CN110070259B - 一种基于gis空间大数据分析的安防设备智慧选址方法 - Google Patents

一种基于gis空间大数据分析的安防设备智慧选址方法 Download PDF

Info

Publication number
CN110070259B
CN110070259B CN201910180987.2A CN201910180987A CN110070259B CN 110070259 B CN110070259 B CN 110070259B CN 201910180987 A CN201910180987 A CN 201910180987A CN 110070259 B CN110070259 B CN 110070259B
Authority
CN
China
Prior art keywords
geographic
geographic object
objects
target
layer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910180987.2A
Other languages
English (en)
Other versions
CN110070259A (zh
Inventor
陈茜
崔娟
姜兆华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Optical Control Teslian (Shanghai) Information Technology Co., Ltd.
Original Assignee
Light Controls Tesilian Shanghai Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Light Controls Tesilian Shanghai Information Technology Co ltd filed Critical Light Controls Tesilian Shanghai Information Technology Co ltd
Priority to CN201910180987.2A priority Critical patent/CN110070259B/zh
Publication of CN110070259A publication Critical patent/CN110070259A/zh
Application granted granted Critical
Publication of CN110070259B publication Critical patent/CN110070259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computer Security & Cryptography (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Alarm Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供的一种基于GIS空间大数据分析的安防设备智慧选址方法，包括：获取当前空间的GIS空间大数据；对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层；对于所述目标地理对象及与其相关联的M层地理对象关联层，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度；根据所述关联度从所述M层地理对象关联层中的地理对象中选取满足预设条件的地理对象建立所述目标地理对象的聚合对象组；按照预设条件确定布控安防设备的地理对象。本申请实施例的方法，能够使得安防有效信息的采集效果最大化，同时又能避免布设过密、过多而造成得资源浪费。

