基于BP神經(jīng)網(wǎng)絡(luò)的城市增長邊界預(yù)測
——以北京市為例

付 玲，胡業(yè)翠，鄭新奇

（中國地質(zhì)大學(xué)（北京）土地科學(xué)技術(shù)學(xué)院，北京 100083）

基于BP神經(jīng)網(wǎng)絡(luò)的城市增長邊界預(yù)測
——以北京市為例

付 玲，胡業(yè)翠，鄭新奇

（中國地質(zhì)大學(xué)（北京）土地科學(xué)技術(shù)學(xué)院，北京 100083）

研究目的：構(gòu)建城市增長邊界預(yù)測模型，以北京市為例，研究該模型的可行性。研究方法：嘗試采用BP人工神經(jīng)網(wǎng)絡(luò)方法，結(jié)合GIS和RS技術(shù)，并選定綠地、建筑物、行政中心、主要道路、次要道路、坡度、坡向和海拔8個(gè)對城市邊界擴(kuò)張影響較大的因子，建立城市增長邊界模型（UGBM），并應(yīng)用該模型預(yù)測了北京市2020年城市增長邊界，同時(shí)用面積匹配值法評估了模型的精度。研究結(jié)果：使用UGBM模型預(yù)測城市增長邊界，總的面積匹配值為106%，稍微高估了城市擴(kuò)張面積。研究結(jié)論：基于BP神經(jīng)網(wǎng)絡(luò)的UGB劃定方法對確定城市未來擴(kuò)張方向有指導(dǎo)作用，可為城市規(guī)劃和發(fā)展政策的制定提供指導(dǎo)。

土地管理；城市增長邊界預(yù)測；BP人工神經(jīng)網(wǎng)絡(luò)；訓(xùn)練

1 引言

進(jìn)入21世紀(jì)以來，中國的城鎮(zhèn)化速度迅猛，根據(jù)中國統(tǒng)計(jì)年鑒數(shù)據(jù)，2000年的城鎮(zhèn)化率為36.2%，而2014年則提高至54.77%?？焖俚某擎?zhèn)化雖然促進(jìn)了社會經(jīng)濟(jì)的發(fā)展，但也使得許多城市盲目追求空間的擴(kuò)大，無序蔓延。城市增長邊界作為空間增長管理的政策工具之一，以“生態(tài)優(yōu)先”保護(hù)城市生態(tài)本底，以“精明增長”提升城市內(nèi)部空間績效［1］。能夠控制城市無序蔓延，是提高城市空間發(fā)展質(zhì)量有力的政策措施，也是中國協(xié)調(diào)生態(tài)保護(hù)與經(jīng)濟(jì)發(fā)展矛盾的重要手段。2006年4月實(shí)施的《城市規(guī)劃編制辦法》中對城市總體規(guī)劃綱要首次提出劃定城市增長邊界的要求：提出禁建區(qū)、限建區(qū)、適建區(qū)范圍，并要求研究中心城區(qū)空間增長邊界。2014年，北京、上海、沈陽等14市被選為城市開發(fā)邊界試點(diǎn)城市。

城市增長邊界即UGB，最初是由美國俄勒岡州的塞勒姆市提出的，是劃分城市土地和農(nóng)村土地之間的分界線［2］。后來，城市增長邊界又被給予了更多的定義。Duany和Plater認(rèn)為UGB本身包含控制與引導(dǎo)兩重含義，其構(gòu)成也相應(yīng)地包括鄉(xiāng)村邊界與城市邊界［3］。David等認(rèn)為UGB是被政府所采用來區(qū)分城市化地區(qū)與周邊生態(tài)開敞空間的重要界限［4］。國內(nèi)學(xué)者在引進(jìn)城市增長邊界理論過程中，對城市增長邊界產(chǎn)生了不同理解。有學(xué)者將限建區(qū)、禁建區(qū)、城市建設(shè)用地開發(fā)邊界稱為廣義上的中國UGB，將城市建設(shè)用地開發(fā)邊界稱為狹義上的中國UGB［5-6］。有學(xué)者定義UGB為建設(shè)用地和非建設(shè)用地（農(nóng)用地）的分界線［7-8］。有的學(xué)者將城市增長邊界分為“彈性邊界”和“剛性邊界”，認(rèn)為彈性邊界是動態(tài)的，可隨時(shí)調(diào)整的，剛性邊界是生態(tài)安全底線，不能變動［9-11］。有的學(xué)者定義UGB為滿足城市未來擴(kuò)展需求而預(yù)留的空間［12］。本文將城市增長邊界定義為：以防止城市無序蔓延和保護(hù)土地資源為目的而劃定的允許城市建設(shè)用地?cái)U(kuò)張的最大邊界，邊界以內(nèi)作為城市發(fā)展用地可予以合理利用。

