刘明皓等：城市动态模拟研究进展
城市动态模拟研究进展
刘明皓，王耀兴
（1重庆邮电大学计算机科学与技术学院，重庆邮电大学中韩合作GIS研究所，重庆，400065）
摘要：文章回顾了城市土地利用动态模拟基本原理、过程、方法和主要模型。研究表明：城市动态模拟模型主要有基于经验统计方法的CLUE-S模型、基于多智能主体分析方法的ABM模型和基于栅格邻域关系分析方法的CA模型、基于土地系统结构变化及空间格局演替综合分析的DLS模型；不同的模型基于不同的理论基础和方法，具有不同的优点和缺点，适用于不同的情景和数据基础上的模拟；已有文献关于城市动态模拟的研究内容主要体现在城市演进机理和模拟工具研究、模型的改进与完善研究以及模拟结果与过程的可视化表达研究等方面。文章最后指出了未来城市动态模拟的发展趋势。
关键词：城市；土地利用；动态模拟；元胞自动机；系统动力学；多智能体模型；地理计算 中图分类号：TN914.53 文献标识：A
1
1
Simulating Land Use Change in Urban: Progress and Prospects
Liu Ming-hao1，Wang Yao-xing1，Li Dong-hong1，Xia Bao-bao1
(1. School of Computer Science, Chongqing University of Posts and Telecoms, Chongqing 400065, P. R. China；)
Abstract:This article reviews the basic principles, process, methods and main dynamic models being used in urban. Results show that: the CLUE–S (the Conversation of Land Use and its Effects at Small region extent) based on experiential statistical methods, the ABM model based on multi-agent system, the CA (Cellular Automata) model based on raster and the DLS (Simulation of Land System Dynamic) model based on comprehensive analysis of land system structure and spatial pattern were mainly used models. Models that based on different theoretical basis and methods had both advantages and disadvantages, which will be applied to simulate according to different scenarios and data. Recent researches have focus on the study of urban evolution mechanism, models improvement and visualization about the simulation process and results. In this paper, we attempt to outline the basic concepts and general modeling framework of urban simulation, discuss the pros and cons of these models and explore their future direction in urban dynamics.
Key Words: Urban; Land Use; Dynamic Simulation; CA; System Dynamics; Multi-agent System Model; GeoComputation.
收稿日期：2012-12-20
基金项目：重庆市自然科学基金CQ CSTC (Grant NO.2011jjA30014) 资助。
刘明皓等：城市动态模拟研究进展
0 前 言*
土地系统模拟旨在回答土地系统结构在何时、何地、为何发生变化以及发生怎样的变化和转换，并导致何种突出的环境效应。这些方法的实现，必须运用定量分析的方法，开展区域用地结构情景分析，阐明土地系统动态变化机制，建立土地系统动态模拟模型[1]。模型，尤其是建立在明确空间定位基础上的、综合集成的多尺度动态模型，是理解和认识区域土地利用／覆盖变化的某些关键过程并进行定量描述，从而对未来的土地利用变化格局和影响进行研究评价的重要工具。土地利用变化模型作为深入了解土地利用变化过程、机理和环境影响的重要手段 [2] [3]，正在成为土地利用/土地覆被变化研究的新动向[4]。
本文在阅读大量文献的基础上，回顾了城市土地利用动态模拟基本原理、基本过程、基本方法和主要模型，指出了城市用地动态模拟研究动态和未来发展趋势。
1城市用地动态模拟基本原理
模型是对现实世界及其复杂系统的简化表达。对城市土地利用变化进行模拟，首先需要捕捉影响城市动态变化的主要因素，然后根据城市动态变化的内在机理建立城市用地变化与影响因素之间的关系模型（图1）。
影响城市土地利用动态变化的因素具有综合性，尺度相关性，时间上的动态性等特征。从综合性来看，土地利用及其变化受到自然、社会、经济等诸多因素的综合影响，且不同因素对土地利用变化的作用方式与强度各有不同。尺度相关性是指可塑性面积单元问题（modificable areal unit problem,MAUP），即城市土地利用动态变化数据的分析结果随空间单元的尺度大小不同而不同[5]。土地利用的特征、土地利用变化的过程，以及各种影响土地利用变化的因素及其作用方式等均具有一种与规模尺度紧密相关联的特点，在不同的规模层次上具有不同的表现形式。时间上的动态性是指影响城市土地利用动态变化的因素随着时间的变化而变化。任何模型不可能全面的捕捉影响城市动态变化的所有因素，城市系统的复杂性导致了定量、定时、定位地模拟城市动态变化的困难性。
