EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 4: 423 - 430

DOI: https://doi.org/10.3724/SP.J.1047.2015.00423

Orginal Article

An Urban Road Growth Simulation Model Based on Land Use Intensity

  • YU Linjun ,
  • LIU Yalan , *
Expand
  • Institute of Remote Sensing and Digital Earth, CAS, Beijing 100101, China
*Corresponding author: LIU Yalan, E-mail:

Received date: 2014-06-26

  Request revised date: 2014-09-27

  Online published: 2015-04-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Urban land use dynamically interacts with urban transportation. However, traditional urban space simulation models only focus on the simulation of the impacts of urban transportation on the dynamic changes of urban land use, by using a static road network. Therefore, they cannot express the dynamic interactions between urban land use and transportation. As a result, a simulation model for the dynamic growth of urban road network is required when developing an urban space simulation model with the capability to simulate the dynamic interactions between urban land use and urban transportation. In this paper, an urban road network growth simulation (URGS) model was proposed based on the observed relationship between urban road network density and land use intensity. It is known as the fact that road density is usually proportional to urban land use intensity. The city of Tangshan, which locates in Hebei province, China was taken as the study area. The road network of Tangshan within the City Ring road was reconstructed using the URGS model based on current land use intensity. Results show that the generated road network has a close similarity with the real road network. The URGS model can generate an intuitionistic road network automatically and quickly based on the spatial distributions of land use. Therefore, the impacts of urban land use on road network expanding can be reflected in the URGS model. The impacts of land use on road network would be simulated using the URGS model if the spatial distribution of land use were generated from the traditional urban land use simulation model. Moreover, in the future, the URGS model can be further improved to integrate with urban land use simulation model, thus to produce an urban space simulation model that can simulate the dynamic interactions between urban land use and transportation.

Key words： urban space simulation; land use changes; road growth; land use intensity; road density

Cite this article

YU Linjun , LIU Yalan . An Urban Road Growth Simulation Model Based on Land Use Intensity[J]. Journal of Geo-information Science, 2015 , 17(4) : 423 -430 . DOI: 10.3724/SP.J.1047.2015.00423

1 引言

城市模型分为行为模型和几何模型2类。城市行为模型关注于城市主体行为的模拟,如元胞自动机模型的城市模拟模型[1-4],多智能体模型的城市模拟模型[5-9]及离散选择模型的城市模拟模型[10-13]等。城市几何模型则关注于城市几何形态的自动化构建,如Chen等和Aliaga等分别研究了向量场和案例的路网生成方法[14-15];Lipp等和Wonka 等研究了建筑物的程序化生成方法[16-17];Parish和Müller基于环境敏感的L型系统,使用自定义语法生成路网和简单的建筑物[18];CityEngine是实现这些算法的一个商业软件。Weber等和Vanegas等则尝试使用交互式的方式生成城市几何对象[19-20]。国内学者对城市几何对象的自动生成也进行了有益探索。王朝晖等在城市元胞自动机模型的输出结果上自动布置相应类型的城市建筑模型[21],刘浩及杜忠友等采用编程的方法,将遥感图像矢量化后的图形转为三维几何体[22-23]。
目前,城市行为模型与城市几何模型相互独立。其中,城市几何模型侧重于城市几何对象的程序化生成,由于没有考虑人口、就业、交通可达性等因素,而无法与城市行为模型进行有效整合[19];城市行为模型由于缺少道路扩张模拟工具,而不能模拟城市路网与城市土地利用的动态相互作用。因此,本研究提出了基于土地利用强度的城市道路增长模型,为实现城市行为模型与城市几何模型的整合提供了一种方法。

