基于智能體模型的農村居民點空間優化配置

彭金金1,2,孔雪松1,2*,劉耀林1,2,3,崔家興1,2

(1.武漢大學資源與環境科學學院,湖北武漢430079;2.武漢大學教育部地理信息系統重點實驗室,湖北武漢430079; 3.地理空間信息技術協同創新中心,湖北武漢430079)

基于智能體模型的農村居民點空間優化配置

彭金金1,2,孔雪松1,2*,劉耀林1,2,3,崔家興1,2

(1.武漢大學資源與環境科學學院,湖北武漢430079;2.武漢大學教育部地理信息系統重點實驗室,湖北武漢430079; 3.地理空間信息技術協同創新中心,湖北武漢430079)

為實現村鎮農村居民點空間的優化配置,該文以武漢市黃陂區為例,基于智能體模型對4類決策主體(城鎮轉化型、重點發展型、限制發展型和遷棄型)的空間決策行為與優化模式進行了分析和研究。結果表明:1)智能體模型能夠有效實現村鎮層次農村居民點自動式、智能化的優化配置,優化后農村居民點的整體適宜性較優化前提高了7.7%,緊湊度增加了23.6%,綜合效用值提升了15.1%。2)不同類型區的農村居民點在多重優化目標下能夠進行有序空間整合,遷棄型農村居民點呈現出“有核并點”和“無核并點”兩種模式。3)隨著適宜性權重增大和緊湊度權重減小,農村居民點在空間上逐漸分散,而搬遷距離增大則使得優化結果更集聚。4)同GA和PSO模型的對比結果顯示,本文提出的方法具有較高的優化效果,能夠為村鎮農村居民點規劃布局和有序整理提供決策依據。

農村居民點;智能體;空間優化;敏感性分析;黃陂區

0 引言

中國正處在城鎮化進程的快速發展時期,城鎮化率從1978年的17.9%增至2012年的52.6%[1]。城鎮快速化擴張,一方面使得建設用地需求日益旺盛,大量農村耕地被占用,造成了土地緊缺;另一方面,大量農村人口流入城市,許多農村宅基地被閑置,很多地區產生了“空心村”現象,導致了土地浪費。《全國土地整治規劃(2011-2015)》明確指出,“農村居民點散、亂、空現象比較普遍,土地浪費嚴重,全國農村居民點用地18 476 000 hm2,農村人均居民點用地為259 m2,超過現行人均150 m2的高限”。農村居民點用地整治是合理利用土地資源、扎實推進新農村建設、重構鄉村空間及統籌城鄉發展的重要突破口[2]。國家“十二五”規劃綱要明確提出需“調整優化城鄉用地結構和布局”及“合理引導農村住宅和居民點建設”,如何實現農村居民點用地集約化與布局合理化發展,已成為中國城鄉轉型期農村土地整治亟待解決的關鍵問題。

在推進新型城鎮化、鄉村轉型發展以及農村土地綜合整治的背景下,農村居民點空間布局及其優化調控日益成為國內學術界關注的熱點[3,4]。主要包括農村居民點空間布局特征與演變機制研究[5-9]、農村土地利用與“空心村”改造研究[10-12]、農村居民點整治潛力與模式研究等[13-16],在方法上也逐步向動態模型化與空間決策化方向發展[17,18]。現有研究對于農村居民點整治分區和模式劃分已形成較為豐富的理論與方法體系,但并沒有解決如何在分區模式基礎上進一步實現農村居民點空間優化配置的問題,這需要結合地理空間分析的自動式、智能化的農村居民點布局優化方法[19]。相比于傳統數學優化方法,智能空間優化方法能夠求解涉及高分辨率空間數據處理、復雜空間操作、多目標權衡取舍的空間優化問題,已被廣泛地應用于土地利用優化配置中,如Aerts等[20]利用模擬退火算法解決了多目標空間選址問題,曹凱等[21]應用遺傳算法進行了城市用地優化布局,劉小平等[22]采用人工蟻群算法對生態保護區進行了智能劃分。農村居民點是農村土地利用的重要類型,是農村城鎮化和集約化的重要載體與整治對象,已有的城鄉土地利用空間優化配置模型能夠為農村居民點空間布局智能化研究提供技術基礎。