人文因素 自然条件 人口数量 人口质量 自然控制和气象影响因子 社会经济活动 人类活动 文化活动 居住空间 活动场所 产品需求 环境变化 用地特征变化 用地方式改变 用地需求变化变化 图1 城市用地变化驱动机理结构图
刘明皓等：城市动态模拟研究进展
Fig 1 Structures of driven mechanism in changes of urban land use
2 城市用地动态模拟基本过程
土地利用模型对加深人们理解城市系统变化的机制，模拟和预测城市土地利用状况，合理规划城市用地空间起到了积极的推动作用。虽然模型众多，但这些模型在实际应用中模拟、预测的流程大体一致，即通常要经历情景假设、数据处理、模拟预测、结果验证这四个流程。 2.1 情景假设
情景假设通常是城市动态模拟的前提条件。合理的情景设置建立在对过去和现在城市发展格局的合理评判，以及对未来城市发展速度与空间扩散规律的正确评估基础上。情景条件对城市动态变化的解释至关重要。
2.2 数据处理
不同土地利用模型所需要的数据内容和数据格式是不一样的。在确定具体的土地利用模型后，需要针对模型合理的选取数据。数据在内容上可以分为自然环境数据和社会经济数据两类，其中，自然环境数据主要包括地形、地貌等自然属性的描述，道路、交通和距离河流的远近等也往往划分到这一类数据中。社会经济数据主要包括人口、经济、城市化进程等数据。数据的格式主要包括栅格数据、矢量数据以及统计数据。栅格数据由于具有属性明显，定位隐含，容易为计算机存储和操作，而且容易维护和修改[6]等优点，在城市土地利用模型中得到了广泛的应用。统计数据主要来自于历年各类数据的统计或实地调查获取。有时，由于某些原因无法获取或难以定量表达，可通过对要素进行相关性分析，用其他的一些可行的因子来代替。虽然这种方法带有一定的主观性，但就有经验的工作者来说，对弥补数据采集的不足是必须而且是有益的[7]。
2.3 模拟预测
模拟预测过程主要是根据所选择的模型，设置特定的参数，运用上述步骤所建立的数据库，进行仿真实验，得到相应的实验结果，它是土地利用模型的核心部分。在这一步中，参数校验占有重要的地位，对模拟的结果有着很重要的影响。如在系统动力学模型中参数的检验工作贯穿于建模过程的始终；在元胞自动机中，校准和预测模块是模型的主体，也是最复杂、耗时最多的部分，是预测城市增长的主体。在CLUE-S中，需要利用ROC曲线对每种地类回归方程的拟合度进行检验来确定结果的可信度。在多智能体中，智能体充分发挥自治能力和主动能力，及时的感知并反映外界环境的变化，及时的与其他的Agent进行交互，来完成参数的校正。
2.4 结果验证
目前，主要有两种验证方式[8]:Kappa系数和精度检验。
Kappa系数表示模拟结果和验证数据之间吻合程度或者精度指标。在地学中常采用如下的公式来进行结果的验证：
Kappa?(p0?pc)/(pp?pc)
其中，
p0为正确模拟的栅格数量所占比例；
pc为随机情况下期望的正确模拟比例，数
值上等于土地利用类型总数的倒数；
pp为理想分类情况下正确模拟的比例，即为1[9]。
基于多尺度的精度检验主要是借助于GIS等软件的强大的空间分析处理的功能，将模拟预测的结果和实际情况进行叠加，利用Raster Calcuator计算出模型的正确率。除此之外，还有交叉表函数和卡方统计方法。
刘明皓等：城市动态模拟研究进展
3 城市动态模拟的基本方法和主要模型
3.1 模拟方法研究
从模拟方法研究看，Dawn C Parker（2003）等总结了大量土地利用变化模拟模型，并根据模型原理将模型划分为基于数理方程的建模、系统动力学模型、统计分析模型、专家模型、进化模型、细胞自动机模型、综合模型和基于主体的模型8种类型10]。但目前建立在明确空间定位基础上的土地系统动态模拟方法主要有基于经验统计方法的CLUE-S模型[11]、基于多智能主体分析方法的ABM模型[12] [13]和基于栅格邻域关系分析方法的CA模型、基于土地系统结构变化及空间格局演替综合分析的DLS模型。城市系统是土地系统的子系统。对城市用地扩张进行模拟的模型称为城市增长模型（GCM）。目前国际上应用比较广泛的土地利用变化空间模拟模型适用于城市扩展的主要有细胞自控制模型(Cellular Automata，CA)和土地利用转换及其效应模型(Conversion of Land Use and its Effects，CLUE)等 [14]。 3.2主要模型对比 （1）经验模型 经验模型的方法，通过建立土地利用空间分配和驱动因子之间的统计关系来模拟近期土地利用变化的情景（蔡玉梅，2004）。经验模型包括土地利用转换及其效应模型（CLUE），EuClueScanner模型和Metronamica模型等。
CLUE-S模型是由荷兰瓦赫宁根大学P．H．Verburg等科学家组成的“土地利用转换及其效应”研究小组在其CLUE模型的基础上创建而成的。CLUE-S模型在世界多个国家和地区的区域尺度的土地利用变化模拟中得到广泛应用。2009年，Verburg等[15]在原有模型基础上开发了Dyna-CLUE 模型，改进后的模型可以处理土地利用变化对邻域的影响，并设计了土地利用连续变化的动态过程模拟机制，使模型更为完善。
（2）CA模型
细胞自动机(cellular automata，CA)模型是空间显性模型中最重要的模型。Verburg将6个国外现有较实用的模型(UGM／SLEUTH，Environment Explorer，CLUE and CLUE—S，IIASA—LUC，Cormas，PLM )归类，其中有4个是基于或包括CA原理的模型[16].
