CN114648688B - 高铁沿线景观等级评估方法、系统、设备及可读存储介质 - Google Patents

高铁沿线景观等级评估方法、系统、设备及可读存储介质 Download PDF

Info

Publication number
CN114648688B
CN114648688B CN202210375327.1A CN202210375327A CN114648688B CN 114648688 B CN114648688 B CN 114648688B CN 202210375327 A CN202210375327 A CN 202210375327A CN 114648688 B CN114648688 B CN 114648688B
Authority
CN
China
Prior art keywords
information
speed rail
landscape
along
evaluation
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.)
Active
Application number
CN202210375327.1A
Other languages
English (en)
Other versions
CN114648688A (zh
Inventor
刘瀚舒
曹永刚
张婷
马国友
季澄之
刘登峰
付永强
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.)
China Railway Engineering Consulting Group Co Ltd
Original Assignee
China Railway Engineering Consulting Group 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 China Railway Engineering Consulting Group Co Ltd filed Critical China Railway Engineering Consulting Group Co Ltd
Priority to CN202210375327.1A priority Critical patent/CN114648688B/zh
Publication of CN114648688A publication Critical patent/CN114648688A/zh
Application granted granted Critical
Publication of CN114648688B publication Critical patent/CN114648688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及信息技术领域，具体而言，涉及一种高铁沿线景观等级评估、系统、设备及可读存储介质，所述方法为获取高铁沿线景观的所有信息，然后将高铁沿线景观的所有信息发送至分类模型进行分类，得到第二信息，所述分类模型为基于图像识别和语义分析对第一信息进行分类的模型，所述第二信息为至少一类包含分类特征的高铁沿线景观信息；将所述第二信息发送至评价模型进行质量评价，得到第三信息，所述第三信息为高铁沿线景观质量的评价值信息；将所述第三信息发送至等级评估模型进行等级评估，得到景观的质量等级信息。本发明通过开发评价体系中的各类评价内容的效益计算平台，提供量化的评价结果，达到客观对高铁沿线景观进行评价的目的。

Description

高铁沿线景观等级评估方法、系统、设备及可读存储介质
技术领域
本发明涉及信息技术领域，具体而言，涉及一种高铁沿线景观等级评估方法、系统、设备及可读存储介质。
背景技术
国内目前还没有满足高速铁路沿线景观行业和生态环境保护行业需求的质量和效益评价体系，缺少鉴定景观可持续性的有效工具，缺少面向高铁景观设计人员的景观效益评价的平台，现如今需要一种能够针对性的提供高铁沿线的景观质量和效益评价报告的平台，用于在高铁沿线景观建设的全过程开展评估和比较，引导高铁沿线景观建设工作更加注重可持续发展。
发明内容
本发明的目的在于提供一种高铁沿线景观等级评估方法、系统、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
一方面，本申请提供了一种高铁沿线景观等级评估方法，所述方法包括：
获取第一信息，所述第一信息包括高铁沿线景观照片信息、高铁沿线景观设计图纸信息、高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息；
将所述第一信息发送至分类模型进行分类，得到第二信息，所述分类模型为基于图像识别和语义分析对第一信息进行分类的模型，所述第二信息为至少一类包含分类特征的高铁沿线景观信息；
