CN111861257A - 基于电力数据热力图的空心村识别方法及装置 - Google Patents

Abstract

本发明公开了一种基于电力数据热力图的空心村识别方法及装置，确定待研究区域的目标村庄；获取所述目标村庄的村庄边界信息；根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果。本发明利用村庄用户的用电数据结合地理信息，并结合机器学习得到了有效的识别模型，使得识别成本低，提升了识别准确度。

Description

基于电力数据热力图的空心村识别方法及装置

技术领域

本发明涉及信息处理技术领域，特别是涉及一种基于电力数据热力图的空心村识别方法及装置。

背景技术

随着我国城市、农村经济的进一步发展，农村劳务输出增加，农村人民增收途径呈现多元化，同时农村住宅的空间布局和村内不同年龄层次的居民的空间布局发生了很大变化。很多村庄外围涌现大量新楼房，而村内却基本上是样式陈旧，甚至是空闲的旧房。这种外围建设繁华，村内冷清和大量闲置的聚落现象，被称之为“空心村”。农村“空心村”的存在很大程度上浪费了国家有限的土地资源，影响了农村居民生活环境质量的提高，也影响了农村经济的发展，因此如何有效识别“空心村”也是一个重要的研究方向。

现有的“空心村”的识别方法主要是通过无人机影像识别、手机信号识别或者走访调查的方式识别。但是，现有的识别方法存在无法判断人口居住情况、时效性差且操作繁琐、耗费人力物力，还有泄露用户隐私信息的问题。

发明内容

针对于上述问题，本发明提供一种基于电力数据热力图的空心村识别方法及装置，实现了实施成本低且提升了识别准确率的目的。

为了实现上述目的，本发明提供了如下技术方案：

一种基于电力数据热力图的空心村识别方法，所述方法包括：

确定待研究区域的目标村庄；

获取所述目标村庄的村庄边界信息；

根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；

将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果，其中，所述识别模型具有将输入的村庄热力图对应的空心村识别结果趋于所述所述村庄热力图对应的实际的空心村结果的能力。

可选地，所述获取所述目标村庄的村庄边界信息，包括：

获取所述目标村庄的村庄地图，在所述村庄地图上确定目标地点的坐标；

获取所述目标村庄的村庄电表坐标，并将所述村庄电表坐标标记在所述村庄地图；

在所述村庄地图中以所述目标地点的坐标为圆心并以预设半径为圆心，得到目标圆；

对所述目标圆的用电用户进行搜索，得到用电用户坐标信息；

基于所述用电用户坐标信息连接组成封闭区域，将所述封闭区域确定为村庄边界信息。

可选地，所述根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图，包括：

获取目标村庄的用户基本信息以及用户电力数据，所述用户基本信息包括用户坐标；

基于所述用户电力数据，计算累计时间的用户累计电力数据；

将所述用户累计电力数据和所述用户坐标设置在热力图上，得到目标村庄的村庄热力图。

可选地，所述方法还包括：

基于村庄热力图样本创建识别模型，包括：

获取所述村庄热力图样本的每个村庄热力图，以及与每个村庄热力图对应的村庄空心等级；

将所述每个村庄热力图以及与每个村庄热力图对应的村庄空心等级作为训练数据；

对所述训练数据进行训练，得到识别模型。

可选地，所述方法还包括：

通过测试样本对所述识别模型进行测试，得到测试结果；

若测试结果不满足预设条件，对所述识别模型进行优化，得到优化后的识别模型。

一种基于电力数据热力图的空心村识别装置，所述装置包括：

确定单元，用于确定待研究区域的目标村庄；

获取单元，用于获取所述目标村庄的村庄边界信息；

生成单元，用于根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；

输入单元，用于将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果，其中，所述识别模型具有将输入的村庄热力图对应的空心村识别结果趋于所述所述村庄热力图对应的实际的空心村结果的能力。