目前，城市增長邊界的劃定方法是關(guān)注的熱點(diǎn)［13］，主要分為以下3種：（1）土地生態(tài)適宜性評價(jià)法。祝仲文選定8個(gè)評價(jià)因子，采用層次分析法確定因子權(quán)重值，通過疊加最終劃定UGB［14］，也有其他學(xué)者采用該法劃定UGB［15-17］。（2）城市增長射線群法。Amin Tayyebi選定城市的多個(gè)中心點(diǎn)，以距離為測度建立預(yù)測模型，模擬城市邊界變化位置，劃定伊朗德黑蘭UGB［18］。其他學(xué)者也采用了該方法預(yù)測UGB［19］。（3）城市空間發(fā)展模擬法。主要采用人工神經(jīng)網(wǎng)絡(luò)［20-21］、元胞自動機(jī)［22-24］、決策樹［25］、智能主體［26］、矢量支撐機(jī)［27］等方法，基于GIS和RS技術(shù)，建立UGB模型。當(dāng)然，也有學(xué)者將這幾種方法結(jié)合起來使用［28-30］。然而其中許多方法在劃定UGB時(shí)存在參數(shù)難確定（如CA模型）［31］、適用范圍有限（如土地生態(tài)適宜性評價(jià)方法）、具有主觀性等缺點(diǎn)，從而影響了這些方法的推廣。人工神經(jīng)網(wǎng)絡(luò)能很好的模擬復(fù)雜的非線性關(guān)系，能從不準(zhǔn)確或帶有噪音的訓(xùn)練數(shù)據(jù)中進(jìn)行綜合，從而獲取較高的模擬精度。同時(shí)神經(jīng)網(wǎng)絡(luò)允許自變量可以是相關(guān)的［32］?；谝陨涎芯浚疚脑趹?yīng)用GIS和RS的基礎(chǔ)上，結(jié)合BP人工神經(jīng)網(wǎng)絡(luò)，建立城市增長邊界預(yù)測模型，并以北京市為例，開展實(shí)證研究。

2 數(shù)據(jù)與方法

2.1研究區(qū)概況

北京是中國的政治、經(jīng)濟(jì)和文化中心，隨著社會經(jīng)濟(jì)的不斷發(fā)展，人口的不斷增多，北京建成區(qū)面積增長迅速。根據(jù)中國城市統(tǒng)計(jì)年鑒數(shù)據(jù)，2000年北京市建成區(qū)面積為490.11 km2，而2010年建成區(qū)面積擴(kuò)張至1186 km2，10年間增長了1.42倍；2013年建成區(qū)面積迅速擴(kuò)張至1306 km2，北京城市建設(shè)用地規(guī)模屢屢突破規(guī)劃目標(biāo)，為了遏制北京城市地區(qū)“攤大餅式”的擴(kuò)張，劃定北京城市增長邊界刻不容緩。

2.2BP神經(jīng)網(wǎng)絡(luò)原理

人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種應(yīng)用類似于生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)來處理信息的數(shù)學(xué)模型或計(jì)算模型。BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，其基本構(gòu)成包括一個(gè)輸入層、一個(gè)或多個(gè)隱含層和一個(gè)輸出層。BP神經(jīng)網(wǎng)絡(luò)一般包括兩個(gè)階段：訓(xùn)練階段和預(yù)測階段。整個(gè)BP神經(jīng)網(wǎng)絡(luò)的工作原理為：在前向傳遞中，輸入信號經(jīng)逐層處理直至輸出層，其輸出結(jié)果如果與期望輸出不同，則會進(jìn)行反向傳播，根據(jù)預(yù)測誤差調(diào)整權(quán)值和閾值，使得網(wǎng)絡(luò)的預(yù)測輸出不斷向期望輸出逼近。經(jīng)過反復(fù)學(xué)習(xí)訓(xùn)練，得到與最小的誤差平方和相對應(yīng)的網(wǎng)絡(luò)參數(shù)（權(quán)值和閾值），訓(xùn)練就可以停止了。然后再輸入類似樣本，則經(jīng)過訓(xùn)練的網(wǎng)絡(luò)會輸出相應(yīng)的誤差最小的結(jié)果。本文就是根據(jù)BP神經(jīng)網(wǎng)絡(luò)的映射原理，模擬城市增長邊界影響因素與邊界之間的復(fù)雜映射關(guān)系，并進(jìn)行未來邊界預(yù)測。

