CN112925764A - 一种巨灾模型的行业风险暴露数据库及其构建方法 - Google Patents
一种巨灾模型的行业风险暴露数据库及其构建方法 Download PDFInfo
- Publication number
- CN112925764A CN112925764A CN201911260064.4A CN201911260064A CN112925764A CN 112925764 A CN112925764 A CN 112925764A CN 201911260064 A CN201911260064 A CN 201911260064A CN 112925764 A CN112925764 A CN 112925764A
- Authority
- CN
- China
- Prior art keywords
- data
- building
- area
- cost
- poi
- 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.)
- Granted
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种巨灾模型的行业风险暴露数据库构建方法,包括获取数据源、数据处理和融合、空间拆分、构建数据库步骤,即将数据源直接计算和/或经数据处理和融合,空间汇总到预设的空间分辨率的网格上,然后以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分,以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分;再按照预设的空间分辨率的网格构建行业标的数据库,所述行业标的数据库包括面积分布数据库和建筑造价分布数据库中的一种或多种。本发明的有益效果在于,所构建的数据库能够较好的输出标的数据空间分布,验证的散点图存在较明显的一致性、空间拆分准确、构建方法合理。
Description
技术领域
本发明属于数据库结构领域,特别涉及一种巨灾模型的行业风险暴露数据库及其构建方法。
背景技术
行业风险暴露数据库(以下简称“数据库”)反映社会可保商业、工业、住宅建筑造价及其空间分布。数据库可以为省级或地市级的累积总保额做空间拆分,最大可能的减少累积保额下保险损失结果的不确定性,提升其在保险定价及风险管理中的实用价值。同时,数据库也可以用来评估造成的商业、工业、住宅社会整体经济损失,帮助政府部门及时有效应对灾害,抗震救灾。然而,现有技术中尚未公开能够解决上述技术问题的行业风险暴露数据库及其构建方法。
发明内容
为了解决上述技术问题,本发明提供了一种巨灾模型的行业风险暴露数据库的构建方法,包括如下步骤:
获取数据源 所述数据源包括建筑物数据、POI数据、统计年鉴数据、人口密度数据、城乡分布数据中的一种或多种;
数据处理和融合 将数据源直接计算和/或经数据处理和融合,空间汇总到预设的空间分辨率的网格上;
空间拆分 以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分,以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分;
构建数据库 按照预设的空间分辨率的网格构建行业标的数据库,所述行业标的数据库包括面积分布数据库和建筑造价分布数据库中的一种或多种。
本发明还提供了一种巨灾模型的行业风险暴露数据库,包括如下组件:
数据源采集组件 所述数据源采集组件采集的数据源包括建筑物数据、POI数据、统计年鉴数据、人口密度数据、城乡分布数据中的一种或多种;
数据处理和融合组件 所述数据处理和融合组件被配置为将数据源直接计算和/或经数据处理和融合,空间汇总到预设的空间分辨率的网格上;
空间拆分组件 所述空间拆分组件被配置为以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分,以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分;
构建组件 所述构建组件被配置为按照预设的空间分辨率的网格构建行业标的数据库,所述行业标的数据库包括面积分布数据库和建筑造价分布数据库中的一种或多种。
本发明的有益效果在于,提供了一种巨灾模型的行业风险暴露数据库及其构建方法,通过结果输出试验表明,所构建的数据库能够较好的输出标的数据空间分布,通过大量结果校验试验表明,验证的散点图存在较明显的一致性、空间拆分准确、构建方法合理。
附图说明
图1行业风险暴露数据库构建整体技术流程图;
图2全国住宅面积空间分布图;
图3全国住宅造价空间分布图;
图4全国商业建筑面积空间分布图;
图5全国商业造价空间分布图;
图6全国工业面积空间分布图;
图7全国工业造价空间分布图;
图8全国市级房屋建筑面积总量验证图;
图9全国省级房屋建筑面积总量验证图;
图10北京市商业造价空间分布合理性检验;
图11北京市朝阳区商业造价空间分布;
图12北京市西城区商业造价空间分布;
图13北京市海淀区区商业造价空间分布;
图14北京市工业造价空间分布合理性检验;
图15上海市商业建筑面积空间分布定量检验;
图16上海市工业建筑面积空间分布定量检验;
具体实施方式
本发明的一种巨灾模型的行业风险暴露数据库的构建方法的一些实施例中,包括如下步骤:
获取数据源 所述数据源包括建筑物数据、POI数据、统计年鉴数据、人口密度数据、城乡分布数据中的一种或多种;
数据处理和融合 将数据源直接计算和/或经数据处理和融合,空间汇总到预设的空间分辨率的网格上;
空间拆分 以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分,以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分;
构建数据库按照预设的空间分辨率的网格构建行业标的数据库,所述行业标的数据库包括面积分布数据库和建筑造价分布数据库中的一种或多种。
