CN111400877B - 一种基于gis数据的智能城市仿真系统和方法 - Google Patents
一种基于gis数据的智能城市仿真系统和方法 Download PDFInfo
- Publication number
- CN111400877B CN111400877B CN202010147600.6A CN202010147600A CN111400877B CN 111400877 B CN111400877 B CN 111400877B CN 202010147600 A CN202010147600 A CN 202010147600A CN 111400877 B CN111400877 B CN 111400877B
- Authority
- CN
- China
- Prior art keywords
- geographic
- data
- target
- information
- simulation analysis
- 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
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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
Abstract
本发明公开了一种基于GIS数据的智能城市仿真系统和方法,其中方法包括以下步骤:获取GIS地理信息数据;根据GIS数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据;根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体;对相关地理目标集成体相关联的城市运行相关数据进行归集和筛选;采用筛选后的相关城市运行相关数据进行仿真分析,确定所述相关地理目标集成体的仿真分析结果。能够有效归集和筛选智能城市仿真分析所需要的传感数据,具有智能城市仿真分析预见性可靠、仿真分析准确性高和仿真分析效率高等优点。
Description
技术领域
本发明涉及智能城市仿真和大数据处理技术领域,具体涉及一种基于GIS数据的智能城市仿真系统和方法。
背景技术
地理信息系统(Geographic Information System,GIS)是对整个或部分地球表层空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。GIS是一门综合性学科,结合地理学与地图学以及遥感和计算机科学,已经广泛的应用在不同的领域;GIS是一种基于计算机的工具,它可以对空间信息进行分析和处理,比如对地球上存在的现象和发生的事件进行成图和分析;GIS技术把地图这种独特的视觉化效果和地理分析功能与一般的数据库操作集成在一起。
智能城市是运用覆盖整个城市规模的传感器物联网,进行城市运行相关数据的采集、传输以及分析,例如交通数据、气象数据和空气质量数据等,从而进行城市运行各方面的控制和调度,提升整个城市运行的智能化水平。智能城市仿真,是在数据采集、传输、分析的基础上,对城市未来一段时间的运行状态进行预测性的仿真,通过仿真可以提升城市各方面控制调度的预见性。
现有的智能城市仿真技术存在以下不足:
1、传感器物联网覆盖整个城市,拥有海量的传感器点位,会产生海量级别的传感数据,存在较多的重复冗余数据,还存在着大量的偶发性、孤立性的干扰数据;若采用全部数据进行智能城市仿真,不仅得到的仿真分析数据准确性差,还存在仿真计算效率低的问题。
2、智能城市所涉及的海量传感器分布在城市各个空间范围内,采集的数据类型丰富多样,进行不同种类的仿真分析所需要的传感器空间分布范围和数据类型存在较大差别。比如对交通的仿真分析,就需要获取智能城市所有交通道路的传感器数据,包括视频数据、车流量数据和人流量数据等;对空气质量的仿真分析,就需要获取智能城市所有环境监测点的传感器数据,包括二氧化碳含量数据、PM2.5含量数据和二氧化氮数据等。智能城市仿真分析时,对传感器空间分布范围和数据类型的归集筛选规则不易明确。另外,城市中有很多的室内空间,传感器物联网覆盖范围包含着大量的室内空间,室内空间的空间结构复杂,空间坐标重合度高,传感数据的归集和筛选难度高;而且,不同种类的仿真分析结果,所适用的空间分布范围也是不一样的。
发明内容
针对现有技术存在的上述不足,本发明的目的在于:提供一种基于GIS数据的智能城市仿真系统和方法,解决了智能城市仿真分析准确性差、仿真效率低等问题,能够有效归集和筛选智能城市仿真分析所需要的传感数据,具有智能城市仿真分析预见性可靠、仿真分析准确性高、仿真分析效率高、可以提前预警和针对性地规避风险等优点。
一种基于GIS数据的智能城市仿真系统,包括:
GIS地理信息模块,用于获取GIS地理信息数据,包括城市空间范围内各个地理目标的地理信息和地理信息间关联信息;
地理目标分析模块,根据所述GIS地理信息数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据;
地理目标集成模块,根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体;
数据归集和筛选模块,对所述相关地理目标集成体相关联的城市运行相关数据进行归集和筛选;
