CN114862276B - 产城大数据协同分析应用方法及系统 - Google Patents
产城大数据协同分析应用方法及系统 Download PDFInfo
- Publication number
- CN114862276B CN114862276B CN202210707122.9A CN202210707122A CN114862276B CN 114862276 B CN114862276 B CN 114862276B CN 202210707122 A CN202210707122 A CN 202210707122A CN 114862276 B CN114862276 B CN 114862276B
- Authority
- CN
- China
- Prior art keywords
- data
- appeal
- planning
- industrial
- industry
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013439 planning Methods 0.000 claims abstract description 72
- 230000007246 mechanism Effects 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000007621 cluster analysis Methods 0.000 claims abstract description 4
- 238000012800 visualization Methods 0.000 claims abstract description 3
- 238000000605 extraction Methods 0.000 claims description 17
- 238000012552 review Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 208000010359 Newcastle Disease Diseases 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 11
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012795 verification 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种产城大数据协同分析应用方法及系统，其包括方法包括：S101、基于目标区域的地理数据、产业用地数据和已有规划数据，建立相应的数据库；S102、以预选的聚类分析逻辑对产城数据库中的在经营产业做分析，生成产业聚类分布数据，并存入数据库；S201、接收和获取新的产业项目诉求信息；S202、基于数据库，以预选的混合匹配分析机制对新的产业项目诉求信息分析，生成混合匹配数据；S203、混合匹配数据可视化处理后发送至指定的规划单位，并接收反馈得到可研预案；S204、发送反馈可研预案至指定的各级评审中心和/或单位进行审核。本申请具有为城市发展规划人员提供更为充足的决策参考的效果。
Description
技术领域
本申请涉及产业化和城市化实施协同技术领域，尤其是涉及一种产城大数据协同分析应用方法及系统。
背景技术
产业规划指对产业的结果、门类、规模、布局等进行整体的安排和布置，是产业活动在一定地域空间上的分布与组合所表现出的空间组织问题，包括产业布局的空间指向或区位择优、空间规模与空间秩序、空间演化或重组。产业规划与城市规划、土地规划等空间规划具有天然的紧密联系。
城市规划和产业规划“欠协同”是国内多区域普遍所面临的问题。长期以来，国内存在规划类型多、内容重叠冲突，不同部门在行政审批中规划依据不一，互为前置，审批流程复杂，结论分歧，缺乏科学有效的协调机制等情况，出现了因各个行业主管部门各司其职，但缺乏协同而导致的资源配置不合理，资源耗费大等问题。案例具体可参考国家级步行街评选结果，诸如：空间环境“散胡椒面”；产业业态缺少空间载体支撑，无法升级等等。
针对上述现状，目前国内多地域开始探索产城双规划协同机制，推动“多规合一”为新发展提供更深层次的建议。公开号为CN110069589A的专利公开了一种基于多规合一的产业空间规划布局方法，包括基础地理数据和规划数据整理与建库；在规划数据收集整理的基础上，对其进行冲突检测，生成规划“一张图”底图；对产业用地供需数据进行整理，并建立相应的数据库；根据城市产业规划需求，查询所需要的空闲的场地，获取产业用地备选数据集，并对其符合程度打分；根据产业用地备选数据集，选取最终产业用地。
