����Ԫ���Զ����ij�����������Ԥ��ģ���о�——��������������� Orange CountyΪ��

长期以来,作为城市规划研究热点,城市土地利用和交通之间相互影响的研究相对脱节.近年来,该状况逐渐得到改观,研究人员开始将交通规划与城市用地布局方式相联系.本研究主要模拟给定城市区域土地利用的时空变化过程,帮助正确认识及处理城市交通发展与土地利用的相互关系.研究针对美国佛罗里达州Orange County 1990年与2000年土地利用类型的变化,利用元胞自动机(CA)在微观土地利用,空间格局等方面的优势,采用地理信息系统动态模型来实现海量数据的获取、储存以及更新.同时,借助MatLAB软件的数学计算能力,开发出基于逻辑回归的元胞自动机土地预测模型.基于实际土地利用的模拟结果表明,该模型充分利用元胞自动机的特点及优势,合理考虑土地利用系统中时空变量的复杂性,结果可靠,为正确理解土地利用变化提供了很好的帮助.     

基于GIS-RS的三峡库区消落带植被覆盖时空演变过程

以三峡水库涪陵区段消落带为研究区域,对2003、2004、2008、2010、2013年的消落带土地利用类型进行分类与统计,估算消落带植被覆盖度,运用CA-Markov模型计算各时期消落带的土地利用类型概率转移矩阵,并运用CA-Markov模型模拟研究区2018、2023、2028、2033年湿地利用类型格局分布图。研究结果表明:在时间跨度上,消落带在1年或2年这样的短时期内,植被覆盖类型会发生比较大的变化,稳定性不高,长期变化则趋于稳定,尤其是在2008年首次实现175 m蓄水试验之后;在空间格局上,陆生植物与湿生植物大部分属于类别内部转移,即陆生转为湿生,总体植被覆盖度小幅降低,但后期基本稳定在各占植被类型50%左右。     

土地利用模型在运量预测中的研究

随着我国社会主义市场经济体制的完善,传统计划经济时代的运量预测方法已经不能适应市场经济对运输业提出的要求.考虑到市场经济环境、运输服务性和价值尺度等因素对运量的影响,以及交通量与土地利用状况之间存在的辩证关系,基于应用节点土地利用模型进行区域交通量预测的思路,进一步分析运输生产具有的区域性质等特点,建立适用于区域交通量预测的节点土地利用模型,给出合适的模型求解算法,经实例证明,该模型可比其他预测方法取得更为精确的预测结果.     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

城市化进程中的土地功能转换预测

我国城市化进程在加快,城市用地不足。针对城市用地类型的转变问题,应用主成分分析法确定与城市扩张相关的驱动因子,根据灰色关联度模型的结果确定影响城市化进程的最大因素,结合CD生产函数回归模型,预测未来城市用地面积;确定土地利用转移概率,为未来城市土地扩容与功能变化提供依据。     

寸滩站年最高水位预测模型研究

寸滩水文站是长江上游的主要控制站，分析可知，从20世纪70年代开始，由于年降水量的减少和气温的下降，年最高水位也呈逐渐下降的趋势．本文将灰色系统理论与马尔科夫链理论相结合，以1940年至2003年寸滩站年最高水位序列为研究对象。建立灰色马尔科夫预测模型．从预测结果看出，所建灰色模型大体反映了年最高水位的下降趋势，而经过马尔科夫模型对预测误差进行修正后，模型预测精度提高，计算值与实际值吻合良好．对其他站年最高水位的模拟分析表明，模型精度能满足年最高水位预报要求．说明灰色马尔科夫模型可以应用于长期预报中。     

路基沉降的灰色理论预测及其应用

运用灰色理论，对铁路高填方路基的沉降进行预测，建立了GM(1，1)预测模型．以相同观测时段的GM(1，1)模型为原型，考虑荷载变化，针对地基土体均匀的情况，提出了GM(1，1)修正模型，通过具体实例，对模型的预测结果进行分析，分析表明，用修正模型预估下一级加载后的沉降，选取适当的沉降变化比进行计算，预测值与实测值之间误差小于6％，方法简单可靠，对类似高填方路基工程有一定参考价值．     

基于信息熵的城市新区土地利用动态演变研究——以兰州市新区为例

分析城市用地结构的演变是土地利用优化配置的重要途径之一.以兰州新区1993~2013年土地利用数据为基础,对研究区土地利用类型变化进行分析,并运用信息熵理论对兰州新区土地利用结构进行了时间序列分析,进一步探讨了土地利用类型与信息熵的相关性.结果表明:20年间,兰州新区的耕地和草地面积呈大幅度减少,而受人为影响较大的房屋建筑区、人工堆掘地、构筑物、道路、林地等地类面积所占比例呈增加趋势,林地面积的大幅增加体现了政府部门在植树造林、改善环境方面所做的工作;兰州新区的土地利用结构信息熵、均衡度一直处于明显上升态势,而各土地利用类型的优势度有所降低;耕地、草地的减少,林地、房屋建筑区的增加是导致兰州新区信息熵持续增加的主要因素.     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

轨道交通站点聚类及其对客流预测的影响分析

城市轨道交通站点受多层面因素交互作用而反映出异质性，为实现站点精细化分类，本文统筹考虑地铁刷卡数据、兴趣点数据和地铁网络数据，提取客流、土地利用和网络性质等特征，其中，客流层面考虑工作日、周末和节假日等不同日期类型下客流状态，土地利用层面考虑站点辐射区用地强度和均衡性，网络层面考虑节点自身特性和影响能力。构建基于主成分分析与K-means++算法的聚类模型，综合聚类评价指标确定簇数，辨析不同类型站点多维度特性，结合站区土地利用和站点网络特征探讨对出行活动的影响，并设计簇内联合预测和整体联合预测策略，采用3种多元时序预测方法探究站点聚类对预测性能的影响。研究结果表明：考虑全部客流特征时，划分为10簇，考虑工作日进站客流特征时，划分为5簇，充分挖掘客流时变特征能够获得更加精细化的聚类结果；各簇站点客流分布特征与其土地利用及网络特征间存在一定的反馈关系；相比于整体联合预测，通过聚类联合相关性强的站点进行预测，以间接捕获空间相关性的方式能有效提升预测性能，各模型均方根误差平均降低9.04%，平均绝对误差平均降低4.94%。研究结果为站点精细化管理和站区设施建设规划提供依据。