将所述第二信息发送至评价模型进行质量评价，得到第三信息，所述第三信息为高铁沿线景观质量的评价值信息；
将所述第三信息发送至等级评估模型进行等级评估，得到景观的质量等级信息。
第二方面，本申请提供了一种高铁沿线景观等级评估系统，所述系统包括：
第一获取单元，用于获取第一信息，所述第一信息包括高铁沿线景观照片信息、高铁沿线景观设计图纸信息、高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息；
第一分类单元，用于将所述第一信息发送至分类模型进行分类，得到第二信息，所述分类模型为基于图像识别和语义分析对第一信息进行分类的模型，所述第二信息为至少一类包含分类特征的高铁沿线景观信息；
第一发送单元，用于将所述第二信息发送至评价模型进行质量评价，得到第三信息，所述第三信息为高铁沿线景观质量的评价值信息；
第一处理单元，用于将所述第三信息发送至等级评估模型进行等级评估，得到景观的质量等级信息。
第三方面，本申请实施例提供了一种高铁沿线景观等级评估设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述高铁沿线景观等级评估方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述高铁沿线景观等级评估方法的步骤。
本发明的有益效果为：
本申请通过互联网手段，精准化采集有针对性的高铁沿线景观数据，并构建具有示范性、引领性的景观质量和效益评价体系，通过量化评价计算模型形成可视化的计算工具，用于对高铁建设前沿线景观设计成果以及高铁建成后沿线景观项目开展全面的绩效评估，开发评价体系中的各类评价内容的效益计算平台，提供量化的评价结果。
本申请还通过等级评估模型能够承载高铁行业景观质量与效益量化评价的需求，并且线上计算平台满足比较大流量的访问计算，进而更加高效快速、全面的输出铁路景观设计和建设的评价结果。
本发明的其他特征和优点将在随后的说明书阐述，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实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例中所述的一种高铁沿线景观等级评估方法流程示意图；
图2为本发明实施例中所述的一种高铁沿线景观等级评估系统结构示意图；
图3是本发明实施例中所述的一种高铁沿线景观等级评估设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了一种高铁沿线景观等级评估方法，其所述方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1、获取第一信息，所述第一信息包括高铁沿线景观照片信息、高铁沿线景观设计图纸信息、高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息；
步骤S2、将所述第一信息发送至分类模型进行分类，得到第二信息，所述分类模型为基于图像识别和语义分析对第一信息进行分类的模型，所述第二信息为至少一类包含分类特征的高铁沿线景观信息；
步骤S3、将所述第二信息发送至评价模型进行质量评价，得到第三信息，所述第三信息为高铁沿线景观质量的评价值信息；
步骤S4、将所述第三信息发送至等级评估模型进行等级评估，得到景观的质量等级信息。
可以理解的是本申请通过本申请通过互联网手段，精准化采集有针对性的高铁沿线景观数据。并构建具有示范性、引领性的景观质量和效益评价体系，通过量化评价计算模型形成可视化的计算工具，用于对高铁建设前沿线景观设计成果以及高铁建成后沿线景观项目开展全面的绩效评估，开发评价体系中的各类评价内容的效益计算平台，提供量化的评价结果；还通过等级评估模型能够承载高铁行业景观质量与效益量化评价的需求，并且线上计算平台满足比较大流量的访问计算，进而更加高效快速。
在本公开的一种具体实施方式中，所述步骤S2包括步骤S21、步骤S22和步骤S23。
步骤S21、将所述高铁沿线景观照片信息和高铁沿线景观设计图纸信息发送至图像识别模型进行图像识别，得到所述高铁沿线景观的第一特征数据，所述第一特征数据包括高铁沿线景观的动植物数量数据、人文景观数量数据和景观色彩配置数据；
步骤S22、将所述高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息发送至语义分析模型进行关键词识别，并将所述高铁沿线景观的配置结构数据、地形地貌数据、观测距离数据和观测范围数据作为关键词进行提取，得到第二特征数据；
步骤S23、基于所述第一特征数据和所述第二特征数据将所述高铁沿线景观进行分类，得到包含生态效益特征的高铁沿线景观信息和包含美学特征的高铁沿线景观信息。
