CN114202039A - 一种基于cim模型的城市信息多源数据融合方法 - Google Patents

一种基于cim模型的城市信息多源数据融合方法 Download PDF

Info

Publication number
CN114202039A
CN114202039A CN202210146279.9A CN202210146279A CN114202039A CN 114202039 A CN114202039 A CN 114202039A CN 202210146279 A CN202210146279 A CN 202210146279A CN 114202039 A CN114202039 A CN 114202039A
Authority
CN
China
Prior art keywords
data
data type
central control
control module
current
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
Application number
CN202210146279.9A
Other languages
English (en)
Other versions
CN114202039B (zh
Inventor
霍春望
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.)
Shenzhen Yuanshijie Technology Co ltd
Original Assignee
Shenzhen Xiaoan Technology 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 Shenzhen Xiaoan Technology Co ltd filed Critical Shenzhen Xiaoan Technology Co ltd
Priority to CN202210146279.9A priority Critical patent/CN114202039B/zh
Publication of CN114202039A publication Critical patent/CN114202039A/zh
Application granted granted Critical
Publication of CN114202039B publication Critical patent/CN114202039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques
    • G06F18/251Fusion techniques of input or preprocessed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种基于CIM模型的城市信息多源数据融合方法,包括,步骤S1,标准模型构建模块根据建筑信息模型、地理信息系统、物联网数据信息构建标准模型;步骤S2,当前传感器将获取的实时数据保存至当前区域存储单元,中控模块根据当前区域存储单元保存的数据获取当前区域变化度;步骤S3,若当前区域变化度大于预设值,中控模块将当前区域存储单元预设时间内保存的数据传输至标准模型构建模块,对标准模型构建模块的数据标准值进行调整。本发明设置中控模块,通过各传感器获取的实时数据与预设值相比较,对标准模型构建模块的数据标准值进行调节,以使标准模型构建模块存储的各数据类型标准参数与实时数据相融合。