雖然農村居民點空間優化配置屬于單一地類的空間優化配置問題,但并不意味著其比其他多地類的優化配置問題更簡單。農村居民點布局的難點在于對農戶選址決策過程的建模,從而構建合理有效的優化方案,而前述提及的智能優化算法,并不能顯式地構建類似決策過程。智能體模型是一種用來模擬具有自主意識的智能體行為和相互作用的智能計算模型,能夠模擬土地利用系統中人與地、人與人之間的空間決策行為,自下而上地涌現出自組織、自適應的空間規律[23,24]。一些學者將智能體建模應用于土地利用規劃中,取得了不錯的效果[25,26]。本研究基于智能體模型,劃分4類決策主體,模擬農村居民點選址過程中的村民決策行為,構建基于智能體的農村居民點優化配置模型(Agent-based Model for Rural Settlements Allocation,ARSA),實現村鎮層次農村居民點自動化、智能式優化布局與動態選址,為農村居民點智能優化配置提供一套新的研究思路和方法。

1 研究區與數據

1.1 研究區概況

黃陂區(114°09′～114°37′E,30°40′～31°22′N)地處武漢市西北部,長江中游北岸,大別山南麓,地勢北高南低,其北部為低山丘陵區,中部為平原丘崗區,南部為平原湖區,大體上是“三分半山,一分半水,五分田”。黃陂區轄區總面積2 261 km2,轄15個街辦、1個鄉、1個農場和3個開發區。2014年全區戶籍人口為112.16萬人,其中農村人口為79.9萬人,農村常住居民人均可支配收入14 713元。根據第二次全國土地調查數據,黃陂區城鄉建設用地面積為219.21 km2,其中農村居民點面積為153.79 km2,人均居民點用地面積約192.48 m2,遠高于國家和武漢市規定的標準上限,具有較大整理潛力。全區共有5 944個農村居民點斑塊,平均斑塊面積為2.59 hm2,呈現出較為密集而零散的空間分布特征。同時,全區約31萬青壯勞力外出務工,各村存在不同程度的宅基地空心化現象。黃陂區正在大力推進多層次新型城鎮化,亟須通過農村居民點重構優化城鄉建設用地布局,提高農村居民點節約集約水平。

1.2 數據來源與處理

本研究采用的基礎數據為黃陂區第二次土地調查數據(比例尺1∶10 000),為了便于本文智能體的劃分與建模,通過ArcGIS進行柵格化處理,數據格式采用ASCII格式,基于模型精度和運行效率考慮,數據分辨率為50 m,格網數為885*1538。從自然、生產、生活、生態和土地轉換適宜度等方面構建農村居民點用地適宜性評價指標體系,采用專家打分法確定不同層次指標權重與因子量化標準,通過多因子加權疊加匯總獲得黃陂區農村居民點用地適宜性評價圖[27]。其他主要資料包括黃陂區土地利用總體規劃(2010-2020)、黃陂區統計年鑒(2015)以及2015年黃陂區村鎮調研數據。本文開發的ARSA模型基于主體建模平臺NetLogo(https://ccl.northwestern.edu/netlogo/)構建,模型界面分為參數設置區和可視化分析區,參數設置區包括控制面板、效用函數設置、參數設置、輸入數據和結果輸出;可視化分析區以地圖、曲線圖以及數值面板實時監控當前優化狀態。

2 建模過程與方法

2.1 模型框架

ARSA模擬村民智能體的選址決策行為,通過智能主體間的空間協作實現農村居民點布局優化,模型優化流程如圖1所示。首先,基于農村居民點類型識別進行村民智能體初始化,每個居民點柵格單元被賦予不同的智能體屬性;其次,確定不同智能體的決策行為規則,這是模型的關鍵,智能體通過對居民點布局的適宜性、緊湊度和綜合效用值等信息的分析判斷及相互之間的空間協作,做出相應的選址決策,而不同智能體之間的決策會形成相互影響,所以這是一個不斷迭代反饋的過程;最后,輸出優化后的農村居民點空間優化配置方案。

