1、基于人工智能模拟的历史文化名城基于人工智能模拟的历史文化名城空间保护规划研究空间保护规划研究南京大学2019,8,281、引言2、城市CAS理论与人工智能 规划空间模拟方法3、历史城区文化空间保护与发展模拟4、历史城区空间功能智能优化研究5、结论汇报目录汇报目录n新时代历史城市文化发掘和建设的必要性新时代历史城市文化发掘和建设的必要性十九大提出了十九大提出了“坚定文化自信，推动社会主义文化繁荣兴盛坚定文化自信，推动社会主义文化繁荣兴盛”的发展的发展总纲；总纲；历史文化名城名镇名村保护条例历史文化名城名镇名村保护条例要求深入研究发掘历史文要求深入研究发掘历史文化遗产的内涵与价值，编制好历史文化名
2、城保护规划，编制好重要保化遗产的内涵与价值，编制好历史文化名城保护规划，编制好重要保护地段的详细规划。护地段的详细规划。n历史文化名城保护思路转变与战略转型历史文化名城保护思路转变与战略转型从单纯的物质保护到物质文化、社会空间综合保护和发展；从单纯的物质保护到物质文化、社会空间综合保护和发展；n人工智能技术在城市规划中的应用人工智能技术在城市规划中的应用新一代人工智能将为城市规划领域包括思想、技术、方法、管理在内新一代人工智能将为城市规划领域包括思想、技术、方法、管理在内的全面变革带来可能性，贯穿城市规划管理全过程的城市规划决策也的全面变革带来可能性，贯穿城市规划管理全过程的城市规划决策也必然
3、会因新一代人工智能的发展和应用而得到优化。必然会因新一代人工智能的发展和应用而得到优化。1、引言n 研究思路研究思路引入CAS理论，将历史城区的社区服务与文化旅游空间看成相互适应的整体，以网络社会感知和遥感遥测大数据建库为基础，构建了基于知识图谱知识图谱、人工人工神经网络神经网络、多尺度多尺度CACA智能模拟智能模拟等系列分析模型，对历史城区的文化空间演变、功能转换的适应性和空间功能优化进行模拟预测。1、引言2、城市复杂适应系统理论与人工智能规划空间模拟方法1980年代，美国的圣塔菲研究所提出了复杂适应系统（CAS）理论，其研究集中到个体与环境的互动作用上，形成了新的一代系统观。上世纪末，学者
4、们逐渐意识到了城市系统主体与环境相互作用的复杂关系。1990年代初，霍兰以纽约市等应用为例概括了CAS的七个基本点。在CAS理论框架内，城市是一个关联着集聚、非线性、多样性、自组织、自适应的系统，这一观点已经成为了城市规划界的共识。近几年来，南京大学数字城市与智慧规划团队在国家自然科学基金面上项目支持下开展了以CAS为理论指导的山地城市适应性规划方法研究，提出了基于中国传统哲学整体观的城市复杂系统认识论框架。该框架将城市系统划分为物质和非物质两大对立统一的“双螺旋结构”组织体系，并由用地、建筑、交通、基础设施和园林5大物质子系统和社会、经济、文化、管理和生态5大非物质子系统组成，在概念模型层面
5、上阐明了城市规划要素的空间复杂性、关联性和适应性特征，从而为城市系统的相互作用模式研究奠定了理论基础。u城市复杂适应系统理论（UCAS, Urban Complex Adaptive System）2、城市复杂适应系统理论与人工智能规划空间模拟方法u人工智能规划空间模拟方法p 城市模拟模型系统动力学模型（SD）：“自上而下”，从宏观出发，能较好地模拟城市社会经济等方面整体的发展态势；离散动力学模型（CA）：“自下而上”，从空间个体行为的微观角度出发，自下而上研究城市空间的动态演变特征和规律。p 机器学习随着大数据、人工智能时代的到来，以人工神经网络、决策树为代表的机器学习算法被应用到土地利用模
6、拟和预测的研究中来，为辅助城乡规划决策和设计提供了有力的技术手段。3、历史城区空间功能智能优化研究案例案例1 1：瑞金城区文化瑞金城区文化空间演进空间演进模拟研究模拟研究十九大提出了“坚定文化自信，推动社会主义文化繁荣兴盛”的发展总纲。2015年8月，瑞金市被列为国家历史文化名城地方政府大力发展红色旅游。瑞金红色文化的弘扬，需要发挥历史文化遗产的社会价值，激活各类文化遗产空间。3、历史城区空间功能智能优化研究瑞瑞金地域红金地域红色革命文化和优秀传统色革命文化和优秀传统文文化体系框架化体系框架基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究瑞金中心城区
