1概述

地理信息系統(GeographicInformationSystem,GIS)與專家系統(ExpertSystem,ES)的結合已發展成地理研究方法中的新一代研究模式。目前，國內外專家對GIS與ES相結合的基礎研究主要包括知識表示、空間知識發現、推理機制和系統集成等方面。在公路建設過程中采用GIS與ES相結合的方法對環境及景觀的評價。近年來，公路景觀環境的評價技術大多用3S技術進行評價，而將ES引入到公路景觀評價中將使未來公路景觀評價更智能化、科學化、規范化。本文運用模糊評價法對生態景觀進行評價分析，介紹了模糊邏輯和模糊推理的一些基本概念，描述了公路景觀評價系統的基本結構，公路生態景觀評價中涉及到大量的模糊數據和模糊規則，主要說明了模糊推理機的實現以及基于可信度的多維模糊推理的執行過程。

2GIS與ES相結合的應用現狀

2.1應用現狀

大多GIS與ES結合的應用主要停留在數據庫查詢、空間數據的簡單分析和成果輸出顯示上，而對于復雜、抽象、不確定、模糊與動態變化的空間問題無法提供足夠的決策支持，缺乏知識處理和進行啟發式推理的能力。因此，有必要引入知識處理、人工智能和專家系統的推理機制，為GIS提供一種模仿人類思維推理邏輯的采集、組織和使用知識的方法，并且進行綜合分析和對空間信息進行邏輯推理的有效工具[1]。

2.2GIS與ES的結合形式

目前，GIS與ES相結合的形式分為：松耦合和緊耦合2種形式。通過表1說明這2種結合方式的聯系。

2.3GIS與ES的結合內容

ES的核心內容是知識庫和推理機，在與GIS一體化中，知識庫-推理機模式成為現在的研究基礎。知識庫中知識的特殊在于地理學知識內容極其豐富，具有時間性、空間性和自然屬性的多維特征。地理學研究是以單要素因子為基礎，如坡度、坡向、土層厚度等。單要素因子是時間與空間的函數，如坡度P可表示為P=f(x,y,z,t)，其中，x、y、z是空間坐標；t是時間坐標。由此可知，一體化后的知識庫比純粹的專家系統復雜。現階段在GIS與ES一體化中所應用的推理、控制策略，采用的大多是唯一、確定性推理方法，如三段法、溯因法、歸納法等。

3模糊邏輯與模糊推理

3.1模糊集合的定義

在經典集合論中，論域是要討論的問題涉及到對象全體組成的一個普通集合。模糊集合的定義是論域U={x}上的集合A，可由隸屬函數μA(x)表示，μA(x)在閉區間[0,1]中的取值稱為x屬于模糊集合A的隸屬度，若隸屬度越接近1，則x屬于A的程度越大，反之越小。即論域U={x}上的模糊集合是指U中元素的x具有某種特征或性質的元素集合，論域元素總是分明的，但元素x屬于集合A的程序是不分明的，因此，集合A是一個模糊集合。如果論域U是有限域，即U={x1,x2,…,xn}，則U上的任一模糊集合A可表示為：11221()/()/()/()/nAAAnnAiiiAμxxμxxμxxμxx==+++=∑L其中，μA(xi)是xi屬于A的隸屬度。如果論域U是無限域，則U上的任一模糊集A可表示為：()/AxUAμxx∈=∫，∫不是積分符號，是表示無限論域上的一個模糊集的符號[2]。

3.2模糊知識表示

3.2.1模糊命題

含有模糊概念、模糊數據或帶有確信程度的語句稱為模糊命題。它的一般表示形式為：xisA或者xisA(CF)其中，x是論域上的變量，代表所論對象的屬性；A是模糊概念或模糊數，用相應的模糊集及隸屬函數刻畫；CF是該模糊命題的確信度或相應事件發生的可能性程度，既可以是一個確定的數，也可以是一個模糊數或模糊語言值。模糊語言值是指表示大小、長短、輕重、快慢、多少等程度的修飾詞，具體應用時可根據實際需要確定自己的模糊語言值集合。

3.2.2模糊規則

模糊規則的一般形式為：ifEthenH(CF,λ)，其中，E是用模糊命題表示的模糊條件，它既可以是由單個模糊命題表示的簡單條件，也可以是由多個模糊命題構成的組合條件；H是用模糊命題表示的模糊結論；CF是模糊規則的可信度因子，它既可以是一個確定的數，也可以是一個模糊數或模糊語言值；λ是規則的閾值，用于指出規則可被使用的限制。

3.3模糊匹配

為了確定規則的條件是否可與證據模糊匹配，需要對2個模糊集A和B計算匹配度δ(A,B)，若δ(A,B)≥λ，則認為A與B匹配[3]。

3.4帶可信度的多維模糊推理

規則if(x1isA1)∧(x2isA2)∧…∧(xnisAn)thenyisBCFE。求多維模糊推理的結論可信度CF的步驟如下：首先選擇組合條件與多個證據的模糊匹配方法，求得組合條件與多個證據的總匹配度δ(E,E’)，總匹配度的計算方法為：'(,')min{(,)1,2,,}iiδEE=δAAi=nL若δ(E,E’)≥λ，則規則的前提條件與證據可匹配；否則，不可匹配[4]。

4模糊綜合評價模型

模糊綜合評價模型是區域地理規劃方案評價的重要方法，它既適合于可直接量化的評價指標，也適合不能直接量化的評價指標，特別適合后者[5]。該模型的主要步驟如下：(1)邀請有關方面的專家組成評價小組。(2)建立評價指標體系集F，F=(f1,f2,…,fn)，即評價指標體系由n個指標組成。確定每一評價指標的評價尺度集E，E=(e1,e2,…,em)，即給每一評價指標分為不同等級并賦分值。評價指標集可以是一個多級遞階結構的集合。(3)根據專家打分法，確定評價指標體系的權重集W，W=(w1,w2,…,wn)，即權重集元素數為n個，與評價指標個數相同。(4)按照已經制定的評價尺度，對各評價指標進行評價。即使對同一個評價指標的評定，由于不同評價人員可以做出不同評定，因此評價結果只能用第fi評價指標做出第ei評價尺度的可能程度的大小表示。這種可能程度稱為隸屬度，記作rij。因為有m個評價尺度，所以對第i個評價指標fi有一個相應的隸屬度向量Ri，Ri=(ri1,ri2,…,rij,…,rim)，i=1,2,…,n。替代方案Rk的評價指標集的隸屬度，可以用隸屬度矩陣Rk，表示如下：在矩陣Rk中，元素kkijijdrd=，d表示參加評價的專家人數，kijd指AK替代方案第i評價指標fi做出第j評價尺度ej評價的專家人數。可見，rij值越大，說明對fi做出ej評價的可能性越大。(5)計算替代方案Ak各評價指標的得分。計算如下：Sk=RkET(1)其中，ET為評價尺度向量的轉置；Sk=(S1k,S2k,…,Snk)反映了Ak方案各單項評價指標得分。它可進行多個替代方案各單項評價指標間的比較，能提供許多有用的決策信息。(6)綜合評價——計算替代方案Ak的綜合得分，確定其優先度：Nk=WST(2)利用Nk的大小，可進行多個替代方案優先順序的排列，為決策者選定方案提供直接依據。