其中,本发明的建筑物数据包括但不限于商业建筑物数据、工业建筑物数据、住宅建筑物数据和其他建筑物数据,所述建筑物数据用于描述建筑物地址、占地面积、楼高、用途等属性信息的数据;所述POI数据可用于描述“兴趣点”的经纬度、名称、地址、用途等;所述统计年鉴数据包括工商业建筑总面积数据、城镇/农村人均住宅面积数据、城乡住宅建筑造价数据、工商业建筑造价数据;所述人口密度数据是用于描述每1KM网格内人口密集程度的数据;所述城乡空间分布数据用于实现城市和农村在空间上的划分。“直接计算”是指将获取的带有建筑面积和/或造价字段的数据源,由系统直接计算后,将这些数据与网格融合。“数据处理”是指将获取的不直接带有建筑面积和/或造价字段的数据源,由系统处理程序经过融合处理后,将这些数据与网格融合。“网格”是以行和列组织的单元,本发明的多数实施例中选择空间分辨率为0.025度的网格;“栅格数据”是由网格组成的一种数据结构,所有网格大小相同。“空间分辨率”是指指遥感图像上能够详细区分的最小单元的尺寸或大小,是用来表征影像分辨地面目标细节的指标。通常用像元大小、像解率或视场角来表示。“空间拆分”是指应用GIS技术时,将专题数据分配到位置空间的网格上。“以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分”是指用人口密度为每个网格的空间权重将建筑面积、造价数据融合到网格上完成数据结构重构。“以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分”是指用建筑物数据及POI数据为每个网格的空间权重将建筑面积、造价数据融合到网格上完成数据结构重构。“构建数据库”是指基于完成空间拆分的建筑面积、造价,基于不同的标的,构建相应的商业化的数据库。
本发明的住宅建筑面积、造价空间拆分的一些实施例中,步骤包括:
获取全国人口密度数据及第一分辨率;
全国城市空间分布数据重采样步骤:获取城市分布空间分布数据及第二分辨率,当所述第一分辨率与所述第二分辨率不同时,按照第一分辨率重采样所述城市分布空间分布数据,使得所述第一分辨率与所述第二分辨率相同;当所述第一分辨率与所述第二分辨率相同时,无需重采样;
全国城市/农村住宅面积计算步骤:依据所述城市网格空间分布数据,将全国人口密度数据进行城市及农村区划;并基于全国各市城市/ 人口人均住宅面积数据,计算各网格城市/农村住宅面积总量;计算方法为:人口密度*网格面积*人均住宅面积;
全国城市/农村住宅造价计算:基于全国城市/农村网格住宅面积总量和全国各市城市/农村住宅房屋造价数据,计算各网格住宅造价总量;网格计算方法为:住宅面积总量(城市/农村)*住宅面积造价(城市/ 农村)
住宅面积/住宅造价空间求和计算:将相同分辨率的全国住宅面积和全国住宅造价转为矢量点,将各点的面积及造价空间连接求和到网格上,获得全国的住宅面积及造价空间分布。
其中,全国人口密度数据的第一分辨率通常为1KM,城市分布空间分布数据的第二分辨率通常为30米,“网格”通常为0.025度。
本发明的商业和工业建筑面积、造价空间拆分的一些实施例中,步骤包括:建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤、以及非建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤,其中,所述建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤包括:
1)建筑物筛选与分类基于所述建筑物数据根据建筑物用途不同,设置建筑物数据的分类标签;
2)建筑面积及造价计算建筑面积用建筑层数与建筑占地面积计算所得;
3)建筑面积及造价空间化即得到每个网格内商业、工业建筑的面积及总造价。
本发明的非建筑物覆盖区商业、工业建筑面积及造价空间拆分实施例中,步骤包括:
1)POI数据筛选与分类根据风险暴露数据库构建的需求及POI数据特点,为POI数据设置商业及工业POI大类标签;
2)建筑物数据与POI分类匹配;
3)POI评分体系构建;
4)POI合并及权重计算;
其中,所述POI评分体系构建包括如下步骤:
1)选取样本区域并计算样本区域面积;
2)不同建筑类别评分区间及归一化设定;
3)计算POI权重因子;
4)所述样本区域的POI权重结果输出。
本发明的一种巨灾模型的行业风险暴露数据库的实施例中,包括如下组件:
数据源采集组件所述数据源采集组件采集的数据源包括建筑物数据、POI数据、统计年鉴数据、人口密度数据、城乡分布数据中的一种或多种;
数据处理和融合组件,所述数据处理和融合组件被配置为将数据源直接计算和/或经数据处理和融合,空间汇总到预设的空间分辨率的网格上;
空间拆分组件所述空间拆分组件被配置为以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分,以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分;
构建组件所述构建组件被配置为按照预设的空间分辨率的网格构建行业标的数据库,所述行业标的数据库包括面积分布数据库和建筑造价分布数据库中的一种或多种。
其中,所述建筑物数据包括商业建筑物数据、工业建筑物数据、住宅建筑物数据和其他建筑物数据,所述建筑物数据用于描述建筑物地址、占地面积、楼高、用途等属性信息的数据;所述POI数据可用于描述“兴趣点”的经纬度、名称、地址、用途等;所述统计年鉴数据包括工商业建筑总面积数据、城镇/农村人均住宅面积数据、城乡住宅建筑造价数据、工商业建筑造价数据;
所述人口密度数据是用于描述每1KM网格内人口密集程度的数据;所述城乡空间分布数据用于实现城市和农村在空间上的划分。
本发明数据库的住宅建筑面积、造价空间拆分的一些实施例,包括:
获取全国人口密度数据及第一分辨率;
全国城市空间分布数据重采样步骤:获取城市分布空间分布数据及第二分辨率,当所述第一分辨率与所述第二分辨率不同时,按照第一分辨率重采样所述城市分布空间分布数据,使得所述第一分辨率与所述第二分辨率相同;当所述第一分辨率与所述第二分辨率相同时,无需重采样;
全国城市/农村住宅面积计算步骤:依据所述城市网格空间分布数据,将全国人口密度数据进行城市及农村区划;并基于全国各市城市/ 人口人均住宅面积数据,计算各网格城市/农村住宅面积总量;计算方法为:人口密度*网格面积*人均住宅面积;
全国城市/农村住宅造价计算:基于全国城市/农村网格住宅面积总量和全国各市城市/农村住宅房屋造价数据,计算各网格住宅造价总量;网格计算方法为:住宅面积总量(城市/农村)*住宅面积造价(城市/ 农村)