仿真分析模块,采用筛选后的相关城市运行相关数据进行仿真分析,确定所述相关地理目标集成体的仿真分析结果。
进一步地,所述GIS地理信息数据包括每个地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息;所述空间位置信息记录了每个地理目标所在空间的空间坐标位置,所述地理目标属性信息记录了每个地理目标的类型属性,所述地理目标规模信息记录了每个地理目标的规模等级。
进一步地,所述地理目标分析模块包括:
根据所述GIS地理信息数据,对彼此间具有空间关联关系的地理目标,提取相应地理目标间的拓扑关系描述索引;
将城市运行相关数据和所述GIS地理信息数据中的各个地理目标进行关联,获得每个地理目标所在空间范围内传感物联网所提供的城市运行相关数据,并将获得的城市运行相关数据和对应地理目标关联;
所述城市运行相关数据包括交通数据、能耗数据、人员分布数据、气象数据和空气质量数据。
进一步地,所述地理目标集成模块包括:
根据地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息,选取符合预设条件的地理目标,作为起点地理目标;
利用拓扑关系描述索引,确定与起点地理目标符合预设类型拓扑关系的地理目标,所述拓扑关系描述索引类型包括相邻和包含;
根据仿真分析的种类,推导出起点地理目标和与其符合预设类型拓扑关系的地理目标间的数据关系,所述数据关系包括同一性和相关性;
根据各个地理目标间的拓扑关系描述索引、仿真分析种类和所述数据关系,对相关地理目标进行集成形成相关地理目标集成体。
进一步地,所述数据归集和筛选模块包括:
对所述相关地理目标集成体相关联的城市运行相关数据进行整理归集,并确定归集的城市运行相关数据和仿真分析种类之间的相关性等级;
根据仿真分析种类对应的预设筛选相关性等级,筛选出仿真分析种类对应的城市运行相关数据。
一种基于GIS数据的智能城市仿真方法,包括:
利用GIS地理信息模块获取GIS地理信息数据,包括城市空间范围内各个地理目标的地理信息和地理信息间关联信息;
根据所述GIS地理信息数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据;
根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体;
对所述相关地理目标集成体相关联的城市运行相关数据进行归集和筛选;
采用筛选后的相关城市运行相关数据进行仿真分析,确定所述相关地理目标集成体的仿真分析结果。
进一步地,所述GIS地理信息数据包括每个地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息;所述空间位置信息记录了每个地理目标所在空间的空间坐标位置,所述地理目标属性信息记录了每个地理目标的类型属性,所述地理目标规模信息记录了每个地理目标的规模等级。
进一步地,所述根据所述GIS地理信息数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据,包括:
根据所述GIS地理信息数据,对彼此间具有空间关联关系的地理目标,提取相应地理目标间的拓扑关系描述索引;
将城市运行相关数据和所述GIS地理信息数据中的各个地理目标进行关联,获得每个地理目标所在空间范围内传感物联网所提供的城市运行相关数据,并将获得的城市运行相关数据和对应地理目标关联;
所述城市运行相关数据包括交通数据、能耗数据、人员分布数据、气象数据或空气质量数据。
进一步地,所述根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体,包括:
根据地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息,选取符合预设条件的地理目标,作为起点地理目标;
利用拓扑关系描述索引,确定与起点地理目标符合预设类型拓扑关系的地理目标,所述拓扑关系描述索引类型包括相邻和包含;
根据仿真分析的种类,推导出起点地理目标和与其符合预定类型拓扑关系的地理目标间的数据关系,所述数据关系包括同一性和相关性;
根据各个地理目标间的拓扑关系描述索引、仿真分析种类和所述数据关系,对相关地理目标进行集成形成相关地理目标集成体。
进一步地,所述对所述相关地理目标集成体相关联的城市运行相关数据进行归集和筛选,包括:
对所述相关地理目标集成体相关联的城市运行相关数据进行整理归集,并确定归集的城市运行相关数据和仿真分析种类之间的相关性等级;
根据仿真分析种类对应的预设筛选相关性等级,筛选出仿真分析种类对应的城市运行相关数据。
相比于现有技术,本发明具有以下优点:
本发明公开的一种基于GIS数据的智能城市仿真系统和方法,基于GIS地理信息数据,分析地理目标之间的空间关系和拓扑关系描述索引,并根据仿真分析种类集成相关地理目标集成体,对相关地理目标集成体相关联的城市运行相关数据归集筛选,然后仿真分析。解决了智能城市仿真分析准确性差、仿真效率低等问题,具有智能城市仿真分析预见性可靠、仿真分析准确性高、仿真分析效率高、可以提前预警和针对性地规避风险等优点。
附图说明
图1为本发明实施例一中基于GIS数据的智能城市仿真系统的系统框图;
图2为本发明实施例二中基于GIS数据的智能城市仿真方法的控制流程图;
