范文洋 ，唐林楠 ，劉 玉

（1.北京舜土規(guī)劃顧問有限公司，北京 100070；2.北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097；3.國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097）

城市是一個開放的復(fù)雜巨系統(tǒng)，隨著社會生產(chǎn)力的提高和經(jīng)濟發(fā)展，城市擴展成為一種必然趨勢。作為一種空間現(xiàn)象，城市擴展綜合反映了城市化進程中的空間布局與結(jié)構(gòu)變化[1]。伴隨經(jīng)濟全球化以及國內(nèi)人口、資源與環(huán)境壓力的日漸增加，既有的城市用地粗放增長、空間布局無序化的發(fā)展思路使得我國城市擴展面臨一系列問題[2-3]，城鄉(xiāng)發(fā)展面臨新的轉(zhuǎn)型，如何引導(dǎo)城市由無序發(fā)展轉(zhuǎn)向有序、集約、精明式的良性發(fā)展值得關(guān)注。因此，通過城市擴展分析有效把握城市生長規(guī)律，實現(xiàn)城市空間規(guī)范控制，將對促進城市空間良性擴展至關(guān)重要[4]。目前，眾多學者系統(tǒng)研究了城市擴展形態(tài)、擴展模式、動力機制、模擬預(yù)測、效應(yīng)與調(diào)控等，試圖從定性和定量兩個維度解析城市擴展。由于城市擴展具有不確定性、混沌等特征[5]，基于邏輯回歸、元胞自動機、多智能體等模型的定量化研究日漸增多，成果相對豐富，但多數(shù)模型參數(shù)和轉(zhuǎn)換規(guī)則確定時主觀性強，一定程度上影響了模型精度。相比之下，人工神經(jīng)網(wǎng)絡(luò)模型（artificial neural network，ANN）是模擬人腦結(jié)構(gòu)和智能的一項前沿研究，具有極大的靈活性、自適應(yīng)性和無需人為確定模型參數(shù)等特征，在解釋、分析城市擴展方面具有明顯優(yōu)勢[6]。隨著人工智能領(lǐng)域的發(fā)展，網(wǎng)絡(luò)類型日趨多樣化、網(wǎng)絡(luò)結(jié)構(gòu)及算法也日漸成熟，其在城市擴展方面的應(yīng)用研究也逐漸增多。本文依托中國知網(wǎng)（CNKI）的“核心期刊”“CSSCI”“學位論文”以及外文期刊數(shù)據(jù)庫資源，通過檢索“城市擴展”“城市土地利用”“神經(jīng)網(wǎng)絡(luò)（ANN）”等關(guān)鍵字段梳理相關(guān)文獻，發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)模型已在城市擴展用地信息提取、城市用地效益評價、城市擴展模式識別以及城市擴展模擬預(yù)測等方面取得一定進展。據(jù)此，本文通過系統(tǒng)分析上述四個方面的研究進展，并展望未來研究趨勢，以期推動和深化城市擴展的定量化研究。

1 人工神經(jīng)網(wǎng)絡(luò)模型簡介

20世紀40年代初期，心理學家W.McCulloch和數(shù)學家W.Pitts提出了第一個神經(jīng)計算模型，標志著神經(jīng)網(wǎng)絡(luò)研究的開始；20世紀80年代中后期，人工智能技術(shù)的發(fā)展和多學科知識的交融使人工神經(jīng)網(wǎng)絡(luò)對生物神經(jīng)網(wǎng)絡(luò)有了更好的理解和模仿，具備了并行分布處理、自組織、自學習、魯棒性與容錯性等智能特性，并應(yīng)用在模式識別、方案決策、知識處理等方面。神經(jīng)網(wǎng)絡(luò)的基本組成單元為神經(jīng)元，一般由輸入（感知）器、加權(quán)求和（信息匯聚）器、傳遞（信息傳輸）器和輸出（響應(yīng)）器構(gòu)成。由圖1可知，神經(jīng)網(wǎng)絡(luò)在外界輸入樣本Xi的刺激下不斷改變網(wǎng)絡(luò)的連接權(quán)值乃至拓撲結(jié)構(gòu)，以使網(wǎng)絡(luò)輸出不斷接近期望輸出，這一過程稱為神經(jīng)網(wǎng)絡(luò)的學習過程[7]。當前，代表性的網(wǎng)絡(luò)模型有感知器（perceptron）神經(jīng)網(wǎng)絡(luò)、線性（adaptive linear neuron，Adaline）神經(jīng)網(wǎng)絡(luò)、BP（back propagation）網(wǎng)絡(luò)、徑向基函數(shù)（radial basis function，RBF）網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)（self-organization mapping net，SOM）、反饋網(wǎng)絡(luò)（recurrent networks）等[8]。