2 基于土地利用强度的城市道路增长模拟模型

基于类似L-system[26]方法,构建一系列道路延伸规则,使用几何模拟的方法模拟城市道路增长：
（1）城市道路分类及道路增长过程模拟方法
本研究以交通规划专家知识、道路几何设计规范[27-28]及道路几何特征程序化生成相关文献[14-20] 制定城市道路进行分类和道路增长过程模拟策略。
本研究将城市内部道路分为主干道和街区道路2类。主干道构成城市路网的骨架;街区道路在主干道网络的基础上,将城市空间进一步划分为不同的街区。主干道路段包括主延伸方向路段和分支延伸方向路段2类。主延伸方向路段构成了主干道网络的骨架。主延伸方向路段终点包括向前（主延伸方向）、向右（右分支延伸方向）及向左（左分支延伸方向）3个延伸方向。分支延伸方向路段终点只包括向前一个延伸方向。城市道路在已有路网的基础上,从一个或多个积聚中心向城市边缘扩张。城市道路增长模拟分为2步,即首先生成主干道网络,进而在主干道网络的基础上生成街区道路。
（2） 路段延伸方向计算
参考文献[19]的方法,路段延伸方向集θ(s)由个延伸方构成,即 θ ( s ) = { θ 1 , ⋯ θ M } 。当为分支延伸方向顶点时,M=1。当为主延伸方向顶点时,M=3。路段在第个延伸方向的延伸角度 θ m 计算如式（1）所示。
θ m = θ 0 ； m = 1 θ 0 - π 2 + r ； m = 2 θ 0 + π 2 + r ； m = 3 （1）
式中,m=1,…,M; θ 0 为路段原延伸方向;为一个服从正态分布 N ( 0 , σ 2 ) 的随机数;为一个系统变量,由用户指定（默认值为1）。
（3） 新增路段长度计算
研究表明,道路空间分布与土地利用空间分布存在正向关系,土地利用强度越大的地区,道路网络越密集,由更小的路段构成[13,17-19]。基于此关系,道路增长算法为新增路段长度为其所覆盖的土地利用强度达到指定值 p min major ,即从路段生成点开始,沿延伸方向 θ m ,以步长 Δl 为距离,逐步延伸,直到所覆盖的土地利用强度和大于指定值 p min major 。求路段的延伸距离的伪代码为：
double CalculationExtentDistance（ p , x , y , θ m , l 1 , l 2 , p min major ）
{
p + = f ( x , y , θ m , l 1 , l 2 , p min major ) ;
if（ p > p min major ）
{
return l2
}
else
{
l1= l2;
l 2 + = Δl ;
CalculationExtentDistance（ p , x , y , θ m , l 1 , l 2 , p min major ）
}
}
其中, f ( x , y , θ m , l 1 , l 2 , p min major ) 为求以点(x,y)为起点, θ m 为方向,距点(x,y)分别为l1和 l 2 的顶点之间的路段所覆盖的土地利用强度的函数。
（4）路段相交处理
借鉴已有研究成果[19-20],路段相交情况处理方法具体为：
①新增主延伸方向路段与已存在路段相交时,以交点为新生路段的终点,且交点可作为新的延伸起点。
②新增分支方向路段与已存在路段相交时,以交点为终点。
其余相交情况的具体处理方法可参见文献[18]。
（5）路段与障碍物相交处理
根据系统设置,处理与障碍物（水域、公园等）情况,其具体方法可参见文献[19]。

2.1 主干道增长模型

主干道网络生成算法如图1所示：
Fig. 1 The major road network generation algorithm

图1 主干道网络生成算法

（1）初始化路段生成种子点集S。加载初始主干道路段,并计算路段起点到终点方向与主延伸方向夹角。当夹角< 45 ° 时,设该路段为主延伸方向路段;否则,为分支延伸方向路段。以初始主干道路段终点构成路段生成种子点集S。
（2）判断集合S是否为空。如果是,则程序结束;否则,选择集合S的队列的第一个顶点s为新延伸路段的开始顶点,并将s从集合S中移除。
（3）判断顶点s是否在所有延伸方向延伸过。如果是,则返回到第（2）步,处理下一个路段生成点,直到集合S为空。否则,进行下一步。
（4）选取下一个延伸方向,并计算路段在该延伸方向上的延伸角度 θ m 。
（5）计算路段在延伸角度 θ m 上的延伸距离及终点e。
（6）路段与障碍物相交情况处理。
（7）路段与已有路段相交情况处理。
（8）终点e最终处理：如果终点不是交点或新生路段se为主延伸方向路段,则将终点e加入到集合S队尾,返回到第（3）步,在下一个方向上延伸。

