一种城市绿地最优化布局模型建立方法及系统与流程

1.本发明涉及城市绿地领域，尤其涉及一种城市绿地最优化布局模型建立方法及系统。


背景技术：

2.由于城市建筑群密集，生成大量热量不易散发，并且柏油路和水泥路面，无植被覆盖，容易吸收大量太阳光照，从而使得城市地区升温较快，并向四周和大气中大量辐射，造成了同一时间城区气温普遍高于周围的郊区气温，高温的城区处于低温的郊区包围之中，如同汪洋大海中的岛屿，人们把这种现象称之为城市热岛效应。城市热岛效应对人们的生活及生态环境造成负面影响。
3.城市绿地对城市热岛效应具有明显的缓解作用，绿地上空的局部空气温度较周围非绿地表面的空气温度更低，并且具有一定面积的绿地区域相当于一个局部冷源，绿地周边区域会受影响而温度下降，绿地对周边环境的温度影响与绿地的规模和类型等因素都有强相关性，如何有效地通过布置城市绿地来缓解城市热岛效应。


技术实现要素：

4.鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种城市绿地最优化布局模型建立方法及系统。
5.根据本发明的一个方面，提供了一种城市绿地最优化布局模型建立方法，所述建立方法包括：
6.将研究区域根据地理平面图进行网格化处理，获得网格化区域平面图，所述研究区域为需要布置绿地的区域；
7.根据所述网格化区域平面图建立绿地降温模型和城市冠层模型，并求解获得城市热岛强度uhi；
8.以所述城市热岛强度uhi最小为目标建立最优化模型；
9.采用遗传算法求所述最优化模型的最优解；
10.根据最优解建立城市绿地最优化布局模型。
11.可选的，所述将研究区域根据地理平面图进行网格化处理，获得网格化区域平面图具体包括：
12.获取研究区域的地理平面图；
13.在所述地理平面图上标出绿地和街道的位置；
14.将所述研究区域划分为多个规则的网格，当所述研究区域为不规则形状时，在不规则边界处补充规则的网格至补充后的研究区域为正方形；
15.将所述网格按照规律编号，按照东西方向为列，南北方向为行，获得多个编号网格。
16.可选的，所述根据所述网格化区域平面图建立绿地降温模型和城市冠层模型，并
求解获得城市热岛强度uhi具体包括：
17.根据所述网格化区域平面图建立绿地降温模型和城市冠层模型；
18.根据所述绿地降温模型和所述城市冠层模型计算所述研究区域的当前绿地布置方案下的热岛强度i
uhi
；
19.根据所述研究区域的绿地降温模型和城市冠层模型求解得到每个时段下城市热岛的强度δt
uht，t
；
20.根据采集的早上5点至下午7点时段的热岛强度值uhi的综合指标成分，
21.则白天时段的平均uhi指标为热岛强度
22.可选的，所述以所述城市热岛强度uhi最小为目标建立最优化模型具体包括：
23.所述目标函数为在布置有限绿地面积的条件下，使研究区域内的城市热岛强度指标最小，所述目标函数min{i
uhi
}；
24.所述决策变量δ
i，j
为网格(i，j)是否需要布置绿地，取值为0或1，0表示不布置绿地，1表示布置绿地，i，j＝1，2，...n；如果所述网格(i，j)内已经有自然产生的绿地，则不需要决策变量；
25.所述限制条件为
26.∑a
i，j
δ
i，j
≤s
tot
ꢀꢀꢀ
(3)；
[0027][0028]
μ
‑
3σ≤φ≤μ 3σ
ꢀꢀꢀ
(5)；
[0029]
限制条件为所述研究区域规划布置的有限绿地面积总量s
tot
，a
i，j
为所述网格(i，j)的面积；φ为绿地网格的绿地降温指数，所述绿地降温指数φ符合正态分布，且在
±
3σ区域之间。
[0030]
1、可选的，所述采用遗传算法求所述最优化模型的最优解具体包括：
[0031]
对所述决策变量δ
i，j
进行编码；
[0032]
根据所述研究区域确定初始方案的种群数n；
[0033]
