CN115690350B - 一种基于数字孪生的聚落景观全息感知监测方法 - Google Patents
一种基于数字孪生的聚落景观全息感知监测方法 Download PDFInfo
- Publication number
- CN115690350B CN115690350B CN202310010873.XA CN202310010873A CN115690350B CN 115690350 B CN115690350 B CN 115690350B CN 202310010873 A CN202310010873 A CN 202310010873A CN 115690350 B CN115690350 B CN 115690350B
- Authority
- CN
- China
- Prior art keywords
- environment
- settlement
- landscape
- parameters
- 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.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于数字孪生的聚落景观全息感知监测方法,所述方法包括下列步骤:S1:设定聚落空间坐标原点,划分网格坐标,聚落空间中包含实体,实体包括建筑本体或建筑模型中的至少一种,执行S2;S2:根据聚落环境需求构建网格的动态参数,其中所述动态参数关联至网格的至少一个环境状态,执行S3;S3:对动态参数进行清洗和时序排列,得到模拟数据库,执行S4;S4:根据聚落环境需求确定环境采集器在聚落空间中的坐标,执行S5;S5:调整环境采集器参数与所述模拟数据库中对应的网格参数匹配,实现将聚落环境的动态演变进行模拟,实时监测聚落景观的全空间多参数指标变化,使之产生构建数字孪生聚落景观的全息感知数据。
Description
技术领域
本说明书涉及聚落环境的数字孪生技术领域,特别涉及一种基于数字孪生的聚落景观全息感知监测方法。
背景技术
聚落环境是人类有意识开发利用和改造自然而创造出来的生存环境,将数字孪生应用于聚落景观,赋予了对聚落规划和治理的信息化和智慧化能力。
数字孪生即搭建一个与现实物理世界相互平行的数字世界,将虚拟世界与现实世界相互映射,准确反映现实世界变化。风景园林利用数字孪生技术对现实世界进行仿真和模拟,依托物联网、虚拟现实等前沿信息技术,发挥计算图形技术、多传感器技术的功能,基于物理世界中的风景园林收集来的大数据,将风景园林的赋存状态进行模拟和映射。
传统的风景园林建设由于绘图设计技术以及建造方式的限制,无法切实了解公众诉求,建设方案也多依赖专业人员的经验及主观审美,导致设计与建造环节衔接容易出现信息不对称,而且二维平面及三维模型并不能完整描述景观动态变迁的重要特性。随着5G、大数据、云计算、物联网、数字孪生等新一代智能技术发展,将先进数字技术应用到风景园林中,从物理世界到虚拟世界进行映射,完成信息融合是可行的。对聚落景观的运行状态进行可靠、高准确度、高实时的模拟,以利于评价、仿真、构建宜居聚落人居环境。
因此,需要一种基于数字孪生的聚落景观全息感知监测方法,能够结合现有的数字孪生技术,完整描述景观的动态变迁。
发明内容
本说明书实施例之一种基于数字孪生的聚落景观全息感知监测方法,对现实中的聚落环境进行三维立体的网格划分,结合用户的需求对每个网格中的环境参数进行调整。
在一些实施例中,所述方法包括下列步骤:
S1:设定聚落空间坐标原点,划分网格坐标,聚落空间中包含实体,实体包括建筑本体或建筑模型中的至少一种,执行S2;
S2:根据聚落环境需求构建网格的动态参数,其中所述动态参数关联至网格的至少一个环境状态,执行S3;
S3:对动态参数进行清洗和时序排列,得到模拟数据库,执行S4;
S4:根据聚落环境需求确定环境采集器在网格坐标中的位置,执行S5;
S5:调整环境采集器参数与所述模拟数据库中对应的网格参数匹配。
进一步的,所述动态参数为空间位置的多维度变量,所述多维度变量包括时间值和任意至少一种维度的环境值。
进一步的,所述S3中,模拟数据库的搭建还包括下列步骤:
S31:将每个空间位置的动态参数按照网格坐标进行划分,得到第一数据列;
S32:在相邻网格中按照相同动态参数进行划分,得到第二数据列;
S33:将零散网格中按照相同动态参数进行划分,得到第三数据列;
S34:对所述第一数据列中动态参数进行时序线性插补,对所述第二数据列中动态参数进行多重插补;
S35:将插补后的第一数据列、插补后的第二数据列和划分的第三数据列汇总至所述模拟数据库。
进一步的,对所述聚落空间进行立方体划分,得到各个网格,所述网格坐标包括立方体的八个顶点坐标和立方体的中心坐标。
