在上述理论的支撑下，空间布局与优化研究在政府或企业项目中得到广泛应用，随计算机技术的普及和GIS的发展，上世纪70年代GIS就被应用于与位置有关的项目。如J.E.Dobson在美国马里兰州某电厂的选址规划研究中将行政区划分为32000个方格，运用名义群体算法对每个方格打分加权，将前15%的方格作为电厂备选地址。A.Slagle等建立空间数据库，结合数字高程模型对纽约市土地利用进行了分析，利用GIS 的空间分析功能寻找最佳新校址。M.Y.Pior等利用GIS制作土地利用图，使用空间分析功能对日本东京新干线项目的预期收益进行分析，为决策部门提供参考。美国的交通基础设施项目中，大量使用了GIS空间分析功能，如利用等值线表示项目噪音、空气污染密度等，在项目环评报告中起了决定性作用。

此类理论与实践研究极大促进了公共设施布局的合理性，但就本文的研究主题来说，还存在不少问题：①目前的空间布局及优化研究多发力于土地利用方面，缺失与人口分布、地理环境等因素的关联分析；②没有形成空间布局与优化的标准化，就不同类型设施而言，考虑因素不尽相同，商业设施单一考虑利益最大化，学校等要兼顾考虑公平性和效率；③研究对象的内部层次对空间分布及优化的研究处于起步阶段，在理论和实践方面缺乏探索。

1.3研究方法与目的

本研究拟借助地理信息系统的空间分析功能，以苏州小学为研究对象，实现其空间分布的可视化表达，对现有小学的空间分布进行评估，明确哪些区域的小学资源比较丰富，哪些区域的小学资源相对匮乏，在空间层面上直观反映苏州小学教育资源的分布及居民享受小学教育的便利程度并探索布局优化途径，既能为普通民众提供有益的参考，又能为政府的规划决策提供基础数据及理论依据，从有限的小学教育资源中发掘最大的社会服务价值，最终达到化解社会矛盾，促进社会公平正义的最终目的。

2研究方法和数据来源

荷兰计算机科学家Dijkstra[10]于1959年提出使用广度优先搜索计算一个节点到其他所有节点的最短路径，该算法是服务区分析的核心。其算法思想是：输入G=(V,E)为带权有向图，V表示G中所有顶点，E表示G中所有边，边的权重为相邻两顶点之间的距离，任意两顶点间路径的权重为该路径所有边权重总和。算法具体实现时会把顶点集合V分为两组S和U，集合S为已知最短路径的顶点集合，集合U为未知最短路径的顶点集合，每求一条最短路径，U中一个顶点加入到S中，加入过程中，源点v到S各顶点最短路径不大于源点v到U任意顶点的最短路径。图1为Dijkstra算法的运行实例，黄色顶点为未知最短路径顶点，绿色顶点为已知最短路径顶点，边变成绿色的过程为最短路径的确定过程。初始状态时，源点A相对于自身的权重为0,其余未知路径顶点权重为无穷大∞。算法退出时，各顶点标示的数字为最短路径，如还保持为无穷大∞表示不存在路径。表1列出了Dijkstra算法从源顶点A到其他顶点最短路径的计算过程。