上述技术方案，其给出了产城协同的部分初步构想，然而对于产城大数据的具体协同实施相对欠缺，对产业发展部门、规划设计人员等的决策参考帮助较少，因此本申请提出一种新的技术方案。
发明内容
为了为城市发展规划人员提供更为充足的决策参考，本申请提供一种产城大数据协同分析应用方法及系统。
第一方面，本申请提供一种产城大数据协同分析应用方法，采用如下的技术方案：
一种产城大数据协同分析应用方法，包括：
Q1、大数据储备，其包括：
S101、基于目标区域的地理数据、产业用地数据和已有规划数据，建立相应的数据库；以及，
S102、以预选的聚类分析逻辑对产城数据库中的在经营产业做分析， 生成产业聚类分布数据，并存入数据库；
Q2、多方协同规划预案，其包括：
S201、接收和获取新的产业项目诉求信息；其中，所述产业项目诉求信息包括产业类型、产业空间诉求和载体形式、交通条件、周边配套基础设施中的一个或多个；
S202、基于数据库，以预选的混合匹配分析机制对新的产业项目诉求信息分析，生成混合匹配数据；
S203、混合匹配数据可视化处理后发送至指定的规划单位，并接收反馈得到可研预案；
S204、发送反馈可研预案至指定的各级评审中心和/或单位进行审核；
S205、接收和汇总各级评审报告，做关键信息提取，判断是否审核通过，如果是，则记录可研预案；如果否，则执行下一步；
S206、返回S202，且以对可研预案修改和建议的关键信息提取结果为混合匹配分析机制的条件项，更新混合匹配数据。
可选的，所述预选的聚类分析逻辑，其包括：基于K-means算法做数据分析，且接收和获取基于产业用地对k的录入赋值。
可选的，所述预选的混合匹配分析机制，其包括：
识别并分解新的产业项目诉求信息，得到各项诉求明细；
以各项诉求明细作为条件分别检索数据库，得到符合条件的各项预期可研数据；
计算各项预期可研数据与各个产业聚类的距离，产生排序表；
以预设的距离阈值做关系判定，判定预期可研数据是否对应某一产业聚类；
统计各个产业聚类满足关系判定的诉求明细的项数；
汇总分析的过程数据，作为混合匹配数据。
可选的，所述混合匹配分析机制还包括：
接收和获取本次产业项目诉求信息对应的各项诉求的权重值；
计算各个产业聚类满足关系判定的诉求明细的项的权重总数值，产生权重总表；
权重总表记入混合匹配数据。
可选的，所述预期可研数据包括空间位置参数；所述混合匹配机制包括：
对各项预期可研数据识别，将相同空间位置参数的预期可研数据记为备选项，且记录对应的空间位置参数为共性坐标。
可选的，所述关键信息提取，其包括：以有监督关键词提取方式执行信息提取流程。
可选的，所述大数据储备，其还包括：获取用地企业/商户的经营数据，并建立相应的数据库；
所述新的产业项目诉求信息，其还包括：项目预期实施时间规划；
所述多方协同规划预案，其包括：
基于用地企业/商户的经营数据，计算各类用地企业/商户的平均生命周期；
根据项目预期实施时间规划、用地企业/商户的经营数据和用地企业/商户的平均生命周期，计算确定项目预期实施阶段的可腾退用地企业/商户，并以此更新数据库，用作混合匹配分析。
第二方面，本申请提供一种产城大数据协同分析应用系统，采用如下的技术方案：
一种产城大数据协同分析应用系统，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如上述任一种产城大数据协同分析应用方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：本方法可以基于产城大数据构建的数据库做产业聚类分析，根据新的产业项目诉求信息检索数据库，为规范单位提供参考的匹配数据，方便规划单元产生可研预案；同时，可研预案及时发送各级评审并接收反馈，还可根据反馈中提取的关键信息判断可研预案是否通过，如果未通过，则以提取的信息作为条件再次为规划单位提供新的匹配数据，即本方法可有效为相关城市发展规划人员提供决策参考，有助于实现跨部门协调，可实现全流程监管，对管理机制融合、规划编制合一有促进作用。
附图说明
图1是本申请的流程示意图。
具体实施方式
以下结合附图1对本申请作进一步详细说明。
本申请实施例公开一种产城大数据协同分析应用方法，其建立于大数据、数字化城市的背景之下，是多纬度技术融合的综合应用，旨在结合大数据、云计算、模拟仿真做可视化监测、深度数据挖掘的产城变化预测等，以为相关部门和人员提供决策参考，为推动城市和经济可持续发展提供助力。
