CN113034323A - 基于gis和大数据技术的智慧园林管理平台 - Google Patents

基于gis和大数据技术的智慧园林管理平台 Download PDF

Info

Publication number
CN113034323A
CN113034323A CN202110192824.3A CN202110192824A CN113034323A CN 113034323 A CN113034323 A CN 113034323A CN 202110192824 A CN202110192824 A CN 202110192824A CN 113034323 A CN113034323 A CN 113034323A
Authority
CN
China
Prior art keywords
garden
data
technology
gis
space
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.)
Pending
Application number
CN202110192824.3A
Other languages
English (en)
Inventor
余正
金平
周川
林成达
何芳
刘昆
崔亚豪
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.)
Wenzhou Design Assembly Co ltd
Original Assignee
Wenzhou Design Assembly 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 Wenzhou Design Assembly Co ltd filed Critical Wenzhou Design Assembly Co ltd
Priority to CN202110192824.3A priority Critical patent/CN113034323A/zh
Publication of CN113034323A publication Critical patent/CN113034323A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • 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
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/10—Forestry
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G16Y40/35—Management of things, i.e. controlling in accordance with a policy or in order to achieve specified objectives

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Remote Sensing (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Educational Administration (AREA)
  • Physiology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Fuzzy Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)

Abstract

本发明涉及基于GIS和大数据技术的智慧园林管理平台，简称“智慧园林”，包括生态园林时空大数据库、综合信息可视化系统、监测与控制系统、大数据动态管理GIS系统、业务管理系统以及辅助决策系统；以生态园林时空大数据库提供数据支持，通过综合信息可视化系统辅助精细化管理和宏观决策，通过监测与控制系统进行实时预警监测，通过大数据动态管理GIS系统对园林绿化数据即时更新，通过业务管理系统管理园林业务，通过辅助决策系统为决策提供数据支持；实现数据信息化、管理智慧化、监管自动化的“智慧园林”。

Description

基于GIS和大数据技术的智慧园林管理平台
技术领域
本发明属于园林管理技术领域，尤其涉及基于GIS和大数据技术的智慧园林管理平台。
背景技术
园林绿化作为城市的重要组成部分，是重要的自然环境生态资源，影响区域社会、生态、经济协调发展的生态基础设施，其分布与数量是衡量自然生态环境宜居程度的基本指标，是规划人员进行城市发展战略分析、编制规划的重要内容，也是管理人员制订城市发展政策时的重要依据；园林绿化关系每个人切身利益，是我们工作生活中体验自然、贴近自然的主要场所，也是教育、娱乐和社会活动的重要公共空间。随着城市绿化种类、数量和密度不断增加，城市园林体系越来越庞大、复杂性也越来越强，同时大量城市绿化新建和改造工程的实施也增加了管理服务的难度；但园林管理服务平台还是采用人工管理方式，管理手段落后且信息化程度低，同时绿地养护缺乏有效的外部监督，各类园林信息资料以及相关工程资料存在情况不清、资料不全、精度不准、无法科学利用、缺乏有效共享等问题；且园林信息的管理还面临着数据现势性、管理动态性、应用广泛性、内容详细性等方面的困难，无法满足城区快速形成和发展的现状。因此，研发能为园林绿化数据信息化、管理智慧化、监管自动化提供支持的基于GIS和大数据技术的智慧园林管理平台成为了急需解决的技术问题。
发明内容
本发明为解决上述问题，提供了基于GIS和大数据技术的智慧园林管理平台。
本发明的技术方案，基于GIS和大数据技术的智慧园林管理平台，简称“智慧园林”，所述“智慧园林”包括生态园林时空大数据库、综合信息可视化系统、监测与控制系统、大数据动态管理GIS系统、业务管理系统以及辅助决策系统；所述生态园林时空大数据库的数据通过多种方式采集，包括地理空间数据，研究区域城市绿地资源，历史资料；所述综合信息可视化系统运用大数据可视化技术和空间可视化技术生成各类园林信息，辅助精细化管理和宏观决策；所述监测与控制系统运用物理网技术、现代通信技术及控制技术，实现园林绿化环境的实时预警监测；所述大数据动态管理GIS系统以生态园林时空大数据库为核心，通过项目化的形式将园林绿化数据即时更新到数据库；所述业务管理系统以园林业务为核心，以项目化的形式针对业务工作进行全流程管理，该业务管理系统包含现场移动执法终端系统(APP)；所述辅助决策系统，通过进行园区指标的测算各项决策提供数据支持。
采用上述方法后，通过生态园林时空大数据库，提供用于支持后续“智慧园林”建设所需的数据；通过综合信息可视化系统，帮助管理人员方便形象的了解各类园林信息和统计数据，辅助政务精细化管理和宏观决策；通过监测与控制系统，提高植保水平，降低水资源、能源和人力资源的消耗，有效保持生态环境，美化宜居城市；通过大数据动态管理GIS系统，形成园林大数据实时化、可视化、空间化、智能化管理，有效保障数据的现势性和生命力，同时实现园林大数据对其他部门及社会公众的高效、授权共享，形成完备的信息共建共享机制；通过业务管理系统，实现园林设施全生命周期信息化、智慧化管理；通过辅助决策系统，充分利用丰富、实时、精准的园林大数据，科学指导监督园林绿化规划建设整体部署和落实，辅助领导科学决策。
作为本发明的进一步改进，所述“智慧园林”运用多项信息化技术构建，所用信息化技术包括地理信息(GIS)、物联网(IoT)、大数据(BD)、云计算、移动互联网以及业务柔性定制；所述物联网技术通过传感器设备和智能控制设备，对园区绿化的灾害情况进行监测，并根据参数对园林进行远程智能操作；所述地理信息技术将生态园林时空大数据库中的表格型数据以空间可视化方式进行展示管理，利用时空数据技术建立完善的园林历史数据库，同时利用GIS的空间分析功能，支撑决策生成；所述云计算技术考虑平台在云环境中的部署运行能力，充分利用电子政务云的软硬件资源和网络安全资源；所述大数据技术通过研究建立生态园林时空大数据库，容纳园林绿地信息和传感器获取的实时信息，并建立数据关系链，通过大数据挖掘技术进行大数据分析；所述移动互联网技术利用移动智能终端实现园林各项工作的管理，并通过移动互联网展示园林绿化信息服务，建立园林绿化建设和监督的公众平台；所述业务柔性定制技术与园林业务管理相结合，提供管理全过程的可视化、优化、以及版本迭代，定制和搭建园林复杂业务。
采用上述方法后，通过物联网技术实现智能化识别、定位、跟踪、监控和管理；通过地理信息技术，将表格型数据转换为地理图形显示，实现数据空间可视化，为分析园区数据提供了便利；通过云计算技术，按照用户需求动态地提供虚拟化的、可伸缩的IT服务，确保管理服务平台运行环境安全稳定可靠；通过大数据技术，进行大数据挖掘、分析，辅助政务管理、社会服务和领导决策；通过移动互联网技术，将园林办公模式打破空间和时间限制，引导公众积极参与；通过业务柔性定制技术，通过内建的可视化工具，提供基础服务，以及安全机制、消息机制实现一个业务应用定制开发。
作为本发明的进一步改进，所述生态园林时空大数据库包括地理信息数据、园林绿地数据、园林指标数据、业务数据、专题数据、监管监测数据、公共服务数据、知识库数据以及系统运维数据；所述园林绿地数据的采集与建库是生态园林时空大数据库研究建设的核心，通过全面收集历史资料为基础，运用地理信息GIS、遥感技术RS、卫星导航GPS这三项对地观测技术，获取城市园林绿地及相关公共设施的信息，并在平台日常使用过程中自动沉淀园林数据。
采用上述方法后，通过生态园林时空大数据库收集各项数据，尤其是园林绿地的相关数据，以此为平台各个系统提供数据基础，并且通过持续收集日常数据，动态更新园林绿地数据，保证了当前数据的可靠性。
作为本发明的进一步改进，所述多项信息化技术构建“智慧园林”包括基于实景影像测量的园林绿地精细化普查方法；所述基于实景影像测量的园林绿地精细化普查方法利用可量测实景影像技术提示采集效率；通过可量测实景影像(Digital MeasureableImage，简称 DMI)的可移动测绘系统以及影像采集设备，开展移动实景影像采集，并将实景影像的每一帧都关联到其空间坐标，使用空间线图层存储实景影像对应的线要素数据；所述线要素具备 M值，实景影像的每一帧对应线要素中的一个点，该点的M值存储其对应的视频帧编号；该基于实景影像测量的园林绿地精细化普查方法还包括采集树木空间位置，依靠实景测量拍摄的全景影像与GIS信息结合采集树木各项数据信息，经过数据处理步骤后展示采集线路上任一点的实景影像，通过不同时刻采集的全景影像中同名点的捕捉，利用双目视觉原理，还原实景影像中任一点的坐标，并利用辅助网格进行点位坐标采集测量。
采用上述方法后，通过存储实景影像与空间位置的对应关系，可以通过实景影像的帧号获取其对应的空间位置；也可以通过空间位置快速查询到该点位对应的视频及帧号，从而建立起移动实景影像与空间位置的一一对应关系；且实景影像测量在普查准确率、普查覆盖率等指标上的表现也较传统人工普查有显著的提升；对于适合移动测量系统采集的部件，只需在内业以影像回放检查的方式控制好质检，而无需繁重的外业补漏，避免了补查的人力二次耗费，整体质量也得以保障。
作为本发明的进一步改进，所述多项信息化技术构建“智慧园林”还包括基于GIS和大数据技术的绿地选址目标优化算法，所述基于GIS和大数据技术的绿地选址目标优化算法将遗传算法与Pareto多目标技术结合，构建基于Pareto多目标遗传算法的公共服务设施优化选址模型，提供包含多个最优解的最优解集，从最优解集中选择一个或多个最终方案；具体算法如下，以最小值多目标优化问题(Multi-Objective Optimization Problems,MOPs)为例,MOPs可描述为：
Minimize y＝f(x)＝[f1(x)，f2(x)，...，fk(x)]
Subject to
e(x)＝[e1(x)，e2(x)，...，em(x)]≤0
其中
x＝(x1，x2，...，xn)∈X
y＝(y1，y2，...，yn)∈Y
f(x)表示优化目标函数；k表示优化目标的个数；e(x)表示约束条件函数；m表示限制条件的个数；x表示决策变量；y表示目标向量；X表示决策变量x形成的决策空间；Y表示目标向量y形成的目标空间；由定义可知，MOPs通常由多个相互制约的目标构成，通过子目标之间进行权衡和折中处理，使各子目标尽可能达到最优；单目标优化问题的最优解是单个全局最优解，即Pareto最优解；与遗传算法结合，若要在给定的 m+n格网空间上选取p个绿地，需满足：(1)所有网格单元上的人口到距离其最近绿地的距离成本之和最小且绿地距离道路距离最小；(2)绿地可服务的人口数目最多；多目标绿地选址模型的目标函数定义如下：
目标函数1：
Figure RE-GDA0003042101690000041
目标函数2：
Figure RE-GDA0003042101690000042
公式(1)所述为基于多目标遗传算法的绿地选址问题距离成本目标，disx(c)表示网格c到p个选址位置的欧几里得距离；road(p)表示p个选址点与道路距离之和；Croad为目标函数1的系数；公式(2)所述为服务人口数量目标，dense(c)表示当前网格c上的人口密度，Darea表示当前网格的面积大小，
Figure RE-GDA0003042101690000051
表示p个选址位置点对于当前网格c上人口的吸引程度，其中r是吸引力系数，r取值越大，表明对于周边网格的吸引力越小，反之亦然；r默认取值为1；Cdense为目标函数2的系数；GIS数据用于求解目标函数1，移动信令大数据用于辅助求解目标函数2。
采用上述方法后，通过遗传算法与Pareto多目标技术结合，利用改良的多目标选址方案优化兼顾了距离目标和服务人口数量目标，体现了设施选址的空间公平性，决策结果更科学。
作为本发明的进一步改进，所述多项信息化技术构建“智慧园林”还包括基于物联网人流监测技术在开放式公园的应用研究，研究内容包括人群流量分析与预警、热门景点统计以及可变公园维护方式；所述人群流量分析与预警根据摄像头实时监视功能，自动统计该时段该公园人流进出园情况，并以图表或表格的形式展示客流统计，同时系统设置预警阈值功能，在流量数据或密度数据到达阈值时高亮显示预警区域及数值；所述热门景点统计统计汇总在公园内各个景点区域的客流量的驻留时间和驻留区域；所述可变公园维护方式通过人群流量分析与预警，统计安全隐患较高区域的历史人流量承载情况设定人流阈值，当人流量到达设定值时执行一次维护。
采用上述方法后，通过人群流量分析与预警，管理人员可在综合考虑预警信息、实时出园情况、等候入园游客量后做出关闭入园通道等决定；通过热门景点统计，辅助公园管理人员分析热门与冷门景点，为后续公园布局调整优化提供决策支撑；通过可变公园维护方式，不同于以往公园定期开展检查与维护，可以避免造成不必要的维护资源浪费或者景点人流过负荷后的维护延迟，提升游客游园安全保障。
作为本发明的进一步改进，所述多项信息化技术构建“智慧园林”还包括多项新GIS 技术在公众参与园林共建中的融合应用，应用包括公园全景VR、公园导览三维场景化、基于LBS的移动GIS协助公园管理以及图像识别结合LBS技术在植物科普上的融合开发；所述公园全景VR通过影像采集合成技术获取园林景观的360°实景影像，通过网络连接VR 设备；所述公园导览三维场景化通过GIS技术在二维地图上加设三维实景地图；所述基于 LBS的移动GIS协助公园管理用于绿化信息举报，通过平台上传举报信息，根据举报信息携带的定位地址，核实举报信息真实性并做出维护决策；所述图像识别结合LBS技术在植物科普上的融合开发，基于将植物全方位影像与对应地理位置及植物的详细介绍信息进行前期建库，通过拍摄植物图片并上传到平台，系统在接受到上传的图片后进行图像预处理并抽取图像特征，与前期已建库的植物图像进行模糊匹配，返回最高匹配结果的植物信息，同时利用上传图片携带的地理位置信息进行验证，验证通过后将植物的详细介绍信息推送至目标对象处。
采用上述方法后，通过公园全景VR，为不方便出门的旅客提供了足不出户游遍温州市区公园提供了可能，实现广大公园爱好者宅家游园；通过公园导览三维场景化，使得建立以实景影像为特色数据的数字园区公共服务平台，资源开放共享，将进一步推进公众对园林的认知与园林发展的监督；通过基于LBS的移动GIS协助公园管理，当园区遭到破坏时，公众可以通过上传现场照片协助园区维护；通过图像识别结合LBS技术在植物科普上的融合开发，当游客游览园区发现感兴趣的植物但属于自己知识盲区时，可以通过系统的图片识别技术，得到相应的植物科普。
具体实施方式
基于GIS和大数据技术的智慧园林管理平台，简称“智慧园林”，所述“智慧园林”包括生态园林时空大数据库、综合信息可视化系统、监测与控制系统、大数据动态管理GIS 系统、业务管理系统以及辅助决策系统；所述生态园林时空大数据库的数据通过多种方式采集，包括地理空间数据，研究区域城市绿地资源，历史资料；所述综合信息可视化系统运用大数据可视化技术和空间可视化技术生成各类园林信息，辅助精细化管理和宏观决策；所述监测与控制系统运用物理网技术、现代通信技术及控制技术，实现园林绿化环境的实时预警监测；所述大数据动态管理GIS系统以生态园林时空大数据库为核心，通过项目化的形式将园林绿化数据即时更新到数据库；所述业务管理系统以园林业务为核心，以项目化的形式针对业务工作进行全流程管理，该业务管理系统包含现场移动执法终端系统(APP)；所述辅助决策系统，通过进行园区指标的测算各项决策提供数据支持。
采用上述方法后，通过生态园林时空大数据库，提供用于支持后续“智慧园林”建设所需的数据；通过综合信息可视化系统，帮助管理人员方便形象的了解各类园林信息和统计数据，辅助政务精细化管理和宏观决策；通过监测与控制系统，提高植保水平，降低水资源、能源和人力资源的消耗，有效保持生态环境，美化宜居城市；通过大数据动态管理GIS系统，形成园林大数据实时化、可视化、空间化、智能化管理，有效保障数据的现势性和生命力，同时实现园林大数据对其他部门及社会公众的高效、授权共享，形成完备的信息共建共享机制；通过业务管理系统，实现园林设施全生命周期信息化、智慧化管理；通过辅助决策系统，充分利用丰富、实时、精准的园林大数据，科学指导监督园林绿化规划建设整体部署和落实，辅助领导科学决策。
作为本发明的进一步改进，所述“智慧园林”运用多项信息化技术构建，所用信息化技术包括地理信息(GIS)、物联网(IoT)、大数据(BD)、云计算、移动互联网以及业务柔性定制；所述物联网技术通过传感器设备和智能控制设备，对园区绿化的灾害情况进行监测，并根据参数对园林进行远程智能操作；所述地理信息技术将生态园林时空大数据库中的表格型数据以空间可视化方式进行展示管理，利用时空数据技术建立完善的园林历史数据库，同时利用GIS的空间分析功能，支撑决策生成；所述云计算技术考虑平台在云环境中的部署运行能力，充分利用电子政务云的软硬件资源和网络安全资源；所述大数据技术通过研究建立生态园林时空大数据库，容纳园林绿地信息和传感器获取的实时信息，并建立数据关系链，通过大数据挖掘技术进行大数据分析；所述移动互联网技术利用移动智能终端实现园林各项工作的管理，并通过移动互联网展示园林绿化信息服务，建立园林绿化建设和监督的公众平台；所述业务柔性定制技术与园林业务管理相结合，提供管理全过程的可视化、优化、以及版本迭代，定制和搭建园林复杂业务。
采用上述方法后，通过物联网技术实现智能化识别、定位、跟踪、监控和管理；通过地理信息技术，将表格型数据转换为地理图形显示，实现数据空间可视化，为分析园区数据提供了便利；通过云计算技术，按照用户需求动态地提供虚拟化的、可伸缩的IT服务，确保管理服务平台运行环境安全稳定可靠；通过大数据技术，进行大数据挖掘、分析，辅助政务管理、社会服务和领导决策；通过移动互联网技术，将园林办公模式打破空间和时间限制，引导公众积极参与；通过业务柔性定制技术，通过内建的可视化工具，提供基础服务，以及安全机制、消息机制实现一个业务应用定制开发。
作为本发明的进一步改进，所述生态园林时空大数据库包括地理信息数据、园林绿地数据、园林指标数据、业务数据、专题数据、监管监测数据、公共服务数据、知识库数据以及系统运维数据；所述园林绿地数据的采集与建库是生态园林时空大数据库研究建设的核心，通过全面收集历史资料为基础，运用地理信息GIS、遥感技术RS、卫星导航GPS这三项对地观测技术，获取城市园林绿地及相关公共设施的信息，并在平台日常使用过程中自动沉淀园林数据。
采用上述方法后，通过生态园林时空大数据库收集各项数据，尤其是园林绿地的相关数据，以此为平台各个系统提供数据基础，并且通过持续收集日常数据，动态更新园林绿地数据，保证了当前数据的可靠性。
作为本发明的进一步改进，所述多项信息化技术构建“智慧园林”包括基于实景影像测量的园林绿地精细化普查方法；所述基于实景影像测量的园林绿地精细化普查方法利用可量测实景影像技术提示采集效率；通过可量测实景影像(Digital MeasureableImage，简称 DMI)的可移动测绘系统以及影像采集设备，开展移动实景影像采集，并将实景影像的每一帧都关联到其空间坐标，使用空间线图层存储实景影像对应的线要素数据；所述线要素具备M值，实景影像的每一帧对应线要素中的一个点，该点的M值存储其对应的视频帧编号；该基于实景影像测量的园林绿地精细化普查方法还包括采集树木空间位置，依靠实景测量拍摄的全景影像与GIS信息结合采集树木各项数据信息，经过数据处理步骤后展示采集线路上任一点的实景影像，通过不同时刻采集的全景影像中同名点的捕捉，利用双目视觉原理，还原实景影像中任一点的坐标，并利用辅助网格进行点位坐标采集测量。
采用上述方法后，通过存储实景影像与空间位置的对应关系，可以通过实景影像的帧号获取其对应的空间位置；也可以通过空间位置快速查询到该点位对应的视频及帧号，从而建立起移动实景影像与空间位置的一一对应关系；且实景影像测量在普查准确率、普查覆盖率等指标上的表现也较传统人工普查有显著的提升；对于适合移动测量系统采集的部件，只需在内业以影像回放检查的方式控制好质检，而无需繁重的外业补漏，避免了补查的人力二次耗费，整体质量也得以保障。
所述多项信息化技术构建“智慧园林”还包括基于GIS和大数据技术的绿地选址目标优化算法，所述基于GIS和大数据技术的绿地选址目标优化算法将遗传算法与Pareto多目标技术结合，构建基于Pareto多目标遗传算法的公共服务设施优化选址模型，提供包含多 个最优解的最优解集，从最优解集中选择一个或多个最终方案；具体算法如下，以最小值多 目标优化问题(Multi-Objective Optimization Problems,MOPs)为例,MOPs可描述为：
Minimize y＝f(x)＝[f1(x)，f2(x)，...，fk(x)]
Subject to
g(x)＝[e1(x)，e2(x)，...，em(x)]≤0
其中
x＝(x1，x2，..，，xn)∈X
y＝(y1，y2，...，yn)∈Y
f(x)表示优化目标函数；k表示优化目标的个数；e(x)表示约束条件函数；m表 示限制条件的个数；x表示决策变量；y表示目标向量；X表示决策变量x形成的决 策空间；Y表示目标向量y形成的目标空间；由定义可知，MOPs通常由多个相互制约 的目标构成，通过子目标之间进行权衡和折中处理，使各子目标尽可能达到最优；单目标优 化问题的最优解是单个全局最优解，即Pareto最优解；与遗传算法结合，若要在给定的m+n格网空间上选取p个绿地，需满足：(1)所有网格单元上的人口到距离其最近绿 地的距离成本之和最小且绿地距离道路距离最小；(2)绿地可服务的人口数目最多；多目标 绿地选址模型的目标函数定义如下：
目标函数1：
Figure 266751DEST_PATH_GDA0003042101690000101
目标函数2：
Figure 183891DEST_PATH_GDA0003042101690000102
公式(1)所述为基于多目标遗传算法的绿地选址问题距离成本目标，disx(c)表示网格c到p个选址位置的欧几里得距离；road(p)表示p个选址点与道路距离之 和；Croad为目标函数1的系数；公式(2)所述为服务人口数量目标，dense(c)表示 当前网格c上的人口密度，Darea表示当前网格的面积大小，
Figure 963628DEST_PATH_GDA0003042101690000103
表示p个选 址位置点对于当前网格c上人口的吸引程度，其中r是吸引力系数，r取值越大，表明 对于周边网格的吸引力越小，反之亦然；r默认取值为1；Cdense为目标函数2的系 数；GIS数据用于求解目标函数1，移动信令大数据用于辅助求解目标函数2。
采用上述方法后，通过遗传算法与Pareto多目标技术结合，利用改良的多目标选址方案优化兼顾了距离目标和服务人口数量目标，体现了设施选址的空间公平性，决策结果更科学。
作为本发明的进一步改进，所述多项信息化技术构建“智慧园林”还包括基于物联网人流监测技术在开放式公园的应用研究，研究内容包括人群流量分析与预警、热门景点统计以及可变公园维护方式；所述人群流量分析与预警根据摄像头实时监视功能，自动统计该时段该公园人流进出园情况，并以图表或表格的形式展示客流统计，同时系统设置预警阈值功能，在流量数据或密度数据到达阈值时高亮显示预警区域及数值；所述热门景点统计统计汇总在公园内各个景点区域的客流量的驻留时间和驻留区域；所述可变公园维护方式通过人群流量分析与预警，统计安全隐患较高区域的历史人流量承载情况设定人流阈值，当人流量到达设定值时执行一次维护。
采用上述方法后，通过人群流量分析与预警，管理人员可在综合考虑预警信息、实时出园情况、等候入园游客量后做出关闭入园通道等决定；通过热门景点统计，辅助公园管理人员分析热门与冷门景点，为后续公园布局调整优化提供决策支撑；通过可变公园维护方式，不同于以往公园定期开展检查与维护，可以避免造成不必要的维护资源浪费或者景点人流过负荷后的维护延迟，提升游客游园安全保障。
作为本发明的进一步改进，所述多项信息化技术构建“智慧园林”还包括多项新GIS 技术在公众参与园林共建中的融合应用，应用包括公园全景VR、公园导览三维场景化、基于LBS的移动GIS协助公园管理以及图像识别结合LBS技术在植物科普上的融合开发；所述公园全景VR通过影像采集合成技术获取园林景观的360°实景影像，通过网络连接VR 设备；所述公园导览三维场景化通过GIS技术在二维地图上加设三维实景地图；所述基于 LBS的移动GIS协助公园管理用于绿化信息举报，通过平台上传举报信息，根据举报信息携带的定位地址，核实举报信息真实性并做出维护决策；所述图像识别结合LBS技术在植物科普上的融合开发，基于将植物全方位影像与对应地理位置及植物的详细介绍信息进行前期建库，通过拍摄植物图片并上传到平台，系统在接受到上传的图片后进行图像预处理并抽取图像特征，与前期已建库的植物图像进行模糊匹配，返回最高匹配结果的植物信息，同时利用上传图片携带的地理位置信息进行验证，验证通过后将植物的详细介绍信息推送至目标对象处。
采用上述方法后，通过公园全景VR，为不方便出门的旅客提供了足不出户游遍温州市区公园提供了可能，实现广大公园爱好者宅家游园；通过公园导览三维场景化，使得建立以实景影像为特色数据的数字园区公共服务平台，资源开放共享，将进一步推进公众对园林的认知与园林发展的监督；通过基于LBS的移动GIS协助公园管理，当园区遭到破坏时，公众可以通过上传现场照片协助园区维护；通过图像识别结合LBS技术在植物科普上的融合开发，当游客游览园区发现感兴趣的植物但属于自己知识盲区时，可以通过系统的图片识别技术，得到相应的植物科普。

Claims (7)

1.基于GIS和大数据技术的智慧园林管理平台，简称“智慧园林”，其特征在于：所述“智慧园林”包括生态园林时空大数据库、综合信息可视化系统、监测与控制系统、大数据动态管理GIS系统、业务管理系统以及辅助决策系统；所述生态园林时空大数据库的数据通过多种方式采集，包括地理空间数据，研究区域城市绿地资源，历史资料；所述综合信息可视化系统运用大数据可视化技术和空间可视化技术生成各类园林信息，辅助精细化管理和宏观决策；所述监测与控制系统运用物理网技术、现代通信技术及控制技术，实现园林绿化环境的实时预警监测；所述大数据动态管理GIS系统以生态园林时空大数据库为核心，通过项目化的形式将园林绿化数据即时更新到数据库；所述业务管理系统以园林业务为核心，以项目化的形式针对业务工作进行全流程管理，该业务管理系统包含现场移动执法终端系统(APP)；所述辅助决策系统，通过进行园区指标的测算各项决策提供数据支持。
2.根据权利要求1所述基于GIS和大数据技术的智慧园林管理平台，其特征在于：所述“智慧园林”运用多项信息化技术构建，所用信息化技术包括地理信息(GIS)、物联网(IoT)、大数据(BD)、云计算、移动互联网以及业务柔性定制；所述物联网技术通过传感器设备和智能控制设备，对园区绿化的灾害情况进行监测，并根据参数对园林进行远程智能操作；所述地理信息技术将生态园林时空大数据库中的表格型数据以空间可视化方式进行展示管理，利用时空数据技术建立完善的园林历史数据库，同时利用GIS的空间分析功能，支撑决策生成；所述云计算技术考虑平台在云环境中的部署运行能力，充分利用电子政务云的软硬件资源和网络安全资源；所述大数据技术通过研究建立生态园林时空大数据库，容纳园林绿地信息和传感器获取的实时信息，并建立数据关系链，通过大数据挖掘技术进行大数据分析；所述移动互联网技术利用移动智能终端实现园林各项工作的管理，并通过移动互联网展示园林绿化信息服务，建立园林绿化建设和监督的公众平台；所述业务柔性定制技术与园林业务管理相结合，提供管理全过程的可视化、优化、以及版本迭代，定制和搭建园林复杂业务。
3.根据权利要求1所述基于GIS和大数据技术的智慧园林管理平台，其特征在于：所述生态园林时空大数据库包括地理信息数据、园林绿地数据、园林指标数据、业务数据、专题数据、监管监测数据、公共服务数据、知识库数据以及系统运维数据；所述园林绿地数据的采集与建库是生态园林时空大数据库研究建设的核心，通过全面收集历史资料为基础，运用地理信息GIS、遥感技术RS、卫星导航GPS这三项对地观测技术，获取城市园林绿地及相关公共设施的信息，并在平台日常使用过程中自动沉淀园林数据。
4.根据权利要求2所述基于GIS和大数据技术的智慧园林管理平台，其特征在于：所述多项信息化技术构建“智慧园林”包括基于实景影像测量的园林绿地精细化普查方法；所述基于实景影像测量的园林绿地精细化普查方法利用可量测实景影像技术提示采集效率；通过可量测实景影像(Digital Measureable Image，简称DMI)的可移动测绘系统以及影像采集设备，开展移动实景影像采集，并将实景影像的每一帧都关联到其空间坐标，使用空间线图层存储实景影像对应的线要素数据；所述线要素具备M值，实景影像的每一帧对应线要素中的一个点，该点的M值存储其对应的视频帧编号；该基于实景影像测量的园林绿地精细化普查方法还包括采集树木空间位置，依靠实景测量拍摄的全景影像与GIS信息结合采集树木各项数据信息，经过数据处理步骤后展示采集线路上任一点的实景影像，通过不同时刻采集的全景影像中同名点的捕捉，利用双目视觉原理，还原实景影像中任一点的坐标，并利用辅助网格进行点位坐标采集测量。
5.根据权利要求2所述基于GIS和大数据技术的智慧园林管理平台，其特征在于：所述多项信息化技术构建“智慧园林”还包括基于GIS和大数据技术的绿地选址目标优化算法，所述基于GIS和大数据技术的绿地选址目标优化算法将遗传算法与Pareto多目标技术结合，构建基于Pareto多目标遗传算法的公共服务设施优化选址模型，提供包含多个最优解的最优解集，从最优解集中选择一个或多个最终方案；具体算法如下，以最小值多目标优化问题(Multi-Objective Optimization Problems，MOPs)为例，MOPs可描述为：
Minimize y＝f(x)＝[f1(x)，f2(x)，...，fk(x)]
Subject to
e(x)[e1(x)，e2(x)，...，em(x)]≤0
其中
x＝(x1，x2，...，xn)∈X
y＝(y1，y2，...，yn)∈Y
f(x)表示优化目标函数；k表示优化目标的个数；e(x)表示约束条件函数；m表示限制条件的个数；x表示决策变量；y表示目标向量；X表示决策变量x形成的决策空间；Y表示目标向量y形成的目标空间；由定义可知，MOPs通常由多个相互制约的目标构成，通过子目标之间进行权衡和折中处理，使各子目标尽可能达到最优；单目标优化问题的最优解是单个全局最优解，即Pareto最优解；与遗传算法结合，若要在给定的m+n格网空间上选取p个绿地，需满足：(1)所有网格单元上的人口到距离其最近绿地的距离成本之和最小且绿地距离道路距离最小；(2)绿地可服务的人口数目最多；多目标绿地选址模型的目标函数定义如下：
目标函数1：
Figure RE-FDA0003042101680000031
目标函数2：
Figure RE-FDA0003042101680000032
公式(1)所述为基于多目标遗传算法的绿地选址问题距离成本目标，disx(c)表示网格c到p个选址位置的欧几里得距离；road(p)表示p个选址点与道路距离之和；Croad为目标函数1的系数；公式(2)所述为服务人口数量目标，dense(c)表示当前网格c上的人口密度，Darea表示当前网格的面积大小，
Figure RE-FDA0003042101680000033
表示p个选址位置点对于当前网格c上人口的吸引程度，其中r是吸引力系数，r取值越大，表明对于周边网格的吸引力越小，反之亦然；r默认取值为1；Cdense为目标函数2的系数；GIS数据用于求解目标函数1，移动信令大数据用于辅助求解目标函数2。
6.根据权利要求2所述基于GIS和大数据技术的智慧园林管理平台，其特征在于：所述多项信息化技术构建“智慧园林”还包括基于物联网人流监测技术在开放式公园的应用研究，研究内容包括人群流量分析与预警、热门景点统计以及可变公园维护方式；所述人群流量分析与预警根据摄像头实时监视功能，自动统计该时段该公园人流进出园情况，并以图表或表格的形式展示客流统计，同时系统设置预警阈值功能，在流量数据或密度数据到达阈值时高亮显示预警区域及数值；所述热门景点统计统计汇总在公园内各个景点区域的客流量的驻留时间和驻留区域；所述可变公园维护方式通过人群流量分析与预警，统计安全隐患较高区域的历史人流量承载情况设定人流阈值，当人流量到达设定值时执行一次维护。
7.根据权利要求2所述基于GIS和大数据技术的智慧园林管理平台，其特征在于：所述多项信息化技术构建“智慧园林”还包括多项新GIS技术在公众参与园林共建中的融合应用，应用包括公园全景VR、公园导览三维场景化、基于LBS的移动GIS协助公园管理以及图像识别结合LBS技术在植物科普上的融合开发；所述公园全景VR通过影像采集合成技术获取园林景观的360°实景影像，通过网络连接VR设备；所述公园导览三维场景化通过GIS技术在二维地图上加设三维实景地图；所述基于LBS的移动GIS协助公园管理用于绿化信息举报，通过平台上传举报信息，根据举报信息携带的定位地址，核实举报信息真实性并做出维护决策；所述图像识别结合LBS技术在植物科普上的融合开发，基于将植物全方位影像与对应地理位置及植物的详细介绍信息进行前期建库，通过拍摄植物图片并上传到平台，系统在接受到上传的图片后进行图像预处理并抽取图像特征，与前期已建库的植物图像进行模糊匹配，返回最高匹配结果的植物信息，同时利用上传图片携带的地理位置信息进行验证，验证通过后将植物的详细介绍信息推送至目标对象处。
CN202110192824.3A 2021-02-20 2021-02-20 基于gis和大数据技术的智慧园林管理平台 Pending CN113034323A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110192824.3A CN113034323A (zh) 2021-02-20 2021-02-20 基于gis和大数据技术的智慧园林管理平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110192824.3A CN113034323A (zh) 2021-02-20 2021-02-20 基于gis和大数据技术的智慧园林管理平台

Publications (1)

Publication Number Publication Date
CN113034323A true CN113034323A (zh) 2021-06-25

Family

ID=76460818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110192824.3A Pending CN113034323A (zh) 2021-02-20 2021-02-20 基于gis和大数据技术的智慧园林管理平台

Country Status (1)

Country Link
CN (1) CN113034323A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114385591A (zh) * 2022-01-11 2022-04-22 东南大学 一种乡村生态景观全要素四维信息模型构建方法
CN114462726A (zh) * 2022-04-14 2022-05-10 青岛海滨风景区小鱼山管理服务中心 一种智慧园林管理方法及系统
CN114549259A (zh) * 2022-02-23 2022-05-27 中科海慧（北京）科技有限公司 一种基于多源数据融合的智慧城市优化管理方法
CN115965171A (zh) * 2023-03-10 2023-04-14 吉奥时空信息技术股份有限公司 一种基于优化蚁群算法的微公园选址方法
CN116703031A (zh) * 2023-06-08 2023-09-05 重庆市规划和自然资源调查监测院 使用gis进行水田选址大数据分析方法
CN117436634A (zh) * 2023-10-09 2024-01-23 昆山市城建测绘有限公司 一种基于nfc与gis园林数据关联的管理平台

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060085336A (ko) * 2005-01-24 2006-07-27 주식회사 씨엔에스피 알에프아디 태그 라디오주파수 인식기술 과 위치기반 지리정보시스템을 이용한 수목관리 시스템 구성 및 그 방법
CN108022176A (zh) * 2017-11-29 2018-05-11 上海五零盛同信息科技有限公司 智慧园林管理系统与方法
CN108805349A (zh) * 2018-05-30 2018-11-13 中国科学院遥感与数字地球研究所 一种基于改进布谷鸟算法的作物种植空间布局优化方法
CN109523163A (zh) * 2018-11-17 2019-03-26 大连高马文化产业发展有限公司 一种城市园林绿化管理系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060085336A (ko) * 2005-01-24 2006-07-27 주식회사 씨엔에스피 알에프아디 태그 라디오주파수 인식기술 과 위치기반 지리정보시스템을 이용한 수목관리 시스템 구성 및 그 방법
CN108022176A (zh) * 2017-11-29 2018-05-11 上海五零盛同信息科技有限公司 智慧园林管理系统与方法
CN108805349A (zh) * 2018-05-30 2018-11-13 中国科学院遥感与数字地球研究所 一种基于改进布谷鸟算法的作物种植空间布局优化方法
CN109523163A (zh) * 2018-11-17 2019-03-26 大连高马文化产业发展有限公司 一种城市园林绿化管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曹杰: "基于GIS技术的无锡近代园林空间信息数据库设计与实现", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, pages 5 *
温州市勘察测绘研究院: "基于物联网与地理信息的智慧园林一体化管理服务平台研究与建设", 科技成果-应用技术类 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114385591A (zh) * 2022-01-11 2022-04-22 东南大学 一种乡村生态景观全要素四维信息模型构建方法
CN114549259A (zh) * 2022-02-23 2022-05-27 中科海慧（北京）科技有限公司 一种基于多源数据融合的智慧城市优化管理方法
CN114462726A (zh) * 2022-04-14 2022-05-10 青岛海滨风景区小鱼山管理服务中心 一种智慧园林管理方法及系统
CN114462726B (zh) * 2022-04-14 2022-07-12 青岛海滨风景区小鱼山管理服务中心 一种智慧园林管理方法及系统
CN115965171A (zh) * 2023-03-10 2023-04-14 吉奥时空信息技术股份有限公司 一种基于优化蚁群算法的微公园选址方法
CN116703031A (zh) * 2023-06-08 2023-09-05 重庆市规划和自然资源调查监测院 使用gis进行水田选址大数据分析方法
CN116703031B (zh) * 2023-06-08 2024-04-26 重庆市规划和自然资源调查监测院 使用gis进行水田选址大数据分析方法
CN117436634A (zh) * 2023-10-09 2024-01-23 昆山市城建测绘有限公司 一种基于nfc与gis园林数据关联的管理平台

Similar Documents

Publication Publication Date Title
CN113034323A (zh) 基于gis和大数据技术的智慧园林管理平台
KR101937096B1 (ko) 3차원 bim 객체 모델을 이용한 3차원 모니터링 서버 및 이를 포함하는 3차원 모니터링 시스템
CN104835085B (zh) 旅游运行监管及安全应急管理联动指挥平台系统
Petrova-Antonova et al. Methodological framework for digital transition and performance assessment of smart cities
Lang et al. Earth observation (EO)-based ex post assessment of internally displaced person (IDP) camp evolution and population dynamics in Zam Zam, Darfur
CN114186834A (zh) 智慧城市系统
CN109272175A (zh) 一种基于城市流动网络的数据采集系统及方法
CN116227834A (zh) 一种基于三维点云模型的智能景区数字化平台
KR102191382B1 (ko) 통합 물환경 관리 지원을 위한 스마트 조사 서비스 시스템
Peleshko et al. Drone Monitoring System DROMOS of Urban Environmental Dynamics.
CN114241143A (zh) 基于多维度数据和三维建模的智慧城市规划平台及方法
CN115545390A (zh) 一种基于实践的数字孪生城市建设系统
CN115391882A (zh) 一种多元数据融合全息空间系统的构建方法
Zhang et al. Emergency-oriented spatiotemporal trajectory pattern recognition by intelligent sensor devices
Huang et al. Livability assessment of 101,630 communities in China’s major cities: A remote sensing perspective
CN114492927A (zh) 气象信息的推送方法、存储介质及计算机终端
KR20230149237A (ko) 웹 및 gis 기반의 3차원 건설사업 관리 시스템 및 이의 동작 방법
CN115797125B (zh) 一种乡村数字化智慧服务平台
Aubrecht et al. Population exposure and impact assessment: benefits of modeling urban land use in very high spatial and thematic detail
Gruen Next generation smart cities-the role of geomatics
Ara et al. Ride Hailing Service Demand Forecast by Integrating Convolutional and Recurrent Neural Networks.
CN116401268A (zh) 数据检索方法以及装置
CN106033623A (zh) 一种3d可视化的海量数据处理的方法、装置以及系统
CN112308382B (zh) 一种开放性的tod城市大数据监测分析平台
CN114979204A (zh) 一种高速公路运营管理数字化管控平台

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