CN112926175A - 一种双层嵌入式poi定量评分系统及空间权重模型 - Google Patents
一种双层嵌入式poi定量评分系统及空间权重模型 Download PDFInfo
- Publication number
- CN112926175A CN112926175A CN201911260047.0A CN201911260047A CN112926175A CN 112926175 A CN112926175 A CN 112926175A CN 201911260047 A CN201911260047 A CN 201911260047A CN 112926175 A CN112926175 A CN 112926175A
- Authority
- CN
- China
- Prior art keywords
- poi
- score
- building
- area
- data
- 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
- 238000010276 construction Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 16
- 125000000524 functional group Chemical group 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013278 delphi method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 60
- 238000009826 distribution Methods 0.000 description 20
- 238000004590 computer program Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012113 quantitative test Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000004566 building material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种地震巨灾模型风险暴露数据库中双层嵌入式POI评分系统及空间权重模型构建方法,主要针对所述POI数据集,依据第一规则将POI数据由L个小类归纳为M个POI大类;采集每个所述POI大类中全部POI小类的专家组评分数据;匹配建筑轮廓数据功能组和POI大类功能组,依据建筑功能组分值阈值范围和POI小类评分,确定各POI的定量分值,用于所述二级地理范围的非筑轮廓区的POI点属性(面积)赋分;将POI分值融合到空间网格上,获得(建筑面积)空间权重栅格数据。本发明的有益效果在于,提供了一种地震巨灾模型风险暴露数据库中双层嵌入式POI评分系统及空间权重模型构建方法,基于POI评分系统及空间权重模型可拆分统计的商业、工业建筑面积,总体结果较好。
Description
技术领域
本发明属于POI数据处理领域,特别涉及一种巨灾模型行业风险暴露数据库中基于建筑轮廓数据的POI定量评分系统及空间权重模型构建方法。
背景技术
行业风险暴露数据库是反映区域范围内各类商业、工业、住宅建筑等财产空间暴露的分布数据。在巨灾模型中,风险暴露数据库可以作为省级或地市级累积总保额空间拆分的重要依据,能极大提升累积保额下巨灾保险损失评估结果的空间精准度,对灾害风险管理具有重要的实用价值。同时,风险暴露数据库还可以支撑各类灾害和生态环境风险的定量风险评估,可有效助力政府部门及相关行业防灾减灾救灾及风险治理发展建设。
由于全国范围内精准空间数据获取困难,且成本极高,国内尚无各类覆盖全国范围的高精度风险暴露数据成果发布。因此基于小区域范围高精空间数据(如遥感解译的建筑轮廓几何数据),探索一种综合利用大区域范围低值空间数据(如POI点数据)的定量空间评分系统和空间权重模型,则能有效实现国家行政单元统计数据依据评分系统和空间权重,转化为可变尺度的高精度空间财产或价值分布及数据库建设。
发明内容
为了解决上述技术问题,本发明提供了一种双层嵌入式POI定量评分系统及空间权重模型的构建方法,包括如下步骤:
获取预建立行业风险暴露数据库地理范围内的二级地理范围核心区的建筑轮廓数据,以及所述全国地理范围内的具有P个POI小类的POI数据集;
分析建筑轮廓数据的几何信息,使得所述建筑轮廓数据具有建筑面积等量值属性;
选取所述城市建筑轮廓区内,与外部区域具有相近性的边缘样本区域范围内的建筑轮廓数据,设置至少N个类别的建筑功能组,并基于每个所述建筑功能组的平均建筑面积,依据归一化方法,确定功能组定量分值及分值阈值范围,其中N≥2;
针对所述POI数据集,依据第一规则将全国地理范围内的POI数据由L个小类归纳为M个POI大类,其中M=N且M<L;