2.2 街区道路增长模型

街区道路网以主干道网络为基础,由更短的路段构成。街区道路网生成的算法如图2所示。
Fig. 2 The block street generation algorithm

图2 街区道路生成算法

（1）判断主干道路段集合是否为空。如果为空,则程序结束。否则,执行下一步。
（2）选择一条主干道路段,并将其从主干道路段集合中移除。
（3）将选择的主干道路段进行分割,初始化街区路段生成点集合S。主干道路段分割如图3所示。设路段AB为一主干道路段,则从A点出发,沿着AB方向,以步长 Δl 向前寻找分割点 S 0 ,使得路段 A S 0 覆盖的土地利用 p A S 0 大于 p min s tr eet 。继续以 S 0 为新的起点,沿着AB方向寻找下一个分割点,将所有分割点加入到街区道路的初始生成点集合S。
（4）判断路段生成点集合S是否为空。如果是,则返回到步骤（1）,处理下一条主干道路段;否则选择路段生成点集合S队列的顶点s为新延伸路段的开始顶点,并将s从集合S中移除。
（5）判断顶点s是否在所有延伸方向延伸过。如果是,则返回到步骤（4）,处理下一个路段生成点。否则,进行下一步。
（6）后续步骤与主干道增长算法步骤（5）-（8）相同。
Fig. 3 Segmentation of major road links

图3 主干道路段分割

3 城市道路增长模拟模型案例研究

本研究模型使用C#语言及ArcObject SDK实现。以唐山市环城公路内的道路扩展为实验对象进行了模拟。1976年大地震后,唐山在废墟上重建。故其城市路网扩张具有典型的现代城市发展特点[24-25]。刘立钧等对唐山城市格局发展的研究[24],梁春福等对唐山城市外环线道路系统规划研究[25]。本研究选择唐山路网进行模拟,便于对模型的有效测试。图4（a）为唐山市环城路内实际道路网络,图4（b）为模拟初始条件,包括研究区的土地利用强度空间分布、水域和绿地分布及初始路网。
Fig. 4 The real road network in the study area and the initial road network for simulation

图4 研究区实际路网及模拟初始路网

主干道生成过程如图5所示,首先从初始主干道路段向外延伸,最终覆盖全部研究区域（图5（a）-（d））。图6显示了街区道路生成过程。其中,红色线为已生成的主干道路网路。街区道路（蓝色线）在主干道网络的基础上逐步扩展。最终模拟结果如图7所示。通过目视判断,模拟结果与实际路网（图4（a））具有很高的相似性,从总体上反映出其空间分布特征。本研究使用移动窗口的比较方法[29]及其实现软件[30],选取景观形状指数作为统计指标,比较最终模拟结果与实际路网的空间分布相似性。结果显示,二者的全局相似性指数为0.61,说明模拟结果与实际路网具有较强的空间分布相似性。为了评价模拟结果与实际路网在网路特征上的相似性,统计了实际路网和模拟路网的路段特征（表1）。模拟主干道路网路的路段平均长度、路段数量、最小路段长度及最大路段长度与实际主干道网路非常接近,说明模拟主干道网络与实际主干道网路具有相似的网路特征。街区道路网络模拟结果与实际街区路网的网路特征同样较为相似,但较主干道网路模拟结果与实际路网的相似性差。主要原因是街区道路更受历史原有道路分布、街区设计等因素的影响,因而较主干道网路更为复杂。模型能以土地利用强度快速、自动地生成道路网络,利于未来可与城市土地利用模拟模型相结合。
Fig. 5 Major road network generation

