基于智能体模型的农村居民点空间优化配置

彭金金1,2,孔雪松1,2*,刘耀林1,2,3,崔家兴1,2

(1.武汉大学资源与环境科学学院,湖北武汉430079;2.武汉大学教育部地理信息系统重点实验室,湖北武汉430079; 3.地理空间信息技术协同创新中心,湖北武汉430079)

基于智能体模型的农村居民点空间优化配置

彭金金1,2,孔雪松1,2*,刘耀林1,2,3,崔家兴1,2

(1.武汉大学资源与环境科学学院,湖北武汉430079;2.武汉大学教育部地理信息系统重点实验室,湖北武汉430079; 3.地理空间信息技术协同创新中心,湖北武汉430079)

为实现村镇农村居民点空间的优化配置,该文以武汉市黄陂区为例,基于智能体模型对4类决策主体(城镇转化型、重点发展型、限制发展型和迁弃型)的空间决策行为与优化模式进行了分析和研究。结果表明:1)智能体模型能够有效实现村镇层次农村居民点自动式、智能化的优化配置,优化后农村居民点的整体适宜性较优化前提高了7.7%,紧凑度增加了23.6%,综合效用值提升了15.1%。2)不同类型区的农村居民点在多重优化目标下能够进行有序空间整合,迁弃型农村居民点呈现出“有核并点”和“无核并点”两种模式。3)随着适宜性权重增大和紧凑度权重减小,农村居民点在空间上逐渐分散,而搬迁距离增大则使得优化结果更集聚。4)同GA和PSO模型的对比结果显示,本文提出的方法具有较高的优化效果,能够为村镇农村居民点规划布局和有序整理提供决策依据。

农村居民点;智能体;空间优化;敏感性分析;黄陂区

0 引言

中国正处在城镇化进程的快速发展时期,城镇化率从1978年的17.9%增至2012年的52.6%[1]。城镇快速化扩张,一方面使得建设用地需求日益旺盛,大量农村耕地被占用,造成了土地紧缺;另一方面,大量农村人口流入城市,许多农村宅基地被闲置,很多地区产生了“空心村”现象,导致了土地浪费。《全国土地整治规划(2011-2015)》明确指出,“农村居民点散、乱、空现象比较普遍,土地浪费严重,全国农村居民点用地18 476 000 hm2,农村人均居民点用地为259 m2,超过现行人均150 m2的高限”。农村居民点用地整治是合理利用土地资源、扎实推进新农村建设、重构乡村空间及统筹城乡发展的重要突破口[2]。国家“十二五”规划纲要明确提出需“调整优化城乡用地结构和布局”及“合理引导农村住宅和居民点建设”,如何实现农村居民点用地集约化与布局合理化发展,已成为中国城乡转型期农村土地整治亟待解决的关键问题。

在推进新型城镇化、乡村转型发展以及农村土地综合整治的背景下,农村居民点空间布局及其优化调控日益成为国内学术界关注的热点[3,4]。主要包括农村居民点空间布局特征与演变机制研究[5-9]、农村土地利用与“空心村”改造研究[10-12]、农村居民点整治潜力与模式研究等[13-16],在方法上也逐步向动态模型化与空间决策化方向发展[17,18]。现有研究对于农村居民点整治分区和模式划分已形成较为丰富的理论与方法体系,但并没有解决如何在分区模式基础上进一步实现农村居民点空间优化配置的问题,这需要结合地理空间分析的自动式、智能化的农村居民点布局优化方法[19]。相比于传统数学优化方法,智能空间优化方法能够求解涉及高分辨率空间数据处理、复杂空间操作、多目标权衡取舍的空间优化问题,已被广泛地应用于土地利用优化配置中,如Aerts等[20]利用模拟退火算法解决了多目标空间选址问题,曹凯等[21]应用遗传算法进行了城市用地优化布局,刘小平等[22]采用人工蚁群算法对生态保护区进行了智能划分。农村居民点是农村土地利用的重要类型,是农村城镇化和集约化的重要载体与整治对象,已有的城乡土地利用空间优化配置模型能够为农村居民点空间布局智能化研究提供技术基础。

