Coupling Simulation and Optimization to Solve Planning Problems in a Fast-Developing Area

Abstract

In geographical analysis, spatial simulation and optimization are usually separate processes tackling different problems. It is, however, increasingly necessary to integrate them. Particularly in a fast developing area, the development to be simulated is seldom inertial (i.e., strictly following the historical trend); instead, it is likely to be interfered by new planning measures. Meanwhile, in such an area an optimization plan might not be even meaningful if it only addresses a snapshot of a highly dynamic landscape. In this study, we explored the possibility of integrating cellular automata (CA), a widely used method for simulating urban development and land use changes, and ant colony optimization (ACO), an advanced technique for solving complex path optimization problems. We named the resulting integrated system the geographical simulation and optimization system (GeoSOS) and applied it to a case study concerning finding the optimal path for a planned expressway in Dongguan, a fast-growing city in one of the most economically active regions of China. In the case study, the CA component of the GeoSOS generated simulations of the industrial land use changes for some years in the next decade. The ACO component of the GeoSOS, which had been revised from the conventional ACO to work on raster surfaces, took the simulations as input and completed raster-based path optimizations. In terms of the cumulative utility, a measurement used to evaluate the performance of the optimization, the coupling method surpasses the noncoupling method by 10.3 percent.

En análisis geográfico la simulación y optimización espaciales usualmente son procesos separados que abordan problemas diferentes. Sin embargo, cada vez se hace más necesario integrarlos. En particular en una región que se desarrolle con rapidez, el desarrollo que se deba simular rara vez sigue la inercia (o sea, que siga estrictamente la tendencia histórica); en vez de eso, lo más seguro es que sea interferido por nuevas medidas de planificación. Mientras tanto, en tal tipo de área un plan de optimización podría no ser siquiera significativo si apenas cubriera una fracción de un paisaje altamente dinámico. En este estudio exploramos la posibilidad de integrar autómata celular (AC), un método ampliamente utilizado para simular desarrollo urbano y cambios en el uso del suelo, y optimización de hormiguero (ACO), una técnica avanzada para solucionar problemas de optimización de ruta compleja. Al sistema integrado que resultó lo denominamos sistema geográfico de simulación y optimización (GeoSOS), el cual aplicamos a un estudio de caso dedicado a encontrar la ruta óptima para una supercarretera planificada en Dongguan, una ciudad de rápido crecimiento en una de las regiones económicamente más activas de China. En el estudio del caso, el componente CA del GeoSOS generó simulaciones de los cambios en uso del suelo industrial para algunos años de la próxima década. El componente ACO del GeoSOS, que había sido revisado del ACO convencional para trabajar en superficies raster, tomó las simulaciones como insumos y completó las optimizaciones de ruta de base raster. En términos de la utilidad acumulativa, medida usada para evaluar el desempeño de la optimización, el método de acoplamiento sobrepasa al método sin acople en un 10.3 por ciento.

Keywords:

• ant colony optimization
• cellular automata
• land use simulation
• model coupling
• path optimization

关键词:

• 蚁群优化算法
• 元胞自动机
• 土地使用模拟
• 模型耦合
• 路径优化

Palabras clave:

• optimización de hormiguero
• autómata celular
• autómata celular
• simulación del uso del suelo
• modelo de acoplamiento
• optimización de ruta

Acknowledgments

We appreciate the valuable comments from Dr. Mei-Po Kwan and the anonymous reviewers. We are indebted to the Key National Natural Science Foundation of China (Grant No. 40830532), the National Outstanding Youth Foundation of China (Grant No. 40525002), and the National Natural Science Foundation of China (Grant No. 40901187).