Description

一种基于CIM模型的城市信息多源数据融合方法
技术领域
本发明涉及CIM模型领域,尤其涉及一种基于CIM模型的城市信息多源数据融合方法。
背景技术
智慧城市已经成为推进全球城镇化、提升城市治理水平、 破解大城市病、提高公共服务质量、发展数字经济的战略选择。在互联网、物联网、移动互联网、云计算等新型技术以及各种新兴社会媒体和自媒体的推动下,人类已进入大数据时代,可借助各种新型信息技术手段创新城市公共管理和服务。城市信息模型(City Information Modeling)在城市空间尺度内建立包含城市的各种实体及其关系的动静态信息的数字模型,基于多维数字模型解决城市建设与发展过程中的问题。智慧城市是一个要素复杂、应用多样、相互作用、不断演化的综合性复杂巨系统,要进行整体规划设计,CIM将各种城市信息组织成一个系统化的整体系统,贯穿于城市建设管理的全生命周期过程。
CIM城市信息数据融合技术不仅包含对城市全要素的定义,更重要的是对城 市要素关系的梳理和建模,通过互联互通、纵横联动,特别是城市层面的横向融通,协调城市治理的“五脏六腑”,促进实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务,将过去各自为政、各行其是的 “稳态”信息系统,打造成全程全时、全模式全响应、“牵一发而动全身”的“敏态”智慧系统,实现城市治理方式的智慧化。
发明内容
为此,本发明提供一种基于CIM模型的城市信息多源数据融合方法,可以解决无法根据数据实时变化对CIM模型各标准数据进行融合的技术问题。
为实现上述目的,本发明提供一种基于CIM模型的城市信息多源数据融合方法,包括:
步骤S1,标准模型构建模块根据建筑信息模型、地理信息系统、物联网数据信息构建标准模型;
步骤S2,当前传感器将获取的实时数据保存至当前区域存储单元,中控模块根据当前区域存储单元保存的数据获取当前区域变化度,其中,所述中控模块根据当前区域数据类型获取当前区域该数据标准值,中控模块根据实时数据与各数据标准值获取当前区域变化度;
步骤S3,若当前区域变化度大于预设值,中控模块将当前区域存储单元预设时间内保存的数据传输至标准模型构建模块,对标准模型构建模块的数据标准值进行调整;
在所述步骤S2-S3中,所述中控模块根据当前数据类型与各数据类型的关联度,获取各数据类型补偿参数,其中,若当前数据类型与各数据类型的关联度大于预设值,中控模块提高当前数据类型补偿参数,若当前数据类型与各数据类型的关联度小于预设值,中控模块降低当前数据类型补偿参数,以使中控模块获取当前区域变化度,中控模块根据获取当前区域变化度与预设变化度相比较,判定当前区域各数据类型实时数据保存位置,其中,中控模块获取当前区域变化度,小于预设变化度,中控模块判定将当前区域各数据类型的实时数据保存至当前区域存储单元,若中控模块获取当前区域变化度大于预设变化度,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据当前区域各数据类型实时数据与所述当前区域存储单元预设时间内存储的当前数据类型数据平均值相比较,对当前区域各数据类型标准参数进行调节,以使标准模型构建模块存储的各数据类型标准参数与实时数据相融合。
进一步地,所述标准模型构建模块预设各数据类别标准参数B,其中,第一数据类别标准参数B1、第二数据类别标准参数B2···第n数据类别标准参数Bn,中控模块根据当前区域的第i数据类别选取Bi为第i数据类型标准参数,所述中控模块根据当前区域各传感器预设间隔时间t内获取的各数据类型实时数据bi,获取当前区域变化度d,设定d=(1+(b1-B1)/B1×e)×(1+(b2-B2)/B2×e)×···×(1+(bn-Bn)/Bn×e),其中,e为当前区域各数据补偿参数,其中,i=1,2···n。
进一步地,所述当前区域各传感器依次获取当前区域各数据类型与其他数据类型所在空间的距离s,其中,当前区域第一数据类型与第二数据类型所在空间的距离s12、当前区域第一数据类型与第三数据类型所在空间的距离s13···当前区域第一数据类型与第n数据类型的距离分别为s1n,···获取第i数据类型与第j数据类型所在空间的距离sij,其中,i≠j,且i<j,中控模块根据当前区域第i数据类型与第j数据类型所在空间的距离获取第i数据类型与各数据类型的关联度gi,设定gi=∑(sij-si0)2/n,其中,si0为第i数据类型与各数据类型所在空间的距离的平均值,其中,j=1,2···n。
进一步地,所述中控模块预设第i数据类型与其他数据类型关联度Gi,中控模块根据获取的第i数据类型与各数据类型的关联度gi与预设关联度相比较,获取当前区域第i数据类型补偿参数,其中,
当gi≤Gi1,所述中控模块选取第一预设补偿参数e1为当前区域第i数据类型补偿参数;
当Gi1<gi<Gi2,所述中控模块选取第二预设补偿参数e2为当前区域第i数据类型补偿参数;
当gi≥Gi2,所述中控模块选取第三预设补偿参数e3为当前区域第i数据类型补偿参数;
其中,所述中控模块设置第i数据类型与其他数据类型关联度Gi,设定第一预设第i数据类型与其他数据类型关联度Gi1、第二预设第i数据类型与其他数据类型关联度Gi2,中控模块预设补偿参数e,设定第一预设补偿参数e1,第二预设补偿参数e2,第三预设补偿参数e3。
进一步地,所述中控模块预设变化度D,中控模块根据当前区域变化度d与预设变化度相比较,判定是否将当前区域的实时数据传输至标准模型构建模块,其中,
当d≤D1,所述中控模块判定将当前区域各数据类型的实时数据保存至当前区域存储单元;
当D1<d<D2,所述中控模块对所述传感器的预设间隔时间进行调节,重新获取当前区域各数据类型的数据信息;
当d≥D2,所述中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块;
其中,所述中控模块预设变化度D,设定第一预设变化度D1,第二预设变化度D2。
进一步地,当所述中控模块获取的当前区域变化度d大于等于第二预设变化度,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据当前区域第i数据类型实时数据bi与所述当前区域存储单元预设存储时间存储的第i数据类型数据平均值F相比较,对当前区域第i数据类型标准参数Bi进行调节,其中,
