城市規劃誤差反向傳播網絡算法的可行性分析

　　摘要：城市規劃的影響因素，主要有經濟、社會和生態三個方面，從城市規劃的影響因素出發，構建其相應的算法流程。同時由于城市系統的復雜和不確定性，影響因素擁有大量的柔性標準，分析把這些標準進行量化的可能性，以期得到一個切合實際、可用與預測系統權數。
　　關鍵詞：神經網絡；城市規劃；BP算法
　　
　　一、基于BP算法的規劃方法構想
　　
　　誤差反向傳播網絡（Error Back Propagation）通常簡稱BP網絡，它是多層前向神經網絡的一種典型模型。其指導思想是：對實例K的輸入，由神經網絡根據當前的權值分布W計算網絡的輸出Y，與實例K的期望輸出T進行比較，根據兩者之間的差的某個函數值來調整網絡的權值分布，最終使差的函數值達到最小。
　　根據對神經網絡功能和城市規劃的特點分析，本文設想將機器學習方法引入到城市規劃領域，其指導思想是：根據特定城市規劃的指標和期望結果構建相應的網絡模型，利用神經網絡對自相似系統學習的特點，對模型進行分析。
　　
　　二、BP算法流程
　　
　　
　　圖1為BP網絡學習算法的框圖，圖中T用來統計訓練的次數，K用來控制對訓練模式集中的第幾個訓練模式進行訓練，P為模式集的基數。
　　
　　三、公共空間規劃方案評價的主體分析
　　
　　公共空間除涉及到不同主體的利益外，也與判斷評價與價值取向有關，為保證規劃評價的科學性，同樣必須吸收具有廣泛代表意義的人員參與。規劃方案評價的參與人員一般應包括：城市建設管理者、城市領導者、投資者、使用者、方案設計者、各領域的專家等。他們分別代表各階層、各方面的利益，只有權衡了各方的價值觀，評價才可能符合公平、合理的原則。此外，要綜合考慮各方面的因素，就要求所有與城市發展相關的學科專業共同工作，以多學科的視角分析問題。
　　
　　四、方案評價的不確定性討論
　　
　　（一）評價對象的不確定性
　　方案的實施過程是一個多因素共同作用的過eee04f0242a83036fc80c4f150c99aef程，它們相互緊密地結合在一起，在過程中共同起作用。因此，在對方案進行評價時，就可能難以分離出哪些結果是由于規劃因素的作用而產生的。
　　
　　（二）評價標準的不確定性
　　評價規劃方案的標準難以確定，是我國方案評價中存在的主要問題。就規劃的硬性指標而言，現在的一些標準已不適應實際情況的變化，而變得不堪使用。也有一些標準與準則存在著片面考慮。比如國際規劃界有一個通用的認識：連續的街區界面會帶來非常好的活力，但卻與消防規范、日照規范等標準相抵觸。在形態方面，則隨機性更大。很多領導在決定方案時，往往注重方案的圖面效果，而沒有考慮方案的可實施性以及使用者的尺度感受。
　　
　　（三）評價研究中價值觀的多樣性
　　任何的評價都需要建立在一定的價值觀基礎上進行適當的評價。而城市規劃過程中的行為通常都涉及城市的整體，不同的機構、階層、團體和個體間都有各自具有不同的價值取向，而且價值觀也影響著規劃師對規劃實施問題的分析態度，也制約著公眾對規劃政策的接受及合作程度，這就會使方案評價面臨著在主觀的問題。
　　這些不確定性是方案評價框架建構中的難點，正是由于這些不確定性的存在，才有必要對規劃方案進行自相關分析。
　　
　　五、規劃評測的相關指標分析
　　
　　公共空間規劃方案的評價可概括為兩個方面的內容：一是評價規劃，規劃方案對于公共空間各類需求的滿足程度；二是對規劃方案及其實施結果進行比較，并研究出現差異的原因。
　　
　　（一）經濟效益評價的主要標準
　　1、規劃成本。城市公共空間是一種空間資源，由于與城市土地資源的依附關系，城市公共空間受城市土地資源稀缺性特點的影響。經濟學原理表明，由于存在稀缺性，城市公共空間周邊土地和物業會有較高的市場價格，而且這個價格與公共空間的品質有著較大的相關性。這是基于地租理論的城市空間結構研究的重要內容和成果之一。因此，本文對于城市公共空間建設方案的經濟性評價，主要考慮和地價相關的各類經濟指標，建設成本估算。從以下幾個方面對公共空間規劃的成本進行衡量：靜態投資額、項目建設期、平均年投資額、資金利息、物價上漲幅度。
　　2、規劃收益。對于方案評價而言，城市公共空間方案的規劃收益計算方法，不同于城市公共開發項目的財務收益計算。對于城市公共綠地，城市廣場等純公益性的地塊，由于其創造的是社會效益，因此不計算其經濟收益。對于盈利性地塊，比如商業或商住混合地塊，在方案層面，若無法確定建成后具體運營什么項目，則無法采用城市開發中所采用的財務效益評價。在這種情況下，則通過確定地塊的用地性質和容積率，計算出每個地塊相應的出售收益。從下面幾個指標對規劃的期望收益進行評價：地塊性質、地塊總面積、容積率、規劃建筑面積、預計售價。
　　另外，對于已知具體開發項目的地塊而言，則可以采用財務效益評價的方法來確定規劃地塊的收益。
　　
　　（二）社會效益評價的主要標準
　　由于社會問題的主體多樣性，對于方案的社會文化效益評價，主要是站在使用者的角度對公共空間進行主觀性的評價。
　　城市公共空間社會效益評價的主要標準：1、文化性。公共空間，文化含量（包括：整體風格，文化小品，歷史文化，遺產保護，文化活動）；2、可達性。服務半徑，交通；3、舒適性。協調性，公共服務設施，安全性，場地安全。
　　
　　（三）生態效益評價的主要標準
　　同濟大學朱錫金教授于1997年提出“自然度”的概念，是為了反映居住園區自然化的程度，目的是為了保證居住園區具有必要的自然基礎和自然環境質量。自然度的主要指標有空氣、水體潔凈度、綠化指標、空地或天空指標、日照指標。本文在選取評價因子時，借鑒了以上指標，同時增加對邊緣地帶的處理和生態廊道的評價。生態效益的指標有：水，植物（綠化率，植被多樣性，植被區域性），土壤與填挖方，日照指標，噪聲處理，交錯地帶的處理。
　　
　　六、神經網絡的量化分析
　　
　　我們應當先考慮相應標準的量化輸入問題。在考慮樣本的構造方法時，需要根據所采用神經網絡的特性來構造。所采用的構造方法必須能夠使樣本滿足普遍性和惟一性的要求，結合城市規劃的實際問題，將上述特征值作為訓練樣本。上圖所示：通過分析城市規劃的評價相關因素，可以得知，訓練樣本共24個，全部數量化后，對數據做規范化處理。數據的處理根據不同情況可以有不同的選擇，對于柔性的概念，比如：文化性，交通可達性，可以做字典式的排序，然后任意取值，在帶入網絡進行學習的時候，系統會自動調整其相關權重，調整的權數和開始任意設定的值就可以較好的描述這些因素對規劃的影響。
　　然后進行BP算法流程，迭代計算由計算機完成，然后根據多次反饋的結果和真實結果比較，也就是BP網絡的學習，對于每個影響規劃效果的因素會得到一個比較合理的權數，這些權數對于我們以后的規劃評價有很重要的指導意義，他可以對我們將要進行的規劃進行預測。
　　
　　七、神經網絡的建立
　　
　　建立城市規劃預測模型，所研究的神經網絡ANN有3個輸出單元：①經濟效益評價指標；②社會效益評價指標；③生態效益評價指標。其中每個輸入單元又有各自的指標分量。總共有8個輸入指標，他們分別是I1=規劃成本；I2=規劃收益；I3=文化；I4=舒適性；I5=可達性；I6=水；I7=植物；I8=其他。同時實驗和誤差決定了隱含層和每個隱含層單元的數目。這將根據優化原理和實際的程序調試過程逐步改進。
　　
　　
　　八、模型的算法
　　
　　1、傳遞函數。隱層的神經元采用正切、S型傳遞函數，該函數可以將神經元的輸入范圍（-∞，+∞）映射到（-1，+1），考慮到當tansig函數的輸入值在（-1，+1）之間時其值的變化最為顯著，所以要將輸入值進行標準化處理。輸出層的神經元采用純線性變換函數。
　　2、初始化函數。initff（p，s，f）可以得到S個神經元的單層神經網絡的權值和閾值，其中p為輸入矢量，f為神經網絡間神經元的傳遞函數。
　　3、訓練函數。trainlm（w1，b1，‘tansig’，w2，b2，‘purelin’，P，T，tp）函數。w1，b1分別為tansig層的權值和閾值；w2，b2分別為線性輸出層的權值和閾值；P為輸入矢量；T為相應的目標矢量；tp=[dis—freq max—epoch err—goal lr]其中disp—freq 表示學習過程中的顯示頻率；max—epoch 表示最大訓練步數；err—goal表示誤差指標；lr表示學習率。
　　函數trainlm為BP網絡的改進算法，因為傳統的BP網絡有其不足之處，主要表現在：收斂速度慢，容易陷入局部極值，難以取定隱層和節點的個數。在實際的應用中，BP算法很難勝任，因此出現了許多改進算法。其中trainlm使用了Levenberg-Marquardt優化方法，該算法比trainbp和trainbpx函數使用的梯度下降法要快得多，從而使學習時間更短。
　　
　　九、總結
　　
　　總之，神經網絡模型有著其他模型所沒有的獨特優勢，包括能容忍噪音、數據不全、數據組成規則不明，通過改變網絡接點來進行自組織和自我學習，在經歷中學習和根據環境變化進行調整，對特定情形進行總結，容忍隨機輸入，發現并建立輸入變量之間的復雜關系。對于一個特定環境里的持續變化，它有著較好的預測能力。這也是本文使用神經網絡模型對城市規劃進行可行性分析的原因，建立起一個比較完善的神經網絡系統，可以對我們的規劃起到預測和指導作用。對于像城市這樣的一個復雜系統，有眾多的未知和柔性的因素，用別的模型是無法達到神經網絡的預測效果的。
　　
　　參考文獻：
　　1