摘要: 空间决策支持模型¶ 区域规划、土地利用规划、设施位置选择、环境管理等都是有关空间行为的决策问题,这些问题的解决方案是由决策者或领域专家在专业领域知识和经验的启发下,在分析大量的空间和非空间信息的基础上得到的。空间决策问题大大超过了地理信息系统通常的空间分析...
空间决策支持模型¶
区域规划、土地利用规划、设施位置选择、环境管理等都是有关空间行为的决策问题,这些问题的解决方案是由决策者或领域专家在专业领域知识和经验的启发下,在分析大量的空间和非空间信息的基础上得到的。空间决策问题大大超过了地理信息系统通常的空间分析功能的要求。
空间决策过程的复杂性¶
决策是一个决策者为达到某种目标或目标集合,根据一定的约束条件下在多种侯选方案里进行选择的复杂过程。当采用数学表述形式表达一般化决策问题时,包括以下几个构成部分:
1)方案集合:决策问题的方案集合是指可以选择的行动方案集合,记为A。
2)状态集合:任何一个决策问题都面临一定的外界环境,称之为状态。系统各种可能的状态,称为状态集合,记为Q。
3)损益函数:这是决策分析中的一个重要概念。在决策问题中,如果采用策略,假定系统状态出现,系统收益。因此定义映射为决策问题的损益函数。在A、Q可数的情况下,可获得损益表如下所示(表10-2)。
表10-2:决策损益表
Q:sub:`1` |
Q:sub:`2` |
... |
Q:sub:`n` |
|
---|---|---|---|---|
A:sub:`1` |
W11 |
W12 |
... |
W1n |
... |
... |
... |
... |
... |
A:sub:`m` |
Wm1 |
Wm2 |
... |
Wmn |
4)目标函数(决策准则):记为F。损益函数只给出了系统的实际收益情况,但没给出收益的评价标准,即“抉择”时的优化准则。决策准则对于不同的决策者、问题、方法都是不同的,它最终决定了方案的形成。
综上所述,可以将一个决策问题记为:
其中,F为目标函数或决策准则,A为侯选方案集,Q为状态集,W为损益函数。
决策学常规方法用于解决普通决策问题,这类问题满足以下条件:
存在决策者希望达到的明确目标;
存在可供决策者选择且可以明确组分的侯选方案;
存在不受决策者控制的系统状态,系统状态集与侯选方案集相互独立;
损益值可以精确数量化,A,Q均为可数集合。
当系统状态集Q中状态数n=1时,为确定性决策问题;当n>1时,且系统各状态出现的概率未知时,为不确定性决策问题;当n>1,且系统各状态出现的概率服从一个已知的概率分布时,为风险决策问题。
空间决策与一般决策问题同样有确定性决策、不确定性决策和风险决策。确定性决策实际上是一个最优化问题,象土地适宜性评价的多准则决策和线性规划均属此类决策问题,它们可以和地理信息系统的空间分析功能完全集成。而大量的空间决策问题往往涉及到结构、非结构化知识,人的评价和判断等不同形式的知识,决策的不确定性和风险性的成分很大。以设施配置为例,领域专家已经有一组有关位置适宜性的判别规则,这些规则属于描述性方式表达的知识,设施位置的选择是建立在有关社会经济、地质条件、环境质量等因素分析的基础上的在判别规则启发下的推理过程;另外领域专家还有有关社会经济、地质条件和环境质量的评价模拟模型,这些知识都属于程式式知识,设施位置的选择是建立在定量模型计算分析的基础上估算过程。
随信息技术的快速发展,为决策者提供了越来越多的空间和非空间的信息,包括地图、航片、表格、遥感和数字测量信号等。决策者需要通过知识和经验来有效的处理和理解这些海量的信息。而人类的知识可分为结构化和非结构化两种知识。结构化的知识有着高度结构化的形式和结构化的求解程序,包括数学模型,统计方法,计算机算法等都属此类型的知识,它们在表现和分析方面遵循固定的框架,大多数情况下只能被专家理解,又称为程式式知识(Procedural Knowledge)。然而大量的知识都是非结构化的,象人类的体验、直觉、价值观,专家经验,本质上是定性的,不能用固定的程序进行表达,又称为描述性知识(Declarative Knowledge)。
