地理信息系统理论与应用丛书：智能式GIS与空间优化 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

黎夏，刘小平，李少英 著

图书标签:

• GIS
• 空间分析
• 空间优化
• 智能GIS
• 地理信息系统
• 算法
• 优化模型
• 空间数据挖掘
• 城市规划
• 遥感

出版社： 科学出版社

ISBN：9787030267672

版次：1

商品编码：12228090

包装：平装

丛书名： 地理信息系统理论与应用丛书

开本：16开

出版时间：2010-02-01

用纸：胶版纸

页数：275

字数：408000

正文语种：中文

内容简介

　　《智能式GIS与空间优化》提出较完整的智能式GIS的概念，并系统地介绍智能式GIS的实现方法。首先对人工智能的发展历史进行回顾，探讨人工智能与GIS的内在联系，介绍人工智能的基本原理、方法以及应用领域，对人工智能的一般算法进行描述。
　　《智能式GIS与空间优化》的特色是详细地介绍空间知识发现、地理模拟、空间优化与决策三大方向的研究内容，建立较完整的基于点、线和面的空间优化模型，提出模拟与优化耦合的实现方法，并初步设计基于耦合的地理模拟优化系统。
　　《地理信息系统理论与应用丛书：智能式GIS与空间优化》以城市演变、土地利用变化以及地理空间分异等复杂地理现象的模拟为例，探讨基于多种人工智能算法（包括遗传算法、神经网络算法、蚁群智能算法、人工免疫系统）的智能元胞自动机和多智能体在城市演变规律等方面的应用，并详细介绍遗传算法、粒子群算法、蚁群智能算法和地理元胞自动机等人工智能算法与GIS的集成研究，及其在基础设施选址与空间优化等复杂问题中的应用。
　　《地理信息系统理论与应用丛书：智能式GIS与空间优化》适合于从事GIS的高校教师和科研所研究人员；GIS专业以及城市规划等相关专业的研究生；计算机应用科学专业的研究生；参加GIS研究生入学考试的学生。

作者简介

　　黎夏，中山大学教授。1983和1986年于北京大学分别获学士和硕士学位、1996年于香港大学获博士学位。为著名国际刊物International Journal of Cengraphkal Inforrnafion Science、Computers、Environment and Urhan Systems、Environment and Planning编委。对城市扩张与农田流失、土地利用变化模拟与优化进行了系统研究。针对资源环境复杂多变的特点，系统地将智能化方法引入到地理模拟优化模型中。建立了以过程为核心的地理模拟优化系统（CeoSOS）理论框架及实现方法。共发表200多篇学术论文，这些研究成果发表在地理学报、中国科学、Internationnal Journal of Geographical Information Science等刊物上，其中在UCIS发表和接纳论文共13篇。
　　
　　刘小平，中山大学副教授，“百人计划”引进人才，教育部新世纪人才支持计划人选者。主要从事地理模拟、空间智能及优化决策方面的研究，先后完成50多篇论文，SCI收录21篇，EI收录4篇，出版专著2部。2009年获得第十届全国青年地理科技奖，为该次获奖者中*年轻的地理科技工作者。
　　
　　李少英，中山大学管理学院博士。研究方向为CIS与决策支持，主要从事空间智能及优化决策方面的研究，代表作包括“城市轴向扩展时空过程模型与测度”等论文。

目录

前言

第1章 智能式GIS的提出
1．1 GIS概述
1．1．1 GIS的定义
1．1．2 GIS的组成
1．1．3 GIS的基本功能
1．1．4 GIS的发展
1．2 智能式GIS的提出
1．3 智能式GIS的定义
1．4 智能式GIS的发展前景
参考文献

第2章 计算机人工智能
2．1 人工智能的概述
2．1．1 人工智能的定义
2．1．2 人工智能的研究目标
2．1．3 人工智能的主要成就
2．1．4 人工智能对社会各领域的影响
2．2 人工智能的发展历史
2．2．1 人工智能诞生的历史背景
2．2．2 人工智能的诞生
2．2．3 人工智能的发展
2．3 人工智能的发展现状和展望
2．4 人工智能的基本原理和方法
2．5 人工智能主要应用领域
2．5．1 自动定理证明
2．5．2 模式识别
2．5．3 专家系统
2．5．4 机器学习
2．5．5 智能决策支持系统
参考文献

