1概述 地理信息系统(GeographicInformationSystem,GIS)与专家系统(ExpertSystem,ES)的结合已发展成地理研究方法中的新一代研究模式。目前，国内外专家对GIS与ES相结合的基础研究主要包括知识表示、空间知识发现、推理机制和系统集成等方面。在公路建设过程中采用GIS与ES相结合的方法对环境及景观的评价。近年来，公路景观环境的评价技术大多用3S技术进行评价，而将ES引入到公路景观评价中将使未来公路景观评价更智能化、科学化、规范化。本文运用模糊评价法对生态景观进行评价分析，介绍了模糊逻辑和模糊推理的一些基本概念，描述了公路景观评价系统的基本结构，公路生态景观评价中涉及到大量的模糊数据和模糊规则，主要说明了模糊推理机的实现以及基于可信度的多维模糊推理的执行过程。 2GIS与ES相结合的应用现状 2.1应用现状 大多GIS与ES结合的应用主要停留在数据库查询、空间数据的简单分析和成果输出显示上，而对于复杂、抽象、不确定、模糊与动态变化的空间问题无法提供足够的决策支持，缺乏知识处理和进行启发式推理的能力。因此，有必要引入知识处理、人工智能和专家系统的推理机制，为GIS提供一种模仿人类思维推理逻辑的采集、组织和使用知识的方法，并且进行综合分析和对空间信息进行逻辑推理的有效工具[1]。 2.2GIS与ES的结合形式 目前，GIS与ES相结合的形式分为：松耦合和紧耦合2种形式。通过表1说明这2种结合方式的联系。 2.3GIS与ES的结合内容 ES的核心内容是知识库和推理机，在与GIS一体化中，知识库-推理机模式成为现在的研究基础。知识库中知识的特殊在于地理学知识内容极其丰富，具有时间性、空间性和自然属性的多维特征。地理学研究是以单要素因子为基础，如坡度、坡向、土层厚度等。单要素因子是时间与空间的函数，如坡度P可表示为P=f(x,y,z,t)，其中，x、y、z是空间坐标；t是时间坐标。由此可知，一体化后的知识库比纯粹的专家系统复杂。现阶段在GIS与ES一体化中所应用的推理、控制策略，采用的大多是唯一、确定性推理方法，如三段法、溯因法、归纳法等。 3模糊逻辑与模糊推理 3.1模糊集合的定义 在经典集合论中，论域是要讨论的问题涉及到对象全体组成的一个普通集合。模糊集合的定义是论域U={x}上的集合A，可由隶属函数μA(x)表示，μA(x)在闭区间[0,1]中的取值称为x属于模糊集合A的隶属度，若隶属度越接近1，则x属于A的程度越大，反之越小。即论域U={x}上的模糊集合是指U中元素的x具有某种特征或性质的元素集合，论域元素总是分明的，但元素x属于集合A的程序是不分明的，因此，集合A是一个模糊集合。如果论域U是有限域，即U={x1,x2,…,xn}，则U上的任一模糊集合A可表示为：11221()/()/()/()/nAAAnnAiiiAμxxμxxμxxμxx==+++=∑L其中，μA(xi)是xi属于A的隶属度。如果论域U是无限域，则U上的任一模糊集A可表示为：()/AxUAμxx∈=∫，∫不是积分符号，是表示无限论域上的一个模糊集的符号[2]。 3.2模糊知识表示 3.2.1模糊命题 含有模糊概念、模糊数据或带有确信程度的语句称为模糊命题。它的一般表示形式为：xisA或者xisA(CF)其中，x是论域上的变量，代表所论对象的属性；A是模糊概念或模糊数，用相应的模糊集及隶属函数刻画；CF是该模糊命题的确信度或相应事件发生的可能性程度，既可以是一个确定的数，也可以是一个模糊数或模糊语言值。模糊语言值是指表示大小、长短、轻重、快慢、多少等程度的修饰词，具体应用时可根据实际需要确定自己的模糊语言值集合。 3.2.2模糊规则 模糊规则的一般形式为：ifEthenH(CF,λ)，其中，E是用模糊命题表示的模糊条件，它既可以是由单个模糊命题表示的简单条件，也可以是由多个模糊命题构成的组合条件；H是用模糊命题表示的模糊结论；CF是模糊规则的可信度因子，它既可以是一个确定的数，也可以是一个模糊数或模糊语言值；λ是规则的阈值，用于指出规则可被使用的限制。 