圖1 ARSA模型優化流程Fig.1 Flowchart of ARSA model

2.2 農村居民點類型識別

綜合村莊人口規模、經濟條件、生產通達度和生活便捷度等因素,識別不同農村居民點類型特征[28],將現有農村居民點劃分為4種類型:城鎮轉化型、重點發展型、限制發展型、遷棄型。城鎮轉化型農村居民點位于城鎮擴展邊界之內,在城鎮化推進過程中,將逐漸被城鎮用地吸收歸并;重點發展型農村居民點的規模較大、基礎設施條件較好,未來可安排新建居民點,同時進行內部整理,提升集約節約利用水平;限制發展型村莊集約利用水平較低,以嚴格控制其增長為主;遷棄型農村居民點分布零散、生產生活條件差,是居民點整理的主要對象,主要通過遷村并點、拆舊建新的方式改善居住狀況。

2.3 村民智能體初始化

智能體系統由智能主體和環境兩個子系統構成,其實體構成及狀態變量如表1所示。根據確定的農村居民點整理類型劃分4類村民主體:城鎮轉化型村民主體、重點發展型村民主體、限制發展型村民主體和遷棄型村民主體。模型在每個農村居民點格網單元上初始化一個村民智能體,村民智能體以原始坐標為中心,以最大搬遷距離為半徑的范圍內進行重新選址。需要注意的是,本模型所采用的村民智能體并不等同于現實的村民,而是虛擬的智能主體,其行為模式并不完全遵從真實人的行為。由實驗區構成的885*1 538的格網空間,作為智能體遷移的空間范圍。每個格網單元的狀態變量分別由農村居民點現狀特征數據、村莊編號數據、適宜性評價數據以及禁止建設區數據進行初始化。

表1 實體類型及其狀態變量Table 1 Entity types and state variables

2.4 村民智能體選址決策

各類村民智能體采用不同的選址決策規則,但選址需遵守的共同準則為:1)處在最大搬遷距離內; 2)處于非禁止開發區;3)為便于農業生產,新址處于耕作半徑之內,耕作半徑以步行半小時為限;4)為便于居民生活,新居民點應具有良好的交通便捷度,具體實施時以道路鄰近度指標量化。

除了選址時應遵守的共同準則,不同類型的居民主體又有各自的決策規則。城鎮轉化型村民主觀上希望其農村居民點會因城鎮擴張而被兼并吸收(圖2A);重點發展型村民主體對所在中心村低效用地及不合理居民點進行有序整理,選擇一個效用值更高且與當前所處居民點相鄰的單元作為新址(圖2B);限制發展型村民主體保持居民點現狀不變,以內部挖潛整理為主;遷棄型村民主體將在所屬行政村范圍內尋找新的定居點,如果能在搬遷范圍內搜尋到重點發展型居民點則遷入,筆者稱之為“有核并點模式”(圖2C),如果搬遷范圍內無重點發展型居民點,則選擇一個效用值更高的單元作為聚落點,稱之為“無核并點模式”(圖2D)。需要說明的是,雖然不同類型區的村民智能體進行決策時是并行的,但其選擇機會并不是唯一的,相互之間存在決策反饋,即某一類型村民智能體的決策會同時影響到另一類或幾類村民智能體的選址,因為每一次的決策迭代都會導致柵格單元的適宜性、緊湊度和綜合效用值發生變化,而這是村民智能體選址決策的基礎。

圖2 4種選址模式示意Fig.2 Patterns of relocation

2.5 居民點布局方案評價

村民智能體的自適應行為表現為其總是搜尋效用值更高的單元作為新的定居點,其中計算效用值的效用函數由適宜性和緊湊度構成。適宜性值可直接由智能體所處的格網單元的狀態變量(suit)得到,緊湊度采用8鄰域內居民點所占比例衡量,其計算公式如下:

式中:fcompact為格網單元緊湊度,當單元格(i,j)為農村居民點時,xij=1,否則為0;NΩ為鄰域內的柵格數目,一般使用摩爾鄰域。

格網單元的效用值為適宜性和緊湊度的加權值,其計算公式如下:

式中:fij(suit)為格網單元適宜性值,fij(compact)為格網單元緊湊度,w1+w2=1。

布局方案的綜合效用值采用所有居民點格網單元的平均適宜性和平均緊湊度,其計算公式如下:

式中:F為布局方案的綜合效用值, fsuit為所有居民點格網單元平均適宜性值, fcompact為所有居民點格網單元平均緊湊度,w1+w2=1。

3 結果與分析

3.1 模型參數敏感性分析

模型試驗是在一臺Core i7-4712MQ 2.3 GH z的Windows PC上完成的,模型涉及4個關鍵參數:適宜性權重、緊湊度權重、出地率、最大搬遷距離,不同的參數組合會對優化結果產生不同的影響。為了考察參數的設置如何影響優化結果,本研究設置了A-G共7個情景(表2)進行對比實驗。這7個情景采用不同的參數組合,其中A-E試驗了不同的權重組合,C、F、G在相同權重下改變了最大搬遷距離。由于農村居民點整理的實際出地率可直接根據已實施的農村居民點整理項目統計分析獲取,這里不作對比分析。

表2 不同情景參數組合下的優化效果Table 2 Parameters and optimized effects of different scenarios

對比情景A-E,可以明顯看出,隨著適宜性權重增大和緊湊度權重減小,優化結果的整體適宜性增加,整體緊湊度減小。但是,情景A并沒有如預期地顯示出最大的緊湊度,究其原因,主要是因為適宜性評價數據空間自相關,適宜性高的地區,農村居民點在空間上往往也更聚集,設置適當的適宜性權重既能體現適宜性的布局要求,也有利于提高布局的集聚程度。情景A的適宜性權重為0,尋優過程完全靠智能體以緊湊度為目標隨機選址,忽略了適宜性的導向作用,因此其優化的緊湊度反而沒有情景B和C高。對比情景C、F、G,隨著最大搬遷距離的增大,適宜性、緊湊度以及綜合效用值都得到了顯著的提升,而所需要的優化時間也明顯增多。增大搬遷距離意味著更大范圍的居民點可以被歸并,從而減小了斑塊個數和斑塊密度,布局結構更集聚。

3.2 優化結果分析

根據不同情景優化的對比分析,將適宜性權重和緊湊度權重同等設置為0.50,同時結合黃陂區村鎮調研中農戶對最大搬遷距離的接受程度,設定2 000 m為最大搬遷距離,出地率根據黃陂區近年來已實施農村居民點整理項目統計值確定為0.20。經過時長2小時21分的400次迭代后,得到優化前后的農村居民點布局。收斂曲線顯示適宜性在迭代50次時收斂,緊湊度和綜合效益值在迭代250次時收斂。從圖3和表3可以看出,優化后的農村居民點整體布局更加緊湊,居民點數目明顯減少,全區農村居民點規模較優化前減少了2 733.50 hm2,斑塊數量由5 944個減少到2 991個,平均斑塊大小則由2.59 hm2增加到4.23 hm2。全區農村居民點適宜性較優化前提高了7.7%,緊湊度增加了23.6%,綜合效用值提升了15.1%,優化效果顯著。

圖3 農村居民點現狀分布(A)與優化結果(B)Fig.3 Status quo(A)and optimized result(B)of rural settlements