7、历史文化资源梳理：按空间尺度从不同层面对瑞金中心城区的历史文化资源进行梳理，包括历史城区、历史地段以及文物保护单位三个层次。在空间分布上，主要聚集于东北和西南，在叶坪、沙洲坝和绵江沿岸分布较为集中历史年代主要以清代及近代为主类别以近现代重要史迹及代表性建筑为主文物保护单位3中心城区范围包括3个历史文化街区，2个历史地段，以及4个历史建筑组群历史地段2历史城区是瑞金古城址所在区域，历史风貌保存相对较为完整历史城区总面积约1.6平方千米历史城区1历史城区历史地段（部分）文保单位年代分布文化空间界定：文化空间界定：基于以上对瑞金中心城区历史文化及城市空间的分析，将文化空间界定为文化遗产的建筑场文化遗
8、产的建筑场所本身及周围空间，以及其他具有明确文化主题的公共活动场所所本身及周围空间，以及其他具有明确文化主题的公共活动场所，具体包括：博物馆、展览馆等文化设施用地，文化主题公园等公园绿地，庙宇祠堂、会馆书院等传统文化场所，以及旅游景区。根据文化空间界定标准，从用地数据中提取出瑞金市文化空间分布现状，具体包括城市用地分类中的文化设施用地文化设施用地（A2A2）、文物古迹用地（）、文物古迹用地（A7A7）、绿地与广场用地（）、绿地与广场用地（G G）中的大型文化广场或纪念公园）中的大型文化广场或纪念公园，占据较大面积的文物建筑本体与其一定范围内的周围空间，以及历史文化街区或历史地段的核心保护范围。
9、瑞金中心城区文化空间分布现状瑞金中心城区文化空间分布现状基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究模型精度验证模型精度验证模型构建与数据处理模型构建与数据处理多情景模拟未来空间变化多情景模拟未来空间变化基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究将土地类型划分为文化空间用地、其他城文化空间用地、其他城市建设用地、水域、农林用地、未建设用地市建设用地、水域、农林用地、未建设用地5类其中，其他城市建设用地包括城市建设用地（H11）中除文化空间之外的其他所有用地，水域为用地分类中的水域（E1），农林用地
10、对应用地分类中的农林用地（E2），未建设用地对应其他非建设用地（E9）。类型变量数据处理方法交通区位距高铁站距离距离分析距汽车站距离距离分析距城市道路距离距离分析自然地形高程坡度地形分析社会经济距居住区距离距离分析距商业设施距离距离分析距公共服务设施距离距离分析城市空间基质：自然水域及山林绿地提取分析斑块：历史文化保护区提取分析廊道：距绵江距离距离分析距文保单位点距离距离分析距城市公园绿地距离距离分析驱动力因子选取驱动力因子选取用地类型划分用地类型划分基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究瑞金中心城区用地变化影响因素瑞金市2005年（左）与
11、2018年（右）用地现状模型精度验证模型精度验证模型构建与数据处理模型构建与数据处理文化空间建设建议文化空间建设建议多情景模拟未来多情景模拟未来空间变化空间变化基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究基于神经网络的各类型用地适宜性概率计算基于神经网络的各类型用地适宜性概率计算FLUS模型通过神经网络算法由初始土地利用数据和各类驱动力因子得出不同类型用地的适宜性概率，神经网络训练样本从数据中一定比例的采样获得。输入初始年份数据和驱动力因子数据，各参数设置如下：采样方式，均匀采样；采样参数，设置为15（单位：千分之一）；隐藏层数量，设置为13。基
12、于2005年用地数据的适宜性概率分布驱动力因子驱动力因子初始用地初始用地BPBP神经网络神经网络适宜性概率适宜性概率模型精度验证模型精度验证模型构建与数据处理模型构建与数据处理文化空间建设建议文化空间建设建议多情景模拟未来多情景模拟未来空间变化空间变化基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究初始用地初始用地轮盘赌机制轮盘赌机制模拟结果模拟结果u模拟结果中，文化空间的模拟结果较真实数据略微偏多，模拟结果偏差基本是在城市建设过程中被更替的街边小型广场；其余模拟结果较为准确，用地位置大体一致而边界范围与真实数据有一定差异。u模拟结果较好地模拟了建设
