CN116975785B - 一种基于cim模型的多源异构数据融合分析方法及系统 - Google Patents
一种基于cim模型的多源异构数据融合分析方法及系统 Download PDFInfo
- Publication number
- CN116975785B CN116975785B CN202311220414.0A CN202311220414A CN116975785B CN 116975785 B CN116975785 B CN 116975785B CN 202311220414 A CN202311220414 A CN 202311220414A CN 116975785 B CN116975785 B CN 116975785B
- Authority
- CN
- China
- Prior art keywords
- data
- source heterogeneous
- heterogeneous data
- cim
- emergency
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 94
- 238000007781 pre-processing Methods 0.000 claims abstract description 70
- 238000012800 visualization Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000000007 visual effect Effects 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims description 78
- 238000007726 management method Methods 0.000 claims description 43
- 238000013439 planning Methods 0.000 claims description 40
- 238000010276 construction Methods 0.000 claims description 32
- 238000011161 development Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000011835 investigation Methods 0.000 claims description 23
- 230000008447 perception Effects 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000013144 data compression Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 5
- 238000002203 pretreatment Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 230000007115 recruitment Effects 0.000 description 8
- 238000009430 construction management Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000010223 real-time analysis Methods 0.000 description 3
- 241000239290 Araneae Species 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于CIM模型的多源异构数据融合分析方法及系统。该方法包括以下步骤:首先,采集多源异构数据;其次,利用霍尔曼树的预处理方法对多源异构数据进行处理,得到预处理后的数据。接着,设定预处理数据的优先传输等级,形成传输方案。根据传输方案,将预处理数据传输至数据服务器终端。在数据服务器中,基于CIM模型构建预处理数据的CIM可视化平台。最终,在CIM可视化平台上实时识别紧急事件,形成相应预警方案。本发明方法充分利用CIM模型的优势,将多源异构数据融合分析与紧急事件识别相结合,提高了城市管理决策的精度和时效性。同时,系统化地处理数据,实现了数据的可视化展示和紧急事件的快速响应,具有广泛的应用前景。
Description
技术领域
本发明涉及数据融合技术领域,特别涉及一种基于CIM模型的多源异构数据融合分析方法及系统。
背景技术