表3 現狀分布和優化結果綜合效益統計Table 3 Statistics of the status quo and the optimized results

不同類型農村居民點動態變化差異顯著,城鎮周邊有1 712.75 hm2的農村居民點被有序兼并吸收,為城鎮用地擴展預留了一定空間。通過不同智能體分析決策和相互之間的空間協作,遷棄型與重點發展型農村居民點互動頻繁,遷棄型農村居民點共減少1 300.25 hm2,這些居民點適度地向重點發展型農村居民點集中,同時也形成了部分新建的農村居民點聚集地。這一過程直接帶來了重點發展型農村居民點的進一步集聚,該類型居民點增加了279.75 hm2。而限制型居民點由于主體決策行為規則的限制,其整體面積并無變化,這也符合農村居民點有序推進、統籌布局的原則。優化結果體現了不同村民主體的決策行為規則,農村居民點重構方向明確,空間動態增減有序。

為進一步分析不同村民主體決策下的優化效果,選取一些特征區,對比分析其優化前后的變化模式。如圖4所示,A1→A2顯示了城鎮轉化型居民點消失,為未來城鎮擴張預留了空間;B1→B2展現了重點發展型居民點的內部整理,村莊內部的空閑地被填充,農村居民點整體更規整和集聚,降低了基礎設施與公共服務設施的建設成本;C1→C2表示遷棄型居民點搬遷至鄰近的重點發展型居民點,即“有核并點模式”,形成更加集中的聚集地; D1→D2則展示了另一種集聚模式,即“無核并點模式”,當鄰近無重點發展型居民點時,在遷棄型居民點周圍選取適宜性較高的地區,新建居民點作為集聚中心。特征區的優化模式表明,模型確定的村民智能體選址決策行為,被有效地反映在優化結果中,局部優化效果符合預期。模型對農村居民點布局在整體上優化的同時,也兼顧了局部地區布局的合理性,一定程度上驗證了模型的適用性。

圖4 現狀和優化結果局部地區對比Fig.4 Comparison between the status quo and optimized result in local scale

3.3 模型對比分析

為證明本模型算法的優越性,設置遺傳算法(GA)和粒子群優化(PSO)作為對比。3種模型采用同樣的實驗數據和參數配置,得到的收斂結果如圖5所示。GA在50次迭代左右算法收斂,為3種模型中收斂速度最快,但是其適應度值最低,說明GA雖然具有較快的收斂速度,然而易陷入早熟陷阱。PSO在150次迭代左右收斂,其適應度高于GA而低于ARSA,表現中規中矩。本模型中的ARSA算法在250次迭代左右收斂,雖然收斂速度低于其他兩個模型,但其適應度值遠高于GA和PSO。考慮到實際規劃中,布局優化的效果優先級高于布局優化的效率,因此,從3個模型的對比分析中可以發現,本模型算法優化效果要優于GA和PSO模型。

圖5 ARSA、GA、PSO模型優化收斂曲線Fig.5 Convergence curves of ARSA,GA,PSO

4 結論與討論

本文基于不同村民主體空間決策行為分析,設置了包括適宜性、緊湊度和綜合效用的目標函數,構建農村居民點空間優化配置模型,對村民智能體的選址決策進行模擬,通過智能體的自適應和空間協作機制,實現村鎮層次農村居民點自動化、智能式優化布局與動態選址。

(1)農村居民點布局優化是一個以村民主體決策為核心,兼顧生產、生活和生態條件改善的復雜動態選址過程。適宜性評價和分區是農村居民點布局優化的基礎,但不同村民主體的空間決策行為具有典型差異性,分區導向下的智能體決策模擬將農村居民點自身特征和不同主體的決策行為有機結合在一起。不同主體遵循各自空間決策行為規則,通過格網單元自身效用值和整體效用值的評價,不斷迭代實現農村居民點綜合效用最大化。優化后的黃陂區農村居民點適宜性、緊湊度和綜合效用值都得到明顯提升,促進了農村居民點節約集約利用,驗證了ARSA模型的適用性。

(2)適宜性、緊湊度及最大搬遷距離的目標選擇和約束限制真實反映了農村居民點布局優化的現實需求,是不同主體決策判斷與空間協作的基礎。最大搬遷距離需要重點考慮農戶的可接受程度,而適宜性和緊湊度則是一個需要綜合平衡考慮的問題,農村居民點優化配置是改善宜居性、提高集聚度的過程。過度強調適宜性,忽略緊湊度,會使農村居民點空間布局較為破碎,這在一定程度上會增加農村居民點基礎設施與公共服務設施的建設成本;過度強調緊湊度,則會導致農村居民點整體宜居性的降低,而最大搬遷距離的合理確定可在一定程度上兼顧兩者的平衡。

