《空间决策支持》PPT课件

第八章：空间决策支持,湖南科技大学建筑与城乡规划学院 主讲：都市稻草人,本章内容：,空间分析与空间决策支持 空间决策支持系统 空间决策支持系统的相关技术,8.1空间分析与空间决策支持,空间分析的定义 空间分析是基于地理对象的空间布局的地理数据分析技术。简单地说，可以认为所谓空间分析，就是利用计算机对数字地图进行分析。 空间分析的分类 根据空间分析的智能化程度 一般空间分析 空间决策支持 智能空间支持,8.1.1一般空间分析,空间查询与量算 叠置分析 缓冲区分析 网络分析 空间插值 统计分析,功能包括：,8.1.1一般空间分析,Step1:建立分析的目的和标准 分析目的是用户打算利用地理数据回答什么问题，标准是将如何利用GIS来回答这些问题。例如：确定新建一个公园，对于公园的选址，交通必须方便靠近水源但又不能太靠近公路而且还要远离工厂等。对于每个标准可利用缓冲区分析和叠置分析来操作分析。 Step2:准备空间操作的数据 确定和分析的数据应包括：空间数据和属性数据。 Step3:进行空间分析操作 空间分析是地理信息系统特有的功能。分析操作包括缓冲区分析、叠置分析、特征抽取和特征合并等。 Step4:准备表格分析的数据：空间数据和描述数据 Step5：进行表格分析 Step6:结果的评定和解释 Step7：改进分析 Step8：产生分析结果的最终地图和表格报告,建立步骤,8.1.1一般空间分析,实例1-道路拓宽建设过程中的拆迁指标计算,1）道路拓宽改建的目的和标准 目的：计算由于道路拓宽建设而需拆迁的建筑物面积和房产价值。 标准：a 道路从原有的20m拓宽到60m b 拓宽道路尽量保持直线 c 部分位于拆迁区内的10层以上建筑不拆迁 2）准备分析的数据 涉及两类信息： a 现状道路图 b 分析区域内的建筑物分布图,案例,3）空间分析操作 a:缓冲区分析：对拟拓宽的道路，根据拓宽半径建立缓冲区，产生一个新图层 b:叠加分析：将a图层与建筑物图层数据进行叠加，作为新图，该图层包含所有部分或是全部位于拆迁区内的建筑物信息 4)统计分析 a:选择落入拆迁区内的建筑（含部分落入），剔除10层以上建筑物，并对拓宽道路作局部调整 b:统计拆迁建筑物并对其进行拆迁指标计算和房产估算 5）结果输出 以地图和报表形式打印输出,实例1-道路拓宽建设过程中的拆迁指标计算,8.1.2空间决策支持,定义： 空间决策支持是应用各种空间分析手段对空间数据进行处理。以提取出隐含于空间数据中的某些事实和关系，并以图形和文字的形式直观的加以表达，为现实世界中的各种应用提供科学合理的支持。 应用领域 ： 城市用地选址、最佳路径选取、定位分析、资源分配等与数据发生关系的领域。,决策的需要过程： 决策支持的问题大大超过了一般空间分析功能 （1）确定目标：根据用户的任务要求等确定目标并分类分析 （2）搜集数据：广泛搜集与解题有关的各种数据 （3）建立模型：根据目标，建立运作模型以及定量分析模型 （4）寻求空间分析手段：综合分析各种可能的情况并确定其可行性，最后形成分析结果，提交用户使用 （5）结果评价：对空间分析结果进行评价，确定结果的可靠性、正确性和合理性。,8.1.2空间决策支持（SDSS）,问题的提出（建立目标和标准） 数据的准备 （1）公路与铁路分布图-线状图 （2）森林服务权属图-面状地图 （3）城镇行政区划图-面状地图 功能需求分析,实例2-森林旅游点的选址确定,功能分析,缓冲分析,中心点计算及叠加,绘图输出,面状边界消除与合并,报表打印,属性重分类,拓扑叠加,面积量算,案例,8.1.2空间决策支持（SDSS）,步骤分析 根据森林权属找出所有森林地区 1为林地，0为非林地 合并森林分类图属性相同的相邻多边形的边界 找出距离公路0.5公里的地区 找出距离公路1公里的地区 找出非城市用地 1为非市区，0为市区 找出森林地区、非市区、且距公路或是 铁路0.5-1公里范围内的地区 合并相同属性的多边形 面积量算约束、输出分类图,再分类,归组,拓扑叠加,缓冲区分析,再分类,归组,统计分析,8.1.3智能空间决策支持,1.