2.3影響因素的選擇

城市增長邊界的影響因素多而復(fù)雜，如自然、社會、經(jīng)濟(jì)、政策等，本文結(jié)合數(shù)據(jù)的可獲得性與BP神經(jīng)網(wǎng)絡(luò)的適用性，選取了綠地、建筑物、行政中心、主要道路、次要道路、坡度、坡向和海拔等因素，對基于BP神經(jīng)網(wǎng)絡(luò)的城市增長邊界預(yù)測方法開展研究。其中海拔對城市的布局和擴(kuò)張有著重要影響，研究表明城市建成區(qū)有向低海拔地區(qū)擴(kuò)張的趨勢［33］。從北京現(xiàn)狀來看，中心城區(qū)基本分布在海拔高度為20—60 m的區(qū)域，未來北京城市也有向低海拔地區(qū)擴(kuò)張的明顯概率。坡度的大小直接影響著城市用地布局和建筑物的布置，坡向也影響著城市建筑物的布置，坡度和坡向的合理選擇會減少不必要的開支，指引著城市的擴(kuò)張方向。綠地是保持生態(tài)平衡的一個(gè)重要因素，一般會限定其不能轉(zhuǎn)變?yōu)榻ㄔO(shè)用地，許多地區(qū)通過劃定綠地保護(hù)區(qū)作為禁建區(qū)和控制建設(shè)區(qū)來控制建設(shè)用地增長，從而對城市的擴(kuò)張產(chǎn)生了一定的影響。建筑物也是城市擴(kuò)張的重要因素之一，離其更近的單元更易被吸收為城市單元。行政中心是一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展好的地方，會帶動著周邊地區(qū)的發(fā)展，同時(shí)也是人口密集的地區(qū)，吸引著大量居民居住在周邊，離其更近的單元更易被吸收為城市單元，影響城市的擴(kuò)張。主要道路和次要道路對城市建設(shè)活動有一定的吸引力，人類利用道路進(jìn)行一系列的生產(chǎn)、生活活動，為了方便，更喜歡居住在道路兩旁，人口的增多，各種設(shè)施會逐步完善，離道路近的區(qū)域更有可能被開發(fā)，從而被吸收為城市單元。

2.4UGB模型設(shè)計(jì)

本文基于RS和GIS技術(shù)，結(jié)合BP人工神經(jīng)網(wǎng)絡(luò)方法，建立UGB模型，預(yù)測北京未來城市增長邊界。其中BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)采用matlab2012b開發(fā)，網(wǎng)絡(luò)結(jié)構(gòu)分為：輸入層，有8個(gè)神經(jīng)元，對應(yīng)影響城市增長邊界變化的8個(gè)預(yù)測變量；隱含層，有8個(gè)神經(jīng)元，選擇tansig（）函數(shù)作為傳遞函數(shù)；輸出層，由一個(gè)神經(jīng)元組成，對應(yīng)的是輸出的距離比例因子，傳遞函數(shù)選擇logsig（）函數(shù)。其具體結(jié)構(gòu)如圖1所示。

3 北京UGB預(yù)測

3.1基礎(chǔ)數(shù)據(jù)

實(shí)驗(yàn)研究區(qū)為整個(gè)北京市，總面積為16410.54 km2。采用的基礎(chǔ)數(shù)據(jù)主要包括2000年北京市土地利用現(xiàn)狀圖、2010年北京市土地利用現(xiàn)狀圖、北京市DEM數(shù)據(jù)以及北京市道路矢量圖。2000年及2010年兩期北京市土地利用現(xiàn)狀圖是由2000年及2010年的30 m×30 m的landsat TM影像解譯而得，從中可提取出兩期的城鎮(zhèn)用地。在ENVI中由兩期遙感影像解譯出綠地、行政中心和建筑物，從DEM數(shù)據(jù)可以得到海拔、坡度和坡向信息。所有的圖像被統(tǒng)一設(shè)置為普通的橫軸墨卡托投影WGS 1984 Zone 50N。

