專利名稱：基于住房選擇的智能城市規劃模型動態微觀仿真方法
技術領域：
本發明屬于城市規劃領域，涉及一種仿真預測方法，更具體的是涉及一種基于住房選擇的智能城市規劃模型動態微觀仿真方法。
背景技術：
城市是一個非常復雜的系統，不僅有城市內外資金、信息、人口和技術等的交流和轉換，城市在自身不斷經歷著城市增長、城市更新和城市衰退等復雜動態的演變過程中，隨著人口增長、城鎮化以及工業化三大高峰疊合期的到來，城市規劃越來越難以控制，城市土 地利用面臨著嚴峻的形勢。因此，加強對城市規劃的研究顯得尤為必要，具有現實意義。基于住房選擇的智能城市規劃模型動態微觀仿真方法是一個通過對居民的住房影響因子建模來模擬居民選擇住房的過程，可以預測城市各區域人口和消費水平的變化，從而為當前城市土地發展、建設、管理和規劃提供決策支持。

發明內容
本發明所要解決的技術問題是提供一種基于住房選擇的智能城市規劃模型動態微觀仿真方法，該模型動態微觀仿真方法利用離散選擇模型技術，解決了如何在現有土地利用信息和居民信息的條件下土地利用狀況和居民住房選擇因子間的相互影響，并為城市規劃提供決策支持的難題。離散選擇模型里的區域單元采用動態離散化分析，結合當前土地利用狀況和城市居民統計信息，利用統計學方法仿真出未來城市各區域人口遷移分布情況和消費水平走勢。仿真結果為城市建設規劃者對現有的土地使用政策是否進行合理的調整以達到利益最大化提供參考決策支持。本發明所采用的技術方案是一種基于住房選擇的智能城市規劃模型動態微觀仿真方法，是利用蒙特卡洛技術產生新的住房信息，將居民按照家庭結構、家庭收入和工作地點進行分類，每一類居民在選擇住房時有相似的選擇因子，利用最大似然估計法來估計效用方程系數，利用相對效用、t統計值和可調對數似然比對模型的貢獻度、信任度和擬合優度進行檢測以優化模型的模擬能力，結合多項指數離散選擇的微觀規劃模型來計算效用值和效用概率，利用蒙特卡洛技術模擬住房選擇，從而模擬和預測城市土地利用變化，為城市建設、管理和規劃提供決策支持。更進一步的方案是所述基于住房選擇的智能城市規劃模型動態微觀仿真方法的具體步驟為步驟一利用蒙特卡洛技術對城市土地空間資源和現有城市居民信息進行處理，產生新的住房信息，將居民按照家庭結構、家庭收入和工作地點予以分類，每一類居民在選擇住房時有相似的選擇因子，結合多項指數離散選擇模型與城市住房信息建立多項指數離散選擇的微觀規劃模型；步驟二 利用現有城市居民信息，結合最大似然估計法計算出步驟一中的多項指數離散選擇的微觀規劃模型的效用函數系數及其相對效用值、t統計值和可調對數似然比，利用相對效用值、t統計值和可調對數似然比對模型的貢獻度、信任度和擬合優度進行檢測以優化模型的模擬能力；步驟三計算出步驟二中多項指數離散選擇的微觀規劃模型效用方程的效用值、效用概率及其累計概率；利用蒙特卡洛方法產生隨機數，選擇隨機數落入的累計概率區間所對應的住房，將選擇結果結合GIS技術進行動態圖形化顯示。更進一步的方案是所述的步驟一中將居民按照家庭結構、家庭收入和工作地點予以分類，每一類居民在選擇住房時有相似的選擇因子的步驟為 步驟A、將居民根據家庭收入高低、家庭是否有小孩上學和工作地點是否在家的屬性分為8類；步驟B、將居民考慮的住房因子，根據多項指數離散模型建立效用方程。
更進一步的方案是所述步驟二的具體步驟為步驟a、對現有住房信息進行抽樣；步驟b、利用最大似然估計法和抽樣住房信息對效用方程系數進行預測，并返回相對效用、t統計值和可調對數似然比；步驟C、去除相對效用中的較小值，并觀測t統計值和可調對數似然比的變化，不斷修改效用變量使得模型的可信度和擬合優度增加，預測誤差越小，以優化模型。更進一步的方案是步驟三中的選擇隨機數落入的累計概率區間所對應的住房的選擇步驟為步驟I、結合居民信息和GIS空間數據計算出每個選擇者對待選擇住址的效用值Uni = Vni+ ε ni ；步驟II、計算出選擇者對每個待選住房的住址選擇概率；步驟III、根據步驟II得出每個待選住房的(0，I)累計概率區間；步驟IV、利用蒙特卡羅方法產生概率分布是(0，I)上均勻分布的T次隨機數，隨機數落入步驟III中的累計概率區間，落入次數最多的累計概率區間所代表的住房將為所選;步驟V、當不同選擇者對同一住房有選擇趨勢，則比較選擇次數，該住房為選擇次數多的選擇者所得，其他選擇者退而求其次；步驟VI、結合GIS技術,將選擇結果動態顯示,供決策者參考。更進一步的方案是步驟b中的預測步驟為I)、第η個人的選擇能夠準確觀測到的概率為Ff(A).''"
I式中當第η個人選擇i時，yni = I，否則yni = O ;2)、假定每個選擇者之間的選擇是獨立的，則每個選擇者的選擇能夠被準確觀測到的概率為Ιλβ)= nnw.