虽然农村居民点空间优化配置属于单一地类的空间优化配置问题,但并不意味着其比其他多地类的优化配置问题更简单。农村居民点布局的难点在于对农户选址决策过程的建模,从而构建合理有效的优化方案,而前述提及的智能优化算法,并不能显式地构建类似决策过程。智能体模型是一种用来模拟具有自主意识的智能体行为和相互作用的智能计算模型,能够模拟土地利用系统中人与地、人与人之间的空间决策行为,自下而上地涌现出自组织、自适应的空间规律[23,24]。一些学者将智能体建模应用于土地利用规划中,取得了不错的效果[25,26]。本研究基于智能体模型,划分4类决策主体,模拟农村居民点选址过程中的村民决策行为,构建基于智能体的农村居民点优化配置模型(Agent-based Model for Rural Settlements Allocation,ARSA),实现村镇层次农村居民点自动化、智能式优化布局与动态选址,为农村居民点智能优化配置提供一套新的研究思路和方法。

1 研究区与数据

1.1 研究区概况

黄陂区(114°09′～114°37′E,30°40′～31°22′N)地处武汉市西北部,长江中游北岸,大别山南麓,地势北高南低,其北部为低山丘陵区,中部为平原丘岗区,南部为平原湖区,大体上是“三分半山,一分半水,五分田”。黄陂区辖区总面积2 261 km2,辖15个街办、1个乡、1个农场和3个开发区。2014年全区户籍人口为112.16万人,其中农村人口为79.9万人,农村常住居民人均可支配收入14 713元。根据第二次全国土地调查数据,黄陂区城乡建设用地面积为219.21 km2,其中农村居民点面积为153.79 km2,人均居民点用地面积约192.48 m2,远高于国家和武汉市规定的标准上限,具有较大整理潜力。全区共有5 944个农村居民点斑块,平均斑块面积为2.59 hm2,呈现出较为密集而零散的空间分布特征。同时,全区约31万青壮劳力外出务工,各村存在不同程度的宅基地空心化现象。黄陂区正在大力推进多层次新型城镇化,亟须通过农村居民点重构优化城乡建设用地布局,提高农村居民点节约集约水平。

1.2 数据来源与处理

本研究采用的基础数据为黄陂区第二次土地调查数据(比例尺1∶10 000),为了便于本文智能体的划分与建模,通过ArcGIS进行栅格化处理,数据格式采用ASCII格式,基于模型精度和运行效率考虑,数据分辨率为50 m,格网数为885*1538。从自然、生产、生活、生态和土地转换适宜度等方面构建农村居民点用地适宜性评价指标体系,采用专家打分法确定不同层次指标权重与因子量化标准,通过多因子加权叠加汇总获得黄陂区农村居民点用地适宜性评价图[27]。其他主要资料包括黄陂区土地利用总体规划(2010-2020)、黄陂区统计年鉴(2015)以及2015年黄陂区村镇调研数据。本文开发的ARSA模型基于主体建模平台NetLogo(https://ccl.northwestern.edu/netlogo/)构建,模型界面分为参数设置区和可视化分析区,参数设置区包括控制面板、效用函数设置、参数设置、输入数据和结果输出;可视化分析区以地图、曲线图以及数值面板实时监控当前优化状态。

2 建模过程与方法

2.1 模型框架

ARSA模拟村民智能体的选址决策行为,通过智能主体间的空间协作实现农村居民点布局优化,模型优化流程如图1所示。首先,基于农村居民点类型识别进行村民智能体初始化,每个居民点栅格单元被赋予不同的智能体属性;其次,确定不同智能体的决策行为规则,这是模型的关键,智能体通过对居民点布局的适宜性、紧凑度和综合效用值等信息的分析判断及相互之间的空间协作,做出相应的选址决策,而不同智能体之间的决策会形成相互影响,所以这是一个不断迭代反馈的过程;最后,输出优化后的农村居民点空间优化配置方案。