参照图1，产城大数据协同分析应用方法包括：
Q1、大数据储备；以及，
Q2、多方协同规划预案。
其中，大数据储备包括：
S101、基于目标区域的地理数据、产业用地数据和已有规划数据，建立相应的数据库。
可以理解的是，地理数据不仅仅指的是从国土部门获取的区域地形数据一类，还包括在土地上的居民点、交通等关联基础设施数据，以为产业规划提供基础数据支持。
产业用地数据，诸如：截止当前时空，在监控区域中各类产业园、商场等的分布数据以及各个对应建筑内的企业、商家等的分布数据。
已有规划数据，即经过发改部门、国土部门和规划部门协调，已经审核通过，项目落地准备实施，或已经在实施的产业规划数据，其用于保证新项目不会与过往规划产生冲突。
S102、以预选的聚类分析逻辑对产城数据库中的在经营产业做分析，生成产业聚类分布数据，并存入数据库。
该步骤旨在对大量基础数据做预处理，分化、分析当前时空的产业分布特点，为后续规划应用提供参考数据支持。
关于聚类分析逻辑，在本申请的一个实施例中，其包括：基于K-means算法做数据分析。
K-means算法，其是通过迭代寻找k个类簇的一种划分方案；其采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大；k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。需要注意的是，虽然k-means算法能将样本聚类成 k个簇，但是其中的k是工作人员预先给定的，即需要后台管理人员，根据当地的产业特色、长期规划发展方向去人工录入k值。
关于K-means算法的算法步骤及程序语言实现为现有技术，因此本申请主要对应用其及其结果的如何应用做进一步阐释。
以上述做数据分析后，即生成对应区域的产业聚类分布数据，除了下述的应用外，其一方面，可为相关人员后期做市场调研做分析基础，另一方面也为各部门做市场监督管理等提供参考。
关于上述的Q2、多方协同规划预案，其包括：
S201、接收和获取新的产业项目诉求信息；
S202、基于数据库，以预选的混合匹配分析机制对新的产业项目诉求信息分析，生成混合匹配数据；
S203、混合匹配数据可视化处理（如圆饼图、柱状图、基于GIS地图的分布图等）后发送至指定的规划单位，并接收反馈得到可研预案；
可研预案例如：接收规划单位对混合匹配数据中各项的选择反馈，或接收各项诉求信息对应的细化登记表；
S204、发送反馈可研预案至指定的各级评审中心和/或单位进行审核；
S205、接收和汇总各级评审报告，做关键信息提取，判断是否审核通过，如果是，则记录可研预案；如果否，则执行下一步；
S206、返回S202，且以对可研预案修改和建议的关键信息提取结果为混合匹配分析机制的条件项，更新混合匹配数据。
根据上述内容，本方法可以基于产城大数据构建的数据库做产业聚类分析，根据新的产业项目诉求信息检索数据库，为规范单位提供参考的匹配数据，方便规划单元产生可研预案；同时，可研预案及时发送各级评审并接收反馈，还可根据反馈中提取的关键信息判断可研预案是否通过，如果未通过，则以提取的信息作为条件再次为规划单位提供新的匹配数据，即本方法可有效为相关城市发展规划人员提供决策参考，有助于实现跨部门协调，可实现全流程监管，对管理机制融合、规划编制合一有促进作用。
关于上述的混合匹配分析机制，在本申请的一个实施例中，其包括：
1）、识别并分解新的产业项目诉求信息，得到各项诉求明细。
其中，产业项目诉求信息包括产业类型（如化工、电器加工、互联网等等）、产业空间诉求（如多少平方米）和载体形式（如独立楼宇、联合办公）、交通条件、周边配套基础设施中的一个或多个。
以各个项分区块为例，此时，即将各诉求对应至各个预建立的明细项模块，各模块分别执行下述至少2）的内容。
2）、以各项诉求明细作为条件分别检索数据库，得到符合条件的各项预期可研数据。
例如：产业类型为化工，则检索以化工园区、郊区为目标；产业空间诉求为1000平方米，则检索以至少1000平方米空间的场地为目标。
需要注意的是，本申请在上述匹配时，非直接分层、递进的方式，即不是直接一个在另一个的基础上执行；因为除部分产业类型外，一般区域无限制，而最终是否合适等，本方法以下述其他步骤实现评估判决；毕竟在产城规划上，很关键的一点在于有改造、迁移措施等，并非只能在所有条件闲余的位置。
可以理解的是，各类对应映射关系均为工作人员预设定；上述阶段，即条件检索匹配。对于各项检索产生的结果，在非一项数据时，则产生相应的数据集，排序方式以时间戳或其他与设定的方式执行即可。
3）、计算各项预期可研数据与各个产业聚类的距离，产生排序表。
