●序
前言
第1章 導論 1
1.1胞自動機 1
1.2 空間多智能體繫統 6
參考文獻 6
第2章 地理模擬繫統 8
2.1 地理學研究方法的回顧 8
2.2 地理模擬繫統的提出及定義 9
2.3 地理模擬繫統有關的基礎及其發展歷史 13
2.4 地理模擬繫統在地理研究中的重要性 15
2.5 地理模擬繫統的研究內容與手段 16
2.6 地理模擬繫統與GIS 的關繫 18
2.7 地理模擬繫統與多智能體繫統的關繫 20
2.8 地理模擬繫統與繫統動力學的關繫 20
2.9 地理模擬繫統與空間信息網格的關繫 21
參考文獻 21
第3章 地理模擬繫統的空間數據獲取 23
3.1 空間數據采集的一般方法 23
3.2 利用各種GIS 空間分析方法獲取進一步的空間數據 24
3.3 利用GIS 獲取城市模擬的輸入數據 25
3.3.1 進行城市模擬的空間變量的獲取 25
3.3.2 城市形態和結構信息的獲取 27
3.3.3 土地評價 29
3.4 利用遙感獲取地理模擬的輸入數據 30
3.4.1 遙感在城市模擬中的應用 30
3.4.2 遙感動態變化監測的主要方法 31
參考文獻 35
第4章胞自動機的城市及地理模擬 37
4胞自動機的發展歷史 37
4.1胞自動機與計算科學的發展 37
4.1胞自動機與復雜繫統的模擬 38
4胞自動機進行城市與地理模擬的原理及方法 40
4.2.1 基於“生命遊戲”規則的CA 40
4.2.2胞自動機 42
4.2.3胞自動機與轉換規則 42
4.3 常用的CA 模擬軟件 45
參考文獻 46
第5章 CA 建模以及轉換規則獲取的方法 48
5.1 未來各類用地需求總量確定的原理及方法 48
5.1.1 馬爾可夫鏈方法 48
5.1.2 繫統動力學方法 50
5.2 CA 轉換規則確定的一般方法 54
5.2.1 基於多準則判斷的方法 54
5.2.2 基於Logistic 回歸的CA 56
5.2.3 基於5 個因子的SLEUTH 模型 57
5.2.4 基於“灰度”的轉換規則 60
5.2.5 基於主成分胞自動機 61
5.2.6 基於神經胞自動機 63
參考文獻 65
第6章 轉換規則獲取的智能式方法 67
6.1 數據挖掘及轉換規則 67
6.2 遺傳算法與CA 的參數選擇 69
6.3 基於Fisher 判別和離散選擇的CA 71
6.4 基於非線性核學習機自動提胞自動機的轉換規則 75
6.5 基於支持向胞自動機 79
6.6 基於粗集的知識發現與地理模擬 84
6.6.1 粗集和約簡的決策規則 84
6.6.2 基於粗集的CA（RS-CA） 87
6.7 基於案胞自動機的地理模擬 89
6.7.1 基於規則（rule-based）胞自動機 89
6.7.2 基於案例（case-based）胞自動機 89
參考文獻 93
第胞自動機：過程模擬與知識發現的工具 95
7.1 利用邏輯回歸模型進行城市模擬 95
7.2 基於主成分分析的CA 與城市模擬 99
7.3 利用基於神經網絡的CA 模擬土地利用變化 103
7.3.1 空間變量及訓練數據 104
7.3.2 神經網絡的結構 105
7.3.3 神經網絡的訓練 105
7.3.4 土地利用變化的動態模擬及預測 105
7.4 基於數據挖掘的CA 及城市模擬 108
7.4.1 CA 轉換規則的自動挖掘 108
7.4.2 模擬結果及檢驗 111
7.5 城市形態演變“基因”的知識挖掘及優化模擬 114
7.5.1 城市演變“基因”的獲取與優化 114
7.5.2 模型應用及結果分析 116
7.5.3 結論 123
7.6 Fisher 胞自動機轉換規則的自動獲取 123
7.7 從高維特征空間胞自動機的非線性轉換規則 127
7.8 基於支持向胞自動機及土地利用變化模擬 131
7.9 基於粗集的知識發現與地理模擬 138
7.10 基於案例推理的CA 動態轉換規則及大區域城市演變模擬 145
參考文獻 154
第胞自動機：城市與區域規劃的輔助工具 156
8.1 引言 156
8.2 約束性CA 及可持續城市發展形態的模擬 158
8.3胞自動機的城市發展密度模擬 163
8.4 利用CA 和GIS 結合輔助生成農田保護區 171
8.5 基於神經網絡的CA 及真實和優化的城市模擬 177
8.6 約束性CA 在城市規劃中的應用——以廣東省東莞市為例 182
8.6.1 三種約束性的CA 183
8.6.2 CA 在城市規劃中的三種主要功能 191