传统数据融合分析方法面临以下挑战:数据采集不完整、数据质量参差不齐、数据融合效率低下等问题。此外,紧急事件的实时识别和预警对城市安全和运营至关重要,然而传统手段往往无法实现对多源异构数据的实时分析和决策。近年来,CIM(城市信息模型)模型作为一种有效的城市数据融合和管理方法逐渐受到关注。CIM模型能够统一不同类型、来源的城市数据,构建城市智慧化管理的基础平台。然而,目前在CIM模型的应用中仍然存在数据采集、预处理和实时分析不准确的问题,尚未形成一种完整的多源异构数据融合分析方法及系统。因此,本发明提出了一种基于CIM模型的多源异构数据融合分析方法及系统,以克服现有技术的不足,实现对多源异构数据的高效融合、实时分析和紧急事件的预警,为城市智慧化管理提供了一种创新解决方案。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种基于CIM模型的多源异构数据融合分析方法及系统。
本发明第一方面提供了一种基于CIM模型的多源异构数据融合分析方法,包括:
采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据;
对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据;
设置预处理多源异构数据的优先传输等级,得到优先传输等级方案;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端;
获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台;
基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案。
本方案中,所述采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据,具体为:
初始化数据采集设备的采集频率、采集时间、采集地点;
构建数据监测系统,实时连接采集到的数据的数据源,设置数据监测时间周期;
根据数据监测系统,获取当前数据监测时间周期内每种数据的数据量变化信息;
根据数据量变化信息计算在当前数据监测时间周期内每小时采集的平均数据量,将平均数据量作为下一数据监测时间周期的数据监测标准的基准信息;
若下一数据监测时间周期中预设时间内平均每小时的数据量大于所述基准信息,增加数据的采集频率、采集时间,并在采集地点启用相应数量的数据采集设备;
若下一数据监测时间周期中预设时间内平均每小时的数据量小于所述基准信息,减少数据的采集频率、采集时间,并在采集地点禁用相应数量的数据采集设备,形成自适应数据采集方案;
根据自适应数据采集方案对时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据进行采集,构成多源异构数据。
本方案中,所述对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据,具体为:
对多源异构数据中的每种数据进行数据向量转换,得到每种数据的向量数据;
对多源异构数据中的每种数据进行特征选择,得到数据特征;
根据向量数据和数据特征进行分析并整合,构建多维度的多源异构数据集;
基于MinHash函数,将多维度的多源异构数据集中相似的数据点映射到同一个数据桶中,得到降维多源异构数据;
统计降维多源异构数据中每个字符的字符频率,根据字符频率构建霍夫曼树;
对霍夫曼树进行遍历,并对霍夫曼树中每个字符分配对应的编码,将降维多源异构数据中的字符替换为对应的编码,得到预处理多源异构数据;
所述预处理多源异构数据包括对多源异构数据进行降维和数据压缩。
本方案中,所述设置预处理多源异构数据的优先传输等级,得到优先传输等级方案,具体为:
获取多源异构数据中每种数据对城市规划、决策、管理的权重信息;
根据权重信息对数据用标签进行标注,得到标注数据,所述标签包括高优先级、中优先级、低优先级;
根据标注数据,按照高优先级、中优先级、低优先级进行依次传输;
获取数据特定需求传输信息,所述特定需求传输信息包括在特定时间段进行传输、在特定事件发生时进行传输,根据所述特定需求传输信息将该数据设为最高优先级,在高优先级数据之前进行传输;
根据标注数据和数据特定需求传输信息,得到优先传输等级方案。
本方案中,所述根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端,具体为:
获取预设范围区域的多源异构数据所有采集装置的位置信息;
通过暴力枚举法对所述位置信息进行搜索,得到预设范围区域的数据服务器布局地点;
获取预设范围区域的多源异构数据的增量信息,对所述增量信息进行计算,设置数据服务器集群数量;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端中。
本方案中,所述获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台,具体为:
获取数据服务器中的预处理多源异构数据;
