英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
开发在线空间多标准决策分析应用程序：确定印度尼西亚泗水所在地区学校适宜性的案例研究
Daniel HaryPrasetyo1,2, JamilahMuhamad1, RosmadiFauzi1
1马来亚大学地理系，
50603吉隆坡，马来西亚
2泗水大学信息技术系
Raya Kalirungkut泗水，印度尼西亚
摘要：一个决定有时需要考虑许多方面，并由许多人来评判。提出一个为新学校寻找合适地点的案例，本研究提出了七个因素，其重点将以不同的人的视角来区分。每个因素都是以多边形图层的形式出现，其值为0到9，代表整个城市区域某一方面的适宜性值。公众和一些专家将通过使用这些方面的成对比较来判断。这项研究将提供网络GIS应用程序，供公众和专家在此论证过程中使用并分析结果。
1.简介
泗水是一座扩张的古老城市，并逐渐成长为今天的形式。从殖民地时代开始，泗水市民住在该地区。泗水人口密集地区扩大到南部，东部和西部地区。这个扩大的人口没有伴随着新的公立学校发展，尤其是高中水平。图1分别显示了中等和高等学校的学校分布，覆盖了人口区域的分布。通过一个简单的解释，可以看出该市缺乏公立高中。它还表明，上层的教育机构稀缺，使得学生在迁移到更高层次的学习时，通常会走很长的距离[6]。
泗水市政府需要在最佳地点建设一些新学校，以增加城镇教育的服务和可及性。他们提出了一些与学校地点相对应的分析因素。这些因素是行政因素，可及性因素，人口因素，公共交通因素，土地利用因素，学生流量因素和公众偏好因素。图2显示用颜色等级代表这些因素，从绿色代表最合适的位置到红色代表最不合适的位置。
图1.中学地图（左）和高中地图（右）覆盖人口图层。
行政因素是代表街区及其街区学校数量的一个因素。政府希望平均分布在该街区的学校。因此，没有学校的分区及其附近的分区也没有学校将得到高度重视。已经有学校的分区和周边有学校的分区将被列为低优先级。此优先级从红色到绿色表示从低到高的优先级。
可及性因素是使用服务区域分析来计算从学校位置到街道网络的因素。一个已经具有良好的学校可达性的地区是一个价值较低的地区，因为它不需要更多的学校。相反，低可及性地区将具有高优先级。
人口因素是根据人口数量计算的一个因素。高优先级的位置是高密度人群的位置。
交通因素是根据该地区的公共交通数量计算的因素。建立多条公共交通路线的地区将优先安置新学校。
土地利用因素是基于该地区可用性的一个因素。这个因素想要使学校区域靠近植被和公共设施区域，而不是在军事，墓地和工业区内和远处。因此，军事，坟墓和工业区以及围绕它的区域被标记为低优先级。
学生流量因素是根据学生在从家到学校途中经过该地区的学生密度计算得出的一个因素。拥挤的学生通过的一个区域对于新的学校位置将具有低优先级。预计一个安静地区的新学校将传播人群。因此，安静区域被标记为高优先级。
公众偏好因素是挖掘公民在选择学校位置时的偏好的一个因素。如果学校位于公众喜爱的地点，那么学校的位置会更好。通过http://participatorygis.net上的Web GIS应用程序进行了一项收集公众偏好的调查。这项调查通过检索这些信息获得了公众的喜好：a.他们是否更喜欢位于家附近的学校，什么是可以接受的距离，以及这种偏好有多强。b.他们是否更喜欢位于工作场所附近的学校，什么是可以接受的距离，以及这种偏好有多强。C.他们是否更喜欢位于工作场所和家之间的学校，以及这种偏好有多强。
这项工作希望将这七个因素与最佳的体重设置结合起来。最优权重将从多标准决策分析方法中获得
|
(a) |
(b) |
|
(c) |
(d) |
|
（e） |
(f) |
|
(g) |
图2.七个因素。（a）行政因素，（b）可及性因素，（c）人口因素，（d）交通因素，（e）土地使用因素，（f）学生流量因素，（g）公众偏好因素。
2.GIS-MCDA