3.3模糊匹配 为了确定规则的条件是否可与证据模糊匹配，需要对2个模糊集A和B计算匹配度δ(A,B)，若δ(A,B)≥λ，则认为A与B匹配[3]。 3.4带可信度的多维模糊推理 规则if(x1isA1)∧(x2isA2)∧…∧(xnisAn)thenyisBCFE。求多维模糊推理的结论可信度CF的步骤如下：首先选择组合条件与多个证据的模糊匹配方法，求得组合条件与多个证据的总匹配度δ(E,E’)，总匹配度的计算方法为：'(,')min{(,)1,2,,}iiδEE=δAAi=nL若δ(E,E’)≥λ，则规则的前提条件与证据可匹配；否则，不可匹配[4]。 4模糊综合评价模型 模糊综合评价模型是区域地理规划方案评价的重要方法，它既适合于可直接量化的评价指标，也适合不能直接量化的评价指标，特别适合后者[5]。该模型的主要步骤如下：(1)邀请有关方面的专家组成评价小组。(2)建立评价指标体系集F，F=(f1,f2,…,fn)，即评价指标体系由n个指标组成。确定每一评价指标的评价尺度集E，E=(e1,e2,…,em)，即给每一评价指标分为不同等级并赋分值。评价指标集可以是一个多级递阶结构的集合。(3)根据专家打分法，确定评价指标体系的权重集W，W=(w1,w2,…,wn)，即权重集元素数为n个，与评价指标个数相同。(4)按照已经制定的评价尺度，对各评价指标进行评价。即使对同一个评价指标的评定，由于不同评价人员可以做出不同评定，因此评价结果只能用第fi评价指标做出第ei评价尺度的可能程度的大小表示。这种可能程度称为隶属度，记作rij。因为有m个评价尺度，所以对第i个评价指标fi有一个相应的隶属度向量Ri，Ri=(ri1,ri2,…,rij,…,rim)，i=1,2,…,n。替代方案Rk的评价指标集的隶属度，可以用隶属度矩阵Rk，表示如下：在矩阵Rk中，元素kkijijdrd=，d表示参加评价的专家人数，kijd指AK替代方案第i评价指标fi做出第j评价尺度ej评价的专家人数。可见，rij值越大，说明对fi做出ej评价的可能性越大。(5)计算替代方案Ak各评价指标的得分。计算如下：Sk=RkET(1)其中，ET为评价尺度向量的转置；Sk=(S1k,S2k,…,Snk)反映了Ak方案各单项评价指标得分。它可进行多个替代方案各单项评价指标间的比较，能提供许多有用的决策信息。(6)综合评价——计算替代方案Ak的综合得分，确定其优先度：Nk=WST(2)利用Nk的大小，可进行多个替代方案优先顺序的排列，为决策者选定方案提供直接依据。#p#分页标题#e# 5公路生态景观评价系统的设计与实现 5.1系统基本结构 本文系统采用模块化程序设计技术，分为人机接口(用户接口和专家接口)、综合数据库、空间数据库、知识库、推理机、知识获取及解释程序7个模块组成。系统的结构体系采用GIS与ES相结合，能加强和完善GIS的系统功能，即采用智能控制界面和应用启发式推理，利用专家知识提供科学的决策和咨询。整个系统在主界面菜单控制下运行，各模块能独立运行。本文系统程序采用Delphi7.0为整个系统开发平台，SQLServer2000为数据库，GIS由SuperMapObjects支撑[6]。系统基本结构如下：(1)综合数据库用于存放事实及评价过程中的初始数据、求解状态、中间评价结果、假设、目标及最终评价结果。(2)知识库是建立和维护本应用程序中与评价及恢复有关专家知识、经验等，此知识库中包括评价标准、评价得分值、图像、图片等知识，也构建了与空间数据相结合的知识表示方法。(3)知识获取程序，专家通过人机界面将新的知识和经验或改变了的知识和经验输入到系统中，由系统对其归纳整理的过程。