土地整理項目選址決策支持系統設計與實現

王華 張杰

摘? 要： 基于多目標群智能算法設計并實現一個開放、智能的空間輔助決策支持系統，為我國的土地整理實踐工作提供科學合理的決策支持。研發(fā)了插件式的土地整理項目選址智能決策支持系統，在該系統框架下實現了對土地整理項目區(qū)土地利用現狀分析、土地整理適宜性評價、智能選址等功能。將所提系統應用于湖北省嘉魚縣進行實例驗證，結果表明該系統在土地整理工作實踐中具有實用價值。

關鍵詞： 選址決策支持系統; 土地整理項目選址; 群智能算法; 土地利用現狀分析; 土地整理適宜性評價; 智能選址; 系統價值驗證

中圖分類號： TN99?34; F301.2? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）09?0179?04

Design and implementation of decision support system

for land consolidation project location

WANG Hua， ZHANG Jie

（School of Computer and Communication Engineering， Zhengzhou University of Light Industry， Zhengzhou 450002， China）

Abstract： An open and intelligent spatial aided decision support system is designed and implemented based on the multi?objective swarm intelligence algorithm to provide scientific and reasonable decision support for land consolidation practice in China. A plug?in intelligent decision support system for location of land consolidation projects is developed. In this system， the functions of the situation analysis of land use， land consolidation suitability evaluation and intelligent location in the land consolidation project area are achieved. The proposed system was applied in Jiayu county in Hubei province for verification. The results show that the system has practical value in land consolidation practice.

Keywords： decision support system for location; location of land consolidation project; swarm intelligence algorithm; land use situation analysis; land consolidation suitability evaluation; intelligent location; system value verification

0? 引? 言

土地整理項目選址是將土地整理項目的實施區(qū)域在空間范圍內予以具體落實的一項工作任務，其科學合理性是土地整理項目實施成敗的先決條件?，F有研究重點分析了地形地貌、土壤質量、氣候、交通可達等自然、社會經濟因素對土地整理項目選址的影響[1]，也有部分學者從定量的角度探討利用層次分析法、特爾斐法等方法對土地整理項目的可行性進行評價，以檢驗前期項目選址的科學性[2?4]。上述研究和方法在解決具體的土地整理項目選址問題時雖具有一定的輔助作用，但由于缺乏統一、科學的土地整理項目選址理論及方法體系支撐，導致地方政府在土地整理項目的選址上具有一定的盲目和隨意性，出現項目土地適宜性程度低、空間布局零碎等問題，難以充分發(fā)揮土地整治綜合效益?？蓪⑼恋卣眄椖窟x址問題看作一個多目標空間優(yōu)化問題[5]。近些年人工智能和GIS技術在空間選址、土地資源優(yōu)化配置等方面獲得較多應用[6?10]。針對我國土地整理工作決策支持的實際需求和土地整理項目選址研究現狀，本文基于多目標群智能算法模型，設計了面向土地整理項目選址問題求解的通用算法模型框架。為相關研究及工作人員提供了一個開放、智能的空間輔助決策支持系統，為我國的土地整理實踐工作提供了科學合理的決策支持。

1? 土地整理項目選址決策需求分析

本研究將傳統土地整理項目選址問題抽象為一個多目標空間優(yōu)化決策問題，并借助計算機技術、3S技術為其提供一個智能決策支持平臺。該平臺主要依據土地整理項目選址問題的求解流程來設計與實現，如圖1所示。

土地整理項目選址需重點考慮以下四個問題：

1） 選址問題形式化表達。本研究將土地整理項目問題抽象為一個五元組模型：

[LMLCP=（S，R，O，C，POS）]

式中：LMLCP（Location Model of Land Consolidation Project）代表土地整理項目選址模型;S（Space）表示選址模型的求解空間;R（Rule）表示選址模型的規(guī)則;O（Object）代表選址模型的目標;C（Constraint）為選址模型的約束條件;POS（Pareto Optimal Set）表示選址模型的非劣解集合。