定义： 智能决策支持系统IDSS（Intelligent Decision Support Systems）是决策支持系统DSS 与人工智能AI （Artificial Intelligence）相结合的产物，它将人工智能中的知识表示与处理的思想引入到DSS，其独特的研究方法和广泛的发展前途使之一出现就成为决策支持技术研究的热点。 智能空间决策支持是在空间决策支持的基础上，增加了更多的人工智能技术，提高了空间决策的智能化处理水平，能够解决更复杂的空间决策问题。,8.1.3智能空间决策支持,2.结构 智能空间决策支持系统的体系结构：,通用智能空间决策支持系统结构体系图,8.2空间决策支持系统（SDSS）,发展状况： 目前，大多数GIS尚停留在数据的获取、查询、分析、显示、制图等水平，还缺少对复杂空间问题决策的有效支持能力，很难满足各级决策的需求。直到20世纪80年代才作为一个新的领域在GIS和DSS基础上得到了广泛的发展。 一般来说，SDSS能帮助决策者从错综复杂的现实现象中抓住本质、理清头绪，明确主要任务和目标，自主灵活的生成各种解决问题的方案，研究比较相互之间的利弊矛盾，进而找出更切合实际的办法，采取相应的措施与行动。,8.2.1空间决策过程的复杂性,空间决策是一个涉及多目标和多约束性条件的复杂过程，一般不能简单的通过描述性知识和程式化知识来进行解决，往往要求综合地使用信息、领域专家知识和有效的交流手段。 1.信息的复杂性： 信息技术的发展给决策者提供了大量的空间信息（地图、航片、测量数据）和非空间信息（表格、文本、属性信息等） 1.结构化信息：高度结构化，形式化如数学模型、计算机算法等，它遵循固定的框架 2.非结构化信息：人的经验，感官体验、世界观等 3.半结构化信息：介于二者之间的信息,程式化知识,描述性知识,8.2.1空间决策过程的复杂性,2.决策问题的复杂性： 决策者使用信息和知识，在解决结构化、非结构化、半结构化问题上的复杂程度也有所不同 确定性决策（结构化决策） 对决策的过程、环境及规则能用固定的模型与语言描述，可以用一些算法产生方案，并能从中选择最优解。 不确定性决策（半结构化决策） 可以建立适当的算法来产生方案，从而得到较优的决策 风险性决策（非结构化决策） 决策过程复杂，不可能用确定的模型和语言来描述，更无所谓最优解，具有一定的风险性。,空间决策支持过程：,左侧为数据处理，用于计算和量测，以及知识推理和更新 右侧为信息处理，用于处理事实，组织信息和原理 决策中的信息和知识是相互作用的，是对传统信息技术的扩充。,8.2.2空间决策系统的分类,按功能特点分类,按技术水平分类,按系统体系结构分类,通用开发平台系统 专用软件工具系统 具体应用系统,地理信息系统 空间决策支持系统 空间群决策支持系统,单机系统 网络系统,8.2.4 空间决策支持系统的功能,不同数据源的空间和非空间数据的获取、输入和存储 复杂空间数据结构和空间关系表示方法，适于数据查询、检索分析和显示 灵活的集成程序式空间知识和数据的处理能力 灵活的功能修改和扩充机制 友好的人机交互界面 提供决策需要的多种输出 提供非结构化空间知识的形式化表达方法 提供基于领域专家知识的推理机制 提供自动获取知识或自学习功能 提供基于空间信息、描述性知识、程式化知识的智能控制机制,空间决策知识与一般的决策支持功能大致相同，但前者更注重空间数据和空间知识的获取和解决。,空间决策支持系统沿着一般空间分析、空间决策扶持系统、智能空间决策支持系统的发展轨迹进行发展，并不断地引入各种相关技术，提高空间分析解决复杂问题的能力，提高智能化水平，因此，空间决策支持系统必须研究一些相关技术，包括决策支持系统技术、人工智能技术、专家系统技术、数据仓库技术、数据挖掘和知识发现技术等,8.3 空间决策支持系统的关键技术,决策支持系统是辅助决策者通过数据、模型、知识以及人机交互进行决策的计算机应用系统。