可以理解的是，在本实施例中，上述距离并非单纯指的是物理空间的距离，而是指某一项预期可研数据的各项属性与某一产业聚类（类簇）的距离，或者说相似度；在此过程中，对于同一产业聚类的对应属性可求均值，以此比较计算。
根据上述步骤，即可得各个可能选择的规划项以及与各个产业聚类的距离，或者说契合程度，且以排序表的形式用以展现，供规划单位做参考。
4）、以预设的距离阈值做关系判定，判定预期可研数据是否对应某一产业聚类。
该步骤为3）的进一步应用，在此阶段只要工作人员有提前设定好距离阈值，可对分析数据先做局部筛除，剔除差异超出工作人员接受范围、预期的数据，简化混合匹配数据；且可以初步预测各项预期可研数据，较为契合的是哪一块产业聚类。
5）、统计各个产业聚类满足关系判定的诉求明细的项数；该步骤，即评估新的产业项目诉求信息与各个产业聚类的契合度，满足的项目越多，即越契合。
6）、汇总分析的过程数据，作为混合匹配数据。
根据上述内容所得的混合匹配数据可有效为规划单位提供参考。
而上述之所以称为混合匹配机制，是因为其不仅基于各项的诉求检索匹配，还基于相关性分析，还包括下述加权混合等，即综合各个匹配分析机制的优缺点，以得到更加准确、更能满足规划单位需求的数据。
关于上述加权混合，在本申请的一个实施例中，即混合匹配分析机制还包括：
1）、接收和获取本次产业项目诉求信息对应的各项诉求的权重值。
可以理解的是，权重值为工作人员根据历次诉求的特点定义，如本次诉求关键在于空间诉求，则该项对应的权重系数相对更大。
2）、计算各个产业聚类满足关系判定的诉求明细的项的权重总数值，产生权重总表。
由于在此阶段不像一般的权重分析计算，需要将权重系数与对应项数值相乘来综合计算，而只是累计权重系数即可，所以更为简易快捷。
原理：前述计算所得的各个产业聚类满足关系判定的诉求明细的项数，其能体现与产业聚类的是否存在关系，粗略的关系深浅；权重（值）系数则是能进一步细致化体现关系深浅；由此上述的权重总数值可为规划人员提供有效参考。
3）、权重总表记入混合匹配数据。
在本申请的另一个实施例中，预期可研数据还包括空间位置参数；即，不论分析得到符合的是哪一项数据，均绑定其对应的空间地理位置信息。
例如：预期可研数据表明1号园区符合某一诉求明细，则该数据绑定对应的空间地理位置信息。
此时，混合匹配机制包括：对各项预期可研数据识别，将相同空间位置参数的预期可研数据记为备选项，且记录对应的空间位置参数为共性坐标。
对于共性坐标，简答的运用如：将其于电子地图上显示，相关人员即可直观的了解可能符合项目诉求的地址分布特点；此时，若以各项预期可研数据出现的次数为点位标识的颜色深度系数，则可以看到颜色不一的点位分布，并以颜色深浅直观了解对应地址与诉求的契合度。
需要注意的是，在上述应用具体实施时，同一诉求明细，如都是空间诉求对应的预期可研数据，虽然可能在电子地图上分布位置不同，但是以相同色（黄色）做标识点颜色，以便辨别。
关于本方法的S205-S206中的关键信息提取，在本申请的一个实施例中，其包括：以有监督关键词提取方式执行信息提取流程。
作为文档、录音、课程自动化纪要、文本挖掘领域的核心，关键词提取当前大致分为有监督、无监督两类；其中，无监督，即不需要人工标注；而有监督，则需要维护词表，标注数据。本申请之所以采用有监督的方式，是因为相对于课程、会议纪要等，各级评审中心给出的评审报告，相对规范，甚至可以说存在一定模板，所以可缓和有监督关键词提取词表需求大，人工成本高的缺陷，体现其提取精度高的优势。
关于有监督关键词提取，其流程包括：
1）、序列标注，即对文本里的每个字进行标记（如：BIO标记，B表示关键词开始，I表示关键词内部，O表示关键词外部）；使用诸如：CRF，Bi-LSTM+CRF一类模型即可。
2）、特征抽取，诸如：分析统计词频、相对位置、词跨度、词性等；
针对于本实施例的应用环境（评审报告），极端的可专注于相对位置和词性，即指定某一位置，某一词性的词为关键词（如评审成绩、评审建议等），此时现有的有监督关键词提取的后续关键词分类和机器翻译步骤可简化省略，以改善本方法的执行效率。
在本申请的一个实施例中，本方法的Q1、大数据储备，其还包括：获取用地企业/商户的经营数据，并建立相应的数据库。
其中，经营数据至少包括经营时间，以据此计算经营寿命。数据可由当地的市场监督管理局、工商局等部门提供。
对应的，新的产业项目诉求信息，其设置为还包括：项目预期实施时间规划，即项目大概的开始时间、周期等。
此时，多方协同规划预案，其包括：
基于用地企业/商户的经营数据，计算各类用地企业/商户的平均生命周期；