第3章 人工智能一般算法
3．1 人工神经网络
3．1．1 BP神经网络
3．1．2 Hopfield神经网络
3．2 遗传算法
3．2．1 概述
3．2．2 遗传算法的基本组成
3．3 免疫算法
3．3．1 自然免疫系统简介
3．3．2 免疫算法
3．4 群体智能算法
3．4．1 粒子群优化算法
3．4．2 蚁群算法
参考文献

第4章 GIS与人工智能的结合
4．1 GIS有关应用领域
4．1．1 城市与区域规划
4．1．2 资源管理与利用
4．1．3 环境监测与保护
4．1．4 商业规划与分析
4．2 GIS与人工智能结合的必要性和可行性
4．2．1 空间知识分析智能化
4．2．2 地理模拟智能化
4．2．3 空间优化与决策的智能化
4．3 人工智能在GIS中的研究热点
4．3．1 专家系统与GIS
4．3．2 进化计算与GIS
4．3．3 神经计算与GIS
参考文献

第5章 智能式GIS与空间知识发现
5．1 基于数据挖掘的元胞自动机与空间知识发现
5．1．1 数据挖掘及地理元胞自动机
5．1．2 实验区及空间数据
5．1．3 CA转换规则的自动挖掘
5．1．4 模拟结果及检验
5．1．5 结论
5．2 基于生物群集智能优化的遥感分类方法
5．2．1 粒子群算法的基本原理
5．2．2 基于粒子群的遥感分类方法
5．2．3 影像分类实验
5．2．4 结论
5．3 基于蚁群智能的遥感分类方法
5．3．1 蚁群算法的基本原理
5．3．2 基于蚁群智能的遥感分类模型
5．3．3 影像分类实验
5．3．4 结论
参考文献

第6章 智能地理模拟与优化
6．1 地理模拟工具：元胞自动机和多智能体
6．1．1 元胞自动机
6．1．2 多智能体系统
6．2 基于CA的智能元胞自动机与城市模拟
6．2．1 基于GA的CA模型参数获取及城市形态调控模拟
6．2．2 模型应用及结果分析
6．2．3 结论
6．3 基于ANN的智能元胞自动机与土地利用变化模拟
6．3．1 基于ANN和GIS的CA模型
6．3．2 应用及模拟结果
6．3．3 结论
6．4 基于ACO与元胞自动机的智能式地理模拟
6．4．1 基于蚁群智能算法的地理元胞自动机
6．4．2 基于蚁群智能的地理元胞自动机
6．4．3 模型应用及结果
6．4．4 模型验证与对比
6．4．5 结论
6．5 基于AIS的智能元胞自动机与规划情景模拟
6．5．1 AIS的基本原理
6．5．2 AIS自动获取CA的转换规则
6．5．3 基于AIS和元胞自动机的城市规划模型
6．5．4 模型应用及结果
6．5．5 珠江三角洲城市群的规划情景模拟
6．5．6 结论
6．6 基于分析学习的智能元胞自动机与城市演变模拟
6．6．1 逻辑回归模型
6．6．2 分析学习模型
6．6．3 应用及模拟结果
6．6．4 验证
6．6．5 结论
6．7 基于多智能体的地理空间分异现象模拟
6．7．1 基于多智能体的居住空间分异模型
6．7．2 实现与模拟结果
6．7．3 结论和讨论
6．8 基于多智能体的土地利用空间格局演变模拟
6．8．1 基于多智能体的城市土地利用变化模拟模型
6．8．2 模型及应用
6．8．3 模型的检验
6．8．4 结论
参考文献

第7章 空间优化与决策
7．1 智能式GIS与空间点状地物优化
7．1．1 基于城市扩张模拟的基础设施优化模型
7．1．2 基于GA的空间优化模型
7．1．3 基于GA的农田生物质能集约利用优化模型
7．1．4 基于ACA（蚁群智能算法）的大区域优化选址模型
7．1．5 基于PSO（粒子群算法）的区域选址优化模型
7．2 智能式GIS与空间线状地物优化
7．3 智能式GIS与空间面状地物优化
7．4 基于耦合的地理模拟优化系统
7．4．1 引言
7．4．2 地理模拟优化系统
7．4．3 结论
参考文献

