基于空间句法空间拓扑区域中心评判探究.docVIP

基于空间句法空间拓扑区域中心评判探究 　　摘要：该文以遗传算法基本原理做理论基础，结合空间句法分析中的构形的概念，并以连接值、控制值为空间重要性特征设计出符合要求的适应度函数。以此值最大值作为区域中心的评判标准。 关键词：遗传算法；空间句法；句法变量；重要性特征 中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）31-7073-05 空间句法是一种通过对包括建筑、聚落、城市甚至景观在内的人居空间结构的量化描述，来研究空间组织与人类社会之间关系的理论和方法[1]。在一个大的空间区域中总有一块子区域能够代表该区域的经济、文化、政治的整体表象。在国内，传统的确定区域中心的方式是利用地图上标注的区域内政治中心，比如省会城市是省区域内的中心，市政府周边也会成被定为该市区域空间的区域中心。而在当今社会生产关系与生产力的关系复杂多变，不能单一的以政治中心来评定或预测区域中心。而且区域中心分析与预测对很多商家获取更大利益有着决定性的作用，比如肯德基、麦当劳等餐饮企业的选址问题也可以归类到空间句法分析中。该文是利用遗传算法的思想结合空间句法中对空间关系的特征的描述设计适应度函数在大区域环境中获取集成度较高的区域中心子空间。 1 空间句法分析描述 空间句法是建筑学领域中关于空间图形分析的相关技术和理论。空间句法理论通过量化的方法描述建筑、群居聚落、大中小城市以及景观等人居环境中的空间结构以期研究空间组织与我们人类所处的社会之间关系的理论。空间句法理论是由伦敦大学巴利特学院的比尔·希列尔（Bill Hillier）等人发明的。空间句法理论的基本观点认为：任何一个城市系统都由两部分组成，即空间物体和自由空间。空间物体主要是建筑物，而自由空间是指由空间物体隔开的、人可以在其中自由活动的空间。空间可以被认为是由元素组成，可以进行网络分析，最终以地图和图形呈现出来。因为空间句法认为空间是按照某种规则自行排列的，可以分划的，所以它常被用于大型图书馆，博物馆，道路交通，城市规划等。 提到空间句法理论就不得不谈论“构形”这一概念。所谓的空间句法中的构形是指空间各部分或各元素之间关系组成外形的轮廓。如希列尔所述，构形的实质是一组相互独立的关系系统，且其中每一关系都决定于其他所有的关系。构形的存在无关乎物质的形态，是一种普遍存在的关系现象。 1.2 构形概念以及定量描述 构形是一种普遍存在的现象。很多有形的物质形态，甚至是语言等非物质形态，当我们将其作为关系系统看待时，都会发现其构形的存在。 本文所描述的构形是描述空间关系的一些特征值，正是这些特征值来权衡该子空间是否是区域中心，构形通过关系图解来描述[2]。 2 遗传算法简介 2.1遗传算法概念 遗传算法（GA）是一种基于自然群体遗传演化机制的算法，它模拟自然界生物进化过程，采用人工进化的方式对目标空间进行随机化搜索。它将问题域中的可能解看作是群体的个体，并将个体编码成符号串形式（即染色体），模拟生物进化过程，对群体反复进行交叉、变异、选择等操作，根据预定的适应度函数对每个个体进行评价，依据优胜劣汰的进化规则，不断得到更优的群体，同时搜索优化群体中的最优个体，求得满足要求的最优解[4-8]。 GA采用一定的编码技术构造染色体（个体），而基因是组成染色体的单元，可以表示为一个二进制位，一个整数或一个字符等。染色体表示待求解问题的一个可能解，由若干个基因组成，是GA操作的基本对象。而一定数量的个体组成了种群，表示GA的搜索空间。在GA的执行过程中，每一代有许多不同的种群个体同时存在。根据这些个体对环境的适应能力来决定下一代的个体，适应性强的有更多的机会被选择保留下来。适应性强弱是通过适应度函数f（x）的值来判别的，适应度函数f（x）的构成与目标函数有密切关系，往往是目标函数的变种。 2.2遗传算法特征选择 遗传算法特征选择的基本原理是用遗传算法寻找一个最优的二进制编码，码中的每一位对应一个特征，若第i 位为“1”，则表明对应特征被选取，该特征将出现在分类器中，为“0”，则表明对应特征未被选取，该特征将不出现在分类器中。其基本步骤为： 1） 编码。采用二进制编码方法，二进制码的每一位的值，“0”表示特征未被选中； “1”表示特征被选中。也可采用字符编码，如A’代表一个子空间。 2） 初始群体的生成。随机产生N 个初始串构成初始种群，通常种群数确定为50 ～ 1000。 3） 适应度函数。适应度函数表明个体或解的优劣性。针对特征选取问题，适应度函数的构造非常重要，它主要依据类别的可分性判据以及特征的分类能力。适应度函数的有效性将直接决定遗传算法的搜索方向和进化结果[10]。 5）