进一步的,所述环境采集器包括多种类型的传感器,环境采集器在聚落空间中的坐标包括:至少一种类型的传感器根据聚落环境需求设置在对应空间坐标下,通过传感器获取所述空间坐标下的网格环境参数。
进一步的,所述传感器类型包括噪声传感器、地形三维数据采集器、气象传感器、土壤温湿度传感器、空气质量传感器和水质传感器。
进一步的,所述环境参数包括声压、声强、地信、温度、光照强度、风速风向、湿度、气压、土壤水分、土壤盐分、土壤温度、PM10、PM2.5和N、P浓度等。
进一步的,所述S5中,基于所述环境采集器采集的环境参数与所述模拟数据库中的至少一个数据列对应,得到所述参数匹配,包括:所述环境采集器采集的环境参数显示其最接近的网格环境,通过网格坐标在所述模拟数据库进行时序索引,将索引后的模拟环境参数与采集的环境参数进行差值计算,通过差值大小确定参数匹配度。
进一步的,当所述参数匹配度小于环境阻碍因子时,通过更改空间聚落中的动态参数,使得参数匹配度不小于环境阻碍因子。
进一步的,环境阻碍因子通过聚落环境需求计算所得,包括:
式中,δ为环境阻碍因子,j n为立方体不同顶点坐标下的环境参数值,n=1、2、3、4、5、6、7、8,j 9为立方体中心坐标下的环境参数值。
本发明的有益效果是:
1、克服时间变量的周期性演变,即时间动态变化增加聚落景观各要素的不确定性与复杂性,随着时间的推移,聚落所处的人居环境变迁能够被全息数据采集的方式获取,形成有关聚落景观的多维度全息图层;
2、结合聚落人居环境宜居性,即气候(如:光照、湿度、风向风速)、地形、植物(如:物候特征、群落结构、病虫害)、水文、地域文化及居住者的行为与心理需求等自然与人文要素变量的影响程度,实时监测聚落景观的全空间多参数指标变化,使之产生构建数字孪生聚落景观的全息感知数据。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的基于数字孪生的聚落景观全息感知监测方法的示意图;
图2是根据本说明书一些实施例所示基于数字孪生的聚落景观虚拟的示意图;
图3是根据本说明书一些实施例所示的传感器分布的示意图;
图4是根据本说明书一些实施例所示的水质曲面图;
图5是根据本说明书一些实施例所示的噪声曲面图;
图6是根据本说明书一些实施例所示的空气质量曲面图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
实施例1:
数字孪生聚落景观特点:第一,虚拟现实系统对聚落空间的描述是实时的、交互的、动态的、主动的,而完全不同于以往的设计方式,构建数字模型,从时间维度来创造数字孪生聚落对象与动态的多维度模型表达景观的动态性;第二,通过漫游身临其境的观察和体验聚落空间环境、尺度、材料、色彩、声音、风貌等自然与人文要素的动态变迁场景;第三,应用于网络,跨越时间和空间的鸿沟,可以在互联网上实现风景园林规划与设计的公众参与;第四,仿真,借助虚拟现实技术,用全域感知方法传递给体验者多维度聚落场景和环境变化态势,使聚落呈现和环境体验的沉浸感强烈。
景观数字化作为风景园林学科专业领域的重要部分,既是一种技术,更是一种方法,具有前瞻引领作用,通过VR、AR、可视化等技术实现沉浸式体验,构建物理世界与虚拟世界的联系,实现空间在不同维度上的叠加。同时,人借助交互景观装置感知环境变化,增强人的感知体验,获得感知反馈;基于多源数据的系列化高性能数字图形平台,多角度、定性与定量相结合构建景观数字化信息图谱,进而进行多维交互解析,揭示聚落景观各要素的空间结构特征及时空变化规律,为聚落景观的设计、规划、建设提供优化建议。
为了实现对聚落空间、建筑的精确建模,而不是现实空间尺度的简单几何建模,本实施例1选用标识建筑模型来构建,实现聚落在时空维度下的虚拟重建,本实施例中采用传感器采集聚落中动态参数,并将动态参数发送至聚落景观的全息图层进行聚落重构,具体如下。
将聚落中复杂系统信息进行系统化的抽象和概括凝练,保证聚落景观要素类型丰富完备,对各景观要素进行整合,形成完整分析与综合评价;虚拟环境中,景观各要素处于动态变化,进行多维构建时,从自然环境、人文环境、时空、色彩、声音及突发事件等方面全方位模拟,不断丰富聚落景观模型的内容,最终形成环境宜居优美、地域文化浓郁、绿色基础设施舒适,具有乡土文化认同构建表征且符合人们行为与心理需求的人居环境孪生空间。
请参照图2,为了实现上述目的,采用如下技术方案:
S10获取传感器采集到的信息:
传感器采集聚落所处的信息包括聚落所处的气候环境(光照强度、温度、湿度、风向风速、降水量);地形环境(高程、坡度、坡向);水环境(径流量、pH、水温、浊度、溶解氧、COD、N、P);大气环境(PM10、PM2.5、二氧化硫,氮氧化物,臭氧,一氧化碳)、声环境(风声、雨声、对人居环境有影响的噪声、家禽和牲畜叫声、鸟叫蝉鸣、昆虫发出的可记录声音)以及土壤环境(温度、湿度、辐射)。