单独针对每个所述POI大类中全部POI小类采集专家组评分数据,生成并输出所述POI小类因子打分表文件。
一一匹配建筑轮廓的N个功能组和POI大类的M个大类组,确定POI小类归属的建筑功能组及其分值阈值范围,依据POI小类权重得分,计算POI小类的定量分值,用于所述二级地理范围的非筑轮廓区的POI点属性面积赋分。
将各POI点的属性分值依据网格分辨率为j的网格单元融合到空间网格上,获得每个空间网格的建筑面积空间权重分值栅格数据。
本发明还提供了一种巨灾模型风险暴露数据库中一种双层嵌入式POI评分系统及空间权重模型,包括如下组件:
采集组件所述采集组件被配置为获取预建立地震巨灾模型风险暴露数据库的地理范围内的二级地理范围的建筑轮廓区的建筑轮廓数据,以及所述地理范围内的具有P个POI小类的POI数据集;
预分析组件所述分析组件被配置为分析建筑轮廓数据的几何信息,使得所述建筑轮廓数据具有建筑面积等量值属性;
样本评分组件所述第一评分组件被配置为选取所述城市建筑轮廓区内边缘样本区域范围内的建筑轮廓数据,设置至少N个类别的建筑功能组,并基于每个所述建筑功能组的平均建筑面积,依据归一化方法,确定功能组定量分值及分值阈值范围,其中N≥2;
POI分类组件所述POI分类组件被配置为针对所述POI数据集,依据第一规则将全国地理范围内的POI数据,由L个小类归纳为M个POI大类,其中M=N且M<L;
POI评分组件所述POI评分组件被配置为对每个所述POI大类中全部POI小类采集专家组评分数据,生成所述POI小类因子打分表;
评分系统融合组件匹配建筑轮廓的N个功能组和POI大类的M个大类组,确定POI小类归属的建筑功能组及其分值阈值范围,依据POI小类权重得分,计算POI小类的定量分值,用于所述二级地理范围的非筑轮廓区的POI点属性面积赋分。
POI空间权重输出组件将各POI点的属性分值依据网格分辨率为j的网格单元融合到空间网格上,获得每个空间网格的建筑面积空间权重分值栅格数据。
本发明的有益效果在于,提供了一种地震巨灾模型风险暴露数据库中双层嵌入式POI评分系统及空间权重模型构建方法,基于POI评分系统及空间权重模型可拆分统计的商业、工业建筑面积,总体结果较好。
附图说明
图1POI评分系统及权重模型框架图;
图2上海市商业建筑面积空间分布定量检验;
图3上海市工业建筑面积空间分布定量检验;
图4北京市商业建筑重置价值空间分布合理性检验;
图5北京市朝阳区商业建筑重置价值高值点空间分布;
图6北京市西城区商业建筑重置价值高值点空间分布;
图7北京市海淀区商业建筑重置价值高值点空间分布;
图8北京市工业建筑重置价值空间分布合理性检验;
具体实施方式
本发明关于一种双层嵌入式POI定量评分系统及空间权重模型的构建方法的一些实施例中,主要包括如下步骤:
获取预建立行业风险暴露数据库地理范围内的二级地理范围核心区的建筑轮廓数据,以及所述全国地理范围内的具有P个POI小类的POI数据集;
分析建筑轮廓数据的几何信息,使得所述建筑轮廓数据具有建筑面积等量值属性;
选取所述城市建筑轮廓区内,与外部区域具有相近性的边缘样本i km区域范围内的建筑轮廓数据,设置至少N个类别的建筑功能组,并基于每个所述建筑功能组的平均建筑面积,依据归一化方法,确定功能组定量分值及分值阈值范围,其中N≥2;
针对所述POI数据集,依据第一规则将全国地理范围内的POI数据由L个小类归纳为M个POI大类,其中M=N且M<L;
单独针对每个所述POI大类中全部POI小类采集专家组评分数据,生成并输出所述POI小类因子打分表文件。
一一匹配建筑轮廓的N个功能组和POI大类的M个大类组,确定POI小类归属的建筑功能组及其分值阈值范围,依据POI小类权重得分,计算POI小类的定量分值,用于所述二级地理范围的非筑轮廓区的POI点属性(面积)赋分。
将各POI点的属性分值依据分辨率为j的网格单元融合到空间网格上,获得每个空间网格的建筑面积空间权重分值栅格数据。
其中,“地理范围”包括但不限于中国、巴西、俄罗斯、印度等国家,亚洲、欧洲等大洲,以及其他基于保险业务临时限定的地域;“二级地理范围”包括省/洲、地区/市等,以及其他包括基于保险业务临时限定的地域,包括核心建筑轮廓区和非建筑轮廓区;“核心建筑轮廓区”是指可以基于遥感解译数据直接计算建筑物的面积的区域,通常为城市中心区域;“非建筑轮廓区”是指通常无法获得遥感解译数据直接计算建筑物的面积的区域,通常为城市郊区和农村地区;“建筑轮廓数据”至少包括经纬度字段、功能类型、面积字段、楼高字段和造价字段;“几何信息”包括基底面积、楼高等;“POI(Point Of Interest)”又称“兴趣点”,一个POI可以是一个超市、一个大厦、一个餐馆等,包括经纬度、功能大类、功能小类、名称、地址等字段信息,包括商业、工业等各类建筑类型;“网格”是以行和列组织的单元,本发明的多数实施例中选择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。“样本区域范围”包括但不限于城市核心建筑轮廓区的任一区域,本发明一些实施例中优选的是在城市核心建筑轮廓区内外围2.5km区域。“建筑功能组”的分类包括多种方式,在一些实施例中当N=9时,包括厂矿企业、商业建筑、批发市场\建材、餐饮、百货商场、其他商业、汽车代理店、汽车服务、会议\展览中心;在一些实施例中当N=2时,包括工业和商业。“POI权重值”是指在一定地理范围内某个网格的POI分值占该地理范围内总分值的占比。“POI打分表文件”通常为txt文件。“专家组评分数据”包括但不限于基于各种归纳或AI算法的将依据面积给POI小类进行的打分分值。