圖1 簡單的神經(jīng)元非線性結(jié)構(gòu)模型

2 神經(jīng)網(wǎng)絡(luò)在城市擴展中的應(yīng)用進展

2.1 城市擴展用地信息提取

城市用地信息是城市擴展研究的基礎(chǔ)。城市擴展用地信息提取即利用地物的多光譜特征對遙感圖像進行地物分類并提取變化信息，以實現(xiàn)城市擴展動態(tài)監(jiān)測。在遙感圖像自身空間分辨率以及“同物異譜”“異物同譜”等現(xiàn)象的綜合影響下，監(jiān)督分類、非監(jiān)督分類等傳統(tǒng)分類方法常出現(xiàn)錯分、漏分現(xiàn)象，導(dǎo)致分類精度不高。為此，部分學者已嘗試借助BP、ARTMAP、RBF等神經(jīng)網(wǎng)絡(luò)模型開展遙感圖像分類處理、遙感專題信息提取等，分類精度優(yōu)于傳統(tǒng)分類方法[9-17]。其中，BP網(wǎng)絡(luò)作為人工神經(jīng)網(wǎng)絡(luò)中前饋網(wǎng)絡(luò)的核心部分，在對多光譜影像、中高分辨率影像分類處理上應(yīng)用較為廣泛。近年來，遙感技術(shù)的快速發(fā)展使人們獲取信息的能力提高，也對城市用地信息的提取精度與效率提出更高要求。為了克服神經(jīng)網(wǎng)絡(luò)學習速度慢、訓(xùn)練失敗可能性大等不足，神經(jīng)網(wǎng)絡(luò)與影像的光譜（紋理）特征、其他數(shù)學模型結(jié)合以及改進神經(jīng)網(wǎng)絡(luò)自身算法等研究增多[18-21]，進一步提高了影像分類精度，實現(xiàn)更精細的城市用地信息提取。

綜合來看，盡管人工神經(jīng)網(wǎng)絡(luò)比最大似然法、K-均值法等傳統(tǒng)分類方法更能集成地理信息數(shù)據(jù)，并融合多種樣本特征，從而提高分類精度，但其分類方法也是以光譜特征為基礎(chǔ)，尚未很好地解決“同物異譜”“同譜異物”的現(xiàn)象；而且，神經(jīng)網(wǎng)絡(luò)處理分類結(jié)果的學習過程較長，其分類速度也會減緩。隨著地理信息技術(shù)、地學知識與神經(jīng)網(wǎng)絡(luò)的融合發(fā)展，神經(jīng)網(wǎng)絡(luò)在城市用地信息提取精度方面仍有提升空間。

2.2 城市擴展用地效益評價

城市擴展是城市土地利用動態(tài)演化過程的表達，城市擴展用地效益則是指城市土地資源數(shù)量、質(zhì)量在空間和時間上的安排、使用和優(yōu)化，從而給整個城市帶來的經(jīng)濟、社會、生態(tài)和環(huán)境效益的總和[22-23]，其效益高低是衡量城市擴展合理與否的重要標準。用神經(jīng)網(wǎng)絡(luò)模型評價城市擴展用地效益，能夠避免人為確定評價指標權(quán)重的主觀影響，使評價結(jié)果更客觀。（1）從評價內(nèi)容看，一方面，基于城市擴展用地效益內(nèi)涵，從經(jīng)濟、社會、生態(tài)和環(huán)境等方面評價城市擴展效應(yīng)[24-25]；另一方面，城市土地資源決定了未來城市用地擴展的數(shù)量與方向，開展土地潛力、土地適宜性、土地利用集約以及生態(tài)質(zhì)量等城市土地評價[26-32]，間接反映了城市擴展用地效益。（2）從評價尺度看，學者們傾向于運用神經(jīng)網(wǎng)絡(luò)評價城市及其功能區(qū)的用地效益和差異，而大城市及城市群的擴展效益評價探討較少。

總的來說，神經(jīng)網(wǎng)絡(luò)在城市擴展用地效益評價研究的基本思路是選取與效益相關(guān)的指標，通過構(gòu)建神經(jīng)網(wǎng)絡(luò)模型為指標自動賦權(quán)，不斷結(jié)合實驗數(shù)據(jù)反饋給模型，調(diào)整模型的參數(shù)，進而提供理想的城市用地效益評價結(jié)果，以服務(wù)城市發(fā)展。但由于指標體系的全面性和準確性不夠，城市用地效益的空間動態(tài)分布和城市用地的生態(tài)化研究還比較缺乏，神經(jīng)網(wǎng)絡(luò)在城市擴展用地效益評價研究方面存在一定局限。