3.2數(shù)據(jù)處理

3.2.1預(yù)測變量 在ArcGIS中用Spatial Analyst下的歐氏距離工具得到點(diǎn)到綠地的距離、點(diǎn)到建筑物的距離、點(diǎn)到行政中心的距離、點(diǎn)到主要道路的距離和點(diǎn)到次要道路的距離，輸出為30 m×30 m的柵格影像。分別用ArcGIS中3D Analyst模塊中的slope工具和aspect工具，對北京市DEM數(shù)據(jù)進(jìn)行坡度和坡向分析，得到30 m×30 m的坡度圖和坡向圖。由此，得到影響北京市城市增長邊界的8個(gè)變量，即：點(diǎn)到綠地的距離、點(diǎn)到建筑物的距離、點(diǎn)到行政中心的距離、點(diǎn)到主要道路的距離、點(diǎn)到次要道路的距離、坡度、坡向、海拔。再通過ArcGIS柵格計(jì)算器工具，對已有的8個(gè)影響因子?xùn)鸥駡D，進(jìn)行歸一化，歸一化公式為：

圖1　BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 The architecture of BP artificial neural networks

式（1）中，x指某個(gè)影響因子的柵格值，xmax是整個(gè)柵格圖中最大的柵格值，xmin是柵格圖中最小的柵格值，此時(shí)得到圖中的柵格值在0—1之間。在8個(gè)變量的柵格圖中，提取2000年和2010年城市邊界線上360個(gè)點(diǎn)的值，這些數(shù)值將作為神經(jīng)網(wǎng)絡(luò)的輸入層。

3.2.2距離比例因子 在ArcGIS中，用2000年及2010年的城鎮(zhèn)用地提取邊界線，將最大連續(xù)區(qū)域歸在一起，離中心城區(qū)較遠(yuǎn)的城鎮(zhèn)用地則被舍棄掉了，最終得到2000年城市邊界線和2010年城市邊界線，當(dāng)然得到的城市邊界線內(nèi)的土地面積小于北京市總的城鎮(zhèn)用地面積。將這兩年的城市邊界線疊加在一起，如圖2所示。以2000年城市邊界線為基礎(chǔ)，應(yīng)用Data Management工具下的Feature to point，得到城市中心點(diǎn)，以該點(diǎn)為參考點(diǎn)，間隔為1度，將邊界線等分為360份，在每個(gè)角度上，中心點(diǎn)到邊界的距離以式（2）計(jì)算。同一個(gè)角度上，每個(gè)方位的比例因子SF被用于從0到1標(biāo)準(zhǔn)化距離，它是相同方位的兩個(gè)連續(xù)時(shí)間的距離與前一個(gè)時(shí)間邊界點(diǎn)到中心點(diǎn)距離的比例，如式（3）所示。

Dit表示中心點(diǎn)i和邊界點(diǎn)t的距離，xi是中心點(diǎn)的橫坐標(biāo)，yi是中心點(diǎn)的縱坐標(biāo)，xt是在城市邊界的t點(diǎn)的橫坐標(biāo)，yt是在城市邊界的t點(diǎn)的縱坐標(biāo)。SF（n2）是n2年邊界點(diǎn)與中心點(diǎn)之間的比例因子。不同方位的比例因子是被用作輸出目標(biāo)去訓(xùn)練ANN。由式（3）可以先算出2010年邊界點(diǎn)與中心點(diǎn)之間的比例因子。

3.3訓(xùn)練和預(yù)測

BP人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練是城市增長邊界模型中最重要的環(huán)節(jié)，其訓(xùn)練的效果如何直接影響到預(yù)測精度。

圖2　北京市2000年和2010年城市邊界Fig.2 The urban boundary for Beijing in 2000 and 2010

將2000年的8組變量的360個(gè)點(diǎn)值輸入神經(jīng)網(wǎng)絡(luò)，其中80%的數(shù)據(jù)用于訓(xùn)練，其余20%的數(shù)據(jù)用于之后的測試，并把2010年相對2000年的距離比例因子作為期望輸出進(jìn)行訓(xùn)練。訓(xùn)練是隨著一組迭代周期進(jìn)行，訓(xùn)練時(shí)設(shè)定一個(gè)目標(biāo)MSE，MSE是期望輸出與實(shí)際輸出之差的平方和，目的是達(dá)到最小的MSE時(shí)能終止訓(xùn)練，以防止訓(xùn)練過度。一旦訓(xùn)練被終止，會得到最終的權(quán)重和閾值。而這些權(quán)重和閾值會被給予神經(jīng)網(wǎng)絡(luò)，結(jié)合已準(zhǔn)備好的未用的樣本測試神經(jīng)網(wǎng)絡(luò)的性能。訓(xùn)練好神經(jīng)網(wǎng)絡(luò)后，將2010年的8組預(yù)測變量數(shù)據(jù)輸入網(wǎng)絡(luò)進(jìn)行預(yù)測，最終得到2020年邊界點(diǎn)和中心點(diǎn)之間的比例因子。

