基于网络Voronoi图启发和群智能的空间优化建模方法研究

With the acceleration of urbanization and development of the urban transport network, there is a growing trend towards the spatial differentiation and imbalance of urban public service facilities layout, making it urgent to develop the new spatial analysis model and optimization technique to support the spatial optimization decision-making in urban area. The main target of this research is to achieve the spatial optimization modeling technique based on the heuristic of network Voronoi area diagram and swarm intelligence. Accordingly, the research is characterized by three aspects. First, it develops spatial optimization-oriented high performance construction algorithm of the spatial analysis model of network Voronoi area diagram. Second, the functions of public facility service domain construction, location-associated information mining, and diagram heuristic are developed to establish pratical facility location models based on network Voronoi area diagram heuristic. Third, the particle swarm optimization algorithm is improved to adapt to the optimization of complex urban space, achieving the particle swarm spatial optimization technique with integration of diagram heuristic and multi-subswarms parallel optimization, and a prototype system will be established to achieve the above models, the methods and algorithms. The developed technique will be verified and further improved through the experimental study of the space allocation analysis and spatial optimization of public facility in urban area. In addition, it is confirmed that this technique will play an important role in optimizing the allocation of public resources in urban space as well as promoting the city's scientific development.

随着城市化进程加快和城市交通网络快速发展，城市公共服务设施布局空间差异化和失衡趋势加大，迫切需要新型空间分析模型和空间优化技术支持城市空间优化决策。本项研究以实现基于网络Voronoi面域图启发和群智能的空间优化建模技术为主要目标,研制面向空间优化的网络Voronoi面域图空间分析模型高性能构建算法，开发网络Voronoi面域图在设施服务空间构造、位置关联信息挖掘、提供图启发式信息等方面的独特功能，建立基于网络Voronoi面域图启发的多设施空间优化实用选址模型，对粒子群算法实施适应复杂城市空间优化的性能改进，研发融合图启发式和多子群并行搜索的粒子群空间优化技术与方法，建立实现上述模型、方法和算法的原型系统。通过验证城市公共服务设施空间配置分析和空间优化实验研究，使该项技术得到验证和完善。该项技术的成熟和应用对优化城市空间公共资源配置、促进城市科学发展具有重要意义。

随着城市化进程的快速推进，城市交通网络日趋多元和完善，可达性和通达效率的快速提升导致城市基本公共服务设施与分布需求之间的关联发生重构，公共服务设施空间配置不均衡和差异化趋势加大，制约城市的协调发展，迫切需要新型空间分析模型和空间优化技术支持城市公共资源空间优化决策。本项研究以实现基于网络Voronoi面域图启发和群智能的空间优化建模技术为主要目标，研制面向空间优化性能要求的网络Voronoi面域图模型及其构建算法，构建基于网络Voronoi面域图的多设施空间选址模型及其扩展模型，实现上述模型和多智能粒子群算法有效集成的智能空间优化技术、方法和验证系统。本项目研究取得以下结果：（1）研制了高性能的网络Voronoi图模型以其构建算法，模型可应用于设施空间布局性能的静态分析和动态分析，模拟设施布局的空间效应与空间效益，其构建算法可满足智能空间优化搜索时的海量和实时构图要求；（2）建立了基于网络Voronoi图启发的p-中值选址模型和最大覆盖选址模型，模型充分利用网络Voronoi图挖掘的空间布局关联信息参与分析，模型函数可为智能空间优化搜索提供高信息度和可采纳性的评估；（3）研制了基于网络Voronoi图启发和群智能的空间优化技术和方法，将网络Voronoi图启发的选址模型与融合多智能的粒子群优化算法有效集成，具备在平面连续空间、路网结点空间和路网道路邻近空间选址的空间优化能力，可为城市化区域复杂的多设施空间选址提供智能优化解决方案；（4）实现了基于网络Voronoi图启发和群智能的空间优化验证软件系统，通过对城市典型公共服务设施空间布局的分析与优化实验，验证了所建立的模型、算法、方法和技术的有效性。项目成果对智能空间优化研究具有学术参考价值，可为城市化区域公共设施的空间优化决策提供支持，在城市规划和交通规划等方面具有应用前景。