CN114417457A - 一种基于cim技术的规划项目在线多维协同选址系统 - Google Patents
一种基于cim技术的规划项目在线多维协同选址系统 Download PDFInfo
- Publication number
- CN114417457A CN114417457A CN202111583476.9A CN202111583476A CN114417457A CN 114417457 A CN114417457 A CN 114417457A CN 202111583476 A CN202111583476 A CN 202111583476A CN 114417457 A CN114417457 A CN 114417457A
- Authority
- CN
- China
- Prior art keywords
- cim
- index
- indexes
- addressing
- address
- 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
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 32
- 238000012216 screening Methods 0.000 claims abstract description 29
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 30
- 230000007613 environmental effect Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 16
- 238000010276 construction Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/16—Real estate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Graphics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Remote Sensing (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于CIM技术的规划项目在线多维协同选址系统,所述系统包括客户端及业务服务器,所述客户端包括:指标编辑模块、数据获取模块以及选址评价模块,所述选址评价模块用于基于目标地址CIM数据进行可视化展示,基于可视化展示结果,通过专家评价的方法对目标地址的控规指标进行核对,确定最优的选址结果;所述业务服务器包括数据获取模块以及多维选址模块,所述多维选址模块用于基于所述选址策略中的控规指标从获取的CIM数据中进行目标地址的逐级筛选。
Description
技术领域
本发明属于工程项目规划选址技术领域,尤其涉及一种基于CIM技术的规划项目在线多维协同选址系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
“多规合一”是指在一级政府一级事权下,强化国民经济和社会发展规划、城乡规划、土地利用规划、环境保护、文物保护、林地与耕地保护、综合交通、水资源、文化与生态旅游资源、社会事业规划等各类规划的衔接,确保“多规”确定的保护性空间、开发边界、城市规模等重要空间参数一致,并在统一的空间信息平台上建立控制线体系,以实现优化空间布局、有效配置土地资源、提高政府空间管控水平和治理能力的目标;建设项目是产业的支撑、投资的载体,是推动经济社会发展的基础性工作,是实现城市提质、专业转型、经济增长和民生改善的重要保障。开展“多规合一”规划编制工作,形成发改部门、规划部门、国土部门共同认可的“一张蓝图”、“一本规划”,其最终目的是加快并促进建设项目的快速、高效地选址与“落地”。
然而,长期以来,由于各规划主体不同,技术标准、编制办法、规划期限不一,以及数据格式、坐标系统的不同等,导致“多规”存在差异,经常造成建设项目用地选址时因不符合相关的规划或只符合一种规划而不能直接使用。随着城市化进程的加速,“规划打架”衍生出的问题屡见不鲜。比如,城市规划在大型楼盘周边建设商场和影院等配套,但选址地块在土地规划中可能是农用地而不是商业用地,导致商场和影院无法落地建设,造成公共服务设施、市政设施建设配套不足。与此同时,城市总体规划和土地利用规划各自划定的生态用地面积和边界存在较大的差异,建设项目选址触及生态用地的现象时有发生,生态用地保护范围缺乏统筹,影响了城市生态安全。
发明人发现,现有的项目寻址方法存在以下问题:
(1)现有的项目寻址大多还停留在纸质的阶段,人为因素的干扰因素较多,对项目环境的分析比较方式单一,缺乏大量数据的有效支撑,而且选出的地址不准确,误差较大;此外传统的选址方法也不能实现项目选址自动化;