决策者使用信息和知识,在解决结构化、非结构化和半结构化问题上的复杂程度大不相同。以设施配置为例,在某些特定约束条件下配置最少数量的设施是一个结构化问题,可以通过最优化方法进行求解;寻找最优设施配置的所有可能的位置则是一个半结构化问题,涉及多种准则评价和价值评判;为设施配置确定总体目标和总体方针政策则属非结构化问题,涉及灵活的定性问题,不能用固定的程式式知识来解决。
总之,空间决策是一个涉及多目标和多约束条件的复杂过程,通常不能简单地通过描述性知识或程式式知识进行解决,往往要求综合地使用信息,领域专家知识和有效地交流手段。空间决策中信息和知识往往是互相作用的,如图10-5所示:
图10-5:空间决策过程
信息的一侧处理数据的收集、表现、存储、检索、处理和显示,用于计算和量测,以及知识推理和更新。知识的一侧处理知识的获取、表现、存储以及推理和分析,用于处理事实、组织信息和原理。决策中知识和信息的相互作用是对传统信息技术的扩充,没有知识推理不可能做出智能决策。
地理信息系统为决策支持提供了强大的数据输入、存储、检索、显示的工具,但是在分析、模拟和推理方面的功能比较弱,本质上是一个数据丰富但理论贫乏的系统,在解决复杂空间决策问题上缺乏智能推理功能。所以,为解决复杂的空间决策问题,需要在地理信息系统的基础上开发智能决策支持系统,用于数据获取、输入、存储、分析、输出;用于知识表现和推理;用于自动学习,系统集成,人机交互。所用的新技术包括人工智能技术,知识获取、表现、推理等知识工程技术,以及集成数据库、模型、非结构化知识及智能用户界面的软件工程技术。
空间决策分析的理论和方法¶
效用理论¶
效用理论是决策分析的基础。事物的不确定性可看作是许多简单随机事件的复合。每一个简单随机事件是由两个互斥事件Z:sub:`1` 和Z:sub:`2`组成的。事件Z:sub:`1`发生的概率为P,事件Z:sub:`2`发生的概率为1—P,则随机事件记为L(Z:sub:`1`,P,Z:sub:`2`)。在简单随机事件内引进“优先”或 “偏好”的概念,并在随机事件集合的基础上建立公理体系,即假设在随机事件集合中存在下列条件:
相对偏好顺序;
偏好关系具可传递性;
简单随机事件间的可比性;
偏好关系可以量化;
不确定性可以量化;
等价随机事件可相互代换。
在这样的条件下可用一个数值来描述简单随机事件的期望效益,称之为效用。由简单随机事件的效用可确定一般不确定事件的效用。在对事件不确定性判断进行量化时,需要利用各种知识,如系统本身的特性,一些必要的统计知识以及决策者根据经验对事件不确定性的主观估算等。
决策树¶
决策分析中最常用的方法之一是决策树方法,图10-6为典型的决策树。图中长方形小框表示由人选择的决策点。把需要作决策的问题过程画成示意图,由图的最左边出发,在作决策之前先作试验。例如有R个试验L:sub:`r`,费用为C:sub:`r`,试验结果有O:sub:`1`,…,O:sub:`t`,…,O:sub:`T`等共T个。在试验L:sub:`r`条件下O:sub:`t` 发生的概率记为P:sub:`rt`(O:sub:`t`)。设此时有d:sub:`1`,…d:sub:`i`,…,d:sub:`I`等共I个备选决策方案。若选择决策di,则这时可能出现S:sub:`1`,…,S:sub:`j`,…,S:sub:`J`共J种状态。在试验L:sub:`r`中出现结果O:sub:`i`时选取决策di的条件下,状态S:sub:`j`出现的概率记为P:sub:`rti`(S:sub:`j`)。此时可能有L种后果x:sub:`1`,…,x:sub:`l`;,…,x:sub:`L`,而P:sub:`rti`(S:sub:`j`)表示在实验L:sub:`r`中出现结果为O:sub:`t`时,选取决策d:sub:`i`而出现状态S:sub:`i`的情况下,S:sub:`j`发生后果x:sub:`l`的概率,其效用记为U(x:sub:`l`)。决策树的方法是顺着树的各个分校进行分析,并计算各种可能情况的概率大小,最后计算在这些条件下最终出现的后果的效用,将各种效用加以比较,从中选取最佳效用所对应的试验与决策作为应取的决策。
图10-6:决策树示例
贝叶斯决策¶