当bi≤F-△f,所述标准模型构建模块降低当前区域第i数据类型标准参数Bi至Bi1,设定Bi1=Bi×(1-(F-△f-bi)/F);
当F-△f<bi<F+△f,所述标准模型构建模块不对当前区域第i数据类型标准参数进行调节;
当bi≥F+△f,所述标准模型构建模块提高当前区域第i数据类型标准参数Bij至Bi2,设定Bi2=Bi×(1-(bi-F-△f)/F);
其中,△f为所述标准模型构建模块预设误差值。
进一步地,当所述中控模块获取的当前区域变化度在第一预设变化度和第二预设变化度之间,中控模块判定对预设时间进行调节,重新获取调节后预设时间的数据信息,所述中控模块根据获取当前区域第i数据类型实时数据值bi与当前区域第i数据类型上一数据值bi’的差值与预设差值△h相比较,对获取第i数据类型的传感器获取数据间隔时间ti进行调节,其中,
当bi-bi’≤△h1,所述中控模块延长获取第i数据类型数据的传感器获取数据间隔时间t至t1,设定t1=t×(1+(△h1-bi+bi’)/△h1);
当△h1<bi-bi’<△h2,所述中控模块不对获取第i数据类型数据的传感器获取数据间隔时间进行调节;
当bi-bi’≥△h2,所述中控模块缩短获取第i数据类型数据的传感器获取数据间隔时间t至t2,设定t2=t×(1-(bi-bi’-△h2)/△h2);
其中,所述中控模块预设差值△h,设定第一预设差值△h1、第二预设差值△h2。
所述中控模块预设间隔时间标准值t0,中控模块根据调节后的获取第i数据类型数据的传感器获取数据间隔时间tk,与预设间隔时间标准值相比较,对当前区域第i数据类型补偿参数er进行调节,其中,
当tk≤t0,所述中控模块将当前区域第i数据类型补偿参数er提高至er1=er×(1+(t0-tk)/t0);
当tk>t0,所述中控模块将当前区域第i数据类型补偿参数er降低至er2=er×(1-(tk-t0)/t0);
其中,k=1,2,r=1,2,3。
进一步地,所述标准模型构建模块预设第i数据类型标准参数评价值Bi0,标准模型构建模块根据调节后第i数据类型标准参数Bij与预设第i数据类型标准参数评价值Bi0相比较,评价当前区域第i数据类型数据是否符合标准,其中,
当Bij≥Bi0,所述标准模型构建模块判定当前区域第i数据类型数据不符合标准;
当Bij<Bi0,所述标准模型构建模块判定当前区域第i数据类型数据符合标准;
其中,j=1,2。
与现有技术相比,本发明的有益效果在于,本发明设置中控模块,所述中控模块根据当前数据类型与各数据类型的关联度,获取各数据类型补偿参数,其中,若当前数据类型与各数据类型的关联度大于预设值,中控模块提高当前数据类型补偿参数,若当前数据类型与各数据类型的关联度小于预设值,中控模块降低当前数据类型补偿参数,以使中控模块获取当前区域变化度,中控模块根据获取当前区域变化度与预设变化度相比较,判定当前区域各数据类型实时数据保存位置,其中,中控模块获取当前区域变化度,小于预设变化度,中控模块判定将当前区域各数据类型的实时数据保存至当前区域存储单元,若中控模块获取当前区域变化度大于预设变化度,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据当前区域各数据类型实时数据与所述当前区域存储单元预设时间内存储的当前数据类型数据平均值相比较,对当前区域各数据类型标准参数进行调节,以使标准模型构建模块存储的各数据类型标准参数与实时数据相融合。
尤其,本发明标准模型构建模块设置有各数据类别标准参数,中控模块根据传感器获取的当前区域各数据类别的实时数据与各数据类别标准参数获取当前区域变化度,其中,中控模块将实时数据与标准值的差值作为基准,获取实时数据与标准值的变化率,同时设置有补偿参数对当前数据类型数据值进行补偿,通过将各数据变化率相乘的结果设为当前区域变化度,以根据当前区域各个数据类型数据的变化情况衡量当前区域的变化情况。
尤其,本发明将根据当前区域各数据类型与其他数据类型空间距离获取当前数据类型与各数据类型的关联度,即,以当前数据类型为第一数据类型为例,中控模块根据获取的第一数据类型与第二数据类型所在空间距离、第一数据类型与第三数据类型所在空间距离至第一数据类型与第n数据类型所在空间距离,得到第一数据类型与各数据类型的关联度,用以评价第一数据类型与其他数据类型的复杂程度,中控模块将获取的当前数据类型与各数据类型关联度小于等于第一预设当前数据类型关联度,说明当前数据类型与各数据类型密切度不高,中控模块选取较小的补偿参数为当前数据类型的补偿参数用以获取准确的变化度,当前数据类型与各数据类型关联度在第一预设当前数据类型关联度和第二预设当前数据类型关联度之间,说明当前数据类型与各数据类型密切度不高,中控模块选取中间值的补偿参数为当前数据类型的补偿参数,当前数据类型与各数据类型关联度大于等于第二预设当前数据类型关联度,说明当前数据类型与各数据类型密切相关,当前数据类型的重要度较高,中控模块选取较大的补偿参数为当前数据类型的补偿参数。
尤其,本发明中控模块将预设变化度划分为明确的两个标准,中控模块根据获取的当前区域变化度,与预设变化度相比较,对当前区域的变化情况进行判定,其中,若中控模块获取的当前区域变化度小于等于第一预设变化度,说明当前区域的变化情况不大,中控模块判定将当前区域的各数据类型数据保存至当前区域存储单元,用以积累数据,以便将来进行更为准确的评价,若中控模块获取的当前区域变化度在第一预设变化度和第二预设变化度之间,说明该数据的获取较为不准确,中控模块无法针对当前区域的变化情况进行准确判定,因此中控模块对传感器预设间隔时间进行调节,以便获取更精确的数据,对当前区域的数据进行重新判定,若中控模块获取的当前区域变化度大于等于第二预设变化度,说明当前区域的变化情况较大,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,所述标准模型构建模型根据传输的数据对预设的标准参数进行调节。