Description

一种基于GIS空间大数据分析的安防设备智慧选址方法
技术领域
本申请涉及应用于智慧安防的大数据技术领域，尤其涉及一种基于GIS空间大数据分析的安防设备智慧选址方法。
背景技术
目前智慧城市中布置的公共安防设备主要包括：用于交通、保安等方面监视的监视摄像机，采集手机IMEI识别码的微卡口装置(微卡口装置与其覆盖范围内的手机无线通信，读取手机的IMEI识别码，通过该识别码可以向电信商查询手机号码以及对应的人物信息)，用于交通测速、夜间条件下的目标提取的点云雷达探头。
但是，关于公共安防设备在城市中的布设问题，目前很多城市的经济和物资条件，还难以实现在城市的整个空间完全无死角无盲区全覆盖，所以布设时既要考虑安防有效信息的采集效果最大化，同时也要避免布设过密、过多造成资源浪费，所以需要考虑安防设备选址最优化的问题。
地理信息系统(GIS，Geographic Information System)是以地理对象为基本单元的综合性信息系统，结合地理学、遥感和计算机科学，已经广泛应用在不同领域，用于输入、存储、查询、分析和显示地理对象相关的地理数据。随着GIS系统的发展，在城市建设规划中采用基于GIS数据的分析方法已经成为一种趋势。
发明内容
有鉴于此，本申请的目的在于提出基于GIS空间大数据分析的安防设备智慧选址方法，来在城市中布设安防设备，既能够保证安防有效信息的采集效果最大化，同时又能避免布设过密、过多而造成得资源浪费。
基于上述目的，本申请提出了一种基于GIS空间大数据分析的安防设备智慧选址方法，包括：
获取当前空间的GIS空间大数据，所述GIS空间大数据包括当前空间范围内的地理对象以及每个所述的地理对象对应的位置信息、拓扑关系信息和附加信息；
对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层；
对于所述目标地理对象及与其相关联的M层地理对象关联层，根据与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度；
根据所述关联度从所述M层地理对象关联层中的地理对象中选取满足预设条件的地理对象建立所述目标地理对象的聚合对象组；
在确定全部地理对象的聚合对象组后，以所述目标地理对象和所述聚合对象组为单位，按照预设条件确定布控安防设备的地理对象。
在一些实施例中，所述获取当前空间的GIS空间大数据，包括：
按照预设频率获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，对上述获取到的信息进行汇总，生成当前空间的GIS空间大数据。
在一些实施例中，所述地理对象包括线状地理对象、多边形地理对象和点状地理对象。
在一些实施例中，对于线状地理对象，其位置信息为预设数量的轨迹点的坐标信息，对于多边形地理对象，其位置信息为预设数量的轮廓点的坐标信息，对于点状地理对象，其位置信息为自身标识点的位置信息。
在一些实施例中，所述拓扑关系信息表征地理对象在空间上和结构上的相互关系，包括联通关系、相邻关系和隔离关系。
在一些实施例中，所述对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层，包括：
对于每个目标地理对象，将与所述目标对象具有联通关系或相邻关系的地理对象作为所述目标地理对象的第一层关联地理对象，将与第一层关联地理对象中的每个地理对象具有联通关系或相邻关系的地理对象作为所述目标地理对象的第二层关联地理对象，所述第二层关联地理对象中不包括所述目标地理对象和所述第一层关联地理对象中的地理对象，依次迭代，直到确定所述目标地理对象的第M层关联地理对象。
在一些实施例中，所述根据与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度，包括：
对于所述M层地理对象关联层中的任一地理对象，统计其与所述目标地理对象的附加信息的同步变化率，用于所述同步变化率与所述目标地理对象与该任一地理对象的距离以及该距离的权重参数的乘积作为该任一地理对象与所述目标地理对象之间的关联度。
在一些实施例中，所述在确定全部地理对象的聚合对象组后，以所述目标地理对象和所述聚合对象组为单位，按照预设条件确定布控安防设备的地理对象，包括：
在确定全部地理对象的聚合对象组后，对于安防设备的数量确定为N时，每次选取N个地理对象作为一个排列组合，通过迭代穷尽所有的排列组合方式，计算每次选取的N个地理对象及其聚合对象组包含的地理对象总数，将地理对象总数最大的组合方式对应的N个地理对象作为布设安防设备的地理对象。
在一些实施例中，所述在确定全部地理对象的聚合对象组后，以所述目标地理对象和所述聚合对象组为单位，按照预设条件确定布控安防设备的地理对象，包括：