8.7 基於城市擴張的動態選址模型——以深圳垃圾轉運站選址為例 196
8.7.1 交替式Location-allocation 算法 197
8.7.2 城市擴張模型 198
8.7.3 動態選址模型 200
8.7.4 應用 201
參考文獻 206
第9章胞自動機的不確定性研究 209
9.1 引言 209
9.2 城市CA 的不確定性 210
9.2.1 數據源誤差 210
9.2.2 操作或轉換誤差 211
9.2.3 城市CA 建模中的模型不確定性 212
9.3 城市CA 中的不確定性評價 213
9.3.1 城市CA 的誤差傳遞 213
9.3.2 CA 中的不確定性 215
9.4 結論 220
參考文獻 221
第1胞自動機模型與大尺度模擬及城市精細化模擬 223
10.1 灰度CA 模型與大尺度城市擴張模擬 224
10.1.1 大尺度灰度CA 模型的原理與設計 225
10.1.2 基於灰度CA 模型的未來我國城市擴張模擬與驗證 231
10.2 斑塊CA 模型與城市空間格局演變模擬 235
10.2.1 嵌入斑塊模擬機制的CA 模型與城市發展模擬 235
10.2.2 時序–斑塊CA 模型及城市空間格局演變模擬 247
10.3 矢量CA 模型與城市精細化模擬 256
10.3.1 耦合動態地塊分裂的矢量CA 模型 258
10.3.2 基於DLPS-VCA 的土地利用精細模擬 263
10.3.3 基於多種未來情景的城市土地利用發展預測 267
參考文獻 269
第11章 多智能體的基本原理 273
11.1 多智能體的歷史根源與基本概念 273
11.2 多智能體繫統的原理 277
11.3 基於計算機的多智能體 278
11.4 基於地理空間的多智能體 279
11.5 多智能在經濟、資源環境中的應用 280
11.6 多智能體與CA 及GIS 的集成 281
11.6.1 多智能體與CA 集成的必要性 281
11.6.2 多智能體與CA 及GIS 集成的必要性 281
11.6.3 多智能體與CA 及GIS 集成的可行性 282
11.7 多智能體繫統的公共建模平臺 282
參考文獻 284
第12章 基於多智能體繫統的空間決策行為及土地利用格局演變的模擬 285
12.1 引言 285
12.2 基於多智能體的城市土地利用變化模擬模型 286
12.2.1 環境要素層 286
12.2.2 多智能體及決策行為 287
12.3 模型的應用 290
12.3.1 實驗區及數據處理 290
12.3.2 模型的簡化 290
12.3.3 模型的應用 291
12.4 模型的檢驗 296
12.5 結論 297
參考文獻 298
第13章 CA 和MAS 結合的城市土地資源可持續發展的規劃模型 300
13.1 可持續發展與城市土地資源規劃 300
13.2 城市發展預測的微觀模型 300
13.3 基於CA 和MAS 的城市土地資源可持續發展及規劃模型 301
13.3.1 多智能體及決策行為 302
13.3胞自動機層 306
13.4 模型的應用 307
13.4.1 實驗區及數據 307
13.4.2 城市土地資源可持續發展需求預測 307
13.4.3 模型的應用及結果 308
13.5 結論和討論 310
參考文獻 311
第14章 CA 和MAS 結合的城市工業及基本就業空間增長過程的微觀模擬 313
14.1 引言 313
14.2 工業企業及基本就業空間增長的CA-MAS 微觀模型 314
14.2.1 工業企業及基本就業空間增長 314
14.2.2 工業企業及基本就業空間增長的多智能體和環境 316
14.2.3 工業企業及基本就業空間增長的CA-MAS 模擬模型 318
14.3 應用 320
14.4 結論 325
參考文獻 325
第15章 地理模擬與優化繫統：軟件及其應用 327
15.1 地理模擬與優化繫統 327
15.1.1 GeoSOS 理論與方法 328
15.1.2 GeoSOS 軟件介紹 332
15.1.3 GeoSOS 與地理國情分析 334
15.1.4 GeoSOS 與“三規合一”信息服務 344
15.2 GeoSOS-FLUS 模型與應用 351
15.2.1 GeoSOS-FLUS 模型與方法 351
15.2.2 GeoSOS-FLUS 軟件介紹 353
15.2.3 FLUS 模型與土地利用情景模擬 354
15.2.4 FLUS 模型與城市增長邊界劃定 356
參考文獻 367