S11获取采集到的人文环境数据:
通过现场调查和实地测绘、文献查阅、问卷和访谈等全方位记录刻画相关人文环境描述信息,完整记录人地系统的物理呈现界面,包括:聚落所在场地环境安全评价、代表聚落农耕文化的林盘聚居模式、聚落建筑形制、乡土建筑材料、生态建筑设计思路,本土化建筑营建技术和法则以及人口密度等人居环境的基本信息;宗教文化、宗祠文化、饮食文化、服饰文化、方言文化,非物质文化遗产,以及有关婚丧嫁娶、红白喜事、孝节风水等典型乡风民俗文化;通过多传感器和无人机航拍等获取多尺度文化景观背景信息,包括:聚落院落所在的地形地貌格局,农田、水井、沟渠、堡坎、林盘等生态景观和基础设施等信息。
S12对所采集的数据进行清洗:
检查各仪器各时间段的数据是否完整,如有个别数据缺失可采用多重插补或线性插补进行数据补齐。
S13构建多维度感知聚落景观的全息图层:
处理好的地理环境数据进行归类,对景观特征元素进行表达,构建起多维度感知的聚落景观全息图层。
S14构建环境模拟模型:
使用专业化航摄无人机,采用倾斜摄影的方式,对传统聚落的地理环境以及建筑进行多视角航拍摄影下来,使用ContextCapture(Smart 3D)对倾斜摄影所得的照片进行实景建模。再使用高清晰度3D扫描方式,对传统建筑的形态和纹理进行精细采集,其目的是为了还原大范围拍摄缺失的传统建筑的细节。得到高清晰度的传统建筑倾斜摄影图片后导入ContextCapture(Smart 3D)建模,对原有的粗模进行精细化修改。
同时,将采集到的具有代表性的人文环境信息(如:人口密度、宗祠文化、民风民俗、代表聚落农耕文化的林盘聚居模式、乡土建筑材料等)加入到模型构建中,主要通过软件重塑建筑外立面、院落格局、基础设施及聚落空间分布规律等方式进行再设计,构建能体现地方独特文化和建筑场所精神的空间模型。
把.stl或.3ds三维格式的空间模型文件导入到PHEONICS(Parabolic HyperbolicOr Elliptic Numerical Integration Code Series),确定计算风环境、热环境、声环境的区域,把传感器按时间段测出的数据分别输入到软件参数中,设置好区域内网格的数量,得到风环境、热环境模拟。预判聚落风热环境恶化趋向点,对模型空间重规划,构建通风廊道与绿色生态网络体系。
在Ecotect(Ecotect Analysis)软件中重构模型,确定计算区域、以及时间,把光照度传感器段测出的数据输入到软件参数中,设置好分析区域大小,得到太阳热辐射分析。结合Radiance插件,设置好光照度的参数,可以得到房屋内部的采光分析。
S15基于数字孪生的聚落景观虚拟呈现:
把分析好的环境模拟数据导入VR软件中,分不同类型数据在不同时间段的连续展示。
S16虚拟交互感知体验:
公众借助VR设备沉浸于虚拟世界中,突破时间限制,回溯过去、跟踪现状或预期未来浏览聚落景观,并回馈全息感知体验。
数据的采集和传输是建构孪生空间的基础。孪生空间的数据为真正意义上的多源异构数据,除了自然实体空间各种平台或传感器获得的观测对象的位置和属性数据外,还包括虚拟空间的社交媒体和网页数据等。
自然实体空间数据:1.时空数据(遥感数据、无人机数据、GPS轨迹、手机数据等);2.传感器数据(地形、温湿度、噪声、土壤、水质、空气质量等);3.实验观测数据(地表系统要素与过程实验观测数据,如光照、径流、气温、风速风向、地形、植被等)。
虚拟空间数据:1.社交媒体数据(如微博、微信)。
综上所述,本发明采取实际数据(自然环境变量:气候、水文、地形、植被、环境质量;人文环境变量:人口密度、聚落农田文化、建筑营造技艺、民风民俗、林盘模式聚居文化等;突发事件:地质灾害或气象灾害)和构建数字模型相结合的方式,运用了数字孪生的概念及技术体系,使用多种传感器采集更全面更精准的数据进行数字化建模并模拟,能够更好的对聚落景观进行设计、规划、建设及后期管理,最终重建满足美好人居愿景的聚落环境孪生空间。
实施例2:
本实施例2在实施例1的基础上,针对数字孪生技术结合现实中的地形风貌,进一步的对本发明中所要保护的技术手段进行说明:请参照图1,
S1:设定聚落空间坐标原点,划分网格坐标,聚落空间中包含实体,实体包括建筑本体或建筑模型中的至少一种,执行S2;
S2:根据聚落环境需求构建网格的动态参数,其中所述动态参数关联至网格的至少一个环境状态,执行S3;
S3:对动态参数进行清洗和时序排列,得到模拟数据库,执行S4;
S4:根据聚落环境需求确定环境采集器在网格坐标中的位置,执行S5;
S5:调整环境采集器参数与所述模拟数据库中对应的网格参数匹配。