在确定全部地理对象的聚合对象组后，对于在覆盖该城市空间范围内的全部地理对象的前提下，使得安防设备的数量N最小时，逐次随机选取一个地理对象及其聚合对象组，直到选取出来的地理对象及其聚合对象组覆盖了当前空间范围内的全部地理对象，完成一种排列组合，从而生成多种排列组合，从生成的多种排列组合中选取安防设备的数量N的值最小时对应的地理对象作为布设安防设备的地理对象。
在一些实施例中，在获取当前空间的GIS空间大数据之前，还包括对当前空间的地理对象进行空间尺度的归一化，使当前空间的地理对象的尺度处于同一量级。
本申请实施例提供的一种基于GIS空间大数据分析的安防设备智慧选址方法，包括：获取当前空间的GIS空间大数据，所述GIS空间大数据包括当前空间范围内的地理对象以及每个所述的地理对象对应的位置信息、拓扑关系信息和附加信息；对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层；对于所述目标地理对象及与其相关联的M层地理对象关联层，根据与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度；根据所述关联度从所述M层地理对象关联层中的地理对象中选取满足预设条件的地理对象建立所述目标地理对象的聚合对象组；在确定全部地理对象的聚合对象组后，以所述目标地理对象和所述聚合对象组为单位，按照预设条件确定布控安防设备的地理对象。本申请实施例的基于GIS空间大数据分析的安防设备智慧选址方法，能够使得在城市中布设的安防设备，既能够保证安防有效信息的采集效果最大化，同时又能避免布设过密、过多而造成得资源浪费。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请实施例一的基于GIS空间大数据分析的安防设备智慧选址方法的流程图；
图2是本申请实施例二的基于GIS空间大数据分析的安防设备智慧选址方法的流程图；
图3是本申请实施例三的基于GIS空间大数据分析的安防设备智慧选址方法的流程图。
具体实施方式
本申请后续实施例中的基于GIS空间大数据分析的安防设备智慧选址方法，主要应用于城市空间的安防设备布设，来采集城市空间的各区域的与人口活动相关的安防数据，在布设安防设备的过程中，一方面要考虑安防有效信息的采集效果最大化，另一方面又要考虑避免布设过密、过多而造成得资源浪费。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面参见具体实施例对本申请的技术方案中的安防设备的布设方法进行详细说明。
具体地，如图1所示，是本申请实施例一的基于GIS空间大数据分析的安防设备智慧选址方法的流程图。从图1中可以看出，作为本申请的一个实施例，所述基于GIS空间大数据分析的安防设备智慧选址方法，可以包括以下步骤：
S101：获取当前空间的GIS空间大数据，所述GIS空间大数据包括当前空间范围内的地理对象以及每个所述的地理对象对应的位置信息、拓扑关系信息和附加信息。
在本实施例中，当需要在城市空间内布设安防设备时，可以先获取该城市空间的GIS空间大数据，其中，所述GIS空间大数据包括城市空间范围内的地理对象，以及每个所述的地理对象对应的位置信息、拓扑关系信息和附加信息。本实施例中的地理对象可以是建筑物，也可以是公共场所——例如广场、市场、货场、垃圾填埋场、停车场等，也可以是交通枢纽——例如火车站、汽车站、地铁站、立交桥、高速出入口等，也可以是道路，此外，还可以是自然物——例如城区中的湖泊、河道、山体、林地等。
地理对象的位置信息是每个地理对象在GIS地图中的坐标位置信息。具体地，又可以划分为线状地理对象——例如道路、河道等，多边形地理对象——例如区域、湖泊、山体、林地等，以及点状地理对象——例如枢纽。而对于线状地理对象，其位置信息为预设数量的轨迹点的坐标信息，将预设数量的轨迹点串联起来就形成了线状地理对象；对于多边形地理对象，其位置信息为预设数量的轮廓点的坐标信息，同样，将预设数量的轮廓点串联起来就形成了多边形地理对象的轮廓；对于点状地理对象，其位置信息为自身标识点的位置信息，即该地理对象在地图上标识位置点的坐标信息。
地理对象的拓扑关系信息表征地理对象在空间上和结构上的相互关系，包括联通关系、相邻关系和隔离关系。例如，A道路与B道路连通，或者C地铁站与D广场联通，则将二者的拓扑关系信息的类型表示为联通关系，并记录二者联通点的坐标，作为所述拓扑关系信息。再例如，A道路与E建筑物相邻，则二者的拓扑关系信息的类型表示为相邻关系。当然，即使有些地理对象在空间上存在交叉，但是在结构上是相互封闭的，则二者的关系为隔离关系，例如，A道路与F地铁线路虽然空间上存在交叉，但是二者结构上是彼此封闭的，显然A道路上的车辆人员不能直接进入F地铁线路，因此，二者的拓扑关系信息的类型表示为隔离关系。
