CN113657669B - 一种街区空间编码图的智能建构方法、系统及存储介质 - Google Patents

Abstract

本发明公开一种街区空间编码图的智能建构方法、系统及存储介质，涉及城市规划技术领域，包括空间规划成果信息库建构模块、信息库智能关联模块、数据验证与关联调整模块、街区空间自动编码模块及街区空间编码图生成模块，该系统自动识别不同空间规划数据中的街区来建构统一的街区空间编号，通过空间信息和规划信息的街区关联生成街区空间编码图的自动系统，该系统可以避免坐标转换的长耗时工作，在大量不同坐标的空间规划数据中快速精准地找到目标街区并下载数据，在提高数据查找的精度的同时有效节约人工查找和定位数据的时间成本。

Description

一种街区空间编码图的智能建构方法、系统及存储介质

技术领域

本发明属于城市规划技术领域，具体涉及一种街区空间编码图的智能建构方法、系统及存储介质。

背景技术

国土空间规划是当下城市规划领域的重点内容之一，对于城市的健康有序发展起着至关重要的作用。在国土空间规划的不同时期，主管业务部门往往会选择编制不同的空间规划内容，其常见成果包含国土空间规划、城市设计、交通规划、控制性详细规划、城市风貌规划、城市绿地系统规划等多种类型，并且各项空间规划成果都是在既有已编制成果的基础上完成。然而，随着成果种类的逐渐曾多、各类成果之间坐标的不统一现象逐渐严重，查找既有成果、统一管理既有成果的难度也越来越大。如何在大量不同坐标的空间规划数据中快速精准地找到目标街区并下载相关空间规划数据，是当下国土空间规划管理中亟待解决的关键技术难点之一

目前常见的数据查找方法，一种是将所有空间规划成果统一坐标系，然后通过空间坐标叠加来查找目标街区已编制的空间规划数据，但是转坐标过程存在耗时长、投入人力物力大、经费投入大等问题；另一种是直接通过人工手动查找，这样的做法精度难以保证，容易导致数据出现缺漏，并且需要投入大量的时间和人力成本。

发明内容

针对现有技术的不足，本发明的目的在于提供一种街区空间编码图的智能建构方法、系统及存储介质，以解决上述背景技术中提出的问题。

本发明的目的可以通过以下技术方案实现：一种街区空间编码图的智能建构方法，包括以下步骤：

S1、采集目标城市的空间规划成果，提取每个空间规划成果的街区数据、空间信息和规划信息，与对应街区进行关联，生成对应的信息库；

S2、选取S1中两个信息库计算生成每一个街区的最小外接矩形，计算几何参数生成每个街区的中心，选取几何中心距离最短的街区计算并生成形态数据集，将街区两两关联生成街区匹配识别模型簇与其他街区依次匹配识别；

S3、步骤S2中无法进行匹配的街区以1米为精度勘测人行道路缘石线，以此重新定义街区几何参数并重复步骤S2的操作；

S4、选取除步骤S2中以外的所有信息库均重复步骤S2的操作，与步骤S2预先选取的其中一个信息库的街区进行匹配，匹配街区进行编号后，将所有信息库中的空间信息与规划信息与统一编号后的街区进行属性关联；

S5、将信息库中的所有街区轮廓闭合多段线数据在电脑设备中进行展示，并在每一个街区内标注统一后的编号，生成街区空间编码图；

作为本发明进一步的方案，步骤S1中，所述空间规划成果包括国土空间规划、城市设计、交通规划、控制性详细规划、城市风貌规划、城市绿地系统规划。

作为本发明进一步的方案，步骤S1中，所述街区数据为街区轮廓闭合多段线数据，所述空间信息包含建筑轮廓数据、建筑层数数据、道路中线数据，所述规划信息包含该规划的所有文本图片与文字数据。