在一些实施例中可以采用的评分系统和权重模型构建方法包括如下步骤:
a)统计各功能组建筑的平均建筑面积;
b)设定最大建筑面积的功能类别为最大分值;
c)基于各建筑类别的平均建筑面积,计算以其建筑面积占最大功能建筑面积的占比,并将其百分占比与最大分值的乘积设为对应功能建筑的分值;
d)设定建筑类别分值上下阈值,优选的是,阈值设定依据分值大小等间距划分等级确定。
比如,设定最大建筑面积的功能类别分值为100。
在一些实施例中,阈值设定依据分值大小等级确定,并通过放大或缩小一定的倍数开展,并受以下约束:
a)分值等级较小的,放大/缩小的倍数相对较大;
b)分值等级较大的,放大/缩小的倍数相对较小;
c)分值的阈值范围保证在0-100之内,轮询确保无缺失分值;
d)缩小之后的阈值最小下限值尽量接近1,放大后的阈值最大上限值不超过100;
e)对于个别小类众多的建筑功能类别(如其他商业类型,POI小类有78个),适当扩大阈值范围,以保证阈值范围能够充分反映建筑面积大小的较大差异性,不受建筑功能类别分值的等级严格限定。
在一些实施例中,专家组评分以建筑功能组为对象,用Delphi方法对各类POI进行专家打分;优选的是,依据每个POI小类的平均面积大小,对每一个功能组进行小类相对分值的评分,其中功能组内面积最大的POI小类相对分值最高,为100分;功能组内面积最小的POI小类相对分值最低,可低至1分;最后取所有人打分的平均值作为POI打分最终结果。
在一些实施例中,POI小类的最终评分按如下公式计算:
POI_Score=min_type i score+(max_type i score-min_type i score)*poi_score_expert/100
其中,POI_Score为POI小类的最终评分,min_type i score为i类建筑功能类型的下限阈值,max_type i score为i类建筑功能类型的上限阈值,poi_score_expert为专家组的功能组内的POI相对分值。
中国大陆POI评分体系构建
POI评分体系可以以多个/单个行政单元构建,以突出既定行政单元内/间,因为经济发展程度导致的建筑类型属性的相似性/差异性;因此以反映经济发展程度的“胡焕庸线”划分东西部省份,经济发展程度相近的省份可共用同一套评分体系。综合全国68个核心城市建筑轮廓的空间分布,全国可建立东西2套POI评分体系:东部省份评分体系(1套)、西部省份评分体系(1套)。由于一线城市、直辖市、港澳地区经济较其他地区整体发展程度较高,同类建筑的平均面积相对较大,因此针对直辖市及港澳地区建立各自评分体系:直辖市评分体系(4套)、港澳地区评分体系(1套);同时由于西藏轮廓数据的可获得性,单独建立西藏自治区评分体系(1套),具体构建方法如下:
a)直辖市(北京、上海、天津、重庆)非建筑轮廓区以其本市的建筑轮廓覆盖区外围2.5km范围内建筑轮廓数据的各功能建筑的平均面积作为POI大类评分和阈值划定基础;
b)港澳地区非建筑轮廓区以最临域的深圳市建筑轮廓覆盖区外围2.5km范围内建筑轮廓数据的各功能建筑的平均面积作为POI大类评分和阈值划定基础;
c)西藏自治区非建筑轮廓区以拉萨市的建筑轮廓覆盖区外围2.5km范围内建筑轮廓数据的各功能建筑的平均面积作为POI大类评分和阈值划定基础;
d)其他省份非建筑轮廓区以三线城市(分东/西部)所有建筑轮廓区外围2.5km范围内建筑轮廓数据的各功能建筑的平均面积作为POI大类评分和阈值划定基础;
再以北京市为例,具体的打分体系构建步骤如下:
(1)北京市建筑面积计算
计算北京市建筑轮廓覆盖区外围2.5KM范围内建筑物面积,具体方法参照“建筑面积计算”
(2)不同建筑类别分值计算及阈值区间设定
建筑功能类别的分值设定以建筑轮廓区实际建筑面积信息为基础,并以功能组平均建筑面积的最大值类别赋值为100分,其余各类别则依据其占最大面积类别的面积占比作为分值设定标准。具体计算步骤如下:
a)统计各建筑类别的平均建筑面积;
b)设定最大建筑面积的功能类别为最大分值100;
c)基于各建筑类别的平均建筑面积,计算以其建筑面积占最大功能建筑面积的占比,并将其百分占比与最大分值的乘积设为对应功能建筑的分值;
d)建筑类别分值上下阈值设定;
由于建筑类别的设定依据其平均建筑面积的大小而定,且每个建筑类别下有众多对应的POI建筑功能小类,为差异化POI功能小类的分值,因此将建筑类别分值进行上下阈值的设定。通过反复测算,阈值设定以分值大小等间距划分等级为基础,并通过放大或缩小一定的倍数开展。