13、用地向东北和向西方向的扩张过程，在中心区位模拟较为准确，在边缘部分偏差更为明显，模拟结果倾向于连片聚集的分布情况，较难模拟出真实情况中部分零散分布的村庄建设用地。瑞金市瑞金市20182018年用地现状年用地现状20182018年用地年用地模拟结果模拟结果模型精度验证模型精度验证模型构建与数据处理模型构建与数据处理文化空间建设建议文化空间建设建议多情景模拟未来多情景模拟未来空间变化空间变化基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究初始用地初始用地轮盘赌机制轮盘赌机制模拟结果模拟结果模拟结果中：文化空间的模拟结果较真实数据略微偏多，模拟结果偏差基本
14、是在城市建设过程中被更替的街边小型广场。模拟结果的Kappa系数大于0.7，模型的模拟精度显著，证明了模型的可行性。瑞金市瑞金市20182018年用地现状年用地现状20182018年用地年用地模拟结果模拟结果用地类型AccuracyKappaOverallAccuracy文化空间0.6571430.7066210.827047水域0.810811其他建设用地0.816278农林0.877773未建设用地0.566282用地模拟结果精度表用地模拟结果精度表模型精度验证模型精度验证模型构建与数据处理模型构建与数据处理文化空间建设建议文化空间建设建议多情景模拟未来多情景模拟未来空间变化空间变化基于基
15、于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究（1）无约束的自然发展情景无约束的自然发展情景：用地扩张趋势明显用地扩张趋势明显；中心片区建设趋近饱和，建成区沿着城镇主要道路蔓延扩展；文化空间用地有少量的增长。（2 2）经济发展和城市扩张的发展情景）经济发展和城市扩张的发展情景：与无约束的发展情景较为一致；建设用地进一步增长建设用地进一步增长，农林进一步缩减；在建成区的东部、北部边缘区域，建设用地及未建设用地蔓延范围更广。（3）文化发展和生态保护的发展情景文化发展和生态保护的发展情景：建设用地扩张得到控制建设用地扩张得到控制，文化空间和生态水域绿地得到保护
16、；文化空间有较好的发展文化空间有较好的发展；建设用地在边缘区域的的增长幅度较低，连绵成片的建成区规模更小。模型精度验证模型精度验证模型构建与数据处理模型构建与数据处理文化空间建设建议文化空间建设建议多情景模拟未来多情景模拟未来空间变化空间变化基于基于FLUSFLUS模型的瑞金城区文化空间演进模拟研究模型的瑞金城区文化空间演进模拟研究文化文化空空间规划建间规划建议：议：采用文化发展与生态保护情景下文化发展与生态保护情景下的模拟结果进行整理分析，为城市发展建设及名城保护规划的编制提供参考和建议。把历史街区或历史地段的环境协调区外围这一最大范围视作现有的历史保护区范围，从模拟结果中提取出现有历史保护
17、区范围外的文化空间用地，剔除已经存在的文化设施类文化空间，得到新增的文化新增的文化空间用地空间用地。结合城市用地现状及规划调整，对新增文化空间用地进行边界修正和破碎面域整合边界修正和破碎面域整合，得出中心城区的中心城区的未来文化空间建设适宜区域未来文化空间建设适宜区域，为城市文化建设和规划工作提供一定参考。文化发展及生态保护情景下文化空间与现有保护区对比未来文化空间建设适宜区域模型精度验证模型精度验证模型构建与数据处理模型构建与数据处理文化空间建设建议文化空间建设建议多情景模拟未来多情景模拟未来空间变化空间变化4、历史城区空间功能智能优化研究案例案例2 2：基于机器学习耦合：基于机器学习耦合C
18、ACA模型的城市用地模型的城市用地 演变研究演变研究以长汀县城为例以长汀县城为例4、历史城区空间功能智能优化研究长汀县位于福建省西部山区，汀江上游，武夷山南麓，素有长汀县位于福建省西部山区，汀江上游，武夷山南麓，素有“八山一水一八山一水一分田分田”的称号，被新西兰作家路易的称号，被新西兰作家路易艾黎称为艾黎称为“中国最美丽的小城市之一中国最美丽的小城市之一”。长汀县历史文化悠久，自唐代建城以来，一直是州、郡、路、府治所在地，是长汀县历史文化悠久，自唐代建城以来，一直是州、郡、路、府治所在地，是闽西重要的政治、经济和文化中心，也是客家人祖地和国家级历史文化名城。闽西重要的政治、经济和文化中心，也