2.3 城市擴展模式的識別

模式識別是指對表征事物或現(xiàn)象的各種形式的（數(shù)值的、文字的和邏輯關(guān)系的）信息進行處理和分析，以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程。神經(jīng)網(wǎng)絡(luò)在模式識別方面具有廣泛應(yīng)用，本文城市擴展模式的識別則是基于城市擴展演變過程的空間特征類型總結(jié)，側(cè)重于由外部經(jīng)濟空間活動作用于城市而形成的空間特征變化的歸類。目前，有關(guān)研究多處于定性分析階段，定量測度較少。以神經(jīng)網(wǎng)絡(luò)模型研究為例，現(xiàn)有文獻側(cè)重于不同的分類尺度對城市空間聯(lián)系或布局的影響分析。戴芹等[33]基于遙感數(shù)據(jù)SOFM網(wǎng)絡(luò)分類對北京市填充式、擴張式等五種城市增長方式進行鑒別；龍靜[34]構(gòu)建了土地利用精明增長評價指標體系，并運用BP神經(jīng)網(wǎng)絡(luò)分析了廣西岑溪市土地利用模式；陳園園等[35]運用SOM神經(jīng)網(wǎng)絡(luò)，從不同角度選取指標將遼中南城市群的10個城市劃分為四類；焦利民等基于SOFM網(wǎng)絡(luò)對中國27個城市的擴展特征進行可視化識別，直觀展現(xiàn)了大城市的擴展規(guī)律，并認為我國主要大城市在1990—2010年間經(jīng)歷了快速、低密度擴張的過程[36]。爾后，又結(jié)合空間約束探討武漢城市擴展的特征，使神經(jīng)網(wǎng)絡(luò)在城市擴展模式識別方面進一步發(fā)展[37]。徐海龍等在建設(shè)用地適宜性評價的基礎(chǔ)上，將不同生態(tài)安全格局情景融入SLEUTH模型的排除圖層，對2013—2040年的南京市城市用地空間擴展進行多情景模擬[38]?？傮w而言，基于神經(jīng)網(wǎng)絡(luò)的城市擴展模式研究成果隨城市擴展模擬演化研究內(nèi)容的充實而逐漸豐富，但目前仍以單個城市的模式識別為主，區(qū)域及全國尺度的模式劃分研究不足。

2.4 城市擴展模擬預(yù)測

地理空間格局和演化過程的模擬與預(yù)測是地理學研究的重要內(nèi)容之一。引入神經(jīng)網(wǎng)絡(luò)模型之前，基于微觀個體行為過程分析的元胞自動機模型是最常用的城市擴展模型，但其轉(zhuǎn)換規(guī)則制定主觀性強，仍需更客觀的模型方法闡釋城市擴展的復(fù)雜機理與規(guī)律[39]。根據(jù)神經(jīng)網(wǎng)絡(luò)模型是否具備空間特征，可將現(xiàn)有的城市擴展神經(jīng)網(wǎng)絡(luò)模型分為非空間城市擴展模擬預(yù)測（側(cè)重于城市擴展的用地面積預(yù)測）和城市空間擴展模擬預(yù)測（側(cè)重分析城市空間布局的擴展動態(tài)）兩方面[40]。在對這兩個方面進行分析時，學者們往往采用單一神經(jīng)網(wǎng)絡(luò)或者神經(jīng)網(wǎng)絡(luò)與多種方法相結(jié)合的方式探討。

BP、RBF、小波神經(jīng)網(wǎng)絡(luò)等單一神經(jīng)網(wǎng)絡(luò)應(yīng)用模型是指僅輸入社會、經(jīng)濟、人口等指標，不考慮指標的空間特征的擴展用地預(yù)測，旨在分析神經(jīng)網(wǎng)絡(luò)的預(yù)測精度。比如，趙姚陽、雷波等利用BP神經(jīng)網(wǎng)絡(luò)分別預(yù)測了江蘇省和福州市的建成區(qū)面積[40-41]，預(yù)測結(jié)果優(yōu)于傳統(tǒng)的多元回歸模型；隨后，張曉瑞等[42]采用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測了合肥市建成區(qū)用地面積，其預(yù)測結(jié)果比BP網(wǎng)絡(luò)和多元回歸模型更精確；沈利華等[43]構(gòu)建小波神經(jīng)網(wǎng)絡(luò)模型預(yù)測長沙市建設(shè)用地，結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)模型比灰色BP神經(jīng)網(wǎng)絡(luò)模型和傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的收斂速度快、預(yù)測精度高。在神經(jīng)網(wǎng)絡(luò)與多種方法相結(jié)合的應(yīng)用模擬研究方面，目前集中于利用GIS或元胞自動機與神經(jīng)網(wǎng)絡(luò)的智能耦合實現(xiàn)城市空間擴展用地預(yù)測分析。