图5 主干道生成

Fig. 6 Block street network generation

图6 街区道路生成

Fig. 7 The final simulation results

图7 最终模拟结果

Tab. 1 Statistics of road segments of the real road network and the simulated road network

表1 真实路网和模拟路网的路段统计

实际主干道网路 模拟主干道网络 实际街区道路网络 模拟街区道路网络
路段数量（m） 184 201 774 957
最小路段长度（m） 124 115 69 66
最大路段长度（m） 3249 2761 3594 1470
平均值（m） 778 847 704 417
标准差（m） 510 545 459 227
模拟结果在一些细节上和实际道路有所偏离,主要原因是城市道路增长的复杂性,决定其不可能实现道路扩展的完全真实模拟。未来的研究需要综合包括土地利用、人口空间分布、地形、交通网络设计、道路改造、修建成本、城市历史文化等多种因素,从道路需求、路线设计的角度构建道路增长规则,实现更贴近实际的道路生成算法。此外,本文仅从土地利用对城市交通的作用角度,研究了城市道路增长的模拟,还未实现完全的城市土地利用与交通互动模拟。城市道路增长和土地利用同步变化模拟,是在城市空间模拟模型中实现交通与土地利用动态相互作用模拟的关键。下一步需构建以项目建设的道路增长微观模拟和土地利用微观模拟,从更细的粒度控制模拟过程,实现道路增长模拟与土地利用变化模拟整合,致使能模拟土地利用与交通的相互作用关系。

4 结论

本文针对城市道路缺少动态变化模拟的问题,通过土地利用空间分布与城市道路网络分布的正向关系研究,以唐山市城市环路内道路网络作为案例,提出一个以城市土地利用空间分布的城市路网自动构建的方法。
该方法模拟结果与实际道路网络具有很强的空间相似性,能反映出土地利用强度对城市道路网络空间分布的影响。其具有很强的可拓展性,可与土地利用模型结合构建能模拟城市土地利用与交通互动作用关系的城市空间模拟模型。同时,研究结果生成的路段与实际路段在空间位置等细节上还有较大差距,主要原因是城市路网发展具有很强的复杂性。除土地利用外,城市路网发展的驱动因素还包括人口空间分布、地形、交通网络设计、道路改造、修建成本、城市历史文化等多种因素。因此,今后的研究需要在模型中考虑更多的影响因素。
本研究目前只是国内的一个城市案例探索,未来需进一步拓展该模型。另外,在更细粒度上实现模拟过程,使其能与城市土地利用变化模型进行整合,实现城市土地利用与交通的动态相互作用的模拟。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Stevens D, Dragicevic S, Rothley K. iCity: A GIS-CA modelling tool for urban planning and decision making[J]. Environmental Modelling & Software, 2007,22(6):761-773.

[2]
Sante I, Garcia A M, Miranda D, et al.Cellular automata models for the simulation of real-world urban processes: A review and analysis[J]. Landscape and Urban Planning, 2010,96(2):108-122.

[3]
Mitsova D, Shuster W, Wang X.A cellular automata model of land cover change to integrate urban growth with open space conservation[J]. Landscape and Urban Planning, 2011,99(2):141-153.

[4]
冯春,马建文,戴芹,等.多维参数反演遗传算法的元胞自动机模型与应用[J].地球信息科学,2005,7(1):71-75.

[5]
Feng Y, Liu Y, Tong X, et al.Modeling dynamic urban growth using cellular automata and particle swarm optimization rules[J]. Landscape and Urban Planning, 2011,102(3):188-196.

[6]
杨青生,黎夏.多智能体与元胞自动机结合及城市用地扩张模拟[J].地理科学,2007,27(4):542-550.

[7]
张鸿辉,曾永年,金晓斌,等.多智能体城市土地扩张模型及其应用[J].地理学报,2008,63(8):869-881.

[8]
Ligtenberg A, Bregt A K, Van Lammeren R.Multi-actor-based land use modelling: spatial planning using agents[J]. Landscape and Urban Planning, 2001,56(1-2):21-33.

