CN116757404A - 一种基于大数据的公共服务设施用地规划方法 - Google Patents
一种基于大数据的公共服务设施用地规划方法 Download PDFInfo
- Publication number
- CN116757404A CN116757404A CN202310641016.XA CN202310641016A CN116757404A CN 116757404 A CN116757404 A CN 116757404A CN 202310641016 A CN202310641016 A CN 202310641016A CN 116757404 A CN116757404 A CN 116757404A
- Authority
- CN
- China
- Prior art keywords
- public service
- service facility
- user
- point
- facility point
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000010276 construction Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003064 k means clustering Methods 0.000 claims description 3
- 230000036982 action potential Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明公开了一种基于大数据的公共服务设施用地规划方法,属于城市建筑用地智能规划技术领域,方法包括以下步骤:S1、获取目标区域中所有用户定位的轨迹数据,并对其进行预处理,得到用户的轨迹数据集;S2、获取目标区域的用地规划的图纸资料,得到公共服务设施点数据集;S3、根据用户的轨迹数据集对公共服务设施点数据集进行优化,得到优化后的公共服务设施点数据集;S4、根据优化后的公共服务设施点数据集对目标区域中公共服务设施的规划与建设,完成最终的公共服务设施用地规划。
Description
技术领域
本发明属于城市建筑用地智能规划技术领域,具体涉及一种基于大数据的公共服务设施用地规划方法。
背景技术
城市公共服务设施的规划与建设作为城市建设的重要组成部分,任何公民都具备衣食住行的直接需求,需求的满足度直接映射出该城市生活质量。有学者将“基本公共服务设施”的界定为:由公共财政投资建设,保障社会成员平等、公开享用的基本教育设施、基本医疗设施、基本社会福利设施、基本市政服务设施等,老版本《城市用地分类与规划建设用地标准》中的“公共设施用地”用途覆盖的范围十分广泛,其定义涵盖了服务于居住区以上空间范围和人规模的文化、体育、商业、医疗、教育科研、办公等多种城市公共服务设施用地。这些城市功能使城市正常运转并保持一定的生活质量水平。
目前公共服务设施主要存在公共服务设施规划失灵、配置不足,传统规划被市场需求牵着鼻子走,导致越规划越乱的现象,传统的规划给出公共服务设施配置的总量和空间分配,而没有给出公共服务设施配置轨迹,市场主体在配置过程中出现不按建设时间节点配置、部分空间挪作它用、更换建设位置等“擦边球”建设现象,导致公共服务设施分布不均衡、建设滞后等现象。如何在二者之间建立市场决定型规划亟待探索。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于大数据的公共服务设施用地规划方法解决了公共服务设施用地规划失灵、配置不足的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于大数据的公共服务设施用地规划方法,包括以下步骤:
S1、获取目标区域中所有用户定位的轨迹数据,并对其进行预处理,得到用户的轨迹数据集;
S2、获取目标区域的用地规划的图纸资料,得到公共服务设施点数据集;
S3、根据用户的轨迹数据集对公共服务设施点数据集进行优化,得到优化后的公共服务设施点数据集;
S4、根据优化后的公共服务设施点数据集对目标区域中公共服务设施的规划与建设,完成最终的公共服务设施用地规划。
进一步地:所述S1包括以下分步骤:
S11、获取目标区域中指定时间段内的所有用户定位的轨迹数据,将所有用户定位的轨迹数据按设定的时间间隔进行提取,得到若干个时间段的用户定位的轨迹数据;
其中,所有用户定位的轨迹数据具体为:目标区域中不同用户在不同时间的位置;
