基于多智能體模型的城市土地利用空間布局優化

摘要：土地利用空間布局模型的發展經歷了從靜態到動態的過程，傳統的方法和理論往往會導致模型的人為簡單化。分別從城市智能體組織結構、語法定義、行為規則推理以及決策選擇方法等方面對土地利用空間布局模型進行闡述，構建了基于多智能體的城市土地利用空間布局優化模型，并以武漢市為例進行了模型的仿真運行和結果分析。結果表明，建立的模型考慮居民、企業、政府等能動個體的局部決策和非線性互動互作的重要影響，能較好地為城市土地利用空間布局優化提供輔助決策。

關鍵詞：土地利用；空間布局；語法定義；規則推理；多智能體

中圖分類號：F301；TU984.113 文獻標識碼：A 文章編號：0439-8114（2013）18-4342-04

城市土地利用空間發展中大量的宏觀和微觀主體為獲取更多的回報，都有占用最優城市區位的意愿，體現了一種宏觀控制下的自組織行為[1]。以前對城市土地利用空間發展的研究方法多是基于牛頓力學的模型[2-4]，如常用的時間序列法、回歸預測法、灰色模型預測法、馬爾柯夫鏈預測法、綜合判斷法等。該類模型將問題簡單化，不能反映城市組織結構的形成過程和動態發展變化。以多智能體理論（Multi-agent systems）為基礎的城市土地空間利用動態模型是近年來興起的一種新方法[5-7]。本研究首先構建模擬模型的多智能體組織結構，其次對智能體組織的語法定義、行為規則推理以及決策選擇等方面進行詳細闡述，最后以武漢市為例進行了模型的仿真運行和結果分析。

1 模型構建

1.1 智能體組織結構概念模型

首先建立智能體組成單元（單位智能體）模型（圖1）。

其中：①信念庫表示智能體當前狀態，是關于智能體自身、周圍環境和其他智能體的事實知識。②知識庫是智能體完成任務的知識以及在特定情形下應用這些知識的條件，其以規則表的形式表達。③意圖庫是系統當前或將來某個時刻將要選擇執行的任務。④任務目標代表系統的“愿望”，是系統期望的行為。⑤任務隊列中存放系統感知的觸發事件（通信事件、環境事件、內部事件等）。

規劃決策過程根據智能體的信念、知識、目標、意圖、事件等制定規劃，決定當前的行為，并更新自身狀態，是系統的核心部件。

1.2 智能體組織結構語法定義

在上述單位智能體模型基礎構建基于七元組描述的多智能體組織結構實體模型如下：

OS=

ledge，O_Task，O_ Role，O_Relation>。

其中：①O_Name表示智能體的標識或名稱，具有惟一性。②O_Interface表示智能體呈現在用戶面前的人機界面和通信接口。③O_State表示智能體的狀態集合，用于描述智能體內部以及外部環境狀態信息的集合，智能體的行為就是由一個狀態轉換到另一個狀態的過程。④O_Knowledge表示智能體的知識源，描述智能體行為所需的知識、數據、推理規則以及有關資源，體現為數據庫、知識庫、多媒體信息庫以及構件庫等。⑤O_Task表示智能體的事務集，定義智能體的行為，體現其職能，并包含推理機制。⑥O_Role是組織角色。⑦O_Relation ={Relation}是組織中角色的二元關系集合，將組織中所有角色聯系起來。

研究給出智能體組織結構形式化定義如下：

其中：RULESET是采用函數式規則推理以體現城市主體的知識，表示若有某控制消息（Messages）觸發并滿足智能體的狀態（State）時，智能體則啟動并執行動作表（Actions）的相應處理程序。其形式為Rule（， ， ）。

1.3 智能體組織行為規則推理

智能體的行為是由一系列子行為序列組成的規則基礎上展開的，定義的智能體復雜行為如下：A：：f（Actioni，i=0，1，2，…）。

其中：f是復合函數，表示智能體動作的組合，將其遞歸定義如下：①如果Action1、Actions2是動作，則Action1 ∝ Action2也是動作，符合表示連接。即Action1完成任務后執行Actions2。②如果Action1、Actions2是動作，則Action1 ∧ Action2也是動作，“∧”表示并。即Action1可以和Actions2 同時執行。③如果Action1、Actions2是動作，則Action1 ∨ Action2也是動作，“∨”表示或。即Action1和Actions2 可以任選其一執行。④如果Action1、Actions2、Action3是動作，則（Action1 ∧ Action2）·Action3也是動作，“·”表示非等連接。即Action1和Actions2中有任何一個動作完成，就可以執行Action3。