尤其,本发明中控模块获取的当前区域变化度大于等于第二预设变化度时,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据传输的数据对标准模型构建模块预设的各数据类型标准参数进行调节,其中,标准模型构建模型根据获取当前区域当前数据类型实时数据,与当前区域存储单元在预设时间内获取的当前数据类型数据平均值相比较,对当前区域当前数据类型标准参数进行调节,重新构建标准模型,其中,若当前区域当前数据类型实时数据小于等于当前数据类型数据平均值,说明当前区域当前数据类型较未对当前区域变化度产生较大影响的数据小,因此标准模型构建模块降低当前区域当前数据类型标准参数,以使标准模型构建模块构建的标准参数更准确;若当前区域当前数据类型实时数据在当前数据类型数据平均值的误差范围内,说明当前区域当前数据类型较对当前区域变化度产生较大影响的数据没有太大的差别,因此标准模型构建模块不对当前区域当前数据类型标准参数进行调节;若当前区域当前数据类型实时数据大于等于当前数据类型数据平均值,说明当前区域当前数据类型较未对当前区域变化度产生较大影响的数据大,因此标准模型构建模块提高当前区域当前数据类型标准参数,以使标准模型构建模块构建的标准参数更准确。
尤其,本发明中控模块判定对获取当前数据类型数据的传感器获取数据间隔时间进行调节时,中控模块根据当前区域当前数据类型的数据与上一间隔时间传感器获取的数据的差值,与预设值相比较,对间隔时间进行调节,其中,若该差值小于等于第一差值,说明当前数据类型的数据值与上一时刻数据值相差较大,中控模块通过延长获取该数据的间隔时间,以便更准确的判定当前数据的情况;若该差值在第一差值和第二差值之间,说明当前数据类型的数据值与上一时刻数据值相差不大,中控模块不对间隔时间进行调节;若该差值大于等于第二差值,说明当前数据类型的数据值与上一时刻数据值相差较大,中控模块通过缩短获取该数据的间隔时间,以便更准确的判定当前数据的情况。
尤其,本发明根据中控模块获取的调节后当前数据类型获取的间隔时间与预设间隔时间标准值相比较,对当前区域当前数据类型的补偿参数进行调节,其中,若中控模块获取的调节后当前数据类型获取的间隔时间小于预设间隔时间标准值,说明当前数据类型获取的间隔时间较短,即当前数据类型获取的较为不准确,需对该数据类型进行着重分析,中控模块提高当前数据补偿参数,以提高该数据类型的数据重要性,若中控模块获取的调节后当前数据类型获取的间隔时间大于等于预设间隔时间标准值,说明当前数据类型获取的间隔时间较长,该数据类型的数据短时间内变化不大,中控模块降低当前数据补偿参数,避免因当前数据获取不准确造成最终评价错误。
尤其,本发明通过当前区域各数据类型变化用以评价当前区域各系统变化的情况,而系统的变化进而对标准模型的构建的标准进行调整,由标准模型构建模块内的标准参数作为标准衡量各区域是否符合标准,本发明标准模型构建模块内设置有对当前数据类型标准参数评价值,用以评价当前数据类型标准值是否超出可以衡量的标准,其中,若标准模型构建模块获取的调节后当前数据类型标准参数小于预设当前数据类型标准参数评价值,说明当前数据类型的标准参数仍在控制范围内,若标准模型构建模块获取的调节后当前数据类型标准参数大于等于预设当前数据类型标准参数评价值,标准模型构建模块判定当前区域当前数据类型不符合标准,构建模块通过警告方式进行预警,避免发生问题。
附图说明
图1为发明实施例基于CIM模型的城市信息多源数据融合方法示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明实施例基于CIM模型的城市信息多源数据融合方法示意图,包括,
步骤S1,标准模型构建模块根据建筑信息模型、地理信息系统、物联网数据信息构建标准模型;
步骤S2,当前传感器将获取的实时数据保存至当前区域存储单元,中控模块根据当前区域存储单元保存的数据获取当前区域变化度,其中,所述中控模块根据当前区域数据类型获取当前区域该数据标准值,中控模块根据实时数据与各数据标准值获取当前区域变化度;
步骤S3,若当前区域变化度大于预设值,中控模块将当前区域存储单元预设时间内保存的数据传输至标准模型构建模块,对标准模型构建模块的数据标准值进行调整;
在所述步骤S2-S3中,所述中控模块根据当前数据类型与各数据类型的关联度,获取各数据类型补偿参数,其中,若当前数据类型与各数据类型的关联度大于预设值,中控模块提高当前数据类型补偿参数,若当前数据类型与各数据类型的关联度小于预设值,中控模块降低当前数据类型补偿参数,以使中控模块获取当前区域变化度,中控模块根据获取当前区域变化度与预设变化度相比较,判定当前区域各数据类型实时数据保存位置,其中,中控模块获取当前区域变化度,小于预设变化度,中控模块判定将当前区域各数据类型的实时数据保存至当前区域存储单元,若中控模块获取当前区域变化度大于预设变化度,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据当前区域各数据类型实时数据与所述当前区域存储单元预设时间内存储的当前数据类型数据平均值相比较,对当前区域各数据类型标准参数进行调节,以使标准模型构建模块存储的各数据类型标准参数与实时数据相融合。
具体而言,本发明实施例不对数据类型进行限定,只要其满足CIM模型建立需要的数据即可,本发明提供一种优选的实施例,通过建筑信息模型、地理信息系统、物联网数据信息构建标准模型,所述标准模型中保存有各数据类型标准参数,其中数据信息包括土地、绿植、建筑、交通等数据类型,标准模型设置有土地面积标准参数、绿植面积标准参数、建筑物数量标准参数、交通拥挤度标准参数,本发明实施例不对单一区域的形成划分进行限定,单一区域可以是社区、街道、区县、城市等,本发明实施例以街道为单一区域进一步进行说明,本发明实施例通过街道设置的传感器,其传感器可以为监控摄像机构,或是其他可以获取土地面积、绿植面积、建筑物数量、交通拥挤度的设备,传感器获取当前街道的土地面积实时数据值、绿植面积实时数据值,建筑物数量实时数据值,交通拥挤度实时数据值,并将其保存至当前街道存储单元,中控模块根据上述数据值与标准模型中保存的各数据类型标准参数,获取当前街道变化度,中控模块根据获取的当前街道变化度,与预设变化度相比较,对当前街道变化情况进行分析,若变化度大,则对标准模型的标准参数进行修正,以获取准确的标准模型,以此实现CIM模型的数据融合。