不同建筑类别评分区间设定原则:
a)分值等级较小的,放大/缩小的倍数相对较大(因为分值绝对值差异较小);
b)分值等级较大的,放大/缩小的倍数相对较小(因为分值绝对值差异较大);
c)分值的阈值范围尽量保证在0-100之内无缺失分值;
d)缩小之后的阈值最小下限值尽量接近1,放大后的阈值最大下限值不超过100;
e)对于个别小类众多的建筑功能类别(如其他商业类型,POI小类有78个),适当扩大阈值范围,不受建筑功能类别分值的等级限定。
(3)POI分值采集
为实现两层评分体系的有效衔接和嵌入,POI功能组分别以建筑功能分类为基准。依据建筑类型的功能分类,将POI分别归类到对应的建筑功能类别。因此,POI功能分类亦为厂矿企业、商业建筑、批发市场\建材、餐饮、百货商城、其它商业、汽车代理店、汽车服务、会议\展览中心共9大类别。其中厂矿企业为工业,其它类别为商业。
专家组评分以建筑功能组为对象,用Delphi方法对各类POI进行专家打分。Delphi方法本质上是一种反馈匿名函询法,具有匿名性、反馈性、统计性的特点。风险暴露数据库开发团队邀请10位专家,进行打分。依据每个POI小类的平均面积大小,对每一个功能组内的POI小类进行相对分值的评分,其中功能组内面积最大的POI小类相对分值最高,为100分;功能组内面积最小的POI小类相对分值最低,可低至1分。最后取所有人打分的平均值作为POI打分最终结果。
(4)双层评分系统嵌入及POI权重结果输出
北京市POI评分系统以行政单元范围内的建筑类别评分阈值和POI功能组专家组评分为基础,并以专家评分作为阈值区间分值取值的占比。其具体计算公式如下:
POI_Score=min_type i score+(max_type i score-min_type i score)*poi_score_expert/100
其中,为POI小类的最终评分,min_type i score为i类建筑功能类型的下限阈值,max_type i score为i类建筑功能类型的上限阈值,poi_score_expert为专家组给的功能组内的POI相对分值。
本发明的一种巨灾模型风险暴露数据库中双层嵌入式POI评分系统及空间权重模型的一些实施例中,包括如下组件:
采集组件所述采集组件被配置为获取预建立地震巨灾模型风险暴露数据库的地理范围内的二级地理范围的建筑轮廓区的建筑轮廓数据,以及所述地理范围内的具有P个POI小类的POI数据集;
预分析组件所述分析组件被配置为分析建筑轮廓数据的几何信息(基底面积、楼高等),使得所述建筑轮廓数据具有建筑面积等量值属性;
样本评分组件所述第一评分组件被配置为选取所述城市建筑轮廓区内边缘样本区域范围(外围xkm)内的建筑轮廓数据,设置至少N个类别的建筑功能组,并基于每个所述建筑功能组的平均建筑面积,依据归一化方法,确定功能组定量分值及分值阈值范围,其中N≥2;
POI分类组件所述POI分类组件被配置为针对所述POI数据集,,依据第一规则将全国地理范围内的POI数据,由L个小类归纳为M个POI大类,其中M=N且M<L;
POI评分组件所述POI评分组件被配置为对每个所述POI大类中全部POI小类采集专家组评分数据,生成所述POI小类因子打分表;
评分系统融合组件匹配建筑轮廓的N个功能组和POI大类的M个大类组,确定POI小类归属的建筑功能组及其分值阈值范围,依据POI小类权重得分,计算POI小类的定量分值,用于所述二级地理范围的非筑轮廓区的POI点属性(面积)赋分。
POI空间权重输出组件将各POI点的属性分值依据分辨率为j的网格单元融合到空间网格上,获得每个空间网格的建筑面积空间权重分值栅格数据。
本发明的评分设置模块的一些实施例中,所述评分设置模块被配置为:
a)统计各建筑类别的平均建筑面积;
b)设定最大建筑面积的功能类别为最大分值(100);
c)基于各建筑类别的平均建筑面积,计算以其建筑面积占最大功能建筑面积的占比,并将其百分占比与最大分值的乘积设为对应功能建筑的分值;
d)设定建筑类别分值上下阈值,优选的是,阈值设定以分值大小等间距划分等级。
本发明的一些划分等级通过等级划分模块的实施例中,所述等级划分模块被配置为所述间距划分等级并通过放大或缩小一定的倍数开展,并受以下约束:
a)分值等级较小的,放大/缩小的倍数相对较大(因为分值绝对值差异较小);
b)分值等级较大的,放大/缩小的倍数相对较小(因为分值绝对值差异较大);
c)分值的阈值范围保证在0-100之内,轮询确保无缺失分值;
d)缩小之后的阈值最小下限值尽量接近1,放大后的阈值最大下限值不超过100;
e)对于个别小类众多的建筑功能类别(如其他商业类型,POI小类有78个),适当扩大阈值范围,不受建筑功能类别分值的等级限定。
