珠三角中心镇城市化对区域城市空间结构的影响

      文章编号：1003-2398(2007)02-0087-05

      1 引言

      中心镇的城市化对区域城市空间结构的形成和发展有非常重要的影响，珠三角地区快速城市化的发展过程中，中心镇城市化对整个区域城市化与城市空间结构的影响是显而易见的。因此，定量地研究中心镇的城市化对区域城市空间结构的影响有很重要的意义。

      陆大道指出，形成空间格局的过程可以分成两个趋向，即空间集聚和空间扩散[1]。根据物理学原理，各种事物在空间中都具有自己的势能，而且无时不在向周围环境输送和扩散自己的势能。在区域发展过程中，这种势能的扩散表现为：产品流、资金流、人流、技术流、信息流、政策流等。这些“流”由中心点(区)向周围流动，在距中心不同方位和距离重新聚集，与当地原有的自然、社会经济要素相结合，形成新的集聚点。空间中的事物从中心发源，向外扩散；区域的中心地点，也就是区域的核心，是一个特定区域的统帅，这就是城镇。在均质和未开发的地域内，任何一个经济客体，要存在和运行，必须有其他客体与其发生联系；由于人们对社会交往的需要和对基础设施(道路、机械动力设备、通信、能源和水源供应、城市设施以及市场等)的共享，社会经济客体必然要在一个地域或点上集中起来。这就是集聚产生效益。但是，社会经济客体在一个点上的过分集聚，不可避免地要导致一系列的副作用，如：交通拥挤，水土资源供应严重不足及其导致的代价过高，生态环境恶化，以及带来的社会管理等问题。在这种情况下，就要求实行一定程度的分散发展或平衡发展，形成集聚和扩散交替进行的空间格局[2-4]。中心镇的城市化对区域城市空间结构的影响正是通过这种集聚和扩散作用进行的。

      目前，中心镇的城市化对区域城市空间结构的影响主要通过定型的描述和社会经济指标统计的方法来研究。这些方法主要以行政区为基本研究单元，无法使用空间上的高分辨率的资料，成为了进一步深入研究的障碍。城市元胞自动机（Urban Cellular Automata，简称Urban CA）能很好地模拟聚集和扩散的动态过程[5-8]，为中心镇的城市化对区域城市空间结构的影响提供了非常好的研究工具。而且城市元胞自动机可以运用大量的高分辨率的GIS和RS数据，为深入研究这种影响提供了数据上的保证。

      本文以珠江三角洲城市快速发展的东莞市为例，用基于遗传算法的城市元胞自动机模型模拟了区域1988-2004年的城市发展。以此为依据，分析了区域中心镇的城市化对城市空间结构的影响。

      2 基于遗传算法的城市CA模型

      2.1 遗传算法(GA)

      遗传算法是一种基于自然选择和遗传变异等生物进化机制的全局性概率搜索算法。与基于导数的解析方法和其他启发式搜索方法(如爬山方法、模拟退火算法，Monte Carlo方法)一样，进化算法在形式上是一种迭代方法。从选定的初始解出发，通过不断迭代逐步改进当前解，直到最后搜索到最优解或满意解。在进化计算中，迭代计算过程采用了模拟生物体的进化机制，从一组解(群体)出发，采用类似于自然选择和有性繁殖的方式，在继承原有优良基因的基础上，生成具有更好性能指标的下一代解的群体[9,10]。

      遗传算法以编码空间代替问题的参数空间，以适应度函数为评价依据，以编码群体为进化基础，以对群体中个体位串的遗传操作实现选择和遗传机制，建立起一个迭代过程。在这一过程中，通过随机重组编码位串中重要的基因，使新一代的位串集合优于老一代的位串集合，群体的个体不断进化，逐渐达到最优解，最终达到求解问题的目的。其中，参数编码、初始群体的设定、适应度函数的设计、遗传操作的设计和控制参数的设定是遗传算法的五大要素。遗传算法优化问题求解的流程图见图1。

      

      图1 遗传算法优化问题求解的流程

      Fig.1 Basic Flow of Genetic Algorithm

      运用遗传算法优化问题求解的步骤如下：

      (1)选择编码策略，把参数集合X和域转换为位串结构空间S；

      (2)定义适应度函数f(x)；

      (

      (4)随机初始化形成群体P；

      (5)计算群体中个体位串解码后的适应值f(X)；

      (6)按照遗传策略，运用选择、交叉和变异算子作用于群体，形成下一代群体；

      (7)判断群体性能是否满足某一指标，或者已经完成预定迭代次数，不满足则返回步骤(6)，或者修改遗传策略再返回步骤(6)。

      2.2 基于遗传算法的CA模型

      2.2.1 城市CA模型

      元胞的城市发展概率与区域总人口数、GDP等全局变量有关，同时还与区域范围的距离变量有关，如到公路的最短距离、到商业中心的最短距离、到居住中心的最短距离等。局部范围内元胞邻近范围已城市化的单元数和元胞本身的土地利用类型、坡度等属性对元胞的城市发展概率也有重要的影响。元胞的城市发展概率和这些变量的关系可用逻辑回归模型表示。基于逻辑回归模型的城市CA模型如下，某元胞t+1时刻发展为城市用地的概率