住宅面积/住宅造价空间求和计算:将相同分辨率的全国住宅面积和全国住宅造价转为矢量点,将各点的面积及造价空间连接求和到网格上,获得全国的住宅面积及造价空间分布。
本发明的所述商业和工业建筑面积、造价空间拆分的一些实施例中,包括:建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤、以及非建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤,其中,所述建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤包括:
1)建筑物筛选与分类基于所述建筑物数据根据建筑物用途不同,设置建筑物数据的分类标签;
2)建筑面积及造价计算建筑面积用建筑层数与建筑占地面积计算所得;
3)建筑面积及造价空间化即得到每个网格内商业、工业建筑的面积及总造价。
本发明数据库的非建筑物覆盖区商业、工业建筑面积及造价空间拆分的一些实施例中,包括:
1)POI数据筛选与分类根据风险暴露数据库构建的需求及POI数据特点,为POI数据设置商业及工业POI大类标签;
2)建筑物数据与POI分类匹配;
3)POI评分体系构建;
4)POI合并及权重计算;
其中,所述POI评分体系构建包括如下步骤:
3.1)选取样本区域并计算样本区域面积;
3.2)不同建筑类别评分区间及归一化设定;
3.3)计算POI权重因子;
3.4)所述样本区域的POI权重结果输出。
以下试验例通过结果输出及结果校验来进一步解释本发明的数据库及其构建方法。
试验例1.结果输出
1.1全国住宅建筑面积及造价空间分布专题图
基于人体密度空间分布、城市/农村人均住宅面积及城市/农村住宅造价统计数据,对全国范围的住宅建筑面积及造价空间分布计算记过如图2和图3。全国住宅总面积585.37亿平米,全国住宅建筑总造价97.32万亿元。
1.2全国商业建筑面积及造价空间分布
基于地市统计年鉴数据、全国68核心城市主城区建筑物数据、POI 数据,对全国范围的商业建筑面积及造价空间分布计算结果如图4和图 5.全国商业总面积79.72亿平方米,全国商业建筑总造价32.62万亿元。
1.3全国工业建筑面积及造价空间分布专题图
基于地市统计年鉴数据、全国68核心城市主城区建筑物数据、POI 数据,对全国范围的工业建筑面积及造价空间分布计算结果如图6和图 7。全国工业总面积85.78亿平米,全国工业建筑总造价33.20万亿元。
试验例2.结果校验
2.1全国住宅建筑面积及造价结果校验
关于住宅面积及住宅造价数据库空间分布的验证,主要从(1)省级/市级房屋建筑面积总量验证;(2)建筑物数据覆盖面积总量的测量验证。
(1)省级/市级房屋建筑面积总量验证;
住宅面积的测算过程中存在两个来源数据的不确定性要素:(1)省 /市人口总量的确定性;(2)城乡分布的不确定性。因此,为验证基于该些数据的住宅面积推算结果是否准确,运用统计年鉴省/市住宅面积 (省/市人均住宅面积及常住人口数)来对行政单元的房屋建筑面积总量做交叉验证。验证结果如图8、图9所示。
对于市级行政单元而言,验证的散点图存在较明显的一致性, R2=0.9563,直线斜率为0.9245,与斜率为1的1:1线较为吻合。
对于省级行政单元而言,验证的散点图存在较明显的一致性, R2=0.9644,直线斜率为0.9444,与斜率为1的1:1线较为吻合。
2)建筑物数据覆盖范围面积总量的测量验证
基于遥感解译的建筑物数据可以较为精准的估算楼栋的建筑面积,因此,利用轮廓区全覆盖范围的轮廓住宅面积和对应基于人口密度计算的住宅面积进行校验。因轮廓区住宅面积值需要进行(1)基底面积计算(基于UTM分带投影);(2)楼层估算(依据住宅建筑规范3米设定) 两部分,因此住宅面积交叉验证之前对轮廓区住宅面积算法进行检验。检验结果发现:轮廓区全覆盖的上海8区,其2017年房屋建筑存量总量 20077万平方米,轮廓所得的房屋建筑存量20008万平方米,误差为0.3%;各区的住宅面积存量和轮廓数据住宅建筑面积总量在散点图上,存在较好的一致性,R2=0.9421,斜率为1.037,接近1:1线;说明轮廓区房屋建筑面积计算方法有效。
针对68个城市核心轮廓区覆盖范围的轮盖住宅面积和对应区区域基于人口密度计算的住宅面积进行校验结果显示,散点R2=0.7372,斜率为0.7253,与斜率为1的1:1线相对吻合,存在一定误差,对于68个城市核心轮廓区而言,54个城市住宅面积分布比对应区域建筑物区值较小,14个城市住宅面积分布比对应区域建筑物区值较大。
2.2全国商业、工业建筑面积及造价结果校验
1)商业、工业建筑拆分过程验证
全国商业/工业面积拆分是以各地级市统计年鉴数据作为总量控制的,为了验证拆分过程的准确性,将以地市为单元内的各网格内商业/ 工业面积值相加求和,与统计数据做对比,。R2=1,拆分过程正确。
2)商业、工业造价拆分空间分布合理性检验---北京市为例
北京市商业建筑造价拆分结果与Google Earth底图叠加检验,检验拆分结果的合理性。图10中红色圈表示由Google Earth中看到的人类活动和建筑比较密度地区,叠加拆分结果,得到所示效果,由红色到蓝色表示商业造价由大到小。
北京市朝阳区、西城区、海淀区商业建筑造价分布如图11、图12、图13所示。由图可知,北京市朝阳区网格最大值出现在三里屯,商业建筑总造价为303.4亿元;西城区网格最大值出现在金融街,商业建筑总造价为214.4亿元;海淀区网格最大值出现中关村,商业建筑总188.6 亿元,与经验认知保持一致。
以北京市都市工业空间布局专题图做参考,风险暴露数据库拆分出的工业造价作对比,如图14所示。有图可知,北京是工业造价拆分结果高值地区与北京市都市工业空间布局专题图基本保持一致。
3)商业、工业面积拆分定量检验----上海市为例
由于商业/工业的面积拆分是基于地市级统计年鉴数据,因此可以用更低一级行政区划数据,即县级/区级统计数据做定量检验,以上海市为例,用各区的统计数据与拆分数据做验证,结果如图15、图16所示。
4)建筑物数据验证POI评分体系方法----山东省为例
由于建筑物数据是目前已知最为直接、精准的数据,因此可以用来做POI评分体系方法的校验。本研究以山东省为例,用轮廓区覆盖的济南市、青岛市、烟台市、威海市、潍坊市建筑物数据得到的商业及工业建筑总造价与用POI方法得到的商业及工业建筑总造价做比对,来检验 POI评分体系构建的合理性。结果,商业建筑总造价结果比较总体向好, POI评分得到的各市商业、工业造价。