9.如权利要求3所述的系统,其特征在于,所述专家组评分由专家组评分模块来完成,所述专家组评分模块被配置为所述专家组评分以建筑功能组为对象,用Delphi方法对各类POI进行专家打分;优选的是,依据每个POI小类的面积大小,对每一个功能组内的进行相对分值的评分,其中功能组内面积最大的POI小类相对分值最高,为100分;功能组内面积最小的POI小类相对分值最低,可低至1分;最后取所有人打分的平均值作为POI打分最终结果。
本发明的系统实施例中,所述POI小类的最终评分按如下公式计算:
POI_Score=min_type i score+(max_type i score-min_type i score)*poi_score_expert/100
其中,POI_Score为POI小类的最终评分,min_type i score为i类建筑功能类型的下限阈值,max_type i score为i类建筑功能类型的上限阈值,poi_score_expert为专家组给的功能组内的POI相对分值。
以下试验例通过结果校验来进一步解释本发明的地震巨灾模型风险暴露数据库中POI评分系统及空间权重模型的构建方法。
试验例基于POI评分系统及空间权重模型的全国商业、工业建筑面积空间分布定量校验及建筑重置价值空间分布的结果校验1)商业、工业建筑面积拆分过程的定量验证
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,与原统计数据做对比,R2=1,拆分过程正确。
2)商业、工业面积拆分结果的定量检验
由于商业/工业的面积拆分都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,检验评分系统及权重模型在应用上的空间分布的准确性。以上海市为例,基于评分系统和权重模型所得的各区建筑面积总量与区县统计数据吻合度较高,结果如图2、图3所示。
3)区域商业、工业建筑重置价值空间分布合理性检验---北京市为例
由于同一地区同种建筑类型造价基本一致,因此依据建筑面积和一致建筑造价所核算所得的建筑重置价值,其空间分布的合理性,可以直接反映出基于评分系统和权重模型所得的建筑面积的空间分布的合理性。将北京市商业建筑重置价值空间分布结果与Google Earth底图叠加进行检验:图4中红色圈范围显示,Google Earth展现的人类活动和建筑密度地区,与商业建筑重置价值高值地区基本一致。以北京市都市工业空间布局专题图做参考,基于评分系统和权重模型所得的工业建筑重置价值空间分布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(图5)。
4)商业、工业建筑重置价值高值点分布合理性检验
北京市朝阳区、西城区、海淀区商业建筑重置价值空间分布如图6、图7、图8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。
5)基于遥感解译的高精建筑属性数据的定量验证----山东省济南市为例
遥感解译的高精建筑属性数据可直观反映出区域范围内任意楼栋建筑的建筑基底面积及楼高信息,即可反映出任意楼栋的建筑面积信息,及其基于建筑造价核算的建筑重置价值信息。因此,基于建筑楼栋信息汇总的建筑面积及建筑造价,对比基于POI评分系统及空间权重模型分析所得的建筑面积和建筑造价,可直观反映出评分系统和空间权重模型的科学性。
以山东省济南市为例,对于商业建筑而言,用遥感解译的建筑轮廓数据方法得到的随机城区范围内商业建筑面积1795万平方米(总重置价值为724亿元);利用POI评分系统及空间权重模型分析所得的对应区域范围内的商业建筑总面积1869万平方米(总重置价值为754亿元)。POI评分系统及空间权重模型方法所得的建筑面积/价值较遥感解译的高精轮廓数据方法而言,结果高4.14%,总体一致性较强。
以山东省济南市为例,对于工业建筑而言,用遥感解译的建筑轮廓数据方法得到的随机城区范围内工业建筑总面积1577万平方米(总重置价值为575亿元);利用POI评分系统及空间权重模型分析所得的对应区域范围内的商业建筑总面积1712万平方米(总重置价值为624.5亿元)。POI评分系统及空间权重模型方法所得的建筑面积/价值较遥感解译的高精轮廓数据方法而言,结果高8.6%,总体一致性较强。
随机城区商业及工业建筑面积/价值总量存在的少量误差,主要源于郊区POI数据采集不全,导致城区POI权重相对略高于实际。因此,POI评分系统及空间权重模型存在较强的精准性。
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)
1.一种地震巨灾模型风险暴露数据库中双层嵌入式POI定量评分系统及空间权重模型构建方法,其特征在于:包括如下步骤:
获取预建立行业风险暴露数据库地理范围内的二级地理范围核心区的建筑轮廓数据,以及所述全国地理范围内的具有P个POI小类的POI数据集;
分析建筑轮廓数据的几何信息,使得所述建筑轮廓数据具有建筑面积等量值属性;
选取所述城市建筑轮廓区内,与外部区域具有相近性的边缘样本区域范围内的建筑轮廓数据,设置至少N个类别的建筑功能组,并基于每个所述建筑功能组的平均建筑面积,依据归一化方法,确定功能组定量分值及分值阈值范围,其中N≥2;
