元胞自动机
元胞自动机模拟模块包括五个CA
模型:多准则判断CA(MCE-CA),逻辑回归CA(Logistic-CA),
主成分分析CA(PCA-CA),
神经网络CA
(ANN-CA)以及
决策树CA(Decision Tree-CA)。
地理模拟与优化系统中的CA模拟
MCE-CA采用基于层次分析法的多准则判断方法来确定涉及到的空间因子的
权重,然后将计算得到的发展适宜性指标转换为元胞发展的
概率。Logistic-CA是对MCE-CA的改进,主要通过逻辑回归方法得到各空间因子的
参数。PCA-CA通过主成分分析的方法来降低各空间因子之间的
相关关系,得到主成分因子进行分析。ANN-CA使用
人工神经网络的方法来定义元胞自动机的转换规则,并且该方法具有模拟多种
土地利用类型相互转换的能力。Decision Tree-CA使用了决策树算法,它能够以“IF…THEN…”语句的形式提供清晰的规则定义。相对于使用
系数或方程式的形式来讲,能更好的理解对模拟的规则。
多智能体系统
多智能体系统
地理模拟与优化系统中的MAS模拟
模拟模块目前只包括一个采用基于多智能体
建模(Agent-Based Modeling,ABM)方法进行城市地价模拟的演示。该模块设计为基于多智能体系统建模而提供的建模环境,使用户可以通过
图形用户界面(GUI),或者是GeoSOS平台的
嵌入式语言进行基于多智能体系统的建模。同时该模块还提供
集成CA方法和MAS方法的能力。该模块目前还在开发中。
空间优化
空间优化模块包括三个模型:设施点位置选择模型、路径优化模型及土地分配模型。
地理模拟与优化系统中的点优化
这些模型都基于
蚁群优化算法(Ant Colony Optimization,ACO)。设施点位置选择模型能够根据使用最小资源耗费并获得最大收益的原则,得到设施点的最佳分布位置。路径优化的目标是使路径尽可能短的同时路径覆盖的服务范围尽可能大。土地分配模型使用
栅格数据格式的
土地适宜性地图和给定的土地分配数量来产生土地分配方案,该方案同时考虑土地的适宜性指标和
格局的紧凑性。