根据项目预期实施时间规划、用地企业/商户的经营数据和用地企业/商户的平均生命周期，计算确定项目预期实施阶段的可腾退用地企业/商户，并以此更新数据库，用作混合匹配分析。
上述内容，即本方法的混合匹配分析并非是在一开始采集的原始产城数据的基础上实施，而是需要先对数据库更新--根据历次的项目诉求的时间，结合用地企业/用户的预期寿命等先对已经占地的产城数据去更新，考虑项目诉求实施阶段实际的产业用地情况，以帮助相关人员更精准的完成诉求落地，减少诸如：某一诉求更适合于A地点，但是因为A地点当前并未空闲，所以选择B地点；然而，当该诉求落地时，A又已经空出。
综上所述，本方法可对产城数据进行深入挖掘应用，为相关部门和人员提供丰富、有力的决策规划参考；同时，可对产城协同流程监管，引导、促进多部门跨部门协调。
在具体实施方式的起始位置指出，本申请还旨在模拟仿真做可视化监测、深度数据挖掘的产城变化预测，该点不仅仅体现于将前述内容的数据大屏展示、可腾退产业预测等，还在于：预测新的产业项目诉求信息对周边经济发展、环境、交通等造成的影响。下述以交通为例：
本方法的大数据储备，其还包括：
接收和获取（相关工作人员录入的）目标区域交通容量（运载）评估数据、当前交通数据（车流量等分布数据）、各产业（在经营企业、商家）的职员数量和（顾客）人流量，并建立相应的数据库。
其中，第二项数据简易的可由各产业园、商圈、商场给出日、周、月总统计/估算数据，且以24小时分布体现。
对应的，本方法的多方协同规划预案，其包括：在可研预案产生后，
基于其明细，调取满足产诉求明细项数最大的产业聚类的人流量数据，记为通行量；
基于其明细确定新的产业项目诉求信息的关联交通路径（如项目落地位置周边至少3km的各个主路径）；
根据关联交通路径的当前交通数据和通行量，计算项目落地后的关联交通数据，并发送至指定的规划单位。
可以理解的是，上述关联交通数据发送至指定的规划单位后，可供规划单位了解项目落地对交通造成的影响，以便根据影响决断是否提议规划新道路、另选场地等，减小后期交通压力过大可能造成的产业效益干扰（尤其是商圈一类）。
需要注意的是，计算项目落地后的关联交通数据时，并非简易的按照：当前A路径6点-8点的交通数据为n，通行量：6点-8点为m，则A路径的关联交通数据为：n+m；以上计算过于粗糙，参考性较差；更合适的是，引入个性化特色因素，如工作人员基于车管所的登记数据计算目标区域住户的人均车辆持有量占比，结合通行量以此计算相对真实的可能在6点-8出现在路上的车辆，评估交通压力。
由此，在可研预案发送至各级评审中心和/或单位之前，需要再次接收指定的规划单位对关联交通数据审核反馈，更新可研案后再报送。如：关联交通数据表明多条周边路径将会持续超负荷，工作人员给出的反馈是另一B场地选择，则由此对应替换更新得到新预案。上述实施例可以看出产城大数据协调后对规划的又一助力，在信息化、数据处理能力快速迭代的今天有着广阔的发展、升级前景，能有效为产城规划决断提供参考帮助。
本申请实施例还公开一种产城大数据协同分析应用系统。
产城大数据协同分析应用系统包括：存储器和处理器，其中，存储器上存储有能够被处理器加载并执行如上述任一种产城大数据协同分析应用方法的计算机程序。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。
Claims (5)
1.一种产城大数据协同分析应用方法，其特征在于，包括：
Q1、大数据储备，其包括：
S101、基于目标区域的地理数据、产业用地数据和已有规划数据，建立相应的数据库；以及，
S102、以预选的聚类分析逻辑对产城数据库中的在经营产业做分析，生成产业聚类分布数据，并存入数据库；
Q2、多方协同规划预案，其包括：
S201、接收和获取新的产业项目诉求信息；其中，所述产业项目诉求信息包括产业类型、产业空间诉求和载体形式、交通条件、周边配套基础设施中的一个或多个；
S202、基于数据库，以预选的混合匹配分析机制对新的产业项目诉求信息分析，生成混合匹配数据；
S203、混合匹配数据可视化处理后发送至指定的规划单位，并接收反馈得到可研预案；
S204、发送反馈可研预案至指定的各级评审中心和/或单位进行审核；
S205、接收和汇总各级评审报告，做关键信息提取，判断是否审核通过，如果是，则记录可研预案；如果否，则执行下一步；
S206、返回S202，且以对可研预案修改和建议的关键信息提取结果为混合匹配分析机制的条件项，更新混合匹配数据；所述大数据储备，其还包括：获取用地企业/商户的经营数据，并建立相应的数据库；
所述新的产业项目诉求信息，其还包括：项目预期实施时间规划；
所述多方协同规划预案，其包括：
基于用地企业/商户的经营数据，计算各类用地企业/商户的平均生命周期；
根据项目预期实施时间规划、用地企业/商户的经营数据和用地企业/商户的平均生命周期，计算确定项目预期实施阶段的可腾退用地企业/商户，并以此更新数据库，用作混合匹配分析；
所述大数据储备，其还包括：
接收和获取目标区域的交通容量评估数据、当前交通数据、各产业的职员数量和人流量，并建立相应的数据库；
所述多方协同规划预案，其包括：
在可研预案产生后，基于其明细，调取满足产业 诉求明细项数最大的产业聚类的人流量数据，记为通行量；
基于其明细确定新的产业项目诉求信息的关联交通路径；
根据关联交通路径的当前交通数据和通行量，计算项目落地后的关联交通数据，并发送至指定的规划单位；
所述混合匹配分析机制，其包括：
识别并分解新的产业项目诉求信息，得到各项诉求明细；
以各项诉求明细作为条件分别检索数据库，得到符合条件的各项预期可研数据；
计算各项预期可研数据与各个产业聚类的距离，产生排序表；
以预设的距离阈值做关系判定，判定预期可研数据是否对应某一产业聚类；
统计各个产业聚类满足关系判定的诉求明细的项数；
汇总分析的过程数据，作为混合匹配数据；
所述混合匹配分析机制还包括：
接收和获取本次产业项目诉求信息对应的各项诉求的权重值；
计算各个产业聚类满足关系判定的诉求明细的项的权重总数值，产生权重总表；
权重总表记入混合匹配数据。
2.根据权利要求1所述的产城大数据协同分析应用方法，其特征在于：所述预选的聚类分析逻辑，其包括：基于K-means算法做数据分析，且接收和获取基于产业用地对k的录入赋值。
3.根据权利要求1所述的产城大数据协同分析应用方法，其特征在于：所述预期可研数据包括空间位置参数；所述混合匹配分析 机制包括：
对各项预期可研数据识别，将相同空间位置参数的预期可研数据记为备选项，且记录对应的空间位置参数为共性坐标。
4.根据权利要求1所述的产城大数据协同分析应用方法，其特征在于：所述关键信息提取，其包括：以有监督关键词提取方式执行信息提取流程。
5.一种产城大数据协同分析应用系统，其特征在于：包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如权利要求1至4中任一种产城大数据协同分析应用方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210707122.9A CN114862276B (zh) | 2022-06-21 | 2022-06-21 | 产城大数据协同分析应用方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210707122.9A CN114862276B (zh) | 2022-06-21 | 2022-06-21 | 产城大数据协同分析应用方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114862276A CN114862276A (zh) | 2022-08-05 |
| CN114862276B true CN114862276B (zh) | 2023-01-24 |
Family
ID=82626974
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210707122.9A Active CN114862276B (zh) | 2022-06-21 | 2022-06-21 | 产城大数据协同分析应用方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114862276B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663526A (zh) * | 2012-04-28 | 2012-09-12 | 清华大学 | 一种城乡生态规划的生态等级空间分区规划控制方法 |
| CN107516191A (zh) * | 2017-08-10 | 2017-12-26 | 广州市城市规划勘测设计研究院 | “多规合一”“一张图”项目协同审批系统、方法及工具 |
| CN107909238A (zh) * | 2017-10-09 | 2018-04-13 | 中国电子科技集团公司第二十八研究所 | 一种城市协同处理与联动指挥系统及指挥大厅 |
| CN108416524A (zh) * | 2018-03-13 | 2018-08-17 | 泰华智慧产业集团股份有限公司 | 基于一张图通用框架的产业规划精细化解读方法 |