CA模型从最初的生命游戏发展而来，应用于土地利用变化模型中时，运算或运行机理建立在邻域状态和转换规则之上。Tobler(1970)首次将CA应用到美国五大湖地区底特律城市的扩展模拟中[17]。随后，Couclelis H [18]对元胞自动机在地学中的应用潜力从理论上作了充分的阐述, 奠定了元胞自动机在地理学应用中的理论框架，尤其对元胞自动机模拟城市扩张方面的研究具有深远的影响。90年代，Batty等人将CA 方法与GIS技术结合起来，用以模拟空间复杂性的起源与演化，掀起了地理CA研究的学术热潮[19] [20] 21] [22]。
基于CA城市增长的模型（CA-UGM），其典型代表是SLEUTH模型。SLEUTH由美国加州大学 Clarke 教授领衔开发，是Clarke细胞自动机城市扩展模型（Clarke Cellular Automaton Urban Growth Model）和土地利用/土地覆盖Deltatron模型的改进产品，被用于模拟、预测宏观或中观尺度城市增长时空动态 (原始功能) 和区域土地利用变化过程(扩展功能)。
White和Engelen的Environment Explorer模型是一个约束性CA(constrained CA)模型。该模型模拟原理是基于模拟单元转移概率的计算，这个转移概率是由栅格的可及度(accessibility)，适应性(suitability) 和邻域效应(neighborhood effects)计算得到。Kocabas利用Environment Explorer对美国圣地亚哥地区的城市和商业用地进行模拟，并使用敏感度分析(sensitivity analysis)研究了邻域形状、距离对约束性CA模型结果的影响。他的研究中使用4种邻域形状，从2个栅格到10个栅格的邻域半径对同一研究区域进行模拟[23]。
刘明皓等：城市动态模拟研究进展
元胞自动机(CA)基于局部个体相互作用对城市土地利用变化进行模拟，比传统的宏观城市模型更具有优势。但CA对于城市增长的过程、成因缺乏解释，且这些元胞是不能移动的。此外，CA模型只考虑周围的自然环境，几乎没有考虑到对城市土地利用变化起决定作用的动态社会环境及它们的相互作用[24]。
许多CA模型能和GIS有效结合，并使用通用程序语言或宏语言进行开发。这两种情况下，模拟者需要程序知识实施模拟，这使得非专业人员使用起来十分困难。一些作者已经开发了一些独立的应用软件诸如AUGH[25]和iCity[26]。 （3）多智能体模型 20世纪90年代以来，随着复杂性科学思潮的兴起，基于多智能体分析的土地利用/覆被变化模型也逐步的建立起来。多智能体模型在分析土地利用动态变化时，可以充分考虑社会动态环境各个部分之间的相互作用和社会动态环境对城市发展的影响。鉴于多智能体模型在模拟土地利用中的优势，越来越多的学者对基于多智能体的土地利用模型展开了研究（表1）。
智能体模型充分利用细胞自动机的理论框架，并将人类行为与决策引入空间模型中，能更好地模拟城市的增长过程。
表1 目标导向的智能体(ABM)模拟软件比较
[27]
Tab2. Object-oriented packages for agent-based modeling. 开发单位 SWARM Santa Fe RePast 芝加哥大学 Ascape Brookings Institute.Washington.D.C CORMAS CIRAD,Montpelier.France Institue/SWARM Development 开发时间 开发网址 1990年代 http://www.swarm.org 1999 http://www.repast.sourceforge.net 1997 http://www.trook.edu.ea/dynamics.models/ascape 1996 http://www.cirad.fr 开发语言 Objective C/java java java smalltalk 操作系统 Unix/linix,Mac OSX,Windows Unix/linix,Mac OSX,Windows 开发中 Unix/linix,Mac OSX,Windows 试用版本 Unix/linix,Mac Windows 与GIS接口 Kenge/GIS实验室能够从MAPINFO中输入和输出数据,与ARCVIEW可以通过ODBC和http://www.gis.usu.edu/swarm DDE进行连接