（1）在GIS耦合神經(jīng)網(wǎng)絡(luò)預(yù)測城市擴展用地方面，以Bryan等[44]提出的土地利用轉(zhuǎn)化模型（land transformation model，LTM）為代表，在定量分析城市擴展與其影響因子的關(guān)系、城市擴展格局模擬等得到了國內(nèi)部分學者的認同。徐穎等[45]、徐新良等[46]分別以北京和上海為例，詳細分析了模型在定量分析和預(yù)測城市空間擴展中的適用性。隨著人們對城市規(guī)劃和城市擴展內(nèi)涵認識的加深，GIS耦合神經(jīng)網(wǎng)絡(luò)在預(yù)測城市增長邊界方面取得顯著進展，張世良等[47]首次提出利用人工神經(jīng)網(wǎng)絡(luò)、地理信息系統(tǒng)和遙感相結(jié)合的技術(shù)建立具有復(fù)雜幾何形狀的城市增長邊界模型，研究發(fā)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)和GIS技術(shù)的耦合模型在對城市未來增長邊界的計算和預(yù)測更為準確，結(jié)果相對直觀、真實。隨后，付玲等[48]借助GIS和RS分析，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，為城市規(guī)劃和發(fā)展政策制定提供指導(dǎo)。鄧羽等[49]通過構(gòu)建空間邏輯斯蒂模型和元胞自動機城市擴展模型，闡釋了通州城市空間擴展的基本機制，定量模擬與評估通州沿襲既有規(guī)律的發(fā)展情景和城市副中心建設(shè)情景，進而提出了新時期通州城市有序擴展的空間管控建議。

（2）在神經(jīng)網(wǎng)絡(luò)與元胞自動機模型耦合方面，匡文慧等[50]、黎夏等[51]、史曉霞等[52]提出了一種基于神經(jīng)網(wǎng)絡(luò)的CA模型，通過調(diào)整模型的閾值與參數(shù)，旨在比較精準地模擬案例城市的土地利用擴展情景。韋春竹等[53]在神經(jīng)網(wǎng)絡(luò)-CA模型的基礎(chǔ)上引入遺傳算法，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)和遺傳神經(jīng)網(wǎng)絡(luò)算法優(yōu)化的元胞自動機城市土地擴展模型，模型精度和整體預(yù)測時間有所改善。此外，將神經(jīng)網(wǎng)絡(luò)與Markov模型、灰色系統(tǒng)、遺傳算法等方法的結(jié)合也能顯著提高預(yù)測精度[54-59]。綜合而言，不同的城市擴展模擬模型各有相應(yīng)的優(yōu)勢與不足，多種模型之間的相互耦合可以揚長避短、提高城市擴展模擬的精度。隨著學者們對城市空間擴展模擬研究的深入，將神經(jīng)網(wǎng)絡(luò)與不同模型方法相結(jié)合的研究將成為城市擴展模擬預(yù)測的重要趨勢之一。

3 結(jié)論與展望

3.1 存在的突出問題

（1）在研究內(nèi)容方面，城市擴展模擬和預(yù)測研究一直是地理學關(guān)注的熱點。目前，神經(jīng)網(wǎng)絡(luò)在城市擴展應(yīng)用中的研究主要集中在城市遙感影像分類和用地效益評價兩方面?；谏窠?jīng)網(wǎng)絡(luò)的城市遙感影像分類和用地效益評價總體上取得一定成果，能夠更精確和客觀地反映城市擴展的空間和非空間特征，一定程度上促進了城市擴展動因分析和效應(yīng)影響研究。但由于城市自身系統(tǒng)的復(fù)雜性，模型在描述城市擴展與驅(qū)動因子的相互作用、反饋機制、因果關(guān)系方面還有一定的局限性；同時城市擴展的空間模擬和預(yù)測應(yīng)用研究也有待強化。

