پایان نامه کارشناسی ارشد در رشته­ی شهرسازی- برنامه ریزی شهری و منطقه ای

مدلسازی فضایی زمانی توسعه شهری با استفاده از پردازش تصاویر ماهواره ای و الگوریتم های هوشمند (مطالعه موردی شهر مهاباد)

 

 

چکیده

 

مدلسازی رشد شهری از طریق اتوماتای سلولی (CA) می تواند به عنوان ابزاری مفید برای تجزیه و تحلیل فرایندهای پیچیده ی تحولات شهری بکار برده شود. هدف این پژوهش مدلسازی و درک الگوهای پیچیده تغییر کاربری با بهرگیری از تکنیک های هوش مصنوعی می باشد. موضوع کلیدی چگونگی تخصیص وزن به پارامترهای موثر در رشد شهری و متعاقبا دستیابی به شبیه سازی ایده آل و نزدیک به واقعیت است. این پژوهش در صدد است نشان دهد که تخصیص وزن با استفاده از الگوریتم شبکه های عصبی مصنوعی (ANN) می تواند نتایجی بهینه به دست  دهد. در این مدل بر خلاف مدل های کلاسیک CA، تخصیص وزن به پارامترها بصورت خودکار، توسط آموزش شبکه های عصبی، از طریق داده های تصاویر ماهواره ای مربوط به روند رشد تاریخی شهر صورت می گیرد. بر این اساس CA به عنوان موتور اصلی مدل و ANN جهت پیدا کردن وزن مناسب پارامتر ها و پیدا کردن روابط بین رشد شهری بالقوه و ویژگی های سایت مورد نظر و همچنین سیستم های فازی(FUZZY SET) جهت طبقه بندی تصاویر ماهواره ای و اعتبار سنجی داده ها، مورد استفاده قرار گرفته شد. پژوهش حاضر نشان می دهد که با توجه به دقت کلی مدل و ضریب کاپای فازی شده بدست آمده، این مدل نتایج بهتری را نسبت به مدل های CA کلاسیک در شبیه سازی سیستم های شهری پیچیده غیر خطی بدست می دهد.

 

واژه های کلیدی: مدلسازی، شبکه های عصبی مصنوعی، اتوماتای سلولی، سیستم های فازی، رشد شهری

فهرست مطالب

عنوان                                         صفحه

فصل اول: مقدمه

۱-۱- طرح مسئله و ضرورت تحقیق ……………. ۳

۱-۲-اهداف پژوهش………………………… ۴

۱-۲-۱-اهداف کلان………………………. ۴

۱-۲-۲-اهداف خرد………………………. ۴

۱-۳-سوالات پژوهش………………………… ۵

۱-۴-فرضیه تحقیق و مدل تحقیق……………… ۵

۱-۵-روش شناسی تحقیق…………………….. ۵

۱-۶-روش و ابزار گردآوری اطلاعات…………… ۶

۱-۷-جامعه آماری و تعداد نمونه و روش نمونه گیری (در صورت لزوم)……………………………………… ۶

۱-۸-روش تجزیه و تحلیل اطلاعات…………….. ۶

 

