子的第j維，w為慣性權(quán)重，t表示迭代次數(shù)，Cl、 (2表示加速系數(shù)，Cl調(diào)節(jié)粒子自身飛行速度的步長，Cl則調(diào)節(jié)粒子飛向全局最好位置的步 長， U(0，1)，r2 U(0，1)為相互獨立的隨機函數(shù)，表示粒子上一時刻速度對當(dāng)前速度 的影響程度，也即影響系數(shù)。為了防止粒子飛行速度的無限增大，呈現(xiàn)爆炸無序狀態(tài)，需增加一組約束條件 粒子最大飛行速度U-限制了粒子的飛行速度、，決定了粒子在空間內(nèi)搜 索的精度，當(dāng)取值太大，則粒子容易越過最優(yōu)解；當(dāng)u max取值太小，則粒子飛行速度慢，容 易陷入局部搜索空間而無法得到全局最優(yōu)解。更新粒子的當(dāng)前位置最近鄰法則，若當(dāng)前位置有多個時，最近鄰法則采用面積占 優(yōu)法。該法則針對如何確定模型中不規(guī)則性圖斑的最鄰近關(guān)系而提出的，是更新粒子位置 時用來判斷粒子飛行的下一個位置的準(zhǔn)則。當(dāng)已知粒子的當(dāng)前位置和速度時，以當(dāng)前位置 對應(yīng)的圖斑中心為圓心，當(dāng)前速度矢量為半徑做圓，則它的下一時刻可能位置應(yīng)該是與這 個圓相交的某個圖斑。當(dāng)存在多個相交圖斑時，首先計算每個相交圖斑落入圓中的面積占 該圖斑面積的比例，取比例最大的圖斑所在的中心位置作為其下一個位置，如附圖2所示， 當(dāng)已知粒子的當(dāng)前位置和速度時，它的下一個可能位置應(yīng)該是在以當(dāng)前位置為圓心(A)，速 度矢量為半徑的圓上，附圖2中所示的虛線圓圈，則它的下一個位置可能是圖斑114、111、 204或112，根據(jù)基于面積占優(yōu)法的最近鄰法則，取這些圖斑中落入圓中的面積占圖斑面積 比例最大的那個圖斑所在的中心位置為其下一個位置，即為圖中A1位置。步驟7.循環(huán)迭代，當(dāng)滿足判斷條件時，即前后兩次全局最優(yōu)值之差的絕對值不大 于誤差值，并且循環(huán)迭代的次數(shù)不大于最大迭代次數(shù)時，搜索結(jié)束，否則將更新的值作為步 驟4的輸入值，繼續(xù)搜索得到全局最優(yōu)值和全局最優(yōu)位置。步驟8.對步驟2)得到的土地利用優(yōu)化布局，通過對鄰近相同土地利用類型的圖 斑合并處理，提取合并后的圖斑界線即得到土地利用分區(qū)界線，并最終生成土地利用分區(qū) 圖。實施例1 1.提取某一鄉(xiāng)鎮(zhèn)土地利用的基礎(chǔ)數(shù)據(jù)并進行整合，整合后的數(shù)據(jù)為土地用途組合 及其中的各個圖斑信息，如附圖3所示。2.應(yīng)用粒子群優(yōu)化算法對上述的數(shù)據(jù)優(yōu)化，進行建模和選擇最優(yōu)的土地利用布局。3.設(shè)置粒子群規(guī)模20個，粒子的最大飛行速度(3，4)以及加速權(quán)重(1.44， 1. 44)，最大迭代次數(shù)為200次，誤差值為10_6，初始粒子對應(yīng)的位置由圖斑的重心坐標(biāo)確 定，屬性對應(yīng)十種土地利用類型，范圍在(0，10)之間取值，初始速度為最大飛行速度乘以 (0,1)間的隨機數(shù)隨機產(chǎn)生的速度。4.根據(jù)適應(yīng)度函數(shù)，計算每個粒子的適應(yīng)度。F = (Ck，Sk，Zk)
其中 5.計算個體最優(yōu)值Pb和全局最優(yōu)值Pg，并計算出粒子的個體最優(yōu)位置和全局最優(yōu) 位置。6.計算慣性權(quán)重，更新每個粒子的飛行速度，根據(jù)步驟5得出個體最優(yōu)位置和全 局最優(yōu)位置，更新每個粒子的當(dāng)前位置。慣性權(quán)重w看作迭代次數(shù)的線性函數(shù)，設(shè)置其從0. 98到0. 48線性減小，最大慣性 權(quán)重為0. 98，最小慣性權(quán)重為0. 48，慣性權(quán)重的函數(shù)為 7.循環(huán)迭代。當(dāng)滿足判斷條件時，即前后兩次全局最優(yōu)值之差的絕對值不大于 10_6，并且循環(huán)迭代的次數(shù)不大于最大迭代次數(shù)200時，搜索結(jié)束，否則將更新的值作為步 驟4的輸入值，繼續(xù)搜索得到全局最優(yōu)值和全局最優(yōu)位置。8.優(yōu)化結(jié)果的處理、分區(qū)界線的提取與確定。對完成循環(huán)迭代結(jié)果的土地利用優(yōu) 化布局圖，進行鄰近同類圖斑的合并處理，提取不同用地類型分區(qū)界線，制作土地利用分區(qū) 結(jié)果圖，如附圖4所示。