其中,所述标准模型构建模块预设各数据类别标准参数B,其中,第一数据类别标准参数B1、第二数据类别标准参数B2···第n数据类别标准参数Bn,中控模块根据当前区域的第i数据类别选取Bi为第i数据类型标准参数,所述中控模块根据当前区域各传感器预设间隔时间t内获取的各数据类型实时数据bi,获取当前区域变化度d,设定d=(1+(b1-B1)/B1×e)×(1+(b2-B2)/B2×e)×···×(1+(bn-Bn)/Bn×e),其中,e为当前区域各数据补偿参数,其中,i=1,2···n。
具体而言,本发明标准模型构建模块设置有各数据类别标准参数,中控模块根据传感器获取的当前区域各数据类别的实时数据与各数据类别标准参数获取当前区域变化度,其中,中控模块将实时数据与标准值的差值作为基准,获取实时数据与标准值的变化率,同时设置有补偿参数对当前数据类型数据值进行补偿,通过将各数据变化率相乘的结果设为当前区域变化度,以根据当前区域各个数据类型数据的变化情况衡量当前区域的变化情况。
具体而言,本发明实施例对各传感器在预设间隔时间内获取的各数据类型实时数据获取的方式不作限定,其可以每隔间隔时间对其进行监控的数据类型数据进行获取,也可以在间隔时间内若干次获取该数据类型的数据,并将获取的若干个数据的平均值设为该数据类型的实时值,同时,若当前区域的该数据类型所处区域不唯一,即,当前区域有若干个该数据类型,通过传感器获取多个该数据类型的数据值,则该数据类型的实时数据可以是多个数据值的和,也可以为多个数据值的平均值为该数据类型实时数据。
所述当前区域各传感器依次获取当前区域各数据类型与其他数据类型所在空间的距离s,其中,当前区域第一数据类型与第二数据类型所在空间的距离s12、当前区域第一数据类型与第三数据类型所在空间的距离s13···当前区域第一数据类型与第n数据类型的距离分别为s1n,···获取第i数据类型与第j数据类型所在空间的距离sij,其中,i≠j,且i<j,中控模块根据当前区域第i数据类型与第j数据类型所在空间的距离获取第i数据类型与各数据类型的关联度gi,设定gi=∑(sij-si0)2/n,其中,si0为第i数据类型与各数据类型所在空间的距离的平均值,其中,j=1,2···n。
具体而言,本发明实施例以当前数据类型所在空间与各数据类型所在空间的距离为参量,获取当前区域当前数据类型与各数据类型的关联度,其中莫若当前区域当前数据类型的空间位置不唯一,则根据该数据类型与其他数据类型空间距离的平均值为其空间距离。
所述中控模块预设第i数据类型与其他数据类型关联度Gi,中控模块根据获取的第i数据类型与各数据类型的关联度gi与预设关联度相比较,获取当前区域第i数据类型补偿参数,其中,
当gi≤Gi1,所述中控模块选取第一预设补偿参数e1为当前区域第i数据类型补偿参数;
当Gi1<gi<Gi2,所述中控模块选取第二预设补偿参数e2为当前区域第i数据类型补偿参数;
当gi≥Gi2,所述中控模块选取第三预设补偿参数e3为当前区域第i数据类型补偿参数;
其中,所述中控模块设置第i数据类型与其他数据类型关联度Gi,设定第一预设第i数据类型与其他数据类型关联度Gi1、第二预设第i数据类型与其他数据类型关联度Gi2,中控模块预设补偿参数e,设定第一预设补偿参数e1,第二预设补偿参数e2,第三预设补偿参数e3。
具体而言,本发明将根据当前区域各数据类型与其他数据类型空间距离获取当前数据类型与各数据类型的关联度,即,以当前数据类型为第一数据类型为例,中控模块根据获取的第一数据类型与第二数据类型所在空间距离、第一数据类型与第三数据类型所在空间距离至第一数据类型与第n数据类型所在空间距离,得到第一数据类型与各数据类型的关联度,用以评价第一数据类型与其他数据类型的复杂程度,中控模块将获取的当前数据类型与各数据类型关联度小于等于第一预设当前数据类型关联度,说明当前数据类型与各数据类型密切度不高,中控模块选取较小的补偿参数为当前数据类型的补偿参数用以获取准确的变化度,当前数据类型与各数据类型关联度在第一预设当前数据类型关联度和第二预设当前数据类型关联度之间,说明当前数据类型与各数据类型密切度不高,中控模块选取中间值的补偿参数为当前数据类型的补偿参数,当前数据类型与各数据类型关联度大于等于第二预设当前数据类型关联度,说明当前数据类型与各数据类型密切相关,当前数据类型的重要度较高,中控模块选取较大的补偿参数为当前数据类型的补偿参数。
其中,所述中控模块预设变化度D,中控模块根据当前区域变化度d与预设变化度相比较,判定是否将当前区域的实时数据传输至标准模型构建模块,其中,
当d≤D1,所述中控模块判定将当前区域各数据类型的实时数据保存至当前区域存储单元;
当D1<d<D2,所述中控模块对所述传感器的预设间隔时间进行调节,重新获取当前区域各数据类型的数据信息;
当d≥D2,所述中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块;
其中,所述中控模块预设变化度D,设定第一预设变化度D1,第二预设变化度D2。
具体而言,本发明中控模块将预设变化度划分为明确的两个标准,中控模块根据获取的当前区域变化度,与预设变化度相比较,对当前区域的变化情况进行判定,其中,若中控模块获取的当前区域变化度小于等于第一预设变化度,说明当前区域的变化情况不大,中控模块判定将当前区域的各数据类型数据保存至当前区域存储单元,用以积累数据,以便将来进行更为准确的评价,若中控模块获取的当前区域变化度在第一预设变化度和第二预设变化度之间,说明该数据的获取较为不准确,中控模块无法针对当前区域的变化情况进行准确判定,因此中控模块对传感器预设间隔时间进行调节,以便获取更精确的数据,对当前区域的数据进行重新判定,若中控模块获取的当前区域变化度大于等于第二预设变化度,说明当前区域的变化情况较大,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,所述标准模型构建模型根据传输的数据对预设的标准参数进行调节。