上述中,所述动态参数为空间位置的多维变量,所述多维度变量包括时间值和任意至少一种维度的环境值,上述动态参数均为时序数据,能够以时间顺序作为聚落环境演变的考察量,实现对聚落环境的动态演变的记录和分析。
实施例1依托于现有VR技术进行投射镜像为状态全息图层,实现环境状态的重新模拟,得到空间聚落实景,侧重点在与建筑的采集方式,而本实施例2以动态参数的处理为重点进行详细阐述。
对所述动态参数清洗包括下列步骤:
S31:将每个空间位置的动态参数按照网格坐标进行划分,得到第一数据列;
S32:在相邻网格中按照相同动态参数进行划分,得到第二数据列;
S33:将零散网格中按照相同动态参数进行划分,得到第三数据列;
S34:对所述第一数据列中动态参数进行时序线性插补,对所述第二数据列中动态参数进行多重插补;
S35:将插补后的第一数据列、插补后的第二数据列和划分的第三数据列汇总至所述模拟数据库。
为了实现聚落中多种维度的场景的再现,对多种维度的动态参数捕捉起决定性作用,本实施例通过整理聚落环境需求,得到聚落环境的各项动态参数,且动态参数直接能体现聚落特定位置、特定空间处的环境状态,请参照下表1,表1为部分空间位置下聚落特性需求的示例,通过下列可知,能够将环境需求转化为模拟环境状态下的数据值,将模拟量转化为实时的动态参数,便于线上的数据统计和处理。
表1 部分空间位置下聚落特性需求的示例
值得说明的是,不同数据列的动态参数,能够涵盖不同位置或者同一位置处的不同环境状态,本申请中相同的动态参数定义为动态参数中具有相同环境名词,包括植被覆盖率、PH等,环境名词在环境需求中和环境状态中基本上会重复出现,便于提取索引,而本实施例能够为用户提供多种环境状态的选择模拟,用户可以选择特定的某一种环境状态或多种环境状态组合来进行该空间位置的动态模拟。请参照下表,表2为多个数据列中的示例性动态参数,
表2 多个数据列中的示例性动态参数
表2中,示例性展示了模拟数据库中的第一数据列、第二数据列和第三数据列,由于聚落中的每个空间位置处的环境状态都能进行模拟化,因此采用空间网格式划分,每个网格中特定的空间坐标均用S1、S2、S3......Sn来标识,根据用户对聚落环境的需求,量化每个网格中动态参数的数值,实现将空间环境状态的量化,能够根据用户的需求布设各个传感器的位置,便于精确采集环境参数值,请参照表3、图3,通过表3中传感器采集到的参数与上述表2中的动态参数和环境状态进行一一对应,当发现不符合表2中的需求时,及时对网格中的实物、环境参数等进行调整。
表3 多个传感器设备与环境参数之间的对应关系
表2中t1表示具体时刻,同理t2、t4、t7均表示不同时刻值,T温度表示空间网格位置处的温度值,H照度表示空间网格位置处的照度值,Q植被表示空间网格位置处的植被覆盖率,W人口密度表示空间网格位置处的人口密度值,R 生态表示空间网格位置处的生态情况,表示动植物群体的生存密度。
表2中各项生态参数均为模拟数据库中的示例性数据,并不表示模拟数据库有且仅有上述几种的动态参数,模拟数据库旨在量化用户的环境需求,该环境需求通过参数转化后,可能对应一个动态参数、也可能对应多个动态参数,而多个动态参数之间可能存在位置坐标的连续,也存在位置坐标的离散,因此通过将模拟数据库内的动态参数,进行第一数据列、第二数据列和第三数据列的分类,确保在后续调取数据列进行环境重构时,能够更有效的获取关联参数。
值得注意的是,本实施例通过将多维参数划分,得到第一数据列、第二数据列和第三数据列,旨在获取相同环境参数、相同位置坐标不同时间下的环境演变,将环境的动态演变进行量化,例如,通过第一数据列获取相同位置处的环境时序演变,通过第二数据列获取一片区域下的相同环境演变,通过第三数据列获取零散区域下的相同环境演变,上述是根据实际应用中聚落环境演变中常见的三种变换模式。
实施例3:
本实施例3在实施例2的基础上,进一步对环境聚落中优化环境参数的过程进行进一步叙述:
进一步的,对所述聚落空间进行立方体划分,得到各个网格,所述网格坐标包括立方体的八个顶点坐标和立方体的中心坐标,所述S5中,基于所述环境采集器采集的环境参数与所述模拟数据库中的至少一个数据列对应,得到所述参数匹配,包括:
所述环境采集器采集的环境参数显示其最接近的网格环境,通过网格坐标在所述模拟数据库进行时序索引,将索引后的模拟环境参数与采集的环境参数进行差值计算,通过差值大小确定参数匹配度,当所述参数匹配度小于环境阻碍因子时,通过更改空间聚落中的动态参数,使得参数匹配度不小于环境阻碍因子。例如,求解网格中特定坐标下的环境参数值,判断其是否符合聚落环境需求,是否符合模拟数据库中的模拟环境参数,通过将采集到的该特定坐标下的环境参数值与模拟环境参量进行差值计算,并将差值与环境阻碍因子进行绝对值大小比较,对于小于环境阻碍因子,说明该特定坐标下的环境参数值不符合聚落环境的需求,需要针对围绕该特定坐标进行环境状态调整。