为进一步验证POI打分体系构建的合理性,选了济南市建筑物覆盖区,比较直接用建筑物计算及用POI评分体系两种方法计算得到的商业、工业建筑造价最大网络的位置合理性。结果,用建筑物方法得到的商业建筑造价前3网格总和为207亿元,轮廓区商业建筑总造价为724亿元。其中最大网格内分布的建筑包括北园立交桥、大明湖公园、泉城广场、欧亚电子大厦、元易商厦、门艺商场等。
济南市商业建筑造价用POI评分方法得到的结果表明,用POI评分方法得到的商业建筑造价前3网格总和为169亿元,轮廓区商业建筑总造价为754亿元。其中最大网格内分布的建筑包括世茂天城、济南火车站、天成新居、北园高架桥、荷香商厦、银座购物广场等。综合比较两种方法可得出,济南市建筑物覆盖范围内建筑物方法得出的商业建筑总造价比POI评分方法少3.9%,总体保持一致。
济南市工业建筑造价用建筑物方法得到的结果表明,用建筑物方法得到的工业建筑造价前3网格总和为198亿元,轮廓区工业建筑总造价为 575亿元。济南市工业建筑造价用POI评分方法得到的结果表明,用POI 评分方法得到的工业建筑造价前3网格总和为189亿元,轮廓区工业建筑造价为624.5亿元。
综合比较两种方法得出,济南市建筑物覆盖范围内建筑物方法得出的工业建筑总造价比POI评分方法少7.8%,总体保持一致。
本说明书中描述的主题的实施方式和功能性操作可以在以下中实施:数字电子电路,有形实施的计算机软件或者固件,计算机硬件,包括本说明书中公开的结构及其结构等同体,或者上述中的一者以上的组合。本说明书中描述的主题的实施方式可以被实施为一个或多个计算机程序,即,一个或多个有形非暂时性程序载体上编码的计算机程序指令的一个或多个模块,用以被数据处理设备执行或者控制数据处理设备的操作。
作为替代或者附加,程序指令可以被编码在人工生成的传播信号上,例如,机器生成的电信号、光信号或者电磁信号,上述信号被生成为编码信息以传递到用数据处理设备执行的适当的接收器设备。计算机存储介质可以是机器可读存储装置、机器可读的存储基片、随机或者串行存取存储器装置或者上述装置中的一种或多种的组合。
术语“数据处理设备”包含所有种类的用于处理数据的设备、装置以及机器,作为实例,包括可编程处理器、计算机或者多重处理器或者多重计算机。设备可以包括专用逻辑电路,例如,FPGA(现场可编程门阵列)或者ASIC(专用集成电路)。设备除了包括硬件之外,还可以包括创建相关计算机程序的执行环境的代码,例如构成处理器固件、协议栈、数据库管理系统、操作系统或者它们中的一种或多种的组合代码。
计算机程序(还可以被称为或者描述为程序、软件、软件应用、模块、软件模块、脚本或者代码)可以以任意形式的编程语言而被写出,包括编译语言或者解释语言或者声明性语言或过程式语言,并且计算机程序可以以任意形式展开,包括作为独立程序或者作为模块、组件、子程序或者适于在计算环境中使用的其他单元。计算机程序可以但不必须对应于文件系统中的文件。程序可以被存储在保存其他程序或者数据的文件的一部分中,例如,存储在如下中的一个或多个脚本:在标记语言文档中;在专用于相关程序的单个文件中;或者在多个协同文件中,例如,存储一个或多个模块、子程序或者代码部分的文件。计算机程序可以被展开为执行在一个计算机或者多个计算机上,所述计算机位于一处,或者分布至多个场所并且通过通信网络而互相连接。
在本说明书中描述的处理和逻辑流程可以由一个或多个可编程计算机执行,该计算机通过运算输入数据并且生成输出而执行一个或多个的计算机程序,以运行函数。处理和逻辑流程还可以由专用逻辑电路,例如,FPGA(可现场编程门阵列)或者ASIC(专用集成电路)执行,并且设备也可以被实施为专用逻辑电路。
适于实行计算机程序的计算机包括并且示例性地可以基于通用微处理器或者专用微处理器或者上述处理器两者,或者任意其他种类的中央处理单元。通常地,中央处理单元将接收来自只读存储器或者随机存取存储器或者这两者的指令和数据。计算机的主要元件是用于运行或者执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器装置。通常地,计算机还将包括或者是可操作性地耦合,以从用于存储数据的一个或多个大容量存储装置接收数据或者传递数据到大容量存储装置,或者接收和传递两者,该大容量存储器例如为磁盘、磁光盘或者光盘。然而,计算机不必须具有这样的装置。此外,计算机可以被嵌入到另一装置中,例如,移动电话、个人数字助理(PDA)、移动音频或者视频播放器、游戏主控台、全球定位系统(GPS)接收器或者可移动存储设备,例如,通用串行总线(USB)闪存盘等。
适于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失存储器、介质和存储器装置,作为实例,包括:半导体存储器装置,例如,EPROM、EEPROM和闪速存储器装置;磁盘,例如,内置硬盘或者可移动磁盘;磁光盘;CD-ROM和DVD-ROM盘。处理器和存储器可以补充以或者并入至专用逻辑电路。
为了发送与用户的交互,本说明书中描述的主题的实施方式可以被实施在计算机上,该计算机具有:显示装置,例如,CRT(阴极射线管) 或者LCD(液晶显示器)监控器,用于向用户显示信息;以及键盘和例如鼠标或者追踪球这样的定位装置,用户利用它们可以将输入发送到计算机。其他种类的装置也可以用于发送与用户的交互;例如,提供给用户的反馈可以是任意形式的传感反馈,例如,视觉反馈、听觉反馈或者触觉反馈;以及来自用户的输入可以以任意形式接收到,包括声响输入、语音输入或者触觉输入。另外,计算机可以通过将文档发送至由用户使用的装置并且接收来自该装置的文档而与用户交互;例如,通过响应于接收到的来自网络浏览器的请求,而将网页发送到用户的客户端装置上的网络浏览器。
本说明书中描述的主题的实施方式可以在计算系统中实施,该计算系统包括例如数据服务器这样的后端组件,或者包括例如应用服务器这样的中间组件,或者包括例如客户端计算机这样的前端组件,该客户端计算机具有图形用户界面或者网络浏览器,用户可以通过图形用户界面或者网络浏览器而与本说明书中描述的主题的实施进行交互,或者该计算机系统包括一个或多个这种后端组件、中间组件或者前端组件的任意组合。系统中的组件可以通过例如通信网络的任意形式或介质的数字数据通信而互相连接。通信网络的实例包括局域网络(“LAN”)和广域网络(“WAN”),例如,因特网。计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离,并且通常通过通信网络而交互。客户端与服务器之间的关系利用在各自的计算机上运行并且具有彼此之间的客户端-服务器关系的计算机程序而产生。