(2)传统寻址方式,往往由企业内多个分部门进行,加大了选址工作管理的难度,这些传统的图纸文档通常都是分散在各个职能部门和个人手中,造成大量的数据堆积,使得图纸文档没有得到有效地集中管理和利用,这也使得文件地查找、管理变得非常繁杂。
(3)对项目选址的影响因素多种多样,但是现有的选址方法主要关注如项目类型、拟选地块的用地性质以及用地面积等基本数值型信息,其严重忽略了多规管控要求、周边设施影响、交通影响以及周边环境影响等文本数据的语义信息,导致项目选址过程中所能够利用的数据单一,获得的选址结果中存大量无法满足实际需求方案,需要人工进一步筛选,耗时耗力。
发明内容
为克服上述现有技术的不足,本发明提供了一种基于CIM技术的规划项目在线多维协同选址系统,所述方案基于CIM模型,采用自动化的方式对规划项目进行在线选址,并且基于CIM模型数据对选址结果及其周边环境进行可视化展示,相较于传统通过人工根据图纸进行筛选的方式更直观,准确率以及效率更高。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
一种客户端,其与业务服务器通信连接,包括:
指标编辑模块,其用于基于待选的控规指标,通过界面模块拖拽的方式制定选址指标策略;
数据获取模块,其用于基于指定的选址指标策略从所述业务服务器中获取筛选后的一个或多个目标地址及其相关CIM数据;
选址评价模块,其用于基于目标地址CIM数据进行可视化展示,基于可视化展示结果,通过专家评价的方法对目标地址的控规指标进行核对,确定最优的选址结果。
进一步的,可视化展示界面中每个目标地址均与其控规指标相关联,实现目标地址与控规指标的图文一体化展示。
进一步的,所述基于目标地址CIM数据进行可视化展示,具体为:
加载CIM数据对其进行初始展示;
获取鼠标在初始展示界面中的位置信息,以当前位置为中心,生成预设大小的方格,对该方格及其邻域方格构成的九宫格进行场景展示,实现当前目标地址及其周边环境的三维展示。
一个或多个实施例提供了一种业务服务器,其与所述客户端通信连接,包括:
数据获取模块,其用于获取预选范围内的CIM数据,并接收客户端发出的选址指标策略;
多维选址模块,其用于基于所述选址策略中的控规指标从获取的CIM数据中进行目标地址的逐级筛选,其筛选过程包括:基于控规指标中的基本指标及CIM数据,采用查询方式从空闲地块中确定初始选址集合;基于控规指标中的环境指标,采用深度学习的方式从初始选址集合中进行二次筛选;并将二次筛选结果反馈给所述客户端。
进一步的,所述选址指标策略包括若干按照优先级高低顺序排列的控规指标,所述优先级高低由选址指标策略制定过程中模块拖拽的先后顺序决定。
进一步的,所述基本指标包括但不限于项目类型、用地性质以及用地面积的量化后的数值型信息,所述环境指标包括但不限于周边设施影响、交通影响以及周边环境影响的文本描述信息。
进一步的,所述环境指标的获取,具体为:
通过网络爬虫的方式,获取目标地址周围关于不同环境指标的社会公众评价信息;
采用主成分分析方法,从爬取的评价信息中确定其关键成分;
将这些关键成分作为待选的环境指标。
进一步的,所述采用深度学习的方式从初始选址集合中进行二次筛选,具体为:
基于所述初始选址集合,基于网络爬虫的方式获取每个待选地址的环境评价文本,并基于预先训练的神经网络模型进行特征提取,获取环境评价文本特征;
基于预先设定的环境指标,通过预先训练的神经网络模型进行文本语义特征的提取,获得环境指标特征;
基于环境指标特征与环境评价文本特征的相似度计算,确定一个或多个二次筛选结果。
进一步的,所述神经网络模型采用卷积神经网络。
一个或多个实施例提供了一种基于CIM技术的规划项目在线多维协同选址系统,包括上述的客户端及业务服务器。
进一步的,所述客户端设置为一个或多个,且与所述业务服务器连接,用于从所述业务服务器中获取选址结果,并基于CIM数据对选址结果进行三维展示。
以上一个或多个技术方案存在以下有益效果:
(1)本发明所述方案提供了一种基于CIM技术的规划项目在线多维协同选址系统,其基于C/S架构,基于集成有丰富空间数据、政府业务数据、IoT数据以及社会公众产生的数据的CIM模型,采用自动化的方式对规划项目进行在线选址,并且基于CIM模型数据对选址结果及其周边环境进行可视化展示;相较于传统通过人工根据图纸进行筛选的方式更直观,准确率以及效率更高。
(2)本发明通过在客户端中进行目标地址区域三维图像与控规指标的图文一体化展示,在获得多个选址目标的情况下,能够更友好的对多个选址目标进行比较核对,确定最优方案。
(3)本发明所述方案充分考虑多规管控要求、周边设施影响、交通影响以及周边环境影响等文本信息对选址需求的影响,采用基于深度学习的方法从初始选址结果的相关文本信息以及预先制定的环境指标中提取语义特征,基于相似度计算对初始选址结果集合进行二次筛选,有效筛除了其中不满足实际需求的冗余项,进一步提高了选址精度及效率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例一所述基于CIM技术的规划项目在线多维协同选址系统结构示意图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例的目的是提供一种基于CIM技术的规划项目在线多维协同选址系统。