4 結(jié)果分析

4.1訓(xùn)練結(jié)果分析

本次實(shí)驗(yàn)中，用MATLAB編程進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練后，得到的訓(xùn)練結(jié)果如圖3所示，表現(xiàn)了MSE隨著網(wǎng)絡(luò)訓(xùn)練的變化情況。剛開始時(shí)MSE值為0.044，但在3個(gè)訓(xùn)練周期內(nèi)迅速下降到0.033左右，然后3—25個(gè)周期內(nèi)減少了下降幅度，但下降速度依然較快，在25—90個(gè)周期內(nèi)下降趨勢比較平緩，然后在90個(gè)周期后呈持平狀態(tài)大致在0.02以下。最終在99個(gè)周期時(shí)MSE達(dá)到設(shè)定的目標(biāo)0.01，其中設(shè)定該目標(biāo)MSE的原因是防止訓(xùn)練過度影響預(yù)測結(jié)果。

4.2UGBM精度分析

在UGBM中，由于是在得到需要的較小MSE后就終止了訓(xùn)練，因此，對訓(xùn)練網(wǎng)絡(luò)的預(yù)測精度仍有待分析，這里用一個(gè)面積匹配值來評估模型精度。此面積匹配值是預(yù)測要改變地區(qū)的面積，與實(shí)際轉(zhuǎn)變?yōu)槌鞘械貐^(qū)面積的百分比，具體公式如下：

圖3　MSE隨著BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的變化情況Fig.3 MSE value across the training cycles of BP artificial neural networks

P為面積匹配值。P小于100%表示模型低估了城市擴(kuò)張規(guī)模；P大于100%則反映該模型對城市擴(kuò)張面積估計(jì)過高。由此，用預(yù)測時(shí)得到的2010年距離比例因子進(jìn)行一系列計(jì)算，最終得到預(yù)測的2010年的城市邊界，并與2010年實(shí)際的城市邊界疊加在一起得到結(jié)果對比圖4。

圖4　北京市2010年預(yù)測邊界與實(shí)際邊界Fig.4 The predicted boundary and actual boundary of Beijing in 2010

通過計(jì)算得到2010年的預(yù)測改變面積，并與2010年實(shí)際的改變面積進(jìn)行比較，同時(shí)以中心點(diǎn)為參考點(diǎn)，用水平線和垂直線將研究區(qū)域分為4個(gè)區(qū)域，比較這4個(gè)區(qū)域的面積匹配值，看模型模擬結(jié)果在4個(gè)區(qū)域的表現(xiàn)情況。結(jié)果如表1所示，總的面積匹配值為106%，在東北、西北、西南及東南4個(gè)區(qū)域面積匹配值分別為106%、110%、103%和107%，總的相差不大，沒有重大的偏差，而且面積匹配值均大于100%，所以該UGB模型對城市擴(kuò)張面積估計(jì)過高。

表1　不同方向上的面積匹配值Tab.1 PAM values for different directions

4.3模擬結(jié)果分析

將預(yù)測得到的2020年邊界點(diǎn)和中心點(diǎn)之間的比例因子，代入到式（5），n2為2010年，n3為2020年，就可以得到2020年360個(gè)特定方向上邊界點(diǎn)到中心點(diǎn)的距離。根據(jù)一系列數(shù)學(xué)公式的推導(dǎo)，得到計(jì)算坐標(biāo)值的式（6）和式（7），根據(jù)這兩個(gè)公式，就可以算出2020年360個(gè)特定方向上邊界點(diǎn)的位置。

將2020年邊界上的點(diǎn)連接起來就是2020年的城市邊界線，并與2000年和2010年的城市邊界線疊加在一起，可得到結(jié)果圖5。從圖中可以看出北京市的城市擴(kuò)張沿著中心區(qū)域，向四周不斷發(fā)散，每個(gè)方向都有一定的擴(kuò)張，但在正北方向上城市擴(kuò)張的相對較多。就擴(kuò)張范圍來看，通過對比北京市行政區(qū)劃圖，可以知道2020年城市邊界在處于正北方向的昌平區(qū)擴(kuò)張的較多，在東北方向已經(jīng)少部分?jǐn)U張到順義區(qū)，同時(shí)還擴(kuò)張到了西南方向的通州區(qū)、大興區(qū)。

