映射包裹级城市地区的一个大的地理区域.doc

映射包裹级城市地区的一个大的地理区域摘要：作为一个重要的衡量指标的城市发展，城市地区将被明确地与广泛使用的数据集，从而有利于规划决策和相关城市研究。现有的方法来识别通常基于中分辨率遥感数据的城市地区，社会经济信息（如人口密度）一般与空间分辨率低，几平方公里甚至更大的城镇/病房如细胞。然而，很少有人注意定义市区大细规模的方式的微观数据，结合形态和功能特征扩大规模。本文提出了一种自动化框架在水平包裹划定城市地区，使用越来越多的军械调查产生的所有包裹（或地理单元）和兴趣点（POI）普遍推断每个包裹密度。一个向量的元胞自动机模型进行识别城市所有生成的包裹包裹，考虑到密度，附近的条件，和每个包裹其他空间变量。我们应用这种方法对所有的654个中国城市的城市区域填图和他们相比，这些解释从中分辨率遥感影像和推断的人口密度和道路交叉口。我们提出的框架被证明是更直接的，省时的细鳞，与其他现有的相比，回收需要的一致性，随着无所不在的空间和功能的因素在城市考虑在定义城市的效率和可用性。通过对城市区域的更好定义，为城市研究提供有力支持。本文是对方法论的研究。关键词：城市包裹；道路网络，兴趣点（POI），向量的元胞自动机，中国声明：第一作者承认中国国家自然科学基金资助（no.51078213和51311120081）和中国国家留学基金管理委员会（no.201209110066）。我们也感谢康博士吴东里提供中国数据。我们将发布测绘成果在线对本文的接受。1介绍：这项研究是一个手工制作的“包裹”理解为一个更大的地理区域的城市：城市在这里被定义为城市土地与城市活动融合道路封闭。剖析影响途径存在体定义的城市地区和案件的审查，发现一个链接两个主导因素，是实现目标的工具之间。首先是城市包裹的道路划分，可以作为城市的基本单元；二是城市密度，这是关键的功能特性，表现在景点密度。城市研究的一个普遍的困难是怎样的一个城市可以正确定义（Zipf，1949；克鲁格曼1996；秀，2005；蝙蝠，2006）。城市建成区（以下城市）代表城市空间发展规划决策管理，发挥强有力的作用，与城市研究。他们不仅说明空间格局，如建筑环境的发展水平和规模，也揭示了社会经济不匀的建成区内，例如，人口聚集，社会互动的能源消耗，和土地的使用效率，从而代表一个城市如何在一个复杂的方式发展（蝙蝠，2011）。传统的方法捕捉一个建成区边界，从上到下已经应用于世界各地的主要城市大规模主要依靠中分辨率遥感数据集或社会经济分布（如人口密度）与低分辨率，几平方公里甚至更大的城镇/病房如细胞。然而，这种方法不能适用于大多数城市在发展中国家由于缺乏必要的数据（长和刘，2013）。此外，现有的这些方法还需要多个步骤，根据独特的条件如果实现精细尺度的结果预期。本文制备的细鳞城市所有不同大小的城市形态和功能特点的基础上确定的道路网络层从利益军械调查点（景点）开发了一个自动化的方法。城市是一个广泛的应用，但同时讨论并称概念模糊。在现有的文献中，它显示了不同的描述，测量和应用生成的各种问题和不同国家的空间尺度。在我们的城市地区被确定为城市化地区（UA）在一个典型的空间统计包含纳入地方和人口普查指定地方中央地方和城市边缘区的人口密度控制管理模型（莫里尔等人。，1999）。日本的一个类似的词是人口密集区（没有）与人口密度超过每平方公里4000人。在中国，记录“一书两证1行政领域内被广泛接受（徐华，2005）。此外，城市地区（UA）在英国是来自兴建地区某房地产密度通过卫星图像或其他数据检测（Hu等人。，2008）。另一方面，社会经济因素也通过描述活动的城市地区，如劳动力市场和通勤流用来表示都市区（MA）在美国（Berry，ET，在。，1969）。尽管城市建成区的定义是非常模糊的，确定的城市空间和功能需求明确的连接尺寸。在这个意义上，本研究在城市地区进一步理解为包含城市包裹和实际使用的反映程度与城市。平行于其定义的模糊性，有各种不同的方法绘制城市地区。从形态学的角度来看，遥感图像和道路网络日益受到学术界的关注。遥感或夜间卫星图像帮助过滤非建成区出让土地覆盖信息的基础或扫描光亮度指标（亨德森等人，2003，他等人。，2006）。此外，道路网络的各种几何特征已经确定城市空间组织的物理实体，如道路交叉口密度（Masucci等人。，2012）；分形指标（申，2002；芋类和托马斯20112013；江阴，2013）；城市街区大小（江柳，2012）。在功能方面，运用社会经济统计数据，如人口密度（rozenfeld等人。，2008），有效的就业密度（SGS经济与规划，2011，2012）和基础设施的可及性（Hu等人。，2008）已经成为一个定义城市的标准方法。然而，如果具有更高的分辨率，更精确的结果是预期的，这些方法的缺点是不罕见的如下。1）遥感数据为基础的方法是耗时的解释步骤和图像分辨率有限；2）准确定位城市，采用几何的方法来直接链接到特定的空间单元，如一个包裹，块，或瓷砖，尽管在一个非常大的规模不同的大小城市的优势是很困难的；3）空间统计方法是非常耗时的准备，细规模的人口普查结果是有限的，最有可能明显改变如果低测量频率。因此，许多挑战需要克服的一个通用模型可以建立。最重要的挑战是如何精细尺度空间单元可以设置哪一个适合城市研究与规划实践。此外，不同城市的数据质量可能不允许通用方法的发展。此外，一项艰巨的任务是找到一个简单的方法来产生各种社会经济方面的考虑，一个城市的指标。最近，这些挑战，城市区域划分给上升到方法论的发展，解决同样的问题，自下而上的基于详细的街道网络和自发地理信息。一些研究集中在提取包裹型城市从传输层在OpenStreetMap（OSM）（江、刘，2012；江，等人。，2013）。然而，纯粹的道路网络的方法来产生细粒包裹和城市土地利用推断头尾划分规则很难有效的（通用的）反映真实的城市活动。在这样的背景下考虑，一些研究已经进行了利用兴趣点推断汽车性能产生的包裹，包裹可以选择本地城市。元等人。（2012）分段北京变成杂乱的包裹通过栅格模型及其功能特点，结合兴趣点和出租车轨迹推断。长和刘（2013）提出了一种自动识别和表征包裹方法（AICP）利用OSM和兴趣点在中国297个城市在全国范围。他们比较了效率和与其他方法的准确性。除了以往的研究，这些研究不仅揭示包裹的自动生成也在网络方面的职能资格自愿数据例如，兴趣点。然而，各城市之间的OSM决议不匀（Hagenauer和helbich，2012）仍限制了这些方法的适用性的所有城市和结果的分辨率。随着OSM的质量相比，地形测量图-全国权威数据保持在所有城市中最好的完整性和覆盖范围。在Web 2的背景下，商业条例的调查数据成为向公众开放的发展中国家，近年来，使中国所有城市（大或小）将包括减轻了数字鸿沟的存在之前。在导航公司集商业军械路层和POI位置之间的高的信件，帮助我们的空间和功能的因素，在相同的分辨率为所有中国城市的结合。一些相关的研究，使用这两个数据集同时生产精细尺度的城市地区所有城市。本文采用AICP长和刘提出的框架（2013）与推断城镇水平的包裹给中国所有城市地形测量点。道路网络之间的调查，OSM表示地形测量图尤其是中小城市产生更详细的信息的比较。对此，在theordnance调查道路网络被施加到AICP模型生成更逼真的城市包裹，这是基本的地理单元，描述的城市。当产生的城市区域重叠的其他数据集的基础上产生的，结果表明提取的城市地形测量点的基础上更准确的中小城市比大城市。我们的研究结果还表明，AICP可以作为输入的高分辨率和无处不在的数据采集为基础的城市地区的小包裹一个开放和直接的方法。本研究的目的是提供一种自下而上的理解复杂的城市系统在城市道路。本文的结构如下。2节介绍了本文使用的数据集。方法和结果进行了介绍，3和4。5和6部分讨论的结果和总结本研究的话，分别。2、数据：2.1中国城市的行政边界中国654 cities2 -局部地域的限制行政边界划分整个研究领域法律的城市，地形图及景点可弯曲的关闭（图1）。据中国行政系统（住房和城市发展部，2012；马，2005），主要有五个层次的分类，这样包括城市：直辖市由国家直接领导（MD，4个城市），副省级城市（SPC，15个城市），其他省会城市（OPCC，17城市），地级市（PLC，250个城市），县级（CLC，368）。该系统还可以体现在城市规模和人口而言，这些城市的层次。因此，研究范围规定城市土地行政领域保持全国规模的思想从而控制好每个城市当地的实际情况，从整个国家的全球视角。2.2中国城市的城市总面积基于定义的城市的行政边界，城市面积统计提取部（2013）为了分配总成城市包裹在每个城市。直到2012，在中国654个城市的城市总面积已达46744平方公里。个别城市是推断统计地区得体（图2）。因此，我们在所有的城市研究领域独具特色的行政隶属关系和城市总面积。2.3在地形测量的道路网络和兴趣点2012年的军用地图是授权地图反映最城市信息（haklay，2010）。城市的街道，区域道路和其他许多详细的街道都环绕在中国陆军测量局的地图数据集。道路网络在这一研究中应用的数据是来自军械调查数据2013，已与在线数据相比（如谷歌地图和百度地图）来证明其担保的准确性。在这项研究中所采用的数据库是由6026326段总长度2623867公里（图3）。景点含5281382点完全是从商业网站收集编目。在初始数据集的20种类型的兴趣点，每个类型是指城市活动的详细分类。所有的景点都在这个实证研究通过为每个生成的包裹量计算土地使用密度。3、研究方法3.1框架一般来说，划定城市地区的实证框架包含三个步骤的基础上，扩展数据：包裹的一代，城市包裹选择（矢量CA模块）和城市地区生产（宗地合并）（图4）。在第一步中，所有可能的包裹的定义取决于规模细路层地形测量。然后在下面的阶段，包裹已推断其几何和地理特性的点密度自动选择矢量中的城市的CA方法。最后，所有的城市包裹的溶解和映射从而明确产生城市。所有这些步骤将在下面的章节中详细说明。3.2生成包裹和推断它们的密度包裹是当代城市规划设计和城市研究的重要空间单元。在本部分，包裹被定义为一个连续的建成区包围的道路。这一思想支撑，所有可能的城市土地利用道路层地形生成。在生成包裹，路面层应按合并前分别作为一个单独的层的层次处理。更具体地说，所有的段与段之间20米的公差，而街段小于200修剪避免死胡同。此外，所有的道路宽度也依靠其层次结构定义。最后，所有的初始包裹时出现的道路是从研究区域删除。进一步计算每个包裹的四个特性。第一个是指几何特性的每个包裹包括尺寸和紧凑的地块形状确定。此外，还可考虑作为描述一个包裹一个区位变量。另一个特点是一幅反映其实际使用的功能属性。景点内或靠近一个包裹测量作为其城市密度。由于中心城市与其他城市之间的密度自然不匀，景点密度进一步规范和放置0和1之间释放异质性的城市。由于缺乏进一步的兴趣点属性，点的普及作为本研究相同。当任何替换可用，他们可以预期的强度近似城市活动明确。因此，在利用道路网络和兴趣点来确定初始包裹的方式，空间和功能特点一起被纳入进一步的城市包裹的选择。3.3选择城市土地利用矢量CA基于矢量的约束的元胞自动机模型用于拾取包裹的城市在不同的城市道路网络生成初始的。我们认为这个过程是类似的，模拟城市扩张，将CA应用广泛。除了传统的栅格模型（巴蒂，et al，1999），基于矢量的CA模型，这取决于不规则多边形而不是正常细胞。在这项研究中，每个包裹是一个状态，0细胞（城市）或1（非城市）。这可以说明一个公式如下。在这个函数中，在T的包裹状态变化的可能性进行了增加概率的因素的产物。具体，（）L ij P代表一个包裹局部电位将其状态从非城市的城市而（）PWij表示转换在邻近的情况可能性；CON（）代表约束和R P是的随机项。该空间和功能特性反映在测量局部电位。这可能是在下面的公式使用Logistic回归模型来解释（吴，2002）：其中0个是一个常数，K是一个估计的系数对空间变量K C和M是空间变量的总量。因此，空间和功能的因素结合到反映在这项研究中包裹的状态。包裹的大小在地区的自然对数测量。紧凑的外围广场分为面积率计算。可达性是抽象的最小欧氏距离市中心。另一方面，功能因子是运用标准化的景点密度，这是通过计算样品中的最大密度原密度速率测量。周边潜在的包裹是由周边城市的包裹量测在它周围。这可以被定义为：用于包裹），（的）在城市的权利。站在城市地区为包裹固定在N的总和所有访问包裹。定义的邻域关系轴线周围包裹在500米。两层陡峭的地区（25度以上的坡）和各种水体，包括作为限制性条件。城市的扩张在这些地区禁止。约束表示为CON（cellijT =适用）使用0或1，1表示，在没有限制包裹的发展城市，0表示该包裹是禁止城市。随机干扰PR模型代表任何可能改变地方政策偶然误差。它是计算那里是一个随机数范围从0到1，而且，从0到10，控制的效果的随机因素。此外，通过比较测量的概率（）L ij P与固定阈值THD P，的在T + 1包裹的状态可以被检测到。如果测量值大于阈值，该包裹是城市，如果没有，包裹将作为非城市停留。这个过程也可以作为一个二进制表达式：最后，控制总面积的城市所有的包裹，每个2012城市面积的统计城市作为城市土地总面积的选择上的限制。这里是面积包裹ij，并表示报告的总面积在住房和城乡建设部城市（2013）。3.4映射城市地区使用选定的城市包裹我们需要将选定的城市土地在城市地区，考虑到街道空间小未选中的城市包裹包围的城市还包括城市规划实践。为了地图在中国所有的城市地区，选择城市包裹再合并在综合城市土地在ESRI公司的ArcGIS工具箱的使用骨料多边形目前各城市地区（见图5）。这个工具是用于中等规模的减少在选定的城市包裹聚集。聚集只会发生在两个包裹在指定的聚集距离彼此。根据中国城市的事实包裹，满意之间界址聚集发生的距离设置为500一个聚集包裹被保留m，最小面积1公顷。此外，正交形输出城市地区保持人为的几何特征的创建城市的包裹。投影的方法是在所有654个城市进行了单独报道速度包裹的聚集过程。每个城市可以被映射的基础上选定的城市的包裹。3.5模型验证为了验证我们所提出的模型，自我验证和外部理由进行交叉性分别划定城市地区各城市的验证。在内部尺寸，所有城市的排名检测城市规模水平，另一方面，标度律，城市包裹在典型城市各级也是求对数的线性关系。此外，自动生成的所有中国城市地区的结果与几种经典方法回顾本部分基于地理覆盖数据集包含遥感图像所产生的结果相比，基于普查的人口密度和道路交叉口密度。3.6 Constrained inversion一个城市的区域自动识别整个过程可以描述为“整体约束反演的城市地区（图6），这是一种投机非常庞大和复杂的基于相对少量的观测数据的城市区域的方法。为了避免主观因素的设置，这个模型需要验证的有效约束/参数在一些通常观察到的情况下，在第一阶段。这个过程可以认为是一种“部分倒装”，在定义城市产生的关键因素的方法。在这项研究中，通过测量点密度的城市密度被确定在每一个城市的包裹的关键因素。在所谓的“整体约束反演”，有三个步骤：第一部分是关于包裹分割而第二部分是包裹的合并。这两个步骤的相互作用，利用兴趣点密度等因素来选择城市的包裹，如上图所示。本文提出的开放框架在解决城市问题的识别几个势：首先，它提供了一个方法，在一个大型的方式，依靠通用规则生成基于典型样本发现包裹的城市地区；此外，它可以作为一个参考验证调查的城市地区；最后但并非最不重要的，这可能意味着无所不在的数据复制的城市从一个广阔的范围的潜在作用。因此，而不是促进我们的模型描述城市基于兴趣点和道路网络，我们也提倡城市呈现“包裹”分布的一个开放的框架相结合，整体与局部在不同尺度反演。也就是说，本文所讨论的模型是一个开放的系统，结合本地和全球的仿真分析方程，这是保证定位数据的背景下，未来的发展是越来越多。4结果4.1模型校准for矢量CA模型Logistic回归是校准的重量在该向量约束CA模型进行。但由于数据的可用性，它计算每个城市从而反映出城市之间的空间异质性的控制因素的权重几乎是不可能的。因此，北京市的城市规划在bicp手动编写的2010幅数据作为所有其他城市的一个典型例子。它占地面积12183平方公里，完全在一个非常精细的尺度的城市包裹的规模（在北京大都会地区的延庆和密云县县被排除在北京市）。共有52330个包裹的报道，其中36914个包裹被确定为城市的。根据Logistic回归分析结果（表1），所有包裹的78.9%可以通过生成的功能解释。