图3为本发明实施例一或实施例二中的地理目标分析模块的控制流程图;
图4为本发明实施例一或实施例二中的地理目标集成模块的控制流程图;
图5为本发明实施例一或实施例二中的数据归集和筛选模块、仿真分析模块的控制流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
实施例一:
参照图1,一种基于GIS数据的智能城市仿真系统,包括:
GIS地理信息模块,用于获取GIS地理信息数据,包括城市空间范围内各个地理目标的地理信息和地理信息间关联信息;所述GIS地理信息数据包括每个地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息;所述空间位置信息记录了每个地理目标所在空间的空间坐标位置,所述地理目标属性信息记录了每个地理目标的类型属性,所述地理目标规模信息记录了每个地理目标的规模等级。具体地,地理目标可以是城市区域内的建筑物、公路、地铁站点、广场等,以及建筑物内部包括临街的建筑物房间、门厅或者室内广场等建筑内部公共空间、室内道路走廊、电梯、楼梯或者逃生通道等等;地理目标的类型属性,例如建筑物、公路、地铁站点、广场、建筑物房间、内部公共空间、室内道路走廊、电梯、楼梯或者逃生通道等类型属性;地理目标名称信息,例如“YY大厦”、“ZZ路”、“6层10号房间”、“6层室内走廊”或“7号垂直电梯”等;或者可以用ID编号来作为地理目标名称;地理目标规模信息,例如对建筑物,根据其建筑面积、楼层数等,确定其规模等级为“大型”、“中型”、“小型”等不同等级。地理信息间关联信息,比如建筑物A和建筑物B间的关联信息,可以是建筑物A在建筑物B内部、建筑物A和建筑物B相邻修建、建筑物A和建筑物B均为办公楼等。
地理目标分析模块,根据所述GIS地理信息数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据;参照图3,包括以下内容:
根据所述GIS地理信息数据,对彼此间具有空间关联关系的地理目标,提取相应地理目标间的拓扑关系描述索引;具体地,例如,将建筑物作为一个地理目标C,地理目标C与其内部的各个建筑物房间R1~Rn、公共空间S1~Sn、室内道路走廊L1~Ln等地理目标在空间关联性上是“包含”关系,则提取地理目标B与以上地理目标R1~Rn、S1~Sn、L1~Ln的拓扑关系描述索引,索引类型为“包含”;建筑物房间R1~Rm与室内道路走廊L1的空间关联性上是“相邻”关系,则提取L1与R1~Rm的拓扑关系描述索引为“相邻”。
具体实施时,地理目标间除了具有空间关联关系外,还可以是属性关联关系,比如,作为建筑物的地理目标D和作为建筑物的地理目标E,地理目标D和地理目标E均为商住楼、学校等,则提取D与E的拓扑关系描述索引为属性相同;地理目标间还可以是高度关联关系,比如,建筑物F和建筑物H的高度均在300~400高度范围内,则提取F与H的拓扑关系描述索引为高度相近;地理目标间除了上述的空间关联关系、属性关联关系、高度关联关系外,还有其他一些内在关联关系,均在本发明的构思范围内,在此不一一描述。
将城市运行相关数据和所述GIS地理信息数据中的各个地理目标进行关联,获得每个地理目标所在空间范围内传感物联网所提供的城市运行相关数据,并将获得的城市运行相关数据和对应地理目标关联;所述城市运行相关数据包括交通数据、能耗数据、人员分布数据、气象数据和空气质量数据等等。具体地,比如,商场S内的相关数据包括摄像头的视频数据、商场空气质量数据、商场内的人流量数据、商场内商店分布数据等等,从而可以仿真出未来商场的访问人流量,进而对广告宣传、安保调度提供数据帮助;交通道路的相关数据包括视频监控数据、车流量数据、人流量数据,从而可以仿真道路高峰拥挤的时间短,进而对交警的调度提供数据帮助。
地理目标集成模块,根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体;参照图4,包括以下内容:
根据地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息,选取符合预设条件的地理目标,作为起点地理目标。具体地,预设条件可以是,选择预设空间范围内规模等级为大型的建筑物,选择预设空间范围内地理目标属性为住宅小区的建筑物,选择预设空间范围内地理坐标在商圈附件的道路等等。
利用拓扑关系描述索引,确定与起点地理目标符合预设类型拓扑关系的地理目标,所述拓扑关系描述索引类型包括相邻和包含;具体地,例如,对于建筑物C,基于拓扑关系描述索引可以确定其包含的地理对象,例如房间R1~Rn,同理,对于某个走廊L1,基于拓扑关系描述索引可以确定与其“相邻”的地理对象例如R1~Rm。具体实施时,拓扑关系描述索引类型除了相邻和包含,还可以是属性相同,比如,地理目标D和地理目标E均为商住楼、学校等,属性相同;拓扑关系描述索引类型还可以是建筑高度相近,比如,建筑物F和建筑物H的高度均在300~400高度范围内,高度相近;拓扑关系描述索引类型除了上述包含、相邻、属性相同等外,还有其他一些内在关联关系,均在本发明的构思范围内,在此不一一描述。