即|γ-θ|<δ
式中γ为具体空间网格坐标下采集的单一环境参数值,θ为索引该网格下的对应模拟环境参数值,γ和θ属于同类型环境参数值,δ为环境阻碍因子
环境阻碍因子通过聚落环境需求计算所得,包括:
式中,δ为环境阻碍因子,j n为立方体不同顶点坐标下的环境参数值,n=1、2、3、4、5、6、7、8,j 9为立方体中心坐标下的环境参数值,当网格范围覆盖过广时,为了确保传感器采集到的数据精确到该网格的环境状态,通过求取网格中各个顶点和中心坐标的环境参数值来求解差量均值,当计算下来网格具体坐标下的环境参数与模拟数据库中的理想网格参数值不同时,即所述参数匹配度小于环境阻碍因子时,说明该网格具体位置的环境参数值未达到整个网格的环境参数值的均值。上述公式的计算目的是为了判断γ的环境参数值是否符合模拟环境参数,是否符合环境聚落需求,即为该特定位置坐标的环境状态是否待优化。
上述中,如图3监测聚落景观各要素动态变化规律,重点监测随时间变化过程中可能成为阻碍的环境参数,随时间变化成为阻碍的因子,为环境状态重构的重点,对其采取相应环境要素进行改善,如图6中温度值突高,空气质量相对降低,人居环境舒适度降低,则相应增加植被密度,形成多层植被空间,增加水域面积,加强环境微循环;监测热点出现空间位置,构建通风廊道,恢复最适宜环境状态,将S11人文环境要素量化,林盘聚落院落式建筑、祠堂、农田、水井等文化符号物化的景观,随时间演变,空间分布密度变化,选取时间留存最长,分布密度大的文化景观要素与自然环境要素结合构建,其余不具备代表性、价值较低的文化要素剔除,构建完整、适宜的聚落人居环境虚拟孪生空间,类似可以参照图4、图5、图6,均是某林盘聚落景观环境监测的具体曲面图。
值得注意的是,由于网格划分的大小是根据多种因素确定,包括聚落场地的大小、传感器布设成本、传感器检测探头的灵敏度等等,因此当网格大小划分后,传感器布置的位置也基本上确定,那根据用户的需求,我们可进一步的针对每个网格的环境参数进行监测,当发现有不符合数据库中环境参数时,通过改变对应网格中的环境参数,达到用户需求下的环境状态。
值得说明的是,针对任何聚落景观的,可以采集声音(含四季变化的鸟鸣等)、光照(一年四季到一天24小时光场)、风环境(风场、含花香与气味)、湿度、气温和土壤、降雨(各种天气事件)、视频监控等记录分析,形成信号频谱,将聚落环境的状态进行量化分析,通过数字孪生的技术手段整合,对不符合模拟环境参数变化趋势的进行特定环境优化处理,包括但不限于更改树木构造、房屋构造等。
综上所述,本发明能够根据归纳量化用户对聚落环境的需求,结合数字孪生技术,无论是实体聚落还是虚拟聚落环境,均能够结合人们对聚落环境的需求与现有传感器等设备采集到的环境参数,并针对具体环境需求调整环境状态,根据监测到的网格值确定环境状态优化后的效果。
应当注意应用场景仅仅是为了说明的目的而提供的,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景还可以包括数据库。然而,这些变化和修改不会背离本说明书的范围。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (9)
1.一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,所述方法包括下列步骤:
S1:设定聚落空间坐标原点,划分网格坐标,聚落空间中包含实体,实体包括建筑本体或建筑模型中的至少一种,执行S2;
S2:根据聚落环境需求构建网格的动态参数,其中所述动态参数关联至网格的至少一个环境状态,执行S3;
S3:对动态参数进行清洗和时序排列,得到模拟数据库,模拟数据库的搭建还包括下列步骤:
S31:将每个空间位置的动态参数按照网格坐标进行划分,得到第一数据列;
S32:在相邻网格中按照相同动态参数进行划分,得到第二数据列;
S33:将零散网格中按照相同动态参数进行划分,得到第三数据列;
S34:对所述第一数据列中动态参数进行时序线性插补,对所述第二数据列中动态参数进行多重插补;
S35:将插补后的第一数据列、插补后的第二数据列和划分的第三数据列汇总至所述模拟数据库,执行S4;
S4:根据聚落环境需求确定环境采集器在网格坐标中的位置,执行S5;
S5:调整环境采集器参数与所述模拟数据库中对应的网格参数匹配。
2.如权利要求1所述的一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,所述动态参数为空间位置的多维度变量,所述多维度变量包括时间值和任意至少一种维度的环境值。