作为本发明进一步的方案，步骤S2中，所述几何参数包括形状指数P、周长L、面积M，其中，所述形状指数的计算公式如下：

作为本发明进一步的方案，所述步骤S2中，采用无监督分类学习将街区两两关联并生成街区匹配识别模型簇，是通过无监督分类学习算法，调用步骤S2中形态数据集，根据数据集的两两匹配结果进行模型的训练、参数优化与回归，以此找出同一个街区对应的两个信息库中的两个形态数据集之间的复杂函数关系，用于识别出不同数据集中的同一个街区，即街区匹配识别模型簇。

作为本发明进一步的方案，所述步骤S3具体包括以下步骤：

找出步骤S2和S4中所有不匹配的街区，打印成1:1000的图纸；

在目标城市的城市空间中定位上述无法匹配街区的实际位置，通过三维扫描仪对街区轮廓进行实地勘测，并将勘测后的街区轮廓记录于1:1000图纸中，其中测量设备参数要求为测距单元的可视范围中，激光等级为1级激光，测距误差为1m，色彩单元要求165兆像素及以上，旋转单元要求300°纵向、360°横向的视野范围；

将图纸中记录的街区轮廓录入地理信息系统，替换掉不匹配的街区信息库中对应的街区轮廓闭合多段线，并返回步骤S2。

一种用于执行上述的街区空间编码图的智能建构方法的系统，其包括数据库单元、逻辑运算单元、图形处理单元、存储单元和显示终端，所述逻辑运算单元调用数据库单元中的数据进行运算生成信息库，所述图形处理单元用以优化处理街区轮廓并进行识别匹配，所述显示终端外界有人机交互设备用以信息的查阅。

一种存储介质，所述存储介质上储存有计算机程序，所述计算机程序被处理执行时实现上述的街区空间编码图的智能建构方法。

本发明的有益效果：

1、本发明针对因坐标不同导致不同数据中同一街区形状不同的关键难题，结合街区形态数据集及深度学习方法，通过街区形状来识别不同坐标空间规划成果的同一街区，改变了传统人工识别的技术瓶颈，整个过程更加智能和自动化；

2、本发明将所有信息库中的空间信息与规划信息与统一编号后的街区进行属性关联，实现了以街区为对象来自动检索各类规划成果，可以在大量不同坐标的空间规划数据中快速精准地找到目标街区并下载数据；

3、本发明提出的空间规划数据验证方法，可以通过街区匹配识别模型簇快速找出无法匹配的街区数据，并通过高精度测绘方法更新街区数据，极大程度提高数据的准确性以及保证数据的实时更新；

4、本发明可以避免坐标转换的长耗时工作，在提高数据查找的精度的同时有效节约人工查找和定位数据的时间成本。

附图说明

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

图1为本发明实施例的方法流程图；

图2为本发明实施例的街区的最小外接矩形图；

图3为本发明实施例的街区最邻近四个街区筛选图。

具体实施方式

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

如图1所示，本发明实施例公开了一种街区空间编码图的智能建构方法、系统及存储介质，该系统包括：

S1.空间规划成果信息库建构模块

获取目标城市自然资源管理部门的空间规划成果，并导入地理信息系统。提取每一个空间规划成果的街区数据、空间信息和规划信息。针对每个空间规划成果，将空间信息、规划信息与对应街区进行关联，生成对应的信息库，国土空间规划生成信息库A、城市设计生成信息库B、交通规划生成信息库C、控制性详细规划生成信息库D、城市风貌规划生成信息库E、城市绿地系统规划生成信息库F，并存储入内存频率≥3200MHz、容量大≥4TB的云存储设备中。