فصل دوم: مروری بر ادبیات تحقیق

۲-۱-مقدمه …………………………….. ۹

۲-۲-مفهوم  رشد و توسعه شهری…………….. ۱۰

۲-۳-توسعه شهر………………………….. ۱۱

۲-۳-۱-اهمیت توسعه شهری………………… ۱۲

۲-۴-رشد شهری…………………………… ۱۳

۲-۴-۱-رشد شهر و توسعه فیزیکی…………… ۱۳

۲-۵-مفهوم توسعه کالبدی و اشکال آن……….. ۱۴

۲-۵-۱-عوامل موثر در توسعه کالبدی شهر ها…. ۱۵

۲-۶-تصورات نادرست پیرامون توسعه شهری…….. ۱۵

۲-۷-مدل سازی توسعه شهری………………… ۱۸

عنوان                                         صفحه

۲-۸-ماهیت مدل ها……………………….. ۱۸

۲-۹-مدل ها در فرایند برنامه ریزی………… ۱۹

۲-۱۰-کاربرد مدل در شهرسازی……………… ۲۰

۲-۱۱-مدلسازی شهری پویا (دینامیک شهری)……. ۲۱

۲-۱۲-سلول های خودکار و مدلسازی شهری……… ۲۳

۲-۱۳-کارهای اولیه ……………………… ۲۳

۲-۱۴-تحقیقات اخیر در زمینه مدل سازی شهری با سلول های خودکار…………………………………….. ۲۵

۲-۱۵-کالیبراسیون (زینه بندی ، تنظیم ، درجه بندی ، واسنجی)…………………………………….. ۲۸

۲-۱۶-شبکه های عصبی……………………… ۳۰

۲-۱۶-۱-شبکه های عصبی ، سلول های خودکار و مدلسازی رشد شهری……………………………………. ۳۰

۲-۱۷-سیستم های فازی…………………….. ۳۳

فصل سوم: تئوری ها و الگوریتم ها

۳-۱-کلیات……………………………… ۳۷

۳-۲-مدلسازی با سلول های خودکار………….. ۳۷

۳-۲-۱-پیش زمینه تاریخی………………… ۳۷

۳-۲-۲- تئوری سلول های خودکار…………… ۴۰

۳-۲-۳-ساختار مدل CA…………………… 41

3-2-3-1-شبکه سلولی………………….. ۴۱

۳-۲-۳-۲-وضعیت سلول………………….. ۴۲

۳-۲-۳-۳-همسایگی ……………………. ۴۳

۳-۲-۳-۴-زمان……………………….. ۴۴

۳-۲-۳-۵-قوانین انتقال……………….. ۴۴

۳-۲-۴-سلول های خودکار یک بعدی………….. ۴۵

۳-۲-۵-سلول های خودکار دو بعدی………….. ۴۸

۳-۳-شبکه های عصبی …………………….. ۵۲

۳-۳-۱-پیش زمینه ……………………… ۵۲

۳-۳-۲-اجزای یک شبکه عصبی………………. ۵۳

۳-۳-۳-اصول شبکه های عصبی مصنوعی………… ۵۴

۳-۳-۴-شبیه سازی های عصبی………………. ۶۰

عنوان                                         صفحه

۳-۳-۵-مؤلفه های دخیل در یک شبیه سازی عصبی. ۶۰

۳-۳-۵-۱-فرمولاسیون مسئله……………… ۶۰

۳-۳-۵-۲-جمع آوری اطلاعات و وارد نمودن آنها به شبکه  ۶۲

۳-۳-۵-۳-اعتبار سنجی در شبکه …………. ۶۲

۳-۳-۵-۴-آنالیز حساسیت در شبکه………… ۶۳

۳-۳-۵-۵-توپولوژی شبکه……………….. ۶۴

۳-۳-۵-۶-پایش نمودن علایم……………… ۶۴

۳-۳-۵-۷-انجام شبیه سازی……………… ۶۴

۳-۳-۵-۸-تعیین ماتریکس همبستگی ……….. ۶۵

۳-۳-۵-۹-تقسیم نمودن داده ها………….. ۶۵

۳-۳-۵-۱۰-نرمال سازی………………….. ۶۵

۳-۳-۵-۱۱-معماری شبکه ……………….. ۶۶

۳-۳-۵-۱۲-آنالیز های شبکه های عصبی و تابع هزینه ۶۶

۳-۳-۵-۱۳-سنجش کارایی شبکه ……………. ۶۷

۳-۳-۵-۱۵-میانگین مربعات خطا………….. ۶۷

۳-۳-۵-۱۶میانگین مربعات نرمال شده ی خطا… ۶۸

۳-۳-۵-۱۷-درصد خطا……………………. ۶۸

۳-۳-۶-آموزش شبکه های عصبی مصنوعی……….. ۶۸

۳-۳-۷-آموزش از دیدگاه کلی……………… ۶۹

۳-۳-۸-داده های ورودی………………….. ۷۰

۳-۳-۸-۱-اندازه ی شبکه……………….. ۷۱

۳-۳-۸-۲-پایان آموزش…………………. ۷۱

۳-۳-۸-۳-روش های آموزش……………….. ۷۲

۳-۳-۸-۱-۱-الگوریتم های یادگیری نظارت شده یا با ناظر………………………………… ۷۲
۳-۳-۸-۱-۲-الگوریتم های یادگیری نظارت نشده یا بدون ناظر ………………………………… ۷۳
۳-۳-۸-۱-۳-الگوریتم پس انتشار خطا ……. ۷۴