获取CIM模型中各子模型的数据结构表达形式,将预处理多源异构数据中的每种数据的特征与各子模型的功能特征进行对比分析,得到每种数据在对应子模型中进行处理的位置;
根据各子模型的数据结构表达形式和每种数据在对应子模型的进行处理的位置,对在对应子模型进行处理的数据进行数据格式转换,得到格式转换数据;
将格式转换数据映射到CIM模型的各子模型中,得到数据融合CIM模型;
根据预处理多源异构数据的特征,根据不同数据特征将预处理多源异构数据以图表形式构建CIM可视化平台。
本方案中,所述基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案,具体为:
根据CIM可视化平台,实时监测预处理多源异构数据的变化信息,根据所述变化信息,对紧急事件进行识别,得到紧急事件识别结果;
根据紧急事件识别结果进行再次识别,得到紧急事件类型,根据紧急事件类型,形成事件预警信息;
获取预处理多源异构数据的数据采集地点和时间;
根据数据采集地点和时间,将所述事件预警信息发送至有关应急部门中;
对所述事件预警信息进行处理,形成文字信息,根据数据采集地点和时间,将所述文字信息发送至该数据采集地点的基站,发送至市民通讯设备中,形成紧急事件预警方案。
本发明第二方面还提供了一种基于CIM模型的多源异构数据融合分析系统,该系统包括:存储器、处理器,所述存储器中包括基于CIM模型的多源异构数据融合分析方法程序,所述基于CIM模型的多源异构数据融合分析方法程序被所述处理器执行时,实现如下步骤:
采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据;
对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据;
设置预处理多源异构数据的优先传输等级,得到优先传输等级方案;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端;
获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台;
基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案。
本方案中,所述获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台,具体为:
获取数据服务器中的预处理多源异构数据;
获取CIM模型中各子模型的数据结构表达形式,将预处理多源异构数据中的每种数据的特征与各子模型的功能特征进行对比分析,得到每种数据在对应子模型的进行处理的位置;
根据各子模型的数据结构表达形式和每种数据在对应子模型的进行处理的位置,对在对应子模型进行处理的数据进行数据格式转换,得到格式转换数据;
将格式转换数据映射到CIM模型的各子模型中,得到数据融合CIM模型;
根据预处理多源异构数据的特征,根据不同数据特征将预处理多源异构数据以图表形式构建CIM可视化平台。
本方案中,所述基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案,具体为:
根据CIM可视化平台,实时监测预处理多源异构数据的变化信息,根据所述变化信息,对紧急事件进行识别,得到紧急事件识别结果;
根据紧急事件识别结果进行再次识别,得到紧急事件类型,根据紧急事件类型,形成事件预警信息;
获取预处理多源异构数据的数据采集地点和时间;
根据数据采集地点和时间,将所述事件预警信息发送至有关应急部门中;
对所述事件预警信息进行处理,形成文字信息,根据数据采集地点和时间,将所述文字信息发送至该数据采集地点的基站,发送至市民通讯设备中,形成紧急事件预警方案。
本发明公开了一种基于CIM模型的多源异构数据融合分析方法及系统。该方法包括以下步骤:首先,采集多源异构数据。其次,利用霍尔曼树的预处理方法对多源异构数据进行处理,得到预处理后的数据。接着,设定预处理数据的优先传输等级,形成传输方案。根据传输方案,将预处理数据传输至数据服务器终端。在数据服务器中,基于CIM模型构建预处理数据的CIM可视化平台。最终,在CIM可视化平台上实时识别紧急事件,形成相应预警方案。本发明方法充分利用CIM模型的优势,将多源异构数据融合分析与紧急事件识别相结合,提高了城市管理决策的精度和时效性。同时,系统化地处理数据,实现了数据的可视化展示和紧急事件的快速响应,具有广泛的应用前景。
附图说明
图1示出了本发明一种基于CIM模型的多源异构数据融合分析方法的流程图;
图2示出了本发明得到预处理多源异构数据流程图;
图3示出了本发明形成紧急事件预警方案流程图;
图4示出了本发明一种基于CIM模型的多源异构数据融合分析系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于CIM模型的多源异构数据融合分析方法的流程图。
如图1所示,本发明第一方面提供了一种基于CIM模型的多源异构数据融合分析方法,包括:
S102,采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据;
S104,对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据;
S106,设置预处理多源异构数据的优先传输等级,得到优先传输等级方案;
S108,根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端;
S110,获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台;
S112,基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案。
需要说明的是,通过该方法有助于实现智慧城市建设,提高城市运行的智能化水平,促进城市可持续发展。
根据本发明实施例,所述采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据,具体为:
初始化数据采集设备的采集频率、采集时间、采集地点;
构建数据监测系统,实时连接采集到的数据的数据源,设置数据监测时间周期;
根据数据监测系统,获取当前数据监测时间周期内每种数据的数据量变化信息;
根据数据量变化信息计算在当前数据监测时间周期内每小时采集的平均数据量,将平均数据量作为下一数据监测时间周期的数据监测标准的基准信息;
若下一数据监测时间周期中预设时间内平均每小时的数据量大于所述基准信息,增加数据的采集频率、采集时间,并在采集地点启用相应数量的数据采集设备;
若下一数据监测时间周期中预设时间内平均每小时的数据量小于所述基准信息,减少数据的采集频率、采集时间,并在采集地点禁用相应数量的数据采集设备,形成自适应数据采集方案;
根据自适应数据采集方案对时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据进行采集,构成多源异构数据。
需要说明的是,本发明实施例通过对数据量的变化信息对数据进行自适应采集,根据数据量的变化信息调整数据的采集频率、采集时间,并调整采集地点的采集设备的数量,根据自适应数据采集方案,能够保证对数据的及时采集,在保证及时更新数据的情况下,减少数据采集消耗的资源,提高为后续的数据传输提高效率;所述预设时间为数据监测时间周期的前12小时;所述时空基础数据包括行政区、电子地图、测绘遥感数据、城市三维模型;所述资源调查数据包括国土调查、地质调查、耕地资源、水资源、城市部件调查;所述规划管控数据包括开发评价、重要控制线、国土空间规划、专项规划;所述工程建设项目数据包括立项用地规划许可、建设工程规划许可、施工许可、竣工验收、建成后基础设施数据;所述城市开发及运营现状数据包括土地利用现状、开发建设基础、招商引资进度;所述公共专题数据包括社会数据、法人数据、宏观经济数据、人口数据、兴趣点数据、地名地址数据、社会化大数据;所述物联感知数据包括建筑监测、市政设施监测、气象监测、交通监测、生态环境监测、城市安防监控数据。
图2示出了本发明得到预处理多源异构数据流程图。
根据本发明实施例,所述对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据,具体为:
S202,对多源异构数据中的每种数据进行数据向量转换,得到每种数据的向量数据;
S204,对多源异构数据中的每种数据进行特征选择,得到数据特征;
S206,根据向量数据和数据特征进行分析并整合,构建多维度的多源异构数据集;
S208,基于MinHash函数,将多维度的多源异构数据集中相似的数据点映射到同一个数据桶中,得到降维多源异构数据;
S210,统计降维多源异构数据中每个字符的字符频率,根据字符频率构建霍夫曼树;
S212,对霍夫曼树进行遍历,并对霍夫曼树中每个字符分配对应的编码,将降维多源异构数据中的字符替换为对应的编码,得到预处理多源异构数据;
S214,所述预处理多源异构数据包括对多源异构数据进行降维和数据压缩。
需要说明的是,由于多源异构数据的数据量庞大,极大消耗数据传输时的带宽,通过本发明实施例首先通过改进后的LSH算法对多源异构数据进行降维处理,根据多源异构数据的特点,减少LSH算法进行降维的步骤,提高了降维的效率,并保证了降维的效果;然后将降维后的多源异构数据进行无损压缩,最终减小了多源异构数据的数据量级,为后续的多源异构数据传输提高了效率,极大减小了数据传输所需的带宽;所述每种数据是指时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据。
根据本发明实施例,所述设置预处理多源异构数据的优先传输等级,得到优先传输等级方案,具体为:
获取多源异构数据中每种数据对城市规划、决策、管理的权重信息;
根据权重信息对数据用标签进行标注,得到标注数据,所述标签包括高优先级、中优先级、低优先级;