可以理解的是本申请通过对输入的图像和其他信息进行识别，进而进行分类，确定不同类别的景观信息，这样可以对高铁沿线景观的不同方面进行评价，保障评估的全面性。
在本公开的一种具体实施方式中，所述步骤S3包括步骤S31、步骤S32、步骤S33和步骤S34。
步骤S31、将第二信息发送至训练好的神经网络模型进行指标确定，得到至少一个高铁沿线景观质量的评价指标；
步骤S32、将所述第二信息和所有的所述高铁沿线景观质量的评价指标基于预设的级别计算公式进行计算，得到至少一个所述高铁沿线景观质量的评价指标等级信息；
步骤S33、基于层次分析法对每个所述高铁沿线景观质量的评价指标进行分析，确定每个所述高铁沿线景观质量的评价指标所占的权重值；
步骤S34、将至少一个所述高铁沿线景观质量的评价指标等级信息和所述评价指标所占的权重值发送至景观评价公式进行计算，得到每个所述高铁沿线景观质量评价指标的评价值。
可以理解的是本申请通过采用神经网络模型对分类的信息进行指标确定，进而通过层次分析法确定每个指标所占的权重，进而确定每个指标的评价值，进而可以通过每个指标来确定高铁沿线景观各方面的量化等级。
在本公开的一种具体实施方式中，所述步骤S31包括步骤S311、步骤312和步骤S313。
步骤S311、将预设的高铁沿线景观质量的历史评价指标和预设的高铁沿线景观质量的历史评价数据基于BP神经网络算法进行训练，得到训练好的神经网络模型；
步骤S312、将所述包含生态效益特征的高铁沿线景观信息和所述包含美学特征的高铁沿线景观信息分别发送至训练好的神经网络模型进行处理，得到两个类别高铁沿线景观质量的评价指标集合；
步骤S313、将所述两个类别高铁沿线景观质量的评价指标集合进行筛选处理，得到至少一个筛选后的高铁沿线景观质量的评价指标。
可以理解的是上述步骤通过调用matlab软件设定网络训练函数的类型、输出层激活函数类型、最大迭代次数、期望误差最小值设定值和修正权值的学习效率，并对所述历史评价指标和所述历史评价数据进行指标预测训练，得到评价指标的神经网络模型。
可以理解的是上述步骤通过神经网络模型对评价指标集合进行筛选处理，快速有效的对评价指标进行量化处理，节约时间的同时节约成本，提高了评价效率。
在本公开的一种具体实施方式中，所述步骤S313包括步骤S3131、步骤S3132和步骤S3133。
步骤S3131、将所述第二信息中将所述生态效益特征所对应的数据信息和所述美学特征特征所对应的数据信息进行灰色关联分析，其中对每一个数据信息进行无量纲化处理，得到每个无量纲化处理后的数据信息，基于所述无量纲化处理后的数据信息计算所述数据信息与所述高铁沿线景观质量的灰色关联系数；
步骤S3132、基于所述数据信息与所述高铁沿线景观质量的灰色关联系数，计算得到所述数据信息与所述高铁沿线景观质量的关联度，并计算所有所述关联度的平均值，得到用于筛选所述评价指标集合内评价指标的第一阈值；
步骤S3133、将所述关联度小于所述第一阈值的评价指标进行删除，得到至少一个筛选后的高铁沿线景观质量的评价指标。
可以理解的是本发明通过将所述生态效益特征所对应的数据信息和所述美学特征特征所对应的数据信息进行灰色关联分析，确定每个所述数据信息与所述高铁沿线景观质量的关联度，进而得到至少一个筛选后的高铁沿线景观质量的评价指标，这样既保证了评价指标的权威性，又可以基于关联度对评价指标进行权重调整。
在本公开的一种具体实施方式中，所述步骤S4包括步骤S41、步骤S42和步骤S43。
步骤S41、将所述第三信息内的所有评价值基于距离类的聚类算法进行聚类处理，得到聚类类别集合，所述聚类类别集合包括至少一个聚类类别；
步骤S42、计算所述第一聚类类别集合中每个点到中心点的欧式距离，得到各个聚类类别对应的最大欧式距离，对所有的所述最大欧式距离进行分析，将所有的所述最大欧式距离的平均值作为合格等级的第二阈值；
步骤S43、将所述第三信息内的所有评价值分别与所述第二阈值进行对比，得到所述景观的质量等级信息。
可以理解的是本申请通过对所有评价值基于距离类的聚类算法进行聚类处理，然后计算每个聚类类别对应的最大欧式距离确定阈值，用于判断质量等级是否合格，进而确定所述景观的等级是合格等级还是不合格等级。
实施例2
如图2所示，本实施例提供了一种高铁沿线景观等级评估系统，所述系统包括第一获取单元701、第一分类单元702、第一发送单元703和第一处理单元704。
第一获取单元701，用于获取第一信息，所述第一信息包括高铁沿线景观照片信息、高铁沿线景观设计图纸信息、高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息；
第一分类单元702，用于将所述第一信息发送至分类模型进行分类，得到第二信息，所述分类模型为基于图像识别和语义分析对第一信息进行分类的模型，所述第二信息为至少一类包含分类特征的高铁沿线景观信息；
第一发送单元703，用于将所述第二信息发送至评价模型进行质量评价，得到第三信息，所述第三信息为高铁沿线景观质量的评价值信息；