۳-۴-سیستم های فازی…………………….. ۷۶

۳-۵-چرا از منطق فازی استفاده می کنیم؟……. ۷۷

۳-۶-عناصر سیستم فازی…………………… ۷۷

۳-۶-۱-مجموعه های فازی…………………. ۷۸

عنوان                                         صفحه

۳-۶-۱-۱-مجموعه فازی منفرد……………. ۸۱

۳-۶-۱-۲-عملگر های فازی………………. ۸۲

۳-۶-۱-۳-قواعد فازی………………….. ۸۴

۳-۶-۱-۴- به کار گیری قوانین فازی……… ۸۵

۳-۶-۱-۵-استدلال فازی…………………. ۸۶

۳-۶-۱-۶-روش مستقیم………………….. ۸۶

۳-۶-۱-۷-روش ممدانی………………….. ۸۷

۳-۶-۱-۸-روش Sugeno……………………. 88

3-6-1-9-غیر فازی سازی (Defuzzification)…….. 88

3-6-1-10-مرکز ثقل……………………. ۸۹

۳-۶-۱-۱۱-میانگین مراکز………………. ۹۰

۳-۶-۱-۱۲-یکی از مراکز خروجی ها (Min، Max، Mean)   ۹۰

۳-۷-خوشه بندی فازی (FCM)……………….. 90

3-7-1-روش Neuro-fuzzy  …………………… ۹۲

۳-۷-۲-VGA-FCM………………………… 95

3-8-الگوریتم های خوشه بندی……………… ۹۶

۳-۸-۱-الگوریتم fuzzy C-means………………. 97

3-9-طبقه بندی تصاویر با منطق فازی……….. ۹۸

۳-۹-۱-روش کار………………………… ۹۹

فصل چهارم: مطالعه موردی شهر مهاباد

۴-۱- مقدمه……………………………. ۱۰۱

۴-۲-بررسی های تاریخی ………………….. ۱۰۱

۴-۳- خصوصیات جغرافیایی و اقلیمی…………. ۱۰۳

۴-۵-موقعیت جغرافیایی…………………… ۱۰۳

۴-۶-وضعیت توپوگرافی……………………. ۱۰۴

۴-۷-گسل………………………………. ۱۰۷

۴-۸- چگونگی توسعه شهر و روند رشد آن در ادوار گذشته ۱۰۸

۴-۹-محدودیت و موانع طبیعی و قابلیت توسعه جهات مختلف شهر…………………………………….. ۱۱۲

 

عنوان                                         صفحه

۴-۱۰-نحوه پراکندگی روستاهای و جاذبه جمعیتی.. ۱۱۴

۴-۱۱-جمعیت و تحولات آن………………….. ۱۱۵

فصل پنجم: داده ها و روش اجرای مدل

۵-۱-مقدمه…………………………….. ۱۱۸

۵-۲-روش اجرای مدل CA_ANN ، داده های و نحوه استخراج پارامترها…………………………………….. ۱۱۸

۵-۲-۱-آموزش شبکه های عصبی مصنوعی………. ۱۱۹

۵-۲-۱-۱-داده های مربوط به کاربری زمین…. ۱۲۰

۵-۲-۱-۲-داده های همسایگی و فواصل……… ۱۲۹

۵-۲-۱-۳-داده های محدودیت (زونینگ)…….. ۱۳۳

۵-۲-۲-ساختار شبکه و نحوه آموزش آن……… ۱۳۶

۵-۲-۳-کالیبره کردن مدل CA از طریق ANN….. 137

5-3-شبیه سازی رشد  شهری………………… ۱۳۸

۵-۴-پیش بینی رشد شهری برای سال ۲۰۱۵……… ۱۴۰

۵-۵-اعتبار سنجی مدل……………………. ۱۴۳

۳-۶-آزمون فرضیات………………………. ۱۴۷

 

فصل ششم: نتیجه گیری

۶-۱-نتیجه گیری………………………… ۱۵۰

۶-۲- پشنهادات …………………………. ۱۵۴

 