当所述中控模块获取的当前区域变化度d大于等于第二预设变化度,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据当前区域第i数据类型实时数据bi与所述当前区域存储单元预设存储时间存储的第i数据类型数据平均值F相比较,对当前区域第i数据类型标准参数Bi进行调节,其中,
当bi≤F-△f,所述标准模型构建模块降低当前区域第i数据类型标准参数Bi至Bi1,设定Bi1=Bi×(1-(F-△f-bi)/F);
当F-△f<bi<F+△f,所述标准模型构建模块不对当前区域第i数据类型标准参数进行调节;
当bi≥F+△f,所述标准模型构建模块提高当前区域第i数据类型标准参数Bij至Bi2,设定Bi2=Bi×(1-(bi-F-△f)/F);
其中,△f为所述标准模型构建模块预设误差值。
具体而言,本发明中控模块获取的当前区域变化度大于等于第二预设变化度时,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据传输的数据对标准模型构建模块预设的各数据类型标准参数进行调节,其中,标准模型构建模型根据获取当前区域当前数据类型实时数据,与当前区域存储单元在预设时间内获取的当前数据类型数据平均值相比较,对当前区域当前数据类型标准参数进行调节,重新构建标准模型,其中,若当前区域当前数据类型实时数据小于等于当前数据类型数据平均值,说明当前区域当前数据类型较未对当前区域变化度产生较大影响的数据小,因此标准模型构建模块降低当前区域当前数据类型标准参数,以使标准模型构建模块构建的标准参数更准确;若当前区域当前数据类型实时数据在当前数据类型数据平均值的误差范围内,说明当前区域当前数据类型较对当前区域变化度产生较大影响的数据没有太大的差别,因此标准模型构建模块不对当前区域当前数据类型标准参数进行调节;若当前区域当前数据类型实时数据大于等于当前数据类型数据平均值,说明当前区域当前数据类型较未对当前区域变化度产生较大影响的数据大,因此标准模型构建模块提高当前区域当前数据类型标准参数,以使标准模型构建模块构建的标准参数更准确。
当所述中控模块获取的当前区域变化度在第一预设变化度和第二预设变化度之间,中控模块判定对预设时间进行调节,重新获取调节后预设时间的数据信息,所述中控模块根据获取当前区域第i数据类型实时数据值bi与当前区域第i数据类型上一数据值bi’的差值与预设差值△h相比较,对获取第i数据类型的传感器获取数据间隔时间ti进行调节,其中,
当bi-bi’≤△h1,所述中控模块延长获取第i数据类型数据的传感器获取数据间隔时间t至t1,设定t1=t×(1+(△h1-bi+bi’)/△h1);
当△h1<bi-bi’<△h2,所述中控模块不对获取第i数据类型数据的传感器获取数据间隔时间进行调节;
当bi-bi’≥△h2,所述中控模块缩短获取第i数据类型数据的传感器获取数据间隔时间t至t2,设定t2=t×(1-(bi-bi’-△h2)/△h2);
其中,所述中控模块预设差值△h,设定第一预设差值△h1、第二预设差值△h2。
具体而言,本发明中控模块判定对获取当前数据类型数据的传感器获取数据间隔时间进行调节时,中控模块根据当前区域当前数据类型的数据与上一间隔时间传感器获取的数据的差值,与预设值相比较,对间隔时间进行调节,其中,若该差值小于等于第一差值,说明当前数据类型的数据值与上一时刻数据值相差较大,中控模块通过延长获取该数据的间隔时间,以便更准确的判定当前数据的情况;若该差值在第一差值和第二差值之间,说明当前数据类型的数据值与上一时刻数据值相差不大,中控模块不对间隔时间进行调节;若该差值大于等于第二差值,说明当前数据类型的数据值与上一时刻数据值相差较大,中控模块通过缩短获取该数据的间隔时间,以便更准确的判定当前数据的情况。
所述中控模块预设间隔时间标准值t0,中控模块根据调节后的获取第i数据类型数据的传感器获取数据间隔时间tk,与预设间隔时间标准值相比较,对当前区域第i数据类型补偿参数er进行调节,其中,
当tk≤t0,所述中控模块将当前区域第i数据类型补偿参数er提高至er1=er×(1+(t0-tk)/t0);
当tk>t0,所述中控模块将当前区域第i数据类型补偿参数er降低至er2=er×(1-(tk-t0)/t0);
其中,k=1,2,r=1,2,3。
具体而言,本发明根据中控模块获取的调节后当前数据类型获取的间隔时间与预设间隔时间标准值相比较,对当前区域当前数据类型的补偿参数进行调节,其中,若中控模块获取的调节后当前数据类型获取的间隔时间小于预设间隔时间标准值,说明当前数据类型获取的间隔时间较短,即当前数据类型获取的较为不准确,需对该数据类型进行着重分析,中控模块提高当前数据补偿参数,以提高该数据类型的数据重要性,若中控模块获取的调节后当前数据类型获取的间隔时间大于等于预设间隔时间标准值,说明当前数据类型获取的间隔时间较长,该数据类型的数据短时间内变化不大,中控模块降低当前数据补偿参数,避免因当前数据获取不准确造成最终评价错误。
所述标准模型构建模块预设第i数据类型标准参数评价值Bi0,标准模型构建模块根据调节后第i数据类型标准参数Bij与预设第i数据类型标准参数评价值Bi0相比较,评价当前区域第i数据类型数据是否符合标准,其中,
当Bij≥Bi0,所述标准模型构建模块判定当前区域第i数据类型数据不符合标准;
当Bij<Bi0,所述标准模型构建模块判定当前区域第i数据类型数据符合标准;
其中,j=1,2。
具体而言,本发明通过当前区域各数据类型变化用以评价当前区域各系统变化的情况,而系统的变化进而对标准模型的构建的标准进行调整,由标准模型构建模块内的标准参数作为标准衡量各区域是否符合标准,本发明标准模型构建模块内设置有对当前数据类型标准参数评价值,用以评价当前数据类型标准值是否超出可以衡量的标准,其中,若标准模型构建模块获取的调节后当前数据类型标准参数小于预设当前数据类型标准参数评价值,说明当前数据类型的标准参数仍在控制范围内,若标准模型构建模块获取的调节后当前数据类型标准参数大于等于预设当前数据类型标准参数评价值,标准模型构建模块判定当前区域当前数据类型不符合标准,构建模块通过警告方式进行预警,避免发生问题。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (9)