根據上述推理規則的形式化描述，為便于計算機程序實現，定義基于When_If_Then關系模式的規則表（圖2）。

1.4 智能體組織決策選擇

將智能體決策選擇的過程歸于多因素多層次的模糊決策過程并采用如下決策選擇方法：

2 實例研究與分析

武漢市是地處長江中游的特大城市，湖北省省會。以武漢市城市土地利用空間布局優化為實例，對構建的模型進行仿真模擬并加以分析。

2.1 系統主要流程

模型仿真運行的基本流程如圖3所示。其中城市中的居民、企業和政府等智能主體首先提取所在區域的空間信息，再結合其主體個體的社會經濟信息構成城市智能體的決策信息數據源，然后依據自身知識以及和其他智能體之間的交流信息，利用模糊多因素多層次決策的方法來確定行為選擇。

2.2 模型仿真與分析

首先將試驗用相關圖件資料經過投影變換，坐標配準等步驟轉為帶屬性數字化圖，屬性數據和空間數據之間通過空間目標關鍵字ID進行關聯。以1990年數據為基期年模擬2010年的土地利用布局情況，并用如下公式計算模擬數據和實際數據的相關度Kappa系數K進行模型的檢驗。

在上述模型基礎上，以2010年數據（圖5）為基期年預測2020年土地利用空間布局情況（圖6）。

根據系統模擬結果，分析武漢市未來10～15年的土地利用布局具有如下趨勢：①中心城區的土地利用密度進一步增大，在空間形態上，軸向推進仍在繼續，但力度開始減弱，填充式發展的余地也所剩無幾。②道路交通在城市土地利用空間的發展中仍然扮演著重要的角色，交通走廊沿線的土地向建設用地轉化趨勢仍在加劇。③市中心城區和周邊城市邊緣的土地利用變化更加劇烈，由于靠近武漢市主城區的近郊區具有優越的接受經濟輻射能力，因此遠城區的經濟中心向與武漢市相連的邊緣區轉移。④城市土地空間將從以漸進式的軸向推進填充發展轉變為以跳躍式的分散發展為主，在鄰湖、鄰水和鄰林區將會有大量的土地用于城市居住區建設。

3 小結與討論

本研究建立了基于多智能體的城市土地利用空間布局模型，通過實例驗證表明該模型能充分考慮居民、企業、政府等能動個體的局部決策和非線性互動互作的重要影響來表達宏觀空間結構的自組織演變過程。但由于城市土地利用空間布局是個極其復雜的過程，因此如何構建更接近現實的城市主體行為推理規則尚待進一步探索；同時模型參數的獲取主要依賴于專家的先驗知識和經驗，帶有一定的主觀性，如何與神經網絡模型有效結合進行參數的獲取是以后研究的一個重要內容。

參考文獻：

[1] 張嗣瀛.復雜系統與復雜性科學簡介[J].青島大學學報，2001， 16（4）：25-28.

[2] 王 紅，閭國年.城市細胞自動機模型研究的回顧與展望[J].經濟地理，2003，23（2）：154-158.

[3] 苗作華，劉耀林，張德禮.基于時空的土地利用變化預測及其對策[J].國土資源科技管理，2006（6）： 1-5.

[4] 薛 領，楊開忠，沈體雁.基于Agent的建模-地理計算的新發展[J].地球科學進展，2004，19（2）：305-310.

[5] 王正中.基于演化的復雜系統建模與仿真研究[J].系統仿真學報，2003，15（7）：905-909.

[6] MILLER J E， HUNT D J， ABRAHAM J E， et al. Microsimulating urban systems[J]. Computers，Environment and Urban Systems，2004，28（1）：9-44.

[7] WHITE R， ENGELEN G. High-resolution integrated modeling of the spatial dynamics of urban and regional system[J]. Computer， Environment and Urban System，2000，24（5）：383-400.