地理对象的附加信息是指该地理对象相关联的其它类型的信息，由于本发明是为了实现安防设备选址的目标，而城市中的安防设备通常是针对城市人口和车辆的，所述地理对象的附加信息也一般是指与该地理对象相关联的人口和车辆信息，例如对于一个建筑物，其附加信息包括建筑物内统计人口数量或者可用建筑平米数量等，对于地铁站其附加信息包括该地铁站的统计人员吞吐量、统计发到站班次数量等，对于道路其附加信息包括统计平均车流量、统计平均行人流量等。
对于空间范围内的每个地理对象，按照预设的频率——例如每1小时一次—统计或更新以上位置信息、拓扑关系信息和附加信息。或者，根据触发条件统计或更新地理对象的以上位置信息、拓扑关系信息和附加信息；例如如果进行施工改造，就涉及根据触发而更新位置信息和拓扑关系信息。所采集的全部地理对象及其相关的上述位置信息、拓扑关系信息和附加信息累积起来，形成所述GIS空间大数据。
S102：对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层。
在本实施例中，当获取到当前空间的GIS空间大数据后，可以将所述GIS空间大数据中的任意一个地理对象作为目标地理对象，而对于目标地理对象，可以根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层。
具体地，对于每个目标地理对象，将与所述目标地理对象具有联通关系或相邻关系的地理对象作为所述目标地理对象的第一层关联地理对象，将与第一层关联地理对象中的每个地理对象具有联通关系或相邻关系的地理对象作为所述目标地理对象的第二层关联地理对象，所述第二层关联地理对象中不包括所述目标地理对象和所述第一层关联地理对象中的地理对象，依次迭代，直到确定所述目标地理对象的第M层关联地理对象。通常情况下，M的取值为小于或等于3的正整数。通过上述方法，可以确定当前城市空间内所有地理对象的M层地理对象关联层。
S103：对于所述目标地理对象及与其相关联的M层地理对象关联层，根据与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度。
在确定了当前城市空间内所有地理对象的M层地理对象关联层后，对于作为目标地理对象的每一个地理对象，根据所述目标地理对象及与其相关联的M层地理对象关联层与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度，将关联度高于阈值的相关联地理对象与所述目标地理对象作为同一个聚合对象组。
例如，为了选址安装微卡口，由于微卡口主要是针对人员进行安防的，所以相匹配的附加信息可以是与人员相关的附加信息，比如对于道路地理对象只看其附加信息中的人流量而不看车流量。对于每一个目标地理对象，以及其M层地理对象关联层中的地理对象，选取M层地理对象关联层中的任何一个地理对象，统计选取的地理对象与目标地理对象的附加信息的同步变化率，例如目标地理对象为地铁站，选取的地理对象为与地铁站相邻的广场，则对于附加信息的同步变化率可以是单位时间内人流量的同步变化率X，然后再从GIS地图上确定地铁站与广场之间的距离S，并为两者之间的距离S分配一个权重参数d，两者之间的距离越近，权重参数d的取值越大，反之则越小，然后将同步变化率X和权重参数d的乘积作为地铁站和与地铁站相邻的广场之间的关联度。
其中，对于目标地理对象及其M层地理对象关联层中的任一地理对象二者之间的附加信息(例如单位时间人流量)同步变化率的计算：(1)获得在过去一段的统计时间长度(例如一周以内)这两个地理对象在每个单位时间内的人流量；例如，我们将整个统计时间长度划分为T个单位时间(例如每个单位时间设置为30分钟)，确定统计时间长度以内(例如一周以内)在每个单位时间地理对象i的人流量表示为lt(i)，其中t的取值范围为1,2,…T，表示统计时间长度内共T个单位时间，则两个地理对象i与j之间的同步变化率X(i,j)表示为：
Figure BDA0001991325540000091
其中，αt是与单位时间t对应的影响权重值，例如，如果单位时间t是分布在早、中、晚人流高峰时段，则与其对应的权重值αt取值比较大，相反，在上下午的非高峰时段，则权重值αt取值较小。
S104：根据所述关联度从所述M层地理对象关联层中的地理对象中选取满足预设条件的地理对象建立所述目标地理对象的聚合对象组。
在确定了当前城市空间内目标地理对象及与其相关联的M层地理对象关联层中任一地理对象的关联度后，将大于预设阈值的关联度对应的M层地理对象关联层中的地理对象作为目标地理对象的聚合对象组中的地理对象。
这样，可以遍历城市空间内的每一个地理对象作为目标地理对象，重复步骤S102-S104，从而生成当前城市空间内所有地理对象的聚合对象组。