由于决策总是在事件发生之前做出,而事件是否发生又不是确定的,因此常采用统计学中贝叶斯公式对事件发生的概率作先验估计,这就是贝叶斯方法。
由于事件的发生具有不确定性,这就使决策带有一定的经验性。人们对于风验的态度不同,对效用估计也不同。对事件发展持保守看法而不愿冒验的人,对效用估计往往偏低;倾向于冒验的人,对效用的估计往往偏高。也有人取中庸态度,对效用的估计介于两者之间。
空间决策支持系统¶
决策支持系统(Decision Support System, DSS)是辅助决策者通过数据、模型、知识以人机交互方式进行半结构化或非结构化决策的计算机应用系统。它是在管理信息系统(Management Information System, MIS)的基础上发展起来的,在MIS的基础上增加了非结构化问题处理,模型计算和各种方法,为解决结构化、非结构化和半结构化的问题提供了更广泛的方法。它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。决策支持系统是辅助管理者对半结构化问题的决策过程,支持而不是代替管理者的判断,提高决策的有效性而不是效率的计算机应用系统。DSS的基本结构主要由四个部分组成,即数据部分、模型部分、推理机部分、人机交互部分,如图10-7所示。
图10-7:DSS的组成部分
与MIS对应的,GIS可以看作是用于空间决策的空间信息系统。GIS与MIS的不同之处在于其数据模型和数据结构的复杂性。目前GIS的分析功能还很弱且不灵活,它的逻辑结构和智能层次不能满足解决复杂空间决策问题的需要,特别是那些非结构化的问题。为更好地辅助空间决策,GIS需要增加对描述性知识和程式式知识的处理功能,目前GIS还不适合用于对各种知识形式的处理,不能作为空间决策支持系统(SDSS)的神经中枢,但可以作为它的一个组成部分,即GIS可以嵌入到一个SDSS中,用于空间信息处理。
空间决策支持系统与一般的决策支持系统性质相同,只是更注重空间数据和空间问题的获取和解决。通常空间决策支持系统包括以下的功能:
不同数据源的空间和非空间数据的获取、输入、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、显示;
灵活的集成程式式空间知识(数学模型、空间统计)和数据的处理功能;
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、程式式知识的智能控制机制。
上述这些功能要求超出了目前GIS的范围,需要集成人工智能、知识工程、软件工程、空间信息处理和空间决策理论等领域的最新技术。
通用智能空间决策支持系统结构体系¶
空间决策支持系统的建立可以解决特定领域的决策问题。但是它的建立过程是一个花费很长时间的工程,而且它也只能用在特殊的领域,所以建立空间决策支持系统最经济和灵活的方式是使用软件工程和知识工程的方法开发空间决策支持系统开发环境(外壳或产生器),这样领域专家就可以使用它快速高效地建立多种领域空间决策支持系统。也就是说开发一个通用的开发工具,决策者可以用来定制、修改、调整、扩展空间决策支持系统以解决特定的空间决策问题。图10-8是一个通用空间决策支持系统的结构体系图。
图10-8:通用空间决策支持系统的结构体系图
系统的核心是一个专家系统壳(Shell),它可以单独作为专家系统开发工具,直接控制着SDSS的控制流和信息流,提供表达和存储非结构化领域知识,它还包含了推理控制、系统和用户界面和对外交流的元知识,以及非结构化空间知识的推理机。它是SDSS的大脑。为使用空间和非空间数据,专家系统壳有一个与外部数据库的接口,包括GIS,关系数据库和遥感信息系统。模型管理系统管理和处理程式式知识包括算法、统计程序和数学模型,它也有一个与专家系统壳的接口,可以通过专家系统壳的元知识进行调用。除了与数据库管理系统、模型管理系统的接口外,友好的用户界面和知识获取模块也是专家系统壳的基本组成部分。
本节重点讨论空间决策支持系统的模型管理系统,关于数据库管理系统在前面的章节已作了介绍,至于知识库和知识处理将在下节专家系统里讨论。
空间决策支持系统的模型管理系统¶
