遗传算法在城市总体规划辅助决策系统中的应用分析：以
西咸新区为例
丁佳乐，刘鼎一，罗文杉
【摘 要】［摘 要］ 城市规划综合信息量大、多目标，传统方法存在工作量大，难以达到全面细致等方面的问题。借助GIS技术，基于遗传算法寻求自动决策模型，找出合适的规划方案，从而优化城市规划工作。以西咸新区为例对新区进行建模，模拟规划，获得数种方案，结果符合规划要求。实践证明利用遗传算法对城市用地进行规划可以起到辅助规划的作用。 【期刊名称】地下水
【年(卷),期】2014(000)004 【总页数】3
【关键词】［关键词］ 城市规划;遗传算法;GIS;空间优化
城市规划中往往牵扯到诸多问题，所以有效地控制非常困难。由于遗传算法是一种全局优化搜索算法，它可以较好的处理多目标、大数据量问题，因此本文提出一种依靠遗传算法为基础，通过建立城市土地利用模型，综合分析数据，进而获得城市规划方案的方法。
Cheng－Min Feng*，Jen－Jia Lin等学者在利用遗传算法进行规划方面做出了一些成果，但现有的这些成果远远不能达到辅助规划师进行城市规划;也没有使用实际地区数据进行实验并根据实验地区土地利用信息，环境信息，基础设施信息等系统分析后和市集规划或实际建设情况进行对比分析［1－4］。 本文使用西咸新区第二次土地利用调查数据，通过遗传算法获得计算机模拟规划方案，同时与现有的西咸新区规划方案进行对比分析，阐明了遗传算法在规
划工作中可以起到重要作用。
1 模型
遗传算法很适合于多目标优化问题的解决。由某潜在解集开始运算，采用自然进化模型，不断对解集进行选择、交叉、变异、迁移、局域与邻域操作，直到满足优化标准。遗传算法由以下几个主要部分组成:编码方法;初始可行解的产生;适宜度的计算;选择算子;交叉算子;变异算子［5］。
在本次试验中具体操作如下，首先对格网化的规划区域每个单元格依次进行编号，编码代表每个区域的用地类型。设每种规划方案都是一个样本，样本中的土地利用数据不断进行交叉变异，进而产生新样本。(将一种规划方案视为一个生物个体，将每种规划方案中的土地利用数据看作个体的基因序列)。其次由初始规划方案开始，不断进行用地类型的交叉运算，以产生更好的规划方案。同时在随机产生单元上改变其基因取值，以保证解空间内的完全搜索，避免收敛在解空间的一个局部。而每次选择则通过打分的方式进行，单个规划方案的优劣主要通过综合单个地块的适宜度值、空间分布状态再结合当前规划地区的具体情况进行评判，其中单个地块适宜度依据目标函数计算，即是单个地块的空间协调性指数的总和。算法根据分值进行淘汰或选择;空间分布评定则是根据单个地块与其在一定空间关系内的其他地块的空间布局优劣决定。最终算法根据设计指标循环会在规定次数停止。
2 数据处理
本文选用西咸新区的二次土地利用调查数据，对西咸新区进行模拟规划。第二次土地利用调查数据比较全面准确，适合于进行城市规划总体规划需要，且数据比较全面，可以满足城市规划“多目标”的要求，同时满足文中遗传算法的
需要［6］。
首先把试验区域网格化，每个方格代表一种独立用地类型。根据一般街区大小，和总体规划精度，以及城市噪音，光线影响距离以及一般主干道之间的宽度(800～1 200 m)，此处设定格网边长为1 km［7］。根据总体规划所需求的精度外加《城市用地分类与规划建设用地标准》(GB50137－2011)中规定的城市用地分类标准，以及其他相关研究中的土地利用类型分类，再结合和文中相应的方法和需要，试验中将西咸新区用地类型综合为居住用地，商业用地，物流仓储用地，休闲娱乐用地5类［2］，其余如道路，商店，学校，管线等信息(点，线要素)将通过建立缓冲区的方式将其信息添加在相应位置的格网上。这样既模拟了规划区域的情况，又使之可以进行计算机处理［4］。
3 指标体系的建立
遗传算法对规划方案的选择是通过打分的方式进行的，而打分的分值是通过设置特定的指标体系，分析后获得。指标体系根据实际情况进行建立，具体如下所示:
根据当前试验区情况区域情况可通过7类指标进行描述，分别是繁华度，基础设施，环境，人口密度，优化规则，转换费用，通过这7线指标和当前地块所处的位置，进行打分计算。通过这7个指标可以基本反映一般总体规划要求(特定的政治经济目标，满足人们生活需求，自然环境协调发展)［6］。
不同的用地类型，有不同的特殊情况，根据使用情况的不同，打分的倾向也要不同，参照相关规划资料，针对不同用地所考虑的倾向不同，试验中给出了不同权重的打分标准［7］。
4 方案
遗传算法在城市总体规划辅助决策系统中的应用分析--以西咸新区为例