图1 ARSA模型优化流程Fig.1 Flowchart of ARSA model

2.2 农村居民点类型识别

综合村庄人口规模、经济条件、生产通达度和生活便捷度等因素,识别不同农村居民点类型特征[28],将现有农村居民点划分为4种类型:城镇转化型、重点发展型、限制发展型、迁弃型。城镇转化型农村居民点位于城镇扩展边界之内,在城镇化推进过程中,将逐渐被城镇用地吸收归并;重点发展型农村居民点的规模较大、基础设施条件较好,未来可安排新建居民点,同时进行内部整理,提升集约节约利用水平;限制发展型村庄集约利用水平较低,以严格控制其增长为主;迁弃型农村居民点分布零散、生产生活条件差,是居民点整理的主要对象,主要通过迁村并点、拆旧建新的方式改善居住状况。

2.3 村民智能体初始化

智能体系统由智能主体和环境两个子系统构成,其实体构成及状态变量如表1所示。根据确定的农村居民点整理类型划分4类村民主体:城镇转化型村民主体、重点发展型村民主体、限制发展型村民主体和迁弃型村民主体。模型在每个农村居民点格网单元上初始化一个村民智能体,村民智能体以原始坐标为中心,以最大搬迁距离为半径的范围内进行重新选址。需要注意的是,本模型所采用的村民智能体并不等同于现实的村民,而是虚拟的智能主体,其行为模式并不完全遵从真实人的行为。由实验区构成的885*1 538的格网空间,作为智能体迁移的空间范围。每个格网单元的状态变量分别由农村居民点现状特征数据、村庄编号数据、适宜性评价数据以及禁止建设区数据进行初始化。

表1 实体类型及其状态变量Table 1 Entity types and state variables

2.4 村民智能体选址决策

各类村民智能体采用不同的选址决策规则,但选址需遵守的共同准则为:1)处在最大搬迁距离内; 2)处于非禁止开发区;3)为便于农业生产,新址处于耕作半径之内,耕作半径以步行半小时为限;4)为便于居民生活,新居民点应具有良好的交通便捷度,具体实施时以道路邻近度指标量化。

除了选址时应遵守的共同准则,不同类型的居民主体又有各自的决策规则。城镇转化型村民主观上希望其农村居民点会因城镇扩张而被兼并吸收(图2A);重点发展型村民主体对所在中心村低效用地及不合理居民点进行有序整理,选择一个效用值更高且与当前所处居民点相邻的单元作为新址(图2B);限制发展型村民主体保持居民点现状不变,以内部挖潜整理为主;迁弃型村民主体将在所属行政村范围内寻找新的定居点,如果能在搬迁范围内搜寻到重点发展型居民点则迁入,笔者称之为“有核并点模式”(图2C),如果搬迁范围内无重点发展型居民点,则选择一个效用值更高的单元作为聚落点,称之为“无核并点模式”(图2D)。需要说明的是,虽然不同类型区的村民智能体进行决策时是并行的,但其选择机会并不是唯一的,相互之间存在决策反馈,即某一类型村民智能体的决策会同时影响到另一类或几类村民智能体的选址,因为每一次的决策迭代都会导致栅格单元的适宜性、紧凑度和综合效用值发生变化,而这是村民智能体选址决策的基础。

图2 4种选址模式示意Fig.2 Patterns of relocation

2.5 居民点布局方案评价

村民智能体的自适应行为表现为其总是搜寻效用值更高的单元作为新的定居点,其中计算效用值的效用函数由适宜性和紧凑度构成。适宜性值可直接由智能体所处的格网单元的状态变量(suit)得到,紧凑度采用8邻域内居民点所占比例衡量,其计算公式如下:

式中:fcompact为格网单元紧凑度,当单元格(i,j)为农村居民点时,xij=1,否则为0;NΩ为邻域内的栅格数目,一般使用摩尔邻域。

格网单元的效用值为适宜性和紧凑度的加权值,其计算公式如下:

式中:fij(suit)为格网单元适宜性值,fij(compact)为格网单元紧凑度,w1+w2=1。

布局方案的综合效用值采用所有居民点格网单元的平均适宜性和平均紧凑度,其计算公式如下:

式中:F为布局方案的综合效用值, fsuit为所有居民点格网单元平均适宜性值, fcompact为所有居民点格网单元平均紧凑度,w1+w2=1。

3 结果与分析

3.1 模型参数敏感性分析

模型试验是在一台Core i7-4712MQ 2.3 GH z的Windows PC上完成的,模型涉及4个关键参数:适宜性权重、紧凑度权重、出地率、最大搬迁距离,不同的参数组合会对优化结果产生不同的影响。为了考察参数的设置如何影响优化结果,本研究设置了A-G共7个情景(表2)进行对比实验。这7个情景采用不同的参数组合,其中A-E试验了不同的权重组合,C、F、G在相同权重下改变了最大搬迁距离。由于农村居民点整理的实际出地率可直接根据已实施的农村居民点整理项目统计分析获取,这里不作对比分析。

表2 不同情景参数组合下的优化效果Table 2 Parameters and optimized effects of different scenarios

对比情景A-E,可以明显看出,随着适宜性权重增大和紧凑度权重减小,优化结果的整体适宜性增加,整体紧凑度减小。但是,情景A并没有如预期地显示出最大的紧凑度,究其原因,主要是因为适宜性评价数据空间自相关,适宜性高的地区,农村居民点在空间上往往也更聚集,设置适当的适宜性权重既能体现适宜性的布局要求,也有利于提高布局的集聚程度。情景A的适宜性权重为0,寻优过程完全靠智能体以紧凑度为目标随机选址,忽略了适宜性的导向作用,因此其优化的紧凑度反而没有情景B和C高。对比情景C、F、G,随着最大搬迁距离的增大,适宜性、紧凑度以及综合效用值都得到了显著的提升,而所需要的优化时间也明显增多。增大搬迁距离意味着更大范围的居民点可以被归并,从而减小了斑块个数和斑块密度,布局结构更集聚。

3.2 优化结果分析

根据不同情景优化的对比分析,将适宜性权重和紧凑度权重同等设置为0.50,同时结合黄陂区村镇调研中农户对最大搬迁距离的接受程度,设定2 000 m为最大搬迁距离,出地率根据黄陂区近年来已实施农村居民点整理项目统计值确定为0.20。经过时长2小时21分的400次迭代后,得到优化前后的农村居民点布局。收敛曲线显示适宜性在迭代50次时收敛,紧凑度和综合效益值在迭代250次时收敛。从图3和表3可以看出,优化后的农村居民点整体布局更加紧凑,居民点数目明显减少,全区农村居民点规模较优化前减少了2 733.50 hm2,斑块数量由5 944个减少到2 991个,平均斑块大小则由2.59 hm2增加到4.23 hm2。全区农村居民点适宜性较优化前提高了7.7%,紧凑度增加了23.6%,综合效用值提升了15.1%,优化效果显著。

图3 农村居民点现状分布(A)与优化结果(B)Fig.3 Status quo(A)and optimized result(B)of rural settlements

表3 现状分布和优化结果综合效益统计Table 3 Statistics of the status quo and the optimized results

不同类型农村居民点动态变化差异显著,城镇周边有1 712.75 hm2的农村居民点被有序兼并吸收,为城镇用地扩展预留了一定空间。通过不同智能体分析决策和相互之间的空间协作,迁弃型与重点发展型农村居民点互动频繁,迁弃型农村居民点共减少1 300.25 hm2,这些居民点适度地向重点发展型农村居民点集中,同时也形成了部分新建的农村居民点聚集地。这一过程直接带来了重点发展型农村居民点的进一步集聚,该类型居民点增加了279.75 hm2。而限制型居民点由于主体决策行为规则的限制,其整体面积并无变化,这也符合农村居民点有序推进、统筹布局的原则。优化结果体现了不同村民主体的决策行为规则,农村居民点重构方向明确,空间动态增减有序。