S12、将每个时间段的用户定位的轨迹数据进行滤波处理,得到滤波后的轨迹数据;
S13、根据滤波后的轨迹数据构建用户的轨迹数据集。
进一步地:所述S12中,滤波后的轨迹数据表达式具体为:
式中,Xt为滤波后的轨迹数据中t时间用户定位的位置,xt-i×τ为用户定位的轨迹数据中t-i×τ时间用户定位的位置,xt-τ为用户定位的轨迹数据中t-τ时间用户定位的位置,xt为用户定位的轨迹数据中t时间用户定位的位置,ωt-i×τ为t-i×τ时间用户定位的位置有效权重,ωt-τ为t-ε时间用户定位的位置有效权重,ωt为t时间用户定位的位置有效权重,τ为设定的时间间隔。
进一步地:所述S2具体为:
获取目标区域的用地规划的图纸资料中公共服务设施点定位的位置,并通过FCM算法进行聚类操作,得到公共服务设施点数据集。
进一步地:所述FCM算法的目标函数J的表达式具体为下式:
式中,xj为第j个公共服务设施点定位的位置,vk为第k个聚类中心,djk为第j个公共服务设施点定位的位置xj和第k个聚类中心vk之间的差异,ujk为xj属于第k个聚类中心vk的隶属度,m为加权指数,C为公共服务设施点子集的总数,G为第j个公共服务设施点的邻域公共服务设施点子集,M为邻域公共服务设施点子集中公共服务设施点的个数,α为调节参数。
进一步地:所述S3包括以下分步骤:
S31、设置公共服务设施点数据集中各公共服务设施点的初始期望值;
S32、获取用户的轨迹数据集中所有用户的轨迹数据,根据所有用户的轨迹数据计算各公共服务设施点的可达期望值;
S33、根据所有用户的各公共服务设施点的可达期望值和初始期望值对公共服务设施点进行优化,得到所有用户下优化后的公共服务设施点;
S34、通过K-means聚类的方法对所有用户下优化后的公共服务设施点进行聚类,得到最终优化的公共服务设施点,进而得到优化后的公共服务设施点数据集。
进一步地:所述S32中,计算各公共服务设施点的可达期望值En的表达式具体为:
式中,Pn为第n公共服务设施点居住的人口数,Sn为第n公共服务设施点的供给能力,dn为第n公共服务设施点与用户的距离,Gn为时间因素,当用户到达第n公共服务设施点的时间超过时间阈值时,Gn=0,当用户到达第n公共服务设施点的时间小于时间阈值时,Gn=1。
进一步地:所述S33中,得到所有用户中任一用户下优化后的公共服务设施点的方法具体为:
判断该用户的各公共服务设施点的可达期望值是否小于初始期望值,若是,则该公共服务设施点无需进行调整,得到任一用户下优化后的公共服务设施点;若否,则对该公共服务设施点进行调整,得到任一用户下优化后的公共服务设施点。
进一步地:对该公共服务设施点进行调整的方法具体为:
A1、判断该公共服务设施点的设定范围内的公共服务设施点的可达期望值是否均大于初始期望值;若是,则无需对该公共服务设施点进行调整,得到优化后的公共服务设施点数据集,结束分步骤;若否,则进入A2;
A2、将该公共服务设施点向用户的轨迹数据方向移动,直至将该公共服务设施点的可达期望值不小于初始期望值或该公共服务设施点的移动距离达到移动最大值,完成对该公共服务设施点的调整。
进一步地:所述S4具体为:
根据获得的优化后的公共服务设施点数据集中公共服务设施点位置,调整目标区域的用地规划的图纸资料中对应公共服务设施点位置,用于优化目标区域中公共服务设施的规划与建设,完成最终的公共服务设施用地规划。
本发明的有益效果为:
(1)本发明提供的一种基于大数据的公共服务设施用地规划方法,通过用户的轨迹数据集对公共服务设施点数据集进行优化,充分挖掘公共服务设施的作用潜力,以各公共服务设施点的可达期望值作为评价依据,发现用地规划中公共服务设施配置不均衡的具体位置,从而提高公共服务设施的利用率,避免造成城市空间资源的浪费,解决了公共服务设施用地规划失灵、配置不足的问题。
(2)本发明根据所有用户的各公共服务设施点的可达期望值对公共服务设施点进行优化,并设置初始期望值和移动最大值的限定条件,从而对用地规划中公共服务设施的总量和空间进行合理分配。
附图说明
图1为本发明的一种基于大数据的公共服务设施用地规划方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,在本发明的一个实施例中,一种基于大数据的公共服务设施用地规划方法,包括以下步骤:
S1、获取目标区域中所有用户定位的轨迹数据,并对其进行预处理,得到用户的轨迹数据集;
S2、获取目标区域的用地规划的图纸资料,得到公共服务设施点数据集;