彩图

前言/序言

　　自从地理信息系统（Geographical Information System，GIS）于20世纪60年代在加拿大诞生以来，GIS技术经历了40多年的快速发展。GIS从原来局限于土地测绘等政府部门的小范围应用，到现在被各学科、各行业部门和企业的广泛使用。其发展趋势也经历了从强调“系统”本身的功能，到强调推动技术发展的“科学”，到现在的为大众普及“服务”的侧重点的转移。
　　但是，随着GIS在地理学及其他领域应用的深入，对GIS的空间分析功能提出了更高的要求。由于空间信息的日益丰富和空间决策问题的日益复杂，在GIS的应用中，我们遇到了许多新的困难和障碍。首先，GIS储存了大量的空间数据，隐藏了许多有用的信息，需要高级的空间分析工具才能提取出这些有用信息；另外，GIS不仅应该提供简单的查询和显示的功能，也应该提供对许多地理过程进行深入分析的工具，包括解决复杂的资源配置和优化等问题。许多地学现象属于动态的复杂系统，地理系统的复杂性导致地理问题具有非线性、不确定性和模糊性等特征。地理系统的动态性决定了地理实体和地理现象都不是一成不变的，而是随着时间、空间的变化而不断变化。而且导致这些变化的影响因子具有很大的不确定性，很难用严格的数学公式和有规律的规则来表示。传统的GIS通过对地理数据的处理、分析和模拟，能够解决复杂地理问题中确定性的问题。但是无法解决地学中的非线性、不确定性和模糊性的问题。因此，仅靠传统的GIS方法处理复杂地理空间问题，具有很大的局限性，无法解决动态复杂系统多因素、多层次以及非线性的问题。
　　近年来，人工智能获得了迅速的发展，在许多科学领域取得了丰硕的成果，已发展成为一门极具挑战性、得到广泛重视和普遍认可并具有广阔发展前景和应用潜能的学科。我们认为，人工智能与GIS结合起来，必定会大大提高目前GIS空间分析的能力，为对许多复杂的非线性自然系统的分析提供了重要的分析工具。因此，我们尝试在智能式GIS方面进行了系统的研究，提出了较完整的智能式GIS的概念及实现方法。在书中，我们提到了GIS应用的三大前沿方向，包括空间知识发现、地理模拟以及空间优化与决策，这三个方向的应用研究能够涵盖地理学中许多复杂的空间问题。首先，空间知识发现就是从海量数据中自动挖掘出有用信息，并对这些信息进行空间分析，从而找出相关的地理知识和地理规律。在当今空间数据呈爆炸式增长的时代，空间知识发现在GIS应用中具有非常重要的地位，它是获取新的地理知识和地理规律的重要途径，也是解决复杂空间决策问题的前提和重要依据。另外，地理模拟系统是探索和分析地理现象的格局形成和演变过程的有效工具，能够帮助揭示复杂地理动态现象的形成规律并对其发展方向及演化过程进行有效的预测，在城市扩张、土地利用变化、环境管理和资源的可持续利用等研究中得到广泛的应用。而空间优化与决策也是当今GIS应用一个非常重要的方向，它是资源环境管理、规划和利用需要解决的问题。

