背景说明

城市用地类型的分析和变化的基本单元是土地地块(Land Parcel)。城市在发展过程中,城市用地类型和城市功能结构也在不断的发生变化,这会导致较大的土地地块高度破碎化。传统的基于矢量CA模拟没有考虑到地块分裂的过程,势必对结果精度造成影响,因此需要引入更为合理的土地地块分裂方法。

目前主流的地块分裂规则主要基于几何学角度,即单纯地从几何关系中寻找划分依据,而忽略了地块发展的真实格局。该软件是一个真实地块分裂模拟软件(Realistic Land Parcel Subdivision, RLPS),仅供各位老师和同学科研上使用和交流。禁止以任意形式将该软件和测试数据应用于商业用途

使用说明

请将下载后的zip压缩包解压,会得到以下目录和文件:

1.data: 测试数据集。深圳市TAZ数据,基于OpenStreetMap提供的数据制作。
2.RLPS: 可执行程序包
3.RLPS_run.bat: 可执行程序的批处理文件

准备好输入数据,用记事本打开RLPS_run.bat文件。【图1】中选中的文字为命令行,核心参数在选中的文字行中设置。

核心参数设置模式

.RLPSRLPS.exe -inputFile 输入文件名 -outputFile 输出文件名 -split_flag_field 输入数据中分裂标记属性 -maxIteration 最大迭代次数 -maxSize 分裂后最大斑块面积 -N 标准差倍数 -print 是否屏幕输出详细log文件

例(【图2】为分裂结果):

  • .RLPSRLPS.exe -inputFile data/shenzhentaz.shp -outputFile data/shenzhentaz_split0.shp -split_flag_field split_flag -maxIteration 3 -maxSize 0 -N 3.0 -print 0
  • .RLPSRLPS.exe -inputFile data/shenzhentaz.shp -outputFile data/shenzhentaz_split1.shp -split_flag_field split_flag -maxIteration 3 -maxSize 3000000 -print 0

image

【图1 RPLS_run.bat 文件内容】

image

图2 基于RLPS的分裂示例:(A) 分裂原理 (B) 原始数据 (C) 3-STD分裂结果 (D) 均值分裂结果

参数说明

-inputFile: 输入矢量文件地址(ESRI SHP格式,必须已经存在)

-outputFile: 输出矢量文件地址(ESRI SHP格式,不能有已存在的同名文件)

-split_flag_field:输入矢量文件中判断该地块是否分裂的属性信息,属性值类型为Integer (0/1)。比如demo中设置为split_flag,shp文件中会有对应的split_flag属性,标记0的时候不分裂,标记为1的时候分裂。如果没有该属性名,默认全部不分裂。

-maxIteration: 算法中寻找最小外接矩形的迭代次数,建议数值范围3-5

-maxSize: 分裂后允许的最大斑块面积,单位随矢量文件单位而改变(米/度)。如果该数值<=0,则该值程序默认设置为(地块面积均值+N*标准差)

-N: 当maxSize<=0时,程序默认设置maxSize为(地块面积均值+N*标准差)

-print: 是否输出详细的log信息(只在屏幕输出,该参数不重要)

软件下载

RLPS软件和深圳TAZ数据下载地址(GitHub):

https://github.com/whuyao/Realistic_Land_Parcel_Subdivision_APP

补充说明

demo程序对地块分裂的限制条数设置为1000个地块;输入数据如果超过1000个地块自动退出;如有更大数据量运行的需要,请和我们联系。

参考资料

[1] Yao, Y., Liu, X., Li, X., Liu, P., Hong, Y., Zhang, Y., & Mai, K. (2017). Simulating urban land-use changes at a large scale by integrating dynamic land parcel subdivision and vector-based cellular automata. International Journal of Geographical Information Science, 31(12), 2452-2479.

[2] Zhai, Y., Yao, Y., Guan, Q., Liang, X., Li, X., Pan, Y., … & Zhou, J. (2020). Simulating urban land use change by integrating a convolutional neural network with vector-based cellular automata. International Journal of Geographical Information Science, 34(7), 1475-1499.

Q.E.D.