5 結(jié)論

近年來，許多城市以“承載能力已到了極限”為由，盲目追求“大城市”發(fā)展戰(zhàn)略，向周邊盲目擴(kuò)張，這不僅造成城市內(nèi)部空間許多土地的閑置浪費(fèi)，同時(shí)向外擴(kuò)張時(shí)也侵占了不少農(nóng)用地。鑒于此，城市增長邊界的劃定尤其必要，既可控制城市的無序擴(kuò)張，保護(hù)農(nóng)用地，又能提高城市內(nèi)的居住環(huán)境。但選定何種方法來描述城市擴(kuò)張過程中的規(guī)律和劃定城市增長邊界，也是一項(xiàng)非常復(fù)雜的工作。目前已經(jīng)有一些理論方法被運(yùn)用于劃定UGB中，各有其適用性及不足，通過比較分析，本文選取的基于BP神經(jīng)網(wǎng)絡(luò)的UGB劃定方法，操作簡便、可行。

本文根據(jù)資料的可獲得性，選定對城市擴(kuò)張有影響的建筑物、綠地、行政中心、主要道路、次要道路、坡度、坡向及海拔因素，結(jié)合GIS、RS和BP人工神經(jīng)網(wǎng)絡(luò)，建立城市增長邊界模型，預(yù)測北京市2020年的城市增長邊界。研究結(jié)果表明，2020年北京市城市擴(kuò)張呈平穩(wěn)趨勢，所有方向都有所增長，但在正北方向擴(kuò)張較多。通過預(yù)測邊界與實(shí)際邊界的對比值，即面積匹配值，來測定模型精度，得到模型總精度106%，稍微高估了城市擴(kuò)張，總的來說模擬效果較好。

圖5　北京市2020年城市增長邊界的預(yù)測結(jié)果Fig.5 The predicted result of urban growth boundary of Beijing in 2016

實(shí)驗(yàn)表明，本文設(shè)計(jì)的UGB劃定方法對確定城市未來擴(kuò)張方向有一定指導(dǎo)意義，規(guī)劃部門可以根據(jù)劃定結(jié)果，結(jié)合實(shí)際情況和相關(guān)政策，指導(dǎo)城市規(guī)劃編制，合理引導(dǎo)城市發(fā)展。當(dāng)然，本模型尚存在一些不足之處，這主要源于：（1）預(yù)測變量的選擇方面。選定的變量因子較少包括經(jīng)濟(jì)社會方面的因子，比如對城市增長有關(guān)的人口數(shù)量、人民生活質(zhì)量等方面，這些因素不好引入神經(jīng)網(wǎng)絡(luò)；同時(shí)對規(guī)劃政策的模型定量化、自動化處理也考慮不夠，如從京津冀協(xié)同發(fā)展規(guī)劃綱要來看，北京將聚焦通州，加快市行政副中心的規(guī)劃建設(shè)，同時(shí)根據(jù)《北京市城市總體規(guī)劃（2004—2020年）》“兩軸—兩帶—多中心”城市空間結(jié)構(gòu)，鄰近城區(qū)的順義、通州、亦莊等新城將建成一批頗具規(guī)模的綜合商業(yè)區(qū)，這些政策性規(guī)劃必然導(dǎo)致通州、順義和大興等城區(qū)的擴(kuò)張比預(yù)測結(jié)果更多、更廣。（2）BP神經(jīng)網(wǎng)絡(luò)自身缺陷。BP神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)上是一個(gè)無約束的非線性最優(yōu)化計(jì)算過程，容易陷入局部最小點(diǎn)而得不到最優(yōu)結(jié)果，同時(shí)隱含層的確定是靠經(jīng)驗(yàn)或反復(fù)試驗(yàn)來確定的，所以文中訓(xùn)練結(jié)果不一定達(dá)到了最優(yōu)，只是較好結(jié)果。（3）選擇的判定模型精度的方法略顯粗糙，只是大致從4個(gè)基本方向上的預(yù)測改變面積和實(shí)際改變面積的比值來判定，不能深入地評估模擬過程的準(zhǔn)確度。同時(shí)，本文只預(yù)測了2020年的城市增長邊界，仍待對今后城市增長邊界的穩(wěn)定狀態(tài)進(jìn)行深入分析，在未來的研究工作中，進(jìn)一步優(yōu)化BP神經(jīng)網(wǎng)絡(luò)方法，結(jié)合其他方法將更多預(yù)測變量引進(jìn)模型，提高城市增長邊界的預(yù)測精度。

（References）：

［1］ 王穎，顧朝林，李小江.中外城市增長邊界研究進(jìn)展［J］ .國際城市規(guī)劃，2014，29（4）：1 - 14.