S3、根据用户的轨迹数据集对公共服务设施点数据集进行优化,得到优化后的公共服务设施点数据集;
S4、根据优化后的公共服务设施点数据集对目标区域中公共服务设施的规划与建设,完成最终的公共服务设施用地规划。
在本实施例中,公共服务设施主要包括公共管理与公共服务设施、商业服务设施及居住用地中的服务设施三个领域的服务设施用地。
所述S1包括以下分步骤:
S11、获取目标区域中指定时间段内的所有用户定位的轨迹数据,将所有用户定位的轨迹数据按设定的时间间隔进行提取,得到若干个时间段的用户定位的轨迹数据;
其中,所有用户定位的轨迹数据具体为:目标区域中不同用户在不同时间的位置;
S12、将每个时间段的用户定位的轨迹数据进行滤波处理,得到滤波后的轨迹数据;
S13、根据滤波后的轨迹数据构建用户的轨迹数据集。
所述S12中,滤波后的轨迹数据表达式具体为:
式中,Xt为滤波后的轨迹数据中t时间用户定位的位置,xt-i×τ为用户定位的轨迹数据中t-i×τ时间用户定位的位置,xt-τ为用户定位的轨迹数据中t-τ时间用户定位的位置,xt为用户定位的轨迹数据中t时间用户定位的位置,ωt-i×τ为t-i×τ时间用户定位的位置有效权重,ωt-τ为t-τ时间用户定位的位置有效权重,ωt为t时间用户定位的位置有效权重,τ为设定的时间间隔。
在本实施例中,滤波后的轨迹数据的精确度较高,能够真实反映用户的具体位置,从而便于后续对公共服务设施点进行优化。
所述S2具体为:
获取目标区域的用地规划的图纸资料中公共服务设施点定位的位置,并通过FCM算法进行聚类操作,得到公共服务设施点数据集。
所述FCM算法的目标函数J的表达式具体为下式:
式中,xj为第j个公共服务设施点定位的位置,vk为第k个聚类中心,djk为第j个公共服务设施点定位的位置xj和第k个聚类中心vk之间的差异,ujk为xj属于第k个聚类中心vk的隶属度,m为加权指数,C为公共服务设施点子集的总数,G为第j个公共服务设施点的邻域公共服务设施点子集,M为邻域公共服务设施点子集中公共服务设施点的个数,α为调节参数。
在本实施例中,FCM算法通过对隶属度矩阵和聚类中心向量的不断迭代使得目标函数值最小,进而完成目标区域内不同类型的公共服务设施聚类,可以将相同类型且邻近的公共服务设施聚为一类,既保留了原有公共服务设施的特征,又提高了后续计算的速度。
所述S3包括以下分步骤:
S31、设置公共服务设施点数据集中各公共服务设施点的初始期望值;
S32、获取用户的轨迹数据集中所有用户的轨迹数据,根据所有用户的轨迹数据计算各公共服务设施点的可达期望值;
S33、根据所有用户的各公共服务设施点的可达期望值和初始期望值对公共服务设施点进行优化,得到所有用户下优化后的公共服务设施点;
S34、通过K-means聚类的方法对所有用户下优化后的公共服务设施点进行聚类,得到最终优化的公共服务设施点,进而得到优化后的公共服务设施点数据集。
在本实施例中,通过设置初始期望值反映用户出行的时间和路途成本,根据初始期望值和可达期望值能够指导公共服务设施配置的总量和空间分配,使最终用地规划的公共服务设施分步均衡。
所述S32中,计算各公共服务设施点的可达期望值En的表达式具体为:
式中,Pn为第n公共服务设施点居住的人口数,Sn为第n公共服务设施点的供给能力,dn为第n公共服务设施点与用户的距离,Gn为时间因素,当用户到达第n公共服务设施点的时间超过时间阈值时,Gn=0,当用户到达第n公共服务设施点的时间小于时间阈值时,Gn=1。
所述S33中,得到所有用户中任一用户下优化后的公共服务设施点的方法具体为:
判断该用户的各公共服务设施点的可达期望值是否小于初始期望值,若是,则该公共服务设施点无需进行调整,得到任一用户下优化后的公共服务设施点;若否,则对该公共服务设施点进行调整,得到任一用户下优化后的公共服务设施点。
在本实施例中,当可达期望值小于初始期望值时,则表明用户能够在可接受的时间和路程范围内达到该公共服务设施点,该公共服务设施点无需调整,当可达期望值大于初始期望值时,则表明用户不能在可接受的时间和路程范围内达到该公共服务设施点,则该公共服务设施点需要调整。
所述S33中,对该公共服务设施点进行调整的方法具体为:
A1、判断该公共服务设施点的设定范围内的公共服务设施点的可达期望值是否均大于初始期望值;若是,则无需对该公共服务设施点进行调整,得到优化后的公共服务设施点数据集,结束分步骤;若否,则进入A2;
A2、将该公共服务设施点向用户的轨迹数据方向移动,直至将该公共服务设施点的可达期望值不小于初始期望值或该公共服务设施点的移动距离达到移动最大值,完成对该公共服务设施点的调整。