根据仿真分析的种类,推导出起点地理目标和与其符合预设类型拓扑关系的地理目标间的数据关系,所述数据关系包括同一性和相关性;具体地,例如,要进行关于人员分布数据的仿真分析,则可以确定起点地理目标建筑物B和其包含的地理目标R1~Rn、S1~Sn、L1~Ln之间的数据具有同一性,建筑物房间R1~Rm与室内道路走廊L1的空间关联性上是“相邻”,则数据具有相关性。
根据各个地理目标间的拓扑关系描述索引、仿真分析种类和所述数据关系,对相关地理目标进行集成形成相关地理目标集成体。
数据归集和筛选模块,对所述相关地理目标集成体相关联的城市运行相关数据进行归集和筛选;仿真分析模块,采用筛选后的相关城市运行相关数据进行仿真分析,确定所述相关地理目标集成体的仿真分析结果;参照图5,包括以下内容:
对所述相关地理目标集成体相关联的城市运行相关数据进行整理归集,并确定归集的城市运行相关数据和仿真分析种类之间的相关性等级;具体地,商场C的相关运行数据包括监控视频数据、人流量数据、空气质量数据、安保人员数量数据、显示屏数据等,若要进行商场未来一周人员访问量仿真,则将人流量数据预设为一级相关性数据,将监控视频数据设为二级相关数据,将空气质量数据和安保人员数量数据等设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据;同理,若要进行商场未来一周广告投放量预测仿真,则将人流量数据和显示屏数据预设为一级相关性数据,将监控视频数据预设为二级相关性数据,将空气质量数据和安保人员数量数据等设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据;若要进行商场未来一周空气质量预测仿真,则将空气质量数据预设为一级相关性数据,将人流量数据预设为二级相关性数据,将安保人员数量数据和显示屏数据预设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据;若要进行商场未来几天安保防空预测仿真,则将安保人员数量数据预设为一级相关性数据,将监控视频数据和人流量数据预设为二级相关性数据,将空气质量数据预设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据。这样,就可以剔除相关性不大或者不相关的冗余数据,提高仿真分析数据的准确性,提高仿真计算效率。
根据仿真分析种类对应的预设筛选相关性等级,筛选出仿真分析种类对应的城市运行相关数据。
对于一个集成体,具体实施时,也可以选择该集成体的地理目标中一定代表性目标的数据,作为代表该集成体的城市运行相关数据。
上述基于GIS数据的智能城市仿真系统,基于GIS地理信息数据,分析地理目标之间的空间关系和拓扑关系描述索引;可以基于地理目标、目标拓扑关系描述索引和仿真分析种类,对地理目标进行集成形成地理目标的集成体,将单独的各个地理目标,集成为地理目标集成体;对相关地理目标集成体相关联的城市运行相关数据归集筛选,然后仿真分析。能够有效归集和筛选智能城市仿真分析所需要的传感数据,具有智能城市仿真分析预见性可靠、仿真分析准确性高和仿真分析效率高等优点。
实施例二:
参照图2,一种基于GIS数据的智能城市仿真方法,包括:
利用GIS地理信息模块获取GIS地理信息数据,包括城市空间范围内各个地理目标的地理信息和地理信息间关联信息;所述GIS地理信息数据包括每个地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息;所述空间位置信息记录了每个地理目标所在空间的空间坐标位置,所述地理目标属性信息记录了每个地理目标的类型属性,所述地理目标规模信息记录了每个地理目标的规模等级。具体地,地理目标可以是城市区域内的建筑物、公路、地铁站点、广场等,以及建筑物内部包括临街的建筑物房间、门厅或者室内广场等建筑内部公共空间、室内道路走廊、电梯、楼梯或者逃生通道等等;地理目标的类型属性,例如建筑物、公路、地铁站点、广场、建筑物房间、内部公共空间、室内道路走廊、电梯、楼梯或者逃生通道等类型属性;地理目标名称信息,例如“YY大厦”、“ZZ路”、“6层10号房间”、“6层室内走廊”或“7号垂直电梯”等;或者可以用ID编号来作为地理目标名称;地理目标规模信息,例如对建筑物,根据其建筑面积、楼层数等,确定其规模等级为“大型”、“中型”、“小型”等不同等级。地理信息间关联信息,比如建筑物A和建筑物B间的关联信息,可以是建筑物A在建筑物B内部、建筑物A和建筑物B相邻修建、建筑物A和建筑物B均为办公楼等。
根据所述GIS地理信息数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据;参照图3,包括以下内容:
根据所述GIS地理信息数据,对彼此间具有空间关联关系的地理目标,提取相应地理目标间的拓扑关系描述索引;具体地,例如,将建筑物作为一个地理目标C,地理目标C与其内部的各个建筑物房间R1~Rn、公共空间S1~Sn、室内道路走廊L1~Ln等地理目标在空间关联性上是“包含”关系,则提取地理目标B与以上地理目标R1~Rn、S1~Sn、L1~Ln的拓扑关系描述索引,索引类型为“包含”;建筑物房间R1~Rm与室内道路走廊L1的空间关联性上是“相邻”关系,则提取L1与R1~Rm的拓扑关系描述索引为“相邻”。