可选地，所述获取单元包括：

第一获取子单元，用于获取所述目标村庄的村庄地图，在所述村庄地图上确定目标地点的坐标；

第二获取子单元，用于获取所述目标村庄的村庄电表坐标，并将所述村庄电表坐标标记在所述村庄地图；

第三获取子单元，用于在所述村庄地图中以所述目标地点的坐标为圆心并以预设半径为圆心，获得目标圆；

搜索子单元，用于对所述目标圆的用电用户进行搜索，得到用电用户坐标信息；

确定子单元，用于基于所述用电用户坐标信息连接组成封闭区域，将所述封闭区域确定为村庄边界信息。

可选地，所述生成单元包括：

第四获取子单元，用于获取目标村庄的用户基本信息以及用户电力数据，所述用户基本信息包括用户坐标；

计算子单元，用于基于所述用户电力数据，计算累计时间的用户累计电力数据；

设置子单元，用于将所述用户累计电力数据和所述用户坐标设置在热力图上，得到目标村庄的村庄热力图。

可选地，所述装置还包括：

创建单元，用于基于村庄热力图样本创建识别模型，所述创建单元包括：

第五获取子单元，用于获取所述村庄热力图样本的每个村庄热力图，以及与每个村庄热力图对应的村庄空心等级；

训练数据生成子单元，用于将所述每个村庄热力图以及与每个村庄热力图对应的村庄空心等级作为训练数据；

训练子单元，用于对所述训练数据进行训练，得到识别模型。

可选地，所述装置还包括：

测试子单元，用于通过测试样本对所述识别模型进行测试，得到测试结果；

优化子单元，用于若测试结果不满足预设条件，对所述识别模型进行优化，得到优化后的识别模型。

相较于现有技术，本发明提供了一种基于电力数据热力图的空心村识别方法及装置，确定待研究区域的目标村庄；获取所述目标村庄的村庄边界信息；根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果。本发明利用村庄用户的用电数据结合地理信息，并结合机器学习得到了有效的识别模型，使得识别成本低，提升了识别准确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种基于电力数据热力图的空心村识别方法的流程示意图；

图2为本发明实施例提供的一种村庄边界确定示意图；

图3为本发明实施例提供的一种基于电力数据热力图的空心村识别装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。

在本发明实施例中提供了一种基于电力数据热力图的空心村识别方法，通过电量数据、地理位置、时间周期、用户信息进行数据挖掘，采用计算机图像识别和机器学习算法以及相关的热力图数据分析判断某个村庄是否为空心村，同时还可以判断空心村的空心等级。

参见图1，该方法可以包括以下步骤：

S101、确定待研究区域的目标村庄。

先确定最终实际可能要验证的空心村有哪些，然后选择其所属的上n级行政区域作为待研究区域，n的值根据需要可以进行调整，如可以是1<＝n<＝5。行政级别层级指：乡镇/区-县-市-省-全国，例如选择某一个市的村庄作为待研究行政区域。在选出的待研究区域内，利用国家统计局官网提供的最新的行政规模数据查询出所有待研究区域的村庄村委会编码和名称，再使用第三方地图服务根据村庄村委会数据查询出村委会坐标，并用随机抽样法从中抽取出一定比例的村庄。

S102、获取所述目标村庄的村庄边界信息。

参见图2，其示出了本发明实施例提供的一种村庄边界确定示意图，获取所述目标村庄的村庄地图，在所述村庄地图上确定目标地点的坐标；获取所述目标村庄的村庄电表坐标，并将所述村庄电表坐标标记在所述村庄地图；在所述村庄地图中以所述目标地点的坐标为圆心并以预设半径为圆心，得到目标圆；对所述目标圆的用电用户进行搜索，得到用电用户坐标信息；基于所述用电用户坐标信息连接组成封闭区域，将所述封闭区域确定为村庄边界信息。