为进一步分析不同村民主体决策下的优化效果,选取一些特征区,对比分析其优化前后的变化模式。如图4所示,A1→A2显示了城镇转化型居民点消失,为未来城镇扩张预留了空间;B1→B2展现了重点发展型居民点的内部整理,村庄内部的空闲地被填充,农村居民点整体更规整和集聚,降低了基础设施与公共服务设施的建设成本;C1→C2表示迁弃型居民点搬迁至邻近的重点发展型居民点,即“有核并点模式”,形成更加集中的聚集地; D1→D2则展示了另一种集聚模式,即“无核并点模式”,当邻近无重点发展型居民点时,在迁弃型居民点周围选取适宜性较高的地区,新建居民点作为集聚中心。特征区的优化模式表明,模型确定的村民智能体选址决策行为,被有效地反映在优化结果中,局部优化效果符合预期。模型对农村居民点布局在整体上优化的同时,也兼顾了局部地区布局的合理性,一定程度上验证了模型的适用性。

图4 现状和优化结果局部地区对比Fig.4 Comparison between the status quo and optimized result in local scale

3.3 模型对比分析

为证明本模型算法的优越性,设置遗传算法(GA)和粒子群优化(PSO)作为对比。3种模型采用同样的实验数据和参数配置,得到的收敛结果如图5所示。GA在50次迭代左右算法收敛,为3种模型中收敛速度最快,但是其适应度值最低,说明GA虽然具有较快的收敛速度,然而易陷入早熟陷阱。PSO在150次迭代左右收敛,其适应度高于GA而低于ARSA,表现中规中矩。本模型中的ARSA算法在250次迭代左右收敛,虽然收敛速度低于其他两个模型,但其适应度值远高于GA和PSO。考虑到实际规划中,布局优化的效果优先级高于布局优化的效率,因此,从3个模型的对比分析中可以发现,本模型算法优化效果要优于GA和PSO模型。

图5 ARSA、GA、PSO模型优化收敛曲线Fig.5 Convergence curves of ARSA,GA,PSO

4 结论与讨论

本文基于不同村民主体空间决策行为分析,设置了包括适宜性、紧凑度和综合效用的目标函数,构建农村居民点空间优化配置模型,对村民智能体的选址决策进行模拟,通过智能体的自适应和空间协作机制,实现村镇层次农村居民点自动化、智能式优化布局与动态选址。

(1)农村居民点布局优化是一个以村民主体决策为核心,兼顾生产、生活和生态条件改善的复杂动态选址过程。适宜性评价和分区是农村居民点布局优化的基础,但不同村民主体的空间决策行为具有典型差异性,分区导向下的智能体决策模拟将农村居民点自身特征和不同主体的决策行为有机结合在一起。不同主体遵循各自空间决策行为规则,通过格网单元自身效用值和整体效用值的评价,不断迭代实现农村居民点综合效用最大化。优化后的黄陂区农村居民点适宜性、紧凑度和综合效用值都得到明显提升,促进了农村居民点节约集约利用,验证了ARSA模型的适用性。

(2)适宜性、紧凑度及最大搬迁距离的目标选择和约束限制真实反映了农村居民点布局优化的现实需求,是不同主体决策判断与空间协作的基础。最大搬迁距离需要重点考虑农户的可接受程度,而适宜性和紧凑度则是一个需要综合平衡考虑的问题,农村居民点优化配置是改善宜居性、提高集聚度的过程。过度强调适宜性,忽略紧凑度,会使农村居民点空间布局较为破碎,这在一定程度上会增加农村居民点基础设施与公共服务设施的建设成本;过度强调紧凑度,则会导致农村居民点整体宜居性的降低,而最大搬迁距离的合理确定可在一定程度上兼顾两者的平衡。