自20世纪90年代以来，MCDA和GIS的结合已经被推广用于解决城市规划，森林保护和现场测定中的空间问题[1]。例如，在土地利用适宜性评估中，通过确定理想目标，相关属性和标准（如社会，经济，环境和生态因素），可以使用MCDA确定土地利用的替代选择和偏好。在Jessy Paquette和John Lowry关于评估洪水危害的工作中，可以看到一些将GIS和MCDA相结合的成功工作[7]，BachtiarFezizadeh和Thomas Blaschke关于滑坡分析[8]，Gbanie及其同事关于建模垃圾填埋场位置[9]，和哈马杜什及其同事有关寻找最佳保存区[10]。
定量分析对于MCDA是必要的，包括评分，排名和权重。定量分析后会得出一个结论。Phua和Minowa的工作解释说，MCDA土地利用适宜性评估的主要步骤包括确定目标和相应的判断标准，分析标准，评估标准，定量分析评估单元的标准并汇总判断。GIS-MCDA是一个将地理数据和价值判断（决策者的偏好）进行转换和组合以获得决策信息的过程。不同的GIS-MCDA技术依赖于获得解决方案替代方案最终评估所需的操作[2]。Vega及其同事提到，在某些情况下，这些转换可能是加权线性求和方法中的简单算术运算，但在其他情况下，例如对于理想/参考点或超排方法，则需要更复杂的运算。
Chakhar和Martel的出色工作使GIS和MCDA集成的分类成为可能。有三种类型的GIS和MCDA集成。这些是间接的，内置的和完全整合的[3]。在间接的GIS-MCDA集成模式中，通过使用中间系统，可以集成GIS软件和独立的MCDA软件。中间系统允许将通过GIS执行的叠加分析所获得的数据重新构造和重构为便于MCDA软件的形式。分析所需的其他参数通过MCDA软件界面直接引入。分析结果（在MCDA部分中制作）可以通过MCDA软件包的演示功能或通过中间系统反馈给GIS部件进行显示，以供显示和进一步操作。内置的GIS-MCDA集成模式在此模式下，特定的MCDA模型直接添加到GIS软件中。 MCDA模型独立开发自己的数据库，但仍然集成在一起。仅使用GIS部件的界面可以增加系统的交互性。在这里，不需要中间系统，因为MCDA模型的重新构造方式是直接执行两部分之间的数据交换和分析结果。完整的GIS-MCDA集成模式是第三种模式，它将自己发展为具有独特接口和独特数据库的完全GIS-MCDA集成系统。这里，MCDA模型通过标准空间操作工具直接从GIS中激发。地理信息系统数据库支持地理和描述性数据，并支持多标准评估技术所需的参数。图形界面的单一主题使系统完全集成。
有一些方法可以用来做出更好的决定。然而，AHP是受欢迎的。层次分析法正在成为将决策过程与地理空间分析相结合的最常用方法之一[4]。层次分析法是最简单的原型决策方法。这意味着该公式很容易实现。但是，它在地理空间分析中提供了准确的结果。AHP由于其直接的实施和积极的结果而变得流行。这些特征是本研究的基础，旨在开发一个简单但功能强大的地理空间AHP决策框架，该框架作为排序输入和生成输出地图输入排序 - 输出地图机制的机制，有助于不同层次的决策制定。在Karnatak及其同事的工作中引用了AHP方法[5]，即在决策过程中决策者必须确定决策问题的目标或最终目标。
在AHP中，决策者开始识别目标和决策问题。该过程继续进行选择阶段。这个阶段的主要目标是从一组已知选项中选择一个特定的替代方案。因此，第一步是列出所有的备选方案。它继续定义将用于判断替代方案和制定决策层次的标准。 层次代表了决策问题的结构，并构成了比较的基础。AHP过程的下一步是成对比较替代方案，即对于每个标准;决策者将所有备选方案进行成对比较。决策者可以做出数字或口头判断。在口头模式中，陈述选择从“同样偏好”到“非常偏爱”。在数字方法中，决策者选择一到九分的评分。
3.调研方法
实现Web GIS应用程序有一些选项。其中一些是通过像Mapserver或Geoserver这样的空间服务服务器。两者都可以直接连接地图文件并将数据发送到客户端请求并在客户端的Web浏览器中显示地图。但是他们需要服务器中的特定句柄。我们必须自己拥有服务器，否则我们必须支付更多的托管服务，包括Mapserver或Geoserver，这是一种常见托管服务提供商不存在的服务。另一种可以在通用托管服务中托管的方式是将地图存储在通用数据库（如MySQL或Postgres）中，并使用基于Javascript的工具在客户端浏览器中显示地图。这项工作正在使用第二种方法。上一节中的因素层以具有详细解析度的shapefile的形式出现。平均而言，它的大小约为每个因子600千字节。这足以在浏览器中显示地图的过程中花费时间。在MCDA过程中，地图将被简化为实际尺寸的20％，以便为用户提供快速响应。因此，MCDA Web应用程序中显示的内容不是实际的地图，但仍然能够很好地表示真实情况。通过参考Chakhar和Martel的分类，这项工作变成了间接GIS-MCDA，因为MCDA过程与原始空间数据没有关联，但它具有显示简化地图以便更好地理解用户的设施。
