CC BY
416
УДК 528.94:711.7
ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ЦЕЛЕЙ ТЕРРИТОРИАЛЬНОГО ПЛАНИРОВАНИЯ
© 2013 А. В. Попков
аспирант,
лаборатория комплексного картографирования e-mail: alexey.popkov@hp.com
Московский государственный университет им. М.В. Ломоносова
Особым направлением в развитии геоинформационных технологий является применение методов и средств искусственного интеллекта для расширения их функциональных возможностей. В статье показаны пути эффективного применения технологии нейросетевого анализа для оптимального расположения географических объектов при решении задач территориального планирования конкретного муниципального района.
Ключевые слова: геоинформационные системы, территориальное планирование, искусственный интеллект, нейросетевое программирование.
В течение нескольких последних десятилетий инновационные подходы к территориальному планированию обусловили возникновение новых идей, касающихся пространственного развития, что увеличило значимость пространственных стратегий в управлении территорией.
Территориальное планирование - ключевой инструмент для установления долгосрочных и устойчивых факторов, обеспечивающих социальное, пространственное и экономическое развитие. Главная задача планирования территорий состоит в улучшении качества интеграции между такими секторами, как жилищный, транспортный, энергетический, промышленный, и совершенствовании
государственных и локальных систем развития.
В общем смысле, территориальное планирование является процессом, направленным на общественный сектор и способным влиять на пространственное распределение человеческой деятельности. Цель территориального планирования состоит в создании более рациональной организации использования территории, взаимосвязей между функциональными зонами, а также баланса потребностей развития, выполнения социальных и экономических задач с учетом проблем защиты окружающей среды (spatial_planning).
В статье дан обзор различным определениям и понятиям термина «территориальное планирование» в современной российской и зарубежной науке, а также сделана попытка их обобщения. Уделено внимание современным понятиям пространства и времени, их значению для планирования территорий, в том числе в условиях урбанизации. Рассмотрены методики качественного и эффективного территориального планирования с учетом накопленного опыта.
В российской и западноевропейской литературе существуют определенные различия понятий «пространственное планирование» и «территориальное планирование». Пространственное планирование рассматривается как более широкий термин и применяется, как правило, в небольших по площади европейских странах.
В европейских научных источниках понятие пространственного планирования связывается с «проблемой координации и интеграции пространственной меры
ТЕХНИЧЕСКИЕ НА УКИ
отраслевых политик через территориальную стратегию» [Cullingworth and Nadin, 2006: 91]. Будучи более сложной, чем проблема простого регулирования землепользования, она затрагивает конфликты и противоречия между отраслевыми политиками, такими как социальная, экологическая и экономическая. Ключевая роль пространственного планирования заключается в обеспечении более рационального распределения деятельности по благоустройству территории и обеспечению баланса конкурентных задач отраслевых политик.
Термин «пространственное развитие» утвердился в Европе, Канаде, а затем в США к началу 70-х годов ХХ в., хотя употреблялся с начала 30-х годов (Округ Метрополии Торонто - Toronto Metropolitan Unit сформирован в 1934 г). Термин излишне расширен по содержанию, но, во всяком случае, относится к «большому пространству»: от масштаба страны до масштаба крупнейшего города или масштаба графства, приблизительно соответствующего размерностью некрупному
административному району в России.
Наиболее важна сущностная, генетическая связь этого понятия с представлением о стратегическом планировании в отличие от планирования оперативного и текущего. Как писали Джон Брайсон и Роберт Эйнсветлер в книге «Стратегическое планирование», «планирование всегда было эволюционирующей областью
деятельности. Подъем стратегического планирования попросту являет собой один из новейших вызовов, возникающих перед профессией. Стратегическое планирование являет собой упорядоченное усилие по принятию фундаментальных решений и действий, которые форматируют и предопределяют, что данная организация или иная крупная целостность делает и почему она эта делает. Оно позволяет руководителям и лицам, принимающим решения, мыслить и действовать стратегически» (цит. по: [Глазычев, Щедровицкий 2005]:
Относительно недавнее понятие «пространственное развитие» оказалось сразу же прочно привязано к содержанию «стратегического планирования» через инструментальное понятие «пространственное планирование».
Пространственное планирование - признанная практика цивилизованных стран, в которых данный вид планирования (Spatial planning) развит настолько, что во многих из них существуют специальные правительственные органы - Министерства пространственного планирования, контролирующие все виды использования земель на соответствие принципам, разработанным специальной Комиссией ЕС по
пространственному планированию.
В каждой стране есть своя специфика понимания термина пространственного планирования, но есть и много общих свойств. Почти повсеместно под пространственным планированием понимаются долгосрочные задачи и стратегии, относящиеся к землепользованию и развитию материальной сферы. Как правило, они представляют отдельное направление государственной деятельности и координируют отраслевые политики, такие, как транспорт, сельское хозяйство и окружающая среда.