第一处理单元704，用于将所述第三信息发送至等级评估模型进行等级评估，得到景观的质量等级信息。
在本公开的一种具体实施方式中，所述第一分类单元702包括第一发送子单元7021、第二发送子单元7022和第一分类子单元7023。
第一发送子单元7021，用于将所述高铁沿线景观照片信息和高铁沿线景观设计图纸信息发送至图像识别模型进行图像识别，得到所述高铁沿线景观的第一特征数据，所述第一特征数据包括高铁沿线景观的动植物数量数据、人文景观数量数据和景观色彩配置数据；
第二发送子单元7022，用于将所述高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息发送至语义分析模型进行关键词识别，并将所述高铁沿线景观的配置结构数据、地形地貌数据、观测距离数据和观测范围数据作为关键词进行提取，得到第二特征数据；
第一分类子单元7023，用于基于所述第一特征数据和所述第二特征数据将所述高铁沿线景观进行分类，得到包含生态效益特征的高铁沿线景观信息和包含美学特征的高铁沿线景观信息。
在本公开的一种具体实施方式中，所述第一发送单元703包括第三发送子单元7031、第一处理子单元7032、第二处理子单元7033和第四发送子单元7034。
第三发送子单元7031，用于将第二信息发送至训练好的神经网络模型进行指标确定，得到至少一个高铁沿线景观质量的评价指标；
第一处理子单元7032，用于将所述第二信息和所有的所述高铁沿线景观质量的评价指标基于预设的级别计算公式进行计算，得到至少一个所述高铁沿线景观质量的评价指标等级信息；
第二处理子单元7033，用于基于层次分析法对每个所述高铁沿线景观质量的评价指标进行分析，确定每个所述高铁沿线景观质量的评价指标所占的权重值；
第四发送子单元7034，用于将至少一个所述高铁沿线景观质量的评价指标等级信息和所述评价指标所占的权重值发送至景观评价公式进行计算，得到每个所述高铁沿线景观质量评价指标的评价值。
在本公开的一种具体实施方式中，所述第三发送子单元7031包括第三处理子单元70311、第四处理子单元70312和第五处理子单元70313。
第三处理子单元70311，用于将预设的高铁沿线景观质量的历史评价指标和预设的高铁沿线景观质量的历史评价数据基于BP神经网络算法进行训练，得到训练好的神经网络模型；
第四处理子单元70312，用于将所述包含生态效益特征的高铁沿线景观信息和所述包含美学特征的高铁沿线景观信息分别发送至训练好的神经网络模型进行处理，得到两个类别高铁沿线景观质量的评价指标集合；
第五处理子单元70313，用于将所述两个类别高铁沿线景观质量的评价指标集合进行筛选处理，得到至少一个筛选后的高铁沿线景观质量的评价指标。
在本公开的一种具体实施方式中，所述第五处理子单元70313包括第六处理子单元703131、第七处理子单元703132和第八处理子单元703133。
第六处理子单元703131，用于将所述第二信息中将所述生态效益特征所对应的数据信息和所述美学特征特征所对应的数据信息进行灰色关联分析，其中对每一个数据信息进行无量纲化处理，得到每个无量纲化处理后的数据信息，基于所述无量纲化处理后的数据信息计算所述数据信息与所述高铁沿线景观质量的灰色关联系数；
第七处理子单元703132，用于基于所述数据信息与所述高铁沿线景观质量的灰色关联系数，计算得到所述数据信息与所述高铁沿线景观质量的关联度，并计算所有所述关联度的平均值，得到用于筛选所述评价指标集合内评价指标的第一阈值；
第八处理子单元703133，用于将所述关联度小于所述第一阈值的评价指标进行删除，得到至少一个筛选后的高铁沿线景观质量的评价指标。
在本公开的一种具体实施方式中，所述第一处理单元704包括第一聚类子单元7041、第二聚类子单元7042和第九处理子单元7043。
第一聚类子单元7041，用于将所述第三信息内的所有评价值基于距离类的聚类算法进行聚类处理，得到聚类类别集合，所述聚类类别集合包括至少一个聚类类别；
第二聚类子单元7042，用于计算所述第一聚类类别集合中每个点到中心点的欧式距离，得到各个聚类类别对应的最大欧式距离，对所有的所述最大欧式距离进行分析，将所有的所述最大欧式距离的平均值作为合格等级的第二阈值；
第九处理子单元7043，用于将所述第三信息内的所有评价值分别与所述第二阈值进行对比，得到所述景观的质量等级信息。
需要说明的是，关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了一种高铁沿线景观等级评估设备，下文描述的一种高铁沿线景观等级评估设备与上文描述的一种高铁沿线景观等级评估方法可相互对应参照。
图3是根据一示例性实施例示出的一种高铁沿线景观等级评估设备800的框图。如图3所示，该高铁沿线景观等级评估设备800可以包括：处理器801，存储器802。该高铁沿线景观等级评估设备800还可以包括多媒体组件803，输入/输出(I/O)接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该高铁沿线景观等级评估设备800的整体操作，以完成上述的高铁沿线景观等级评估方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该高铁沿线景观等级评估设备800的操作，这些数据例如可以包括用于在该高铁沿线景观等级评估设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(StaticRandom Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该高铁沿线景观等级评估设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，高铁沿线景观等级评估设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的一种高铁沿线景观等级评估方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的高铁沿线景观等级评估方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由高铁沿线景观等级评估设备800的处理器801执行以完成上述的高铁沿线景观等级评估方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种高铁沿线景观等级评估方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的高铁沿线景观等级评估方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
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，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种高铁沿线景观等级评估方法，其特征在于，包括：
获取第一信息，所述第一信息包括高铁沿线景观照片信息、高铁沿线景观设计图纸信息、高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息；
将所述第一信息发送至分类模型进行分类，得到第二信息，所述分类模型为基于图像识别和语义分析对第一信息进行分类的模型，所述第二信息为至少一类包含分类特征的高铁沿线景观信息；
将所述第二信息发送至评价模型进行质量评价，得到第三信息，所述第三信息为高铁沿线景观质量的评价值信息；
将所述第三信息发送至等级评估模型进行等级评估，得到景观的质量等级信息；
其中，将所述第一信息发送至分类模型进行分类，得到第二信息，包括：
将所述高铁沿线景观照片信息和高铁沿线景观设计图纸信息发送至图像识别模型进行图像识别，得到所述高铁沿线景观的第一特征数据，所述第一特征数据包括高铁沿线景观的动植物数量数据、人文景观数量数据和景观色彩配置数据；
将所述高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息发送至语义分析模型进行关键词识别，并将所述高铁沿线景观的配置结构数据、地形地貌数据、观测距离数据和观测范围数据作为关键词进行提取，得到第二特征数据；
基于所述第一特征数据和所述第二特征数据将所述高铁沿线景观进行分类，得到包含生态效益特征的高铁沿线景观信息和包含美学特征的高铁沿线景观信息；
其中，将所述第二信息发送至评价模型进行质量评价，得到第三信息，包括：
将第二信息发送至训练好的神经网络模型进行指标确定，得到至少一个高铁沿线景观质量的评价指标；
将所述第二信息和所有的所述高铁沿线景观质量的评价指标基于预设的级别计算公式进行计算，得到至少一个所述高铁沿线景观质量的评价指标等级信息；
基于层次分析法对每个所述高铁沿线景观质量的评价指标进行分析，确定每个所述高铁沿线景观质量的评价指标所占的权重值；
将至少一个所述高铁沿线景观质量的评价指标等级信息和所述评价指标所占的权重值发送至景观评价公式进行计算，得到每个所述高铁沿线景观质量评价指标的评价值。
2.根据权利要求1所述的高铁沿线景观等级评估方法，其特征在于，所述将第二信息发送至训练好的神经网络模型进行指标确定，得到至少一个高铁沿线景观质量的评价指标，包括：
将预设的高铁沿线景观质量的历史评价指标和预设的高铁沿线景观质量的历史评价数据基于BP神经网络算法进行训练，得到训练好的神经网络模型；
将所述包含生态效益特征的高铁沿线景观信息和所述包含美学特征的高铁沿线景观信息分别发送至训练好的神经网络模型进行处理，得到两个类别高铁沿线景观质量的评价指标集合；
将所述两个类别高铁沿线景观质量的评价指标集合进行筛选处理，得到至少一个筛选后的高铁沿线景观质量的评价指标。
3.一种高铁沿线景观等级评估系统，其特征在于，包括：
第一获取单元，用于获取第一信息，所述第一信息包括高铁沿线景观照片信息、高铁沿线景观设计图纸信息、高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息；
第一分类单元，用于将所述第一信息发送至分类模型进行分类，得到第二信息，所述分类模型为基于图像识别和语义分析对第一信息进行分类的模型，所述第二信息为至少一类包含分类特征的高铁沿线景观信息；
第一发送单元，用于将所述第二信息发送至评价模型进行质量评价，得到第三信息，所述第三信息为高铁沿线景观质量的评价值信息；
第一处理单元，用于将所述第三信息发送至等级评估模型进行等级评估，得到景观的质量等级信息；
其中，所述系统包括：
第一发送子单元，用于将所述高铁沿线景观照片信息和高铁沿线景观设计图纸信息发送至图像识别模型进行图像识别，得到所述高铁沿线景观的第一特征数据，所述第一特征数据包括高铁沿线景观的动植物数量数据、人文景观数量数据和景观色彩配置数据；
第二发送子单元，用于将所述高铁沿线景观的工程结构信息和高铁沿线景观的路段时速信息发送至语义分析模型进行关键词识别，并将所述高铁沿线景观的配置结构数据、地形地貌数据、观测距离数据和观测范围数据作为关键词进行提取，得到第二特征数据；
第一分类子单元，用于基于所述第一特征数据和所述第二特征数据将所述高铁沿线景观进行分类，得到包含生态效益特征的高铁沿线景观信息和包含美学特征的高铁沿线景观信息；
其中，所述系统包括：
第三发送子单元，用于将第二信息发送至训练好的神经网络模型进行指标确定，得到至少一个高铁沿线景观质量的评价指标；
第一处理子单元，用于将所述第二信息和所有的所述高铁沿线景观质量的评价指标基于预设的级别计算公式进行计算，得到至少一个所述高铁沿线景观质量的评价指标等级信息；
第二处理子单元，用于基于层次分析法对每个所述高铁沿线景观质量的评价指标进行分析，确定每个所述高铁沿线景观质量的评价指标所占的权重值；
第四发送子单元，用于将至少一个所述高铁沿线景观质量的评价指标等级信息和所述评价指标所占的权重值发送至景观评价公式进行计算，得到每个所述高铁沿线景观质量评价指标的评价值。
4.根据权利要求3所述的高铁沿线景观等级评估系统，其特征在于，所述系统包括：
第三处理子单元，用于将预设的高铁沿线景观质量的历史评价指标和预设的高铁沿线景观质量的历史评价数据基于BP神经网络算法进行训练，得到训练好的神经网络模型；
第四处理子单元，用于将所述包含生态效益特征的高铁沿线景观信息和所述包含美学特征的高铁沿线景观信息分别发送至训练好的神经网络模型进行处理，得到两个类别高铁沿线景观质量的评价指标集合；
第五处理子单元，用于将所述两个类别高铁沿线景观质量的评价指标集合进行筛选处理，得到至少一个筛选后的高铁沿线景观质量的评价指标。
5.一种高铁沿线景观等级评估设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至2任一项所述高铁沿线景观等级评估方法的步骤。
6.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述高铁沿线景观等级评估方法的步骤。
CN202210375327.1A 2022-04-11 2022-04-11 高铁沿线景观等级评估方法、系统、设备及可读存储介质 Active CN114648688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210375327.1A CN114648688B (zh) 2022-04-11 2022-04-11 高铁沿线景观等级评估方法、系统、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210375327.1A CN114648688B (zh) 2022-04-11 2022-04-11 高铁沿线景观等级评估方法、系统、设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN114648688A CN114648688A (zh) 2022-06-21
CN114648688B true CN114648688B (zh) 2024-08-30

Family

ID=81997866

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210375327.1A Active CN114648688B (zh) 2022-04-11 2022-04-11 高铁沿线景观等级评估方法、系统、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114648688B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115293749B (zh) * 2022-10-08 2022-12-27 深圳市地铁集团有限公司 一种基于bim导出工程量清单的方法、系统及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136626A (zh) * 2011-11-29 2013-06-05 北京建龙重工集团有限公司 工程项目的在线管理方法
CN109447436A (zh) * 2018-10-17 2019-03-08 中国路桥工程有限责任公司 一种环湖旅游公路景观视觉影响评价方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101747368B1 (ko) * 2015-10-28 2017-06-15 더자이언트 주식회사 조경수 품질 평가 및 유통 관리 시스템 및 이를 이용한 방법
CN110390096A (zh) * 2019-01-17 2019-10-29 赵燕妮 一种公园评价方法及装置
CN112132418A (zh) * 2020-09-02 2020-12-25 生态环境部卫星环境应用中心 基于高分辨率遥感影像的自然保护地生态环境评价方法
CN111914339B (zh) * 2020-09-21 2023-06-09 北京林业大学 基于景观绩效评价的风景园林景观设计方法及系统
CN114218077A (zh) * 2021-12-07 2022-03-22 中信银行股份有限公司 一种软件的质量评价方法、装置、设备及可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136626A (zh) * 2011-11-29 2013-06-05 北京建龙重工集团有限公司 工程项目的在线管理方法
CN109447436A (zh) * 2018-10-17 2019-03-08 中国路桥工程有限责任公司 一种环湖旅游公路景观视觉影响评价方法

Also Published As

Publication number Publication date
CN114648688A (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN106951925B (zh) 数据处理方法、装置、服务器及系统
CN110688454A (zh) 咨询对话处理的方法、装置、设备及存储介质
CN110738564A (zh) 贷后风险评估方法及装置、存储介质
CN111182162B (zh) 基于人工智能的电话质检方法、装置、设备和存储介质
CN105426356A (zh) 一种目标信息识别方法和装置
CN105022825A (zh) 结合财经新闻挖掘和金融历史数据的金融品种价格预测方法
CN108038208B (zh) 上下文信息识别模型的训练方法、装置和存储介质
CN108052505A (zh) 文本情感分析方法及装置、存储介质、终端
CN113011889B (zh) 账号异常识别方法、系统、装置、设备及介质
CN111444341A (zh) 用户画像构建方法、装置、设备及可读存储介质
CN111199469A (zh) 用户还款模型生成方法、装置及电子设备
CN114648688B (zh) 高铁沿线景观等级评估方法、系统、设备及可读存储介质
CN113205403A (zh) 一种企业信用等级的计算方法、装置、存储介质及终端
CN111210332A (zh) 贷后管理策略生成方法、装置及电子设备
CN117520503A (zh) 基于llm模型的金融客服对话生成方法、装置、设备及介质
CN112766402A (zh) 算法选择方法、装置和电子设备
CN104598648A (zh) 一种微博用户交互式性别识别方法及装置
CN111488501A (zh) 一种基于云平台的电商统计系统
CN112200674B (zh) 一种证券市场情绪指数智能计算信息系统
CN112131354B (zh) 答案筛选方法、装置、终端设备和计算机可读存储介质
CN113674846A (zh) 基于lstm网络的医院智慧服务舆情监控平台
CN113569118A (zh) 自媒体推送方法、装置、计算机设备及存储介质
CN117725926A (zh) 一种基于自然语言处理结合违规检查的评价方法及系统
CN114238062B (zh) 板卡烧录装置性能分析方法、装置、设备及可读存储介质
CN117172632B (zh) 一种企业异常行为检测方法、装置、设备及存储介质

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