（2）在研究尺度上，往往集中于單個城市的研究，城市群體和更大尺度的區(qū)域研究較少。隨著遙感、電子導(dǎo)航技術(shù)的發(fā)展等包含豐富地理位置信息的興趣點數(shù)據(jù)、地鐵公交通勤數(shù)據(jù)等城市地理時空大數(shù)據(jù)的涌現(xiàn)，為研究由粗粒度向精細化轉(zhuǎn)變、研究范圍由單一城市向城市群、整個國家乃至全球轉(zhuǎn)變等創(chuàng)造了機遇，但在大地理區(qū)域上建立精細化的城市擴展神經(jīng)網(wǎng)絡(luò)模擬模型，無疑也是對當前地理模擬的計算能力、數(shù)據(jù)質(zhì)量和理論方法等的一種挑戰(zhàn)。此外，神經(jīng)網(wǎng)絡(luò)模式識別功能在城市擴展的應(yīng)用也有待延伸。

3.2 神經(jīng)網(wǎng)絡(luò)在城市擴展研究中的發(fā)展趨勢

人工智能的發(fā)展促使人工神經(jīng)網(wǎng)絡(luò)自身的知識表達逐漸完善和優(yōu)化。隨著《全國國土規(guī)劃綱要（2016—2030年）》的出臺，統(tǒng)籌實現(xiàn)“五位一體”發(fā)展布局，貫徹落實創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的發(fā)展理念以及促進人口資源環(huán)境相均衡、經(jīng)濟社會生態(tài)效益相統(tǒng)一的城市發(fā)展要求日益凸顯。結(jié)合當前神經(jīng)網(wǎng)絡(luò)在城市擴展中的研究現(xiàn)狀以及新型城鎮(zhèn)化的發(fā)展趨勢，以下方面亟待強化：

（1）研究內(nèi)容上，一是強化城市擴展驅(qū)動機制的定量研究。目前，神經(jīng)網(wǎng)絡(luò)模型的功能已在用地信息提取方面有所體現(xiàn)。隨著城市發(fā)展的區(qū)域化，城市擴展驅(qū)動機制更為復(fù)雜，如政策因子、區(qū)域規(guī)劃約束等引起的城市土地利用變化等，未來如何通過神經(jīng)網(wǎng)絡(luò)提取城市擴展驅(qū)動因子并結(jié)合權(quán)重測定驅(qū)動因子的貢獻率是其在城市擴展應(yīng)用的重要研究方向。二是神經(jīng)網(wǎng)絡(luò)在模擬城市擴展時應(yīng)凸顯區(qū)域生態(tài)環(huán)境。生態(tài)環(huán)境質(zhì)量的優(yōu)劣直接影響到城市的擴展速度與規(guī)模，對城市擴展存在較強的約束作用。當今中國正處于城鎮(zhèn)化和工業(yè)化快速發(fā)展期，保護生態(tài)環(huán)境，確保資源有序利用，優(yōu)化國土空間開發(fā)格局，是未來國家城市發(fā)展的新要求。積極考慮新形勢下的政策導(dǎo)向，運用神經(jīng)網(wǎng)絡(luò)模型探索多種空間約束條件下的城市有序擴展，是亟待解決的重要課題。

（2）研究對象上，隨著經(jīng)濟發(fā)展和交通設(shè)施的完善，城市內(nèi)部、城市之間、城市群乃至全國、全球之間的要素流動日趨頻繁，不同尺度的區(qū)域聯(lián)系日漸緊密。并且，主體功能區(qū)戰(zhàn)略背景下，城市發(fā)展區(qū)域化愈加明顯。近年來，國家先后提出中部崛起、京津冀協(xié)同以及雄安新區(qū)建設(shè)等戰(zhàn)略規(guī)劃，旨在打造具有世界影響力的城市群以及優(yōu)化國土空間開發(fā)格局。毋庸置疑，未來這些區(qū)域的城市土地利用結(jié)構(gòu)、空間布局等將發(fā)生重大變化。因此，運用神經(jīng)網(wǎng)絡(luò)區(qū)分不同尺度區(qū)域間的聯(lián)系，探尋大時空尺度上的城市空間擴展機制以及城市群體之間的相互作用規(guī)律，探討城市或城市群的城市增長邊界范圍，揭示城市或城市群發(fā)展的時空格局等，都將有效促進城市空間擴展研究。不同尺度尤其是大中尺度下基于神經(jīng)網(wǎng)絡(luò)的城市擴展模式識別是亟需強化的重要方向。

（3）研究技術(shù)上，盡管人工神經(jīng)網(wǎng)絡(luò)在諸多方面表現(xiàn)出較強的問題求解能力，但也存在著黑箱操作、機理不明等問題。同時，城市擴展的復(fù)雜性決定了任何一個模型很難精準模擬城市擴展。因此，未來基于神經(jīng)網(wǎng)絡(luò)與其他模型相結(jié)合的城市擴展研究思路將是可行方向。