［2］ 蔣芳，劉盛和，袁弘.城市增長管理的政策工具及其效果評價(jià)［J］ .城市規(guī)劃學(xué)刊，2007，（1）：33 - 39.

［3］ Duany A， Plater-Zyberk E. The lexicon of the new urbanism. time-saver standard for urban design［M］ . New York： McGraw-Hill，1998： 5 - 11.

［4］ David B，Jennifer F， Kristen N. Public policies for managing urban growthand protecting open space：Po1icy instruments and lessons learned in the United States［J］ . Landscape and Urban Planning， 2004，（69）：271 - 286.

［5］ 龍瀛，韓昊英，毛其智.利用約束性CA制定城市增長邊界［J］ .地理學(xué)報(bào)，2009，64（8）：999 - 1008.

［6］ 吳次芳，韓昊英，賴世剛.城市空間增長管理：工具與策略［J］ . 規(guī)劃師，2009，（8）：15 - 19.

［7］ 段德罡，蘆守義，田濤.城市空間增長邊界（UGB）體系建構(gòu)初探［J］ .規(guī)劃師，2009，25（8）：11 - 14，25.

［8］ 孫小群.基于增長邊界的城市空間管理研究——以重慶市江北區(qū)為例［D］ .重慶：西南大學(xué)，2010.

［9］ 黃明華，田曉晴.關(guān)于新版《城市規(guī)劃編制辦法》中城市增長邊界的思考［J］ .規(guī)劃師，2008，（6）：13 - 14.

［10］ 楊建軍，周文，錢穎.城市增長邊界的性質(zhì)及劃定方法探討——杭州市生態(tài)帶保護(hù)與控制規(guī)劃實(shí)踐［J］ .華中建筑，2010，（1）：122 - 125.

［11］ 王穎，顧朝林，李曉江.蘇州城市增長邊界劃定初步研究［J］ .城市與區(qū)域規(guī)劃研究，2015，（2）：1 - 24.

［12］ 黃慧明.美國“精明增長”的策略、案例及在中國的應(yīng)用思考［J］ .現(xiàn)代城市研究，2007，（5）：19 - 28.

［13］ Sinclair-Smith K. Methods and considerations for determining urban growth boundaries—An evaluation of the cape town experience ［J］ . Urban Forum， 2014，（25）： 313 - 333.

［14］ 祝仲文，莫濱，謝芙蓉.基于土地生態(tài)適宜性評價(jià)的城市空間增長邊界劃定——以防城港市為例［J］ .規(guī)劃師，2009，25（11）： 40 - 44.

［15］ 蔣瑋.成都市中心城區(qū)城市空間增長邊界研究［D］ .成都：西南交通大學(xué)，2012.

［16］ 王玉國，尹小玲，李貴才.基于土地生態(tài)適宜性評價(jià)的城市空間增長邊界劃定——以深汕特別合作區(qū)為例［J］ .城市發(fā)展研究，2012，19（11）： 76 - 82.

［17］ 李旭鋒.哈爾濱城市空間增長邊界設(shè)定研究［D］ .哈爾濱：哈爾濱工業(yè)大學(xué)，2010.

［18］ Tayyebi A， Pijanowski B C， Pekin B. Two Rule-Based Urban Growth Boundary Models Applied to the Tehran Metropolitan Area， Iran［J］ . AppliedGeography， 2011， 31（3）： 908 - 918.

［19］ 石偉偉.武漢市城市發(fā)展邊界的設(shè)定研究［D］ .武漢：華中農(nóng)業(yè)大學(xué)，2008.

［20］ 張世良，葉必雄，肖守中.徑向基函數(shù)網(wǎng)絡(luò)與GIS/RS融合的UGB預(yù)測［J］ .計(jì)算機(jī)工程與應(yīng)用，2012，48（20）：227 - 235.

［21］ Tayyebi A， Pijanowski B C， Tayyebi A H. An urban growth boundary model using neural networks， GIS and radial parameterization： An application to Tehran， Iran［J］ . Landscape and Urban Planning， 2011， 100（1-2）： 35 - 44.