在本模型中，利用矢量圖斑的形式來表達土地整理選址的決策空間，每一個矢量圖斑均為一個決策單元，決策單元的取值由是否被劃進項目區(qū)來決定，即0或1。選址模型的規(guī)則、目標體系、約束條件則是對土地整理項目選址影響因素的分析，將對影響因素的一些定性描述轉化為可量化計算的定量描述。本研究選擇最大新增耕地潛力、最佳土地整理適宜性和最大空間緊湊度為優(yōu)化目標。在決策單元劃定時還需考慮一些約束條件，如項目區(qū)規(guī)模及新增耕地率指標，遵循的規(guī)則需要考慮土地利用類型、地形、道路通達等因素。選址模型的非劣解集合是指能夠使決策者既定的多個目標均獲得較好滿足的解集合，可通過多目標決策方法獲得，每一個非劣解均代表一個土地整理項目選址方案。

2） 多目標群智能求解算法。群智能算法創(chuàng)造了被稱為種群的潛在解集合，算法通過種群中個體之間的相互通信、協作與競爭機制實現對求解問題最優(yōu)解的搜索，往往具有比傳統優(yōu)化算法更迅速地搜索問題最優(yōu)解的能力。本研究提出應用常見的粒子群（PSO）和人工蟻群兩類群智能算法求解LMLCP模型，通過定量化、智能手段為決策者提供不同決策偏好的選址方案。利用多目標優(yōu)化技術研究構建面向土地整理項目的基于粒子群、蟻群算法的空間選址優(yōu)化模型，需將算法基本概念、演化機制與土地整理項目空間選址具體問題進行結合，基于具體問題的求解空間進行粒子、人工螞蟻的個體編碼方案設計，在此基礎上再繼續(xù)進行粒子生成、粒子狀態(tài)更新、螞蟻選擇、信息素更新核心算子的構建。

3） 選址方案可視化表達。本系統將GIS可視化技術與智能方法結合，對個體所代表的空間布局方案進行解譯表達，便于分析校驗優(yōu)化結果及決策支持。該功能主要包含兩個步驟：首先，將經過Pareto排序后推薦的最優(yōu)解進行解譯，基于個體編碼方案將其反向映射為矢量決策數據層的屬性結構表;其次，基于該屬性結構，利用GIS制圖接口實現該數據層的符號化及分類渲染，并配備相應圖例、圖框等專題圖要素，為用戶提供標準的土地整理項目選址方案專題圖。

4） 數據處理與分析。本系統借助GIS強大的空間數據處理能力整合多源異構數據，利用GIS數據管理接口來實現空間決策單元劃分、評價因子量化、數據轉換、數據清理、數據標準化等功能模塊，為LMLCP模型提供數據支撐，并在模型運算過程中提供疊加分析、鄰域分析、多邊形面積統計等空間分析技術，保障模型對海量空間、屬性數據的高效處理。

2? 系統設計

2.1? 系統架構

系統開發(fā)的基本目標在于為土地整理項目選址模型研究者和相關決策者提供一個開放的智能軟件平臺，以提高土地整理項目選址決策水平。本研究在“數據層?業(yè)務層?應用層”三層框架基礎上采用“ 宿主?插件” 模式進行系統架構設計，主要包含數據引擎、支撐類庫、功能插件庫、優(yōu)化算子庫、宿主程序、應用層6個組成部分，如圖2所示。

1） 數據引擎：利用空間數據庫引擎ArcSDE和屬性數據訪問引擎ADO.NET來實現輔助土地整理項目選址決策的海量空間、屬性數據的一體化存儲、管理和訪問。

2） 支撐類庫：包括系統實現所必須的核心組件庫如.net framework，ArcEngine以及為插件擴展開發(fā)所定義的基本工具接口、算子接口、優(yōu)化問題接口等。