(3)本文构建的ARSA模型反映了分区、分标准、分类型进行农村居民点空间优化配置的思路,政府规划部门或村镇规划者可以根据不同区域农村居民点进行差异化参数设置,优化结果能够为村镇层次农村居民点规划布局提供辅助决策。但同时需要说明的是,模型所选取的效用函数相对简单,对于不同村民主体的决策博弈路径也有待进一步细化。后续研究将结合中国城乡建设的实际情况,融入不同层次智能体(政府、村民)决策行为与博弈规则,以提高模型的适用性和可操作性。

[1] BAI X,SHI P,LIU Y.Realizing China's urban dream[J].Nature,2014,509(7499):158-160.

[2] 陈秧分,刘彦随,杨忍.基于生计转型的中国农村居民点用地整治适宜区域[J].地理学报,2012,67(3):420-427.

[3] 邹利林,王建英.中国农村居民点布局优化研究综述[J].中国人口·资源与环境,2015,25(4):59-68.

[4] 马晓冬,李全林,沈一.江苏省乡村聚落的形态分异及地域类型[J].地理学报,2012,67(4):516-525.

[5] 沈陈华.丹阳市农村居民点空间分布尺度特征及影响因素分析[J].农业工程学报,2012,28(22):261-268.

[6] 任平,洪步庭,周介铭.基于空间自相关模型的农村居民点时空演变格局与特征研究[J].长江流域资源与环境,2015,24(12): 1993-2002.

[7] 陈阳,李伟芳,任丽燕,等.空间统计视角下的农村居民点分布变化及驱动因素分析——以鄞州区滨海平原为例[J].资源科学,2014,36(11):2273-2281.

[8] 胡鑫,谭雪兰,朱红梅,等.长沙市农村居民点空间格局特征研究[J].地域研究与开发,2015,34(1):138-143.

[9] 冯应斌,杨庆媛.1980-2012年村域居民点演变特征及其驱动力分析[J].农业工程学报,2016,32(5):280-288.

[10] LIU Y,LIU Y,CHEN Y,et al.T he process and driving forces of rural hollowing in China under rapid urbanization[J].Journal of Geographical Sciences,2010,20(6):876-888.

[11] 龙花楼.论土地利用转型与土地资源管理[J].地理研究, 2015,34(9):1607-1618.

[12] 郭丽英,刘玉,李裕瑞.空心村综合整治与低碳乡村发展战略探讨[J].地域研究与开发,2012,31(1):116-119.

[13] 李乐,张凤荣,关小克,等.基于规划导向度的农村居民点整治分区及模式[J].农业工程学报,2011,27(11):337-343.

[14] 刘耀林,范建彬,孔雪松,等.基于生产生活可达性的农村居民点整治分区及模式[J].农业工程学报,2015,31(15):247-254.

[15] 张正峰,吴沅箐,杨红.两类农村居民点整治模式下农户整治意愿影响因素比较研究[J].中国土地科学,2013,27(9):85-91.

[16] 曲衍波,张凤荣,宋伟,等.农村居民点整理潜力综合修正与测算——以北京市平谷区为例[J].地理学报,2012,67(4):490 -503.

[17] LIU Y,KONG X,LIU Y,et al.Simulating the conversion of rural settlements to town land based on multi-agent sy stems and cellular automata[J].Plos One,2013(8):e7930011.

[18] 姜广辉,张凤荣,孔祥斌.北京山区农村居民点整理用地转换方向模拟[J].农业工程学报.2009,25(2):214-221.

[19] 韦燕飞,陈燕奎,童新华,等.基于改进PSO算法的农村居民点空间优化布局研究[J].地理与地理信息科学,2014,30(2):72 -76.