(4)推理机，包括推理过程中需要的规则集，根据评价模型的具体特点，目前采用的混合式模糊推理，原因是本系统要在评价的基础上给出恢复方案，由此需要结合正逆2种模糊推理方法。(5)空间数据库是将研究区内的地形地貌通过电子地图的方式存储到计算机中，在实施评价及恢复的过程中，根据推理机得出的评价及恢复方案，将空间数据库中的内容做适当调整，最终显示在输出给用户的电子地图上。(6)解释程序，将评价的过程通过解释处理程序将其显示给用户，利于公路生态景观学方面的专业人员和初学者能够从问题的求解过程中得到直观学习。(7)人机接口，将专家和用户的输入信息翻译为系统可接受的内部形式，把系统向专家和用户输出的信息转换成人类易于理解的外部形式，系统的应用界面是友好的人机接口界面。 5.2模糊推理机的实现 由于本系统中有大量的模糊规则，如“若两侧绿化树种好，则评价的评价结果为5”等，而且该评价又是由两侧绿化树种由其下层多个项评价的综合组成，每个下层项对两侧绿化树种评估结果的影响重要性不同，即按照不同的评价模型可以得到不同的评价权重值。要得到合理的公路生态景观评价结果，需要对所有的下层项进行分别评价，最后综合得到最后的评价结果。 5.2.1推理机的构成 本文系统中的推理是基于知识的推理，是选择知识和应用知识求解问题，在此知识库和推理机是基于知识推理的基础和核心。本系统推理过程涉及的知识分为6类：(1)自然属性数据：用户输入在自然属性数据库中的自然属性数据；(2)模型数据：系统利用原始数据进行数学模型分析求得的结果或瞬时数据；(3)交互数据：推理机运行时要求用户输入的数据；(4)动态数据：推理机匹配规则时获取的中间结果，它们仅存放在动态缓冲区中，用来进一步推理或解释推理结论；(5)空间数据：将各种地理信息要素以图层形式实现；(6)多媒体数据：有助用户、专家对待评价处的情况进行立体、客观的了解和分析。 5.2.2推理工作流程 本文系统中的推理机工作过程为根据界面输入改变的综合数据库中的事实与从知识库中取出符合要求的规则进行匹配。选出所有成功匹配的规则并计算可信度值，根据冲突消解的策略选择综合数据库中没有的规则结论及可信度传播值，作为新的事实和事实的可信度加入综合数据库中，并将得出的评价分值逆向输入推理机中以得到相应的评价结果，激发解释器将得到的评价结果解释为供决策者决策使用的信息。算法的实现过程如图2所示。推理过程是一个求解问题的过程，问题求解的质量与效率依赖于求解问题的策略，即推理的控制策略。在本文系统中的推理机采用2种推理方式，即正向推理过程和反向推理过程。正向推理工作过程是：根据数据库中给出的已知事实，正向使用规则，即把规则的前件同当前数据库的内容进行匹配，选取可用规则，若有多条规则可用，则按冲突消解策略从中选择一条规则执行，将执行规则的结论添加到综合数据库中，直至问题求解或没有可用规则。反向推理工作过程是：根据在数据库中给出的假设，反向使用规则，即把规则的后件同当前数据库的内容进行匹配选取可用规则，若有多条规则可用，则按冲突消解策略从中选择一条规则，将该规则的前件添加到数据库中，直到问题求解或没有可用规则，推理即结束。 5.3GIS与ES的结合实现 本文收集了公路景观评价的专家知识和经验、景观破碎度的确定、景观评价系统的评价步骤、评价方法、评价模型等进行整理、分类。研究构建与空间数据相结合的知识表示方法。对评价模型、呈现景观破碎度的确定模型等的模型研究。建立与以上评价方法、知识表示方法和模型相对应的推理方法、推理机等的模块，基于景观评价技术所建立的评价体系建立专家评价系统，并对景观信息进行评价。 6结束语 随着公路建设的不断发展，以GIS和ES为核心的生态景观评价系统在公路生态景观协调发展中越来越发挥重要作用。GIS与ES的结合不仅能够加强和完善GIS、ES的系统功能，也为GIS的应用提供了科学的决策和咨询，为ES的应用提供了完善的空间数据信息。