具体的，从地图中标出抽取到的每个目标村庄的村委会坐标和名称，从电网公司营销系统中获取村庄电表坐标，将这些电表坐标也标记到地图上，一个电表就代表一户住宅，然后以村委会坐标为圆心，以预设半径(如100*n)米作为半径搜索此圆内的用电用户并做记录。其中，n的初始值为1，每完成一次搜索值加1，每次搜索需记录此次搜索区包含的用电用户，第1次之后的搜索还需计算前后两次搜索的集合差值即第n-1个圆到第n个圆包含的用电用户和数量Δ，每次搜索完检查是否满足条件Δ＝0；如果满足则已搜索到村庄最外侧，则上一次的Δ各村庄位于最外侧，至此此村庄内包括哪些用电用户已全部搜索到，最后用四个方向(东北、东南、西北、西南)最外侧的用电用户坐标点连接组成的封闭区域作为该村庄的边界；如果不满足条件Δ＝0且搜索到另一个村委会也要终止搜索，则将用两个村委会连线的中垂线或道路或者河流、山脉将用电用户划分到对应的村庄，之后的操作同上。

S103、根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图。

在本发明实施例中可以获取目标村庄的用户基本信息以及用户电力数据，所述用户基本信息包括用户坐标；基于所述用户电力数据，计算累计时间的用户累计电力数据；将所述用户累计电力数据和所述用户坐标设置在热力图上，得到目标村庄的村庄热力图。

在地图中使用用电数据渲染出这些村庄的热力图，并将每个村庄的热力图单独提取出来。村庄用电居民用户指已经在电力公司建档立户并抄表核算电量的客户，数据需要从电网营销系统抽取，详细数据包括以下几类：

(1)用户基本信息：包括用户名称、用户编号、用户地址、用户状态、送电日期、销户日期等。

(2)用户使用电费数据:包括电费所属年月、电价、用电量、电费等，目前已知识别空心村方法没有使用电费数据的，而且电费数据能够联系到相关部门进行在线联网或者离线批量获取。其它类型数据如水费数据无获取渠道，而且不清楚水费数据包含哪些数据项例如住户坐标.

(3)用电量采集设备(电表)信息：包括设备坐标、设备编号、设备状态、设备地址等。

(4)用电量采集设备和用户关联关系：包括设备编号、用户编号等。

以上为用户用电相关数据，数据具体接入方式有两种：1.通过与电力营销系统协商，调用其相关数据查询接口在线获取用电数据；2.通过与电力营销系统协商，通过数据批量导出、导入工具抽取离线数据。

渲染热力图具体操作为：计算过去n个月每户村庄居民累计用电量，统计时间n至少为12即一年，统计时间可以根据实际情况调整，建议统计过去5年用电量，5年的累计用电量基本能反映出用户是否长期用电，如果累计电量远远低于村庄居民平均用电量的k％(k<＝10),则判断为空置住宅用户，在热力图中用电量设置为0，以增强对比度。使用热力图组件，将地图放大到村庄级别，将每个用电用户坐标和计算出的累计用电量设置到热力图中，并将村庄边界使用上述方法刻画出来。

提取热力图具体操作为：使用地图裁切方法基于村庄边界就可以将每个村庄热力图单独提取为一个图片。这些热力图是构建识别模型的训练数据，至此每个村庄的基于用电数据的村庄热力图就制作完成。热力图中用电量多少用颜色描绘了出来，用电量从多到少对应的颜色一次为红、黄、绿、蓝，即红色区代表用电量最高，蓝色区代表空置用户区，如果村中心有大片蓝色区则认为是一定级别的空心村。

S104、将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果。

所述识别模型具有将输入的村庄热力图对应的空心村识别结果趋于所述所述村庄热力图对应的实际的空心村结果的能力。

在本发明实施例中还提供了一种创建识别模型的方法，该方法包括：

获取所述村庄热力图样本的每个村庄热力图，以及与每个村庄热力图对应的村庄空心等级；

将所述每个村庄热力图以及与每个村庄热力图对应的村庄空心等级作为训练数据；

对所述训练数据进行训练，得到识别模型。

其中，热力图是根据上述实施例中进行生成的。而村庄空心等级是根据下面的方式计算得到的。

先计算每个空置住宅分值p＝(1/村庄总住宅数量)*(村庄平均半径-当前空置户到村中心点距离)/村庄平均半径，其中村庄平均半径为刻画出村庄的村庄面积除以π再开平方，村庄中心点可以用上面搜索出的村庄边界点计算得出。