［22］ 劉勇. SLEUTH模型支持下的城市擴(kuò)展方案模擬與評估 ［J］ .經(jīng)濟(jì)地理，2009，29（10）：1661 - 1664.

［23］ 蘇偉忠，楊桂山，陳爽，等.城市增長邊界分析方法研究——以長江三角洲常州市為例［J］ .自然資源學(xué)報(bào)，2012，27（2）：322 - 331.

［24］ 王宗記.城市綜合承載力導(dǎo)向下的城市增長邊界劃定——以常州城市承載力規(guī)劃研究為例［J］ .江蘇城市規(guī)劃，2011，（5）：14 - 17.

［25］ Triantakonstantis D， Mountrakis G， Wang J D. A Spatially heterogeneous expert based（SHEB）urban growth model using model regionalization［J］ . Journal of Geographic Information System， 2011， 3（3）： 195 - 210.

［26］ Arsanjani J J， Helbich M， Vaz E D N. Spatiotemporal simulation of urban growth patterns using agent-based modeling： The case of Tehran ［J］ .Cities， 2013， （32）： 33 - 42.

［27］ Nemmour H， Chibani Y. Multiple support vector machines for land cover change detection： An application for mapping urban extensions［J］ . Journal of Photogrammetry and Remote Sensing， 2006， 61（2）： 125 - 133.

［28］ Puertas O L， Henr í quez C， Meza F J. Assessing spatial dynamics of urban growth using an integrated land use model： Application in Santiago metropolitan area， 2010-2045［J］ . Land Use Policy， 2014， （38）： 415 - 425.

［29］ JokarA J， Kainz W， Moousivand A J. Tracking daynamic land-use change using spatially explicit Markov Chain based on cellular automata： The case of Tehran［J］ . International Journal of Image and Data Fusion， 2011， 2（4）： 329 - 345.

［30］ 勒明鳳.基于CA-Markov模型的香格里拉縣城市增長邊界設(shè)定研究［D］ .昆明：云南大學(xué)，2014.

［31］ 徐穎，呂斌.基于GIS與ANN的土地轉(zhuǎn)化模型在城市空間擴(kuò)展研究中的應(yīng)用——以北京市為例［J］ .北京大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，44（2）：262 - 270.

［32］ 黎夏，葉嘉安.基于神經(jīng)網(wǎng)絡(luò)的元胞自動機(jī)及模擬復(fù)雜土地利用系統(tǒng)［J］ .地理研究，2005，24（1）：19 - 26.

［33］ 葛江濤，吳浩，岳家琛.中國城市誰長得最快［J］ .瞭望東方周刊，2012，（33）：12 - 15.

（本文責(zé)編：陳美景）

The Prediction of Urban Growth Boundary based on BP Artificial Neural Networks： An Application to Beijing

FU Ling， HU Ye-cui， ZHENG Xin-qi
（College of land science and technology， China University of Geosciences， Beijing 100083， China）

The purpose of this study is to establish urban growth boundary model and apply it to Beijing to study the feasibility of the model. In this paper， we tried to use BP artificial neural network combined with geographic information systems （GIS） and remote sensing （RS） technology to establish urban growth boundary model （UGBM）. We selected eight factors that might lead to urban boundary expansion for the model i.e. green areas，buildings，administration centers，main roads， minor roads， slope， aspect and altitude. We used this model to predict Beijing urban growth boundary in 2020， and evaluated the accuracy of this model via a percent area match metric. The results showed that the area match value of this model was 106% when predicting Beijing urban growth boundary. Although this model overestimated urban area slightly， it predicted urban growth boundary quite well in general. It concludes that the model can predict urban growth boundary and it can provide certain guidance for urban planning and urban development policy.

land management； urban growth boundary； BP artificial neural networks； train

F301.2

A

1001-8158（2016）02-0022-09

10.11994/zgtdkx.20160129.145444

2015-10-12；

2015-11-28；網(wǎng)絡(luò)出版日期：2016-01-29

國家自然科學(xué)基金資助（41171440）；中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助（2652015175）。

付玲（1991-），女，四川眉山人，碩士研究生。主要研究方向?yàn)橥恋刭Y源管理與土地規(guī)劃。E-mail： Fuling91@163.com

胡業(yè)翠（1978-），女，山東淄博人，副教授，博士。主要研究方向?yàn)橥恋乩门c區(qū)域可持續(xù)發(fā)展。E-mail： huyc@163.com