一种基于遗传算法的城市建设用地规划方法

本发明涉及城市建设用地规划，特别是涉及一种基于遗传算法的城市建设用地规划方法。
背景技术：
：：1、土地利用规划是为了使土地的利用更加合理，其从实质上来说是为了将有限的土地资源进行数量结构优化配置和空间结构优化配置。当前的城市建设用地规划过程中，存在许多操作性的难点，最突出的一个是如何将众多土地在数量和结构上落实到现实中实在的地理位置是，以达到土地资源的优化配置。2、目前对城市建设用地的规划主要采用基于非线性模型以及经验和现状进行综合判断，该方法需要人工调查评估，其主观性强且工作量大，另外还有基于地理信息系统耦合理论与非线性相关计算模型，基于关系数据分析的计算模型等；公开专利cn108537710a提供了一种基于markov-flus模型的城市增长边界划定方法，通过刚性ugb划定，弹性ugb划定和基于神经网络的土地利用适宜性概率计算，以及基于自适应惯性竞争机制的土地利用模拟得到模拟规划结果；然而，采用flus模型进行土地利用模拟时，需输入精准的未来土地利用数据来确保模拟结果的合理性，对初始数据的要求极高。3、因此，需要寻找一种适合的土地利用规划模型算法，在保证结果客观性的同时，减少对初始数据的要求和运算量。技术实现思路1、本发明的目的在于提供一种基于遗传算法的城市建设用地规划方法，通过建立城市建设用地目标函数和约束条件，利用遗传算法简单高效的求解模型的最优解。为了实现本发明的上述目的，采用以下技术方案：2、一种基于遗传算法的城市建设用地规划方法，所述方法包括：3、获取包含待规划区域的当前城市土地类型栅格图，得到已规划建设用地、已规划非建设用地以及待规划用地的栅格分布。4、基于各类用地的空间协调性和土地适应性建立城市建设用地目标函数和约束条件。5、根据所述土地类型栅格图计算每个待规划栅格的集中度。6、基于规划目标阈值，通过遗传算法求解所述建设用地目标函数的最优解。7、进一步的，通过地理空间叠加法获取包含待规划区域的当前城市土地类型栅格图：8、获取当前城市的地图，以及已规划建设用地、已规划非建设用地以及待规划用地的分布数据。9、在当前城市的地图上分别叠加所述分布数据并进行栅格化处理，形成当前城市土地类型栅格图。10、进一步的，所述单个栅格大小不大于1km×1km。11、进一步的，所述土地类型栅格图在各类用地的面积比例满足所述约束条件的前提下，所述城市建设用地目标函数满足各类用地的土地适应性和空间协调性之和最大化，其约束条件的数学表达式为：12、13、其中，lk为当前建设用地的栅格数，nk为最大允许建设用地的栅格数，k代表建设用地，当第i行第j列的栅格为建设用地时，记否则记为0；1≤i≤m,1≤j≤n，m和n分别代表栅格图的最大行列数。14、所述建设用地目标函数为土地适应性和空间协调性之和最大化：15、fmultiobject＝w1fsuitable+w2fcoordinate16、17、18、其中，fmultiobject为建设用地目标函数，fsuitable为土地适应性函数，fcoordinate为空间协调性函数，w1和w2分别为土地适应性函数和空间协调性函数的权重值,w1+w2＝1；代表第i行第j列的栅格的土地适应指数，当时，表示其为非建设用地，的值越接近1表示其越适合转化为建设用地；a为待规划用地中转化为建设用地的栅格的总集中度，为第i行第j列的栅格的空间协调性指数。19、进一步的，设待规划用地的栅格数目为n，规划目标阈值为将待规划用地中的r个栅格转化为建设用地，r<n。20、计算第r个待规划栅格作为建设用地的集中度xr＝pr/dr，1≤r≤r，其中，pr为第r个待规划栅格周围3×3栅格中建设用地的数目，dr为第r个待规划栅格距离最近的全部为建设用地的3×3栅格中心的距离。21、进一步的，所述遗传算法包括以下步骤：22、步骤1，通过随机选择的方式，在待规划用地栅格中选择r个栅格作为建设用地初始种群p0，计算初始时刻建设用地目标函数值fmultiobject0。23、步骤2，对初始种群p0进行交叉、变异运算，产生数目为s的进化种群p1，n>s>r；24、步骤3，对种群p1中的各个栅格进行集中度计算并按照从小到大的顺序排序，取数值排名靠前r个栅格作为进化种群p1′，计算进化种群p1′对应的建设用地目标函数值fmultiobject1。25、步骤4，将种群p1′作为初始种群，重复步骤2-3，直至完成预设进化次数q，得到对应的建设用地目标函数值集合{fmultiobject0,fmultiobject1,……,fmultiobjectq}。26、步骤5，选取所述建设用地目标函数值集合中的最大值max fmultiobject，其对应的r个栅格即为建设用地目标函数的最优解。27、进一步的，所述预设进化次数q满足：28、29、其中，n为待规划用地的栅格数目。30、本发明与现有技术相比，其有益效果是：31、本发明通过将城市现有土地进行分类和栅格化处理，建立城市建设用地目标函数和约束条件，采用遗传算法求解目标函数最优解得到最优的规划方案，上述算法减少了人为主观因素对结果的影响，能够对城市建设用地的规划起到实际的参考作用。技术特征：1.一种基于遗传算法的城市建设用地规划方法，其特征在于，所述方法包括：2.根据权利要求1所述的一种基于遗传算法的城市建设用地规划方法，其特征在于，通过地理空间叠加法获取包含待规划区域的当前城市土地类型栅格图：3.根据权利要求2所述的一种基于遗传算法的城市建设用地规划方法，其特征在于，所述单个栅格大小不大于1km×1km。4.根据权利要求1所述的一种基于遗传算法的城市建设用地规划方法，其特征在于，所述土地类型栅格图在各类用地的面积比例满足所述约束条件的前提下，所述城市建设用地目标函数满足各类用地的土地适应性和空间协调性之和最大化，其约束条件的数学表达式为：5.根据权利要求4所述的一种基于遗传算法的城市建设用地规划方法，其特征在于，设待规划用地的栅格数目为n，规划目标阈值为将待规划用地中的r个栅格转化为建设用地，r<n；6.根据权利要求5所述的一种基于遗传算法的城市建设用地规划方法，其特征在于，所述遗传算法包括以下步骤：7.根据权利要6所述的一种基于遗传算法的城市建设用地规划方法，其特征在于，所述预设进化次数q满足：技术总结本发明公开了一种基于遗传算法的城市建设用地规划方法，该方法包括：获取包含待规划区域的当前城市土地类型栅格图，得到已规划建设用地、已规划非建设用地以及待规划用地的栅格分布；基于各类用地的空间协调性和土地适应性建立城市建设用地目标函数和约束条件；根据所述土地类型栅格图计算每个待规划栅格的集中度；基于规划目标阈值，通过遗传算法求解所述建设用地目标函数的最优解；该方法大大减少了人工调查评价的工作量和人为主观因素对结果的影响，能够对城市建设用地的规划起到实际的参考作用。技术研发人员：王洋,岳晓丽,吴映梅,孙贵权,黄金瑜受保护的技术使用者：云南师范大学技术研发日：技术公布日：2024/5/29