19、是客家人祖地和国家级历史文化名城。基于机器学习耦合CA模型的城市用地演变研究 建模思路：建模思路：阐释不同尺度城市发展内涵的基础上，耦合机器学习和元胞自动机模型，构建城市用地演变模拟和预测模型。系统动力学模型解释了人口、经济、环境和交通等宏观因素对城市各种用地目标总量的影响；人工神经网络模型用于计算社会经济、空间规划、生态环境、道路交通四类因子驱动下各种用地适宜性概率，探讨城市用地与各种驱动因子之间的空间耦合关系；决策树模型用于探究各类驱动因子对用地演变的影响，明确用地转换规则。系统动力学建模步骤和过程长汀县城城市土地利用系统由土地利用、人口、环境、经济和交通五大子系统构成。从复杂系统的角度来
20、看，这五个子系统之间彼此关联和相互作用，形成一个复杂的巨型系统。基于机器学习耦合CA模型的城市用地演变研究 长汀县城城市土地利用系统模型流图根据系统因果关系图和变量设计，构建长汀县城城市土地利用系统模型流图，包括57个变量和71条反馈回路。基于机器学习耦合CA模型的城市用地演变研究 基于人工神经网络的城市用地适宜性基于人工神经网络的城市用地适宜性三层人工神经网络结构人工神经网络运算过程图基于机器学习耦合CA模型的城市用地演变研究 基于基于决策树的决策树的的元胞转换规则的元胞转换规则l 决策树（DecisionTree，DT）是一种基于树结构来进行决策的机器学习分类算法。决策树算法的核心在于选择
21、最佳划分属性，即确定合适的分类结点。通常，一个决策树由三部分组成：一个根结点、若干内部结点和若干个叶结点。l 针对研究对象的某个属性，决策树会提出判定问题，并将判定结果进一步导出为下一个判定问题进行判断，直至导出最终结论。l 决策树在训练阶段，输入当前的土地利用类型、各种土地利用空间演变的驱动因子，以及邻域内某种土地利用的栅格统计值，最后生成其他土地利用演变为该种土地利用的转换规则决策树。基于机器学习耦合CA模型的城市用地演变研究 城市用地空间演变模拟用地代码用地代码用地类型用地类型2014年栅格数量年栅格数量2016年栅格数量年栅格数量变化值变化值变化率变化率A1行政办公用地13447916
22、01092563019.06%A2文化设施用地32434492541682051.86%A3教育科研用地3250283585943356610.33%A4体育用地219902199000.00%A5医疗卫生用地48577614441286726.49%p 各种用地规模变化计算（部分）p 各种用地类型的用地适宜性计算筛选出的18个强相关驱动因子，利用BP人工神经网络模型，计算各种用地类型的用地适宜性基于机器学习耦合CA模型的城市用地演变研究 p 用地空间演变模拟结果p 精度检验2016年城市用地空间演变模拟结果单一用地空间演变模拟结果在模拟精度检验方面，通过Kappa系数指标对模拟结果进行精度检
23、验，采用随机抽样方法，抽样率为10%。经过计算，模拟结果的Kappa系数为0.851，总体精度为0.883，满足精度要求。基于机器学习耦合CA模型的城市用地演变研究 p 城市用地空间演变预测构建“土地利用-人口-经济-环境-交通”系统动力学模型，本节以2016年为起始年，预测在不同发展情境下研究区未来十年的各项指标的变化趋势，重点关注各种用地的规模变化，为后续城市用地空间演变预测提供总量约束条件基于机器学习耦合CA模型的城市用地演变研究 p 情景设置情境2：坚守底线情境1：延续现状情境3：转型发展研究区三种发展情境下2016-2025年生产总值和总人口预测值变化趋势研究区三种发展情境下2016
24、-2025年工业废水和废气排放总量预测值变化趋势情境三发展模式下，城市发展模式实现从增量扩张到存量更新的转型，人均农林用地面积保持不变，人均绿地与广场用地逐年增加，各类污染物排放量相比前两种发展情境明显下降，生产总值和人口总量也明显优于前两种发展情境，城市经济社会实现与生态环境的协调发展。基于机器学习耦合CA模型的城市用地演变研究 p 转型发展情境下的城市用地空间预测u 2025年各种用地数量和结构预测值u 2025年城市用地空间演变预测结果基于机器学习耦合CA模型的城市用地演变研究 5、结论n瑞金实证表明，对历史城区空间的智能模拟，能够更为科学地认知空间发展脉络，通过模拟未来的城市功能空间布局，为历史文化名城保护规划的编制提供科学依据。n福建长汀实证表明，借助机器学习耦合元胞自动机模型，构建的一种适用于我国城市更新过程中的城市用地演变模式分析方法，可以更好地探究历史文化名城保护与发展兼容的城市空间增长模式。