(3)本文構建的ARSA模型反映了分區、分標準、分類型進行農村居民點空間優化配置的思路,政府規劃部門或村鎮規劃者可以根據不同區域農村居民點進行差異化參數設置,優化結果能夠為村鎮層次農村居民點規劃布局提供輔助決策。但同時需要說明的是,模型所選取的效用函數相對簡單,對于不同村民主體的決策博弈路徑也有待進一步細化。后續研究將結合中國城鄉建設的實際情況,融入不同層次智能體(政府、村民)決策行為與博弈規則,以提高模型的適用性和可操作性。

[1] BAI X,SHI P,LIU Y.Realizing China's urban dream[J].Nature,2014,509(7499):158-160.

[2] 陳秧分,劉彥隨,楊忍.基于生計轉型的中國農村居民點用地整治適宜區域[J].地理學報,2012,67(3):420-427.

[3] 鄒利林,王建英.中國農村居民點布局優化研究綜述[J].中國人口·資源與環境,2015,25(4):59-68.

[4] 馬曉冬,李全林,沈一.江蘇省鄉村聚落的形態分異及地域類型[J].地理學報,2012,67(4):516-525.

[5] 沈陳華.丹陽市農村居民點空間分布尺度特征及影響因素分析[J].農業工程學報,2012,28(22):261-268.

[6] 任平,洪步庭,周介銘.基于空間自相關模型的農村居民點時空演變格局與特征研究[J].長江流域資源與環境,2015,24(12): 1993-2002.

[7] 陳陽,李偉芳,任麗燕,等.空間統計視角下的農村居民點分布變化及驅動因素分析——以鄞州區濱海平原為例[J].資源科學,2014,36(11):2273-2281.

[8] 胡鑫,譚雪蘭,朱紅梅,等.長沙市農村居民點空間格局特征研究[J].地域研究與開發,2015,34(1):138-143.

[9] 馮應斌,楊慶媛.1980-2012年村域居民點演變特征及其驅動力分析[J].農業工程學報,2016,32(5):280-288.

[10] LIU Y,LIU Y,CHEN Y,et al.T he process and driving forces of rural hollowing in China under rapid urbanization[J].Journal of Geographical Sciences,2010,20(6):876-888.

[11] 龍花樓.論土地利用轉型與土地資源管理[J].地理研究, 2015,34(9):1607-1618.

[12] 郭麗英,劉玉,李裕瑞.空心村綜合整治與低碳鄉村發展戰略探討[J].地域研究與開發,2012,31(1):116-119.

[13] 李樂,張鳳榮,關小克,等.基于規劃導向度的農村居民點整治分區及模式[J].農業工程學報,2011,27(11):337-343.

[14] 劉耀林,范建彬,孔雪松,等.基于生產生活可達性的農村居民點整治分區及模式[J].農業工程學報,2015,31(15):247-254.

[15] 張正峰,吳沅箐,楊紅.兩類農村居民點整治模式下農戶整治意愿影響因素比較研究[J].中國土地科學,2013,27(9):85-91.

[16] 曲衍波,張鳳榮,宋偉,等.農村居民點整理潛力綜合修正與測算——以北京市平谷區為例[J].地理學報,2012,67(4):490 -503.

[17] LIU Y,KONG X,LIU Y,et al.Simulating the conversion of rural settlements to town land based on multi-agent sy stems and cellular automata[J].Plos One,2013(8):e7930011.

[18] 姜廣輝,張鳳榮,孔祥斌.北京山區農村居民點整理用地轉換方向模擬[J].農業工程學報.2009,25(2):214-221.

[19] 韋燕飛,陳燕奎,童新華,等.基于改進PSO算法的農村居民點空間優化布局研究[J].地理與地理信息科學,2014,30(2):72 -76.