虽然本说明书包含很多具体的实施细节,但是这些不应当被解释为对任何发明的范围或者对可以要求保护的内容的范围的限制,而是作为可以使特定发明的特定实施方式具体化的特征的说明。在独立的实施方式的语境中的本说明书中描述的特定特征还可以与单个实施方式组合地实施。相反地,在单个实施方式的语境中描述的各种特征还可以独立地在多个实施方式中实施,或者在任何合适的子组合中实施。此外,虽然以上可以将特征描述为组合作用并且甚至最初这样要求,但是来自要求的组合的一个或多个特征在一些情况下可以从该组合去掉,并且要求的组合可以转向子组合或者子组合的变形。
相似地,虽然以特定顺序在附图中描述了操作,但是不应当理解为:为了实现期望的结果,要求这样的操作以示出的特定顺序或者以顺序次序而执行,或者所有图示的操作都被执行。在特定情况下,多任务处理和并行处理可以是有利的。此外,上述实施方式中的各种系统模块和组件的分离不应当理解为在所有实施方式中要求这样的分离,并且应当理解程序组件和系统可以通常被一体化在单个软件产品中或者打包至多个软件产品中。
已经描述了主题的特定实施方式。其他实施方式在以下权利要求的范围内。例如,在权利要求中记载的活动可以以不同的顺序执行并且仍旧实现期望的结果。作为一个实例,为了实现期望的结果,附图中描述的处理不必须要求示出的特定顺序或者顺序次序。在特定实现中,多任务处理和并行处理可以是有优势的。
Claims (10)
1.一种巨灾模型的行业风险暴露数据库的构建方法,其特征在于,包括如下步骤:
获取数据源所述数据源包括建筑物数据、POI数据、统计年鉴数据、人口密度数据、城乡分布数据中的一种或多种;
数据处理和融合,将数据源直接计算和/或经数据处理和融合,空间汇总到预设的空间分辨率的网格上;
空间拆分以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分,以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分;
构建数据库,按照预设的空间分辨率的网格构建行业标的数据库,所述行业标的数据库包括面积分布数据库和建筑造价分布数据库中的一种或多种。
2.如权利要求1所述的构建方法,其特征在于,
所述建筑物数据包括商业建筑物数据、工业建筑物数据、住宅建筑物数据和其他建筑物数据,所述建筑物数据用于描述建筑物地址、占地面积、楼高、用途等属性信息的数据;
所述POI数据可用于描述“兴趣点”的经纬度、名称、地址、用途等;
名称、类别、坐标、分类;
所述统计年鉴数据包括工商业建筑总面积数据、城镇/农村人均住宅面积数据、城乡住宅建筑造价数据、工商业建筑造价数据;
所述人口密度数据是用于描述每1KM网格内人口密集程度的数据;
所述城乡空间分布数据用于实现城市和农村在空间上的划分。
3.如权利要求1所述的构建方法,其特征在于,所述住宅建筑面积、造价空间拆分步骤包括:
获取全国人口密度数据及第一分辨率;
全国城市空间分布数据重采样步骤:获取城市分布空间分布数据及第二分辨率,当所述第一分辨率与所述第二分辨率不同时,按照第一分辨率重采样所述城市分布空间分布数据,使得所述第一分辨率与所述第二分辨率相同;当所述第一分辨率与所述第二分辨率相同时,无需重采样;全国城市/农村住宅面积计算步骤:依据所述城市网格空间分布数据,将全国人口密度数据进行城市及农村区划;并基于全国各市城市/人口人均住宅面积数据,计算各网格城市/农村住宅面积总量;计算方法为:人口密度*网格面积*人均住宅面积;
全国城市/农村住宅造价计算:基于全国城市/农村网格住宅面积总量和全国各市城市/农村住宅房屋造价数据,计算各网格住宅造价总量;网格计算方法为:住宅面积总量(城市/农村)*住宅面积造价(城市/农村)
住宅面积/住宅造价空间求和计算:将相同分辨率的全国住宅面积和全国住宅造价转为矢量点,将各点的面积及造价空间连接求和到网格上,获得全国的住宅面积及造价空间分布。
4.如权利要求1所述的构建方法,其特征在于,所述商业和工业建筑面积、造价空间拆分步骤包括:建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤、以及非建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤,其中,
所述建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤包括:
1)建筑物筛选与分类基于所述建筑物数据根据建筑物用途不同,设置建筑物数据的分类标签;
2)建筑面积及造价计算建筑面积用建筑层数与建筑占地面积计算所得;
3)建筑面积及造价空间化即得到每个网格内商业、工业建筑的面积及总造价。
5.如权利要求1所述的构建方法,其特征在于,所述非建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤包括:
1)POI数据筛选与分类根据风险暴露数据库构建的需求及POI数据特点,为POI数据设置商业及工业POI大类标签;
2)建筑物数据与POI分类匹配;
3)POI评分体系构建;
4)POI合并及权重计算;
其中,所述POI评分体系构建包括如下步骤:
3.1)选取样本区域并计算样本区域面积;
3.2)不同建筑类别评分区间及归一化设定;
3.3)计算POI权重因子;
3.4)所述样本区域的POI权重结果输出。
6.一种巨灾模型的行业风险暴露数据库,其特征在于,包括如下组件:数据源采集组件所述数据源采集组件采集的数据源包括建筑物数据、POI数据、统计年鉴数据、人口密度数据、城乡分布数据中的一种或多种;
数据处理和融合组件,所述数据处理和融合组件被配置为将数据源直接计算和/或经数据处理和融合,空间汇总到预设的空间分辨率的网格上;空间拆分组件所述空间拆分组件被配置为以所述人口密度数据作为空间权重进行住宅建筑面积、造价的空间拆分,以所述建筑物数据及POI数据进行商业和工业建筑面积、造价的空间拆分;
