《毕业论文设计基于GIS的空间分析及其发展研究31940》由会员分享，可在线阅读，更多相关《毕业论文设计基于GIS的空间分析及其发展研究31940（6页珍藏版）》请在金锄头文库上搜索。
1、基于GIS的空间分析及其发展研究马德涛1 王锐1 王铮21解放军信息工程大学测绘学院 450052 2 北京交通大学 100044Email:摘 要： 空间分析是基于地理对象空间布局的地理数据分析技术，G1S的空间分析功能偏弱已经严重地阻碍了其作为空间数据分析和研究工具的使用。新兴的智能计算技术为空间分析提供了新的机遇和发展契机，神经网络、进化计算和人工生命在基于G1S的空间分析建模应用上具有巨大潜力。研究发现基于G1S空间分析的发展将向时空分析领域拓展，同时急待建立基于智能计算技术的时空分析的有效模型和统一框架，形成G1S与时空分析模型高度融合的时空决策平台。关键词：G1S 空间分析 智能计
2、算 发展研究Abstract： Spatial analysis or spatial data analysis (SDA)is a kind of geographical data analysis technologies which related with the spatial pattern of the geography objects. There is a general consensus that the lack of SDA functionalities in current GIS seriously limits the usefulness of GIS
3、 as a research tool to analyze spatial data and relationships. Computational Intelligence (CI) technologies which mainly include artificial life, evolutionary computation and neural networks shows a great potential to develop novel exploratory approaches able to efficiently and comprehensively explo
4、re large spatial databases for patterns and relationships, neural network is a extremely attractive one because of its characteristics. The final goal of SDA are spatio-temporal analysis and spatial decision support system. So its urgent to study and develop CI一driven spatio-temporal analysis techno
5、logies, at the same time the integration of multiple dynamic and CI models with GIS under a unified framework based on agent and ontology technologies is also the authors goal to develop spatial decision support systems.Keywords: GIS, Spatial Analysis, Computational Intelligence, Research of Develop
6、ment1 空间分析的概念空间分析也称空间数据分析Spatial Data Analysis，简称（SDA)是基于地理对象空间布局的地理数据分析技术，它与传统统计分析的根本差异是SDA的结果依赖于事件的空间分布。通过SDA可以发现隐藏在空间数据之后的重要信息或一般规律，因此，SDA也可以看作是一个空间知识发现和挖掘的过程。对空间信息的提取和传输，已使G1S成为区别于一般信息系统的主要功能特征，也是评价G1S功能强弱的重要指标之一。SDA功能的实现分为以下4个层次：（1）认知，对空间数据进行有效获取和科学的组织描述，利用空间数据来再现事物本身。例如由管线的平面图绘制纵、横剖面图；（2）解释，理解
7、并解释空间数据的背景过程，认识事件的本质规律，例如住房价格中的地理邻居效应；（3）预报，了解、掌握事件发生的规律后，运用预测模型对未来的状况做出合理推测。例如预测传染病的爆发；（4）宏观决策和调控，根据SDA结果做出合理决策，调控地理空间上发生的事件，如合理分配资源等。可见，随着SDA技术应用的深度和广度的不断拓展， G1S也将由一般的空间事务处理向分析型的空间决策支持方向迈进。2 基于GIS空间分析的现状 G1S空间分析技术方法包括以下两大类： （1）空间基本分析，也即基于图的分析。该分析功能与GIS其他功能模块有紧密联系，技术发展也比较成熟。主要有空间信息量算、缓冲区分析、空间拓扑叠置分析
8、、网络分析、复合分析、邻近分析及空间联结、空间统计分析等。（2）空间模拟分析，也称为专业型空间分析。该技术解决应用领域对空间数据处理与输出的特殊要求，空间实体和关系通过专业模型得到简化和抽象，而系统则通过模型进行分析操作。目前G1S在该领域的研究相对落后，尚未形成一个统一的结构体系。可见，现有G1S的空间分析仍旧停留在应用层次分析的第一个层次上，即已经能够以数字化方式较好地描述地理实体和地理现象的空间分布关系，但这种描述是静态的，局部的，不能反映地理实体的内在规律和变化趋势，具体表现在G1S目前支持地理区域或现象的快照型查询，但是缺乏对用户感兴趣的时空变化的模拟仿真功能的支持。目前G1S的空间