[20] AERTS J,VAN HERWIJNEN M,ST EWART T J.Using Simulated Annealing and Spatial Goal Programming for Solving a M ulti-site Land Use Allocation Problem[M].Lecture Notes in Computer Science,2003.448-463.

[21] CAO K,BAT TY M,HUANG B,et al.Spatial multi-objective land use optimization:Extensions to the non-dominated sorting genetic algorithm-II[J].International Journal of Geographical Information Science,2011,25(12):1949-1969.

[22] LIU X,LI X,SHI X,et al.A multi-type ant colony optimization(MACO)method for optimal land use allocation in large areas[J].International Journal of Geographical Information Science,2012,26(7):1325-1343.

[23] 張鴻輝,曾永年,金曉斌,等.多智能體城市土地擴張模型及其應用[J].地理學報,2008,63(8):869-881.

[24] 劉小平,黎夏,葉嘉安.基于多智能體系統的空間決策行為及土地利用格局演變的模擬[J].中國科學(D輯),2006,36 (11):1027-1036.

[25] CHEN Y,LI X,LIU X,et al.An agent-based model for optimal land allocation(AgentLA)with a contiguity constraint [J].International Journal of Geographical Information Science,2010,24(8):1269-1288.

[26] 張鴻輝,曾永年,譚榮.基于多智能體的農地非農化時空模擬與規劃模型[J].測繪學報,2011,40(3):366-372.

[27] 孔雪松,劉耀林,鄧宣凱,等.村鎮農村居民點用地適宜性評價與整治分區規劃[J].農業工程學報,2012,28(18):215-222.

[28] 孔雪松,金璐璐,郄昱,等.基于點軸理論的農村居民點布局優化[J].農業工程學報,2014,30(8):192-200.

Spatial Optimum Allocation of Rural Settlements Based on Agent Model

PENG Jin-jin1,2,KONG Xue-song1,2,LIU Yao-lin1,2,3,CUI Jia-xing1,2
(1.School of Resource and Environmental Sciences,Wuhan University,Wuhan 430079; 2.K ey Laboratory of Geographic Inf ormation System,Ministry of Education,Wuhan University,Wuhan430079; 3.Collaborative Innovation Center of Geospatial Inf ormation T echnology,Wuhan University,Wuhan 430079,China)

This study built an agent-based model to realize dynamic simulation and intelligent allocation for rural settlements. Four agents including farmers in urbanization areas,farmers in priority development areas,farmers in restricted development areas,and farmers in abandoned areas,were identified based on the classification of villages.T he decision-making behaviors of each agent were defined as optimization rules.Huangpi district was selected as the study area to apply the proposed agent-based model.The results showed that rural settlements of Huangpi district were optimized intelligently using agent-based model.T here were apparent increases in suitability,compactness and aggregate utility for optimized rural settlements.The suitability,compactness and aggregate utility of rural settlements increased by 7.7%,23.6%and 15.1%,respectively.Rural settlements in different areas were orderly integrated in space with the guidance of multi-objectives.Two patterns,including point-oriented optimization and non-point-oriented optimization,were appeared in the optimization of abandoned rural settlements.With the increase of suitability and decrease of compactness,the rural residential areas in the space gradually dispersed,while the increase of moving distance makes the optimization results more concentrated.T he results compared with GA model and PSO model showed the proposed agent-based model was efficient to simulate and optimize rural settlements.It could provide theoretical basis and method support for the research of spatial optimization of rural settlements,and the proposed agent-based model could assist village planners and designers in formulating appropriate scheme.

rural settlements;agents;spatial optimization;sensitivity analysis;Huangpi district

F301.2

A

1672-0504(2016)05-0052-07

10.3969/j.issn.1672-0504.2016.05.008

2016-07-15;

2016-08-31

國家自然科學基金項目(41401196)

彭金金(1988-),男,博士研究生,研究方向為土地信息系統與智能化建模。*通訊作者E-mail:xusesongk@gmail.com