其中，所述空间规划成果包含国土空间规划、城市设计、交通规划、控制性详细规划、城市风貌规划、城市绿地系统规划。

所述街区数据为街区轮廓闭合多段线数据，所述空间信息包含建筑轮廓数据、建筑层数数据、道路中线数据，所述规划信息包含该规划的所有文本图片与文字数据

S2.信息库智能关联模块

选择信息库A与信息库B，计算生成每一个街区的最小外接矩形，并计算该矩形的形状指数P、周长L、面积M。生成每个街区的几何中心点，以几何中心点的距离为依据筛选出每个街区最邻近的四个街区，对四个街区同样进行上述操作，生成该街区的形态数据集。随机抽取50个街区，并从信息库A中筛选出对应街区DA1，DA2,…DA50、从信息库B中筛选出对应街区DB1，DB2,…DB50，调取每个街区对应的形态数据集，通过无监督分类学习将街区两两关联并生成街区匹配识别模型簇。输入信息库A与信息库B中剩余街区，并调取其对应的形态数据集，采用生成的街区匹配识别模型簇自动进行街区匹配。若信息库B中的所有街区都能与信息库A中的街区一一匹配，则跳转步骤S4；若不能则跳转步骤S3，直至全部匹配成功。

其中，所述形状指数的计算公式如下：

其中P为形状指数，L为该矩形的周长，M为该矩形的面积。

所述形态数据集，包含该街区DA自身的形状指数、周长和面积数据{PA，LA，MA}，同时也包含与之最邻近四个街区DB、DC、DD、DE的形状指数、周长和面积数据{PB，LB，MB；PC，LC，MC；PD，LD，MD；PE，LE，ME；}。

所述通过无监督分类学习将街区两两关联并生成街区匹配识别模型簇，是通过无监督分类学习算法，调用步骤S2(2)中的DA1，DA2,…DA50所对应的50个形态数据集，DB1，DB2,…DB50所对应的50个形态数据集，根据数据集的两两匹配结果进行模型的训练、参数优化与回归，以此找出同一个街区对应的两个信息库中的两个形态数据集之间的复杂函数关系，用于识别出不同数据集中的同一个街区，即街区匹配识别模型簇。

S3.数据验证与关联调整模块

找出步骤S2中所有不匹配的街区，打印成1:1000的图纸。在目标城市的城市空间中定位上述无法匹配街区的实际位置，通过三维扫描仪对街区轮廓(即人行道路缘石线)进行实地勘测，并将勘测后的街区轮廓记录于1:1000图纸中。将图纸中记录的街区轮廓录入地理信息系统，替换掉信息库A或信息库B中对应的街区轮廓闭合多段线，并返回步骤S3。

其中，所述三维扫描仪参数要求为测距单元的可视范围中，激光等级为1级激光；测距误差为1m；色彩单元要求165兆像素及以上；旋转单元要求300°纵向、360°横向的视野范围。

S4.街区空间自动编码模块

以与步骤S2同样的方法，分别将信息库C、信息库D、信息库E、信息库F中的所有街区与信息库A中的街区一一匹配。对匹配后的街区进行统一编号(D1，D2,…Dn)，不同信息库中的同一个街区编号相同。将所有信息库中的空间信息与规划信息与统一编号后的街区进行属性关联。

其中，所述步骤属性关联，提取与街区建立关联后的信息库A中的空间信息与规划信息，将每个街区的空间信息与规划信息与统一编号后的该街区编号进行关联链接；以同样的方法将信息库B、信息库C、信息库D、信息库E、信息库F中的空间信息与规划信息与统一编号后的该街区编号进行关联链接。例如D1街区包含了信息库A中该街区的空间信息与规划信息，同时也包含了信息库B、信息库C、信息库D、信息库E、信息库F中该街区的空间信息与规划信息。

S5.街区空间编码图生成模块

将信息库A中的所有街区轮廓闭合多段线数据在电脑设备中进行展示，并在每一个街区内标注统一后的编号，生成街区空间编码图。点选任一街区轮廓或对应编号，即显示该街区关联的所有信息库中的空间数据与规划信息，并生成数据连接，点开数据连接即可下载对应数据。

其中，所述电脑设备参数要求电脑内存≥4GB；CPU主频≥2GHz。

利用本发明实施例的一种街区空间编码图的智能建构方法、系统及存储介质，能够自动识别不同空间规划数据中的街区来建构统一的街区空间编号，通过空间信息和规划信息的街区关联生成街区空间编码图的自动系统。该系统可以避免坐标转换的长耗时工作，在大量不同坐标的空间规划数据中快速精准地找到目标街区并下载数据，在提高数据查找的精度的同时有效节约人工查找和定位数据的时间成本。