深度剖析：现代测绘技术与空间数据管理前沿探索 本书名称：《地理信息系统理论与应用丛书：智能式GIS与空间优化》 图书简介： 本书系“地理信息系统理论与应用丛书”中的重要一卷，聚焦于地理信息科学（GIS）领域近年来最引人瞩目的两大核心议题：“智能式GIS”的理论构建与前沿应用，以及复杂空间问题的优化求解范式。它并非对现有GIS基础知识的简单复述，而是深入探讨如何利用新兴信息技术，特别是人工智能、大数据分析和高性能计算，来驱动传统GIS向更高维度的智能化、自动化和服务化转型。 本书结构严谨，内容深入，旨在为GIS、测绘工程、城市规划、环境科学及相关领域的科研人员、高级工程师和研究生提供一份兼具理论深度和实践指导意义的前沿参考。 --- 第一部分：智能式GIS的理论基础与架构重塑 (The Theoretical Foundations and Architectural Redesign of Intelligent GIS) 在信息爆炸的时代背景下，传统基于规则和静态模型的GIS已难以应对海量、异构、动态的时空数据的实时处理需求。本部分致力于构建智能式GIS的理论框架，探讨如何将机器学习、深度学习和知识图谱技术深度融入到GIS的各个层面。 第一章：时空数据的语义化与知识驱动 本章深入探讨如何突破传统矢量和栅格数据的局限性，实现对地理现象的深层语义理解。重点介绍基于自然语言处理（NLP）和计算机视觉技术对地理文本、遥感影像、社交媒体签到点等非结构化数据进行地理编码和知识抽取的方法。阐述如何构建多层级、自适应的地理知识图谱（Geo-Knowledge Graph），实现地理实体间的复杂关系推理，为上层应用提供结构化的知识支撑。讨论了知识图谱在土地利用变化检测、城市功能区识别中的应用案例及其局限性。 第二章：深度学习在地理空间建模中的突破 聚焦于深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）及其变体（如LSTM、Transformer）在处理高维时空数据流中的潜力。详细分析了生成对抗网络（GAN）在合成高分辨率遥感数据、填补缺失观测值方面的技术细节。讨论了图神经网络（GNN）在建模社交网络、交通流、生态系统网络等非欧几里得空间结构数据中的独特优势和模型设计原则。重点阐述了如何应对时空数据中的尺度效应与异质性问题，构建具有自适应特征提取能力的深度学习模型。 第三章：认知地图与人机交互的未来 本章探讨智能式GIS如何从“工具”迈向“认知伙伴”。内容涵盖情境感知计算（Context-Aware Computing）在GIS中的实现，即系统如何理解用户所处的具体环境、历史偏好和实时目标，从而主动提供决策支持。介绍了基于自然用户界面（NUI）的GIS交互范式，包括语音识别、手势控制和增强现实（AR）技术在现场勘测与规划可视化中的融合应用，强调了人机协同决策的理论模型构建。 --- 第二部分：空间优化的理论演进与算法创新 (Evolution of Spatial Optimization Theory and Algorithm Innovation) 空间优化是GIS的核心价值之一，本部分超越了经典的运筹学模型，引入了计算智能、启发式算法及大规模并行计算，以解决现实世界中日益复杂的资源配置、路径规划和设施选址问题。 第四章：复杂系统下的多目标空间决策 本章系统梳理了多目标优化理论在地理空间问题中的应用，如城市多维度可持续发展评估、环境影响最小化与经济效益最大化的权衡。重点介绍了帕累托优化（Pareto Optimization）在处理相互冲突的空间约束条件下的应用框架。详细对比了经典线性规划、整数规划与现代启发式方法（如遗传算法、模拟退火）在处理大规模离散空间变量时的性能差异和适用场景。 第五章：高性能计算与实时空间优化 随着城市规模的扩大和数据量的激增，传统单机优化算法的计算瓶颈日益凸显。本章着眼于分布式计算架构，如基于MapReduce和Spark的地理空间数据处理框架。探讨了如何将大规模优化问题分解为并行子任务，利用GPU加速技术对高分辨率栅格数据的空间分析和迭代优化过程进行加速。重点介绍了实时动态优化的理论，即系统如何在分钟级乃至秒级的时间尺度内，根据突发事件（如交通拥堵、自然灾害）动态调整最优解。 第六章：面向网络拓扑的智能路径与流分配 本章专注于交通网络、管网、物流链等网络空间结构中的优化问题。深入分析了动态最短路径（DSP）的算法改进，特别是针对时间依赖性网络（T-VRP）的求解策略。引入强化学习（Reinforcement Learning, RL）模型，用于训练智能体在复杂交通环境中学习最优的实时路径选择策略，以最小化整体网络延迟或能耗。讨论了网络鲁棒性分析在优化模型中的嵌入，确保最优解在面对网络故障时的有效性。 --- 第三部分：前沿应用与集成案例分析 (Frontier Applications and Integrated Case Studies) 本部分将前述理论与技术应用于当前GIS研究的前沿领域，展示智能式GIS和空间优化在解决重大社会和环境问题中的实际效能。 第七章：智慧城市中的资源优化配置 案例研究集中在城市基础设施的智能化管理。探讨了基于实时能源消耗数据的智能电网负荷预测与优化调度模型。分析了如何结合人口流动数据和公共服务设施分布，利用智能式GIS进行动态应急资源（如医疗、消防）的最优预部署，以最小化平均响应时间。 第八章：环境遥感与生态系统智能监测 本章展示深度学习在海量高光谱和多源遥感数据中的智能解译。重点介绍了利用GNN模型对森林健康度、水体污染扩散进行时空预测，并结合空间优化算法，设计最优的无人机巡检路径以最高效率获取关键区域的监测数据。 第九章：面向决策支持的综合评估平台构建 本书最后总结了智能式GIS的集成化平台构建思路，强调将知识图谱、深度学习分析模块与高性能优化求解器封装成模块化的服务（GIS as a Service, GaaS）。通过一个综合性的城市韧性评估案例，演示如何利用全流程的智能分析与优化，为城市管理者提供前瞻性、可量化的决策支持方案。 本书结构层次分明，从底层理论的革新到顶层应用的集成，为读者提供了一个全面、深入、富有启发性的视角，以理解和驾驭下一代地理信息系统的发展方向。其内容聚焦于“智能”和“优化”的交叉前沿，是GIS领域研究者不可多得的专业参考书。