它起始于管理 信息系统，是在管理 信息系统基础上增加了非结构化问题处理模块、模型计算和各种方法以解决结构化、非结构化和半结构化决策问题，为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。,8.3.1 决策支持技术,Buchanan和Shortlife认为“人式智能是计算机科学的分支，它用符号、非算法的方法进行问题求解” Rich和Knight认为“人工智能是研究如何让计算机做现阶段只有人才能做得好的事” Nilsson认为“人工智能是关于知识的科学，即怎样表示知识，怎样获取知识和怎样使用知识的科学” 类似人一样动作 类似人一样进行思考和推理 理性思考 理性动作,8.3.2 人工智能技术,人工智能是一门新兴的边缘学科，是自然科学和社会科学和交叉学科，它吸取了自然科学和社会科学的最新成就，以思维与智能为核心，形成了具有自身研究特征的新的体系。人工智能的研究涉及广泛的领域，如各种知识表示模式、不同的智能搜索技术、求解数据和知识不确定问题的各种方法、机器学习的不同模式等等。它也是一门综合性的学科，它是在控制论、信息论和系统论的基础上诞生的，它涉及哲学、心理学、认知科学、计算机科学、数学以及各种程学方法，这些学科为人工智能的研究提供了丰富的知识和研究方法。,8.3.2 人工智能技术,人工智能的重点随着时间的变化也在发生着很大的变化。目前对更好的理解人工智能有所帮助并且值得去研究的问题有很多，主要有以下一些内容： 机器学习 Machine Learning 知识表示和推理 Knowledge Representation and Reasoning 规划 Planning 知识获取 Knowledge Acquisition 智能搜索 Intelligent Search 逻辑程序设计 Logic Programming 软计算 Soft Computing,8.3.2 人工智能技术,专家系统是人工智能在信息系统中的具体应用，它是一个智能计算机程序系统，内部存储大量专家水平的某个领域知识与经验，决策者利用专家的知识和经验可以解决相关领域的问题。 一般专家系统包括数据库、知识库、推理机、解释器及知识获取五个部分组成。,8.3.3 专家系统技术,数据仓库是面向主题的、集成的、时变的、非易失的并且随时间而变化的数据集合。与其它的数据存储系统相比它具有四个特性： 面向主题的：通常构造数据仓库的构造是围绕一些主题进行的，如产品、客户、销售组织； 集成的：通常构造数据仓库是将多各数据源集成在一起进行存储，它使用数据清理和数据集成技术，确保命名约定、编码结构、属性度量等的一致性。 时变的：数据存储从历史的角度提供信息。数据仓库中的关键结构隐式或显式地包含时间元素； 非易失的：数据保持不变，按计划添加数据，但是依据一定的规则，原数据不会丢失；,8.3.4 数据仓库技术,数据仓库与日常操作数据库是分离的，这是因为这两种系统的数据的结构、内容和用法都可能有不同。决策支持需要将来自异种源的数据统一，产生高质量、集成的数据。相比之下操作数据库只维护详细的原始数据，这些数据在分析之前需要统一，由于两个系统的功能大不相同需要不同类型的数据，因此需要维护分离的数据库。 数据仓库利用多维分类机制组织大量的动作数据和历史数据，把观察对象的属性称为维。维可有层次结构。目前数据仓库的存储主要有两种实现方式，一种是关系数据库存储；另一种是用多维数据库存储。在关系数据库存储方式中，一般采用星型、雪花型或两都的混合模式来组织数据。而在多维数据库的实现方式采用数据立方体来组织数据。 数据仓库的研究还不是很成熟，尽管出现了很多数据仓库的产品，但是在统一的标准等方面还没有完全成型，还有等进一步发展。