在本实施例中,本发明最大限度的对公共服务设施点进行调整,综合权衡服务供给和设施空间分布公平性情况,设置移动最大值和可达期望值对公共服务设施点的优化进行限制,最大限度的满足公共服务设施点的可达性。
所述S4具体为:
根据获得的优化后的公共服务设施点数据集中公共服务设施点位置,调整目标区域的用地规划的图纸资料中对应公共服务设施点位置,用于优化目标区域中公共服务设施的规划与建设,完成最终的公共服务设施用地规划。
本发明的有益效果为:本发明提供的一种基于大数据的公共服务设施用地规划方法,通过用户的轨迹数据集对公共服务设施点数据集进行优化,充分挖掘公共服务设施的作用潜力,以各公共服务设施点的可达期望值作为评价依据,发现用地规划中公共服务设施配置不均衡的具体位置,从而提高公共服务设施的利用率,避免造成城市空间资源的浪费,解决了公共服务设施用地规划失灵、配置不足的问题。
本发明根据所有用户的各公共服务设施点的可达期望值对公共服务设施点进行优化,并设置初始期望值和移动最大值的限定条件,从而对用地规划中公共服务设施的总量和空间进行合理分配。
在本发明的描述中,需要理解的是,术语“中心”、“厚度”、“上”、“下”、“水平”、“顶”、“底”、“内”、“外”、“径向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性或隐含指明的技术特征的数量。因此,限定由“第一”、“第二”、“第三”的特征可以明示或隐含地包括一个或者更多个该特征。
Claims (10)
1.一种基于大数据的公共服务设施用地规划方法,其特征在于,包括以下步骤:
S1、获取目标区域中所有用户定位的轨迹数据,并对其进行预处理,得到用户的轨迹数据集;
S2、获取目标区域的用地规划的图纸资料,得到公共服务设施点数据集;
S3、根据用户的轨迹数据集对公共服务设施点数据集进行优化,得到优化后的公共服务设施点数据集;
S4、根据优化后的公共服务设施点数据集对目标区域中公共服务设施的规划与建设,完成最终的公共服务设施用地规划。
2.根据权利要求1所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述S1包括以下分步骤:
S11、获取目标区域中指定时间段内的所有用户定位的轨迹数据,将所有用户定位的轨迹数据按设定的时间间隔进行提取,得到若干个时间段的用户定位的轨迹数据;
其中,所有用户定位的轨迹数据具体为:目标区域中不同用户在不同时间的位置;
S12、将每个时间段的用户定位的轨迹数据进行滤波处理,得到滤波后的轨迹数据;
S13、根据滤波后的轨迹数据构建用户的轨迹数据集。
3.根据权利要求2所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述S12中,滤波后的轨迹数据表达式具体为:
式中,Xt为滤波后的轨迹数据中t时间用户定位的位置,xt-i×τ为用户定位的轨迹数据中t-i×τ时间用户定位的位置,xt-τ为用户定位的轨迹数据中t-τ时间用户定位的位置,xt为用户定位的轨迹数据中t时间用户定位的位置,ωt-i×τ为t-i×τ时间用户定位的位置有效权重,ωt-τ为t-τ时间用户定位的位置有效权重,ωt为t时间用户定位的位置有效权重,τ为设定的时间间隔。
4.根据权利要求1所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述S2具体为:
获取目标区域的用地规划的图纸资料中公共服务设施点定位的位置,并通过FCM算法进行聚类操作,得到公共服务设施点数据集。
5.根据权利要求4所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述FCM算法的目标函数J的表达式具体为下式:
式中,xj为第j个公共服务设施点定位的位置,vk为第k个聚类中心,djk为第j个公共服务设施点定位的位置xj和第k个聚类中心vk之间的差异,ujk为xj属于第k个聚类中心vk的隶属度,m为加权指数,C为公共服务设施点子集的总数,G为第j个公共服务设施点的邻域公共服务设施点子集,M为邻域公共服务设施点子集中公共服务设施点的个数,α为调节参数。
6.根据权利要求1所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述S3包括以下分步骤:
S31、设置公共服务设施点数据集中各公共服务设施点的初始期望值;
S32、获取用户的轨迹数据集中所有用户的轨迹数据,根据所有用户的轨迹数据计算各公共服务设施点的可达期望值;