针对所述POI数据集,依据第一规则将全国地理范围内的POI数据由L个小类归纳为M个POI大类,其中M=N且M<L;
单独针对每个所述POI大类中全部POI小类采集专家组评分数据,生成并输出所述POI小类因子打分表文件;
一一匹配建筑轮廓的N个功能组和POI大类的M个大类组,确定POI小类归属的建筑功能组及其分值阈值范围,依据POI小类权重得分,计算POI小类的定量分值,用于所述二级地理范围的非筑轮廓区的POI点属性面积赋分;
将各POI点的属性分值依据网格分辨率为j的网格单元融合到空间网格上,获得每个空间网格的建筑面积空间权重分值栅格数据。
2.如权利要求1所述的方法,其特征在于,所述评分构建方法为:
a)统计各建筑类别的平均建筑面积;
b)设定最大建筑面积的功能类别为最大分值;
c)基于各建筑类别的平均建筑面积,计算以其建筑面积占最大功能建筑面积的占比,并将其百分占比与最大分值的乘积设为对应功能建筑的分值;
d)设定建筑类别分值上下阈值,优选的是,阈值设定依据分值大小等间距划分等级确定。
3.如权利要求2所述的方法,其特征在于,所述间距划分等级并通过放大或缩小一定的倍数开展,并受以下约束:
a)分值等级较小的,放大/缩小的倍数相对较大(因为分值绝对值差异较小);
b)分值等级较大的,放大/缩小的倍数相对较小(因为分值绝对值差异较大);
c)分值的阈值范围保证在0-100之内,轮询确保无缺失分值;
d)缩小之后的阈值最小下限值尽量接近1,放大后的阈值最大下限值不超过100;
e)对于个别小类众多的建筑功能类别(如其他商业类型,POI小类有78个),适当扩大阈值范围,不受建筑功能类别分值的等级限定。
4.如权利要求3所述的方法,其特征在于,所述专家组评分以建筑功能组为对象,用Delphi方法对各类POI进行专家打分;优选的是,依据每个POI小类的面积大小,对每一个功能组内的进行相对分值的评分,其中功能组内面积最大的POI小类相对分值最高,为100分;功能组内面积最小的POI小类相对分值最低,可低至1分;最后取所有人打分的平均值作为POI打分最终结果。
5.如权利要求4所述的方法,其特征在于,所述POI小类的最终评分按如下公式计算:
POI_Score=min_type i score+(max_type i score-min_type i score)*poi_score_expert/100
其中,POI_Score为POI小类的最终评分,min_type i score为i类建筑功能类型的下限阈值,max_type i score为i类建筑功能类型的上限阈值,poi_score_expert为专家组给的功能组内的POI相对分值。
6.一种巨灾模型风险暴露数据库中POI评分系统及空间权重模型,其特征在于:包括如下组件:采集组件所述采集组件被配置为获取预建立地震巨灾模型风险暴露数据库的地理范围内的二级地理范围的建筑轮廓区的建筑轮廓数据,以及所述地理范围内的具有P个POI小类的POI数据集;
预分析组件所述分析组件被配置为分析建筑轮廓数据的几何信息,使得所述建筑轮廓数据具有建筑面积等量值属性;
样本评分组件所述第一评分组件被配置为选取所述城市建筑轮廓区内边缘样本区域范围内的建筑轮廓数据,设置至少N个类别的建筑功能组,并基于每个所述建筑功能组的平均建筑面积,依据归一化方法,确定功能组定量分值及分值阈值范围,其中N≥2;
POI分类组件所述POI分类组件被配置为针对所述POI数据集,,依据第一规则将全国地理范围内的POI数据,由L个小类归纳为M个POI大类,其中M=N且M<L;
POI评分组件所述POI评分组件被配置为对每个所述POI大类中全部POI小类采集专家组评分数据,生成所述POI小类因子打分表;
评分系统融合组件匹配建筑轮廓的N个功能组和POI大类的M个大类组,确定POI小类归属的建筑功能组及其分值阈值范围,依据POI小类权重得分,计算POI小类的定量分值,用于所述二级地理范围的非筑轮廓区的POI点属性面积赋分。
POI空间权重输出组件将各POI点的属性分值依据网格分辨率为j的网格单元融合到空间网格上,获得每个空间网格的建筑面积空间权重分值栅格数据。
7.如权利要求6所述的系统,其特征在于,所述设置评分由评分设置模块完成,所述评分设置模块被配置为:
a)统计各建筑类别的平均建筑面积;
b)设定最大建筑面积的功能类别为最大分值;
c)基于各建筑类别的平均建筑面积,计算以其建筑面积占最大功能建筑面积的占比,并将其百分占比与最大分值的乘积设为对应功能建筑的分值;
d)设定建筑类别分值上下阈值,优选的是,阈值设定依据分值大小等间距划分等级确定。
8.如权利要求7所述的系统,其特征在于,所述划分等级通过等级划分模块来完成,所述等级划分模块被配置为所述间距划分等级并通过放大或缩小一定的倍数开展,并受以下约束:
a)分值等级较小的,放大/缩小的倍数相对较大(因为分值绝对值差异较小);
b)分值等级较大的,放大/缩小的倍数相对较小(因为分值绝对值差异较大);
c)分值的阈值范围保证在0-100之内,轮询确保无缺失分值;
d)缩小之后的阈值最小下限值尽量接近1,放大后的阈值最大下限值不超过100;
e)对于个别小类众多的建筑功能类别(如其他商业类型,POI小类有78个),适当扩大阈值范围,不受建筑功能类别分值的等级限定。
9.如权利要求3所述的系统,其特征在于,所述专家组评分由专家组评分模块来完成,所述专家组评分模块被配置为所述专家组评分以建筑功能组为对象,用Delphi方法对各类POI进行专家打分;优选的是,依据每个POI小类的面积大小,对每一个功能组内的进行相对分值的评分,其中功能组内面积最大的POI小类相对分值最高,为100分;功能组内面积最小的POI小类相对分值最低,可低至1分;最后取所有人打分的平均值作为POI打分最终结果。
10.如权利要求4所述的系统,其特征在于,所述POI小类的最终评分按如下公式计算:
POI_Score=min_type i score+(max_type i score-min_type i score)*poi_score_expert/100
其中,POI_Score为POI小类的最终评分,min_type i score为i类建筑功能类型的下限阈值,max_type i score为i类建筑功能类型的上限阈值,poi_score_expert为专家组给的功能组内的POI相对分值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260047.0A CN112926175B (zh) | 2019-12-10 | 2019-12-10 | 一种双层嵌入式poi定量评分系统及空间权重模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260047.0A CN112926175B (zh) | 2019-12-10 | 2019-12-10 | 一种双层嵌入式poi定量评分系统及空间权重模型 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112926175A true CN112926175A (zh) | 2021-06-08 |
CN112926175B CN112926175B (zh) | 2024-04-09 |
Family
ID=76162145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911260047.0A Active CN112926175B (zh) | 2019-12-10 | 2019-12-10 | 一种双层嵌入式poi定量评分系统及空间权重模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926175B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672788A (zh) * | 2021-07-22 | 2021-11-19 | 东南大学 | 一种基于多源数据和权重系数法的城市建筑功能分类方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140258310A1 (en) * | 2013-03-05 | 2014-09-11 | Telenav, Inc. | Navigation system with content curation mechanism and method of operation thereof |
CN106777169A (zh) * | 2016-12-21 | 2017-05-31 | 北京车网互联科技有限公司 | 一种基于车联网数据的用户出行喜好分析方法 |
CN109325085A (zh) * | 2018-08-08 | 2019-02-12 | 中南大学 | 一种城市用地功能识别与变化检测方法 |
-
2019
- 2019-12-10 CN CN201911260047.0A patent/CN112926175B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140258310A1 (en) * | 2013-03-05 | 2014-09-11 | Telenav, Inc. | Navigation system with content curation mechanism and method of operation thereof |
CN106777169A (zh) * | 2016-12-21 | 2017-05-31 | 北京车网互联科技有限公司 | 一种基于车联网数据的用户出行喜好分析方法 |
CN109325085A (zh) * | 2018-08-08 | 2019-02-12 | 中南大学 | 一种城市用地功能识别与变化检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113672788A (zh) * | 2021-07-22 | 2021-11-19 | 东南大学 | 一种基于多源数据和权重系数法的城市建筑功能分类方法 |
CN113672788B (zh) * | 2021-07-22 | 2024-04-09 | 东南大学 | 一种基于多源数据和权重系数法的城市建筑功能分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112926175B (zh) | 2024-04-09 |
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 | |
Lwin et al. | A GIS approach to estimation of building population for micro‐spatial analysis | |
Zheng et al. | Assessing the completeness and positional accuracy of OpenStreetMap in China | |
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 | |
CN107133900B (zh) | 城市土地混合利用特征格网计算方法及装置 | |
US11966424B2 (en) | Method and apparatus for dividing region, storage medium, and electronic device | |
WO2022198963A1 (zh) | 基于大数据的商业空间品质评价方法、系统、设备及介质 | |
Hu et al. | Extraction and monitoring approach of dynamic urban commercial area using check-in data from Weibo | |
CN113139760B (zh) | 基于风雨大数据的台风风险综合评估方法及系统 | |
CN110826454B (zh) | 一种遥感影像变化检测方法及装置 | |
CN114091756A (zh) | 一种基于泰森多边形的乡镇级海啸风险评估方法 | |
Mast et al. | Mapping urban villages using fully convolutional neural networks | |
CN112926175A (zh) | 一种双层嵌入式poi定量评分系统及空间权重模型 | |
Husen et al. | The quality of OpenStreetMap in Malaysia: A preliminary assessment | |
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 | |
CN107066572A (zh) | 基于众源地理数据空间聚类的地表覆盖分类方法及系统 | |
CN112925764B (zh) | 一种巨灾模型的行业风险暴露数据库及其构建方法 | |
Droj | GIS and remote sensing in environmental management | |
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 | |
Bahri et al. | Integrated facility and assets management using GIS-Web application | |
Wüster et al. | GSETT-3: Evaluation of the detection and location capabilities of an experimental global seismic monitoring system | |
Yin et al. | Disaggregation of an urban population with M_IDW interpolation and building information | |
Kusumo | Utilizing volunteered geographic information to assess community's flood evacuation shelters: case study: Jakarta | |
Abera | Use of multi-criteria decision analysis integrated with GIS and air pollution model inputs for schools site selection. |
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 |