فهرست منابع و مأخذ

منابع فارسی…………………………… ۱۵۶

منابع انگلیسی ………………………… ۱۵۷

 

پیوست …………………………………. ۱۶۳

 

 

 

 

 

 

 

فهرست جدول ها

 

 

عنوان                                         صفحه

جدول ۳-۱ : مدل های مختلف شبکه عصبی………… ۶۱

جدول شماره ۱-۴ . مساحت طبقات ارتفاعی محدوده شهر مهاباد  ۱۰۵

جدول شماره ۳-۴ . ویژگی های بارز تاریخی مهاباد ۱۰۹

جدول شماره ۴-۴٫ سیر تحول کالبدی- فضایی و الگوی توسعه شهر مهاباد………………………………………. ۱۱۰

جدول شماره۵-۴ روند تغییرات میزان شهرنشینی و روستانشینی در استان

آذربایجان غربی و شهرستان مهاباد………….. ۱۱۶

جدول شماره۶-۴  : روند تغییرات تعداد جمعیت و متوسط رشد جمعیت استان

آذربایجان غربی و شهرستان مهاباد طی سالهای ۱۳۸۵-۱۳۶۵ ۱۱۶

جدول شماره۷-۴: مساحت و تراکم جمعیتی شهرستانهای استان آذربایجان غربی

سال ۱۳۸۵-۱۳۶۵…………………………… ۱۱۶

جدول شماره ۱-۵ . پارامترهای بکار گرفته شده در مدل   ۱۲۰

جدول شماره۲-۵ . بخشی از داده های نمونه بکار برده شده در فرایند آموزش………………………………….. ۱۳۷

جدول شماره۳-۵ . برخی دیگر از روش های کالیبره کردن سلول های خودکار………………………………………. ۱۴۴

 

 

فهرست شکل ها

 

 

عنوان                                         صفحه

شکل شماره ۱-۲ . تخمین میزان جمعیت شهری تا سال ۲۰۳۰ ۱۳

شکل شماره ۲-۲ . درصد جمعیت شهری بر اساس طبقه بندی جمعیت شهرها ………………………………………. ۱۷

شکل شماره ۱-۳  : فضای سلولی شماتیک با پیکسل های قرمز و آبی………………………………………. ۳۸

شکل شماره ۲-۳  : حالات پیکسل ها در مشهورترین طرح های همسایگی

سلول های خودکار…………………………. ۳۹

شکل ۳-۳ : مثال رایج عام معمولی مشترک از الگوهای سلول خودکار پیچیده…………………………………. ۴۰

شکل ۴-۳  :  تاثیر مقیاس سلول……………… ۴۲

شکل ۵-۳  : تاثیر همسایگی بر روی مدل……….. ۴۳

شکل ۶-۳  : همسایگی دایره ای در سه مقیاس کوچک ، متوسط و بزرگ………………………………………. ۴۴

شکل شماره ۷-۳ : یک سلول خودکار یک بعدی با N=10  پیکسل و با حالات ممکن a 1 ,….., a10  در زمان معین t……………… 46