,8.3.4 数据仓库技术,空间数据挖掘是指从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其他一些隐含在数据库中的普遍数据特征。 从GIS数据库中可以发现的主要知识类型有： 普遍的几何知识 空间分布规律 空间关联规则 空间聚类规则 空间特征规则 空间区分规则 空间演变规则,8.3.5 数据挖掘与知识发现,空间数据挖掘与知识发现是多学科和多种技术交叉综合的一个领域，它综合了机器学习、数据库、专家系统、模式识别、统计、管理信息系统、等领域的有关技术，因而数据挖掘与知识发现方法是丰富多彩的。针对空间数据库的特点，存在以下一些主要的数据挖掘与知识发现方法： 统计方法 归纳方法 聚类方法 空间分析方法 探测性的数据分析 粗糙集方法 去理论 图像分析的模式识别 概念格方法,8.3.5 数据挖掘与知识发现,空间知识发现系统的结构及开发方法,8.3.5 数据挖掘与知识发现,开发知识发现系统时，有两重要的问题需要考虑，并做出选择： 是自发地发现还是根据用户的命令发现 自发地发现会得到大量不感兴趣的知识，而且效率会很低；根据用户全集执行则发现的效率较高，速度较快，结果符合要求。 系统如何管理数据库系统本身具有数据库管理系统功能还是与外部数据库管理系统相连。 系统本身具有数据库管理系统功能，系统整体运行效率高，但是软件开发工作量大，不易更新；系统与外部数据库管理系统结合使用，整体的效率会稍低，但开发工作量小，通用性好，易于及时吸收最新的数据库技术成果。,8.3.5 数据挖掘与知识发现,命题:：命题是一个能够决定是真还是假的陈述名，是一种陈述性的知识表达形式。,语义网络：,语义网络是表示命题信息的一种经典人工智能表示技术，最初主要用于自然语言理解的研究，由于其强大和直观的表达能力，如今被广泛地应用于专家系统、自然语言理解等基于知识的系统中，是一种表达能力强而灵活的知识表示方法。,语义网络是通过概念及其主义关系来一种有向网络图，它是一个带有标示的有向图； 有向图的节点表示各种事物、概念、情况、属性、动作、状态等，弧表示节点之间的各种语义关系，指明它所连接的节点之间的某种语义关系； 节点和弧必须带有标识，以便区分各个不同对象以及之间的各种不同的关系； 因此一个语义网络主要包括两部分：事件，以及事件间的关系； 从结构上看，语义网格一般是由一些基本的语义单元构成，这些最基本的单元用三元组表示为： （节点1 ，弧 ，节点2）,语义网络：_基本概念,若A、B表示两节点，R表示A、B之间的某种语义关系，则语主义对就表示如下图：,语义网络：_基本概念,把多个基本网元用相应的语义联系在一起时，就可以得到一个语义网络。语义网络有时也称为联系网，这是因为网络中的节点都是相连的，在语义上有一定的相关性。,例如，对于”鸵鸟是一种鸟“这一事实可表示为如下图所示的语义网络：,从功能上讲，语义网络可以描述任何事物之间的任意复杂关系。但是，这种描述是通过把许多基本语义关系关联到一起实现的，基本语义是构成复杂主义关系的基石，也是语义网络知识表示的基础。下面列出一些常用 的语义关系。 (1)IS-A、A-Kind-OF、A-Member-Of和Instance-Of 这些关系一般描述的是事物之间的类属关系，IS-A和A-Kind-Of常写作为ISA和AKO；,语义网络：_基本事实的表达,ISA的含义为“是一个”，“是的一个实例”。表示一个事物是另一个事物的实例，指出一个类的一个特定成员。例如“张强是一个人”可表示为如下所示的语义网络图：,AKO的直观含义为“是一种”，表示一个事物是另一事物的一种类型。AKO关系用来连接一个类与另一个类。它不用来表示特定个体之间的关系，它用来连接一个个类和它的父类，这里的个类就是一个子类。