构建组件,所述构建组件被配置为按照预设的空间分辨率的网格构建行业标的数据库,所述行业标的数据库包括面积分布数据库和建筑造价分布数据库中的一种或多种。
7.如权利要求6所述的数据库,其特征在于,
所述建筑物数据包括商业建筑物数据、工业建筑物数据、住宅建筑物数据和其他建筑物数据,所述建筑物数据用于描述建筑物地址、占地面积、楼高、用途等属性信息的数据;
所述POI数据可用于描述“兴趣点”的经纬度、名称、地址、用途等;
名称、类别、坐标、分类;
所述统计年鉴数据包括工商业建筑总面积数据、城镇/农村人均住宅面积数据、城乡住宅建筑造价数据、工商业建筑造价数据;
所述人口密度数据是用于描述每1KM网格内人口密集程度的数据;
所述城乡空间分布数据用于实现城市和农村在空间上的划分。
8.如权利要求6所述的数据库,其特征在于,所述住宅建筑面积、造价空间拆分步骤包括:
获取全国人口密度数据及第一分辨率;
全国城市空间分布数据重采样步骤:获取城市分布空间分布数据及第二分辨率,当所述第一分辨率与所述第二分辨率不同时,按照第一分辨率重采样所述城市分布空间分布数据,使得所述第一分辨率与所述第二分辨率相同;当所述第一分辨率与所述第二分辨率相同时,无需重采样;全国城市/农村住宅面积计算步骤:依据所述城市网格空间分布数据,将全国人口密度数据进行城市及农村区划;并基于全国各市城市/人口人均住宅面积数据,计算各网格城市/农村住宅面积总量;计算方法为:人口密度*网格面积*人均住宅面积;
全国城市/农村住宅造价计算:基于全国城市/农村网格住宅面积总量和全国各市城市/农村住宅房屋造价数据,计算各网格住宅造价总量;网格计算方法为:住宅面积总量(城市/农村)*住宅面积造价(城市/农村)
住宅面积/住宅造价空间求和计算:将相同分辨率的全国住宅面积和全国住宅造价转为矢量点,将各点的面积及造价空间连接求和到网格上,获得全国的住宅面积及造价空间分布。
9.如权利要求6所述的构建方法,其特征在于,所述商业和工业建筑面积、造价空间拆分步骤包括:建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤、以及非建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤,其中,
所述建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤包括:
1)建筑物筛选与分类基于所述建筑物数据根据建筑物用途不同,设置建筑物数据的分类标签;
2)建筑面积及造价计算建筑面积用建筑层数与建筑占地面积计算所得;
3)建筑面积及造价空间化即得到每个网格内商业、工业建筑的面积及总造价。
10.如权利要求6所述的数据库,其特征在于,所述非建筑物覆盖区商业、工业建筑面积及造价空间拆分步骤包括:
1)POI数据筛选与分类根据风险暴露数据库构建的需求及POI数据特点,为POI数据设置商业及工业POI大类标签;
2)建筑物数据与POI分类匹配;
3)POI评分体系构建;
4)POI合并及权重计算;
其中,所述POI评分体系构建包括如下步骤:
3.1)选取样本区域并计算样本区域面积;
3.2)不同建筑类别评分区间及归一化设定;
3.3)计算POI权重因子;
3.4)所述样本区域的POI权重结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260064.4A CN112925764B (zh) | 2019-12-10 | 2019-12-10 | 一种巨灾模型的行业风险暴露数据库及其构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260064.4A CN112925764B (zh) | 2019-12-10 | 2019-12-10 | 一种巨灾模型的行业风险暴露数据库及其构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112925764A true CN112925764A (zh) | 2021-06-08 |
CN112925764B CN112925764B (zh) | 2023-09-12 |
Family
ID=76162143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911260064.4A Active CN112925764B (zh) | 2019-12-10 | 2019-12-10 | 一种巨灾模型的行业风险暴露数据库及其构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112925764B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151610A (zh) * | 2022-12-16 | 2023-05-23 | 中国水利水电科学研究院 | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218517A (zh) * | 2013-03-22 | 2013-07-24 | 南京信息工程大学 | 基于gis的区域网格化人口密度空间化计算方法 |
CN104699818A (zh) * | 2015-03-25 | 2015-06-10 | 武汉大学 | 一种多源异构的多属性poi融合方法 |
US20160063516A1 (en) * | 2014-08-29 | 2016-03-03 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate commercial characteristics based on geospatial data |
CN107247938A (zh) * | 2017-06-08 | 2017-10-13 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感影像城市建筑物功能分类的方法 |
CN108416043A (zh) * | 2018-03-14 | 2018-08-17 | 中煤科工集团重庆研究院有限公司 | 多平台空间数据融合与同步方法 |