根据所述网格是否布置绿地，每个网格对应一条染色体，获得多条染色体；
[0034]
获取对每个选择布置绿地的网格内的当地植物的种植密度和生长状态下的绿地降温指数，获得每条所述染色体对应的绿地降温指数；
[0035]
根据所述绿地降温指数对所述染色体进行适应度计算；
[0036]
对染色体进行适应度计算后，对适应度进行从大到小的排序，最大的适应度对应的热岛强度最小，对应的绿地布置方案的效果最好的方案；
[0037]
适应度是用来计算个体在群体中被使用的概率；
[0038]
fit＝
‑
{i
uhi
γ
p
·
max[0，(∑a
i，j
δ
i，j
‑
s
tot
)]}
ꢀꢀꢀ
(6)；
[0039]
其中，γ
p
是惩罚因子；γ
p
取较大值时，对超出总面积的方案进行有效剔除；
[0040]
将多个所述染色体进行遗传基因的选择、交换、变异，获得n个第一代优化染色体；
[0041]
判断所述n个第一代优化染色体对应的网格绿地设置是否达到最优值，如果是，获得最优绿地布置网格方案；否则，继续迭代，直至迭代200次。
[0042]
本发明的另一方面，还提供了一种城市绿地最优化布局模型建立系统，所述建立系统包括：
[0043]
网格化处理模块，用于将研究区域根据地理平面图进行网格化处理，获得网格化区域平面图，所述研究区域为需要布置绿地的区域；
[0044]
城市热岛强度求解模块，用于根据所述网格化区域平面图建立绿地降温模型和城市冠层模型，并求解获得城市热岛强度uhi；
[0045]
最优化模型建立模块，用于以所述城市热岛强度uhi最小为目标建立最优化模型；
[0046]
遗传算法模块，用于采用遗传算法求所述最优化模型的最优解；
[0047]
最优化布局模块，用于根据最优解建立城市绿地最优化布局模型。
[0048]
本发明提供的一种城市绿地最优化布局模型建立方法及系统，随着城市不断高速发展，城市热岛效应日益严重。缓解城市热岛，有助于抑制传染病传播、减少温室气体排放、降低建筑能耗。城市人工绿地的规划布局，能有效缓解城市热岛效应。
[0049]
本专利申请为缓解城市热岛强度的城市绿地最优化布局模型，能够在城市绿地总量约束的条件下，结合了考虑绿地面积、植物蒸腾作用和太阳辐射强度等因素影响的绿地降温模型和城市冠层模型，通过遗传算法全局寻优，大大提高了优化的效率，快速为热带海岛城市绿地规划提供最优布局方案。在城市绿地规划时，可将城市绿地缓解城市热岛效应的功能发挥到最大，对节约能源和保护环境有着深远的影响。
[0050]
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
[0051]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0052]
图1为本发明实施例提供的一种城市绿地最优化布局模型建立方法区域网格化处理的示意图；
[0053]
图2为本发明城市热岛强度求解过程的方法示意图；
[0054]
图3为本发明实施例提供的某市夏季典型日热岛强度曲线；
[0055]
图4为本发明实施例提供的遗传算法的流程图。
具体实施方式
[0056]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0057]
本发明的说明书实施例和权利要求书及附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。
[0058]
下面结合附图和实施例，对本发明的技术方案做进一步的详细描述。
[0059]
一种城市绿地最优化布局模型建立方法，所述建立方法包括：
[0060]
如图1所示，将研究区域根据地理平面图进行网格化处理，获得网格化区域平面图，研究区域为需要布置绿地的区域；
[0061]