实施例

以下将以南京市街区空间编码图的智能建构为例对本发明的技术方案进行详细说明。

(1)空间规划成果信息库建构模块。

获取南京市自然资源管理部门的空间规划成果，并导入地理信息系统。提取每一个空间规划成果的街区数据、空间信息和规划信息。针对每个空间规划成果，将空间信息、规划信息与对应街区进行关联，生成对应的信息库，国土空间规划生成信息库A、城市设计生成信息库B、交通规划生成信息库C、控制性详细规划生成信息库D、城市风貌规划生成信息库E、城市绿地系统规划生成信息库F，并存储入内存频率≥3200MHz、容量大≥4TB的云存储设备中。具体包括：

(1.1)通过南京市规划和自然资源局获得以上城市的空间规划矢量数据，包括含国土空间规划、城市设计、交通规划、控制性详细规划、城市风貌规划、城市绿地系统规划数据，每一个数据包含该规划的街区轮廓闭合多段线CAD文件、建筑轮廓及建筑层数CAD文件、道路中线CAD文件、规划文本JPG格式文件以及规划说明书word文件。

(1.2)针对国土空间规划成果，将街区轮廓闭合多段线CAD文件导入ArcGIS软件，以街区为单位生成属性表；将建筑轮廓及建筑层数CAD文件、道路中线CAD文件导入ArcGIS软件，并通过空间关联操作将以上数据与街区进行空间关联；将规划文本JPG格式文件以及规划说明书word文件录入ArcGIS软件并生成独立的gdb文件，并将数据库与街区属性表进行一一关联，所有数据打包生成信息库A。

(1.3)以同样的方式生成城市设计生成信息库B、交通规划生成信息库C、控制性详细规划生成信息库D、城市风貌规划生成信息库E、城市绿地系统规划生成信息库F，并存储入内存频率≥3200MHz、容量大≥4TB的云存储设备中。

(2)信息库智能关联模块

选择信息库A与信息库B，计算生成每一个街区的最小外接矩形，并计算该矩形的形状指数P、周长L、面积M。生成每个街区的几何中心点，以几何中心点的距离为依据筛选出每个街区最邻近的四个街区，对四个街区同样进行上述操作，生成该街区的形态数据集。随机抽取50个街区，并从信息库A中筛选出对应街区DA1，DA2,…DA50、从信息库B中筛选出对应街区DB1，DB2,…DB50，调取每个街区对应的形态数据集，通过无监督分类学习将街区两两关联并生成街区匹配识别模型簇。输入信息库A与信息库B中剩余街区，并调取其对应的形态数据集，采用生成的街区匹配识别模型簇自动进行街区匹配。若信息库B中的所有街区都能与信息库A中的街区一一匹配，则跳转步骤S4；若不能则跳转步骤S3，直至全部匹配成功。具体包括：

(2.1)选择信息库A与信息库B，计算生成每一个街区的最小外接矩形(图2)，并计算该矩形的形状指数P、周长L、面积M。具体计算公式如下：

表1建筑形态特征指标表

(2.2)通过ArcGIS软件对信息库A与信息库B中每一个街区生成几何中心点，并将街区与其周边相邻所有街区的中心点进行相连，根据连线长度筛选出其中距离最短的四个街区，并对四个街区进行与步骤(2.1)同样的操作，生成该街区的形态数据集(图3)；例如街区DA的形态数据集，包含街区DA自身的形状指数、周长和面积数据{PA，LA，MA}，同时也包含与之最邻近四个街区DB、DC、DD、DE的形状指数、周长和面积数据{PB，LB，MB；PC，LC，MC；PD，LD，MD；PE，LE，ME；}。

(2.3)随机抽取50个街区，并从信息库A中筛选出对应街区DA1，DA2,…DA50及其所对应的50个形态数据集，从信息库B中筛选出对应街区DB1，DB2,…DB50及其所对应的50个形态数据集，按照6:2:2的比例切分为训练集、验证集和测试集，根据数据集的两两匹配结果进行模型的训练、参数优化与回归，以此找出同一个街区对应的两个信息库中的两个形态数据集之间的复杂函数关系，用于识别出不同数据集中的同一个街区，即街区匹配识别模型簇。