權(quán)利要求
一種土地利用自動分區(qū)方法，其特征在于該方法包括如下步驟(1)提取土地利用分區(qū)的基礎(chǔ)數(shù)據(jù)并進行整合，整合后的數(shù)據(jù)為土地用途組合及其中的各個圖斑信息；(2)基于粒子群優(yōu)化算法構(gòu)建土地利用自動分區(qū)模型，以步驟(1)的數(shù)據(jù)為模型輸入數(shù)據(jù)，以土地利用圖斑為數(shù)據(jù)處理單元，建立待求問題與粒子群之間的映射關(guān)系，最終求解土地利用優(yōu)化布局結(jié)果。(3)對步驟(2)得到的土地利用優(yōu)化布局，通過對鄰近相同土地利用類型的圖斑合并處理，提取合并后的圖斑界線即得到土地利用分區(qū)界線，并最終生成土地利用分區(qū)圖。
2.根據(jù)權(quán)利要求1所述的土地利用自動分區(qū)方法，其特征在于步驟(2)中的建立待求 問題與粒子群之間的映射關(guān)系如下土地利用圖斑抽象為粒子群優(yōu)化算法中的粒子，每個 圖斑的位置和土地利用類型對應(yīng)為粒子的位置(x，y)和種屬(i)，土地利用綜合效益函數(shù) 為粒子群適應(yīng)度函數(shù)。
3.根據(jù)權(quán)利要求1所述的土地利用自動分區(qū)方法，其特征在于步驟(2)中求解得出土 地利用優(yōu)化布局結(jié)果的步驟包括(a)設(shè)置粒子群的規(guī)模，粒子的最大飛行速度(、_，uyfflJ以及加速權(quán)重(Cl，c2)，最 大迭代次數(shù)，誤差值，并初始化每個粒子的位置、速度和屬性；(b)根據(jù)適應(yīng)度函數(shù)，計算每個粒子的適應(yīng)度；(c)計算個體最優(yōu)值(pb)和全局最優(yōu)值(Pg)，并計算出粒子的個體最優(yōu)位置和全局最 優(yōu)位置；(d)計算慣性權(quán)重，更新每個粒子的飛行速度，根據(jù)步驟(c)得出的個體最優(yōu)位置和全 局最優(yōu)位置，更新粒子的當(dāng)前位置；(e)循環(huán)迭代當(dāng)滿足判斷條件時，搜索結(jié)束，否則將步驟(d)更新的值作為(b)的輸 入值，繼續(xù)搜索得到全局最優(yōu)值和全局最優(yōu)位置。
4.根據(jù)權(quán)利要求3所述的土地利用自動分區(qū)方法，其特征在于步驟(c)中的更新粒子 的當(dāng)前位置采用最近鄰法則。
5.根據(jù)權(quán)利要求4所述的土地利用自動分區(qū)方法，其特征在于當(dāng)前位置有多個時，最 近鄰法則采用面積占優(yōu)法。
6.根據(jù)權(quán)利要求3所述的土地利用自動分區(qū)方法，其特征在于步驟(e)中判斷條件為 前后兩次全局最優(yōu)值之差的絕對值不大于誤差值，并且循環(huán)迭代的次數(shù)不大于最大迭代次 數(shù)。
全文摘要
本發(fā)明涉及一種土地利用自動分區(qū)方法，屬于土地利用規(guī)劃領(lǐng)域。本發(fā)明提供的自動分區(qū)方法先提取土地利用分區(qū)的基礎(chǔ)數(shù)據(jù)并進行整合，然后基于粒子群優(yōu)化算法構(gòu)建土地利用自動分區(qū)模型，以上述的數(shù)據(jù)為模型輸入數(shù)據(jù)，以土地利用圖斑為數(shù)據(jù)處理單元，建立待求問題與粒子群之間的映射關(guān)系，最終求解土地利用優(yōu)化布局結(jié)果，再與通過臨近相同土地類型的圖斑合并處理，提取合并后圖斑界線即得到土地利用分區(qū)界線，并最終生成土地利用分區(qū)圖。本發(fā)明可以較好地模擬人類在土地利用決策過程中的智能行為，以提高土地利用分區(qū)的合理性和適用性，從而解決當(dāng)前土地利用分區(qū)效率低下、難以模擬人的智能行為導(dǎo)致分區(qū)合理性差的不足。
文檔編號G06F19/00GK101877034SQ20091027281
公開日2010年11月3日 申請日期2009年11月19日 優(yōu)先權(quán)日2009年11月19日
發(fā)明者何建華, 劉殿鋒, 劉耀林 申請人:武漢大學(xué)