Существует множество различных определений пространственного планирования. Например, в сборнике «Пространственное планирование Европы» [Communication from the Commission, 1997] оно определено как набор методов, широко используемых обществом для влияния на будущее распределение пространственной деятельности. Уточняется, что пространственное планирование предпринимается с целью создания более рациональной территориальной организации использования земель, их взаимосвязи, для балансирования запросов развития, воздействия на окружающую среду и достижения целей социального и экономического благосостояния.
Ученые записки: электронный научный журнал Курского государственного университета. 2013. № 4 (28)
Попков А. В. Применение нейронных сетей и искусственного интеллекта для целей территориального
планирования
Оно включает в себя меры по координации пространственного влияния отраслевых политик для достижения более равномерного распределения экономического развития между регионами, в противном случае это распределение будет достигнуто по рыночным законам. Также регулируется преобразование использования земли и собственности.
В Великобритании правительство определяет пространственное планирование как выходящее за рамки традиционного планирования землепользования и используется для интеграции политики в области территориального развития с другими политиками и программами, влияющими одновременно на природу и
функционирование территории (United Kingdom Office of the Deputy Prime Minister, 2005).
В Словении пространственное планирование определяется как
междисциплинарная деятельность, связанная с планированием землепользования, определением условий для развития и размещения производства, идентификации мер по улучшению существующих и определению условий в перспективе для размещения планируемых объектов (Slovenian Ministry of the Environment, Spatial Planning and Energy, 2002).
Градостроительный кодекс России оперирует понятием «территориальное планирование», рассматривая его как аналог англоязычных терминов «Spatial planning» и «Regional planning», под которым понимается планирование развития территорий, в том числе для установления функциональных зон, определения планируемого размещения объектов федерального значения, объектов регионального значения, объектов местного значения [Г радостроительный кодекс РФ, 2004].
На практике понятия «пространственный» и «территориальный» часто являются синонимами. Рассуждая о «территориальных» и «пространственных» различиях, мы обычно имеем в виду одно и то же - характеристику неоднородности явления в его «территориальной» проекции или «пространственном» представлении. В любом случае территориальное планирование направлено на определение назначения территорий, исходя из совокупности влияющих факторов - экономических, экологических, социальных и иных для обеспечения устойчивого развития.
Важное значение при этом имеют современное состояние инженерной, транспортной и социальной инфраструктур, а также разработка концепции их дальнейшего встраивания в схему территориального планирования. Для этого необходимо использование так традиционных, так и новых методов, позволяющих просчитать оптимальность различных вариантов размещения элементов инфраструктурного комплекса в целом и по отдельности.
В современных научных исследованиях в области картографии довольно остро стоит проблема расчета различных картографируемых показателей или индексов, в том числе и для целей территориального планирования. Частично эта проблема решается применением новейшего программного обеспечения, способного выполнять довольно сложные расчеты.
Однако далеко не всегда специфика исследования позволяет применить стандартные методы и имеющийся функционал программного обеспечения. В ряде случаев исследования требуют использования целого комплекса программных продуктов узкой направленности. Например, для сбора данных используются одни средства, для математических расчетов используются другие, для картографирования и визуализации полученных результатов - третьи.
В данной статье автор ставит перед собой задачу проанализировать применение известных методов математико-картографического моделирования для решения задач территориального планирования и детально рассмотреть построение математико-
ТЕХНИЧЕСКИЕ НА УКИ
картографических моделей именно этой тематики. Кроме того, будут рассмотрены подходы и варианты применения некоторых методов нейросетевого анализа и генетических алгоритмов для целей математико-картографического моделирования в территориальном планировании.
В ходе освоения методов математико-картографического моделирования было замечено, что применяющиеся в разных сферах и областях географической науки и практической деятельности методы имеют по своей сути множество общих формальных моментов и пересечений в математической части. Например, модели снижения размерности многомерных географических данных, относящиеся к классу моделей структуры содержательных характеристик явлений [Тикунов, 1997], берут свое начало в факторном анализе и методе главных компонент, в то время как тот же факторный анализ используется для дополнения исходных данных, заполнения области «незнания» [Питенко, 2000].
Это свидетельствует об использовании общепризнанных научных исследований, обширных источников математического знания, математических алгоритмов и приемов, таких как целые разделы алгебры, вычислительной, дискретной математики, исследования нейронных сетей и искусственного интеллекта и многие другие. Тем не менее, несмотря на общие начала математико-картографических методов, применяются в географических исследованиях они совершенно по-разному.