评分☆☆☆☆☆

最近因为工作需要，我开始深入了解地理信息系统（GIS）的最新发展，尤其是关于智能技术在GIS领域的应用。一直以来，我都对传统GIS在处理海量空间数据时效率的局限性有所体会，而“智能式GIS”这个概念似乎为解决这些难题提供了一个令人兴奋的视角。我非常期待能有一本能够系统性地介绍智能GIS理论框架、核心技术，以及这些技术如何实际应用于解决复杂空间问题的书籍。比如，我想知道在城市规划、环境监测、交通管理等领域，人工智能算法（如机器学习、深度学习）是如何被整合进GIS平台，从而实现更精准的预测、更智能的决策支持的。我希望能在这本书中看到一些具体的案例分析，了解这些智能化的GIS系统是如何提升工作效率，降低运营成本，甚至带来前所未有的创新应用。同时，对于“空间优化”这个部分，我抱有极大的兴趣。在资源分配、选址分析、路径规划等方面，如何运用智能算法来找到最优解，是实际工作中经常遇到的挑战。我希望本书能提供一些行之有效的空间优化模型和方法，并结合实际数据进行演示，让我能够学以致用，解决我目前在工作中遇到的瓶颈。如果这本书能深入浅出地讲解这些前沿技术，并提供可操作的指导，那对我来说将是极大的帮助。

评分☆☆☆☆☆

作为一个地理学专业的学生，我对GIS的理解随着学习的深入而不断拓展。我深知GIS不仅仅是地图制作工具，它更是连接现实世界与数字世界的桥梁。而“智能式GIS”这个概念，在我看来，正是将GIS的能力推向了一个全新的高度。我希望本书能够深入浅出地讲解智能GIS背后的理论支撑，例如，它如何借鉴了人工智能的哪些理论，又如何创新性地将这些理论应用于空间数据的分析。我希望能够了解到，当我们在谈论“智能”时，具体是指GIS在哪些方面实现了突破，比如，是否能够实现对未知空间模式的自动发现，是否能够对复杂的地理现象进行更精准的预测，或者是否能够提供更具个性化的空间信息服务。而“空间优化”作为一个更具体的应用方向，更是让我充满期待。我希望书中能够详细介绍如何利用智能算法来处理和解决实际生活中的空间优化问题，比如，如何为城市发展规划最合理的公共设施布局，如何为环境保护制定最优的资源利用策略，或者如何为灾害应急响应设计最高效的救援路线。我渴望能够在这本书中找到能够指导我进行相关研究的思路和方法。