شکل ۸-۳: سلول های خودکار یک بعدی دارای ساختار ابتدایی   ۴۸

شکل ۹-۳ : همسایگی پیکسل شهری واقع شده در موقعیت شبکه ای ۵۰

شکل ۱۰-۳ : همسایگی ۳×۳ مور برای ………….. ۵۱

شکل شماره ۱۱-۳ : فرایند های آموزش و یادگیری در شبکه های عصبی………………………………………. ۵۵

شکل ۱۲-۳: تابع g در شبکه عصبی…………….. ۵۶

شکل ۱۳-۳ : تابع فعال سازی………………… ۵۶

شکل ۱۴-۳ : وزن های بین لایه های پنهان و خروجی.. ۵۷

شکل ۱۵-۳: ورود یک بردار x (  ) به شبکه عصبی  ۵۸

شکل ۱۶-۳ :  ساختار یک سیستم فازی………….. ۷۷

شکل۱۷-۳ :  نمونه ای از مجموعه های فازی…….. ۷۸

شکل ۱۸-۳ :  تعدادی از مجموعه های فازی استاندارد ۷۸

شکل۱۹-۳ : شکل توابع عضویت استاندارد……….. ۷۹

عنوان                                         صفحه

شکل ۲۰-۳ : تابع عضویت ………………….. ۸۰

شکل ۲۱-۳ :‌تکیه گاه مجموعه A………………. 81

شکل ۲۲-۳ : مجموعه فازی منفرد……………… ۸۱

شکل ۲۳-۳ : برش  از مجموعه فازی…………… ۸۲

شکل ۲۴-۳ : مجموعه فازی غیر محدب…………… ۸۲

شکل ۲۵-۳ : نحوه به کار گیری عملگر های فازی…. ۸۴

شکل ۲۶-۳ : متغیر لغوی……………………. ۸۵

شکل ۲۷-۳: نحوه استخراج نتیجه به صورت فازی….. ۸۶

شکل ۲۸-۳ : نحوه عملکرد سیستم فازی Sugeno…….. 88

شکل ۲۹-۳ : پروسه غیر فازی سازی نتیجه………. ۸۹

شکل ۳۰-۳ : میانگین مراکز…………………. ۹۰

شکل ۳۱-۳: نوروفازی………………………. ۹۳

شکل ۳۲-۳: سیستم مورد استفاده……………… ۹۴

شکل شماره۱-۵ . مدل آموزش و شبیه سازی رشد شهری از طریق CA_ANN………………………………………. 119

 

فهرست نمودارها

 

 

عنوان                                         صفحه

نمودار شماره۱-۴ : روند تحولات جمعیتی شهر مهاباد طی بازه زمانی ۱۳۴۵ تا ۱۳۸۵…………………………….. ۱۱۶

نمودار شماره۱-۵ . مساحت کاربریهای مختلف بین سالهای ۱۹۸۹-۲۰۰۰ – ۲۰۰۵…………………………………… ۱۲۴

نمودار شماره ۲-۵ . روند رشد سریع کاربری شهری در شهر مهاباد………………………………………. ۱۴۰

 

فهرست نقشه ها

 

 

عنوان                                         صفحه

 

نقشه شماره۱-۴ . موقعیت جغرافیایی شهر مهاباد.. ۱۰۴

نقشه شماره۲-۴ . طبقات ارتفاعی محدوده استحفاظی شهر مهاباد ۱۰۶

نقشه شماره۳-۴ . گسل های شهر مهاباد……….. ۱۰۷

نقشه شماره ۴-۴ :روند رشد شکل گیری و توسعه شهر مهاباد در گذر ………………………………………. ۱۱۱

نقشه شماره۵-۴ : نقاط و جاذبه جمعیتی روستاهای محدوده شهر مهاباد………………………………………. ۱۱۴

نقشه ۱-۵٫ ترکیب باندهای بهینه تصاویر ماهواره های TM , ETM+

محدوده ی شهر مهاباد…………………….. ۱۲۱

نقشه ۲-۵ . زمین مرجع نمودن تصاویر ماهواره ای از طریق عکس هوایی

مربوط به شهر مهاباد ……………………. ۱۲۲

نقشه شماره۳-۵ . طبقه بندی تصاویر ماهواره ای شهر مهاباد برای سال ۲۰۰۵…………………………………… ۱۲۳

نقشه شماره۴-۵ . طبقه بندی تصاویر ماهواره ای شهر مهاباد برای سال های

۱۹۸۹ و ۲۰۰۰…………………………….. ۱۲۳

نقشه شماره ۵-۵٫ طبقه بندی تصویر ماهواره ای سال۱۹۸۹  ۱۲۴

نقشه شماره ۶-۵٫ طبقه بندی تصویر ماهواره ای سال۲۰۰۰  ۱۲۵

نقشه شماره ۷-۵٫ طبقه بندی تصویر ماهواره ای سال۲۰۰۵  ۱۲۶

نقشه شماره۸-۵ . مدل ارتفاعی و شیب محدوده شهر مهاباد ۱۲۸

نقشه شماره ۹-۵ . نقشه سلسه مراتب راههای محدوده شهر مهاباد    ۱۳۰

نقشه شماره۱۰-۵ . محل استقرار مراکز اشتغال کارگاهی شهر مهاباد ………………………………………. ۱۳۱

