CN113344758A - 基于城市人群数字画像的服务设施规模调整方法及系统 - Google Patents
基于城市人群数字画像的服务设施规模调整方法及系统 Download PDFInfo
- Publication number
- CN113344758A CN113344758A CN202110732025.0A CN202110732025A CN113344758A CN 113344758 A CN113344758 A CN 113344758A CN 202110732025 A CN202110732025 A CN 202110732025A CN 113344758 A CN113344758 A CN 113344758A
- Authority
- CN
- China
- Prior art keywords
- urban
- crowd
- portrait
- data
- digital
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000000694 effects Effects 0.000 claims description 105
- 230000006399 behavior Effects 0.000 claims description 104
- 239000004576 sand Substances 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 230000001915 proofreading effect Effects 0.000 claims description 6
- 230000011664 signaling Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000000737 periodic effect Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 4
- 230000008676 import Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Processing Or Creating Images (AREA)
Abstract
一种基于城市人群数字画像的服务设施规模调整方法，包括以下步骤：获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库；从所述人群数字画像信息数据库中识别出城市人群特征属性画像，构建城市人群特征属性画像库；对所述城市人群特征属性画像库进行城市人群属性特征画像分类，构建城市人群特征属性画像体系数据库，以及构建城市人群数字画像数据库；获取城市目标街区空间单元的服务设施规模配置缺项表；对服务设施规模进行调整。本发明还提供一种基于城市人群数字画像的服务设施规模调整系统，对城市公共服务设施规模配置进行优化布局，有针对性地为不同人群满足其公共服务设施配给需求，实现公共服务设施布局规划中的精准匹配。
Description
技术领域
本发明涉及城市规划公共服务设施技术领域，尤其涉及一种基于城市人群数字画像的服务设施规模调整方法及系统。
背景技术
城市公共服务设施是城市公共服务的空间载体,包括教育设施、商业设施、体育休闲设施、养老服务设施等，其空间分布关系到城市居民的生活质量和社会公平。当前，在城市规划领域中，对城市公共服务设施的布局规划依据仍主要来源于国家或地方城市公共服务设施规划标准，如人均指标、千人指标等，从整体布局上虽有其合理性，但未考虑城市居民的群体差异性，使得现有城市公共服务设施配置在一定程度上未能实现供需的空间匹配，造成资源配置效率低下、重复配置、区域协调性不足等问题，服务设施未能被合理和充分利用。
基于此，有城市规划领域学者通过收集分析不同人群的数据，以标签化的形式对人群特征进行分类和刻画，并将其应用于城市公共服务设施布局规划中，进而可以更加有针对性地为不同人群满足其公共服务设施配给需求。但居民的公共服务行为特征才能反映服务设施需求特征，传统人群画像数据来源主要为统计数据、居民访谈、问卷调查等形式，存在数据时空颗粒度太大、数据不全、数据精度不够等问题，造成人群画像特征刻画不准确以及不全面，难以真正实现公共服务设施布局规划中的精准匹配。
发明内容
为了解决现有技术存在的不足，本发明提供一种基于城市人群数字画像的服务设施规模调整方法及系统，通过对采集的多源大数据进行处理，生成并输出城市目标街区空间单元的服务设施规模配置缺项表，对服务设施规模进行调整，实现针对不同类型人群的城市公共服务设施供需空间匹配。
为了实现上述目的，本发明提供的基于城市人群数字画像的服务设施规模调整方法，包括以下步骤：
获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库；
从所述人群数字画像信息数据库中识别出城市人群特征属性画像，构建城市人群特征属性画像库；
对所述城市人群特征属性画像库进行城市人群属性特征画像进行分类，构建城市人群特征属性画像体系数据库，以及构建城市人群数字画像数据库；
获取城市目标街区空间单元的服务设施规模配置缺项表；
对服务设施规模进行调整。
进一步地，所述获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库的步骤，还包括，
根据获取的地理信息数据，搭建以街区为空间单元的城市空间沙盘；
采集并处理人群大数据；
将所述人群大数据和所述城市空间沙盘进行嵌合；
将人群大数据中同一个体的不同数据进行整合，构建城市人群数字画像信息数据库。
进一步地，所述根据获取的地理信息数据，搭建以街区为空间单元的城市空间沙盘的步骤，还包括，
获取地理信息数据，并利用采集的三维倾斜摄影数据对道路和建筑矢量数据进行校对，搭建城市空间沙盘；
根据铁路、城市道路及自然绿地、水系边界，对所述城市空间沙盘进行街区空间单元的划分并编号；
所述地理信息数据，包括：
建筑矢量数据：闭合的建筑轮廓线、建筑层数信息和建筑功能信息；
道路矢量数据：道路类型、道路宽度和道路中心线信息；
地形矢量数据：地形要素、高程和坐标信息；
土地利用数据：用地类型信息和用地边界线信息。
进一步地，所述采集并处理人群大数据的步骤，还包括，
采集LBS数据、手机信令数据、GPS定位数据、微博签到数据、地铁/公交刷卡数据信息，形成人群时空行为数据集；
采集手机网页浏览数据、社交平台分享数据、支付平台数据信息，形成人群手机行为数据集；
采集交通探头数据、车载记录仪数据信息，形成人群图像数据集；
将所述成人群图像数据集图像进行灰度处理、图像滤波、边缘检测以及二值化处理，统一图像大小尺寸并进行编号；根据交通探头位置信息和车载记录仪位置信息形成图像的坐标信息，并将坐标信息添加至各图像；
将所述人群时空行为数据集、人群手机行为数据集以及带有坐标信息的人群图像数据集的坐标信息统一空间坐标系，并对除图像信息和坐标信息之外的数据信息转换为可识别的文本信息，进行无量纲化处理；
将数据以CSV文件格式存储，并构建人群信息汇总数据库。
进一步地，所述将所述人群大数据和所述城市空间沙盘进行嵌合的步骤，还包括，
将人群信息汇总数据库的空间坐标系与城市空间沙盘进行统一，并集成到城市空间沙盘中；
将所述人群大数据按照其所落位街区的编号分别输入街区编号信息。
进一步地，所述将同一个体的不同数据进行整合，构建城市人群数字画像信息数据库的步骤，还包括，
分别为人群时空行为数据集、人群手机行为数据集和人群图像数据集建立数据标签进行融合匹配，将同一个体的不同数据进行整合，构建城市人群数字画像信息数据库。
进一步地，所述从所述人群数字画像信息数据库中识别出城市人群特征属性画像，构建城市人群特征属性画像库的步骤，还包括，
从所述人群数字画像信息数据库中，识别并提取出城市人群自然属性画像、社会经济属性画像和行为属性画像；
分别对所述城市人群自然属性画像、社会经济属性画像和行为属性画像进行识别；
汇总城市人群特征属性画像，构建城市人群特征属性画像库。
进一步地，所述人群自然属性画像，包括，年龄、性别；所述社会经济属性画像，包括，消费水平；所述行为属性画像，包括，行为活动模式和行为时间模式。
进一步地，所述对所述城市人群自然属性画像进行识别的步骤，还包括，
从所述城市人群数字画像信息数据库中识别出用户所有性别信息作为性别属性，添加性别属性特征标签为男性或女性；
从所述城市人群数字画像信息数据库中识别出年龄信息作为年龄属性，添加年龄属性特征标签为未成年人标签、青年人标签、中年人标签或老年人标签。
进一步地，所述对所述社会经济属性画像进行识别的步骤，还包括，
从所述城市人群数字画像信息数据库中识别出消费水平属性，添加消费水平属性特征标签为低消费标签、一般消费标签或高消费标签。
进一步地，所述对所述行为属性画像进行识别的步骤，还包括，
从所述城市人群数字画像信息数据库中识别出行为活动模式和行为时间模式属性；
添加行为活动模式属性特征标签为单点活动、两点一线、多点一线或多点多线；
添加行为时间模式属性特征标签为早间出门早间归家、早间出门午间归家、早间出门晚间归家、午间出门午间归家、午间出门晚间归家或晚间出门晚间归家。
进一步地，所述对所述城市人群特征属性画像库进行城市人群特征属性画像进行分类，构建城市人群特征属性画像体系数据库，进而构建城市人群数字画像数据库的步骤，还包括，
按照三级分类规则对所述城市人群特征属性画像进行分类，构建城市人群特征属性画像体系数据库；
对所述城市人群特征属性画像体系数据库中每个ID的三级特征属性进行排列组合，存储为城市人群数字画像数据库。
进一步地，所述获取城市目标街区空间单元的服务设施规模配置缺项表的步骤，还包括，
识别公共服务活动行为；
获取服务设施规模配置标准；
生成目标街区空间单元服务设施规模配置缺量表。
进一步地，所述识别公共服务活动行为的步骤，还包括，
根据行为活动模式行为轨迹，判断行为轨迹中的停留点范围内有无公共服务设施，若没有公共服务设施，则对该行为轨迹进行删除；若有，则判断停留点范围内的公共服务设施类型，添加公共服务活动类型标签为文化教育活动、商业休闲活动、体育休闲活动、养老服务活动或医疗康复活动；
将所述公共服务活动类型标签ID与所述城市人群数字画像数据库进行匹配，汇总得到城市公共活动人群数字画像数据库。
进一步地，所述获取服务设施规模配置标准的步骤，还包括，
根据街区面积、街区人口数量、街区建筑密度、街区功能混合度四个指标在城市主城区选取匹配度前10的街区作为案例库；
根据城市公共服务活动人群数字画像数据库中提取在案例库街区单元产生公共服务活动的人群数量、人群类别、案例库街区单元内某类公共活动设施的总建筑面积，获取案例库街区单元内某类人群进行某类公共活动的服务设施规模指标；
将各案例库街区单元各类人群的各类公共活动的服务设施规模指标进行汇总并计算平均值，得到各类人群的各类公共活动的服务设施规模配置标准表。
进一步地，所述生成目标街区空间单元服务设施规模配置缺量表的步骤，还包括，
选择目标街区单元，从行为轨迹中提取在该街区单元发生公共服务活动的总人数，并统计某类人群的人数、某类设施的现状面积，根据各类公共活动的服务设施规模指标，获取目标街区单元服务设施规模需要的配置标准；
根据目标街区单元服务设施规模需要的配置标准和设施的现状面积，生成目标街区单元服务设施规模配置缺项表。
更进一步地，所述对服务设施规模进行调整的步骤，还包括，
将所述城市目标街区空间单元的服务设施规模配置缺项表嵌合到地理空间沙盘中进行全息展示；
在所述城市空间沙盘中调整城市街区空间单元中的公共服务设施参数。
为实现上述目的，本发明还提供一种基于城市人群数字画像的服务设施规模调整系统，包括，包括，数据采集与处理模块、城市人群属性画像识别模块、城市人群数字画像生成模块、服务设施规模配置计算模块，以及服务设施规模调整模块，其中，
所述数据采集与处理模块，其获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库；
所述城市人群属性画像识别模块，其从所述人群数字画像信息数据库中识别出城市人群特征属性画像，构建城市人群特征属性画像库；
所述城市人群数字画像生成模块，其对所述城市人群特征属性画像库进行城市人群属性特征画像进行分类，构建城市人群特征属性画像体系数据库，进而构建城市人群数字画像数据库；
所述服务设施规模配置计算模块，其获取城市目标街区空间单元的服务设施规模配置缺项表；
服务设施规模调整模块，其根据城市目标街区空间单元的服务设施规模配置缺项表，并对服务设施规模进行调整。
进一步地，所述数据采集与处理模块，其获取地理信息数据并利用采集的倾斜摄影数据进行校对，搭建以街道为单元的城市空间沙盘；对人群大数据进行采集并通过空间坐标系的统一和标准化处理，将人群大数据和城市空间沙盘进行嵌合；将同一个体的不同信息进行整合，构建城市人群数字画像信息数据库。
进一步地，所述城市人群属性画像识别模块，其从人群数字画像信息数据库中，提取城市人群自然属性画像、社会经济属性画像和行为属性画像，并进行汇总，构建城市人群特征属性画像库。
进一步地，所述城市人群数字画像生成模块，其根据城市人群特征属性画像库，其按照三级分类规则对城市人群属性画像进行分类，构建城市人群特征属性画像体系数据库；对所述城市人群三级特征属性进行排列组合，构建城市人群数字画像数据库。
进一步地，服务设施规模配置计算模块，其提取不同城市人群类型的不同类型公共服务活动行为，构建城市公共活动人群数字画像数据库；根据街区面积、街区人口数量、街区建筑密度、街区功能混合度四个指标在城市主城区选取街区作为案例库，以所述案例库中街区的各类人群所配置的各类设施建筑面积量平均值作为规划目标街区空间单元服务设施规模配置标准；根据目标街区单元服务设施规模需要的配置标准和设施的现状面积，生成目标街区单元服务设施规模配置缺项表。
更进一步地，所述服务设施规模调整模块，其将服务设施规模配置缺项表嵌合到地理空间沙盘中并进行全息展示；在城市空间沙盘中调整城市街区空间单元中的公共服务设施参数。
为实现上述目的，本发明还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行计算机程序以执行基于城市人群数字画像的服务设施规模调整方法的步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现上述的基于城市人群数字画像的服务设施规模调整的步骤。
本发明提供的基于城市人群数字画像的服务设施规模调整方法及系统，与现有技术相比，具有如下的技术效果：
1)通过集成城市人群时空行为数据、人群手机行为数据、人群图像数据，精准刻画人群数字画像，相较于传统的居民访谈和问卷调查更加准确快速直观全面。
2)随着城市功能的不断优化，其人口和就业密度持续增加，公共服务设施的供需矛盾日益加大。本发明通过汇总城市不同公共活动的人群数字画像，精确计算各类人群的各类公共活动的服务设施面积需求，有针对性地对公共设施进行优化配置，避免供给不平衡和设施闲置，提升其整体服务水平。
3)本发明提供的城市空间沙盘包含街区空间单元的服务设施规模配置结果，规划人员佩戴虚拟现实眼镜，调整公共服务设施参数可以进行相应的数字化互动、研究、管理与反馈。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，并与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为根据本发明的基于城市人群数字画像的服务设施规模调整方法流程图；
图2为根据本发明的构建城市人群数字画像信息数据库工作流程图；
图3为根据本发明的构建城市人群特征属性画像库工作流程图；
图4为根据本发明的构建城市人群数字画像数据库工作流程图；
图5为根据本发明的获取目标街区单元服务设施规模配置缺项表工作流程图；
图6为根据本发明的构建城市人群数字画像信息数据库工作流程图；
图7为根据本发明的基于城市人群数字画像的服务设施规模调整系统结构示意图；
图8为根据本发明的基于城市人群数字画像的公共服务设施规模调整结果示意图；
图9为根据本发明的电子设备结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1
图1为根据本发明的基于城市人群数字画像的服务设施规模调整方法流程图，下面将参考图1，对本发明的基于城市人群数字画像的服务设施规模调整方法进行详细描述。
首先，在步骤101，获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库。
在本发明实施例中，通过建筑矢量数据端口、道路矢量数据端口、地形矢量数据端口、土地利用矢量数据端口获取地理信息数据，并利用测绘无人机采集的倾斜摄影数据进行校对，搭建以街道为单元的城市空间沙盘；通过人群时空行为数据集、人群手机行为数据集、人群图像数据集内置接口对人群大数据进行采集，并通过空间坐标系的统一和标准化处理，将人群大数据和城市空间沙盘进行嵌合；通过人群大数据信息的关联处理，将同一个体的不同信息进行整合，构建城市人群数字画像信息数据库。
在步骤102，对城市人群数字画像信息数据库进行城市人群属性画像识别，构建城市人群特征属性画像库。
在本发明实施例中，将城市人群数字画像信息数据库导入城市人群属性画像识别模块，提取城市人群自然属性画像、社会经济属性画像和行为属性画像等城市人群属性画像，进而将城市人群属性画像进行汇总，构建城市人群特征属性画像库。
在步骤103，根据城市人群特征属性画像库，构建城市人群数字画像数据库。
在本发明实施例中，将城市人群特征属性画像库导入城市人群数字画像生成模块，按照三级分类规则对城市人群属性画像进行分类，构建城市人群特征属性画像体系数据库，进而对城市人群三级特征属性进行排列组合，构建城市人群数字画像数据库。
在步骤104，获取目标街区单元服务设施规模配置缺项表。
本发明实施例中，将城市人群数字画像数据库导入服务设施规模配置计算模块，首先提取不同城市人群类型的不同类型公共服务活动行为，构建城市公共活动人群数字画像数据库。其次根据街区面积、街区人口数量、街区建筑密度、街区功能混合度四个指标在城市老区选取匹配度前10的街区作为案例库，以上述10个街区的各类人群所配置的各类设施建筑面积量平均值作为规划目标街区空间单元服务设施规模配置标准。
本发明实施例中，提取人群不同类型公共服务活动行为并与城市人群数字画像数据库进行匹配，汇总得到城市公共活动人群数字画像数据库。以城市中心区所在街区单元作为评价标准，将各类人的某类活动总时间看作对该类设施的需求强度，求得各类人群所需的各类设施千人建筑面积量，作为城市各街道空间单元服务设施面积需求标准。
本发明实施例中，根据城市各街道空间单元服务设施面积需求标准，生成目标街区单元服务设施规模配置缺项表
在步骤105，根据城市目标街区空间单元的服务设施规模配置缺项表，调整城市街区空间单元中公共服务设施参数。
在本发明实施例中，生成并输出城市目标街区空间单元的服务设施规模配置缺项表，并通过可视化平台系统，利用头戴式VR交互设备与规划人员进行展示交互对服务设施规模进行调整。
图2为根据本发明的构建城市人群数字画像信息数据库工作流程图，下面将参考图2对本发明的构建城市人群数字画像信息数据库的工作流程进行详细描述。
在步骤201，获取地理信息数据，搭建以街区为空间单元的城市空间沙盘。
在本发明实施例中，通过建筑矢量数据端口、道路矢量数据端口、地形矢量数据端口、土地利用数据库端口获取地理信息数据，并采用搭载像素为2000万以上的测绘无人机采集的三维倾斜摄影数据对道路和建筑矢量数据进行校对，搭建城市空间沙盘。其中，建筑矢量数据端口导入数据包含闭合的建筑轮廓线、建筑层数信息和建筑功能信息；道路矢量数据端口导入数据包含道路类型、道路宽度和道路中心线信息；地形矢量数据端口导入数据包含地形要素、高程和坐标信息；土地利用数据库端口导入数据包含用地类型信息和用地边界线信息。
在本发明实施例中，以铁路、城市道路及自然绿地、水系边界作为街区空间单元划分的分界线。对面积大于等于2km2的街区空间单元，以其街区内部道路中心线进行进一步切分，直至空间单元面积小于2km2，或无内部道路，并对街区空间单元进行编号B1，B2，B3…Bn。
在步骤202，采集人群大数据。
在本发明实施例中，构建人群时空行为数据集、人群手机行为数据集、人群图像数据集，加载不同数据集内置接口进行数据采集。
其中，人群时空行为数据集端口导入LBS数据、手机信令数据、GPS定位数据、微博签到数据、地铁/公交刷卡数据信息；人群手机行为数据集端口导入手机网页浏览数据、社交平台分享数据、支付平台数据信息；人群图像数据集端口导入交通探头数据、车载记录仪数据信息。
在步骤203，人群大数据的处理，构建人群信息汇总数据库。
在本发明实施例中，将步骤202中人群图像数据集的图像统一进行灰度处理、图像滤波、边缘检测以及二值化处理，统一图像大小尺寸为92*112mm并进行编号P1、P2、P3…Pn；根据交通探头位置信息和车载记录仪位置信息形成图像的坐标信息，并将坐标信息添加至各图像。
在本发明实施例中，将步骤202中人群时空行为数据集、人群手机行为数据集以及带有坐标信息的人群图像数据集的坐标信息统一空间坐标系，不同数据集空间坐标系校正后的误差不得高于1米；并将除图像信息和坐标信息的其余数据信息均转换为可识别的文本信息，进行无量纲化处理；
将以上数据以CSV文件格式存储，并构建人群信息汇总数据库。
在步骤204，将人群大数据和城市空间沙盘进行嵌合。
在本发明实施例中，将步骤203构建的人群信息汇总数据库的空间坐标系与城市空间沙盘进行统一，并集成到城市空间沙盘中，再将人群大数据按照其所落位街区的编号分别输入街区编号信息，生成不同人群大数据集。
在步骤205，进行数据的融合匹配，通过不同数据ID信息的关联处理，将同一个体的不同数据进行整合。
在本发明实施例中，对步骤204的人群大数据各数据集构建数据标签，其中，
人群时空行为数据集数据标签：
| LBS数据 | ID、年龄、性别、坐标信息、坐标记录时间 |
| 手机信令数据 | ID、年龄、性别、坐标信息、坐标记录时间 |
| GPS定位数据 | ID、年龄、性别、坐标信息、坐标记录时间 |
| 微博签到数据 | ID、坐标信息、坐标记录时间 |
人群手机行为数据集数据标签：
人群图像数据集数据标签：
| 交通探头数据 | 坐标信息、坐标记录时间、人脸图像数据 |
| 车载记录仪数据 | 坐标信息、坐标记录时间、人脸图像数据 |
在本发明实施例中，提取不同类型的数据A,B,C…,M，对不同数据A,B,C…,M的坐标记录时间一致的点进行筛选和配对，得到A的坐标点集(XAn,YAn)，B的坐标点集(XBn,YBn)，C的坐标点集(XCn,YCn)…，M的坐标点集(XMn,YMn)，当两个坐标时间一致的坐标点距离小于1米，则认为两个坐标点是相同的，计算数据A,B,C…,M坐标点集中所有ID坐标点的空间匹配度，若不同ID的相同坐标点占坐标集坐标点数量的90％以上，则将上述不同ID的标签按不同数据类型进行汇总，并以不同数据“ID1+ID2+ID3....+IDn”组合的方式进行命名，反之，则保留原ID及其标签，将数据汇总的结果构建人群数字画像信息数据库。
图3为根据本发明的构建城市人群特征属性画像库工作流程图，下面将参考图3，对本发明的构建城市人群特征属性画像库工作流程进行详细描述。
在步骤301，将城市人群数字画像信息数据库导入城市人群属性画像识别模块。
在本发明实施例中，构建城市人群属性画像识别模块，包括人群自然属性画像模块、社会经济属性画像模块和行为属性画像模块。其中，所述人群自然属性画像包括年龄、性别；社会经济属性画像包括消费水平；行为属性画像包括行为活动模式和行为时间模式，并将人群数字画像信息数据库导入城市人群属性画像识别模块。
在步骤302，对城市人群自然属性画像进行识别。
在本发明实施例中，根据步骤301构建的人群自然属性画像模块所需要提取的年龄、性别属性，首先提取步骤301构建的城市人群数字画像信息数据库的个人所有性别信息，删除空白信息并提取占比达90％及以上的性别信息作为该用户的性别属性，添加性别属性特征标签为男性和女性；提取步骤301构建的城市人群数字画像信息数据库的个人所有年龄信息，根据信息获取时间对年龄信息进行排序，选取最新一年的数据进行汇总，删除空白信息并提取占比达90％及以上的年龄信息作为个人年龄属性特征，可以根据联合国世界卫生组织年龄划分标准，若数值在0-17之间，添加为未成年人标签；若数值在18-65之间，添加为青年人标签；若数值在66-79之间，添加为中年人标签；若数值在80-99之间，添加为老年人标签。
在步骤303，对城市人群社会经济属性画像进行识别。
在本发明实施例中，根据步骤301构建的人群社会经济属性画像模块所需要提取的消费水平属性，首先提取步骤101城市人群数字画像信息数据库的支付金额数据，根据信息获取时间，选取最新一年的数据进行汇总，求和最新一年的支付金额得到年消费总金额。首先计算所有ID的消费金额均值
和方差s。若某ID消费金额数值在
之间，添加为低消费标签；若数值在
之间，添加为一般消费标签；若数值在
以上，添加为高消费标签。
在步骤304，对城市人群行为属性画像进行识别。
在本发明实施例中，根据步骤301构建的人群行为属性画像模块所需要提取的行为活动模式和行为时间模式属性。首先提取步骤1个人数字画像信息数据库不同ID所有数据的坐标信息和坐标记录时间，采用ST-DBSCAN聚类算法对停留点进行识别。以天为周期，运用轨迹拟合方法将同一ID的所有轨迹点和停留点连接成连续曲线，得到不同ID每天的行为轨迹，并将所有ID的所有行为轨迹在城市空间数字沙盘上进行空间落位。以天为周期，将两个距离小于预定值200米的停留点视为同一停留点，将两个距离小于预定值50米的轨迹点视为同一轨迹点，采用类Apriori算法挖掘居民行为的频繁周期模式，包括行为活动模式和行为时间模式。
在本发明实施例中，所述行为活动模式根据频繁周期模式中的行为轨迹停留点数量、轨迹数量进行判断，如果行为轨迹中只包含一个停留点，则添加标签为单点活动；如果行为轨迹中包含两个停留点，且只有一条连续的轨迹线，则添加标签为两点一线；如果行为轨迹中包含两个停留点以上，且只有一条连续的轨迹线，则添加标签为多点一线；如果行为轨迹中包含两个停留点以上，且有两条及以上连续的轨迹线，则添加标签为多点多线。
在本发明实施例中，所述行为时间模式根据频繁周期模式中除单点活动族以外的行为轨迹初始时间点和结束时间点进行判断，若初始时间点在24：00-10:00之间，结束时间点在24:00-10：00之间，则添加标签为早间出门早间归家；若初始时间点在24：00-10:00之间，结束时间点在10：00-18:00之间，则添加标签为早间出门午间归家；若初始时间点在24:00-10：00之间，结束时间点在18:00-24：00之间，则添加标签为早间出门晚间归家；若初始时间点在10：00-18:00之间，结束时间点在10：00-18:00之间，则添加标签为午间出门午间归家；若初始时间点在10：00-18:00之间，结束时间点在18:00-24：00之间，则添加标签为午间出门晚间归家；若初始时间点在18:00-24：00之间，结束时间点在18:00-24：00之间，则添加标签为晚间出门晚间归家。
在步骤305，汇总人群特征属性画像，构建城市人群特征属性画像库。
在本发明实施例中，将步骤302-304识别的特征属性进行汇总并进行存储，构建城市人群特征属性画像库。
图4为根据本发明的构建城市人群数字画像数据库工作流程图，下面将参考图4，对本发明的构建城市人群数字画像数据库工作流程进行详细描述。
在步骤401，构建城市人群特征属性画像体系数据库。
在本发明实施例中，提取步骤305城市人群特征属性画像库的特征属性，按照三级分类规则对城市人群属性画像进行分类，构建城市人群特征属性画像体系数据库。
在步骤402，生成城市人群数字画像数据库。
在本发明实施例中，按照“年龄+性别+消费水平+行为活动模式+行为时间模式”的形式对步骤3.1城市人群特征属性画像体系数据库中每个ID的三级特征属性进行排列组合，将组合后的特征属性存储为城市人群数字画像数据库。
图5为根据本发明的获取目标街区单元服务设施规模配置缺项表工作流程图，下面将参考图5，对本发明的获取目标街区单元服务设施规模配置缺项表工作流程进行详细描述。
在步骤501，识别公共服务活动行为，得到城市公共活动人群数字画像数据库。
在本发明实施例中，根据步骤304识别的频繁周期模式行为轨迹，判断行为轨迹中的停留点范围内有无公共服务设施，若没有公共服务设施，则对该行为轨迹进行删除；若有，则进一步判断停留点范围内的公共服务设施类型，若设施类型为文化和教育设施，添加公共服务活动类型标签为文化教育活动；若设施类型为文化和教育设施，添加公共服务活动类型标签为文化教育活动；若设施类型为商业娱乐设施，添加公共服务活动类型标签为商业休闲活动；若设施类型为体育休闲设施，添加公共服务活动类型标签为体育休闲活动；若设施类型为养老服务设施，添加公共服务活动类型标签为养老服务活动；若设施类型为医疗卫生设施，添加公共服务活动类型标签为医疗康复活动。
在本发明实施例中，将包含公共服务活动行为的ID与步骤402生成的城市人群数字画像数据库进行匹配，汇总得到城市公共活动人群数字画像数据库。
在步骤502,获取服务设施规模配置标准。
在本发明实施例中，根据街区面积、街区人口数量、街区建筑密度、街区功能混合度四个指标在城市主城区选取匹配度前10的街区作为案例库，根据步骤4.1城市公共服务活动人群数字画像数据库中提取在案例库街区单元产生公共服务活动的人群共N人，第j类人群为Nj人，案例库街区单元i内k类公共活动设施的总建筑面积为Mki，将j类人群进行k类公共活动的总时间Tkj作为服务设施规模配置强度，通过以下公式计算案例库街区单元i内第j类人群进行k类公共活动的服务设施规模指标Xkj：
Mki＝Xk1*N1+Xk2*N2+Xk3*N3+……+Xkj*Nj
Xk1＝Tk1*Pk,……,Xkj＝Tkj*Pk
其中，Pk为人群进行k类公共活动的常量系数，ta为a用户进行k类公共活动的总时间，ti2，ti1为第i次进行k类公共活动的开始时间ti1和结束时间ti2。
将各案例库街区单元各类人群的各类公共活动的服务设施规模指标Xkj进行汇总并计算平均值
得到各类人群的各类公共活动的服务设施规模配置标准表。
在步骤503，计算目标街区空间单元服务设施规模配置缺量，生成目标街区空间单元服务设施规模配置缺量表。
在本发明实施例中，通过输入器选择目标街区单元，从行为轨迹中提取在该街区单元发生公共服务活动的总人数n，并统计j类人群的人数nj，k类设施的现状面积为mk，根据步骤502得到的服务设施规模配置标准指标
计算目标街区单元服务设施规模需要的配置标准Vk,公式为：
通过计算需要的配置标准Vk与现状面积mk的差值获得设施配置量ΔVk，公式为：
ΔVk＝Vk-mk
若ΔVk＜0，则ΔVk＝0
生成目标街区单元五类服务设施(教育设施、商业设施、体育休闲设施、养老服务设施和医疗设施)服务设施规模配置缺项表，将设施配置量ΔVk＞0的街区空间单元进行标红预警。
图6为根据本发明的构建城市人群数字画像信息数据库工作流程图，下面将参考6，对本发明的构建城市人群数字画像信息数据库工作流程进行详细描述。
在步骤601，将服务设施规模配置缺项表嵌合到地理空间沙盘中并进行全息展示。
在本发明实施例中，将步骤503生成的评价结果通过搭载全息投影接口的打印机将服务设施规模配置缺项表嵌合到地理空间沙盘中并进行全息展示，供规划管理人员进一步审查论证。其中，所述缺项结果包含街区人群构成和设施规模缺量两大块，人群构成包括年龄、性别、消费水平、行为活动模式和行为时间模式构成占比，设施规模缺量分为五大设施(文化教育设施、商业娱乐设施、体育休闲设施、养老服务设施、医疗卫生设施)面积缺少量。
在步骤602,在城市空间沙盘中调整标红预警的城市街区空间单元中的公共服务设施参数。
在本发明实施例中，规划人员可佩戴虚拟现实眼镜，通过3D跟踪手柄进行自主互动操控，选择界面展示内容，通过在城市空间沙盘中调整标红预警的城市街区空间单元中的公共服务设施参数，包括类型、数量和规模，优化布局城市公共服务设施，并通过分辨率不小于4800dpi打印机将服务设施规模调整图纸进行打印。
实施例2
本发明还提供一种基于城市人群数字画像的服务设施规模调整系统。图7为根据本发明的基于城市人群数字画像的服务设施规模调整系统结构示意图,如图7所示，本发明的基于城市人群数字画像的服务设施规模调整系统，包括，数据采集与处理模块、城市人群属性画像识别模块、城市人群数字画像生成模块、服务设施规模配置计算模块，以及服务设施规模调整模块，其中，
数据采集与处理模块，其获取地理信息数据并利用采集的倾斜摄影数据进行校对，搭建以街道为单元的城市空间沙盘；对人群大数据进行采集并通过空间坐标系的统一和标准化处理，将人群大数据和城市空间沙盘进行嵌合；将同一个体的不同信息进行整合，构建城市人群数字画像信息数据库。
本发明实施例中，数据采集与处理模块，通过建筑矢量数据端口、道路矢量数据端口、地形矢量数据端口、土地利用矢量数据端口获取地理信息数据，并利用测绘无人机采集的倾斜摄影数据进行校对，搭建以街道为单元的城市空间沙盘；通过人群时空行为数据集、人群手机行为数据集、人群图像数据集内置接口对人群大数据进行采集，并通过空间坐标系的统一和标准化处理，将人群大数据和城市空间沙盘进行嵌合；通过人群大数据信息的关联处理，将同一个体的不同信息进行整合，构建城市人群数字画像信息数据库。
城市人群属性画像识别模块，其从人群数字画像信息数据库中，提取城市人群自然属性画像、社会经济属性画像和行为属性画像，并进行汇总，构建城市人群特征属性画像库。
本发明实施例中，城市人群属性画像识别模块，还包括，人群自然属性画像模块、社会经济属性画像模块和行为属性画像模块，其中，人群自然属性画像模块对人群数字画像信息数据库中包括年龄、性别属性进行识别；社会经济属性画像模块对人群数字画像信息数据库中包括消费水平属性进行识别；行为属性画像模块对人群数字画像信息数据库中包括行为活动模式和行为时间模式进行识别，并将识别的特征属性进行汇总，存储至城市人群特征属性画像库。
城市人群数字画像生成模块，其根据城市人群特征属性画像库，构建城市人群数字画像数据库。
本发明实施例中，城市人群数字画像生成模块按照三级分类规则对城市人群属性画像进行分类，构建城市人群特征属性画像体系数据库，进而对城市人群三级特征属性进行排列组合，构建城市人群数字画像数据库。
服务设施规模配置计算模块，其提取人群不同类型公共服务活动行为并与城市人群数字画像数据库进行匹配，汇总生成城市公共活动人群数字画像数据库。
本发明实施例中，服务设施规模配置计算模块首先提取不同城市人群类型的不同类型公共服务活动行为，构建城市公共活动人群数字画像数据库；其次根据街区面积、街区人口数量、街区建筑密度、街区功能混合度四个指标在城市主城区选取匹配度前10的街区作为案例库，以上述10个街区的各类人群所配置的各类设施建筑面积量平均值作为规划目标街区空间单元服务设施规模配置标准；根据目标街区单元服务设施规模需要的配置标准和设施的现状面积，生成目标街区单元服务设施规模配置缺项表。
服务设施规模调整模块，其根据城市目标街区空间单元的服务设施规模配置缺项表，并对服务设施规模进行调整。
本发明实施例中，服务设施规模调整模块将服务设施规模配置缺项表嵌合到地理空间沙盘中并进行全息展示；在城市空间沙盘中调整城市街区空间单元中的公共服务设施参数。
图8为根据本发明的基于城市人群数字画像的公共服务设施规模调整结果示意图，如图8所示，在SY-22-12街区中，商业娱乐设施现状规模1750平方米，预测配置规模1658平方米，无需规模调整；文化教育设施现状规模2000平方米，预测配置规模2564平方米，需增加规模564平方米；养老服务设施现状规模450平方米，预测配置规模515平方米，需增加规模65平方米；医疗卫生设施现状规模350平方米，预测配置规模444平方米，需增加规模94平方米；体育休闲设施现状规模500平方米，预测配置规模310平方米，无需规模调整。
实施例3
本发明的实施例中，还提供了一种电子设备。图9为根据本发明的电子设备结构示意图，如图9所示，本发明的电子设备90，包括处理器91，以及存储器92，其中，
存储器92存储有计算机程序，计算机程序在被处理器91读取执行时，执行上述基于城市人群数字画像的公共服务设施规模调整方法实施例中的步骤。
实施例5
本发明的实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述基于城市人群数字画像的公共服务设施规模调整方法实施例中的步骤。
在本实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本领域普通技术人员可以理解：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (25)
1.一种基于城市人群数字画像的服务设施规模调整方法，包括以下步骤：
获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库；
从所述人群数字画像信息数据库中识别出城市人群特征属性画像，构建城市人群特征属性画像库；
对所述城市人群特征属性画像库进行城市人群属性特征画像分类，构建城市人群特征属性画像体系数据库，以及构建城市人群数字画像数据库；
获取城市目标街区空间单元的服务设施规模配置缺项表；
对服务设施规模进行调整。
2.根据权利要求1所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库的步骤，还包括，
根据获取的地理信息数据，搭建以街区为空间单元的城市空间沙盘；
采集并处理人群大数据；
将所述人群大数据和所述城市空间沙盘进行嵌合；
将人群大数据中同一个体的不同数据进行整合，构建城市人群数字画像信息数据库。
3.根据权利要求2所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述根据获取的地理信息数据，搭建以街区为空间单元的城市空间沙盘的步骤，还包括，
获取地理信息数据，并利用采集的三维倾斜摄影数据对道路和建筑矢量数据进行校对，搭建城市空间沙盘；
根据铁路、城市道路及自然绿地、水系边界，对所述城市空间沙盘进行街区空间单元的划分并编号；
所述地理信息数据，包括：
建筑矢量数据：闭合的建筑轮廓线、建筑层数信息和建筑功能信息；
道路矢量数据：道路类型、道路宽度和道路中心线信息；
地形矢量数据：地形要素、高程和坐标信息；
土地利用数据：用地类型信息和用地边界线信息。
4.根据权利要求2所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述采集并处理人群大数据的步骤，还包括，
采集LBS数据、手机信令数据、GPS定位数据、微博签到数据、地铁/公交刷卡数据信息，形成人群时空行为数据集；
采集手机网页浏览数据、社交平台分享数据、支付平台数据信息，形成人群手机行为数据集；
采集交通探头数据、车载记录仪数据信息，形成人群图像数据集；
将所述成人群图像数据集图像进行灰度处理、图像滤波、边缘检测以及二值化处理，统一图像大小尺寸并进行编号；根据交通探头位置信息和车载记录仪位置信息形成图像的坐标信息，并将坐标信息添加至各图像；
将所述人群时空行为数据集、人群手机行为数据集以及带有坐标信息的人群图像数据集的坐标信息统一空间坐标系，并对除图像信息和坐标信息之外的数据信息转换为可识别的文本信息，进行无量纲化处理；
将数据以CSV文件格式存储，并构建人群信息汇总数据库。
5.根据权利要求2所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述将所述人群大数据和所述城市空间沙盘进行嵌合的步骤，还包括，
将人群信息汇总数据库的空间坐标系与城市空间沙盘进行统一，并集成到城市空间沙盘中；
将所述人群大数据按照其所落位街区的编号分别输入街区编号信息。
6.根据权利要求2所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述将同一个体的不同数据进行整合，构建城市人群数字画像信息数据库的步骤，还包括，
分别为人群时空行为数据集、人群手机行为数据集和人群图像数据集建立数据标签进行融合匹配，将同一个体的不同数据进行整合，构建城市人群数字画像信息数据库。
7.根据权利要求1所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述从所述人群数字画像信息数据库中识别出城市人群特征属性画像，构建城市人群特征属性画像库的步骤，还包括，
从所述人群数字画像信息数据库中，识别并提取出城市人群自然属性画像、社会经济属性画像和行为属性画像；
分别对所述城市人群自然属性画像、社会经济属性画像和行为属性画像进行识别；
汇总城市人群特征属性画像，构建城市人群特征属性画像库。
8.根据权利要求7所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述人群自然属性画像，包括，年龄、性别；所述社会经济属性画像，包括，消费水平；所述行为属性画像，包括，行为活动模式和行为时间模式。
9.根据权利要求7所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述对所述城市人群自然属性画像进行识别的步骤，还包括，
从所述城市人群数字画像信息数据库中识别出用户所有性别信息作为性别属性，添加性别属性特征标签为男性或女性；
从所述城市人群数字画像信息数据库中识别出年龄信息作为年龄属性，添加年龄属性特征标签为未成年人标签、青年人标签、中年人标签或老年人标签。
10.根据权利要求7所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述对所述社会经济属性画像进行识别的步骤，还包括，
从所述城市人群数字画像信息数据库中识别出消费水平属性，添加消费水平属性特征标签为低消费标签、一般消费标签或高消费标签。
11.根据权利要求7所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述对所述行为属性画像进行识别的步骤，还包括，
从所述城市人群数字画像信息数据库中识别出行为活动模式和行为时间模式属性；
添加行为活动模式属性特征标签为单点活动、两点一线、多点一线或多点多线；
添加行为时间模式属性特征标签为早间出门早间归家、早间出门午间归家、早间出门晚间归家、午间出门午间归家、午间出门晚间归家或晚间出门晚间归家。
12.根据权利要求1所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述对所述城市人群特征属性画像库进行城市人群特征属性画像进行分类，构建城市人群特征属性画像体系数据库，进而构建城市人群数字画像数据库的步骤，还包括，
按照三级分类规则对所述城市人群特征属性画像进行分类，构建城市人群特征属性画像体系数据库；
对所述城市人群特征属性画像体系数据库中每个ID的三级特征属性进行排列组合，存储为城市人群数字画像数据库。
13.根据权利要求1所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述获取城市目标街区空间单元的服务设施规模配置缺项表的步骤，还包括，
识别公共服务活动行为；
获取服务设施规模配置标准；
生成目标街区空间单元服务设施规模配置缺量表。
14.根据权利要求13所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述识别公共服务活动行为的步骤，还包括，
根据行为活动模式行为轨迹，判断行为轨迹中的停留点范围内有无公共服务设施，若没有公共服务设施，则对该行为轨迹进行删除；若有，则判断停留点范围内的公共服务设施类型，添加公共服务活动类型标签为文化教育活动、商业休闲活动、体育休闲活动、养老服务活动或医疗康复活动；
将所述公共服务活动类型标签ID与所述城市人群数字画像数据库进行匹配，汇总得到城市公共活动人群数字画像数据库。
15.根据权利要求13所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述获取服务设施规模配置标准的步骤，还包括，
根据街区面积、街区人口数量、街区建筑密度、街区功能混合度四个指标在城市主城区选取匹配度前10的街区作为案例库；
根据城市公共服务活动人群数字画像数据库中提取在案例库街区单元产生公共服务活动的人群数量、人群类别、案例库街区单元内某类公共活动设施的总建筑面积，获取案例库街区单元内某类人群进行某类公共活动的服务设施规模指标；
将各案例库街区单元各类人群的各类公共活动的服务设施规模指标进行汇总并计算平均值，得到各类人群的各类公共活动的服务设施规模配置标准表。
16.根据权利要求13所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述生成目标街区空间单元服务设施规模配置缺量表的步骤，还包括，
选择目标街区单元，从行为轨迹中提取在该街区单元发生公共服务活动的总人数，并统计某类人群的人数、某类设施的现状面积，根据各类公共活动的服务设施规模指标，获取目标街区单元服务设施规模需要的配置标准；
根据目标街区单元服务设施规模需要的配置标准和设施的现状面积，生成目标街区单元服务设施规模配置缺项表。
17.根据权利要求1所述的基于城市人群数字画像的服务设施规模调整方法，其特征在于，所述对服务设施规模进行调整的步骤，还包括，
将所述城市目标街区空间单元的服务设施规模配置缺项表嵌合到地理空间沙盘中进行全息展示；
在所述城市空间沙盘中调整城市街区空间单元中的公共服务设施参数。
18.一种基于城市人群数字画像的服务设施规模调整系统，其特征在于，包括，数据采集与处理模块、城市人群属性画像识别模块、城市人群数字画像生成模块、服务设施规模配置计算模块，以及服务设施规模调整模块，其中，
所述数据采集与处理模块，其获取地理信息数据和人群大数据，构建城市人群数字画像信息数据库；
所述城市人群属性画像识别模块，其从所述人群数字画像信息数据库中识别出城市人群特征属性画像，构建城市人群特征属性画像库；
所述城市人群数字画像生成模块，其对所述城市人群特征属性画像库进行城市人群属性特征画像进行分类，构建城市人群特征属性画像体系数据库，进而构建城市人群数字画像数据库；
所述服务设施规模配置计算模块，其获取城市目标街区空间单元的服务设施规模配置缺项表；
服务设施规模调整模块，其根据城市目标街区空间单元的服务设施规模配置缺项表，并对服务设施规模进行调整。
19.根据权利要求18所述的基于城市人群数字画像的服务设施规模调整系统，其特征在于，
所述数据采集与处理模块，其获取地理信息数据并利用采集的倾斜摄影数据进行校对，搭建以街道为单元的城市空间沙盘；对人群大数据进行采集并通过空间坐标系的统一和标准化处理，将人群大数据和城市空间沙盘进行嵌合；将同一个体的不同信息进行整合，构建城市人群数字画像信息数据库。
20.根据权利要求18所述的基于城市人群数字画像的服务设施规模调整系统，其特征在于，
所述城市人群属性画像识别模块，其从人群数字画像信息数据库中，提取城市人群自然属性画像、社会经济属性画像和行为属性画像，并进行汇总，构建城市人群特征属性画像库。
21.根据权利要求18所述的基于城市人群数字画像的服务设施规模调整系统，其特征在于，
所述城市人群数字画像生成模块，其根据城市人群特征属性画像库，其按照三级分类规则对城市人群属性画像进行分类，构建城市人群特征属性画像体系数据库；对所述城市人群三级特征属性进行排列组合，构建城市人群数字画像数据库。
22.根据权利要求18所述的基于城市人群数字画像的服务设施规模调整系统，其特征在于，
服务设施规模配置计算模块，其提取不同城市人群类型的不同类型公共服务活动行为，构建城市公共活动人群数字画像数据库；根据街区面积、街区人口数量、街区建筑密度、街区功能混合度四个指标在城市主城区选取街区作为案例库，以所述案例库中街区的各类人群所配置的各类设施建筑面积量平均值作为规划目标街区空间单元服务设施规模配置标准；根据目标街区单元服务设施规模需要的配置标准和设施的现状面积，生成目标街区单元服务设施规模配置缺项表。
23.根据权利要求18所述的基于城市人群数字画像的服务设施规模调整系统，其特征在于，
所述服务设施规模调整模块，其将服务设施规模配置缺项表嵌合到地理空间沙盘中并进行全息展示；在城市空间沙盘中调整城市街区空间单元中的公共服务设施参数。
24.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行计算机程序以执行权利要求1-17任一项所述的基于城市人群数字画像的服务设施规模调整方法的步骤。
25.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现权利要求1-17任一项所述的基于城市人群数字画像的服务设施规模调整方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110732025.0A CN113344758B (zh) | 2021-06-30 | 2021-06-30 | 基于城市人群数字画像的服务设施规模调整方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110732025.0A CN113344758B (zh) | 2021-06-30 | 2021-06-30 | 基于城市人群数字画像的服务设施规模调整方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113344758A true CN113344758A (zh) | 2021-09-03 |
| CN113344758B CN113344758B (zh) | 2024-05-17 |
Family
ID=77481799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110732025.0A Active CN113344758B (zh) | 2021-06-30 | 2021-06-30 | 基于城市人群数字画像的服务设施规模调整方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113344758B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114466312A (zh) * | 2022-01-27 | 2022-05-10 | 同济大学 | 基于手机信令数据的地铁站出入口无障碍设施评价方法 |
| CN115204269A (zh) * | 2022-06-15 | 2022-10-18 | 南通市测绘院有限公司 | 一种基于时空基准的城市治理数据融合方法及系统 |
| CN115438966A (zh) * | 2022-09-07 | 2022-12-06 | 江苏护理职业学院 | 一种基于sem模型的养老服务机构配置优化方法及系统 |
| CN116485143A (zh) * | 2023-04-27 | 2023-07-25 | 华北水利水电大学 | 基于人口密度大数据的空间规划处理方法 |
| CN117808270A (zh) * | 2024-02-26 | 2024-04-02 | 北京大也智慧数据科技服务有限公司 | 设施布设的确定方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111563666A (zh) * | 2020-04-24 | 2020-08-21 | 武汉理工大学 | 一种基于网络热度的城市公共服务设施空间配置评价方法 |
| CN112598561A (zh) * | 2020-12-29 | 2021-04-02 | 华南理工大学 | 一种基于实有人口数据的城市街区公共开放空间配置方法 |
| CN113011667A (zh) * | 2021-03-29 | 2021-06-22 | 华南理工大学 | 一种基于大数据的老旧街区精细化公共服务设施配置方法 |
-
2021
- 2021-06-30 CN CN202110732025.0A patent/CN113344758B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111563666A (zh) * | 2020-04-24 | 2020-08-21 | 武汉理工大学 | 一种基于网络热度的城市公共服务设施空间配置评价方法 |
| CN112598561A (zh) * | 2020-12-29 | 2021-04-02 | 华南理工大学 | 一种基于实有人口数据的城市街区公共开放空间配置方法 |
| CN113011667A (zh) * | 2021-03-29 | 2021-06-22 | 华南理工大学 | 一种基于大数据的老旧街区精细化公共服务设施配置方法 |
Non-Patent Citations (3)
| Title |
|---|
| 杜浩钧: "东南大学智慧城市研究院副院长杨俊宴：研发原创技术，以大数据和人工智能推动智慧城市设计", 中国高新科技, pages 12 - 14 * |
| 茅明睿;: "大数据时代的规划变革", 北京规划建设, no. 02 * |
| 马潇雅;刘远刚;赵翔;: "城市公共服务设施优化配置模型研究的近期进展与展望", 测绘通报, no. 02 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114466312A (zh) * | 2022-01-27 | 2022-05-10 | 同济大学 | 基于手机信令数据的地铁站出入口无障碍设施评价方法 |
| CN115204269A (zh) * | 2022-06-15 | 2022-10-18 | 南通市测绘院有限公司 | 一种基于时空基准的城市治理数据融合方法及系统 |
| CN115204269B (zh) * | 2022-06-15 | 2024-03-12 | 南通市测绘院有限公司 | 一种基于时空基准的城市治理数据融合方法及系统 |
| CN115438966A (zh) * | 2022-09-07 | 2022-12-06 | 江苏护理职业学院 | 一种基于sem模型的养老服务机构配置优化方法及系统 |
| CN116485143A (zh) * | 2023-04-27 | 2023-07-25 | 华北水利水电大学 | 基于人口密度大数据的空间规划处理方法 |
| CN116485143B (zh) * | 2023-04-27 | 2024-06-07 | 华北水利水电大学 | 基于人口密度大数据的空间规划处理方法 |
| CN117808270A (zh) * | 2024-02-26 | 2024-04-02 | 北京大也智慧数据科技服务有限公司 | 设施布设的确定方法、装置、设备及存储介质 |
| CN117808270B (zh) * | 2024-02-26 | 2024-07-09 | 北京大也智慧数据科技服务有限公司 | 设施布设的确定方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113344758B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113344758A (zh) | 基于城市人群数字画像的服务设施规模调整方法及系统 | |
| Zhong et al. | Inferring building functions from a probabilistic model using public transportation data | |
| Mayaud et al. | An urban data framework for assessing equity in cities: Comparing accessibility to healthcare facilities in Cascadia | |
| Tribby et al. | Assessing built environment walkability using activity-space summary measures | |
| Liu et al. | Understanding public transit patterns with open geodemographics to facilitate public transport planning | |
| Sari Aslam et al. | A high-precision heuristic model to detect home and work locations from smart card data | |
| Kim | Exploring the difference between ridership patterns of subway and taxi: Case study in Seoul | |
| Beecham et al. | Characterising group-cycling journeys using interactive graphics | |
| Yu et al. | iVizTRANS: Interactive visual learning for home and work place detection from massive public transportation data | |
| CN112800210B (zh) | 基于海量公交数据的人群画像算法 | |
| Martin et al. | Origin-destination geodemographics for analysis of travel to work flows | |
| Long et al. | Disaggregating heterogeneous agent attributes and location | |
| ROȘU et al. | Evaluating issues and performance of a public transport network in a post-communist city using a quantitative spatial approach | |
| Bolaños-Martinez et al. | Clustering pipeline for vehicle behavior in smart villages | |
| Kressner et al. | Lifestyle segmentation variables as predictors of home-based trips for Atlanta, Georgia, airport | |
| Sinniah et al. | The framework for assessing public transportation by using competitiveness index indicators | |
| Villoria Jr | An operational measure of individual accessibility for use in the study of travel-activity patterns | |
| Cats et al. | Unravelling the spatial properties of individual mobility patterns using longitudinal travel data | |
| Amalan et al. | High frequency data in Land use and transport integrated model: A review of sources and application | |
| CN108831182A (zh) | 一种城市公交网络od矩阵构建方法 | |
| CN111833229B (zh) | 一种基于地铁依赖度的出行行为时空分析方法及装置 | |
| Ghezelbash et al. | Developing a spatio-temporal interactions model for car crashes using a novel data-driven AHP-TOPSIS | |
| Chondur et al. | Population data in the Northern Territory | |
| Nagy | Theoretical method for building OD matrix from AFC data | |
| Aboulola et al. | A Novel Algorithm to Enrich Geographical Information Systems with Hybrid Data for Better Informed Decisions |
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 |