При построении крупномасштабных картосхем уделяется недостаточно внимания оптимизации расположения объектов по территории, что зачастую приводит к необоснованным с научной точки зрения управленческим решениям, не всегда понятным населению муниципального образования. Представленная в работе технология нейросетевого анализа в ГИС предназначена для решения широкого спектра задач, связанных с анализом и прогнозом явлений и событий окружающего мира. Она помогает осмыслить, выделить и генерализовать главные факторы и причины, прогнозировать возможные результаты их взаимодействия, а также планировать стратегические решения и анализировать текущие последствия предпринимаемых действий.
В современных научных исследованиях и публикациях уделяется огромное внимание сфере применения нейронных сетей и искусственного интеллекта. Как правило, наиболее широко их применение освещается в сфере дистанционного зондирования Земли и анализе данных в ГИС-пакетах. Такое применение вполне себя оправдывает, так как совпадает с классическими целями, которые перед собой ставят нейронные сети - распознавание образов, автоматизация решения задач классификации в первом случае и поддержка принятия решений на основе анализа слоев, атрибутивных данных и т.п., во втором случае.
В некоторых работах рассматриваются новые подходы к интеллектуализации географических информационных систем и предлагаются прототипы интеллектуальной подсистемы ГИС на основе этого подхода. Очевидно, что такие задачи уже не могут быть решены традиционными методами, применяемыми в стандартных ГИС, основным предназначением которых является обработка и отображение пространственной информации.
Особым направлением в развитии ГИС технологий является применение методов и средств искусственного интеллекта для расширения их функциональных возможностей. Под интеллектуальной ГИС понимается географическая информационная система, включающая в свой состав интегрированные методы и средства искусственного интеллекта.
Необходимость проанализировать картографические данные, накопленные в географических информационных системах (ГИС), возникает у представителей
Ученые записки: электронный научный журнал Курского государственного университета. 2013. № 4 (28)
Попков А. В. Применение нейронных сетей и искусственного интеллекта для целей территориального
планирования
различных сфер деятельности. Прежде всего, это актуально для структур, оперирующих в своей работе большими массивами информации. Важность эффективной обработки значительных объемов информации особенно актуальна для профессионалов, которым на основе полученных результатов приходится принимать значимые управленческие решения, рассчитанные на перспективу.
В этом также нуждаются специалисты, оценивающие и прогнозирующие состояние какой-либо области человеческой деятельности, например, в сфере экологического мониторинга, поиска и экономического анализа рынков сбыта продукции, размещения предприятий материального производства и социальной инфраструктуры.
Нарастающие информационные потоки в современном обществе, разнообразие информационных технологий, повышение сложности решаемых на компьютере задач увеличивают нагрузку на пользователя этих технологий и ставят задачу переноса проблемы выбора и принятия решений с человека на ЭВМ.
Одним из путей решения этой задачи является применение аналитических систем, которые могут быть составной частью ГИС. Далеко не все ГИС снабжены возможностями специализированного анализа. Это связано с тем, что четкой схемы проведения таких работ не существует и организации, занимающиеся ими, предпочитают производить анализ по собственным методикам и правилам. Работа со специфическими данными специфическим образом является характерной чертой этого типа анализа. Кроме того, взгляды на приемы его проведения могут меняться с течением времени. Поэтому такие возможности в ГИС представляются средствами создания приложений самими пользователями.
Сложность состоит в том, что для каждой специализированной области возникает необходимость создавать отдельное приложение к ГИС и часто даже свою методику обработки. Это не всегда возможно и часто дорого. Географические комплексы плохо поддаются формализации. Существующий математический аппарат недостаточно приспособлен для решения географических задач. Формулировки географических задач, описания явлений допускают некоторый произвол или двоякое толкование, по крайней мере на современном этапе исследований.
Строгие алгоритмы многомерной классификации могут не соответствовать уровню строгости и точности самих задач. Это иногда приводит к результатам, не отвечающим существу и содержательному смыслу. В плане решения данной проблемы внимание исследователей (географов и не географов) привлекает теория искусственного интеллекта и попытки разработки на ее основе методов решения таких задач.
ГИС являются благоприятной средой для внедрения методов искусственного интеллекта и экспертных систем. Это вызвано, с одной стороны, разнообразием и сложностью данных в ГИС, с другой - наличием большого числа аналитических задач, решаемых при использовании ГИС. Одновременно с этим большинство проблем и задач в ГИС слабо структурировано и слабо формализовано.
Построение традиционных математических моделей для решения таких проблем затруднено или сопряжено со значительными затратами, превышающими ожидаемый от модели эффект. Это связано с невозможностью полного исследования внутренних взаимодействий в системе, большим числом влияющих факторов, неполнотой или неточностью описания объектов, динамикой или малой изученностью предметной области. Традиционно такие задачи решаются на неформальном уровне экспертами и специалистами в предметной области.