S33、根据所有用户的各公共服务设施点的可达期望值和初始期望值对公共服务设施点进行优化,得到所有用户下优化后的公共服务设施点;
S34、通过K-means聚类的方法对所有用户下优化后的公共服务设施点进行聚类,得到最终优化的公共服务设施点,进而得到优化后的公共服务设施点数据集。
7.根据权利要求6所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述S32中,计算各公共服务设施点的可达期望值En的表达式具体为:
式中,Pn为第n公共服务设施点居住的人口数,Sn为第n公共服务设施点的供给能力,dn为第n公共服务设施点与用户的距离,Gn为时间因素,当用户到达第n公共服务设施点的时间超过时间阈值时,Gn=0,当用户到达第n公共服务设施点的时间小于时间阈值时,Gn=1。
8.根据权利要求6所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述S33中,得到所有用户中任一用户下优化后的公共服务设施点的方法具体为:
判断该用户的各公共服务设施点的可达期望值是否小于初始期望值,若是,则该公共服务设施点无需进行调整,得到任一用户下优化后的公共服务设施点;若否,则对该公共服务设施点进行调整,得到任一用户下优化后的公共服务设施点。
9.根据权利要求8所述的基于大数据的公共服务设施用地规划方法,其特征在于,对该公共服务设施点进行调整的方法具体为:
A1、判断该公共服务设施点的设定范围内的公共服务设施点的可达期望值是否均大于初始期望值;若是,则无需对该公共服务设施点进行调整,得到优化后的公共服务设施点数据集,结束分步骤;若否,则进入A2;
A2、将该公共服务设施点向用户的轨迹数据方向移动,直至将该公共服务设施点的可达期望值不小于初始期望值或该公共服务设施点的移动距离达到移动最大值,完成对该公共服务设施点的调整。
10.根据权利要求1所述的基于大数据的公共服务设施用地规划方法,其特征在于,所述S4具体为:
根据获得的优化后的公共服务设施点数据集中公共服务设施点位置,调整目标区域的用地规划的图纸资料中对应公共服务设施点位置,用于优化目标区域中公共服务设施的规划与建设,完成最终的公共服务设施用地规划。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310641016.XA CN116757404A (zh) | 2023-05-31 | 2023-05-31 | 一种基于大数据的公共服务设施用地规划方法 |
CN202311624663.6A CN117709628A (zh) | 2023-05-31 | 2023-11-29 | 一种基于大数据的公共服务设施用地规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310641016.XA CN116757404A (zh) | 2023-05-31 | 2023-05-31 | 一种基于大数据的公共服务设施用地规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116757404A true CN116757404A (zh) | 2023-09-15 |
Family
ID=87959974
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310641016.XA Withdrawn CN116757404A (zh) | 2023-05-31 | 2023-05-31 | 一种基于大数据的公共服务设施用地规划方法 |
CN202311624663.6A Pending CN117709628A (zh) | 2023-05-31 | 2023-11-29 | 一种基于大数据的公共服务设施用地规划方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311624663.6A Pending CN117709628A (zh) | 2023-05-31 | 2023-11-29 | 一种基于大数据的公共服务设施用地规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN116757404A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114210A (zh) * | 2023-10-24 | 2023-11-24 | 广州市城市规划勘测设计研究院 | 无障碍公共设施布局优化方法、装置、设备及存储介质 |
