CN115438998A - 一种公共服务中心体系的识别方法、装置、设备及介质 - Google Patents

一种公共服务中心体系的识别方法、装置、设备及介质 Download PDF

Info

Publication number
CN115438998A
CN115438998A CN202211161847.9A CN202211161847A CN115438998A CN 115438998 A CN115438998 A CN 115438998A CN 202211161847 A CN202211161847 A CN 202211161847A CN 115438998 A CN115438998 A CN 115438998A
Authority
CN
China
Prior art keywords
public service
poi data
area
preset
grid
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
Application number
CN202211161847.9A
Other languages
English (en)
Inventor
汪成刚
朱晖
李哲林
夏源
杨光
宣伟阳
蓝佳有
欧国泳
罗宇
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.)
Guangzhou Urban Planning And Design Co ltd
Original Assignee
Guangzhou Urban Planning And Design 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 Guangzhou Urban Planning And Design Co ltd filed Critical Guangzhou Urban Planning And Design Co ltd
Priority to CN202211161847.9A priority Critical patent/CN115438998A/zh
Publication of CN115438998A publication Critical patent/CN115438998A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • 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
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision 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

本发明公开一种公共服务中心体系的识别方法、装置、设备及介质，方法包括：基于待识别区域的POI数据和类别转换表，将POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据；在待识别区域中构建预设面积的渔网，并统计渔网的每个网格中目标POI数据的数量和类数，然后通过K均值聚类算法获取每个网格的公共服务中心等级；对目标POI数据进行核密度分析，获得核密度分析结果，并确定若干公共服务中心；利用人口热力图对若干公共服务中心进行校验；根据每个网格的公共服务中心等级和满足校验要求的若干公共服务中心，确定待识别区域的公共服务中心体系。本发明能够准确地识别待识别区域的公共服务中心体系。

Description

一种公共服务中心体系的识别方法、装置、设备及介质
技术领域
本发明涉及城市规划技术领域，尤其是涉及一种公共服务中心体系的识别方法、装置、终端设备及计算机可读存储介质。
背景技术
公共服务中心作为公共服务设施分布的集中区，为城市居民提供了绝大多数的公共服务，对公共服务中心体系进行识别，有助于对公共服务中心的布局进行优化，从而更好地发挥公共服务中心的服务作用。
然而现有技术通常难以准确地对公共服务中心体系进行识别，从而无法为公共服务中心的布局优化和公共服务设施的合理配置提供有效参考。
发明内容
本发明提供一种公共服务中心体系的识别方法、装置、设备及介质，以解决现有技术难以准确地对公共服务中心体系进行识别的问题，通过对属于公共服务类别的POI数据进行聚类和核密度分析，能够确定待识别区域的若干公共服务中心及各个位置的公共服务中心等级，从而能够基于若干公共服务中心及各个位置的公共服务中心等级，准确地确定待识别区域的公共服务中心体系。
为了解决上述技术问题，本发明实施例第一方面提供一种公共服务中心体系的识别方法，包括如下步骤：
基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据；
利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数；
基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级；
对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心；
利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验；
根据每个网格的公共服务中心等级和满足预设校验要求的若干公共服务中心，确定所述待识别区域的公共服务中心体系。
作为优选方案，所述基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级，具体包括如下步骤：
基于每个网格中所述目标POI数据的数量和类数，确定每个网格所对应的向量，并在所有网格中随机选取若干聚类中心；
对所述聚类中心与每个向量之间的距离进行计算，并分别将每个向量划分至距离最近的聚类中心的范围内；
根据每个所述聚类中心的范围内的向量平均值，确定若干目标聚类中心，并根据所述若干目标聚类中心，获取每个网格的公共服务中心等级。
作为优选方案，所述对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心，具体包括如下步骤：
将所述目标POI数据转化为若干POI数据点；
对所述若干POI数据点进行核密度分析，获得所述若干POI数据点的核密度值；
根据所述若干POI数据点的核密度值，确定所述若干POI数据点的核密度等级，获得所述核密度分析结果；
根据所述核密度分析结果确定所述待识别区域的若干公共服务中心。
作为优选方案，所述利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数，具体包括如下步骤：
利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网；
将所述渔网与所述目标POI数据进行相交处理，并为每个目标POI数据配置对应的网格编号；
为每个POI数据配置计数字段，统计每个网格编号所对应的所述计数字段的数量，获得每个网格中所述目标POI数据的数量和类数。
作为优选方案，所述利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验，具体包括：
将所述人口热力图中的人口分布情况与所述若干公共服务中心进行对比，判断所述若干公共服务中心是否匹配于所述人口分布情况；
若所述若干公共服务中心匹配于所述人口分布情况，则判定所述若干公共服务中心满足所述预设校验要求；
若所述若干公共服务中心不匹配于所述人口分布情况，则判定所述若干公共服务中心不满足所述预设校验要求。
作为优选方案，所述POI数据所对应的类别包括大类、中类和小类；
则，所述基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，具体为：
基于所述待识别区域的POI数据和所述类别转换表，将所述POI数据所对应的小类转换为所述预设分类类别。
作为优选方案，所述预设分类类别包括第一类别、第二类别和第三类别；
所述第一类别为公共中心；
所述第二类别至少包括餐饮购物、商务金融、公共服务和休闲娱乐；
所述第三类别至少包括餐饮、购物、商务办公、体育、休闲娱乐、文化、教育、卫生和福利；
所述公共服务类别包括文化、教育、体育、卫生和福利。
本发明实施例第二方面提供一种公共服务中心体系的识别装置，包括：
目标POI数据提取模块，用于基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据；
统计模块，用于利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数；
聚类模块，用于基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级；
核密度分析模块，用于对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心；
校验模块，用于利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验；
公共服务中心体系识别模块，用于根据每个网格的公共服务中心等级和满足预设校验要求的若干公共服务中心，确定所述待识别区域的公共服务中心体系。
本发明实施例第三方面提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的公共服务中心体系的识别方法。
本发明实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面任一项所述的公共服务中心体系的识别方法。
相比于现有技术，本发明实施例的有益效果在于，通过对属于公共服务类别的POI数据进行聚类和核密度分析，能够确定待识别区域的若干公共服务中心及各个位置的公共服务中心等级，从而能够基于若干公共服务中心及各个位置的公共服务中心等级，准确地确定待识别区域的公共服务中心体系，能够为公共服务中心的布局优化和公共服务设施的合理配置提供有效参考。
附图说明
图1是本发明实施例中的公共服务中心体系的识别方法的流程示意图；
图2是本发明实施例中的公共服务中心体系的识别示意图；
图3是本发明实施例中的对目标POI数据聚类所得到的公共服务中心等级示意图；
图4是本发明实施例中的目标POI数据的核密度分析结果示意图；
图5是本发明实施例中的公共服务中心体系的识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明实施例第一方面提供一种公共服务中心体系的识别方法，包括如下步骤S1至步骤S6：
步骤S1，基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据；
步骤S2，利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数；
步骤S3，基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级；
步骤S4，对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心；
步骤S5，利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验；
步骤S6，根据每个网格的公共服务中心等级和满足预设校验要求的若干公共服务中心，确定所述待识别区域的公共服务中心体系。
在本实施例中，由于不同地图软件的POI数据的分类标准均不相同，例如，高德地图的POI数据分为大类、中类和小类，大类包括交通设施服务、住宿服务等类别，因此需要对原始的POI数据进行标准化处理与清洗处理，具体为：基于预设的待识别区域的POI数据和预设的类别转换表，将POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据。
示例性地，上述的类别转换表如下表1所示。
表1类别转换表
Figure BDA0003858520820000061
Figure BDA0003858520820000071
作为其中一种可选的实施例，将高德地图的POI数据加载至ArcGIS中后，利用ArcGIS的连接工具，基于高德地图的POI数据的“小类”字段，将类别转换表连接至高德地图的POI数据，从而将高德地图的POI数据的分类体系转换为符合城市规划或公共服务设施规划的分类体系。然后利用ArcGIS的“按属性选择”功能，从标准化后的POI数据中提取属于公共服务类别的目标POI数据。
进一步地，利用ArcGIS的渔网工具在待识别区域中构建预设面积的渔网，并统计渔网的每个网格中目标POI数据的数量和类数。值得说明的是，根据待识别区域的大小，渔网面积可进行适当调整。
进一步地，基于每个网格中目标POI数据的数量和类数，通过K均值聚类算法将目标POI数据分为若干类别，即若干等级，从而获取每个网格的公共服务中心等级。
进一步地，对目标POI数据进行核密度分析，获得核密度分析结果，并根据核密度分析结果确定待识别区域的若干公共服务中心。值得说明的是，核密度分析是一种常运用于兴趣点地理位置数据分布特征的统计方法，将点要素通过量值计算转换为光滑的面要素，进而对点要素位置的空间分布趋势进行集聚度分析，实现点要素密度在空间上直观的视觉化表达。
进一步地，利用预设的待识别区域的人口热力图对若干公共服务中心进行校验。由于根据核密度分析结果所确定的若干公共服务中心有可能不准确，因此本实施例考虑到人口分布密集的地方，其承担公共服务中心的职能，利用人口热力图对若干公共服务中心进行校验。
进一步地，根据每个网格的公共服务中心等级和满足预设校验要求的若干公共服务中心，确定所述待识别区域的公共服务中心体系，识别到的公共服务中心体系如图2所示。
本发明实施例提供的公共服务中心体系的识别方法，通过对属于公共服务类别的POI数据进行聚类和核密度分析，能够确定待识别区域的若干公共服务中心及各个位置的公共服务中心等级，从而能够基于若干公共服务中心及各个位置的公共服务中心等级，准确地确定待识别区域的公共服务中心体系，能够为公共服务中心的布局优化和公共服务设施的合理配置提供有效参考。
作为优选方案，所述基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级，具体包括如下步骤：
基于每个网格中所述目标POI数据的数量和类数，确定每个网格所对应的向量，并在所有网格中随机选取若干聚类中心；
对所述聚类中心与每个向量之间的距离进行计算，并分别将每个向量划分至距离最近的聚类中心的范围内；
根据每个所述聚类中心的范围内的向量平均值，确定若干目标聚类中心，并根据所述若干目标聚类中心，获取每个网格的公共服务中心等级。
具体地，将每个网格中目标POI数据的数量和类数，表示为n维空间Rn上的向量x(a1，a2)，其中，a1为POI数量，a2为POI类数。然后从所有网格，即向量中随机选取若干聚类中心，μ1，μ2，...，μk∈Rn。
进一步地，通过如下表达式对聚类中心与每个向量之间的距离c(i)进行计算，并分别将每个向量划分至距离最近的聚类中心的范围内：
c(i)＝argmin||x(i)-μj||2
进一步地，通过如下表达式计算每个聚类中心的范围内的向量平均值，从而得到新的聚类中心μ′j：
Figure BDA0003858520820000081
当得到的新的聚类中心呈现收敛特征时，确定当前若干类别的聚类中心即为目标聚类中心，从而完成对公共服务中心的分级，获取每个网格的公共服务中心等级，如图3所示。
作为优选方案，所述对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心，具体包括如下步骤：
将所述目标POI数据转化为若干POI数据点；
对所述若干POI数据点进行核密度分析，获得所述若干POI数据点的核密度值；
根据所述若干POI数据点的核密度值，确定所述若干POI数据点的核密度等级，获得所述核密度分析结果；
根据所述核密度分析结果确定所述待识别区域的若干公共服务中心。
具体地，利用ArcGIS的“要素转点”工具，将目标POI数据转化为若干POI数据点。利用如下表达式对若干POI数据点进行核密度分析，获得若干POI数据点的核密度值Density：
Figure BDA0003858520820000091
其中，i表示第i个POI数据点，如果POI数据点位于预设圆心位置(x，y)的半径距离radius内，则仅包括总和中的POI数据点；popi表示第i点的population字段值，其为一个可选参数，disti表示POI数据点i与圆心预设圆心位置(x，y)之间的距离。
根据若干POI数据点的核密度值，确定若干POI数据点的核密度等级，获得核密度分析结果。如图4所示，核密度值越高，所表示的颜色越深，所对应的核密度等级则越高。根据核密度分析结果确定待识别区域的若干公共服务中心，可以理解的是，核密度等级越高表明公共服务能级越高。
作为优选方案，所述利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数，具体包括如下步骤：
利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网；
将所述渔网与所述目标POI数据进行相交处理，并为每个目标POI数据配置对应的网格编号；
为每个POI数据配置计数字段，统计每个网格编号所对应的所述计数字段的数量，获得每个网格中所述目标POI数据的数量和类数。
在本实施例中，为每个POI数据配置计数字段，且每个计数字段所有值为1，利用ArcGIS的“汇总”工具统计每个网格编号所对应的计数字段的数量和目标POI数据的类数，即获得每个网格中目标POI数据的数量和类数。
作为优选方案，所述利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验，具体包括：
将所述人口热力图中的人口分布情况与所述若干公共服务中心进行对比，判断所述若干公共服务中心是否匹配于所述人口分布情况；
若所述若干公共服务中心匹配于所述人口分布情况，则判定所述若干公共服务中心满足所述预设校验要求；
若所述若干公共服务中心不匹配于所述人口分布情况，则判定所述若干公共服务中心不满足所述预设校验要求。
值得说明的是，公共服务中心主要分布的是公共服务设施，使用人群一般在白天时段，因此本实施例的人口热力图优选采用白天时段的人口热力图。将人口热力图中的人口分布情况与若干公共服务中心进行对比，由于人口分布密度越高的地方通常承担公共服务中心的职能，即该地方通常为公共服务中心，因此通过判断若干公共服务中心是否匹配于人口分布情况，便能够判定公共服务中心是否满足预设校验要求。
若若干公共服务中心匹配于人口分布情况，则判定若干公共服务中心满足预设校验要求；
若若干公共服务中心不匹配于人口分布情况，则判定若干公共服务中心不满足预设校验要求，需要重新对目标POI数据进行核密度分析，直至识别到的公共服务中心匹配于人口分布情况。
作为优选方案，所述POI数据所对应的类别包括大类、中类和小类；
则，所述基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，具体为：
基于所述待识别区域的POI数据和所述类别转换表，将所述POI数据所对应的小类转换为所述预设分类类别。
作为优选方案，所述预设分类类别包括第一类别、第二类别和第三类别；
所述第一类别为公共中心；
所述第二类别至少包括餐饮购物、商务金融、公共服务和休闲娱乐；
所述第三类别至少包括餐饮、购物、商务办公、体育、休闲娱乐、文化、教育、卫生和福利；
所述公共服务类别包括文化、教育、体育、卫生和福利。
参见图5，本发明实施例第二方面提供一种公共服务中心体系的识别装置，包括：
目标POI数据提取模块501，用于基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据；
统计模块502，用于利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数；
聚类模块503，用于基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级；
核密度分析模块504，用于对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心；
校验模块505，用于利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验；
公共服务中心体系识别模块506，用于根据每个网格的公共服务中心等级和满足预设校验要求的若干公共服务中心，确定所述待识别区域的公共服务中心体系。
作为优选方案，所述聚类模块503用于基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级，具体包括：
基于每个网格中所述目标POI数据的数量和类数，确定每个网格所对应的向量，并在所有网格中随机选取若干聚类中心；
对所述聚类中心与每个向量之间的距离进行计算，并分别将每个向量划分至距离最近的聚类中心的范围内；
根据每个所述聚类中心的范围内的向量平均值，确定若干目标聚类中心，并根据所述若干目标聚类中心，获取每个网格的公共服务中心等级。
作为优选方案，所述核密度分析模块504用于对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心，具体包括：
将所述目标POI数据转化为若干POI数据点；
对所述若干POI数据点进行核密度分析，获得所述若干POI数据点的核密度值；
根据所述若干POI数据点的核密度值，确定所述若干POI数据点的核密度等级，获得所述核密度分析结果；
根据所述核密度分析结果确定所述待识别区域的若干公共服务中心。
作为优选方案，所述统计模块502用于利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数，具体包括：
利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网；
将所述渔网与所述目标POI数据进行相交处理，并为每个目标POI数据配置对应的网格编号；
为每个POI数据配置计数字段，统计每个网格编号所对应的所述计数字段的数量，获得每个网格中所述目标POI数据的数量和类数。
作为优选方案，所述校验模块505用于利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验，具体包括：
将所述人口热力图中的人口分布情况与所述若干公共服务中心进行对比，判断所述若干公共服务中心是否匹配于所述人口分布情况；
若所述若干公共服务中心匹配于所述人口分布情况，则判定所述若干公共服务中心满足所述预设校验要求；
若所述若干公共服务中心不匹配于所述人口分布情况，则判定所述若干公共服务中心不满足所述预设校验要求。
作为优选方案，所述POI数据所对应的类别包括大类、中类和小类；
则，所述目标POI数据提取模块501用于基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，具体为：
基于所述待识别区域的POI数据和所述类别转换表，将所述POI数据所对应的小类转换为所述预设分类类别。
作为优选方案，所述预设分类类别包括第一类别、第二类别和第三类别；
所述第一类别为公共中心；
所述第二类别至少包括餐饮购物、商务金融、公共服务和休闲娱乐；
所述第三类别至少包括餐饮、购物、商务办公、体育、休闲娱乐、文化、教育、卫生和福利；
所述公共服务类别包括文化、教育、体育、卫生和福利。
需要说明的是，本发明实施例所提供的一种公共服务中心体系的识别装置，能够实现上述任一实施例所述的公共服务中心体系的识别方法的所有流程，装置中的各个模块的作用以及实现的技术效果分别与上述实施例所述的公共服务中心体系的识别方法的作用以及实现的技术效果对应相同，这里不再赘述。
本发明实施例第三方面提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一实施例所述的公共服务中心体系的识别方法。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面任一实施例所述的公共服务中心体系的识别方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种公共服务中心体系的识别方法，其特征在于，包括如下步骤：
基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据；
利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数；
基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级；
对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心；
利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验；
根据每个网格的公共服务中心等级和满足预设校验要求的若干公共服务中心，确定所述待识别区域的公共服务中心体系。
2.如权利要求1所述的公共服务中心体系的识别方法，其特征在于，所述基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级，具体包括如下步骤：
基于每个网格中所述目标POI数据的数量和类数，确定每个网格所对应的向量，并在所有网格中随机选取若干聚类中心；
对所述聚类中心与每个向量之间的距离进行计算，并分别将每个向量划分至距离最近的聚类中心的范围内；
根据每个所述聚类中心的范围内的向量平均值，确定若干目标聚类中心，并根据所述若干目标聚类中心，获取每个网格的公共服务中心等级。
3.如权利要求1所述的公共服务中心体系的识别方法，其特征在于，所述对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心，具体包括如下步骤：
将所述目标POI数据转化为若干POI数据点；
对所述若干POI数据点进行核密度分析，获得所述若干POI数据点的核密度值；
根据所述若干POI数据点的核密度值，确定所述若干POI数据点的核密度等级，获得所述核密度分析结果；
根据所述核密度分析结果确定所述待识别区域的若干公共服务中心。
4.如权利要求1所述的公共服务中心体系的识别方法，其特征在于，所述利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数，具体包括如下步骤：
利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网；
将所述渔网与所述目标POI数据进行相交处理，并为每个目标POI数据配置对应的网格编号；
为每个POI数据配置计数字段，统计每个网格编号所对应的所述计数字段的数量，获得每个网格中所述目标POI数据的数量和类数。
5.如权利要求1所述的公共服务中心体系的识别方法，其特征在于，所述利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验，具体包括：
将所述人口热力图中的人口分布情况与所述若干公共服务中心进行对比，判断所述若干公共服务中心是否匹配于所述人口分布情况；
若所述若干公共服务中心匹配于所述人口分布情况，则判定所述若干公共服务中心满足所述预设校验要求；
若所述若干公共服务中心不匹配于所述人口分布情况，则判定所述若干公共服务中心不满足所述预设校验要求。
6.如权利要求1所述的公共服务中心体系的识别方法，其特征在于，所述POI数据所对应的类别包括大类、中类和小类；
则，所述基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，具体为：
基于所述待识别区域的POI数据和所述类别转换表，将所述POI数据所对应的小类转换为所述预设分类类别。
7.如权利要求1所述的公共服务中心体系的识别方法，其特征在于，所述预设分类类别包括第一类别、第二类别和第三类别；
所述第一类别为公共中心；
所述第二类别至少包括餐饮购物、商务金融、公共服务和休闲娱乐；
所述第三类别至少包括餐饮、购物、商务办公、体育、休闲娱乐、文化、教育、卫生和福利；
所述公共服务类别包括文化、教育、体育、卫生和福利。
8.一种公共服务中心体系的识别装置，其特征在于，包括：
目标POI数据提取模块，用于基于预设的待识别区域的POI数据和预设的类别转换表，将所述POI数据所对应的类别转换为预设分类类别，并提取属于公共服务类别的目标POI数据；
统计模块，用于利用ArcGIS的渔网工具在所述待识别区域中构建预设面积的渔网，并统计所述渔网的每个网格中所述目标POI数据的数量和类数；
聚类模块，用于基于每个网格中所述目标POI数据的数量和类数，通过K均值聚类算法获取每个网格的公共服务中心等级；
核密度分析模块，用于对所述目标POI数据进行核密度分析，获得核密度分析结果，并根据所述核密度分析结果确定所述待识别区域的若干公共服务中心；
校验模块，用于利用预设的所述待识别区域的人口热力图对所述若干公共服务中心进行校验；
公共服务中心体系识别模块，用于根据每个网格的公共服务中心等级和满足预设校验要求的若干公共服务中心，确定所述待识别区域的公共服务中心体系。
9.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的公共服务中心体系的识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7任一项所述的公共服务中心体系的识别方法。
CN202211161847.9A 2022-09-22 2022-09-22 一种公共服务中心体系的识别方法、装置、设备及介质 Pending CN115438998A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211161847.9A CN115438998A (zh) 2022-09-22 2022-09-22 一种公共服务中心体系的识别方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211161847.9A CN115438998A (zh) 2022-09-22 2022-09-22 一种公共服务中心体系的识别方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN115438998A true CN115438998A (zh) 2022-12-06

Family

ID=84249758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211161847.9A Pending CN115438998A (zh) 2022-09-22 2022-09-22 一种公共服务中心体系的识别方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115438998A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493119A (zh) * 2018-10-19 2019-03-19 南京图申图信息科技有限公司 一种基于poi数据的城市商业中心识别方法及系统
CN111813835A (zh) * 2020-07-14 2020-10-23 上海元卓信息科技有限公司 一种基于手机信令和poi数据的公共活动中心识别系统
US20210108941A1 (en) * 2019-10-10 2021-04-15 Beijing Baidu Netcom Science Technology Co., Ltd. Method, apparatus, device and storage medium for determining point of interest area

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109493119A (zh) * 2018-10-19 2019-03-19 南京图申图信息科技有限公司 一种基于poi数据的城市商业中心识别方法及系统
US20210108941A1 (en) * 2019-10-10 2021-04-15 Beijing Baidu Netcom Science Technology Co., Ltd. Method, apparatus, device and storage medium for determining point of interest area
CN111813835A (zh) * 2020-07-14 2020-10-23 上海元卓信息科技有限公司 一种基于手机信令和poi数据的公共活动中心识别系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴丽娟: "基于大数据的广州市现状公共中心识别分析", 《智能城市》, vol. 4, no. 10, 28 May 2018 (2018-05-28), pages 2 *
林清等: "基于POI数据的北京市商业中心地等级体系研究", 《北京师范大学学报（自然科学版）》, 5 June 2019 (2019-06-05), pages 1 *

Similar Documents

Publication Publication Date Title
CN106228386A (zh) 一种信息推送方法及装置
CN111222556A (zh) 一种基于决策树算法识别用电类别的方法及系统
CN108573358A (zh) 一种逾期预测模型生成方法及终端设备
CN110930218B (zh) 一种识别欺诈客户的方法、装置及电子设备
CN108536595A (zh) 测试用例智能化匹配方法、装置、计算机设备及存储介质
CN108345908A (zh) 电网数据的分类方法、分类设备及存储介质
CN110705606A (zh) 一种基于Spark分布式内存计算的空间K均值聚类方法
CN110516713A (zh) 一种目标群体识别方法、装置及设备
CN110378389A (zh) 一种Adaboost分类器计算机创建装置
CN116522565B (zh) 一种基于bim的电力工程设计配电网规划方法及计算机设备
CN115438998A (zh) 一种公共服务中心体系的识别方法、装置、设备及介质
CN113448876B (zh) 一种业务测试方法、装置、计算机设备及存储介质
CN113011503B (zh) 一种电子设备的数据取证方法、存储介质及终端
CN114926832A (zh) 特征提取模型训练、材质贴图处理方法、装置及电子设备
CN109308565B (zh) 人群绩效等级识别方法、装置、存储介质及计算机设备
CN110647805B (zh) 一种网纹图像识别方法、装置及终端设备
CN112488743A (zh) 一种满意度预测方法、网络设备及存储介质
CN110782879A (zh) 基于样本量的声纹聚类方法、装置、设备及存储介质
CN111553374A (zh) 道路场景划分方法、装置、电子设备及存储介质
TWI759785B (zh) 整合定性資料及定量資料進行稽核準則推薦的系統及方法
CN110688371B (zh) 数据调整方法、装置、电子设备及存储介质
CN115712627A (zh) 基于人工智能的智慧金融反欺诈方法及系统
CN114329191A (zh) 票据推荐方法以及装置、存储介质、电子装置
CN116843447A (zh) 一种基于大数据的信贷数据统计分析方法及系统
CN118038192A (zh) 一种少样本图卷积舌象分类方法、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