基于计算智能的土地利用分配方法，适用于混合用途区域

《Land Use Policy》：Computational intelligence based land-use allocation approaches for mixed use areas

基于计算智能的城市土地多目标优化方法研究提出CR+DES和MSBX+MO算法，应用于Dhaka 1290块地案例，在土地兼容性（提升3.16%）和价格优化（提升3.3%）方面优于现有方法，通过约束松弛策略和统计验证（Kruskal-Wallis、Bonferroni-corrected Dunn）确认有效性。

　　

Sabab Aosaf|Muhammad Ali Nayeem|Afsana Haque|M. Sohel Rahman

孟加拉国达卡BUET计算机科学与工程系，邮编1000

摘要

城市土地利用分配是一个复杂的多目标优化问题，对可持续的城市发展政策至关重要。本文提出了新颖的计算智能方法，用于优化混合用途区域的土地利用分配，解决了土地利用兼容性与经济目标之间的内在权衡。我们开发了多种优化算法，包括将差分进化与多目标遗传算法相结合的定制变体。主要贡献包括：(1) CR+DES算法利用缩放差异向量增强搜索能力；(2) 系统化的约束放松策略在保持可行性的同时提高解决方案质量；(3) 使用Kruskal–Wallis检验和紧凑字母显示进行统计验证。应用于包含1290个地块的实际案例研究，CR+DES在土地利用兼容性方面比现有方法提高了3.16%，而MSBX+MO在价格优化方面提高了3.3%。统计分析证实，结合差异向量的算法在多个指标上显著优于传统方法。约束放松技术能够在保持实际约束的同时扩大解决方案空间。这些发现为城市规划者和政策制定者提供了基于证据的计算工具，以平衡土地利用分配中的竞争目标，支持快速城市化地区的更有效城市发展政策。

引言

城市土地利用分配是一个关键的操作研究问题，它从根本上塑造了全球可持续的城市发展。随着全球城市化的加速，决策者面临着日益复杂的资源分配挑战，这些挑战涉及多个相互冲突的目标、不同的利益相关者偏好以及严格的空间和经济约束。这个多目标优化问题需要复杂的分析方法来平衡房地产开发商、城市规划者、当地社区和环境监管者之间的竞争需求，同时优化土地利用的兼容性和经济效率。由于需要适应人口快速增长、确保灾害抵御能力以及在有限的城市空间内维持经济可行性，问题的复杂性进一步加剧。在像孟加拉国达卡这样的快速发展的特大城市中，次优的土地利用决策可能对数百万居民和经济发展轨迹产生深远影响。

达卡最近发生的火灾相关灾难（Rahman, 2025; BBC News, 2024; Tribune, 2024）突显了基于证据的土地利用分配决策对城市安全和抵御能力的关键重要性。这些事件表明，不足的空间规划会放大灾害风险，强调了需要强大的决策支持系统来系统地评估不同目标之间的权衡，同时确保安全约束。先进的操作研究方法，特别是多目标优化算法，已成为应对这些复杂规划挑战的强大工具。然而，现有方法往往难以处理现实世界中土地利用分配问题的组合复杂性，尤其是在涉及数千个地块和多个利益相关者目标的大规模城市区域。本研究通过开发将差分进化概念与多目标优化框架相结合的新计算智能方法，并引入系统化的约束放松策略来增强解决方案质量，同时不牺牲可行性，从而解决了这些方法论上的空白。

本研究对城市土地利用优化的操作研究文献做出了几项重要的方法论和实践贡献：

• •
  新型算法框架：我们开发了一种定制的多目标优化算法（CR+DES），将差分进化概念与遗传算法相结合，利用缩放差异向量增强搜索空间探索和收敛性能。
• •
  系统化的约束放松方法：我们提出并评估了一种在优化过程中放松约束的方法，该方法在扩大可行搜索空间的同时保持解决方案的可行性，为约束遵守与解决方案质量之间的权衡提供了新的见解。
• •
  实际应用验证：我们在达卡Dhanmondi地区的1290个地块案例研究中证明了我们方法的实际有效性，提供了性能改进和实际适用性的实证证据。
• •
  决策支持见解
  ：我们根据优化目标为城市规划实践者和政策制定者提供了基于证据的算法选择指南，支持更明智的土地利用政策决策。

除了方法论贡献外，所提出的框架旨在作为政策支持工具，而不仅仅是纯粹的算法练习。在运营规划中，优化结果可以被视为一系列可行的土地利用分配方案（即帕累托最优解），可以根据法定规划工具和治理约束（如分区/土地利用规定、重建和分期策略、建筑面积比限制、退界距离和环境缓冲区）进行筛选。该框架不是规定一个“最优”方案，而是通过允许规划者（i）编码或调整政策约束，（ii）检查不同方案之间的价格-兼容性权衡，以及（iii）通过利益相关者讨论或多标准决策分析选择首选方案，从而支持透明的情景探索。

本文的其余部分安排如下：第2节详细回顾了相关文献。第3节概述了问题表述及其约束条件。第4节描述了我们的方法论，包括解决方案表示、初始化、优化框架和算法。第5节展示了所有算法获得的结果，第6节讨论了这些结果在更广泛研究背景下的意义。最后，第7节总结了本文。

参考文献

文献综述

在本节中，我们从两个不同的方面回顾了相关文献。首先，我们考虑了从城市规划者的角度出发的土地利用分配文献。这一阶段涵盖了先前致力于解析土地利用分配复杂性的研究工作的全面讨论。然后，我们转向优化算法领域，这是应对复杂挑战的重要基石。

问题表述

我们研究了一个已经开发的区域，该区域包含$N$个地块（地块是指建有建筑物的标记明确的地块），这些地块具有不同的形状和大小。不同楼层的建筑物位于这些地块中。这些建筑物的每一层可能有一种或多种土地利用类型，如住宅、商业、办公等。总共有$K$种此类土地利用类型。问题是要确定$p$$p=1,2,\; \dots ,K$个土地利用类型在$N$个地块中的建筑物中的分配。

方法

本节介绍了我们的算法方法，从四个不同维度阐述了我们的策略，即单目标方法（SOA）、非支配排序遗传算法II（NSGA-II）、双档案方法（C-TAEA，这是一种新的MOEA）以及定制算法（MSBX+MO和CR+DES）。

结果

在本节中，我们对比了研究中使用的各种方法，包括我们提出的定制方法。随后，我们通过调整约束值展示了所取得的结果。这种双重探索为不同方法的相对性能以及约束调整对优化结果的影响提供了宝贵的见解。为了生成帕累托前沿，每种方法运行了五次，因为存在随机性。

讨论

基于我们的严格实证评估，CR+DES方法在兼容性、基于价格的竞争性能以及平滑收敛性方面表现出最佳性能，这从结果中可以看出。使用Kruskal–Wallis检验和Bonferroni校正的Dunn事后比较的统计分析证实，CR+DES在四个性能指标（价格、兼容性、HV和IGD+）中始终属于统计上的优秀组。

结论

本文全面研究了基于计算智能的混合用途区域土地利用分配方法，特别关注孟加拉国达卡这一具有挑战性的城市环境。通过应用各种优化算法，包括单目标方法、NSGA-II变体、双档案算法和新型定制算法，我们在兼容性和价格目标方面取得了显著改进。

CRediT作者贡献声明

Sabab Aosaf：撰写——原始草稿、审阅与编辑、验证、方法论、调查、形式分析、数据整理、概念化。Muhammad Ali Nayeem：撰写——原始草稿、审阅与编辑、可视化、验证、方法论、调查、概念化。Afsana Haque：撰写——审阅与编辑、方法论、数据整理、概念化。M. Sohel Rahman：撰写——审阅与编辑、可视化、监督、方法论、调查、形式分析。

生成式AI和AI辅助技术的声明

在准备这项工作时，作者使用了ChatGPT 3.5和Grammarly来改进语法。使用这些服务后，作者根据需要审查和编辑了内容，并对出版物的内容承担了全部责任。

资金来源

本研究未获得公共部门、商业部门或非营利部门的任何特定资助。

利益冲突声明

作者声明他们没有已知的利益冲突或个人关系可能影响本文报告的工作。