-
2023
- 2023-05-31 CN CN202310641016.XA patent/CN116757404A/zh not_active Withdrawn
- 2023-11-29 CN CN202311624663.6A patent/CN117709628A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117114210A (zh) * | 2023-10-24 | 2023-11-24 | 广州市城市规划勘测设计研究院 | 无障碍公共设施布局优化方法、装置、设备及存储介质 |
CN117114210B (zh) * | 2023-10-24 | 2024-02-27 | 广州市城市规划勘测设计研究院 | 无障碍公共设施布局优化方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117709628A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Federated region-learning: An edge computing based framework for urban environment sensing | |
CN117709628A (zh) | 一种基于大数据的公共服务设施用地规划方法 | |
CN110674999A (zh) | 基于改进聚类和长短期记忆深度学习的小区负荷预测方法 | |
CN111561732B (zh) | 基于人工智能的换热站供热调节方法及系统 | |
CN106765959A (zh) | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 | |
CN110276393A (zh) | 一种绿色建筑能耗复合预测方法 | |
CN107730031A (zh) | 一种超短期高峰负荷预测方法及其系统 | |
CN109598936A (zh) | 一种基于动态stknn模型的短时交通预测方法 | |
CN108960491A (zh) | 基于rbf神经网络的光伏发电量预测方法 | |
CN111461921B (zh) | 一种基于机器学习的负荷建模典型用户数据库更新方法 | |
CN108694473A (zh) | 基于rbf神经网络的建筑物能耗预测方法 | |
CN109116299B (zh) | 一种指纹定位方法、终端、计算机可读存储介质 | |
Wang et al. | Research on indoor positioning algorithm based on SAGA-BP neural network | |
CN109784589A (zh) | 一种电网业扩报装用户接入优化方法、装置和设备 | |
Hansen | Empirically derived neighbourhood rules for urban land-use modelling | |
CN109255384A (zh) | 一种基于密度峰值聚类算法的交通流模式识别方法 | |
CN110197278A (zh) | 基于改进鸡群算法优化bp神经网络的空气质量预测方法 | |
CN113743538A (zh) | 基于ipso-bp神经网络的智能楼宇能耗预测方法、设备和介质 | |
CN109711592A (zh) | 一种基于遗传算法优化极限学习机的池塘水温预测方法 | |
CN117290750B (zh) | 一种传统村落集中连片区的分类、联系及范围识别方法 | |
CN112348655A (zh) | 一种基于afsa-elm的信用评估方法 | |
CN107274017A (zh) | 一种考虑城市内居民活动时空规律的设施选址优化方法 | |
CN107883520A (zh) | 基于空调设备的提醒方法及装置、终端 | |
CN116629428A (zh) | 一种基于特征选择和SSA-BiLSTM的建筑能耗预测方法 | |
WO2022170719A1 (zh) | 基于有效区域的多目标优化设计方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230915 |