1.一种基于CIM模型的城市信息多源数据融合方法,其特征在于,包括:
步骤S1,标准模型构建模块根据建筑信息模型、地理信息系统、物联网数据信息构建标准模型;
步骤S2,当前传感器将获取的实时数据保存至当前区域存储单元,中控模块根据当前区域存储单元保存的数据获取当前区域变化度,其中,所述中控模块根据当前区域数据类型获取当前区域该数据标准值,中控模块根据实时数据与各数据标准值获取当前区域变化度;
步骤S3,若当前区域变化度大于预设值,中控模块将当前区域存储单元预设时间内保存的数据传输至标准模型构建模块,对标准模型构建模块的数据标准值进行调整;
在所述步骤S2-S3中,所述中控模块根据当前数据类型与各数据类型的关联度,获取各数据类型补偿参数,其中,若当前数据类型与各数据类型的关联度大于预设值,中控模块提高当前数据类型补偿参数,若当前数据类型与各数据类型的关联度小于预设值,中控模块降低当前数据类型补偿参数,以使中控模块获取当前区域变化度,中控模块根据获取当前区域变化度与预设变化度相比较,判定当前区域各数据类型实时数据保存位置,其中,中控模块获取当前区域变化度,小于预设变化度,中控模块判定将当前区域各数据类型的实时数据保存至当前区域存储单元,若中控模块获取当前区域变化度大于预设变化度,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据当前区域各数据类型实时数据与所述当前区域存储单元预设时间内存储的当前数据类型数据平均值相比较,对当前区域各数据类型标准参数进行调节,以使标准模型构建模块存储的各数据类型标准参数与实时数据相融合。
2.根据权利要求1所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,所述标准模型构建模块预设各数据类别标准参数B,其中,第一数据类别标准参数B1、第二数据类别标准参数B2···第n数据类别标准参数Bn,中控模块根据当前区域的第i数据类别选取Bi为第i数据类型标准参数,所述中控模块根据当前区域各传感器预设间隔时间t内获取的各数据类型实时数据bi,获取当前区域变化度d,设定d=(1+(b1-B1)/B1×e)×(1+(b2-B2)/B2×e)×···×(1+(bn-Bn)/Bn×e),其中,e为当前区域各数据补偿参数,其中,i=1,2···n。
3.根据权利要求2所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,所述当前区域各传感器依次获取当前区域各数据类型与其他数据类型所在空间的距离s,其中,当前区域第一数据类型与第二数据类型所在空间的距离s12、当前区域第一数据类型与第三数据类型所在空间的距离s13···当前区域第一数据类型与第n数据类型的距离分别为s1n,···获取第i数据类型与第j数据类型所在空间的距离sij,其中,i≠j,且i<j,中控模块根据当前区域第i数据类型与第j数据类型所在空间的距离获取第i数据类型与各数据类型的关联度gi,设定gi=∑(sij-si0)2/n,其中,si0为第i数据类型与各数据类型所在空间的距离的平均值,其中,j=1,2···n。
4.根据权利要求3所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,所述中控模块预设第i数据类型与其他数据类型关联度Gi,中控模块根据获取的第i数据类型与各数据类型的关联度gi与预设关联度相比较,获取当前区域第i数据类型补偿参数,其中,
当gi≤Gi1,所述中控模块选取第一预设补偿参数e1为当前区域第i数据类型补偿参数;
当Gi1<gi<Gi2,所述中控模块选取第二预设补偿参数e2为当前区域第i数据类型补偿参数;
当gi≥Gi2,所述中控模块选取第三预设补偿参数e3为当前区域第i数据类型补偿参数;
其中,所述中控模块设置第i数据类型与其他数据类型关联度Gi,设定第一预设第i数据类型与其他数据类型关联度Gi1、第二预设第i数据类型与其他数据类型关联度Gi2,中控模块预设补偿参数e,设定第一预设补偿参数e1,第二预设补偿参数e2,第三预设补偿参数e3。
5.根据权利要求4所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,所述中控模块预设变化度D,中控模块根据当前区域变化度d与预设变化度相比较,判定是否将当前区域的实时数据传输至标准模型构建模块,其中,
当d≤D1,所述中控模块判定将当前区域各数据类型的实时数据保存至当前区域存储单元;
当D1<d<D2,所述中控模块对所述传感器的预设间隔时间进行调节,重新获取当前区域各数据类型的数据信息;
当d≥D2,所述中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块;
其中,所述中控模块预设变化度D,设定第一预设变化度D1,第二预设变化度D2。
6.根据权利要求5所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,当所述中控模块获取的当前区域变化度d大于等于第二预设变化度,中控模块判定将当前区域各数据类型的实时数据传输至所述标准模型构建模块,标准模型构建模块根据当前区域第i数据类型实时数据bi与所述当前区域存储单元预设存储时间存储的第i数据类型数据平均值F相比较,对当前区域第i数据类型标准参数Bi进行调节,其中,
当bi≤F-△f,所述标准模型构建模块降低当前区域第i数据类型标准参数Bi至Bi1,设定Bi1=Bi×(1-(F-△f-bi)/F);
当F-△f<bi<F+△f,所述标准模型构建模块不对当前区域第i数据类型标准参数进行调节;
当bi≥F+△f,所述标准模型构建模块提高当前区域第i数据类型标准参数Bij至Bi2,设定Bi2=Bi×(1-(bi-F-△f)/F);
其中,△f为所述标准模型构建模块预设误差值。
7.根据权利要求5所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,当所述中控模块获取的当前区域变化度在第一预设变化度和第二预设变化度之间,中控模块判定对预设时间进行调节,重新获取调节后预设时间的数据信息,所述中控模块根据获取当前区域第i数据类型实时数据值bi与当前区域第i数据类型上一数据值bi’的差值与预设差值△h相比较,对获取第i数据类型的传感器获取数据间隔时间ti进行调节,其中,
当bi-bi’≤△h1,所述中控模块延长获取第i数据类型数据的传感器获取数据间隔时间t至t1,设定t1=t×(1+(△h1-bi+bi’)/△h1);
当△h1<bi-bi’<△h2,所述中控模块不对获取第i数据类型数据的传感器获取数据间隔时间进行调节;
当bi-bi’≥△h2,所述中控模块缩短获取第i数据类型数据的传感器获取数据间隔时间t至t2,设定t2=t×(1-(bi-bi’-△h2)/△h2);
其中,所述中控模块预设差值△h,设定第一预设差值△h1、第二预设差值△h2。
8.根据权利要求7所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,所述中控模块预设间隔时间标准值t0,中控模块根据调节后的获取第i数据类型数据的传感器获取数据间隔时间tk,与预设间隔时间标准值相比较,对当前区域第i数据类型补偿参数er进行调节,其中,
当tk≤t0,所述中控模块将当前区域第i数据类型补偿参数er提高至er1=er×(1+(t0-tk)/t0);
当tk>t0,所述中控模块将当前区域第i数据类型补偿参数er降低至er2=er×(1-(tk-t0)/t0);
其中,k=1,2,r=1,2,3。
9.根据权利要求8所述的基于CIM模型的城市信息多源数据融合方法,其特征在于,所述标准模型构建模块预设第i数据类型标准参数评价值Bi0,标准模型构建模块根据调节后第i数据类型标准参数Bij与预设第i数据类型标准参数评价值Bi0相比较,评价当前区域第i数据类型数据是否符合标准,其中,
当Bij≥Bi0,所述标准模型构建模块判定当前区域第i数据类型数据不符合标准;
当Bij<Bi0,所述标准模型构建模块判定当前区域第i数据类型数据符合标准;
其中,j=1,2。
CN202210146279.9A 2022-02-17 2022-02-17 一种基于cim模型的城市信息多源数据融合方法 Active CN114202039B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210146279.9A CN114202039B (zh) 2022-02-17 2022-02-17 一种基于cim模型的城市信息多源数据融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210146279.9A CN114202039B (zh) 2022-02-17 2022-02-17 一种基于cim模型的城市信息多源数据融合方法