如图1所示,一种基于CIM技术的规划项目在线多维协同选址系统,包括:
客户端,其包括:
指标编辑模块,其用于基于待选的控规指标,通过界面模块拖拽的方式制定选址指标策略;
数据获取模块,其用于基于指定的选址指标策略从所述业务服务器中获取筛选后的一个或多个目标地址及其相关CIM数据;
选址评价模块,其用于基于目标地址CIM数据进行可视化展示,基于可视化展示结果,通过专家评价的方法对目标地址的控规指标进行核对,确定最优的选址结果;
业务服务器,其包括:
数据获取模块,其用于获取预选范围内的CIM数据,并接收客户端发出的选址指标策略;
多维选址模块,其用于基于所述选址策略中的控规指标从获取的CIM数据中进行目标地址的逐级筛选,其筛选过程包括:基于控规指标中的基本指标及CIM数据,采用查询方式从空闲地块中确定初始选址集合;基于控规指标中的环境指标,采用深度学习的方式从初始选址集合中进行二次筛选;并将二次筛选结果反馈给所述客户端;
所述客户端设置为一个或多个,且与所述业务服务器连接,用于从所述业务服务器中获取选址结果,并基于CIM数据对选址结果进行三维展示。
进一步的,可视化展示界面中每个目标地址均与其控规指标相关联,实现目标地址与控规指标的图文一体化展示。
进一步的,所述基于目标地址CIM数据进行可视化展示,具体为:
加载CIM数据对其进行初始展示;
获取鼠标在初始展示界面中的位置信息,以当前位置为中心,生成预设大小的方格,对该方格及其邻域方格构成的九宫格进行场景展示,实现当前目标地址及其周边环境的三维展示。
具体的,所述可视化展示是对场景进行整体粗略显示;获取鼠标在屏幕中的位置,将鼠标在屏幕中的位置转换为在场景中的坐标位置,基于鼠标在场景中的位置,以该位置为中心,生成设定大小的方格,仅对该方格及其邻域方格构成的九宫格进行场景显示,用于查看当前地块及周边三维模型信息。通过这种方式,用户通过该系统能够按照地块辐射范围进行授权查看,无需对整个场景进行高精度可视化,每次仅针对九宫格内三维数据和指标信息等进行按需显示,加载速度快。用户参考目标地址的周边场景以及关联的控规指标,能够对选址的结果进行核对,并通过图文一体化展示,从若干选址结果中选择最优的选址结果(主要是针对一些不便于量化以及文本表示的经验型控规指标)。
城市信息模型(CIM,City Information Modeling),是以城市信息数据为基数,建立三维城市空间模型和城市信息的有机综合体,从范围上讲是大场景的GIS数据+小场景的BIM(Building Information Modeling)数据+物联网的有机结合,一个CIM数据库既包含丰富的空间数据,也包含政府各部门的业务数据、IoT(Internet of Things)数据和社会公众产生的数据;由于规划项目选址过程中主要关注的是目标地址周围设施及环境的结构和外观,因此,对于CIM数据中的BIM模型没有必要进行全部信息的可视化,为了提高模型加载效率,且不影响模型的完整度,本实施例采用轻量化BIM引擎,对BIM模型的拓扑结构进行分离,抽取BIM模型中的部分数据进行显示。
具体地,所述轻量化BIM引擎采用数模分离机制,将几何信息与非几何信息进行分别存储,加载时,对BIM模型的拓扑结构进行分离,从BIM模型中抽取出基本框架结构相应数据,并且对构件拓扑关系及属性进行必要性判断,保证模型加载的完整性。其中,分离BIM模型的拓扑结构,包括以下过程:
(1)通过方向包围盒进行两个构件的碰撞关系初判断;
(2)根据初判断结果,遍历其中一个构件的所有边线几何上的线段,向另外一个构件的所有面做两个段射线检测,如果不相交,则归为不相交类;如果相交,但距离小于线段长度,归为不相交;如果相交,且小于线段长度,归为相交类;
(3)两个构件分别进行边界几何点对另外一个构件的面的相交判断,如没有任意数据出现在相交类,则判定两构件不相交,反之如有任意线段与任意面相交,则判定两物体有碰撞;
(4)判断两个构件是否为包含关系,取第一构件的所有几何点位置为起点,向任意方向发射射线,与第二构件监测碰撞;如所有碰撞信息中,单个碰撞的次数均为奇数,则判定第二构件包含第一构件,如所有的碰撞信息中,单个碰撞的次数均为偶数,则判定第二构件不包含第一构件;如所有碰撞信息中,既有偶数也有奇数,则判定第二构件部分包含第一构件,则第二构件和第一构件发生碰撞。
进一步的,所述系统还包括CIM数据库服务器,其用于存储三维城市空间数据、政府各部门的业务数据、IoT数据、社会公众产生的数据、时序数据、面向对象数据及相关服务支撑数据;
具体的,所述CIM数据库包括三维仿真的实景和周边数据,实时查看周边人口、企业分布、交通运行等情况分布。通过输入项目类型、建设规模、选址范围、毗邻要素、规避要素等多个限制条件,匹配分析区域产业和项目准入政策,智能查找适合的项目用地空间,并分析展示各备选空间的具体要素信息(产业准入类型、投资强度、产出效益、能耗标准、排放标准等属性信息),对多个推荐方案进行多维度打分评估。
进一步的,所述选址指标策略包括若干按照优先级高低顺序排列的控规指标,所述优先级高低由选址指标策略制定过程中模块拖拽的先后顺序决定。
进一步的,所述基本指标包括但不限于项目类型、用地性质以及用地面积的量化后的数值型信息,所述环境指标包括但不限于周边设施影响、交通影响以及周边环境影响的文本描述信息。
进一步的,所述环境指标的获取,具体为:
通过网络爬虫的方式,获取目标地址周围关于不同环境指标的社会公众评价信息;
采用主成分分析方法,从爬取的评价信息中确定其关键成分;
将这些关键成分作为待选的环境指标。
进一步的,所述采用深度学习的方式从初始选址集合中进行二次筛选,具体为:
基于所述初始选址集合,基于网络爬虫的方式获取每个待选地址的环境评价文本,并基于预先训练的神经网络模型进行特征提取,获取环境评价文本特征;
基于预先设定的环境指标,通过预先训练的神经网络模型进行文本语义特征的提取,获得环境指标特征;
基于环境指标特征与环境评价文本特征的相似度计算,确定一个或多个二次筛选结果。
进一步的,所述神经网络模型采用卷积神经网络,通过卷积神经网络提对文本数据进行特征提取,获取其文本语义信息。
进一步的,所述控规指标还可以包括:项目选址分布图层管理、片区控规图层管理、街区控规图层管理、专项整合图层管理、城市设计图层管理、用地红线图层管理、项目注记图层管理、中心区图层管理、特色小镇图层管理以及公园绿地图层管理等。
进一步的,所述系统将城市设计的高度、公共空间、廊道、绿色生态等要求纳入控规刚性指标,根据待审查项目类型,一键自动生成规划条件。在开展项目前期策划生成工作时,可对项目空间位置是否符合规划要求进行逐条检查,将规划条件中容积率、建筑密度、绿地率等多项刚性指标和绿色生态技术指标与项目申请信息自动比对,实现规划方案智能化审查,在审查过程中,支持对不符合要求的内容进行批注,方便后期管理和查阅,在上述各类审查过程中,根据审查结果,自动生成审查报告,通过接口与绿色工程建设项目审批子系统进行对接,将审查报告推送至审批子系统。
同时,根据国家标准、起步区标准等梳理选址方案模型,作为智能选址方案基本依据。系统能根据用户选择的项目类型、拟选地块的用地性质、用地面积等参数,以及所设置的项目选址的大概范围,自动列出所有满足条件的候选地块;同时可以定位每个地块的具体位置,查看候选地块的主要控规指标,如用地性质、用地控制类型等信息,通过图文一体化信息查看,辅助项目规划选址。
在简单项目选址的基础上,根据区域地理环境的特点,综合考虑多规管控要求、周边设施影响、交通影响、周边环境影响等因素,建立项目的选址模型,提供项目的精准选址。起步区各部门相关管理人员可实现项目基本信息、发起人信息、建设单位信息、项目建设计划等信息的录入,形成项目储备库。对接规划“一张蓝图”空间信息平台,提供多规合规性审查,形成“项目体检报告”,辅助业务人员判断项目基于多规成果的合规性情况。
实施例二
本实施例的目的是提供一种客户端。
一种客户端,其与业务服务器通信连接,包括:
指标编辑模块,其用于基于待选的控规指标,通过界面模块拖拽的方式制定选址指标策略;
数据获取模块,其用于基于指定的选址指标策略从所述业务服务器中获取筛选后的一个或多个目标地址及其相关CIM数据;
选址评价模块,其用于基于目标地址CIM数据进行可视化展示,基于可视化展示结果,通过专家评价的方法对目标地址的控规指标进行核对,确定最优的选址结果。
进一步的,可视化展示界面中每个目标地址均与其控规指标相关联,实现目标地址与控规指标的图文一体化展示。
进一步的,所述基于目标地址CIM数据进行可视化展示,具体为:
加载CIM数据对其进行初始展示;
获取鼠标在初始展示界面中的位置信息,以当前位置为中心,生成预设大小的方格,对该方格及其邻域方格构成的九宫格进行场景展示,实现当前目标地址及其周边环境的三维展示。
实施例三
本实施例的目的是提供一种业务服务器。
一种业务服务器,其与所述客户端通信连接,包括:
数据获取模块,其用于获取预选范围内的CIM数据,并接收客户端发出的选址指标策略;
多维选址模块,其用于基于所述选址策略中的控规指标从获取的CIM数据中进行目标地址的逐级筛选,其筛选过程包括:基于控规指标中的基本指标及CIM数据,采用查询方式从空闲地块中确定初始选址集合;基于控规指标中的环境指标,采用深度学习的方式从初始选址集合中进行二次筛选;并将二次筛选结果反馈给所述客户端。
进一步的,所述选址指标策略包括若干按照优先级高低顺序排列的控规指标,所述优先级高低由选址指标策略制定过程中模块拖拽的先后顺序决定。
进一步的,所述基本指标包括但不限于项目类型、用地性质以及用地面积的量化后的数值型信息,所述环境指标包括但不限于周边设施影响、交通影响以及周边环境影响的文本描述信息。
进一步的,所述环境指标的获取,具体为:
通过网络爬虫的方式,获取目标地址周围关于不同环境指标的社会公众评价信息;
采用主成分分析方法,从爬取的评价信息中确定其关键成分;
将这些关键成分作为待选的环境指标。
进一步的,所述采用深度学习的方式从初始选址集合中进行二次筛选,具体为:
基于所述初始选址集合,基于网络爬虫的方式获取每个待选地址的环境评价文本,并基于预先训练的神经网络模型进行特征提取,获取环境评价文本特征;
基于预先设定的环境指标,通过预先训练的神经网络模型进行文本语义特征的提取,获得环境指标特征;
基于环境指标特征与环境评价文本特征的相似度计算,确定一个或多个二次筛选结果。
进一步的,所述神经网络模型采用卷积神经网络,通过卷积神经网络提对文本数据进行特征提取,获取其文本语义信息。。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种客户端,其与业务服务器通信连接,其特征在于,包括:
指标编辑模块,其用于基于待选的控规指标,通过界面模块拖拽的方式制定选址指标策略;
数据获取模块,其用于基于指定的选址指标策略从所述业务服务器中获取筛选后的一个或多个目标地址及其相关CIM数据;
选址评价模块,其用于基于目标地址CIM数据进行可视化展示,基于可视化展示结果,通过专家评价的方法对目标地址的控规指标进行核对,确定最优的选址结果。
2.如权利要求1所述的一种客户端,其特征在于,可视化展示界面中每个目标地址均与其控规指标相关联,实现目标地址与控规指标的图文一体化展示。
3.如权利要求1所述的一种客户端,其特征在于,所述基于目标地址CIM数据进行可视化展示,具体为:
加载CIM数据对其进行初始展示;
获取鼠标在初始展示界面中的位置信息,以当前位置为中心,生成预设大小的方格,对该方格及其邻域方格构成的九宫格进行场景展示,实现当前目标地址及其周边环境的三维展示。
4.一种业务服务器,其与所述客户端通信连接,其特征在于,包括:
数据获取模块,其用于获取预选范围内的CIM数据,并接收客户端发出的选址指标策略;
多维选址模块,其用于基于所述选址策略中的控规指标从获取的CIM数据中进行目标地址的逐级筛选,其筛选过程包括:基于控规指标中的基本指标及CIM数据,采用查询方式从空闲地块中确定初始选址集合;基于控规指标中的环境指标,采用深度学习的方式从初始选址集合中进行二次筛选;并将二次筛选结果反馈给所述客户端。
5.如权利要求4所述的一种业务服务器,其特征在于,所述选址指标策略包括若干按照优先级高低顺序排列的控规指标,所述优先级高低由选址指标策略制定过程中模块拖拽的先后顺序决定。
6.如权利要求4所述的一种业务服务器,其特征在于,所述基本指标包括但不限于项目类型、用地性质以及用地面积的量化后的数值型信息,所述环境指标包括但不限于周边设施影响、交通影响以及周边环境影响的文本描述信息。
7.如权利要求6所述的一种业务服务器,其特征在于,所述环境指标的获取,具体为:
通过网络爬虫的方式,获取目标地址周围关于不同环境指标的社会公众评价信息;
采用主成分分析方法,从爬取的评价信息中确定其关键成分;
将这些关键成分作为待选的环境指标。
8.如权利要求4所述的一种业务服务器,其特征在于,所述采用深度学习的方式从初始选址集合中进行二次筛选,具体为:
基于所述初始选址集合,基于网络爬虫的方式获取每个待选地址的环境评价文本,并基于预先训练的神经网络模型进行特征提取,获取环境评价文本特征;
基于预先设定的环境指标,通过预先训练的神经网络模型进行文本语义特征的提取,获得环境指标特征;
基于环境指标特征与环境评价文本特征的相似度计算,确定一个或多个二次筛选结果。
9.一种基于CIM技术的规划项目在线多维协同选址系统,其特征在于,包括如权利要求1-3任一项所述的客户端及如权利要求4-8任一项所述的业务服务器。
10.如权利要求9所述的一种基于CIM技术的规划项目在线多维协同选址系统,其特征在于,所述客户端设置为一个或多个,且与所述业务服务器连接,用于从所述业务服务器中获取选址结果,并基于CIM数据对选址结果进行三维展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111583476.9A CN114417457A (zh) | 2021-12-22 | 2021-12-22 | 一种基于cim技术的规划项目在线多维协同选址系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111583476.9A CN114417457A (zh) | 2021-12-22 | 2021-12-22 | 一种基于cim技术的规划项目在线多维协同选址系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114417457A true CN114417457A (zh) | 2022-04-29 |
Family