评分☆☆☆☆☆

我是一名在地理信息科学领域工作的工程师，日常工作涉及大量的空间数据处理和分析。近年来，我越来越感受到传统GIS工具在面对日益增长的数据量和复杂性时，效率和智能化水平的不足。因此，我非常期待能够阅读一本关于“智能式GIS”的书籍，它能够帮助我理解如何将人工智能技术，特别是机器学习和深度学习，有效地集成到GIS工作流程中，从而提升数据处理的自动化程度和分析的智能化水平。我希望书中能够详细阐述智能GIS的核心概念，如空间感知智能、认知GIS等，并介绍一些具体的算法和模型，例如用于图像识别的卷积神经网络，用于聚类分析的DBSCAN算法，以及用于预测的时序模型等。同时，我对“空间优化”这一部分的内容同样抱有高度的期待。在实际工程应用中，我们经常需要解决诸如最优选址、最短路径、区域划分等问题。我希望这本书能够提供一些实用的空间优化方法和模型，例如多目标优化、约束优化等，并能结合实际工程案例，演示如何利用这些技术来解决具体问题，从而提高项目的效率和经济效益。我期待这本书能够为我提供一些可以直接应用于实际工作中的方法和技巧。

评分☆☆☆☆☆

在接触和学习GIS的过程中，我始终对如何让GIS系统变得更“聪明”充满好奇。我一直认为，GIS的未来在于与人工智能的深度融合，而“智能式GIS”正是这一趋势的集中体现。我希望这本书能够为我打开一扇全新的视角，让我了解到智能GIS是如何通过机器学习、深度学习等技术，实现对空间数据的更深层次理解和更智能化的应用。我特别希望能看到一些关于如何构建智能GIS模型，例如如何利用自然语言处理技术来解析和理解地理相关的文本信息，如何利用计算机视觉技术来自动识别和提取遥感影像中的地理要素，以及如何利用专家系统或知识图谱来增强GIS的推理和决策能力。此外，“空间优化”这个词汇也深深吸引了我。我希望书中能够深入探讨如何利用智能算法来解决各种空间优化问题，比如如何在复杂的地理环境中找到最佳的资源分配方案，如何设计最高效的交通网络，或者如何规划最经济合理的物流配送路线。我期望能够在这本书中找到关于这些问题的理论框架、算法原理以及实际应用案例，从而能够激发我在研究和实践中更多的创新灵感。

评分☆☆☆☆☆

作为一名对地理空间数据分析充满热情的研究者，我一直在寻找能够引领我探索GIS领域新边界的书籍。特别是“智能式GIS”这个方向，它预示着GIS将从一个数据管理和可视化工具，演变成一个能够自主学习、自我优化的智能系统。我对书中关于智能算法在空间数据挖掘、模式识别、时空预测等方面的应用有着浓厚的兴趣。我希望能够了解到，例如，如何利用深度学习模型来自动提取地理要素，如何通过强化学习来优化城市交通流量，或者如何运用自然语言处理技术来分析海量的地理文本信息。此外，“空间优化”作为本书的另一个重要组成部分，更是我关注的焦点。在许多复杂的现实问题中，如物流配送网络的优化、公共设施的最佳布局、自然灾害风险的最小化等，都需要高效的空间优化技术。我渴望了解书中是否会介绍一些先进的优化算法，例如遗传算法、模拟退火算法，或者更具前瞻性的基于AI的优化方法，并能提供相关的理论基础和实现细节。如果书中能够包含一些实际问题的数学模型构建、算法设计以及结果解释的完整流程，那将是非常宝贵的学习资源，能够极大地提升我解决科研问题的能力。

评分☆☆☆☆☆

书很厚，理论知识和实践结合挺好，电子资源已经下载

评分☆☆☆☆☆

很好

评分☆☆☆☆☆

很有用哦，买来学习，好好看看学习！

评分☆☆☆☆☆

嗯，收到了。可以

评分☆☆☆☆☆

书很不错，以前都在当当上买，这次在京东上感觉质量也挺好，当天下午就到了。

评分☆☆☆☆☆

太贵啦，为什么不可以有打折~~

评分☆☆☆☆☆

不错不错，我要好好学习好好学习

评分☆☆☆☆☆

│今天晚上不上 |

评分☆☆☆☆☆

没有光碟，我同学买就有，为什么我没有？