为解决自然和人文过程中出现的各种复杂的空间问题,多年来学者们提出了大量的结构化模型,包括统计方法、数学模型、启发式程序、算法等,这些模型与描述性的知识不同,具有高度结构化的格式和固定的执行程序。这些模型对解决那些结构化的决策问题很有帮助作用,但不幸的是,它们的形式逻辑和解决方法对决策者来说通常很难或需要花很长时间才能理解,尤其是那些非技术背景的决策者更是容易混淆或不恰当有效地运用它们,从而限制了这种类型的知识的有效利用。另外,这些结构化的模型要在GIS环境下使用,还有一个与GIS数据模型兼容性的问题,模型与GIS数据库相互操作是一个基本要求。所以空间决策支持系统需要适当地挑选和组织有关的模型,与管理空间和非空间数据的数据库管理系统相对应的,要有一个模型管理系统。模型管理系统应具有下列功能:
帮助用户选择与分析有关的模型;
对多种类型的模型进行分类和维护以支持各种层次的决策过程;
能将模型子模块组合复杂的模型;
提供恰当的数据结构满足查询、分析、显示;满足与数据库的嵌入或数据交换;满足模型与描述性知识的交流;
提供用户咨询和结果解释的友好界面;
空间决策支持系统对模型高效的分类和组织问题是决策支持系统的核心功能。将模型分类并按不同层次的深度进行组织可以有效的管理和使用模型。例如可以先按决策问题进行第一级分类,再按评价条件和状态进行第二级分类,还可以继续进行更深层次的分类。下面给出一个分类示例:
1)决策问题分类
第一级分类:
环境问题
土地利用规划问题
资源分配问题
设施配置问题
网络问题
水文问题
地质问题
海岸线问题
假设关心的是网络问题,关于网络问题的各种模型组织成第二级分类,如下所示:
最短路径
最少搜索路径(Spanning tree)问题
货郎担问题
多点通讯问题(Multicast communication)
运输问题
商品流问题
对于每个选择的问题,还可以继续细分成更专的类型,如商品流问题,可以继续分成单商品和多商品流问题。要选择某个专用的模型,用户通过一系列“是或否”的问题向导,直到找到需要的解决问题的模型。
2)按技术条件分类
表10-3:决策问题的分类示例
确定性模型 不确定性模型 随机模型 不精确模型 |
离散模型 连续模型 |
静态模型 动态模型 |
离散模型 连续模型 |
线性模型 非线性模型 |
单目标模型 多目标模型 |
实型 整型 |
根据上述分类,可以构造一个决策树,将模型分类知识用一种知识表达方式进行表示,例如本例可以用产生式规则表示,每条路径对应一个规则。本例对确定性分类下共有26规则,其中一条规则描述如下:
表10-4:决策规则
IF situition uncertain AND
cause random AND
space discrete AND
process dynamic AND
time discrete AND
system linear AND
objectives single AND
*variables real *
*THEN select multiple-stage, single-objective, discrete-space, *
*discrete-time linear stochastic programming model *
———————————————————————
空间决策支持系统除了模型选择的问题外,模型与数据库的交互也是一个重要的问题。不同的模型具有不同的数据结构和不同的模型与数据库的交互方式。模型要在GIS环境下运行,还有一个与GIS数据结构的兼容性问题。
模型与GIS有不同层次的交互方式。最低层的交互是将GIS作为数据库管理系统,以文件的方式进行交互,如果模型和GIS对文件类型是兼容的,交互只是一个简单地文件选取问题;如果文件不兼容,就会涉及文件转换的问题。较高层次的交互方式是将GIS作为显示和分析模型结果的图形显示工具。最高层次的交互是二者集成在一个完整的系统里,比较松散一点的方式是用GIS的操作命令(如宏语言)重新实现模型;更紧密的集成是二者具有支持查询、分析、显示的数据结构。由于模型的多样性,数据结构也是多样的,因此很难作到GIS数据结构与所有模型的结构兼容。所以模型与GIS的交互在空间决策支持系统里允许有多种方式。