具体实施时,地理目标间除了具有空间关联关系外,还可以是属性关联关系,比如,作为建筑物的地理目标D和作为建筑物的地理目标E,地理目标D和地理目标E均为商住楼、学校等,则提取D与E的拓扑关系描述索引为属性相同;地理目标间还可以是高度关联关系,比如,建筑物F和建筑物H的高度均在300~400高度范围内,则提取F与H的拓扑关系描述索引为高度相近;地理目标间除了上述的空间关联关系、属性关联关系、高度关联关系外,还有其他一些内在关联关系,均在本发明的构思范围内,在此不一一描述。
将城市运行相关数据和所述GIS地理信息数据中的各个地理目标进行关联,获得每个地理目标所在空间范围内传感物联网所提供的城市运行相关数据,并将获得的城市运行相关数据和对应地理目标关联;所述城市运行相关数据包括交通数据、能耗数据、人员分布数据、气象数据和空气质量数据等等。具体地,比如,商场S内的相关数据包括摄像头的视频数据、商场空气质量数据、商场内的人流量数据、商场内商店分布数据等等,从而可以仿真出未来商场的访问人流量,进而对广告宣传、安保调度提供数据帮助;交通道路的相关数据包括视频监控数据、车流量数据、人流量数据,从而可以仿真道路高峰拥挤的时间短,进而对交警的调度提供数据帮助。
根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体;参照图4,包括以下内容:
根据地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息,选取符合预设条件的地理目标,作为起点地理目标;具体地,预设条件可以是,选择预设空间范围内规模等级为大型的建筑物,选择预设空间范围内地理目标属性为住宅小区的建筑物,选择预设空间范围内地理坐标在商圈附件的道路等等。
利用拓扑关系描述索引,确定与起点地理目标符合预设类型拓扑关系的地理目标,所述拓扑关系描述索引类型包括相邻和包含;具体地,例如,对于建筑物C,基于拓扑关系描述索引可以确定其包含的地理对象,例如房间R1~Rn,同理,对于某个走廊L1,基于拓扑关系描述索引可以确定与其“相邻”的地理对象例如R1~Rm。具体实施时,拓扑关系描述索引类型除了相邻和包含,还可以是属性相同,比如,地理目标D和地理目标E均为商住楼、学校等,属性相同;拓扑关系描述索引类型还可以是建筑高度相近,比如,建筑物F和建筑物H的高度均在300~400高度范围内,高度相近;拓扑关系描述索引类型除了上述包含、相邻、属性相同等外,还有其他一些内在关联关系,均在本发明的构思范围内,在此不一一描述。
根据仿真分析的种类,推导出起点地理目标和与其符合预设类型拓扑关系的地理目标间的数据关系,所述数据关系包括同一性和相关性;具体地,例如,要进行关于人员分布数据的仿真分析,则可以确定起点地理目标建筑物B和其包含的地理目标R1~Rn、S1~Sn、L1~Ln之间的数据具有同一性,建筑物房间R1~Rm与室内道路走廊L1的空间关联性上是“相邻”,则数据具有相关性。
根据各个地理目标间的拓扑关系描述索引、仿真分析种类和所述数据关系,对相关地理目标进行集成形成相关地理目标集成体。
对所述相关地理目标集成体相关联的城市运行相关数据进行归集和筛选;采用筛选后的相关城市运行相关数据进行仿真分析,确定所述相关地理目标集成体的仿真分析结果;参照图5,包括以下内容:
对所述相关地理目标集成体相关联的城市运行相关数据进行整理归集,并确定归集的城市运行相关数据和仿真分析种类之间的相关性等级;具体地,商场C的相关运行数据包括监控视频数据、人流量数据、空气质量数据、安保人员数量数据、显示屏数据等,若要进行商场未来一周人员访问量仿真,则将人流量数据预设为一级相关性数据,将监控视频数据设为二级相关数据,将空气质量数据和安保人员数量数据等设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据;同理,若要进行商场未来一周广告投放量预测仿真,则将人流量数据和显示屏数据预设为一级相关性数据,将监控视频数据预设为二级相关性数据,将空气质量数据和安保人员数量数据等设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据;若要进行商场未来一周空气质量预测仿真,则将空气质量数据预设为一级相关性数据,将人流量数据预设为二级相关性数据,将安保人员数量数据和显示屏数据预设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据;若要进行商场未来几天安保防空预测仿真,则将安保人员数量数据预设为一级相关性数据,将监控视频数据和人流量数据预设为二级相关性数据,将空气质量数据预设为三级相关性数据,仿真时,筛选一级相关性数据和二级相关性数据作为仿真数据。这样,就可以剔除相关性不大或者不相关的冗余数据,提高仿真分析数据的准确性,提高仿真计算效率。
根据仿真分析种类对应的预设筛选相关性等级,筛选出仿真分析种类对应的城市运行相关数据。
对于一个集成体,具体实施时,也可以选择该集成体的地理目标中一定代表性目标的数据,作为代表该集成体的城市运行相关数据。
上述基于GIS数据的智能城市仿真方法,基于GIS地理信息数据,分析地理目标之间的空间关系和拓扑关系描述索引;可以基于地理目标、目标拓扑关系描述索引和仿真分析种类,对地理目标进行集成形成地理目标的集成体,将单独的各个地理目标,集成为地理目标集成体;对相关地理目标集成体相关联的城市运行相关数据归集筛选,然后仿真分析。能够有效归集和筛选智能城市仿真分析所需要的传感数据,具有智能城市仿真分析预见性可靠、仿真分析准确性高和仿真分析效率高等优点。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。
Claims (8)
1.一种基于GIS数据的智能城市仿真系统,其特性在于,包括:
GIS地理信息模块,用于获取GIS地理信息数据,包括城市空间范围内各个地理目标的地理信息和地理信息间关联信息;
地理目标分析模块,根据所述GIS地理信息数据,对彼此间具有空间关联关系的地理目标,提取相应地理目标间的拓扑关系描述索引;将城市运行相关数据和所述GIS地理信息数据中的各个地理目标进行关联,获得每个地理目标所在空间范围内传感物联网所提供的城市运行相关数据,并将获得的城市运行相关数据和对应地理目标关联;所述城市运行相关数据包括交通数据、能耗数据、人员分布数据、气象数据和空气质量数据;
地理目标集成模块,根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体;
数据归集和筛选模块,对所述相关地理目标集成体相关联的城市运行相关数据进行整理归集,并确定归集的城市运行相关数据和仿真分析种类之间的相关性等级;根据仿真分析种类对应的预设筛选相关性等级,筛选出仿真分析种类对应的城市运行相关数据;
仿真分析模块,采用筛选后的相关城市运行相关数据进行仿真分析,确定所述相关地理目标集成体的仿真分析结果。
2.根据权利要求1所述的智能城市仿真系统,其特征在于,所述GIS地理信息数据包括每个地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息;所述空间位置信息记录了每个地理目标所在空间的空间坐标位置,所述地理目标属性信息记录了每个地理目标的类型属性,所述地理目标规模信息记录了每个地理目标的规模等级。
3.根据权利要求2所述的智能城市仿真系统,其特征在于,所述地理目标集成模块包括:
根据地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息,选取符合预设条件的地理目标,作为起点地理目标;
利用拓扑关系描述索引,确定与起点地理目标符合预设类型拓扑关系的地理目标,所述拓扑关系描述索引类型包括相邻和包含;
根据仿真分析的种类,推导出起点地理目标和与其符合预设类型拓扑关系的地理目标间的数据关系,所述数据关系包括同一性和相关性;
根据各个地理目标间的拓扑关系描述索引、仿真分析种类和所述数据关系,对相关地理目标进行集成形成相关地理目标集成体。
4.一种基于GIS数据的智能城市仿真方法,其特性在于,包括:
利用GIS地理信息模块获取GIS地理信息数据,包括城市空间范围内各个地理目标的地理信息和地理信息间关联信息;
根据所述GIS地理信息数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据;
根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体;
对所述相关地理目标集成体相关联的城市运行相关数据进行归集和筛选;
采用筛选后的相关城市运行相关数据进行仿真分析,确定所述相关地理目标集成体的仿真分析结果。
5.根据权利要求4所述的智能城市仿真方法,其特性在于,所述GIS地理信息数据包括每个地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息;所述空间位置信息记录了每个地理目标所在空间的空间坐标位置,所述地理目标属性信息记录了每个地理目标的类型属性,所述地理目标规模信息记录了每个地理目标的规模等级。
6.根据权利要求4所述的智能城市仿真方法,其特性在于,所述根据所述GIS地理信息数据分析各个地理目标的空间关联关系,提取各个地理目标间的拓扑关系描述索引,并确定与每个地理目标相关联的城市运行相关数据,包括:
根据所述GIS地理信息数据,对彼此间具有空间关联关系的地理目标,提取相应地理目标间的拓扑关系描述索引;
将城市运行相关数据和所述GIS地理信息数据中的各个地理目标进行关联,获得每个地理目标所在空间范围内传感物联网所提供的城市运行相关数据,并将获得的城市运行相关数据和对应地理目标关联;
所述城市运行相关数据包括交通数据、能耗数据、人员分布数据、气象数据或空气质量数据。
7.根据权利要求5所述的智能城市仿真方法,其特性在于,所述根据各个地理目标间的拓扑关系描述索引和仿真分析种类,对相关地理目标进行集成形成相关地理目标集成体,包括:
根据地理目标的空间位置信息、地理目标属性信息、地理目标名称信息和地理目标规模信息,选取符合预设条件的地理目标,作为起点地理目标;
利用拓扑关系描述索引,确定与起点地理目标符合预设类型拓扑关系的地理目标,所述拓扑关系描述索引类型包括相邻和包含;
根据仿真分析的种类,推导出起点地理目标和与其符合预定类型拓扑关系的地理目标间的数据关系,所述数据关系包括同一性和相关性;
根据各个地理目标间的拓扑关系描述索引、仿真分析种类和所述数据关系,对相关地理目标进行集成形成相关地理目标集成体。
8.根据权利要求4所述的智能城市仿真方法,其特性在于,所述对所述相关地理目标集成体相关联的城市运行相关数据进行归集和筛选,包括:
对所述相关地理目标集成体相关联的城市运行相关数据进行整理归集,并确定归集的城市运行相关数据和仿真分析种类之间的相关性等级;
根据仿真分析种类对应的预设筛选相关性等级,筛选出仿真分析种类对应的城市运行相关数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010147600.6A CN111400877B (zh) | 2020-03-05 | 2020-03-05 | 一种基于gis数据的智能城市仿真系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010147600.6A CN111400877B (zh) | 2020-03-05 | 2020-03-05 | 一种基于gis数据的智能城市仿真系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111400877A CN111400877A (zh) | 2020-07-10 |
CN111400877B true CN111400877B (zh) | 2021-04-02 |
Family
ID=71435989
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010147600.6A Active CN111400877B (zh) | 2020-03-05 | 2020-03-05 | 一种基于gis数据的智能城市仿真系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111400877B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111597234A (zh) * | 2020-07-18 | 2020-08-28 | 湖北中亿百纳科技有限公司 | 利用地理信息提供数据可视化的大脑行业大数据分析系统 |
CN113096389B (zh) * | 2021-03-23 | 2022-05-17 | 北京交通大学 | 一种基于多源数据的全国高速公路网络拓扑构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515309A (zh) * | 2009-04-07 | 2009-08-26 | 华中科技大学 | 基于多智能体的城市应急疏散仿真系统 |
CN102073744A (zh) * | 2011-02-15 | 2011-05-25 | 世纪战斧节能环保技术(北京)有限公司 | 一种城市交通地图数据的处理方法及系统 |
CN109615208A (zh) * | 2018-12-05 | 2019-04-12 | 广州市交通规划研究院 | 一种解决城市道路交通拥堵问题的方法 |
CN110044639A (zh) * | 2019-04-24 | 2019-07-23 | 陕西重型汽车有限公司 | 一种基于实车运行大数据平台的细分市场商用车md-vtd系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5527938B2 (ja) * | 2008-04-03 | 2014-06-25 | 株式会社パスコ | 太陽光発電の評価システムおよび評価方法 |
CN104750895B (zh) * | 2013-12-30 | 2018-01-16 | 深圳先进技术研究院 | 基于移动手机数据的实时城市应急疏散仿真方法及系统 |
CN108536521B (zh) * | 2018-03-30 | 2020-09-01 | 口碑(上海)信息技术有限公司 | 基于仿真平台离线环境核对方法及装置 |
CN109409662B (zh) * | 2018-09-20 | 2020-02-11 | 北京大学 | 基于空间句法的城市交通与商业空间关联的测度方法 |
CN110070259B (zh) * | 2019-03-11 | 2020-09-11 | 光控特斯联(上海)信息科技有限公司 | 一种基于gis空间大数据分析的安防设备智慧选址方法 |
CN110189517B (zh) * | 2019-05-14 | 2020-10-20 | 浙江大学 | 一种面向车联网隐私保护研究的仿真实验平台 |
-
2020
- 2020-03-05 CN CN202010147600.6A patent/CN111400877B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515309A (zh) * | 2009-04-07 | 2009-08-26 | 华中科技大学 | 基于多智能体的城市应急疏散仿真系统 |
CN102073744A (zh) * | 2011-02-15 | 2011-05-25 | 世纪战斧节能环保技术(北京)有限公司 | 一种城市交通地图数据的处理方法及系统 |
CN109615208A (zh) * | 2018-12-05 | 2019-04-12 | 广州市交通规划研究院 | 一种解决城市道路交通拥堵问题的方法 |
CN110044639A (zh) * | 2019-04-24 | 2019-07-23 | 陕西重型汽车有限公司 | 一种基于实车运行大数据平台的细分市场商用车md-vtd系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111400877A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609107B (zh) | 一种基于多源城市数据的出行共现现象可视化分析方法 | |
Lin et al. | Mining public datasets for modeling intra-city PM2. 5 concentrations at a fine spatial resolution | |
McPherson et al. | Estimating daytime and nighttime population distributions in US cities for emergency response activities | |
Shang et al. | Estimating building-scale population using multi-source spatial data | |
KR101937940B1 (ko) | 빅 데이터를 활용한 단계별 방범 cctv 위치 선정 방법 | |
CN111221867B (zh) | 一种保护性建筑信息管理系统 | |
CN111400877B (zh) | 一种基于gis数据的智能城市仿真系统和方法 | |
CN110929984A (zh) | 一种城市标准网格信息化管理方法及系统 | |
CN111784830B (zh) | 一种基于规则的三维地理信息模型空间分析方法与系统 | |
Taubenböck et al. | Remote sensing—An effective data source for urban monitoring | |
Sleeter et al. | Estimating daytime and nighttime population density for coastal communities in Oregon | |
CN110413855A (zh) | 一种基于出租车下客点的区域出入口动态提取方法 | |
Zhang et al. | Distribution patterns and influencing factors of population exposure risk to particulate matters based on cell phone signaling data | |
Aubrecht et al. | Population exposure and impact assessment: benefits of modeling urban land use in very high spatial and thematic detail | |
Maantay et al. | Assessing population at risk: Areal interpolation and dasymetric mapping | |
Pérez et al. | Sustainable acoustics: A smart cities approach | |
CN110515961B (zh) | 一种基于时空大数据的基础地理信息更新需求评价方法 | |
Brito-Henriques et al. | Seeking the causes of urban ruination: An empirical research in four Portuguese cities | |
Bond et al. | The role of geographic information systems in survey analysis | |
Guo et al. | Finer-scale urban health risk assessment based on the interaction perspective of thermal radiation, human, activity, and space | |
CN113343781B (zh) | 使用遥感数据和出租车轨迹数据的城市功能区识别方法 | |
Pisacane et al. | URBAN SCALE ANALYSIS AND MAPPING: AN EDUCATIONAL EXPERIENCE OF GEOGRAPHIC DATA IN SITU SURVEY | |
Kartika | Visual exploration of spatial-temporal traffic congestion patterns using floating car data | |
Kazawa et al. | Possible correlation between nighttime lighting data and building height | |
Rodriguez-Bachiller et al. | Geographical information systems and EIA |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |