1.一种基于GIS的学校选址方法，其特征在于：所述方法包括以下步骤：

1)获取所在城市的高程数据H、城市各处基础设施位置数据M、城市土地利用情况S，城市人口分布密度P；对P进行聚类操作，将居民点聚类成N个需求点，即I＝{i1,i2,i3,....,iN}，设学校候选点集合J与居民点集合I相同，即J＝I＝{i1,i2,i3,....,iN}；其中数据M包含城市交通、城市教育布局、城市河流规划等与学校选址相关的地理数据，从中提取出影响选址决策较大的地理数据：现有学校的分布数据集合D＝{d1,d2,d3,....dm}、学生生活必备的基础设施分布数据集合E＝{e1,e2,e3,....ek}，E中包括城市公交、地铁、火车站分布数据以及学生休闲娱乐场所数据；土地利用情况S分为公用地、交通拥堵、水系占用地、森林用地、湿地、市中心用地、绿化用地和农用地；

2)对学校候选点集合J与现有学校的分布数据集合D求解标准化欧式距离，即对应欧式距离集合为

由此得到约束条件：新学校应与已有学校保持的距离需大于ε，ε的取值选取大于城市现有学校之间的欧式距离的均值，即其中b∈{1,2,....N},k∈{1,2,...m}，ib,dk表示学校候选点和城市现有学校的n维向量，sk表示对应分量的标准差，Jb,Dk分别表示任意两处学校候选点和现有学校的地理位置集合，Di,j表示现有任意两所学校i，j之间的欧式距离；

3)对学校候选点集合J与学生生活必备的基础设施分布数据集合E建立赫夫模型，即其中Aij表示基础设施j对学生i的吸引力， 表示基础设施j的魅力度， 表示学校候选点学生i到基础设施j的阻抗成本，设学生i到基础设施j的欧式距离 作为阻抗成本，a,b分别表示对应的敏感性参数；进一步求得学校候选点学生i前往基础设施j消费的概率为得到新的约束条件：

4)城市地形的平坦程度对学校的选址决策也有着至关重要的影响；从城市高程数据集H中获取城市区域坡度，通过n*n邻域模板进行焦点统计，将邻域内的最大高程与最小高程之差作为该邻域的坡度值，即θ＝ΔH＝max(σ)-min(σ)，其中σ＝{Xi,j,Xi,j+1,...Xi,j+n,Xi+1,j,....Xi+n-1,j+n,Xi+n,j+n}，其中Xi,j表示n*n模板内的某一像元的高程值，规定θ的取值不宜过大，应小于θ'，得到约束条件：θ＝ΔH＝max(σ)-min(σ)＜θ'    (5)

5)对所在城市的地形数据θ、现有学校的分布数据集合D、学生生活必备的基础设施分布数据集合E以及城市地段规划类别S进行加权叠加，设置合理的加权比重，得到模型性能指标：其中A,B,C,D分别代表上述约束的加权比重，A+B+C+D＝1，通过求解上述公式，最终可以得到基于不同城市地理数据的最优学校选址；

6)将城市地理信息数据导入GIS平台，进行地图矢量化，得到城市地面高程、基础设施、现有学校分布、土地利用情况矢量图；

7)通过上述方法的计算，得到坡度等数据；将数据录入到图层属性表，为栅格图提供源数据；

8)在GIS平台的模型构建器中构建学校选址模型，设置环境的处理范围和像元大小，从数据集中派生出对应θ,D,E,S数据；

9)对模型输入每个条件，加入步骤2)、3)、4)中的方法，对坡度θ，土地类型S等进行约束，然后将这些派生数据进行合并，创建一幅适宜性地图，从而在其中标识出新学校的可能位置，与学校候选点进行重合对比；对这些数据集进行重分类，将其设置为统一的度量级，数据集中的各个值都分配到相应的离散整数值，如1到10，各数据集中较适宜建设新学校的区域将被分配较高的值；

10)对派生数据集重分类后，设置相应的加权系数，进行加权叠加，通过GIS平台的空间分析工具得到加权后的数据集；此步骤可以在重分类的同时进行加权，更为简便；

11)完成上述步骤后，学校选址模型已构建完成，在GIS平台上运行此模型，在统一度量值的基础上得出学校选址区域适宜图；

12)将学习选址区域适宜图进行Major滤波操作，将图中虽然满足上述约束条件但位置交通道路经过较多或占地面积过小的区域剔除；最后将得到的适宜图和学校候选点分布图对比，得出最佳落址位置。

2.根据权利要求1所述的一种基于GIS的学校选址方法，其特征在于：所述步骤8)中，在派生坡度数据集时，运行的是根据步骤4)所设计的脚本，通过焦点统计理念实现。

3.根据权利要求1或2所述的一种基于GIS的学校选址方法，其特征在于：所述步骤9)中，在生成网络分析中，通过导入一种自定义脚本来生成约束条件，该脚本是对3)、4)步骤中的实现。