(2.4)输入信息库A与信息库B中剩余街区，并调取其对应的形态数据集，采用生成的街区匹配识别模型簇自动进行街区匹配。若信息库B中的所有街区都能与信息库A中的街区一一匹配，则跳转步骤(4)；若不能则跳转步骤(3)，直至全部匹配成功。

(3)数据验证与关联调整模块

找出步骤S3中所有不匹配的街区，打印成1:1000的图纸。在目标城市的城市空间中定位上述无法匹配街区的实际位置，通过三维扫描仪对街区轮廓(即人行道路缘石线)进行实地勘测，并将勘测后的街区轮廓记录于1:1000图纸中。将图纸中记录的街区轮廓录入地理信息系统，替换掉信息库A或信息库B中对应的街区轮廓闭合多段线，并返回步骤S3。具体包括：

(3.1)找出步骤(2.1)中所有不匹配的街区并导出PDF文件，选择A1白色打印纸，用打印机按照1:1000的比例黑白打印图纸。

(3.2)在南京城市空间中定位上述无法匹配街区的实际位置，通过三维扫描仪对街区轮廓(即人行道路缘石线)进行实地勘测，并将勘测后的街区轮廓记录于1:1000图纸中。其中测量设备参数为：测距单元的可视范围中，激光等级为1级激光；测距误差为1m；色彩单元要求200兆像素及；旋转单元要求360°纵向、360°横向的视野范围。

(3.3)将图纸中记录的街区轮廓录入ArcGIS软件，替换掉信息库A或信息库B中对应的街区轮廓闭合多段线，并返回步骤(2.1)。

(4)街区空间自动编码模块

以与步骤(2)同样的方法，分别将信息库C、信息库D、信息库E、信息库F中的所有街区与信息库A中的街区一一匹配。对匹配后的街区进行统一编号(D1，D2,…Dn)，不同信息库中的同一个街区编号相同。将所有信息库中的空间信息与规划信息与统一编号后的街区进行属性关联。具体包括：

(4.1)以与步骤(2)(3)同样的方法，分别将信息库C、信息库D、信息库E、信息库F中的所有街区与信息库A中的街区一一匹配。

(4.2)对匹配后的街区，在信息库A中对街区进行统一编号(D1，D2,…Dn)，并录入信息库A的街区属性表中。

(4.3)提取与街区建立关联后的信息库A中的空间信息与规划信息，将每个街区的空间信息与规划信息与统一编号后的该街区属性表进行关联链接；以同样的方法将信息库B、信息库C、信息库D、信息库E、信息库F中的空间信息与规划信息与统一编号后的该街区属性表进行关联链接。

(5)街区空间编码图生成模块

将信息库A中的所有街区轮廓闭合多段线数据在电脑设备中进行展示，并在每一个街区内标注统一后的编号，生成街区空间编码图。点选任一街区轮廓或对应编号，即显示该街区关联的所有信息库中的空间数据与规划信息，并生成数据连接，点开数据连接即可下载对应数据。具体包括：

(5.1)将信息库A中的所有街区轮廓闭合多段线数据在16GB内存、2.3GHz的电脑设备中进行展示，并在每一个街区内标注统一后的编号，生成街区空间编码图。

(5.2)点选任一街区轮廓或对应编号，即显示该街区关联的所有信息库中的空间数据与规划信息，并生成数据连接，点开数据连接即可下载对应数据。

在本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”等指示方位或者位置关系为为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造或操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在本发明的描述中，“若干”的含义是两个或两个以上，除非另有明确具体的限定。

对于本领域技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型。因此，从任意一处来说，都应将实施例看作是指导性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所有的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种街区空间编码图的智能建构方法，其特征在于，包括以下步骤：