3） 功能插件庫：由土地整理項目選址模型工作者基于基礎接口開發(fā)的一系列功能算子插件，為特定模型提供數據處理分析功能。

4） 優(yōu)化算子庫：由群智能算法研究者基于基本算子接口開發(fā)的一系列粒子狀態(tài)更新、螞蟻選擇、信息素更新改進算子，用于實現群智能算法不同的進化操作。

5） 宿主程序：在插件式框架中，宿主程序是一個獨立運行的exe程序，作為系統框架的運行入口，可通過人機交互方式實現項目選址優(yōu)化問題及求解模型的定義，宿主程序根據用戶預先定義好的參數配置及模型流程，動態(tài)調用所需應用插件及算子插件，執(zhí)行優(yōu)化任務并輸出優(yōu)化方案。

6） 應用層：也即系統的主要功能，包括土地整理區(qū)的土地利用現狀統計分析、適宜性評價、基于不同群智能算法的土地整理項目選址優(yōu)化決策等內容。

2.2? 數據庫設計

土地整理項目選址是一個需要海量數據支持的復雜空間決策問題，整個決策過程會涉及到遙感影像、土地利用現狀等各種空間數據，以及社會經濟等屬性數據。因此，為使繁雜的多源異構數據能夠服務于土地整理項目選址的科學決策，必須依托類似Oracle這種大型數據庫管理系統結合ArcSDE空間數據庫引擎實現對時空數據的一體化存儲管理，并且必須制定邏輯結構清晰的數據存儲方案。所以本研究根據數據要素的同源性，在數據庫整體框架的基礎上將全庫劃分為以下邏輯子庫：

1） 基礎地理信息庫：主要采用矢量FeatureClass數據模型存儲行政區(qū)邊界、等高線、流域等基本要素信息;

2） 土地利用數據庫：該庫主要為矢量空間數據，同樣，采用Featclass數據模型存儲土地利用圖斑、線狀地物、點狀地物等土地利用信息，是土地整理項目選址需要依據的基礎數據;

3） 影像庫：主要以柵格數據模型（RasterDataSet）存儲包含高程、坡度等能夠反映地區(qū)地形地貌信息的影像數據;

4） 土地利用規(guī)劃庫：該庫主要為土地利用規(guī)劃、生態(tài)保護區(qū)、軍事敏感區(qū)以及規(guī)劃文本、指標等信息;

5） 土地整治專項規(guī)劃庫：包括對規(guī)劃區(qū)內的土地利用整理潛力分析數據、規(guī)劃文本、各類規(guī)劃圖件等數據;

6） 社會經濟統計數據庫：主要包括當地的GDP、人均收入、財政收入、基礎設施建設等數據，這些因素能夠顯著影響土地整理項目選址;

7） 評價因子庫：主要存儲土地利用單元的整理適宜性評價因子，以及各因子所對應的空間圖層;

8） 選址知識庫：項目選址時需要遵循一定的規(guī)則，并滿足必定的條件，在數據庫中可以將這類知識信息予以存儲，便于選址模型調用;

9） 系統數據庫：主要以關系表模型存儲系統用戶、各類數據字典、各類業(yè)務流程等與系統管理密切相關的數據信息。

2.3? 功能結構設計

為給土地整理項目選址決策提供方便、科學的數據處理、統計分析工具以及決策模型，本文將系統功能劃分為5個一級模塊，21個二級模塊，工程管理模塊集成于宿主程序內，其余模塊則以插件形式分別實現。

1） 工程管理：在系統中以工程的形式管理項目選址工作，每一個工程中需要包括涉及到的項目名稱、指標、數據、模型參數等信息。

2） 數據管理：土地整理項目選址涉及到大量的空間、屬性數據，因此，本模塊為系統提供了數據導入、管理的接口，并基于數據挖掘思想提供了包括屬性約簡、標準化、異常數據剔除等數據處理模塊。