这项工作有三大步骤：数据准备，判断过程和结果计算。图3显示了这些步骤。
数据准备
- 简化因素层
- 读取图层中的每个特征。将其顶点和值保存到数据库
- - 为受邀专家创建用户名
判断过程
- 解释每个因素
- 按用户要求显示因子图
- 保存用户配对判断
- - 计算个人判断的结果
AHP计算：
- 阅读所有的判断，计算。
- - 发送空间分析结果（加权总和函数）
图3. GIS-MCDA中的过程
3.1数据准备
这一步使用三个工具：ArcGIS 9.3，Visual Basic 6.0和MySQL。ArGISis用于简化多边形因子。它使用Generalization工具包中的#39;简化多边形#39;功能。然后通过由VisualBasic 6.0制作的自定义应用程序读取简化的多边形，并配备ShapefileReader库。它在每个shape文件中用多边形读取多边形，并将顶点数据放到MySQL数据库中。数据库结构如图4所示。
这项工作有三大步骤：数据准备，判断过程和结果计算。图3显示了这些步骤。
Polygons
Factor
Pairwise
PK PK
polygon_id factor_id
PK
factor_id
PK PK PK
factor1_id factor2_id user_id
Master User
factor_name
PK
user_id
vertex value
weight
user_name
user_type
图4.数据库结构。
该数据库有四个表。这些是表格因子，表格多边形，表格Master_user和表格成对。表格因子存储因子层列表。表格多边形存储构成因子层的多边形的集合。 表主控用户保存将在MCDA过程中作出判断的用户数据。成对的表格是保存用户的成对判断。有两种类型的用户，公共和专家。公共用户数据将在他们开始使用MCDA应用程序时自动生成。相反，需要准备专家用户的用户数据。用户名和用户名字段必须先填写;那么在使用应用程序之前，用户ID将被通知给专家。他们必须在登录页面中使用此ID。在这一步，数据准备过程完成。
3.2判断过程
判断过程使用基于Web的应用程序。该应用程序使用PHP语言构建，位于MySQL数据库之上，OpenLayers库用于呈现地图。该应用程序有三个页面。第一页是登录页面。 在这个页面中，用户必须选择他们是否将以Public或专家身份登录。如果用户选择专家门，他们必须输入他们的天赋ID。第二页是介绍页面。它解释了所有将被判断的因素。 用户还可以在地图上看到每个因子的呈现，作为Google地图中的重叠图层。图5显示了第二页。
图5 介绍页面
第三页是成对判断页面。用户必须决定每个因素在选择位置时是否具有影响力，如绝对强度，强烈强度，强度，稍强或与另一因素强相同。有七对因素有21对。这意味着用户必须用不同的因子对进行21次判断。在用户做出所有对组合的决定后，用户可以看看他们的判断结果。用户输入将以AHP方法计算。这一步是这项工作的第一个计算。第二次计算将用于所有被访者判断的结合过程中。计算方法将在下一节中解释。该计算将为每个因素生成权重。这些权重将用于定义因子图层在浏览器中绘制时的透明度。使用多边形值的每个图层都将显示毕业生的颜色，从红色变为黄色变成绿色。所有因子图层都会以不同的透明度值叠加。这一步将构成一个由七个不同层次着色的城市区域。绿色区域表示该区域具有来自所有层的
全文共6364字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[17098]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