S1、采集目标城市的空间规划成果，提取每个空间规划成果的街区数据、空间信息和规划信息，与对应街区进行关联，生成对应的信息库，即国土空间规划生成信息库A、城市设计生成信息库B、交通规划生成信息库C、控制性详细规划生成信息库D、城市风貌规划生成信息库E、城市绿地系统规划生成信息库F；

S2、选取S1中两个信息库计算生成每一个街区的最小外接矩形，计算几何参数生成每个街区的几何中心点，以几何中心点的距离为依据筛选出每个街区最邻近的四个街区，对四个街区同样进行上述操作，生成该街区的形态数据集，将街区两两关联生成街区匹配识别模型簇与其他街区依次匹配识别；

所述形态数据集，包含该街区DA自身的形状指数、周长和面积数据{PA，LA，MA}，同时也包含与之最邻近四个街区DB、DC、DD、DE的形状指数、周长和面积数据{PB，LB，MB；PC，LC，MC；PD，LD，MD；PE，LE，ME；}；

S3、步骤S2中无法进行匹配的街区以1米为精度勘测人行道路缘石线，以此重新定义街区几何参数并重复步骤S2的操作；

S4、选取除步骤S2中以外的所有信息库均重复步骤S2的操作，与步骤S2预先选取的其中一个信息库的街区进行匹配，匹配街区进行编号后，将所有信息库中的空间信息与规划信息与统一编号后的街区进行属性关联；

S5、将信息库中的所有街区轮廓闭合多段线数据在电脑设备中进行展示，并在每一个街区内标注统一后的编号，生成街区空间编码图；

所述步骤S2中，采用无监督分类学习将街区两两关联并生成街区匹配识别模型簇，是通过无监督分类学习算法，调用步骤S2中形态数据集，根据数据集的两两匹配结果进行模型的训练、参数优化与回归，以此找出同一个街区对应的两个信息库中的两个形态数据集之间的复杂函数关系，用于识别出不同数据集中的同一个街区，即街区匹配识别模型簇。

2.根据权利要求1所述的一种街区空间编码图的智能建构方法，其特征在于，步骤S1中，所述空间规划成果包括国土空间规划、城市设计、交通规划、控制性详细规划、城市风貌规划、城市绿地系统规划。

3.根据权利要求1所述的一种街区空间编码图的智能建构方法，其特征在于，步骤S1中，所述街区数据为街区轮廓闭合多段线数据，所述空间信息包含建筑轮廓数据、建筑层数数据、道路中线数据，所述规划信息包含该规划的所有文本图片与文字数据。

4.根据权利要求1所述的一种街区空间编码图的智能建构方法，其特征在于，步骤S2中，所述几何参数包括形状指数P、周长L、面积M，其中，所述形状指数的计算公式如下：

5.根据权利要求1所述的一种街区空间编码图的智能建构方法，其特征在于，所述步骤S3具体包括以下步骤：

找出步骤S2和S4中所有不匹配的街区，打印成1:1000的图纸；

在目标城市的城市空间中定位上述无法匹配街区的实际位置，通过三维扫描仪对街区轮廓进行实地勘测，并将勘测后的街区轮廓记录于1:1000图纸中，其中测量设备参数要求为测距单元的可视范围中，激光等级为1级激光，测距误差为1m，色彩单元要求165兆像素及以上，旋转单元要求300°纵向、360°横向的视野范围；

将图纸中记录的街区轮廓录入地理信息系统，替换掉不匹配的街区信息库中对应的街区轮廓闭合多段线，并返回步骤S2。

6.一种用于执行权利要求1-5任一所述的街区空间编码图的智能建构方法的系统，其特征在于，包括数据库单元、逻辑运算单元、图形处理单元、存储单元和显示终端，所述逻辑运算单元调用数据库单元中的数据进行运算生成信息库，所述图形处理单元用以优化处理街区轮廓并进行识别匹配，所述显示终端外界有人机交互设备用以信息的查阅。

7.一种存储介质，其特征在于，所述存储介质上储存有计算机程序，所述计算机程序被处理执行时实现如权利要求1-5权利要求任一所述的方法。