跳到主要內容

臺灣博碩士論文加值系統

(44.200.140.218) 您好!臺灣時間:2024/07/19 01:40
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:吳志文
研究生(外文):Chih-Wen Wu
論文名稱:基於人工智慧技術建構研究環境行為模式之系統性架構
論文名稱(外文):Establishing the systematic framework for investigating environmental behavior pattern based on Artificial Intelligent techniques
指導教授:黎淑婷黎淑婷引用關係
指導教授(外文):Shwu-Ting Lee
口試委員:雷祖強
口試委員(外文):Tsu-Chiang Lei
口試日期:2013-03-30
學位類別:博士
校院名稱:逢甲大學
系所名稱:土木及水利工程博士學位學程
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:193
中文關鍵詞:環境行為研究人工智慧演算法地理資訊系統數位模擬
外文關鍵詞:Environmental behavior researchArtificial intelligence algorithmGeographic Information SystemSimulation modeling
相關次數:
  • 被引用被引用:4
  • 點閱點閱:858
  • 評分評分:
  • 下載下載:284
  • 收藏至我的研究室書目清單書目收藏:1
近年隨個人電腦運算能力躍進,以及地理資訊系統(Geographic Information System; GIS)技術推廣趨勢,以GIS結合人工智慧演算法(Artificial Intelligence algorithm; AI)之整合應用已是環境相關研究領域的重要發展趨勢。本研究有兩目的:第一、依據各層面環境行為模式研究問題應用各種邏輯相應之人工智慧演算技術以求解;第二、建立一整合架構來歸納統整各環境行為模式研究問題之邏輯內涵,與釐清環境行為模式專家知識之產生區分。
本研究以「逢甲夜市街道非正式商業活動」為目標環境行為模式進行一系列實證實驗。本研究採用的人工智慧演算技術有:類神經網路 (Artificial Neural Network)、自組織映射網路(Self-Organizing Map)、基因演算法(Genetic Algorithm)、細胞自動機(Cellular Automata)和貝式機率(Bayesian probability),並運用CA-GIS為統整資料之基礎平台。另外本研究開發數項整合性演算程序以因應特殊研究需求,如:GAANN (GA + ANN)、NNSOM (ANN + SOM)與BAANN (Bayesian probability + ANN)等流程。最後本研究採用兩軸向系統:一為推論環境行為研究問題之順序系統,另一為環境行為專家知識的區分系統,提出〝基於人工智慧技術建構研究環境行為模式之系統性架構〞。此架構可整合歸納本研究實證實驗系列,結論各種環境行為研究問題之本質內涵。對於環境行為專家知識的挖掘、產生與管理,都將更具客觀性、系統性及應用性。
As the improvement of personal computer and the popularity of GIS (Geographic Information System), the development of comprehensive techniques with GIS and artificial intelligence (AI) algorithm is becoming an important trend in environment-related research. There are two purposes in this dissertation: first, according to each of different environmental behavior-pattern (EBP) problems applies AI algorithm which has consistent logic in order to find solutions; second, establish a comprehensive framework to sort and conclude the essence of each EBP problem, and figuring out the distinctions of EBP expert knowledge.
This research uses the informal commercial activities of the Feng-Chia night market as the experimental EBP target for operating a series of case study experiment. The AI techniques applied in this research are: artificial neural network (ANN), self-organizing map (SOM), genetic algorithm (GA), cellular automata (CA) and Bayesian probability, and using CA-GIS as the integration data base. Additionally, special AI procedures are offered in order to resolve specific issues, like GAANN (GA+ANN), NNSOM (ANN+SOM) and (Bayesian probability+ANN). In the end, we use two kinds of axis system: one is the inference system of the occurrence order of EBP problems, and the other is the distinction system of EBP expert knowledge to establish &;quot;the systematic framework for investigating EBP based on AI techniques&;quot;. This systematic framework can integrate all case study experiments, and conclude the essences of EBP problems. The EBP knowledge of resolving, producing and managing can be more objective, systematic and practical.
第一章 緒論 1
第一節 研究動機 3
第二節 研究目的 7
第三節 研究內容與方法 9
第四節 研究流程 13
第二章 文獻探討 15
第一節 環境認知與環境行為模式 17
1.1 CHRISTOPHER ALEXANDER「建築的永恆之道」 19
1.2 KEVIN LYNCH「城市意象」 21
1.3 CHRISTIAN NORBERG-SCHULZ「場所精神」 23
1.4 JOHN ZEISEL「研究與設計-環境行為的研究工具」 26
1.5 環境系統科學理論 28
1.6 小結 30
第二節 環境模型研究方法與人工智慧演算技術 33
2.1 環境模型研究方法與發展 34
2.2 資料探勘與人工智慧演算技術 39
第三節 地理資訊系統與空間資訊分析 43
第三章 相關研究方法與人工智慧演算技術 53
第一節 類神經網路(ANN) 55
第二節 自組織映射網路(SOM) 63
第三節 基因演算法(GA) 69
第四節 模式轉換機率—貝氏機率 75
第五節 整合式空間碎形資料庫CA-GIS 79
第四章 人工智慧演算技術之實證實驗 85
第一節 實證實驗材料 87
第二節 環境行為模式認知邏輯–ANN應用 97
第三節 非監督式探勘環境行為–SOM應用 107
第四節 模糊環境因子測定方法–GA應用 125
第五節 環境行為模式之發展預測及評估方法 137
第五章 人工智慧技術建構環境行為模式研究之系統性架構 149
第一節 整合式人工智慧環境行為分析架構系統 151
第二節 互動性與適應性特質 159
第六章 結論與建議 163
第一節 研究結論 163
第二節 研究建議 165
參考文獻 167
附錄 A 175
附錄 B 177
附錄 C 179
附錄 D 181
一、中文部份
于如陵. (2005). 聚落空間分布機制與規律之理論與實證探討. 國立成功大學, 台南.
于如陵, &; 賴世剛. (2004). 聚落體系形成之電腦模擬實驗-不同函數型態下的探討. 台灣土地研究, 7(2), 71-99.
石計生. (2007). 人文社會資訊系統-理論、資料、與 MajorGIS 解析. 台北: 儒林.
交通部觀光局. (2008). 觀光客倍增計畫. from http://admin.taiwan.net.tw/auser/b/doublep/double.htm
余國瑞, &; 吳東軒. (2002). 應用遺傳演算法與類神經網路於混沌系統之辨識. Paper presented at the 第七屆人工智慧與應用研討會(TAAI2002).
余舜德. (1995). 空間、論述、與樂趣—夜市在台灣社會的定位. In 黃應貴 (Ed.), 空間、力與社會 (pp. 391-462). 台北: 中央研究院民族學研究所.
余舜德, &; 周耿生. (2004). 台北夜市市場系統的發展:以台北都會區及台南縣為例. 民族學研究所資料彙, 18, 1-42.
李若愚. (2011). 地理資訊系統概論 (3 ed.). 台北: 全華科技.
李聯旺, 廖珗洲, &; 謝政勳. (2012). 人工智慧:智慧型系統導論. 臺北: 全華圖書.
周天穎. (2008). 地理資訊系統理論與實務 (4 ed.). 台北: 儒林.
周鵬程. (2006). 類神經網路入門 (3 ed.). 台北: 全華.
周鵬程. (2007). 遺傳演算法原理與應用 (3 ed.). 台北: 全華.
林昇甫, &; 徐永吉. (2009). 遺傳演算法及其應用. 台北: 五南.
林峰田. (2001). 電腦及空間分析. Paper presented at the 「研究方法及資料庫運用」研討會論文集, 台灣大學,台北.
林祥偉. (2003). 地理資訊系統與人工智慧整合之研究. 國立臺灣大學, 台北.
林惠玲, &; 陳正倉. (2008). 基礎統計學- 觀念與應用二版 (2th ed ed.). 台北: 雙葉書廊.
林惠玲, &; 陳正倉. (2011). 應用統計學 (4th ed ed.). 台北: 雙葉書廊.
張乃斌. (2002). 環境系統分析原理(上)(下). 台北: 茂昌.
張云濤, &; 龔玲. (2007). 資料探勘原理與技術. 台北: 五南.
張良均, 曹晶, &; 蔣世忠. (2008). 神經網路實用教程. 北京: 機械工業.
張晋瑞. (2009). 應用資料探勘技術與地理資訊系統在人口普查資料之研究. 國立中山大學, 高雄.
張斐章, 張麗秋, &; 黃浩倫. (2003). 類神經網路 : 理論與實務. 台北: 東華.
張德豐. (2009a). Matlab神經網路仿真與應用. 北京: 電子工業.
張德豐. (2009b). Matlab神經網路應用設計. 北京: 機械工業.
梅明德. (2011). 地理資訊系統:入門與應用. 新北市: 前程文化事業.
曾憲雄, &; 黃國禎. (2005). 人工智慧與專家系統 : 理論.實務.應用. 台北: 旗標.
黃敏郎, &; 劉守恆. (2005). 地理資訊系統基礎操作實務. 台北: 文魁資訊.
詹月雲, &; 黃勝雄. (2002). 觀光夜市發展之課題與對策探討-以高雄六合觀光夜市為例. 土地問題研究季刊, 1(4), 62-78.
雷英杰, 張善文, 李續武, &; 周創明. (2005). Matlab遺傳演算法工具箱及應用. 西安: 西安電子科技大學.
雷祖強, 萬絢, &; 李哲源. (2008). 應用細胞自動生成術預測測台中市都市發展之實證. 計量管理期刊, 5(1), 101-112.
潘江東. (2004). 台灣夜市文化探討. Paper presented at the 關懷鄉土飲食文化紀錄研討會, 高雄.
蔡文彩. (1985). 台北地區夜市之研究. 國立師範大學地理研究所地理研究報告, 11, 147-171.
蔡長清, 張雪玲, &; 黃淑貞. (2001). 國內外遊客對觀光夜市之環境因素重要性認知及滿意度之研究-以高雄市六合觀光業是為例. 高雄應用科技大學學報, 32(1-23).
蔡瑞煌. (2003). 類神經網路概論. 台北: 三民.
蘇木春, &; 張孝德. (2004). 機器學習:類神經網路、模糊系統以及基因演算法則 (3 ed.). 台北: 全華圖書.

二、英文部份
Aguado, D., Montoya, T., Borras, L., Seco, A., &; Ferrer, J. (2008). Using SOM and PCA for analysing and interpreting data from a P-removal SBR. Engineering Applications of Artificial Intelligence, 21(6), 919-930.
Alexander, C. (1994a). 建築的永恆之道 (趙冰, Trans.). 台北: 六合.
Alexander, C. (1994b). 建築模式語言 (王聽度 &; 周序鴻, Trans.). 台北: 六合.
Almeida, C. M. d., Batty, M., Monteiro, A. M. V., Câmara, G., Soares-Filho, B. S., Cerqueira, G. C., et al. (2003). Stochastic cellular automata modeling of urban land use dynamics: empirical development and estimation. Computers, Environment and Urban Systems, 27(5), 481-509.
Arribas-Bel, D., Nijkamp, P., &; Scholten, H. (2011). Multidimensional urban sprawl in Europe: A self-organizing map approach Computers, Environment and Urban Systems, 35(4), 263-275.
Bação, F., Lobo, V., &; Painho, M. (2005). The self-organizing map, the Geo-SOM, and relevant variants for geosciences. Computers &; Geosciences, 31(2), 155-163.
Bass, L. E. (2000). Enlarging the street and negotiating the curb: public space at the edge of an African market. International Journal of Sociology and Social Policy, 20(1/2), 74-95.
Batty, M. (2001). Models in planning: technological imperatives and changing roles. International Journal of Applied Earth Observation and Geoinformation, 3(3), 252-266.
Batty, M., Couclelis, H., &; Eichen, M. (1997). Urban systems as cellular automata. Environment and Planning B: Planning and Design 24(2), 159-164.
Batty, M., Xie, Y., &; Sun, Z. (1999). Modeling urban dynamics through GIS-based cellular automata. Computers, Environment and Urban Systems, 23(3), 205-233.
Bishop, C. M. (1995). Neural networks for pattern recognition (1 ed.). New York: Oxford University.
Bolstad, P. (2008). Gis Fundamentals: A First Text on Geographic Information Systems (3 ed.). Minn.: Eider Press
Bromley, R. (2000). Street vending and public policy: a global review. International Journal of Sociology and Social Policy, 20(1/2), 1-28.
Chang, J., &; Hsieh, A. T. (2006). Leisure motives of eating out in night markets. Journal of Business Research, 59(12), 1276-1278.
Cross, J. (2000). Street vendors, and postmodernity: conflict and compromise in the global economy. International Journal of Sociology and Social Policy, 20(1/2), 29-51.
Duda, R. O., Hart, P. E., &; Stork, D. G. (2001). Pattern Classification (2 ed.). New York: Wiley.
Fischer, M. M. (1998). Computational neural networks: a new paradigm for spatial analysis. Environment and Planning A, 30(10), 1873-1891.
Fischer, M. M., &; Leung, Y. (1998). A genetic-algorithms based evolutionary computational neural network for modelling spatial interaction data. The Annals of Regional Science, 32(Number 3), 437-458.
Gardner, M. (1970). MATHEMATICAL GAMES- The fantastic combinations of John Conway&;#39;s new solitaire game &;quot;life&;quot;. Scientific American, 223, 120-123.
Guallart, V. (2008). Geo logics- geography information architecture (G. Thomson, Trans.). New York: Actar.
Hagan, M. T., Demuth, H. B., &; Beale, M. (2004). 類神經網路設計 (汪惠健, Trans.).
Haupt, S. E., Lakshmanan, V., Marzban, C., Pasini, A., &; Williams, J. K. (2009). Environmental ScienceModels and Artificial Intelligence. In S. E. Haupt, A. Pasini &; C. Marzban (Eds.), Artificial Intelligence Methods in the Environmental Sciences (1 ed., pp. 3-13). Berlin Heidelberg: Springer.
Hawkin, J., &; Blakeslee, S. (2006). 創智慧:理解人腦運作,打造智慧機器 (洪蘭, Trans.). 台北: 遠流.
Heppenstall, A. J., Evans, A. J., &; Birkin, M. H. (2007). Genetic algorithm optimisation of an agent-based model for simulating a retail market. Environment and Planning B: Planning and Design, 34(6), 1051-1071.
Hsieh, A.-T., &; Chang, J. (2006). Shopping and Tourist Night Markets in Taiwan. Tourism Management, 27(1), 138-145.
Jain, A., &; Srinivasulu, S. (2006). Integrated approach to model decomposed flow hydrograph using artificial neural network and conceptual techniques. Journal of Hydrology, 317(3-4), 291-306.
Kalteh, A. M., Hjorth, P., &; Berndtsson, R. (2008). Review of the self-organizing map (SOM) approach in water resources: Analysis, modelling and application. Environmental Modelling &; Software, 23(7), 835-845.
Kalyoncuoglu, S. F., &; Tigdemir, M. (2004). An alternative approach for modelling and simulation of traffic data: artificial neural networks. Simulation Modelling Practice and Theory, 12(5), 351-362.
Kangas, J., &; Kohonen, T. (1996). Developments and applications of the self-organizing map and related algorithms. Mathematics and Computers in Simulation, 41(1-2), 3-12.
Karatzas, K. D., &; Kaltsatos, S. (2007). Air pollution modelling with the aid of computational intelligence methods in Thessaloniki, Greece. Simulation Modelling Practice and Theory, 15(10), 1310-1319.
Klement, P., &; Snášel, V. (2011). Using SOM in the performance monitoring of the emergency call-taking system. Simulation Modelling Practice and Theory, 19(1), 98-109.
Kohonen, T. (1998). The self-organizing map. Neurocomputing, 21(1-3), 1-6.
Kymmell, W. (2008). Building Information Modeling: Planning and Managing Construction Projects with 4D CAD and Simulations: McGraw-Hill.
Li, X., &; Yeh, A. G. (2002). Neural-network-based cellular automata for simulating multiple land use changes using GIS. International Journal of Geographical Information Science, 16(4), 323-343.
Lynch, K. (2001). 城市意象 (方益萍 &; 何曉軍, Trans.). 北京: 華夏出版社.
Marzban, C. (2009). Basic Statistics and Basic AI: Neural Networks. In S. E. Haupt, A. Pasini &; C. Marzban (Eds.), Artificial Intelligence Methods in the Environmental Sciences (1 ed., pp. 15-47). Berlin Heidelberg: Springer.
Mitchell, W. J. (1995). 建築的設計思考:設計、運算、與認知 (劉育東, Trans.). 台北: 胡氏圖書.
Moore, D. S. (1997). Statistic- Concepts and Controversies (4th ed ed.). NewYork: W. H. Freeman and Company
Moradkhani, H., Hsu, K., Gupta, H. V., &; Sorooshian, S. (2004). Improved streamflow forecasting using self-organizing radial basis function artificial neural networks. Journal of Hydrology, 295(1-4), 246-262.
Nag, A. K., &; Mitra, A. (2002). Forecasting daily foreign exchange rates using genetically optimized neural networks. Journal of Forecasting, 21(7), 501-511.
Norberg-Schulz, C. (1995). 場所精神 (施植明, Trans.). 台北: 田園城市
Openshaw, S. (1998). Neural network, genetic, and fuzzy logic models of spatial interaction. Environment and Planning A, 30(10), 1857-1872.
Patuelli, R., Longhi, S., Reggiani, A., &; Nijkamp, P. (2008). Neural networks and genetic algorithms as forecasting tools: a case study on German regions. Environment and Planning B: Planning and Design, 35(4), 701-722.
Pijanowski, B. C., Brown, D. G., Shellito, B. A., &; Manik, G. A. (2002). Using neural networks and GIS to forecast land use changes: a Land Transformation Model. Computers, Environment and Urban Systems, 26(6), 553-575.
Russell, S., &; Norvig, P. (2011). 人工智慧:現代方法 (歐崇明, 時文中 &; 陳龍, Trans. 3 ed.). 台北: 培生教育.
Santé, I., García, A. M., Miranda, D., &; Crecente, R. (2010). Cellular automata models for the simulation of real-world urban processes: A review and analysis. Landscape and Urban Planning, 96(2), 108-122.
Setiono, R., Leow, W. K., &; Zurada, J. M. (2002). Extraction of rules from artificial neural networks for nonlinear regression. IEEE transactions on neural networks, 13(3), 564-577.
Sexton, R. S., Dorsey, R. E., &; Johnson, J. D. (1998). Toward global optimization of neural networks: A comparison of the genetic algorithm and backpropagation. Decision Support Systems, 22(2), 171-185.
Spielman, S. E., &; Thill, J. C. (2008). Social area analysis, data mining, and GIS Computers, Environment and Urban Systems, 32(2), 110-122.
Stevens, D., Dragicevic, S., &; Rothley, K. (2007). iCity: A GIS–CA modelling tool for urban planning and decision making. Environmental Modelling &; Software, 22(6), 761–773.
Tan, P.-N., Steinbach, M., &; Kumar, V. (2007). 資料探勘 (施雅月 &; 賴錦慧, Trans.). 台北: 臺灣培生教育出版
Thapa, R. B., &; Murayama, Y. (2011). Urban growth modeling of Kathmandu metropolitan region, Nepal. Computers, Environment and Urban Systems, 35(1), 25-34.
Timothy, D. J., &; Wall, G. (1997). Selling to tourists: Indonesian street vendors. Annals of Tourism Research, 24(2), 322-340.
Vesanto, J., Himberg, J., Alhoniemi, E., &; Parhankangas, J. (1999). Self-organizing map in Matlab: the SOM Toolbox. Paper presented at the Proceeding of the Matlab DSP conference, Finland.
Voudouris, V. (2011). Towards a conceptual synthesis of dynamic and geospatial models: fusing the agent-based and Object – Field models. Environment and Planning B: Planning and Design, 38(1), 95-114.
Wu, F. (2002). Calibration of stochastic cellular automata: the application to rural-urban land conversions. International Journal of Geographical Information Science, 16(8), 795-818.
Yassemi, S., Dragićević, S., &; Schmidt, M. (2008). Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behaviour. Ecological Modelling, 210(1-2), 71-84.
Yatmo, Y. A. (2009). Perception of street vendors as &;#39;out of place&;#39; urban elements at day time and night time. Journal of Environmental Psychology, 29(4), 467-476.
Zeisel, J. (1996). 研究與設計-環境行為的研究工具 (關華山, Trans.). 台北: 田園城市.
Zhang, G. P. (2001). An investigation of neural networks for linear time-series forecasting. Computers &; Operations Research, 28(12), 1183-1202.
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top