3.如权利要求2所述的一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,对所述聚落空间进行立方体划分,得到各个网格,所述网格坐标包括立方体的八个顶点坐标和立方体的中心坐标。
4.如权利要求3所述的一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,所述环境采集器包括多种类型的传感器,环境采集器在聚落空间中的坐标包括:
至少一种类型的传感器根据聚落环境需求设置在对应空间坐标下,通过传感器获取所述空间坐标下的网格环境参数。
5.如权利要求4所述的一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,传感器类型包括噪声传感器、地形三维数据采集器、气象传感器、土壤温湿度传感器、空气质量传感器和水质传感器。
6.如权利要求5所述的一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,环境参数包括声压、声强、地形、温度、光照强度、风速风向、湿度、气压、土壤水分、土壤盐分、土壤温度、PM10、PM2.5、N浓度和P浓度。
7.如权利要求6所述的一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,所述S5中,基于所述环境采集器采集的环境参数与所述模拟数据库中的至少一个数据列对应,得到所述参数匹配,包括:
所述环境采集器采集的环境参数显示其最接近的网格环境,通过网格坐标在所述模拟数据库进行时序索引,将索引后的模拟环境参数与采集的环境参数进行差值计算,通过差值大小确定参数匹配度。
8.如权利要求7所述的一种基于数字孪生的聚落景观全息感知监测方法,其特征在于,当所述参数匹配度小于环境阻碍因子时,通过更改空间聚落中的动态参数,使得参数匹配度不小于环境阻碍因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010873.XA CN115690350B (zh) | 2023-01-05 | 2023-01-05 | 一种基于数字孪生的聚落景观全息感知监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010873.XA CN115690350B (zh) | 2023-01-05 | 2023-01-05 | 一种基于数字孪生的聚落景观全息感知监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115690350A CN115690350A (zh) | 2023-02-03 |
CN115690350B true CN115690350B (zh) | 2023-03-28 |
Family
ID=85057269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310010873.XA Active CN115690350B (zh) | 2023-01-05 | 2023-01-05 | 一种基于数字孪生的聚落景观全息感知监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690350B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695734A (zh) * | 2020-06-12 | 2020-09-22 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104483248B (zh) * | 2014-12-30 | 2017-04-19 | 中科宇图天下科技有限公司 | 一种区域颗粒物立体监测方法 |
WO2020188549A2 (en) * | 2019-03-20 | 2020-09-24 | Tata Consultancy Services Limited | Method and system for monitoring and optimizing the operation of an alumina rotary kiln |
CN111161410B (zh) * | 2019-12-30 | 2021-10-12 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
KR102152879B1 (ko) * | 2020-01-17 | 2020-09-07 | 주식회사 씨엠월드 | 3차원 격자를 이용한 공간 정보 저장 방법 및 그 장치 |