Publications (2)

Publication Number Publication Date
CN114202039A true CN114202039A (zh) 2022-03-18
CN114202039B CN114202039B (zh) 2022-06-14

Family

ID=80645619

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210146279.9A Active CN114202039B (zh) 2022-02-17 2022-02-17 一种基于cim模型的城市信息多源数据融合方法

Country Status (1)

Country Link
CN (1) CN114202039B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114428991A (zh) * 2022-03-31 2022-05-03 成都柔水科技有限公司 一种基于cim数字底座的物联感知数据展示方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008092149A2 (en) * 2007-01-26 2008-07-31 Information Resources, Inc. Data fusion methods and systems
CN106874436A (zh) * 2017-01-31 2017-06-20 杭州市公安局上城区分局 三维警用地理信息平台的多源影像融合成像系统
CN110321527A (zh) * 2019-06-11 2019-10-11 北京科东电力控制系统有限责任公司 一种基于多元基础信息融合的数据有效性判别方法
US20200025935A1 (en) * 2018-03-14 2020-01-23 Uber Technologies, Inc. Three-Dimensional Object Detection
CN111046258A (zh) * 2019-11-25 2020-04-21 北京科东电力控制系统有限责任公司 一种多元基础信息提取及一体化融合展示的方法、系统和存储介质
CN111382224A (zh) * 2020-03-06 2020-07-07 厦门大学 一种基于多源数据融合的城市区域功能智能识别方法
CN111401481A (zh) * 2020-04-29 2020-07-10 国网河北省电力有限公司沧州供电分公司 基于多源信息融合技术的电网运行方式自动识别方法
CN111598820A (zh) * 2020-05-14 2020-08-28 山东凯鑫宏业生物科技有限公司 应用于医疗的基于拉普拉斯金字塔变换mri图像融合方法及mri设备
CN111680084A (zh) * 2020-04-30 2020-09-18 国网天津市电力公司电力科学研究院 一种基于多源数据融合的线损计算方法
CN111783690A (zh) * 2020-07-06 2020-10-16 郑州迈拓信息技术有限公司 基于车辆密度感知的城市可行驶区域cim信息处理方法
CN111967495A (zh) * 2020-07-06 2020-11-20 中国科学院计算技术研究所 一种分类识别模型构建方法
CN113178008A (zh) * 2021-04-30 2021-07-27 重庆天智慧启科技有限公司 一种基于gis的三维城市建模系统及方法
US20210383175A1 (en) * 2020-06-08 2021-12-09 Wuhan University Adaptive inversion method of internet-of-things environmental parameters based on rfid multi-feature fusion sensing model

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008092149A2 (en) * 2007-01-26 2008-07-31 Information Resources, Inc. Data fusion methods and systems
CN106874436A (zh) * 2017-01-31 2017-06-20 杭州市公安局上城区分局 三维警用地理信息平台的多源影像融合成像系统
US20200025935A1 (en) * 2018-03-14 2020-01-23 Uber Technologies, Inc. Three-Dimensional Object Detection
CN110321527A (zh) * 2019-06-11 2019-10-11 北京科东电力控制系统有限责任公司 一种基于多元基础信息融合的数据有效性判别方法
CN111046258A (zh) * 2019-11-25 2020-04-21 北京科东电力控制系统有限责任公司 一种多元基础信息提取及一体化融合展示的方法、系统和存储介质
CN111382224A (zh) * 2020-03-06 2020-07-07 厦门大学 一种基于多源数据融合的城市区域功能智能识别方法
CN111401481A (zh) * 2020-04-29 2020-07-10 国网河北省电力有限公司沧州供电分公司 基于多源信息融合技术的电网运行方式自动识别方法
CN111680084A (zh) * 2020-04-30 2020-09-18 国网天津市电力公司电力科学研究院 一种基于多源数据融合的线损计算方法
CN111598820A (zh) * 2020-05-14 2020-08-28 山东凯鑫宏业生物科技有限公司 应用于医疗的基于拉普拉斯金字塔变换mri图像融合方法及mri设备
US20210383175A1 (en) * 2020-06-08 2021-12-09 Wuhan University Adaptive inversion method of internet-of-things environmental parameters based on rfid multi-feature fusion sensing model
CN111783690A (zh) * 2020-07-06 2020-10-16 郑州迈拓信息技术有限公司 基于车辆密度感知的城市可行驶区域cim信息处理方法
CN111967495A (zh) * 2020-07-06 2020-11-20 中国科学院计算技术研究所 一种分类识别模型构建方法
CN113178008A (zh) * 2021-04-30 2021-07-27 重庆天智慧启科技有限公司 一种基于gis的三维城市建模系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈才 等: "加快构建CIM平台,助力数字孪生城市建设", 《信息通信技术与政策》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114428991A (zh) * 2022-03-31 2022-05-03 成都柔水科技有限公司 一种基于cim数字底座的物联感知数据展示方法

Also Published As

Publication number Publication date
CN114202039B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
US20160196494A1 (en) Location analysis for analytics
EP3769047B1 (en) Sensor calibration
CN109146093A (zh) 一种基于学习的电力设备现场勘查方法
CN112036610A (zh) 一种基于大数据分析的智能电缆预警平台及预警方法
CN114202039B (zh) 一种基于cim模型的城市信息多源数据融合方法
CN116013087B (zh) 一种基于城市运动车辆检测的车流量统计方法
CN114882696B (zh) 道路容量的确定方法、装置及存储介质
CN109979193B (zh) 一种基于马尔科夫模型的数据异常诊断方法
CN113434619B (zh) 一种4g的高速公路智能交通路况监控系统
CN116030210A (zh) 碳排放数据统计方法、电子设备及存储介质
CN117057579B (zh) 一种分布式配电网的运行维护方法及系统
CN115880101B (zh) 一种基于大数据的水利数据管理系统
CN116434138A (zh) 一种应用于多云多雾地区耕地智保实时动态监控方法
CN116204659A (zh) 知识图谱技术电量电费场景化数据多态势赋能方法、系统
CN112884352B (zh) 一种架空输电线路雷击故障风险评估方法
CN115146007A (zh) 地图数据处理方法及装置
CN106412811A (zh) 一种基于数据均匀性加权的传感器网络数据融合方法
CN106846826A (zh) 道路路况监测方法及装置
JP3468686B2 (ja) 旅行時間推定方法及び装置
CN110455370A (zh) 防汛抗旱远程遥测显示系统
Zhao et al. Application of data fusion based on clustering-neural network for ETC gantry flow capacity correction
CN117728573B (zh) 一种配网融合数据质量评估管理系统
CN115550199B (zh) 一种基于bim的全生命周期数字孪生系统
EP4020345A1 (en) Cloud server, node, system and method for assessing tree and forest health
CN117291554B (zh) 一种电力行业的云网协同运营方法与系统

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 518000 Room 501, 5th floor, block a, scientific research building, aerospace micromotor plant, No. 25, Keji North 2nd Road, songpingshan community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Yuanshijie Technology Co.,Ltd.

Address before: 518000 Room 501, 5th floor, block a, scientific research building, aerospace micromotor plant, No. 25, Keji North 2nd Road, songpingshan community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN XIAOAN TECHNOLOGY CO.,LTD.