CN108717676A (zh) * | 2018-04-23 | 2018-10-30 | 深圳市数字城市工程研究中心 | 基于多数据融合的不同尺度下的职住空间评价方法及系统 |
CN108871286A (zh) * | 2018-04-25 | 2018-11-23 | 中国科学院遥感与数字地球研究所 | 空间大数据协同的城市建成区人口密度估算方法和系统 |
CN109493119A (zh) * | 2018-10-19 | 2019-03-19 | 南京图申图信息科技有限公司 | 一种基于poi数据的城市商业中心识别方法及系统 |
CN109783591A (zh) * | 2018-12-29 | 2019-05-21 | 北京辰安科技股份有限公司 | 基于互联网地图的空间数据采集方法及装置 |
CN110147779A (zh) * | 2019-05-27 | 2019-08-20 | 宁夏云图勘测规划有限公司 | 一种遥感影像城市建筑物功能分类的方法 |
CN110263109A (zh) * | 2019-05-22 | 2019-09-20 | 中国科学院地理科学与资源研究所 | 一种融合互联网信息及gis技术的家庭户数估算方法 |
-
2019
- 2019-12-10 CN CN201911260064.4A patent/CN112925764B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218517A (zh) * | 2013-03-22 | 2013-07-24 | 南京信息工程大学 | 基于gis的区域网格化人口密度空间化计算方法 |
US20160063516A1 (en) * | 2014-08-29 | 2016-03-03 | The Nielsen Company (Us), Llc | Methods and apparatus to estimate commercial characteristics based on geospatial data |
CN104699818A (zh) * | 2015-03-25 | 2015-06-10 | 武汉大学 | 一种多源异构的多属性poi融合方法 |
CN107247938A (zh) * | 2017-06-08 | 2017-10-13 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感影像城市建筑物功能分类的方法 |
CN108416043A (zh) * | 2018-03-14 | 2018-08-17 | 中煤科工集团重庆研究院有限公司 | 多平台空间数据融合与同步方法 |
CN108717676A (zh) * | 2018-04-23 | 2018-10-30 | 深圳市数字城市工程研究中心 | 基于多数据融合的不同尺度下的职住空间评价方法及系统 |
CN108871286A (zh) * | 2018-04-25 | 2018-11-23 | 中国科学院遥感与数字地球研究所 | 空间大数据协同的城市建成区人口密度估算方法和系统 |
CN109493119A (zh) * | 2018-10-19 | 2019-03-19 | 南京图申图信息科技有限公司 | 一种基于poi数据的城市商业中心识别方法及系统 |
CN109783591A (zh) * | 2018-12-29 | 2019-05-21 | 北京辰安科技股份有限公司 | 基于互联网地图的空间数据采集方法及装置 |
CN110263109A (zh) * | 2019-05-22 | 2019-09-20 | 中国科学院地理科学与资源研究所 | 一种融合互联网信息及gis技术的家庭户数估算方法 |
CN110147779A (zh) * | 2019-05-27 | 2019-08-20 | 宁夏云图勘测规划有限公司 | 一种遥感影像城市建筑物功能分类的方法 |
Non-Patent Citations (11)
Title |
---|
CSUZBL: "城市规划前期分析中利用POI数据快速进行城市中心区识别", Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/95502569> * |
DIUCUINEI1369: "百度地图API根据某个经纬度值(地理坐标)查询对应的地址信息以及该地址周边的POI(Point of Interest,兴趣点)信息", Retrieved from the Internet <URL:https://blog.csdn.net/diucuinei1369/article/details/102420572> * |
WEIXIN_30521649: "地图POI类别标签体系建设实践", Retrieved from the Internet <URL:https://blog.csdn.net/weixin_30521649/article/details/102330443> * |
刘春蕾等: "基于"3S"的南京市大气污染源清单网格化空间分配研究", 《环境科学与管理》, vol. 42, no. 10, pages 1 - 3 * |
廖顺宝等: "基于人口分布与土地利用关系的人口数据空间化研究——以西藏自治区为例", 《自然资源学报》, vol. 18, no. 6 * |
曲畅等: "POI辅助下的高分辨率遥感影像城市建筑物功能分类研究", 《地球信息科学》, vol. 19, no. 6 * |
潘顺等: "长三角人口数据格网化及其人口空间分布特征分析", 《中国研究生硕士学位论文库-基础科学;社会科学Ⅱ辑》 * |
王旭等: "面向自然灾害风险分析的房屋价值空间化研究:以北京市为例", 《北京师范大学学报(自然科学版)》, vol. 54, no. 4, pages 1 * |
笔筒188: "(壹)规划师方向技能:人口网格数据热力图制作", Retrieved from the Internet <URL:https://blog.csdn.net/GIS_BT/article/details/60140179> * |
许泽宁等: "基于电子地图兴趣点的城市建成区边界识别方法", 《地理学报》, vol. 71, no. 6 * |