CN111623722B (zh) * | 2020-07-29 | 2020-11-03 | 湖南致力工程科技有限公司 | 一种基于多传感器的边坡变形立体监测系统和方法 |
CN112055080B (zh) * | 2020-09-04 | 2023-08-01 | 北京联赢博通科技有限公司 | 区域数字经济的物联网服务方法、装置和终端 |
WO2022059285A1 (ja) * | 2020-09-17 | 2022-03-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理装置、及びプログラム |
CN112523818B (zh) * | 2020-11-19 | 2022-12-02 | 上海发电设备成套设计研究院有限责任公司 | 基于数字孪生体信息的监控方法、系统、服务端及存储介质 |
CN113094867B (zh) * | 2021-03-01 | 2022-05-06 | 广州铁路职业技术学院(广州铁路机械学校) | 一种基于数字孪生的列车车厢噪音环境建模方法 |
US11798183B2 (en) * | 2021-03-08 | 2023-10-24 | Nvidia Corporation | Machine learning techniques for predicting depth information in image data |
CN113436295B (zh) * | 2021-06-25 | 2023-09-15 | 平安科技(深圳)有限公司 | 活体养殖监控轨迹绘制方法、装置、设备及存储介质 |
CN114357716A (zh) * | 2021-12-06 | 2022-04-15 | 河海大学 | 一种基于数字孪生技术的流域水文模型参数动态估计方法 |
CN114387409A (zh) * | 2021-12-09 | 2022-04-22 | 浙江绿城未来数智科技有限公司 | 一种用于旧改类未来社区的数字孪生社区模型构建方法 |
CN114496260A (zh) * | 2022-02-22 | 2022-05-13 | 河南安洛云信息科技有限公司 | 一种智慧居家养老服务系统及方法 |
CN115062366A (zh) * | 2022-03-28 | 2022-09-16 | 中国地质大学(武汉) | 园林景观的数字孪生设计方法、系统、存储介质及终端 |
-
2023
- 2023-01-05 CN CN202310010873.XA patent/CN115690350B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695734A (zh) * | 2020-06-12 | 2020-09-22 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生及深度学习的多工艺规划综合评估系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115690350A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tortora et al. | Rural landscape planning through spatial modelling and image processing of historical maps | |
Parker et al. | Three-dimensional structure of an old-growth Pseudotsuga-Tsuga canopy and its implications for radiation balance, microclimate, and gas exchange | |
Smith et al. | An integrated approach to land cover classification: an example in the Island of Jersey | |
Chen et al. | Urban landscape pattern analysis based on 3D landscape models | |
Bishop et al. | Prediction of scenic beauty using mapped data and geographic information systems | |