ID=81267438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111583476.9A Pending CN114417457A (zh) | 2021-12-22 | 2021-12-22 | 一种基于cim技术的规划项目在线多维协同选址系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114417457A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991914A (zh) * | 2019-12-09 | 2020-04-10 | 朱递 | 一种基于图卷积神经网络的设施选址方法 |
CN111091417A (zh) * | 2019-12-12 | 2020-05-01 | 拉扎斯网络科技(上海)有限公司 | 选址方法及装置 |
CN111612294A (zh) * | 2020-04-08 | 2020-09-01 | 广州市城市规划勘测设计研究院 | 一种基于时空大数据的城市体检系统 |
KR20210030146A (ko) * | 2019-09-09 | 2021-03-17 | 주식회사 오픈업 | 프랜차이즈 점포 입지 추천 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
CN112700045A (zh) * | 2020-12-31 | 2021-04-23 | 武汉市土地利用和城市空间规划研究中心 | 一种基于土地储备实施监测模型的智能选址系统 |
CN113240306A (zh) * | 2021-05-21 | 2021-08-10 | 河南高通物联网有限公司 | 基于人工智能和大数据的商场选址方法及系统 |
CN113360788A (zh) * | 2021-05-07 | 2021-09-07 | 深圳依时货拉拉科技有限公司 | 一种地址推荐方法、装置、设备及存储介质 |
CN113435637A (zh) * | 2021-06-16 | 2021-09-24 | 广东史客郎环保科技有限公司 | 基于人工智能和cim的垃圾中转站选址评估方法及系统 |
CN113627975A (zh) * | 2021-07-28 | 2021-11-09 | 南京苏宁软件技术有限公司 | 门店选址方法、装置、计算机设备和存储介质 |
-
2021
- 2021-12-22 CN CN202111583476.9A patent/CN114417457A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210030146A (ko) * | 2019-09-09 | 2021-03-17 | 주식회사 오픈업 | 프랜차이즈 점포 입지 추천 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
CN110991914A (zh) * | 2019-12-09 | 2020-04-10 | 朱递 | 一种基于图卷积神经网络的设施选址方法 |
CN111091417A (zh) * | 2019-12-12 | 2020-05-01 | 拉扎斯网络科技(上海)有限公司 | 选址方法及装置 |
CN111612294A (zh) * | 2020-04-08 | 2020-09-01 | 广州市城市规划勘测设计研究院 | 一种基于时空大数据的城市体检系统 |
CN112700045A (zh) * | 2020-12-31 | 2021-04-23 | 武汉市土地利用和城市空间规划研究中心 | 一种基于土地储备实施监测模型的智能选址系统 |
CN113360788A (zh) * | 2021-05-07 | 2021-09-07 | 深圳依时货拉拉科技有限公司 | 一种地址推荐方法、装置、设备及存储介质 |
CN113240306A (zh) * | 2021-05-21 | 2021-08-10 | 河南高通物联网有限公司 | 基于人工智能和大数据的商场选址方法及系统 |
CN113435637A (zh) * | 2021-06-16 | 2021-09-24 | 广东史客郎环保科技有限公司 | 基于人工智能和cim的垃圾中转站选址评估方法及系统 |
CN113627975A (zh) * | 2021-07-28 | 2021-11-09 | 南京苏宁软件技术有限公司 | 门店选址方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
乔志伟著: "《BIM-CIM技术在建筑工程规划报建阶段的应用研究》", 《智能建筑与智慧城市》, no. 2021, 30 June 2021 (2021-06-30), pages 96 - 98 * |
张世贵等著: "《大型混凝土拌合站的选址与布局》", 《智能建筑与智慧城市》, no. 2020, 31 October 2020 (2020-10-31), pages 108 - 109 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112270027B (zh) | 基于实体模型的城市设计无纸化智能交互审查方法 | |
US11270397B2 (en) | Automatic urban land identification system integrating business big data with building form | |
Irizarry et al. | Optimizing location of tower cranes on construction sites through GIS and BIM integration | |
CN114511202B (zh) | 一种基于bim的全周期工程项目管理方法和平台 | |
Xu et al. | Optimization algorithms for construction site layout planning: a systematic literature review | |
CN110298553A (zh) | 一种基于gis的国土空间规划方法、系统和设备 | |
CN101976248B (zh) | 一种快速识别输变电工程环境风险的方法 | |
CN105550758A (zh) | 基于gis的地下管线运维系统 | |
CN111222661A (zh) | 一种城市规划实施效果分析评估方法 | |
CN111612294A (zh) | 一种基于时空大数据的城市体检系统 | |
CN114968984A (zh) | 数字孪生全生命周期管理平台 | |
CN113269875A (zh) | 基于实景与仿真三维模型虚实融合的建筑设计方案评审方法及系统和存储介质 | |
CN115239211A (zh) | 光伏发电项目的可研审查方法、装置、系统及电子设备 | |
Ding et al. | BIM research vs BIM practice: a bibliometric-qualitative analysis from China | |
Wang et al. | [Retracted] Artificial Intelligence Technology Based on Deep Learning in Building Construction Management System Modeling | |
CN111797188A (zh) | 一种基于开源地理空间矢量数据的城市功能区定量识别方法 | |
Yu et al. | [Retracted] Construction and Evaluation of Construction Safety Management System Based on BIM and Internet of Things | |
CN113987837A (zh) | 铁路选线评价系统及方法 | |
Al-Roumi et al. | Exploring the rate of adoption and implementation depth of building information modeling (BIM): A case of Kuwait | |
Zhaoguo et al. | Traditional village protection based on big data under the impact of covid-19 | |
CN114417457A (zh) | 一种基于cim技术的规划项目在线多维协同选址系统 | |
Yamashkin et al. | Geoinformation Methods and Technologies in the Study of Natural-Social-Production Systems | |
Brito et al. | Code Checking using BIM for Digital Building Permit: a case study in a Brazilian municipality | |
Du et al. | Mining multicity urban data for sustainable population relocation | |
Zhang et al. | Research on Quality Testing and Evaluation Technology of Fundamental Geographic Information Database System |
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 |