9、分析功能偏弱已成为业界的共识，这一弱点也严重地阻碍了G1S作为空间数据分析和研究工具的使用。如何建立有效的空间数据模型来表达地理实体的时空特性以及如何发展面向应用的时空分析模拟方法是目前G1S及其相关领域研究的热点，同时也是G1S向决策应用领域深入发展以及实施“数字地球”战略必须解决的间题。什么样的模型和方法能够满足G1S空间分析的需要呢? Openshaw 在深入研究了 G1S空间分析的基础上，提出G1S相关的分析模型所必须具备的一些条件，主要包括：（1）能够处理海量高维数据；（2）对空间信息敏感（sensitive)； （3）具有独立理论框架（frame independent)；（4）安
10、全技术（safe technology），即具有可靠性、鲁棒性、灵活性、容错性和抗噪声；（5）对G1S环境数据的应用有效；（6）其结果应该是可视化和易于理解的。由此可见，未来的SDA技术是基于数据驱动而非理论驱动的一门技术，需要大量的空间数据拟合推测而非基于某些空间假设的理论推导。传统的地理过程模拟模型如系统动力学模型、社会物理学模型等不能满足G1S空间分析条件的需要，必须探索新的强有力的工具应用于G1S的空间分析。1 3智能计算空间分析的新方法新兴的智能计算Computational Intelligence，简称(CI)技术为G1S空间分析提供了新的机遇和发展的契机。神经网络（Neural
11、 networks)、进化计算（Evoluntionary computation)和人工生命（Aritificial life)是CI的主要代表。总的说来，这些CI工具能够管理大型的、多层次的异质数据集，这与GIS空间分析所处理的与自然环境相关的、多维稠密的数据集是一致的。人工生命是指用计算机和精密机械等生成或构造表现自然生命系统行为特点的仿真系统或模型系统。自然生命系统的行为特点表现为自组织、自修复、自复制的基本性质，以及形成这些性质的混沌力学，环境适应和进化。人工生命依据种群进化策略、采用“自下而上”的控制策略，在探索空间数据库的演变格局及相互关系方面显示出巨大潜力。人工生命在G1S应用
12、的一个典型例子是细胞自动机（Cellular Automation )，它是一种“自下而上”的动态模拟建模枢架，具有模拟地理复杂系统时空演化过程的能力。美国圣巴巴拉加州大学地理系的Helen Couclelis 对细胞自动机模型在地理学中，尤其是在城市发展动态模拟中，进行了开创性的研究工作，取得了一定成果。进化计算模仿自然进化原理，是一种求解全局随机优化问题的方法，它包括遗传算法、进化程序设计及进化策略等分支。其中遗传算法是一种模拟生命进化机制新近发展起来的搜索优化方法。它模拟了自然选择和遗传中发生的繁殖、交配和突变现象，从任一初始种群出发，通过随机选择、交叉和变异操作，产生一群新的更适应环境
13、的个体，使群体进化到搜索空间中越来越好的区域。这样一代一代不断繁殖、进化，最后收敛到一群最适应环境的个体上，求得问题的最优解。实践证明，对于传统优化算法难于解决的复杂问题，进化算法是行之有效的，具有无需建模和进行复杂运算、不受限制条件（如函数的连续性、导数存在、单极值等）的约束、而目具有鲁棒性、灵活性和普适性等显著特点。进化算法适用于空间分析的各种优化，例如地址、路径的优选、区域设计规划等领域。神经网络模仿人类大脑的功能，通过实例进行学习和训练，因而被认为是“智能”的。神经网络用于SDA表明其具有以下优点：（1）善于处理非线性噪声数据，与线性方法相比具有更大的仲缩性和灵活性；（2）具有内在的适
14、合处理空间数据的特点；（3）强的鲁棒性和容错性使其可以处理噪声、丢失和模糊信息；（4）具有处理大量空间数据集的能力，能够通过实时分析和提高数据分辨力寻求更好的结果；（5）内在的通过调整权重而自我学习的能力；（6）普适性（不依赖于实验例子)，减小由于传统方法的特例假设和简化所带来的缺点，使结果更精确。神经网络模型特别是两层前向网与多种学习技术相结合，提供了一个数据驱动的SDA理论研究工具，它可以看作是传统空间统计模型如自回归模型、空间相互作用模型、线性判别函数和模式识别技术的一个扩展。适用于两个领域：（1）空间回归分析、空间相互作用分析、空间选择分析及时空数据分析等；（2）智能模式识别和分类，使
15、用户通过数据变换而减少纬数，探索数据丰富环境的格局模式。Fischer和Gopal于1994年提出基于神经网络的空间作用分析模型；Aura将该模型应用于欧洲的货物运输经济分析，并与传统的logit统计模型结果进行比较，认为神经网络模型优于logit模型。基于神经网络的空间分析现已广泛地应用于社会科学实践，如对物体行为时空格局的建模和预测、空间智能决策、运输事故控制等领域。4 基于GIS空间分析的发展趋势G1S技术的应用极大地促进了空间分析的需求和应用。G1S应用的最高目标是空间决策支持，而空间决策支持的核心必然是空间分析。作者认为，基于G1S的空间分析的发展方向为：（1）由空间分析向时空分析领
16、域拓展千事万物均处在一定的时空坐标系中，时间、空间和属性是地理实体的3个基本特征，时空（Spatio-temporal）分析是指用于描绘随时间动态变化的空间物体和空间现象特征的一系列技术，其分析结果依赖于事件的时空分布。时空数据库模型的研究起步于20世纪90年代，由于时空数据库的复杂性，对它的研究目前仍处于理论阶段，尚无成熟的商品化软件平台问世，故建立在其上的时空分析进展缓慢。随着近期计算机技术和G1S的飞速发展，作为客观现实世界抽象和表示的时空数据模型日渐成为人们关注的热点课题。（2）探索基于CI技术的时空分析的有效模型和统一框架基于G1S的空间分析和CI的融合，将该领域拓展到计算科学、统计学、数学、物理学、神经系统科学、认知学、电子工程、计算地理学等领域，使得G1S 可以将这些学科的最新成果应用于空间决策支持。另外，CI