S105：在确定全部地理对象的聚合对象组后，以所述目标地理对象和所述聚合对象组为单位，按照达到安防信息采集最优化的预设条件，选取能够满足预设条件的目标地理对象和聚合对象组，将该目标地理对象确定为布控安防设备的地理对象。
在确定了布控安防设备的地理对象后，则进一步确定安防设备在该地理对象的安装位置：对于每一个被选出的地理对象的聚合对象组中的每一个地理对象，将其简化为一个坐标点，其中对于面状地理对象以其质心点作为坐标点，线状地理对象以线段中点作为坐标点；然后在被选出的地理对象中选择一个安装点，使得该安装点与本聚合对象组中的地理对象的各个坐标点的平均距离值最小化。
本申请实施例的基于GIS空间大数据分析的安防设备智慧选址方法，能够使得在城市中布设的安防设备，既能够保证安防有效信息的采集效果最大化，同时又能避免布设过密、过多而造成得资源浪费。
如图2所示，是本申请实施例二的基于GIS空间大数据分析的安防设备智慧选址方法的流程图。如图所示，本实施例的方法，可以包括以下步骤：
S201：对当前空间的地理对象进行空间尺度的归一化，使当前空间的地理对象的尺度处于同一量级。
由于城市中每个地理对象的空间尺度其实差异是比较大的，如果没有考虑地理对象的尺度差异问题，例如将城市内的一条很长的道路或者很大的广场和一个很小的建筑物或者公交站点，都作为同等的地理对象，就容易产生安防设备布局不合理的问题，例如在前述的尺度较大的道路或广场上只布设一个安防设备显然是不太合理的。因此，要预先对当前城市空间内的地理对象进行空间尺度的归一化，使当前空间的地理对象的尺度处于同一量级，进而使得监控设备的布设更加合理。
对于具体的尺度归一化方法，包括将空间尺度大于标准的地理对象拆分为若干个同类型的地理对象，例如将大的道路或者广场拆分为若干个地理对象；以及将若干个相邻的小尺度同类型地理对象合并为同一个地理对象。通过拆分和组合后，使得每个地理对象的尺度处于同一量级，例如，我们将地理对象的空间尺度标准设定为1公里，即采用外接矩形框套住经过归一化处理之后的地理对象，其外接矩形框框的边长都在1公里上下，允许边长在一定浮动比例范围内；然后再针对每个空间尺度归一化之后的地理对象进行所述GIS空间大数据的累积。
S202：按照预设频率获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，对上述获取到的信息进行汇总，生成当前空间的GIS空间大数据，所述GIS空间大数据包括当前空间范围内的地理对象以及每个所述的地理对象对应的位置信息、拓扑关系信息和附加信息。
在本实施例中，所述当前空间的GIS空间大数据是经过多次数据采集累计成的GIS空间大数据。例如，可以按照预设频率(1小时)获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，或者也可以根据触发条件获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，例如施工改造涉及到的地理对象的位置信息的更新和拓扑关系信息的变化。将上述多次采集到的数据进行汇总，便生成了当前空间的GIS空间大数据。
S203：对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层。
S204：对于所述目标地理对象及与其相关联的M层地理对象关联层，根据与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度。
S205：根据所述关联度从所述M层地理对象关联层中的地理对象中选取满足预设条件的地理对象建立所述目标地理对象的聚合对象组。
关于步骤203至步骤205的具体实现过程参见实施例一，这里不再重复赘述。
S206：在确定全部地理对象的聚合对象组后，对于预定安装的安防设备的数量确定为N时，每次选取N个地理对象作为一个排列组合，通过迭代穷尽所有的排列组合方式，计算每次选取的N个地理对象及其聚合对象组包含的地理对象总数，将地理对象总数最大的组合方式对应的N个地理对象作为布设安防设备的地理对象。
即要布设的安防设备的数量是预先确定的，为N台，则从当前城市空间中每次选取N个地理对象作为一个排列组合，通过迭代穷尽所有的选取排列组合方式，计数每次选取的N个地理对象及其聚合对象组包含的地理对象总数，因为N个地理对象及其聚合对象组显然有可能包含重复的地理对象，重复的地理对象不重复计数，比较哪一种组合方式下N个地理对象及其聚合对象组包含的地理对象总数最多，则将该种组合方式下的N个地理对象作为布设安防设备的地理对象。
在确定了布控安防设备的地理对象后，则进一步确定安防设备在该地理对象的安装位置：对于每一个被选出的地理对象的聚合对象组中的每一个地理对象，将其简化为一个坐标点，其中对于面状地理对象以其质心点作为坐标点，线状地理对象以线段中点作为坐标点；然后在被选出的地理对象中选择一个安装点，使得该安装点与本聚合对象组中的各个坐标点的平均距离值最小化。
本申请实施例的基于GIS空间大数据分析的安防设备智慧选址方法，能够使得在城市中布设的安防设备，既能够保证安防有效信息的采集效果最大化，同时又能避免布设过密、过多而造成得资源浪费。
如图3所示，是本申请实施例三的基于GIS空间大数据分析的安防设备智慧选址方法的流程图。如图所示，本实施例的方法，可以包括以下步骤：
S301：对当前空间的地理对象进行空间尺度的归一化，使当前空间的地理对象的尺度处于同一量级。
在本实施例中，预先对当前城市空间内的地理对象进行空间尺度的归一化，使当前空间的地理对象的尺度处于同一量级，进而使得监控设备的布设更加合理。
S302：按照预设频率获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，对上述获取到的信息进行汇总，生成当前空间的GIS空间大数据，所述GIS空间大数据包括当前空间范围内的地理对象以及每个所述的地理对象对应的位置信息、拓扑关系信息和附加信息。
在本实施例中，所述当前空间的GIS空间大数据是经过多次数据采集累计成的GIS空间大数据。例如，可以按照预设频率(1小时)获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，或者也可以根据触发条件获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，例如施工改造涉及到的地理对象的位置信息的更新和拓扑关系信息的变化。将上述多次采集到的数据进行汇总，便生成了当前空间的GIS空间大数据。
S303：对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层。
S304：对于所述目标地理对象及与其相关联的M层地理对象关联层，根据与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度。
S305：根据所述关联度从所述M层地理对象关联层中的地理对象中选取满足预设条件的地理对象建立所述目标地理对象的聚合对象组。
关于步骤303至步骤305的具体实现过程参见实施例一，这里不再重复赘述。
S306：在确定全部地理对象的聚合对象组后，对于在覆盖该城市空间范围内的全部地理对象的前提下，使得安防设备的数量N最小。随机逐个选取一个地理对象及其聚合对象组，直到选取出来的地理对象及其聚合对象组覆盖了当前空间范围内的全部地理对象，完成一种排列组合；从而生成多种排列组合，从生成的多种排列组合中选取安防设备的数量N的值最小时对应的地理对象作为布设安防设备的地理对象。
即要使得布设的安防设备覆盖该城市空间范围内的全部地理对象的同时，要求安防设备的数量N最小，此时从该城市空间范围内的全部地理对象中任意选取第一个地理对象及其聚合对象组，然后再选取第二个地理对象及其聚合对象组，再选第三个地理对象及其聚合对象组…直至被选取的地理对象及其聚合对象组覆盖了该城市空间范围内的全部地理对象，则完成一种排列组合，所选取的地理对象的个数N作为安装安防设备的数量。通过反复迭代穷尽所有的排列组合后，那种排列组合产生的N值最小，则该排列组合下选取的地理对象作为布控安防的地理对象。
在确定了布控安防设备的地理对象后，则进一步确定安防设备在该地理对象的安装位置：对于每一个被选出的地理对象的聚合对象组中的每一个地理对象，将其简化为一个坐标点，其中对于面状地理对象以其质心点作为坐标点，线状地理对象以线段中点作为坐标点；然后在被选出的地理对象中选择一个安装点，使得该安装点与本聚合对象组各个坐标点的平均距离值最小化。
本申请实施例的基于GIS空间大数据分析的安防设备智慧选址方法，能够使得在城市中布设的安防设备，既能够保证安防有效信息的采集效果最大化，同时又能避免布设过密、过多而造成得资源浪费。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种基于GIS空间大数据分析的安防设备智慧选址方法，其特征在于，包括：
获取当前空间的GIS空间大数据，所述GIS空间大数据包括当前空间范围内的地理对象以及每个所述的地理对象对应的位置信息、拓扑关系信息和附加信息；
所述拓扑关系信息表征地理对象在空间上和结构上的相互关系，包括联通关系、相邻关系和隔离关系；
对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层；
对于所述目标地理对象及与其相关联的M层地理对象关联层，根据与安防设备类型相匹配的附加信息的同步变化和所述目标地理对象与所述M层地理对象关联层中的地理对象之间的位置关系，确定所述目标地理对象与所述M层地理对象关联层中的地理对象之间的关联度；
对于所述M层地理对象关联层中的任一地理对象，统计其与所述目标地理对象的附加信息的同步变化率，用于所述同步变化率与所述目标地理对象和该任一地理对象的距离的权重参数的乘积作为该任一地理对象与所述目标地理对象之间的关联度；两个地理对象i与j之间的同步变化率X(i,j)表示为，其中，所述距离越近，所述权重参数越大，反之则越小；
Figure DEST_PATH_IMAGE001
其中，T是将整个统计时间长度划分的单位时间，t的取值范围为1,2,…T，表示统计时间长度内共T个单位时间，
Figure 789974DEST_PATH_IMAGE002
是与单位时间t对应的影响权重值，
Figure DEST_PATH_IMAGE003
是确定统计时间长度以内在每个单位时间地理对象i的人流量，
Figure DEST_PATH_IMAGE005
是确定统计时间长度以内在每个单位时间地理对象j的人流量；
根据所述关联度从所述M层地理对象关联层中的地理对象中选取满足预设条件的地理对象建立所述目标地理对象的聚合对象组；
在确定全部地理对象的聚合对象组后，以所述目标地理对象和所述聚合对象组为单位，按照预设条件确定布控安防设备的地理对象；
在确定了布控安防设备的地理对象后，则进一步确定安防设备在该地理对象的安装位置：对于每一个被选出的地理对象的聚合对象组中的每一个地理对象，将其简化为一个坐标点，其中对于面状地理对象以其质心点作为坐标点，线状地理对象以线段中点作为坐标点；然后在被选出的地理对象中选择一个安装点，使得该安装点与本聚合对象组各个坐标点的平均距离值最小化，
其中
所述在确定全部地理对象的聚合对象组后，以所述目标地理对象和所述聚合对象组为单位，按照预设条件确定布控安防设备的地理对象，包括：
在确定全部地理对象的聚合对象组后，对于安防设备的数量确定为N时，每次选取N个地理对象作为一个排列组合，通过迭代穷尽所有的排列组合方式，计算每次选取的N个地理对象及其聚合对象组包含的地理对象总数，将地理对象总数最大的组合方式对应的N个地理对象作为布设安防设备的地理对象，或者
在确定全部地理对象的聚合对象组后，对于在覆盖城市空间范围内的全部地理对象的前提下，使得安防设备的数量N最小时，逐次随机选取一个地理对象及其聚合对象组，直到选取出来的地理对象及其聚合对象组覆盖了当前空间范围内的全部地理对象，完成一种排列组合，从而生成多种排列组合，从生成的多种排列组合中选取安防设备的数量N的值最小时对应的地理对象作为布设安防设备的地理对象。
2.根据权利要求1所述的方法，其特征在于，所述获取当前空间的GIS空间大数据，包括：
按照预设频率获取当前空间范围内的地理对象的位置信息、拓扑关系信息和附加信息，对上述获取到的信息进行汇总，生成当前空间的GIS空间大数据。
3.根据权利要求2所述的方法，其特征在于，所述地理对象包括线状地理对象、多边形地理对象和点状地理对象。
4.根据权利要求3所述的方法，其特征在于，对于线状地理对象，其位置信息为预设数量的轨迹点的坐标信息，对于多边形地理对象，其位置信息为预设数量的轮廓点的坐标信息，对于点状地理对象，其位置信息为自身标识点的位置信息。
5.根据权利要求4所述的方法，其特征在于，所述对于每个目标地理对象，根据所述目标地理对象的拓扑关系信息，确定与所述目标地理对象相关联的M层地理对象关联层，包括：
对于每个目标地理对象，将与所述目标对象具有联通关系或相邻关系的地理对象作为所述目标地理对象的第一层关联地理对象，将与第一层关联地理对象中的每个地理对象具有联通关系或相邻关系的地理对象作为所述目标地理对象的第二层关联地理对象，所述第二层关联地理对象中不包括所述目标地理对象和所述第一层关联地理对象中的地理对象，依次迭代，直到确定所述目标地理对象的第M层关联地理对象。
6.根据权利要求1所述的方法，其特征在于，在获取当前空间的GIS空间大数据之前，还包括对当前空间的地理对象进行空间尺度的归一化，使当前空间的地理对象的尺度处于同一量级。
CN201910180987.2A 2019-03-11 2019-03-11 一种基于gis空间大数据分析的安防设备智慧选址方法 Active CN110070259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910180987.2A CN110070259B (zh) 2019-03-11 2019-03-11 一种基于gis空间大数据分析的安防设备智慧选址方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910180987.2A CN110070259B (zh) 2019-03-11 2019-03-11 一种基于gis空间大数据分析的安防设备智慧选址方法

Publications (2)

Publication Number Publication Date
CN110070259A CN110070259A (zh) 2019-07-30
CN110070259B true CN110070259B (zh) 2020-09-11

Family

ID=67366137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910180987.2A Active CN110070259B (zh) 2019-03-11 2019-03-11 一种基于gis空间大数据分析的安防设备智慧选址方法

Country Status (1)

Country Link
CN (1) CN110070259B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110648019B (zh) * 2019-09-04 2022-04-12 武汉市规划编制研究和展示中心 基于改进型空间句法的小型民生设施选址方法
CN110804953A (zh) * 2019-11-17 2020-02-18 徐州迪沃通讯工程有限公司 一种适用于深山的桥梁建设选址方法
CN111400877B (zh) * 2020-03-05 2021-04-02 重庆特斯联智慧科技股份有限公司 一种基于gis数据的智能城市仿真系统和方法
CN112884224B (zh) * 2021-02-20 2024-10-29 杭州比智科技有限公司 实体对象的选址方法、装置、计算设备及计算机存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105574154B (zh) * 2015-12-16 2019-08-02 浙江汉鼎宇佑金融服务有限公司 一种基于大数据平台的城市宏观区域信息分析系统

Also Published As

Publication number Publication date
CN110070259A (zh) 2019-07-30

Similar Documents

Publication Publication Date Title
CN110070259B (zh) 一种基于gis空间大数据分析的安防设备智慧选址方法
US11554776B2 (en) System and method for predicting of absolute and relative risks for car accidents
CN107016851B (zh) 一种量化分析城市建成环境对道路行程时间影响的方法
CN1795478B (zh) 绘制地图的系统、设备及方法
CN103875028B (zh) 用于监视交通和道路积水状况的装置、系统及方法
Wang et al. Estimating dynamic origin-destination data and travel demand using cell phone network data
Lahoti et al. Benchmark assessment of recreational public Urban Green space provisions: A case of typical urbanizing Indian City, Nagpur
CN104167092A (zh) 一种确定出租车上下客热点区域中心的方法以及装置
CN109460937B (zh) 评价轨道站点周边慢行交通系统接驳水平的流程与方法
CN110781267A (zh) 一种基于地理国情的多尺度空间分析评价方法及系统
CN110363985A (zh) 一种交通数据分析方法、装置、存储介质及设备
CN114548811B (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
Khadka et al. Developing novel performance measures for traffic congestion management and operational planning based on connected vehicle data
CN112488419B (zh) 基于od分析的客流分布预测方法、装置、设备及存储介质
Yu et al. Urban impervious surface estimation from remote sensing and social data
KR101369764B1 (ko) 유-시티의 변화 예측 시스템
Zhu et al. The impact of dynamic traffic conditions on the sustainability of urban fire service
CN109085764A (zh) 无人驾驶仿真场景的创建方法及装置
Burian et al. Traffic intensity changes and their influence on spatial distribution of suburbanization
CN115759994A (zh) 洪涝灾害应急救援管理方法、装置、设备及存储介质
Laoye et al. Indices of Traffic Congestion on Major Roads in Akure, a Developing City in Nigeria
Zhu et al. Models to Simulate Effective Coverage of Fire Station Based on Real-Time Travel Times.
Doulabi Contextual Adjustment of the ITE Trip Generation Rates Using Wi-Fi and Bluetooth Technologies
Ndume et al. Road condition quality management for smart transportation: The power of GIS
Thilakshan et al. An Approach to Identify Bottlenecks in Road Networks using Travel Time Variations: A Case Study in the City of Colombo and Suburbs

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200113

Address after: 200232 floor 18, building 2, No. 277, Longlan Road, Xuhui District, Shanghai

Applicant after: Optical Control Teslian (Shanghai) Information Technology Co., Ltd.

Address before: 100027 West Tower 11 floor, Kai Hao building, 8 Xinyuan South Road, Chaoyang District, Beijing.

Applicant before: Benitez Lian (Beijing) Technology Co. Ltd.

Applicant before: Optical Control Teslian (Shanghai) Information Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant