1、城市交通擁擠、空氣質量下降、交通事故頻繁等現(xiàn)象日益嚴重，已經(jīng)成為制約城市可持續(xù)發(fā)展的主要瓶頸。要從根源上解決這些問題，土地利用交通一體化是必經(jīng)之路。本論文考慮土地利用市場及交通系統(tǒng)的個體微觀行為特征，建立基于微觀行為的時空動態(tài)的土地利用與交通系統(tǒng)一體化模型，并基于美國佛羅里達洲GIS數(shù)據(jù)仿真實現(xiàn)。
　　 首先，從地理學、交通規(guī)劃理論出發(fā)，探討土地利用空間分布與交通系統(tǒng)的相互關系，建立一個雙層數(shù)學模型，從理論上證明模型等價性。該模

2、型能夠定量分析不同土地利用空間分布與交通系統(tǒng)費用關系。數(shù)值分析結果顯示，該雙層模型生成的最優(yōu)土地利用分配策略，能夠明顯提高交通運輸系統(tǒng)效率、減少交通系統(tǒng)費用高達90.2％，并能夠為城市資源配置提供理論支持及向導。
　　 基于佛羅里達橙縣的GIS數(shù)據(jù)，考慮土地利用變化的空間因素，構建了基于多項式邏輯模型(MNL)和神經(jīng)網(wǎng)絡(ANN)的元胞自動機(CA)土地利用模型。主要用到的數(shù)據(jù)包括數(shù)字高程模型文件(DEM文件)、土壤數(shù)據(jù)、土地利

3、用/覆蓋數(shù)據(jù)、塊數(shù)據(jù)、區(qū)域規(guī)劃邊界數(shù)據(jù)、人口統(tǒng)計數(shù)據(jù)、交通網(wǎng)絡相關數(shù)據(jù)等。采用50m×50m的柵格代表土地利用空間分布，元胞自動機模型從時空維上模擬土地利用形態(tài)變化。采用融合矩陣法計算MNL-CA模型精度，交通需求相關土地和所有土地類型的精度分別為74.4％和76.7％，而多層ANN-CA模型精度分別為87.7％和89.8％。研究表明，多層ANN-CA模型比單層ANN-CA精度高，但訓練時間更長。但是，當模擬一些小規(guī)模用地的變化時，人工

4、神經(jīng)網(wǎng)絡模型的魯棒性非常差，預測精度很低。
　　 從微觀層面，采用多智能體模型與元胞自動機模型結合，構建城市土地利用動態(tài)演化模型。多智能體模型(Agents)能夠通過各智能體與環(huán)境和其他智能體的相互作用關系，靈活地描述決策者的個體行為。引入拍賣投標模型描述土地利用市場中各智能體的相互關系，從個體價值觀、經(jīng)濟行為角度捕獲時空動態(tài)的土地利用變化。融合矩陣法下，MNL-CA-Agents和ANN-CA-Agents模型預測交通用地精度

5、分別為87.6％和87.7％。多智能體模型能夠有效提高MNL-CA模型的精度，但對ANN-CA模型結果影響不大。相比ANN的黑箱操作，MNL-CA-Agent能夠更直觀地展示空間變量和土地利用變化間的關系。且MNL-CA-Agent基于TAZ范圍的家庭及就業(yè)分配，也能較好地與實際觀測數(shù)相吻合。比如，允許誤差范圍為200([-200，200])，則該模型模擬家庭和就業(yè)分配量的準確率分別可達到75.7％和69.9％。
　　 基于MN

6、L-CA-Agent土地利用模型，所構建的LandSim土地利用仿真軟件，可以與佛羅里達標準城市交通模型(FSUTMS)結合，建立時空動態(tài)的土地利用交通一體化軟件仿真(LandSim-FSUTMS)。該軟件能夠有效分析和評估城市土地利用、交通相關政策、交通與環(huán)境間關系等。佛羅里達橙縣2000、2012、2025年的定量仿真結果表明，從長期規(guī)劃角度看，一體化模型能夠有效緩解交通擁擠、降低各交通排放量指標，對城市的可持續(xù)發(fā)展具有非常重要作用