[20] AERTS J,VAN HERWIJNEN M,ST EWART T J.Using Simulated Annealing and Spatial Goal Programming for Solving a M ulti-site Land Use Allocation Problem[M].Lecture Notes in Computer Science,2003.448-463.

[21] CAO K,BAT TY M,HUANG B,et al.Spatial multi-objective land use optimization:Extensions to the non-dominated sorting genetic algorithm-II[J].International Journal of Geographical Information Science,2011,25(12):1949-1969.

[22] LIU X,LI X,SHI X,et al.A multi-type ant colony optimization(MACO)method for optimal land use allocation in large areas[J].International Journal of Geographical Information Science,2012,26(7):1325-1343.

[23] 张鸿辉,曾永年,金晓斌,等.多智能体城市土地扩张模型及其应用[J].地理学报,2008,63(8):869-881.

[24] 刘小平,黎夏,叶嘉安.基于多智能体系统的空间决策行为及土地利用格局演变的模拟[J].中国科学(D辑),2006,36 (11):1027-1036.

[25] CHEN Y,LI X,LIU X,et al.An agent-based model for optimal land allocation(AgentLA)with a contiguity constraint [J].International Journal of Geographical Information Science,2010,24(8):1269-1288.

[26] 张鸿辉,曾永年,谭荣.基于多智能体的农地非农化时空模拟与规划模型[J].测绘学报,2011,40(3):366-372.

[27] 孔雪松,刘耀林,邓宣凯,等.村镇农村居民点用地适宜性评价与整治分区规划[J].农业工程学报,2012,28(18):215-222.

[28] 孔雪松,金璐璐,郄昱,等.基于点轴理论的农村居民点布局优化[J].农业工程学报,2014,30(8):192-200.

Spatial Optimum Allocation of Rural Settlements Based on Agent Model

PENG Jin-jin1,2,KONG Xue-song1,2,LIU Yao-lin1,2,3,CUI Jia-xing1,2
(1.School of Resource and Environmental Sciences,Wuhan University,Wuhan 430079; 2.K ey Laboratory of Geographic Inf ormation System,Ministry of Education,Wuhan University,Wuhan430079; 3.Collaborative Innovation Center of Geospatial Inf ormation T echnology,Wuhan University,Wuhan 430079,China)

This study built an agent-based model to realize dynamic simulation and intelligent allocation for rural settlements. Four agents including farmers in urbanization areas,farmers in priority development areas,farmers in restricted development areas,and farmers in abandoned areas,were identified based on the classification of villages.T he decision-making behaviors of each agent were defined as optimization rules.Huangpi district was selected as the study area to apply the proposed agent-based model.The results showed that rural settlements of Huangpi district were optimized intelligently using agent-based model.T here were apparent increases in suitability,compactness and aggregate utility for optimized rural settlements.The suitability,compactness and aggregate utility of rural settlements increased by 7.7%,23.6%and 15.1%,respectively.Rural settlements in different areas were orderly integrated in space with the guidance of multi-objectives.Two patterns,including point-oriented optimization and non-point-oriented optimization,were appeared in the optimization of abandoned rural settlements.With the increase of suitability and decrease of compactness,the rural residential areas in the space gradually dispersed,while the increase of moving distance makes the optimization results more concentrated.T he results compared with GA model and PSO model showed the proposed agent-based model was efficient to simulate and optimize rural settlements.It could provide theoretical basis and method support for the research of spatial optimization of rural settlements,and the proposed agent-based model could assist village planners and designers in formulating appropriate scheme.

rural settlements;agents;spatial optimization;sensitivity analysis;Huangpi district

F301.2

A

1672-0504(2016)05-0052-07

10.3969/j.issn.1672-0504.2016.05.008

2016-07-15;

2016-08-31

国家自然科学基金项目(41401196)

彭金金(1988-),男,博士研究生,研究方向为土地信息系统与智能化建模。*通讯作者E-mail:xusesongk@gmail.com