辜寄蓉等: "POI数据辅助下的泸州市城市地块用地类型现状快速判断与验证", 《中国农业资源与区划》, vol. 40, no. 11 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116151610A (zh) * | 2022-12-16 | 2023-05-23 | 中国水利水电科学研究院 | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 |
CN116151610B (zh) * | 2022-12-16 | 2023-10-03 | 中国水利水电科学研究院 | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112925764B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Comber et al. | Spatial interpolation using areal features: A review of methods and opportunities using new forms of data with coded illustrations | |
Batisani et al. | Urban expansion in Centre County, Pennsylvania: Spatial dynamics and landscape transformations | |
Sahsuvaroglu et al. | A land use regression model for predicting ambient concentrations of nitrogen dioxide in Hamilton, Ontario, Canada | |
Zheng et al. | U-air: When urban air quality inference meets big data | |
Echenique et al. | A spatial model of urban stock and activity | |
WO2016150407A1 (zh) | 一种基于地址解析数据的建设用地类型快速识别方法 | |
Zheng et al. | Assessing the completeness and positional accuracy of OpenStreetMap in China | |
Pijanowski et al. | Modelling urbanization patterns in two diverse regions of the world | |
Wang et al. | A patch‐based cellular automaton for simulating land‐use changes at fine spatial resolution | |
Liu et al. | A generalized framework for measuring pedestrian accessibility around the world using open data | |
Zandbergen et al. | Positional accuracy of TIGER 2000 and 2009 road networks | |
Singh | Evaluating two freely available geocoding tools for geographical inconsistencies and geocoding errors | |
CN110399569A (zh) | 一种基于大数据评估土地价值的方法及评估装置 | |
CN110659433A (zh) | Poi价值评估的方法、装置、设备和计算机存储介质 | |
Liu et al. | A quantitative method for storm surge vulnerability assessment–a case study of Weihai city | |
Xu et al. | Building height calculation for an urban area based on street view images and deep learning | |
CN112925764B (zh) | 一种巨灾模型的行业风险暴露数据库及其构建方法 | |
Hanus et al. | Three‐stage assessment of parcel area quality | |
Yagoub | Assessment of OpenStreetMap (OSM) Data: The Case of Abu Dhabi City, United Arab Emirates | |
CN117035511A (zh) | 燃气管道事故风险评估方法、设备、装置及介质 | |
Ariyanto et al. | A Web and Mobile GIS for Identifying Areas within the Radius Affected by Natural Disasters Based on OpenStreetMap Data. | |
CN112926175B (zh) | 一种双层嵌入式poi定量评分系统及空间权重模型 | |
CN112925773A (zh) | 一种构建行业风险暴露数据库的poi数据清洗与融合方法及装置 | |
Zhan et al. | Multiperspective evaluation model for the spatial distribution of public service facilities based on service capability and subjective preferences | |
Bildirici | Numerical inverse transformation for map projections |
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 |