نقشه شماره۱۱-۵  . پارامتر های منطقه ای بکار گرفته شده در مدل CA_ANN ………………………………… 132

نقشه شماره ۱۲-۵ حریم استحفاظی دریاچه سد شهر مهاباد  ۱۳۴

نقشه شماره ۱۳-۵ . حریم استحفاظی رودخانه های شهر مهاباد  ۱۳۵

 

عنوان                                         صفحه

نقشه شماره ۱۴-۵ . شبیه سازی و پیش بینی رشد شهری شهر مهاباد   ۱۴۲

نقشه شماره ۱۵-۵ . پیش بینی رشد شهری برای سال ۲۰۱۵ شهر مهاباد………………………………………. ۱۴۳

نقشه شماره ۱۶-۵ .  اعتبار سنجی مدل پیشنهادی بر اساس مقایسه شاخص

کاپای فازی شده………………………… ۱۴۶

 

مقدمه

 

 

گسترش بی رویه اراضی شهری از مهمترین مسائل و معضلات برای مدیران و برنامه ریزان شهرها در سطوح گوناگون است. از آنجاییکه امروزه بررسی روند تغییرات کاربری اراضی به کاربری شهری و شناسایی پارامترهایی که در این تغییرات مؤثر می باشند نقش اساسی در تصمیم گیریها و برنامه ریزی های بلند مدت بازی می کنند، لذا کشف قوانین و روابط مؤثر در تغییر سایر کاربریها شهری و همچنین پیش بینی روند توسعه شهرها در آینده با روشهای دقیق و کارآمد بیش از پیش ضرورت دارد.

از آنجاییکه در منابع علمی داخلی از مدلهای پویا در مسائل شهری –بخصوص گسترش شهرها- کمتر استفاده شده است ، بنابراین ارزیابی قابلیت استفاده از این مدل ها در مناطق مختلف می تواند گام مهمی در جهت توسعه آنها باشد. مدلهای سلول های خودکار یا به اختصار (CA) به دلیل داشتن ماهیت دینامیک و همچنین ساختاری ساده در مدل سازی عوارض طبیعی و فیزیکی سطح زمین ، کاربرد نسبتا وسیعی در پیش بینی تغییرات کاربری اراضی و همچنین توسعه اراضی شهری یافته است.

با استفاده از داده های موجود در زمان گذشته و بررسی وضعیت توسعه اراضی در آن زمان می توان پارامترهای تاثیرگذار در رشد اراضی را شناسایی نموده و از آنها برای پیش بینی روند توسعه در آینده استفاده نمود. در واقع محققین مسائل شهر ی با تعریف مدل CA­_ANN بر اساس پارامترهای مورد نظر خود و اجرای آن در بستر زمان قادر خواهند بود گسترش فضایی اراضی شهری در آینده را پیش بینی کرده و به درجه نسبتا مطلوبی از انطباق با واقعیت دست یابند.

 

1-1- طرح مسئله و ضرورت تحقیق

 

جهانی که در آن زندگی می کنیم، مرتبا در حال تغییر است. عوامل مؤثری در این تغییر و تحولات نقش دارند که آنها را می توان به طور کلی به دو دسته طبیعی و انسانی دسته بندی کرد. این عوامل ، در مکانها و شرایط مختلف تأثیرات متفاوتی را بر روی پدیده ها و عوارض سطح زمین دارند. بر اساس نظریه های موجود ، شهرها سیستم هایی پیچیده، باز ، پویا و خود سازمانده هستند که در فرایند توسعه آنها، بسیاری از نشانه های پیچیدگی مانند: ابعاد فرکتال، خودمانندی، خودسازماندهی، ظهور و … وجود دارد( تورنس[۱] ،۲۰۰۱ ).

از سوی دیگر مدلهای فضایی ، ابزارهای مفیدی را  برای درک فرایند توسعه شهری در اختیار برنامه ریزان و تصمیم گیرندگان قرار می دهند ( اوکادا و ژانگ [۲]،۲۰۰۸)  و با ابزار مدل سازی می توان سیستم پیچیده شهری، الگوهای فضایی  و روندهای رشد شهری را شبیه سازی کرد و درک بهتری از سیستم شهر به عنوان یک کل، به دست آورد.

 

12000 تومان – خرید