然后对所有的p值进行累加求和，作为整个村庄的中心空置率得分(值范围是[0％,100％))，得分越高说明有数量越多且距离中心越近的空置住宅存在，根据此得分将空心村等级划分为6级：得分位于区间[5％,10％)的为1级，位于[10％,20％)的为2级，位于[20％,30％)的为3级，位于[30％,40％)的为4级，位于[40％,50％)的为5级，位于[50％,100％)的为6级，等级越高说明村中心空置住宅越多，4级、5级和6级的认为一定是空心村，因为已经有至少将近一半住宅在村中心空置了，1-3级也说明有一定的中心空置率。

用提取出的所有村庄热力图图片和计算出的空心等级作为训练数据，使用在图像识别领域应用比较广泛的卷积神经网络算法(Convolutional Neural Networks,CNN)对数据进行训练，得出较高准确率(>95％)的空心村识别模型。

在本发明实施例中还可以通过测试样本对所述识别模型进行测试，得到测试结果；若测试结果不满足预设条件，对所述识别模型进行优化，得到优化后的识别模型。

其中，测试样本可以是选择待实地验证的村庄对应的信息。在进一步确定的待研究区域内选择待验证的村庄。然后根据上述实施例中热力图的生成方法生成这些村庄的电力热力图。将热力图输入识别模型，得出识别结果。使用热力图作为模型输入更加准确也便于验证，因为这种类型图片会对用户电费数据进行图像角度的数据聚合、计算、归纳，从图片能够直观看出来空心程度，方便人对模型输出结果准确性进行判断。通常情况下，用于构造识别模型随机抽取的训练样本村庄数量越多、越典型，最终训练出来的识别模型越准确。如果发现准确率较低，则可能是选取的样本范围不够全面，就需要调整抽取的样本村庄，或者也可能是使用用电数据计算村庄空心等级的公式不够准确，这样就需要优化公式计算方法，例如对某项参数添加权重，最后再次构造识别模型，直到最终实际验证结果满足较高准确性。

本发明利用村庄用户长时间的用电量数据和地理信息数据，结合特有的科学的村庄空置率计算方法和村庄边界识别方法，以及图像识别相关的卷积神经网络机器学习算法，说明了如何构建高准确度“空心村”识别模型，本方法进行空心村识别准确度高、成本较低且识别模型可比较快的反复构建和验证。

参见图3，在本发明实施例中还提供了一种基于电力数据热力图的空心村识别装置，所述装置包括：

确定单元10，用于确定待研究区域的目标村庄；

获取单元20，用于获取所述目标村庄的村庄边界信息；

生成单元30，用于根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；

输入单元40，用于将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果，其中，所述识别模型具有将输入的村庄热力图对应的空心村识别结果趋于所述所述村庄热力图对应的实际的空心村结果的能力。