Jahani et al. | Environmental modeling of landscape aesthetic value in natural urban parks using artificial neural network technique | |
Fagerholm et al. | Landscape characterization integrating expert and local spatial knowledge of land and forest resources | |
Cheng et al. | Remote sensing and social sensing data fusion for fine-resolution population mapping with a multimodel neural network | |
CN115935855B (zh) | 基于优化树木花粉浓度指标的城市绿化方法及装置 | |
Bian et al. | Integrating evolutionary biology with digital arts to quantify ecological constraints on vision‐based behaviour | |
Lacerda et al. | Urban forest loss using a GIS-based approach and instruments for integrated urban planning: A case study of João Pessoa, Brazil | |
CN115690350B (zh) | 一种基于数字孪生的聚落景观全息感知监测方法 | |
Śleszyński | Multi-item assessment of physiognomic diversity of geocomplexes as a comprehensive method of visual-aesthetic landscape assessment | |
Redowan et al. | REDD+ project design study for quantifying activity data for historic forest degradation in a Bangladesh forest using Landsat data | |
Jande et al. | Assessment of land use and land cover changes and urban expansion using remote sensing and GIS in Gboko, Benue State, Nigeria | |
CN114429286A (zh) | 一种基于vr全景视觉感知的街道环境质量评价方法 | |
Chen | The Application of Airborne Lidar Data in the Modelling of 3D Urban Landscape Ecology | |
Antrop et al. | Approaches in landscape research | |
Kantartzis | A visualization tool for forest landscape using open software | |
LOTFIAN | Urban climate modeling: case study of Milan city | |
Zhang et al. | The Relationship between Habitat Diversity and Tourists’ Visual Preference in Urban Wetland Park | |
CN113392585B (zh) | 一种污染地块周边敏感人群空间化方法 | |
CN112686995B (zh) | 一种红树林智能监管系统 | |
Picuno et al. | New technologies for the sustainable management and planning of rural land and environment | |
Chang et al. | Application of GIS Sensor Technology in Digital Management of Urban Gardens under the Background of Big Data |
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 |