η—I i式中β為效用方程系數；3)、將L(i3 )取對數線性化得到最大似然估計函數
權利要求
1.一種基于住房選擇的智能城市規劃模型動態微觀仿真方法，其特征在于利用蒙特卡洛技術產生新的住房信息，將居民按照家庭結構、家庭收入和工作地點進行分類，每一類居民在選擇住房時有相似的選擇因子，利用最大似然估計法來估計效用方程系數，利用相對效用、t統計值和可調對數似然比對模型的貢獻度、信任度和擬合優度進行檢測以優化模型的模擬能力，結合多項指數離散選擇的微觀規劃模型來計算效用值和效用概率，利用蒙特卡洛技術模擬住房選擇，從而模擬和預測城市土地利用變化，為城市建設、管理和規劃提供決策支持。
2.根據權利要求I所述的基于住房選擇的智能城市規劃模型動態微觀仿真方法，其特征在于所述基于住房選擇的智能城市規劃模型動態微觀仿真方法的具體步驟為 步驟一利用蒙特卡洛技術對城市土地空間資源和現有城市居民信息進行處理，產生新的住房信息，將居民按照家庭結構、家庭收入和工作地點予以分類，每一類居民在選擇住房時有相似的選擇因子，結合多項指數離散選擇模型與城市住房信息建立多項指數離散選擇的微觀規劃模型； 步驟二 利用現有城市居民信息，結合最大似然估計法計算出步驟一中的多項指數離散選擇的微觀規劃模型的效用函數系數及其相對效用值、t統計值和可調對數似然比，利用相對效用值、t統計值和可調對數似然比對模型的貢獻度、信任度和擬合優度進行檢測以優化模型的模擬能力； 步驟三計算出步驟二中多項指數離散選擇的微觀規劃模型效用方程的效用值、效用概率及其累計概率；利用蒙特卡洛方法產生隨機數，選擇隨機數落入的累計概率區間所對應的住房，將選擇結果結合GIS技術進行動態圖形化顯示。
3.根據權利要求2所述的基于住房選擇的智能城市規劃模型動態微觀仿真方法，其特征在于所述的步驟一中將居民按照家庭結構、家庭收入和工作地點予以分類，每一類居民在選擇住房時有相似的選擇因子的步驟為 步驟A、將居民根據家庭收入高低、家庭是否有小孩上學和工作地點是否在家的屬性分為8類； 步驟B、將居民考慮的住房因子，根據多項指數離散模型建立效用方程。
4.根據權利要求2所述的基于住房選擇的智能城市規劃模型動態微觀仿真方法，其特征在于所述步驟二的具體步驟為 步驟a、對現有住房信息進行抽樣； 步驟b、利用最大似然估計法和抽樣住房信息對效用方程系數進行預測，并返回相對效用、t統計值和可調對數似然比； 步驟C、去除相對效用中的較小值，并觀測t統計值和可調對數似然比的變化，不斷修改效用變量使得模型的可信度和擬合優度增加，預測誤差越小，以優化模型。
5.根據權利要求2所述的基于住房選擇的智能城市規劃模型動態微觀仿真方法，其特征在于步驟三中的選擇隨機數落入的累計概率區間所對應的住房的選擇步驟為 步驟I、結合居民信息和GIS空間數據計算出每個選擇者對待選擇住址的效用值Uni =Vni+ ￡ ni ； 步驟II、計算出選擇者對每個待選住房的住址選擇概率； 步驟III、根據步驟II得出每個待選住房的(O，I)累計概率區間；步驟IV、利用蒙特卡羅方法產生概率分布是(O，I)上均勻分布的T次隨機數，隨機數落入步驟III中的累計概率區間，落入次數最多的累計概率區間所代表的住房將為所選；步驟V、當不同選擇者對同一住房有選擇趨勢，則比較選擇次數，該住房為選擇次數多的選擇者所得，其他選擇者退而求其次； 步驟VI、結合GIS技術,將選擇結果動態顯示,供決策者參考。
6.根據權利要求4所述的基于住房選擇的智能城市規劃模型動態微觀仿真方法，其特征在于步驟b中的預測步驟為 1)、第η個人的選擇能夠準確觀測到的概率為
7.如權利要求4所述的基于住房選擇的智能城市規劃模型動態微觀仿真方法，其特征在于步驟c中不斷修改效用變量使得模型的可信度和擬合優度增加，預測誤差越小，以優化模型的步驟為 步驟I、假定某一子模型效用函數為V= i3axa+i3bxb+PeXjPdXd，為確定a變量在此模型中的影響，將等式右邊第一項取其5%和95%，其余取均值求得AV即為相對效用； 步驟2、求得相對效用圖； 步驟3、相對效用值較小即該變量對該子模型貢獻小，去除相對效用小的的變量，并觀測t統計值和可調對數似然比的變化，t統計值越大則模型越穩定，可調對數似然比越小即擬合優度越高，預測誤差越小，以此來優化模型。
全文摘要
本發明涉及一種基于住房選擇的智能城市規劃模型動態微觀仿真方法，利用蒙特卡洛技術產生新的住房信息，將居民按照家庭結構、家庭收入和工作地點進行分類，每一類居民在選擇住房時有相似的選擇因子，利用最大似然估計法來估計效用方程系數，利用相對效用、t統計值和可調對數似然比對模型的貢獻度、信任度和擬合優度進行檢測以優化模型的模擬能力，結合多項指數離散選擇的微觀規劃模型來計算效用值和效用概率，利用蒙特卡洛技術模擬住房選擇，從而模擬和預測城市土地利用變化，為城市建設、管理和規劃提供決策支持。本發明能為城鎮土地規劃決策者提供決策支持，也可對土地規劃政策的調整可行性進行評估，適應于我國城市建設管理規劃的需求。
文檔編號G06Q10/04GK102968672SQ20121049130
公開日2013年3月13日 申請日期2012年11月27日 優先權日2012年11月27日
發明者許進, 陳麗鋒 申請人:中國地質大學(武漢)