在上述实施例的基础上，所述获取单元包括：

第一获取子单元，用于获取所述目标村庄的村庄地图，在所述村庄地图上确定目标地点的坐标；

第二获取子单元，用于获取所述目标村庄的村庄电表坐标，并将所述村庄电表坐标标记在所述村庄地图；

第三获取子单元，用于在所述村庄地图中以所述目标地点的坐标为圆心并以预设半径为圆心，获得目标圆；

搜索子单元，用于对所述目标圆的用电用户进行搜索，得到用电用户坐标信息；

确定子单元，用于基于所述用电用户坐标信息连接组成封闭区域，将所述封闭区域确定为村庄边界信息。

在上述实施例的基础上，所述生成单元包括：

第四获取子单元，用于获取目标村庄的用户基本信息以及用户电力数据，所述用户基本信息包括用户坐标；

计算子单元，用于基于所述用户电力数据，计算累计时间的用户累计电力数据；

设置子单元，用于将所述用户累计电力数据和所述用户坐标设置在热力图上，得到目标村庄的村庄热力图。

在上述实施例的基础上，所述装置还包括：

创建单元，用于基于村庄热力图样本创建识别模型，所述创建单元包括：

第五获取子单元，用于获取所述村庄热力图样本的每个村庄热力图，以及与每个村庄热力图对应的村庄空心等级；

训练数据生成子单元，用于将所述每个村庄热力图以及与每个村庄热力图对应的村庄空心等级作为训练数据；

训练子单元，用于对所述训练数据进行训练，得到识别模型。

在上述实施例的基础上，所述装置还包括：

测试子单元，用于通过测试样本对所述识别模型进行测试，得到测试结果；

优化子单元，用于若测试结果不满足预设条件，对所述识别模型进行优化，得到优化后的识别模型。

本发明提供了一种基于电力数据热力图的空心村识别装置，确定单元确定待研究区域的目标村庄；获取单元获取所述目标村庄的村庄边界信息；生成单元根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；输入单元将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果。本发明利用村庄用户的用电数据结合地理信息，并结合机器学习得到了有效的识别模型，使得识别成本低，提升了识别准确度。

基于前述实施例，本发明的实例例还提供了一种电子设备，该电子设备包括：

存储器，用于存储程序；

处理器，用于执行所述程序，所述程序具体用于：

确定待研究区域的目标村庄；

获取所述目标村庄的村庄边界信息；

根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；

将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果，其中，所述识别模型具有将输入的村庄热力图对应的空心村识别结果趋于所述所述村庄热力图对应的实际的空心村结果的能力。

所述处理器还用于执行本发明的基于电力数据热力图的空心村识别的方法步骤以及其关联步骤。

进一步地，所述获取所述目标村庄的村庄边界信息，包括：

获取所述目标村庄的村庄地图，在所述村庄地图上确定目标地点的坐标；

获取所述目标村庄的村庄电表坐标，并将所述村庄电表坐标标记在所述村庄地图；

在所述村庄地图中以所述目标地点的坐标为圆心并以预设半径为圆心，得到目标圆；

对所述目标圆的用电用户进行搜索，得到用电用户坐标信息；

基于所述用电用户坐标信息连接组成封闭区域，将所述封闭区域确定为村庄边界信息。

进一步地，所述根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图，包括：

获取目标村庄的用户基本信息以及用户电力数据，所述用户基本信息包括用户坐标；

基于所述用户电力数据，计算累计时间的用户累计电力数据；

将所述用户累计电力数据和所述用户坐标设置在热力图上，得到目标村庄的村庄热力图。

进一步地，所述方法还包括：

基于村庄热力图样本创建识别模型，包括：

获取所述村庄热力图样本的每个村庄热力图，以及与每个村庄热力图对应的村庄空心等级；

将所述每个村庄热力图以及与每个村庄热力图对应的村庄空心等级作为训练数据；

对所述训练数据进行训练，得到识别模型。

进一步地，所述方法还包括：

通过测试样本对所述识别模型进行测试，得到测试结果；

若测试结果不满足预设条件，对所述识别模型进行优化，得到优化后的识别模型。

基于前述实施例，本发明的实施例提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如上任一项的基于电力数据热力图的空心村识别方法的步骤。

需要说明的是，上述处理器或CPU可以为特定用途集成电路(ApplicationSpecific Integrated Circuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(DigitalSignalProcessingDevice，DSPD)、可编程逻辑装置(Programmable Logic Device，PLD)、现场可编程门阵列(Field Programmable GateArray，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地，实现上述处理器功能的电子器件还可以为其它，本发明实施例不作具体限定。

需要说明的是，上述计算机存储介质/存储器可以是只读存储器(Read OnlyMemory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本发明所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本发明所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于电力数据热力图的空心村识别方法，其特征在于，所述方法包括：

确定待研究区域的目标村庄；

获取所述目标村庄的村庄边界信息；

根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；

将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果，其中，所述识别模型具有将输入的村庄热力图对应的空心村识别结果趋于所述所述村庄热力图对应的实际的空心村结果的能力。

2.根据权利要求1所述的方法，其特征在于，所述获取所述目标村庄的村庄边界信息，包括：

获取所述目标村庄的村庄地图，在所述村庄地图上确定目标地点的坐标；

获取所述目标村庄的村庄电表坐标，并将所述村庄电表坐标标记在所述村庄地图；

在所述村庄地图中以所述目标地点的坐标为圆心并以预设半径为圆心，得到目标圆；

对所述目标圆的用电用户进行搜索，得到用电用户坐标信息；

基于所述用电用户坐标信息连接组成封闭区域，将所述封闭区域确定为村庄边界信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图，包括：

获取目标村庄的用户基本信息以及用户电力数据，所述用户基本信息包括用户坐标；

基于所述用户电力数据，计算累计时间的用户累计电力数据；

将所述用户累计电力数据和所述用户坐标设置在热力图上，得到目标村庄的村庄热力图。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于村庄热力图样本创建识别模型，包括：

获取所述村庄热力图样本的每个村庄热力图，以及与每个村庄热力图对应的村庄空心等级；

将所述每个村庄热力图以及与每个村庄热力图对应的村庄空心等级作为训练数据；

对所述训练数据进行训练，得到识别模型。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

通过测试样本对所述识别模型进行测试，得到测试结果；

若测试结果不满足预设条件，对所述识别模型进行优化，得到优化后的识别模型。

6.一种基于电力数据热力图的空心村识别装置，其特征在于，所述装置包括：

确定单元，用于确定待研究区域的目标村庄；

获取单元，用于获取所述目标村庄的村庄边界信息；

生成单元，用于根据所述目标村庄的电力数据以及所述村庄边界信息，生成所述目标村庄的村庄热力图；

输入单元，用于将所述村庄热力图输入到预创建的识别模型，得到空心村识别结果，其中，所述识别模型具有将输入的村庄热力图对应的空心村识别结果趋于所述所述村庄热力图对应的实际的空心村结果的能力。

7.根据权利要求6所述的装置，其特征在于，所述获取单元包括：

第一获取子单元，用于获取所述目标村庄的村庄地图，在所述村庄地图上确定目标地点的坐标；

第二获取子单元，用于获取所述目标村庄的村庄电表坐标，并将所述村庄电表坐标标记在所述村庄地图；

第三获取子单元，用于在所述村庄地图中以所述目标地点的坐标为圆心并以预设半径为圆心，获得目标圆；

搜索子单元，用于对所述目标圆的用电用户进行搜索，得到用电用户坐标信息；

确定子单元，用于基于所述用电用户坐标信息连接组成封闭区域，将所述封闭区域确定为村庄边界信息。

8.根据权利要求6所述的装置，其特征在于，所述生成单元包括：

第四获取子单元，用于获取目标村庄的用户基本信息以及用户电力数据，所述用户基本信息包括用户坐标；

计算子单元，用于基于所述用户电力数据，计算累计时间的用户累计电力数据；

设置子单元，用于将所述用户累计电力数据和所述用户坐标设置在热力图上，得到目标村庄的村庄热力图。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

创建单元，用于基于村庄热力图样本创建识别模型，所述创建单元包括：

第五获取子单元，用于获取所述村庄热力图样本的每个村庄热力图，以及与每个村庄热力图对应的村庄空心等级；

训练数据生成子单元，用于将所述每个村庄热力图以及与每个村庄热力图对应的村庄空心等级作为训练数据；

训练子单元，用于对所述训练数据进行训练，得到识别模型。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

测试子单元，用于通过测试样本对所述识别模型进行测试，得到测试结果；

优化子单元，用于若测试结果不满足预设条件，对所述识别模型进行优化，得到优化后的识别模型。

Images