除了紧凑的各种因素通过P试验，揭示出他们是非城市与城市之间的差异显著性相关。这logistic回归结果已在矢量CA所有中国城市模型。为了验证模型的准确性，结果表明北京市的CA模型进行再bicp数据比较，然后81.5%的整体解释能力表明，城市土地的条款在划定的城市模型的适用性。4.2所选城市单元该约束矢量CA模型在所有的654个中国城市进行了报道，其中有51286平方公里的面积和707330的城市包裹进行检测和标注为“851054城市”的初始块中（图7）。在各种层次的城市包裹的平均数差异显着彼此。准确地说，有1411个城市包裹在MD平均以407紧随其后，SPC，199在OPCC，79和26分别在PLC中图分类号。当审视这些数据，更多的人口或行政级别较高的城市被占领，他们将有更多的城市包裹。换句话说，人口和城市规模的尺度律也可以在每个城市的包裹数量明显。标度律是一个普遍规律不仅对自然现象也为城市地区。在对数尺度，城市的规模和频率分布之间的关系应该是线性的。这也使自我验证所提出的矢量CA模型为每个城市在本文（vilet等人。，2009）。为了验证城市之间的性能，尺寸（在每个城市的包裹数量词）所有城市首先是阴谋反对他们的行列（图8A）。一个长尾分布的形状可以明显识别出有更多的城市与较大量的城市包裹城市包裹更少（江，2013）。当谈到对数分布，一个完美的幂律拟合（R2为0.988和2.06）可以通过考虑城市与城市的包裹比平均水平明显了。因此，重要的等级规模格局高R平方值表明我们的模型的所有城市的适用性另一方面，也是幂律拟合分析城市土地规模的队伍在典型城市政府各层次的理解所提出的方法在各种城市内部采用适用性。一般来说，电力法适合所有的包裹可以解释约70%的城市。更好的回归是在城市中隐含的占领更高层次而不是在城市中处于较低水平。更具体地说，在北京，南京和长沙的alpha值，都在1.37以上，调整R2大于0.77，而潍坊和公主岭有1.28的值和较小的R2为0.65。而去除包裹小于平均尺寸，功率法更适合容易识别（所有R2增加0.9以上）。所有这些趋势相仿的典型例子的出现表明我们的模型可以用于建模的城市包裹在不同的城市4.3所有中国城市的城市区域通过合并所有选定的城市包裹，所有中国城市都自动说明。为了获得更多的洞察到这些结果，典型城市（如北京南京MD，SPC，长沙OPCC，潍坊PLC和公主岭CLC）在不同层次都是上市和与其他数据集包括DMSP/OLS的结果相比，基于普查的人口密度和道路交叉口（表2）。与其他数据集的结果相比，通过我们的方法所产生的城市地区比其他数据库通常分辨率较高（表2）。输出被使用其他三个数据检测我们预计框架在相对发达的城市在初始的眼睛判断上的高度相关。这可能主要是基于良好的数字基础设施和小普查设置调查。这个假设可以通过发展城市的结果比较验证。准确地说，我们的方法似乎更可能产生比其他两个详细的结果。从更精确的角度来看，产生的城市面积进一步重叠的结果与其他检测重叠率。更多的细节可以在模型验证中发现的（5.1节）。5讨论5.1模型验证模型的验证是通过比较城市用我们的方法有四个数据集的所有654个中国城市：（1）城市地区定义在300m分辨率Globcover（会，2009）；（2）在1km分辨率的检索DMSP/OLS呈现在2008城区（Yang et al，2013）；（3）各子区人口密度大于平均密度为代表的城市地区（977人/平方公里）的所有39007个亚区2010中国利用江（2013）的头尾部规则与中国2010次人口普查（Wu et al，2014）；（4）利用地形测量应用本研究提出的城市道路交叉口密度。城市地区进行排序，所有网格的内核密度估计道路交叉口，考虑到总面积的城市每个城市选择（详细阐述2.2节）。所有的结果如表3所示的详细表示。在捕获的大小的城市街区，在这项研究中的城市包裹（平均粒径约为300m400m）是比其他四个数据集的小远，反映了一个事实，更好的缩放的输出是通过我们的方法。（1）从重叠率的角度来看，有65.5%的城市检测常见（30606平方公里）在输出相交DMSP/OLS。与这两个数据集之间的时间不匹配的考虑，我们建议的方法可以合理地想象出所有的中国城市，根据以上评价结果良好。（2）提出的数据Globcover并不如预期的好的结果与最初。只有20801平方公里的城市地区约占44.5%，我们的结果与Globcover。这可能是这两个数据集以时间和分辨率之间的不匹配的结果。（3）有81.9%个城市通过我们的方法分为人口密度为代表的城市地区，这表明我们的大部分结果与高人口密度相关。重叠率超过80%的部分是由于高估了城市的密度，这是由住房和城乡建设部规定的近三倍（2013）。（4）之间的比较结果我们利用道路交叉口是可以接受的（76.8%），这可能归因于同一数据源中使用的方法。注：所有数据集都是夹在中国654个城市的行政边界的使用。兵器是通过研究城市地区。兵器的空间分辨率是所有城市的包裹平均地块大小（应该是平方）。密度分辨率是每个小区规模在中国所有的城市街道中（应该是平方）。诚然，有所有现有的方法之间的空白，产生一个权威的城市地区。换句话说，它是很难确定的结果最准确的因为每个方法可以反映出一种对同一问题可能理解。然而，整体的精度是可以接受的以各种型号之间的差异考虑。5.2划定城市地区水平评价方法除了定量比较我们的结果和方法，有六个方面被认为是定性评估现有的方法包括实用，地理尺度，结果分辨率，数据可用性的优势，便利性和动力学方法（图9）。在中国不同的规划院10名专业人员进行了采访，要求对每个方法的性能，根据自己的工作经验。这里的实用性是指能直接受益，当前城市规划的价值。由于同样的基本空间单元的设置，我们的城市包裹的结果通常被认为是反映城市土地房地产发展最简单的方法。与此同时，传统的方法如：DMSP/OLS，调查包裹图和人口密度图也称为实用工具来理解城市范围。此外，本文提出的方法的研究，有望更好地平衡困境之间的覆盖规模和结果解决传统模式（长，2014）。依托发展背景的开放数据集自发地理数据集，该方法将在本文中也认为是城市规划研究的公共访问和更新数据的时间。关于方法论的方便，空间测量和基于统计的方法是直接可以理解的，而我们的方法是理解为包装复杂的模拟在自动方式直接的方式。坦率地说，所有这些评价都是基于城市规划的现实，在发展中国家，特别是在中国，这意味着评估解决同样的问题，不同的人会在发达国家的城市调查统计了多年的成熟。然而，它仍然是推动我们的生产方法在Web 2很值得。这是一个大的模型（长，2014）在一个直接的，细鳞和基于无所不在的数据开放有利于城市对城市管理和规划的动态感。5.3潜在的偏见和进一步的步骤本研究提出城市自动生成框架，提供了所有中国城市的例子。越来越多的志愿者地理信息在这个框架也促进了这种方法的优点。然而，在目前的研究中还存在着一些局限性，这将是我们今后的研究重点。首先，目前的方法可以直接改善基于开放数据的可用性的增加。基于在线信息的位置（如检查）可被用来推断景点从而反映实际的城市使用更准确的重量。其次，更多的样本城市应该用于提高我们的方法精度模型校准，即使我们的方法已经证明了采用局部约束，而不是所有城市的全球的适用性和灵活性。最后，目前使用的市级城市面积统计可以通过罚款规模的取代，例如区或亚区，针对控制更详细城市宗地总面积。6总结In this paper，载体细胞automata模型是基于道路网络提出的地形和点of interest in for明确delineating包裹型城市地区。城市areas in all by using我们654城市是生成的方法。整个进度包含几个组件包括（包裹（包裹选择生成，城市，和城市地区的生产。in the first step，道路网络层在地形is applied to定义（包裹by去除道路from the study缓冲区。in the following阶段，（包裹are equipped with their all the size属性类，紧性，密度，和豌豆。然后，矢量模型是通过细胞automata from all for identifying城市生（包裹（包裹，考虑到空间变量of each包裹as well as conveyed总面积in each市。最后