将研究区域根据地理平面图进行网格化处理，获得网格化区域平面图具体包括：获取研究区域的地理平面图；在地理平面图上标出绿地和街道的位置；将研究区域划分为多个规则的网格，当研究区域为不规则形状时，在不规则边界处补充规则的网格至补充后的研究区域为正方形；将网格按照规律编号，按照东西方向为列，南北方向为行，获得多个编号网格。
[0062]
将所需布置绿地的区域根据地理平面图进行简化，如图1所示。在平面图上只标出绿地(包括水体)和街道的位置，将研究的区域划分成小块“网格”。当研究的区域为不规则形状时，在不规则边界处补充一些格子，使得所研究区域为正方形。
[0063]
将网格按照规律编号，如按照“东西”方向为列，“南北”方向为行。越往东，则列号越大；越往南，则行号越大，得到许多格子(1，1)，(1，2)
…
(i，j)。
[0064]
通过对研究区域进行建模，对其绿地降温模型和城市冠层模型的求解，可以得到城市热岛强度uhi，如图2所示。但是，这个uhi值是某个时间段的值，即δt
uhi，t
，若采用小时精度划分，那么uhi是随小时推进的曲线，如图3所示。若要对uhi进行优化，则需要一个综合的uhl指标来总的概括当前绿地布置方案下的热岛强度，此处设该指标为i
uhi
，优化目标是在布置有限绿地面积的条件下，使研究区域内的城市热岛强度指标最小，即得到
[0065]
min{i
uhi
}。在研究时主要研究绿地产生影响的主要时段，重点考虑白天时段，因为植物的蒸腾作用会在白天阳光照射的情况下明显增强，而且高大植物的树冠对阳光的遮挡作用也是白天时段。此处，采用早上5点至下午7点时段的热岛强度值作为uhi的综合指标成分，热岛强度i
uhi
作为优化目标函数的优劣判定指标。
[0066]
根据网格化区域平面图建立绿地降温模型和城市冠层模型，并求解获得城市热岛强度uhi；根据网格化区域平面图建立绿地降温模型和城市冠层模型。
[0067]
根据绿地降温模型和所述城市冠层模型计算研究区域的当前绿地布置方案下的热岛强度i
uhi
。
[0068]
根据研究区域的绿地降温模型和城市冠层模型求解得到每个时段下城市热岛的强度δt
uht，t
。
[0069]
根据采集的早上5点至下午7点时段的热岛强度值uhi的综合指标成分，
[0070]
则白天时段的平均uhi指标为热岛强度
[0071]
最优化模型的建立需要明确目标函数、决策变量和限制条件。
[0072]
以城市热岛强度uhi最小为目标建立最优化模型；目标函数为在布置有限绿地面积的条件下，使研究区域内的城市热岛强度指标最小，目标函数min{i
uhi
}；
[0073]
决策变量δ
i，j
为网格(i，j)是否需要布置绿地，取值为0或1，0表示不布置绿地，1表示布置绿地，i，j＝1，2，...n；如果网格(i，j)内已经有自然产生的绿地，则不需要决策变量；若格子内已经有自然产生的绿地，则不需要决策变量
[0074]
限制条件为
[0075]
∑a
i，j
δ
i，j
≤s
tot
ꢀꢀꢀ
(3)；
[0076][0077]
μ
‑
3σ≤φ≤μ 3σ
ꢀꢀꢀ
(5)；
[0078]
限制条件为研究区域规划布置的有限绿地面积总量s
tot
，a
i，j
为网格(i，j)的面积；φ为绿地网格的绿地降温指数，绿地降温指数φ符合正态分布，且在
±
3σ区域之间。
[0079]
遗传算法求最优解流程图如图4所示，采用遗传算法求所述最优化模型的最优解；对所述决策变量δ
i，j
进行编码；对决策变量进行编码。例如，如图1所示，设可供选择敷设绿地的格子为25个，这25个格子已经在图1中用浅绿色进行了标识，如(2，6)，(4，6)和(7，11)等。按照先行后列，编号从小到大的顺序，可将这25个格子是否敷设绿地排列成一个2进制数，这个2进制数的第1位表征格子(2，6)是否采用布置绿地，如为1则表示布置绿地，为0则表示不布置绿地。若需在这25个格子中选择其中10个格子布置绿地，则2进制数中1的个数为10。