В современных условиях для решения подобных задач используются искусственные нейронные сети. Нейросетевые модели претендуют на то, чтобы стать
ТЕХНИЧЕСКИЕ НА УКИ
универсальным аппаратом, решающим разные специфические задачи из разных проблемных областей в ГИС. Такая универсальность обусловливается тем, что нейросетевые технологии дают стандартный способ решения многих нестандартных задач.
Интеграция основанных на нейросетевых технологиях средств решения слабоформализованных задач и геоинформационных систем позволит существенно повысить качество и скорость обработки информации, расширить их возможности в прикладных, исследовательских, учебных и других задачах.
Разработанные в рамках технологии методы ориентированы на следующие применения:
- решение задач оценки, диагностики и прогнозирования на основе эмпирических данных в составе существующих геоинформационных систем;
- построение и исследование нейросетевых моделей решения задач анализа данных в ГИС;
- представление и анализ средствами ГИС многомерных данных произвольной природы.
Однако недостаточно внимания уделяется самому процессу логического вывода в географических исследованиях. Методика моделирования с помощью нейронных сетей является эффективным инструментом географического исследования, в том числе в сфере территориального планирования урбанизированных территорий.
В частом случае, это сводится к решению задачи оптимального расположения географических объектов на территории муниципального района. Применение процесса логического вывода для решения проблем территориального планирования конкретного муниципального образования проводится по аналогии с классической задачей, решение которой эффективно использует методы искусственного интеллекта.
Широко известная задача о восьми ферзях используется нами для представления о расстановке фигур на шахматной доске. Исходная формулировка: «Расставить на стандартной 64-клеточной шахматной доске 8 ферзей так, чтобы ни один из них не находился под боем другого». Как можно заметить из условия задачи, она является нетривиальной и решение ее человеком далеко не очевидно. Здесь уместно провести аналогию с тематикой данной работы.
Шахматная доска есть не что иное, как некое приближение представления двумерного географического пространства, где каждая клетка доски - не что иное, как координата объекта. Урбанизированную территорию также можно представить в виде двумерного пространства, привязанного к географическим координатам. Такое представление особенно уместно при моделировании на уровне муниципальных районов и крупномасштабном картографировании.
Ферзями будут являться географические объекты. Подобно шахматным фигурам, географические объекты должны располагаться согласно неким правилам, регулируемым нормами территориального планирования (например, строительным нормам и правилам). Стоит отметить, что таких правил может быть несчетное количество и учет их всех при планировке территорий специалистом невозможен. Как правило, обычно полагаются на опыт и сноровку специалиста, что не всегда приводит к удовлетворительным результатам.
Решение этой задачи уже выполнялось многими способами, самым изящным из которых было решение с помощью логического программирования. Условия задачи формулировались с помощью фактов и правил, и система сама находила решение, используя правила логического вывода. Нетрудно заметить, что решение задачи оптимизации расположения объектов по планируемой урбанизированной территории может быть выполнено по той же методике, что и решение задачи о восьми ферзях (а
Ученые записки: электронный научный журнал Курского государственного университета. 2013. № 4 (28)
Попков А. В. Применение нейронных сетей и искусственного интеллекта для целей территориального
планирования
также всего класса таких задач) с последующим картографированием всех полученных решений. Области применения математико-картографических методов можно отобразить на рисунке.
Распределение математико-картографических методов по областям применения
Таким образом, система может сама предложить все варианты решений задачи наиболее оптимального расположения объектов территориального планирования исследуемой территории. Данная методика является ярким примером применения искусственного интеллекта (подвида - логического вывода) в географическом исследовании, в частности в территориальном планировании урбанизированной территории.
К недостаткам данной методики следует отнести ограниченность количества фактов и условий, которыми оперирует система, так как используется метод перебора вариантов, что зависит от мощности системных ресурсов. Однако теоретически данный метод имеет ряд преимуществ, связанных с уместностью применения искусственного интеллекта в данной области.
Библиографический список
Глазычев В.Л., Щедровицкий П.Г. Россия. Пространственное развитие [Электронный документ]. (2005). URL: http: //stra .teg. ru/library/32/1 (дата обращения: 12.07.2013).
Градостроительный кодекс Российской Федерации от 29.12.2004 № 190-ФЗ (принят ГД ФС РФ 22.12.2004), (действующая редакция от 01.09.2013) http://www.consultant.ru/popular/gskrf/
Питенко А.А. Нейросетевой анализ в геоинформационных системах. Красноярск, 2000. 97 с. Тикунов В.С. Моделирование в картографии: учеб. М.: Изд-во МГУ, 1997. 405 с Communication from the Commission // Towards an urban agenda in the European Union Brussels, 06.05.1997.
Cullingworth B., Nadin V. Town and Country Planning in the UK. 14th edition. London: Routledge, 2006. 481 p.