3） 土地利用分析：該模塊主要是為了便于決策者了解規(guī)劃區(qū)域的土地利用現狀，包括對土地利用結構、程度以及整理潛力的分析。

4） 土地整理評價：根據土地適宜性評價的工作流程，在評價單元劃定、因子選擇、因子量化等功能模塊支撐下，系統還提供了基于綜合加權、系統聚類以及自組織特征映射神經網絡（SOM）的評價模型，為土地整理項目選址決策提供重要依據。

5） 項目選址模型：該模塊為系統的核心模塊，本研究將常見的粒子群算法、蟻群算法（ACO）原理與多目標土地整理項目選址優(yōu)化問題特性相結合，構建求解LMLCP模型的群智能進化框架，改進個體編碼及優(yōu)化算子，在系統中分別實現了面向土地整理項目選址優(yōu)化決策的粒子群模型、蟻群模型及粒子群?蟻群混合模型。

3? 系統實現與應用

根據以上設計，本研究在Visual Studio.NET 2010開發(fā)平臺支持下，選用第三方控件集合DevExpress和ArcEngine 10.0 GIS組件集合來設計系統宿主程序以及各功能插件的UI，最終得到如圖3所示的系統界面。

選取湖北省嘉魚縣為實驗區(qū)，以粒子群?混合蟻群混合模型為例，進行本系統的實效性驗證。實驗數據包括第二次土地調查數據、坡度、DEM等空間信息數據、土地整理適宜性評價結果和人口、GDP等社會經濟數據。

該混合模型的基本改進思想是利用PSO算法來優(yōu)化ACO的基本參數，因此ACO算法的[m]，[α]，[β]和[ρ]四個參數不需要設置，而信息素強度[Q]，初始信息素[τ0]，最大迭代次數[TA_max]則借鑒已有的研究來設置，令[Q=]100，[τ0=]0.1，[TA_max=]100。在上述參數設置下運行粒子群?混合蟻群模型，并利用并列選擇法進行多目標處理，將外部檔案中所有非劣解繪制如圖4所示的散點圖。由于土地整理項目模型中的目標函數均是求取最大值，因此，在散點圖中所有點的取值為原目標函數值的倒數，模型中的最大新增耕地潛力目標（EB）、最佳土地整理適宜性目標（ST）和最大空間緊湊度目標（AD）如圖4所示位置。其中，黑色點是根據非劣解之間的支配關系所選取Pareto解集，并形成Pareto前沿，從中挑選一個Pareto解，將其解碼為空間選址方案，如圖5所示，從數量和空間結構的角度來分析嘉魚縣土地整理項目選址結果特征。

系統在模型運行前已經根據選址規(guī)則對土地利用類型為建設用地、水域的空間單元進行特殊的處理，人工蟻群在模型迭代過程中可以直接排除這類用地單元，在最終的選址方案中將這類用地劃分進非整理區(qū)。

由于人工蟻群算法采用的隨機選擇機制使得被選中土地單元呈現較為零散的空間布局，模型在綜合考慮空間集中連片目標及約束規(guī)模的情況下，土地整理項目選址方案中仍出現了部分不滿足項目規(guī)模約束條件的片區(qū)。但從圖5可以看出，嘉魚縣土地整理項目選址方案總體空間格局在簰洲灣鎮(zhèn)等鄉(xiāng)鎮(zhèn)已呈現出明顯的空間聚集。

選址方案中各鄉(xiāng)鎮(zhèn)的可整理面積的統計結果見表1。潘家灣鎮(zhèn)備選整理區(qū)面積達到6 300 hm2左右，其可整理潛力最大;簰洲灣鎮(zhèn)次之，可整理面積接近5 900 hm2，作為嘉魚縣的主要農業(yè)生產鎮(zhèn)，這兩個鄉(xiāng)鎮(zhèn)地形起伏較緩、水資源條件豐富，但受限于農用地整體規(guī)模不足，局部空間格局散亂;魚岳鎮(zhèn)作為嘉魚縣政治經濟文化中心，受城鎮(zhèn)人口增加、城鎮(zhèn)用地擴張等原因，其可整理規(guī)模最小。從新增耕地率來看，新街鎮(zhèn)達到5%為最高;官橋鎮(zhèn)與潘家灣鎮(zhèn)次之，且均達到4%。結合土地利用現狀來分析，這幾個鎮(zhèn)地塊面積較小，且農地之間零星廢棄閑置用地分布也較多。