[9]
Le Q B, Park S J, Vlek P L G, et al. Land-Use Dynamic Simulator (LUDAS): A multi-agent system model for simulating spatio-temporal dynamics of coupled human-landscape system I. Structure and theoretical specification[J]. Ecological Informatics, 2008,3(2):135-153.

[10]
Waddell P, Ulfarsson G F, Franklin J P, et al.Incorporating land use in metropolitan transportation planning[J]. Transportation Research Part A: Policy and Practice, 2007,41(5):382-410.

[11]
Waddell P.UrbanSim: Modeling urban development for land use, transportation and environmental planning[J]. Journal of the American Planning Association, 2002,68(3):297-314.

[12]
Waddell P, Borning A, Noth M, et al.Microsimulation of urban development and location choices: Design and implementation of UrbanSim[J]. Networks and Spatial Economics, 2003,3(1):43-67.

[13]
Waddell P, Ulfarsson G F.Accessibility and agglomeration: Discrete-choice models of employment location by industry sector[C]. Proceedings of the 82nd Annual Meeting of the Transportation Research Board, Washington D.C, 2003.

[14]
Chen G, Esch G, Wonka P, et al.Interactive procedural street modeling[J]. ACM Transactions on Graphics, 2008,27(3):1-10.

[15]
Aliaga D G, Vanegas C A, Bed, et al. Interactive example-based urban layout synthesis[J]. ACM Trans Graph, 2008,27(5):1-10.

[16]
Lipp M, Scherzer D, Wonka P, et al.Interactive modeling of city layouts using layers of procedural content[J]. Computer Graphics Forum, 2011,30(2):345-354.

[17]
Wonka P, Wimmer M, Fran, et al. Instant architecture[C]. Proceedings of ACM SIGGRAPH 2003 Papers, ACM, 2003:669-677.

[18]
Parish Y I H, Müller P, et al. Procedural modeling of cities[C]. Proceedings of the 28th annual conference on Computer graphics and interactive techniques, ACM, 2001:301-308.

[19]
Vanegas C A, Aliaga D G, Bed, et al. Interactive design of urban spaces using geometrical and behavioral modeling[C]. Proceedings of ACM SIGGRAPH Asia 2009 papers, ACM, 2009:1-10.

[20]
Weber B, Muller P, Wonka P, et al.Interactive geometric simulation of 4D cities[J]. Computer Graphics Forum, 2009,28(2):481-492.

[21]
王朝辉,王海鹰,秦奋.三维虚拟城市自动化生成方法研究[J].地域研究与开发,2008,27(2):118-122.

[22]
刘浩,刘秀婷,戴居丰,等.数字城市三维景观快速自动生成系统[J].计算机应用与软件,2006,23(2):131-133.

[23]
杜忠友,刘浩,张海林,等.数字城市中快速自动生成三维景观的研究[J].软件时空,2006,21(1-3):249-251.

[24]
刘立钧,许琳琳,周立民. 唐山市城市空间发展分析[J].山西建筑,2007(33):34-35.

[25]
梁春福,于立军,甄曦. 唐山城市外环线道路系统规划研究[J].城市,2008(6):47-50.

[26]
Prusinkiewicz P, Lindenmayer A, The Algorithmic Beauty of Plants[M]. Springer-Verlag: New York, 1990:101-107.

[27]
AASHTO. A Policy on Geometric Design of Highways and Streets, 6th Edition[M]. Washington D.C: American Association of State and Highway Transportation Officials, 2011.

[28]
黄兴安. 公路与城市道路设计手册[M].北京:中国建筑工业出版社,2005.

[29]
Hagen-Zanker A.Map comparison methods that simultaneously address overlap and structure[J]. Journal of Geographical Systems, 2006,8(2):165-185.

[30]
Visser H, de Nijs T. The map comparison kit[J]. Environmental Modelling & Software, 2006,21(3):346-358.

Options
Outlines

/

〈 〉