例如“鸟是动物”可表示为如下所示的语义网络：,语义网络：_基本事实的表达,Instance-Of关系用来建立AKO关系的逆关系，表示一个事物是另一个事物的一个实例。例如“鸟是一种动物”可表示为如下所示的语义网络图：,A-Member-Of的直观含义是“是的一员”，即表示一个事物是另一个事物的一个成员，反映了个体与集体（类或集体）之间的关系。例如，“张三是工会会员”可表示为如下的语义网络：,语义网络： _基本事实的表达,(2)属性关系 属性关系一般是表示事物和其属性之间的关系。一个对象一般都有一个以上的属性，而每个属性又有一个值。属性和值组合成特性。例如，一个小飞船属性有：尺寸、重量、形状和颜色等。常用的属性一般都是的谓语或动词部分，如Have，Can，Is等。,Have:直观含义是“有”，表示事物和属性的占有关系。例如“小飞船有机翼”可表示为如下图所示的语义网络：,Can:直观含义为“能”、“会”等，表示属性和事物之间的能力或技能关系。如“小飞船会飞”可表示为如下所示的语义网络：,语义网络： _基本事实的表达,Is:含义比较丰富，可表示属性和事物之间的关系比较多。例如“小飞船比较小”如果用Is表示的话可表示为如下所示的语义网络:,一个节点的属性被一个后代节点所复制,称为继承。除非有特例，否则可以假定一个类的所有成员都会继承它们超类的所有特性。继承在知识表达中是一种非常有用的工具，因为它不必重复表达相同的属性。由于许多复杂的关系都可以用一些节点和连接来表示，所以连接和继承就为知识表示提供了一个很有效的手段。,(3)其他关系 现实事物之间的关系多种多样，除了上面给出的关系，还包括以下的主要关系。 包含关系：也称为聚类关系，一般描述“部分和整体”之间的关系。它和类属关系的主要区别是包含关系一般不具有继承性。例如Part-Of、Composed-Of可用来描述包含关系。对于“机翼是小飞船的一部分”和“小飞船由机翼和机身构成”可分别表示为如下图所示的语义网络。,语义网络： _基本事实的表达, 时间关系：表示事物之间的时间上的先后顺序。如Before表示一个事件在另一个事件之前发生；After表示一个事件在另一个事件之后发生；At表示某一事物发生的时间等。 位置关系：表示不同事物间的位置关系。如Location-on表示一个事物在另一个事物之上。类似的有Location-at 、Location-under、 Location-inside、 Location-outside等。 相似关系：相似关系指不同事物在形状、内容等方面的相似或接近。如Similar-to可表示一个事物和另一个事物相似；Near-to表示一个事物和另一个事物接近等。,语义网络： _基本事实的表达,语义网络中节点不公可以表示一个物体或者概念，也可以表示情况和动作。与个体节点一样，关系节点同样可以划分为概念节点和实例节点，实例节点和概念节点之间可以用ISA弧联系。每一个动作节点可以是某个概念的一个实例，可以有一组向外的弧，用以说明与该实例有关的各种变量。例如事实“小燕子从春天到秋天占有一个巢”的语义网络如下图所示。,语义网络： _表示情况和动作,图中设立了“占有权-”节点，表示小燕子有自己的巢，当然小燕子也可以有其它的东西，所以占有权-只是占有权的一个实例。,通常把有关的一个物体或概念，或一组有关的物体或概念的知识用一个语义网络表示出来。不然的话，会造成过多的网络，使问题复杂化。与此相关的是寻找基本概念和某些基本弧的问题。这被称之为“选择语义基元”问题。选择语义基元就是试图用一组基元来表示知识。这些基元描述基本知识，并以图解表示的形式相互联系。通过这种方式，可以用简单的知识来表达更复杂的知识。,语义网络： _表示情况和动作,语义网络是一种网络结构，节点之间以链相连。从本质上讲节点之间的连接是二元关系，因此语义网络很适合于表示二元关系。但是一元关系和多元关系都可以用二元关系来表示。如一元关系“张强是一个人”用一元谓词表示为MAN(Zhanaqiang)。