對選址方案綜合統計可以看出，全縣規(guī)劃期內共有約2.57萬公頃的農用地及零星廢棄閑置用地可以進行整理，通過平整土地、歸并零散地塊、改良土壤、完善道路、林網、溝渠等綜合建設等方式，預計可新增耕地1 043.75 hm2，嘉魚縣重點整治區(qū)域主要包括官橋鎮(zhèn)、潘家灣鎮(zhèn)、新街鎮(zhèn)、簰洲灣鎮(zhèn)等。

4? 結? 論

本文通過對土地整理項目選址問題進行分析研究，將其歸納為一個多目標五元組空間優(yōu)化模型。設計面向該問題模型的群智能求解算法框架，并將人工智能與GIS和計算機技術相結合，詳細闡述了系統的插件式框架實現思路、基于空間數據引擎的多源異構數據一體化存儲方案和功能模塊結構設計。系統在嘉魚縣的應用結果表明：系統能夠基于標準的多目標群智能模型框架來選擇不同的進化算子進行選址方案的優(yōu)化決策，使其能夠在多個目標上盡量最優(yōu)，并能夠為用戶提供多樣化的非劣解以滿足決策者的不同偏好。該決策支持系統能夠為相關工作研究人員提供一個開放式的土地整理項目空間優(yōu)化選址問題求解平臺，進而推進多目標群智能算法在空間優(yōu)化選址問題研究領域中的應用，提高土地整理實踐工作決策的科學合理性。

參考文獻

[1] 楊麗娜，何星，楊慶媛，等.土地綜合整治項目選址影響因素分析[J].資源開發(fā)與市場，2017（3）：289?294.

[2] 任艷敏，徐亞輝，劉玉，等.基于雙重自組織模型的土地整治項目區(qū)時空配置研究[J].北京大學學報（自然科學版），2017，53（2）：360?368.

[3] 樊鵬，邵紅旗，楊青偉，等.基于耕地質量評價的土地整治項目選址研究：以河南省延津縣為例[J].湖北農業(yè)科學，2017（16）：3037?3041.

[4] 洪開榮，劉歡，王輝.直覺語言多準則決策方法在土地整理項目社會效益評價中的應用[J].經濟地理，2015，35（7）：163?167.

[5] 王華，朱付保.基于多目標粒子群的土地整理項目選址模型[J].農業(yè)工程學報，2015，31（14）：255?263.

[6] LIU Xiaoping， LI Xia， TAN Zhangzhi. Zoning farmland protection under spatial constraints by integrating remote sensing， GIS and artificial immune systems [J]. International journal of geographical information science， 2011， 25（11）： 1829?1848.

[7] LI Xia， LAO Chunhua， LIU Xiaoping. Coupling urban cellular automata with ant colony optimization for zoning protected natural areas under a changing landscape [J]. International journal of geographical information science， 2010， 25（4）： 575?593.

[8] ELDRANDALY K. A GEP?based spatial decision support system for multisite land use allocation [J]. Applied soft compu?ting， 2010， 10（3）： 694?702.

[9] 牛繼強，徐豐.利用克隆選擇算法構建的土地用途分區(qū)模型[J].武漢大學學報（信息科學版），2014，39（2）：172?176.

[10] 王華，劉耀林，姬盈利.基于多目標微粒群優(yōu)化算法的土地利用分區(qū)模型構建[J].農業(yè)工程學報，2012，28（12）：237?244.

[11] TOKSARI MD. Ant colony optimization for finding the global minimum [J]. Applied mathematics and computation， 2006， 176（1）： 308?316.