[0080]
根据研究区域确定初始方案的种群数n；通过对格子进行不同的0或1的选择，可获得多条染色体。按照ga算法的通常设定，种群的总数不能选的太大或太小。太大则计算负担过重，太小则不足以快速找到最优方案。根据经验，一般选择初始种群数为n＝60。
[0081]
根据网格是否布置绿地，获得多条染色体；对每个选择敷设绿地的格子，都需要同时给出其绿地降温指数。根据研究表示，绿地的绿地降温指数符合正态分布，因此该操作过程可利用一个正态分布函数的生成器实现。在matlab环境下可直接采用其内部函数：r＝normrnd(μ，σ)，其中，μ参数代表均值，σ参数代表标准差，μ的取值是通过对研究区域的实地考察，以多块本地绿地为样本，从而获取在当地植物通常的种植密度和生长状态下的绿地降温指数得到的。以没有植物覆盖的情况作为μ
‑
3σ＝0的位置，那么
[0082]
获取对每个选择布置绿地的网格内的当地植物的种植密度和生长状态下的绿地降温指数；根据绿地降温指数对染色体进行适应度计算；
[0083]
适应度主要考虑目标函数和约束条件，是用来计算个体在群体中被使用的概率，函数下所示：
[0084]
fit＝
‑
{i
uhi
γ
p
·
max[0，(∑a
i，j
δ
i，j
‑
s
tot
)]}
ꢀꢀꢀ
(6)
[0085]
其中，γ
p
是惩罚因子；γ
p
取较大值时，可对超出总面积的方案进行有效剔除。对染色体进行适应度计算后，对其适应度进行从大到小的排序，显然，最大的适应度意味着热岛强度最小，也就是绿地布置方案的效果最好的方案。在这一步中，同时需要通过对研究区域的绿地降温模型和城市冠层模型进行求解，以获得i
uhi
，此步骤需要耗费大量计算资源，最好采用并行计算处理。
[0086]
将多个染色体进行遗传基因的选择、交换、变异，获得n个第一代优化染色体；传统遗传算法有3个基本操作方式：选择；交换；变异。选择：直接将排序最高的前5个染色体作为优秀基因直接遗传给下一代。交换：用轮盘赌的方式，选择其中45条染色体进行基因互换操作；互换的方式为将其中的单号或双号位的基因进行配对交换。变异：对所有的染色体，以
1％的概率对其进行变异操作；变异的方式为将其中某个位的基因从0改变为1或从1改变为0。
[0087]
如此操作后，将产生新的60条染色体的下一代种群。
[0088]
判断n个第一代优化染色体对应的网格绿地设置是否达到最优值，如果是，获得最优绿地布置网格方案；否则，继续迭代，直至迭代200次。对当前优化方案进行判断：是否已经找到最优值或最大迭代次数。此处设置达到最优值方案时i
uhi
≤0.1，最大迭代次数200次。最大迭代次数后，可能还会存在i
uhi
更小的方案，但i
uhi
≤0.1时的方案，认为已经充分满足优化目的了。
[0089]
根据最优解建立城市绿地最优化布局模型。
[0090]
本发明的另一方面，还提供了一种城市绿地最优化布局模型建立系统，所述建立系统包括：
[0091]
网格化处理模块，用于将研究区域根据地理平面图进行网格化处理，获得网格化区域平面图，研究区域为需要布置绿地的区域。
[0092]
城市热岛强度求解模块，用于根据网格化区域平面图建立绿地降温模型和城市冠层模型，并求解获得城市热岛强度uhi。
[0093]
最优化模型建立模块，用于以城市热岛强度uhi最小为目标建立最优化模型。
[0094]
遗传算法模块，用于采用遗传算法求所述最优化模型的最优解。
[0095]
最优化布局模块，用于根据最优解建立城市绿地最优化布局模型。
[0096]
有益效果：
[0097]
以上的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。