用语义网络就可以表示为如下图所示：,语义网络： _多元语义网络的表示,如果要表示的事实是多元关系的，可以把这个多元关系转化成一n组二元关系组合，或二元关系的合取。具体来说多元关系R(X1,X2, , X n)总可以转换成:,例如三根要线a,b,c组成一三角形。这可表示成TRIANGLE(a,b,c)。这个三元关系可转换成一组二元关系的合取，即,一个语义网络可以有多个子网络组成，这些子网络之间也存在着与谓词逻辑类似的各种连接词和量词。,语义网络： _连接词与量词的表示,(1)合取 如前所述，多元关系可以被转换成一组二元合取，从而可以用网络的形式表示出来。在语义网络中如不加标志，就意味着连接之间的关系是合取。 (2)否定 为表示否定关系，可以采用ISA和PART-OF关系或标注NEG界限，如下图所示，其中(a)和(b)分别表示(A isa B)和(B part-of C)。若要表示ISA(A,B) PART-OF(B,C) 如下c所示。,(3)蕴涵 在语义网络中可和标注ANTE和CONSE的一对连接在一起的封闭虚线来表示蕴涵关系。ANTE和CONSE分别用来把与前提及与结果相关的链联系在一起，例如：Every one who lives at 37 Maple Street is a programmer可表示为如下所示的语义网络。,语义网络： _连接词与量词的表示,(4)量化 语义网络可以表示变量，这样在推理过程中就存在对量词进行量化处理，因此就需要对量词进行表示。 存在量词的量化在语义网络中可直接用ISA链来表示。而全称量词的量化就要用分割方法来表示。例如，表示The dog bit the postman这句话意味着所涉及的是存在量化。如下图所示，D节点表示一特定的狗；P表示一特定的邮递员；B表示一特定的咬人事件。咬人事件B包括两部分，一部分是攻击者，一部分是受害者。节点D、B、P都是用ISA链与概念节点DOG、BITE以及POSTMAN相连，因此表示是存在量化。,语义网络： _连接词与量词的表示,在语义网络知识表达方法中，没有形式语义，也就是说，和谓词逻辑不同，对所表达结构没有统一的规定。赋予网络结构的含义完全决定于管理这个网络的过程特性。语义网络中的推理过程主要有两种，一种是继承，另一种是匹配。 (1)继承 在语义网络中所谓的继承是把事物的描述从概念节点或类节点传递到实例节点。在语义网络中一般有三种继承过程，它们分别是值继承、如果需要继承、缺省继承。 值继承：在语义网络节点之间的语义关系中，定义了ISA链和AKO链，它们都可以用来实现节点之间的值继承。 如果需要继承：在某些情况下，当我们不知道某个槽值时，可以利用已知信息来计算。 缺省继承：把具有相当程度的真实性，但双不十分肯定的值称为缺省值，只要不与现有事实相冲突，就默认这个值为该事物的值，在语义网络中这种推理称为缺省继承。,语义网络： _语义网络的推理过程,语义网络： _语义网络的推理过程,(2)匹配 在语义网络系统中,问题求解推理的匹配实现过程为：根据待求解问题的要求构造一个网络片断，其中有些节点或弧的标识是空的,反映求解的问题；此网络片断到知识库中去寻找可匹配的网络，以找出所需要的信息。当然，这种匹配一般不完全的，具有不确定性，因此需要解决不确定匹配的问题；当问题的 语义网络片断与知识库中的 某些语义网络片断匹配进，则与询问处匹配的事实就是问题的解。 例如有有如下事实：赵云是一个学生；他在东方大学主修计算机课程；他入校的时间是1990年。这些事实可用下图所示的语义网络表示出赵云所受教育的情况。,语义网络： _连接词与量词的表示,语义网络表示方法的主要优点： (1)结构性好 (2)联想性 (3)自然性,语义网络： _语义网络表示方法的特点,语义网络表示方法的主要局限性： (1)非严格性 (2)复杂性 (3)组合爆炸问题 (4)不充分性,