| CN110069589A (zh) * | 2019-03-26 | 2019-07-30 | 江苏智途科技股份有限公司 | 一种基于多规合一的产业空间规划布局方法 |
| WO2021103323A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史城市保护发展协同控制方案辅助设计系统 |
| CN113052557A (zh) * | 2021-03-30 | 2021-06-29 | 贵州数智联云工程科技有限公司 | 用于审批的三维模型生成分析系统及方法 |
| CN113342984A (zh) * | 2021-07-05 | 2021-09-03 | 深圳云谷星辰信息技术有限公司 | 一种园区企业分类方法、系统、智能终端及存储介质 |
| CN113988484A (zh) * | 2021-12-23 | 2022-01-28 | 广州市交通规划研究院 | 一种应用于国土空间总体规划的交通可达性指标优化方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104850952A (zh) * | 2015-05-22 | 2015-08-19 | 深圳市城市规划设计研究院有限公司 | 一种协商规划的工具与方法 |
| CN106023043A (zh) * | 2016-06-25 | 2016-10-12 | 华北水利水电大学 | 一种城市规划市民互动系统 |
-
2022
- 2022-06-21 CN CN202210707122.9A patent/CN114862276B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663526A (zh) * | 2012-04-28 | 2012-09-12 | 清华大学 | 一种城乡生态规划的生态等级空间分区规划控制方法 |
| CN107516191A (zh) * | 2017-08-10 | 2017-12-26 | 广州市城市规划勘测设计研究院 | “多规合一”“一张图”项目协同审批系统、方法及工具 |
| CN107909238A (zh) * | 2017-10-09 | 2018-04-13 | 中国电子科技集团公司第二十八研究所 | 一种城市协同处理与联动指挥系统及指挥大厅 |
| CN108416524A (zh) * | 2018-03-13 | 2018-08-17 | 泰华智慧产业集团股份有限公司 | 基于一张图通用框架的产业规划精细化解读方法 |
| CN110069589A (zh) * | 2019-03-26 | 2019-07-30 | 江苏智途科技股份有限公司 | 一种基于多规合一的产业空间规划布局方法 |
| WO2021103323A1 (zh) * | 2019-11-29 | 2021-06-03 | 青岛理工大学 | 一种历史城市保护发展协同控制方案辅助设计系统 |
| CN113052557A (zh) * | 2021-03-30 | 2021-06-29 | 贵州数智联云工程科技有限公司 | 用于审批的三维模型生成分析系统及方法 |
| CN113342984A (zh) * | 2021-07-05 | 2021-09-03 | 深圳云谷星辰信息技术有限公司 | 一种园区企业分类方法、系统、智能终端及存储介质 |
| CN113988484A (zh) * | 2021-12-23 | 2022-01-28 | 广州市交通规划研究院 | 一种应用于国土空间总体规划的交通可达性指标优化方法 |
Non-Patent Citations (3)
| Title |
|---|
| 产城融合研究的知识图谱可视化分析;张雨朦等;《四川理工学院学报(社会科学版)》;20180831;第33卷(第4期);全文 * |
| 基于工业用地调查数据的城市产业服务设施配套评价——以江苏省常州市为例;郝慧明等;《地域研究与开发》;20211231;第40卷(第6期);全文 * |
| 无锡市"多规合一"信息平台设计与应用;黄永进等;《信息技术与信息化》;20200228(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114862276A (zh) | 2022-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111222661B (zh) | 一种城市规划实施效果分析评估方法 | |
| CN111882235B (zh) | 一种网格化的企业管理服务监测方法 | |
| CN105184455A (zh) | 一种面向城市电力数据分析的高维可视化分析方法 | |
| CN111612294A (zh) | 一种基于时空大数据的城市体检系统 | |
| WO2023050955A1 (zh) | 一种基于功能混合度和集成学习的城市功能区识别方法 | |
| CN112990654A (zh) | 基于人口流动数据的城乡基础设施系统协同规划方法 | |
| CN115293570A (zh) | 一种基于gis国土空间规划系统及方法 | |
| CN111104449A (zh) | 基于地理空间画像挖掘的多源城市时空标准地址融合方法 | |
| CN112183916A (zh) | 土地储备生命周期管理系统 | |
| CN112949997A (zh) | 用于城市规划设计中的社区画像的系统和方法 | |
| CN114819589A (zh) | 城市空间高质量利用测定方法、系统、计算机设备及终端 | |
| CN114661393B (zh) | 基于流动人口数据特征聚类的城市集聚效应可视分析方法 | |
| Carpentieri et al. | GIS-Based Spatial Analysis for the Integrated Transport-Land Use-Energy Planning: An Application to the Greater London | |
| Zhao et al. | Application of Smart City Construction in a New Data Environment | |
| CN113076336A (zh) | 偏远地区水厂选址gis宏微观决策支持系统 | |
| CN114862276B (zh) | 产城大数据协同分析应用方法及系统 | |
| Bhatta et al. | Geographical Information System (GIS) as a Planning Support System (PSS) in Urban Planning: Theoretical Review and its Practice in Urban Renewal Process in Hong Kong | |
| Arnaud et al. | The research agenda of the European Science Foundation's GISDATA scientific programme | |
| CN112308382B (zh) | 一种开放性的tod城市大数据监测分析平台 | |
| Kim | Implementing a sustainable decision-making environment-cases for GIS, BIM, and big data utilization | |
| Tecim | Geographical information system based decision support system for tourism planning and development | |
| He et al. | Identification and analysis of industrial land in China based on the point of interest data and random forest model | |
| Coelho et al. | Online platform for case studies in smart cities | |
| Zhang et al. | Urban Renewal Design Based on Integration of Database Information under Data Mining | |
| Lorenzi | The Strait of Messina Bridge: Some geographical evaluations of the most controversial Italian infrastructural project |
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 |