根据标注数据,按照高优先级、中优先级、低优先级进行依次传输;
获取数据特定需求传输信息,所述特定需求传输信息包括在特定时间段进行传输、在特定事件发生时进行传输,根据所述特定需求传输信息将该数据设为最高优先级,在高优先级数据之前进行传输;
根据标注数据和数据特定需求传输信息,得到优先传输等级方案。
需要说明的是,根据优先传输等级方案,对数据设置不同的传输优先级,确保重要数据能够优先传输,另外对有特定需求传输需求的数据进行最高优先传输,保证数据的能够得到及时处理,确保获取最新的数据,提高数据的传输效率;所述权重信息从开发人员的对平台开发数据是否为实时性数据和数据使用比例获得。
根据本发明实施例,所述根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端,具体为:
获取预设范围区域的多源异构数据所有采集装置的位置信息;
通过暴力枚举法对所述位置信息进行搜索,得到预设范围区域的数据服务器布局地点;
获取预设范围区域的多源异构数据的增量信息,对所述增量信息进行计算,设置数据服务器集群数量;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端中。
需要说明的是,在预设范围区域进行数据服务器布点,通过暴力枚举法得到数据服务器布局地点,使数据采集装置的传输路线到数据服务器的总长度最小,进一步提高了数据传输的效率,避免传输路线过长导致数据失真。
根据本发明实施例,所述获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台,具体为:
获取数据服务器中的预处理多源异构数据;
获取CIM模型中各子模型的数据结构表达形式,将预处理多源异构数据中的每种数据的特征与各子模型的功能特征进行对比分析,得到每种数据在对应子模型中进行处理的位置;
根据各子模型的数据结构表达形式和每种数据在对应子模型的进行处理的位置,对在对应子模型进行处理的数据进行数据格式转换,得到格式转换数据;
将格式转换数据映射到CIM模型的各子模型中,得到数据融合CIM模型;
根据预处理多源异构数据的特征,根据不同数据特征将预处理多源异构数据以图表形式构建CIM可视化平台。
需要说明的是,基于CIM模型对多源异构数据进行融合,将多源异构数据导入CIM模型中对应的子模型中,使多源异构数据在子模型中各司其职,达到零散的多源异构数据通过CIM模型实现数据的整合,实现数据的综合利用和可视化展示,提高数据决策支持能力,帮助城市管理者更好地了解城市状况和问题,做出科学决策,推动城市的智慧化和可持续发展;所述CIM可视化平台包括对城市蓝图、建设管理、智慧招商、智能辅助决策、智慧生态宜居、智慧运营服务板块的可视化;所述城市蓝图为项目开发提供高效动态的规划管理工具:重点研究基于总规,控规、专项规划等规划数据的展示及动态信息管理;所述建设管理用于提升建设项目的信息管理效率:通过汇聚片区开发现状、计划、重点项目建设等信息,实现项目的统一管理;所述智慧招商助力产业招商效率和企业服务水平的提升:统一整合片区产业、招商、企业信息,为精准施策,招商引资提供决策支撑;所述智能辅助决策基于大数据及AI提供智能辅助决策:对数据的整合与分析,生成片区综合评价与辅助决策体系,提高未来城的整体管理水平;所述智慧生态宜居提高生态与公共治理水平:片区生态、社会环境及公共服务设施的数据查询与展示,助力改善公众服务水平;所述智慧运营服务应用物联网技术实现城市高效运营管理整:通过物联网技术,实现片区内设备的数据深集设备的统一管理,保证城市运营安全与效率;所述图表包括地图、热力图、蜘蛛图、地图热点图、仪表图、箱线图、折线图、柱状图、饼图、散点图。
图3示出了本发明形成紧急事件预警方案流程图。
根据本发明实施例,所述基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案,具体为:
S302,根据CIM可视化平台,实时监测预处理多源异构数据的变化信息,根据所述变化信息,对紧急事件进行识别,得到紧急事件识别结果;
S304,根据紧急事件识别结果进行再次识别,得到紧急事件类型,根据紧急事件类型,形成事件预警信息;
S306,获取预处理多源异构数据的数据采集地点和时间;
S308,根据数据采集地点和时间,将所述事件预警信息发送至有关应急部门中;
S310,对所述事件预警信息进行处理,形成文字信息,根据数据采集地点和时间,将所述文字信息发送至该数据采集地点的基站,发送至市民通讯设备中,形成紧急事件预警方案。
需要说明的是,在本发明实施例中基于CIM可视化平台,能够实时监测预处理多源异构数据的变化信息,快速识别出紧急事件,有助于及时应对突发事件,保障公众安全,通过将事件预警信息发送至有关应急部门、基站和市民通讯设备,能够实现预警信息的高效传递和及时响应,提高紧急事件应对的效率,根据数据采集地点和时间,形成针对性的紧急事件预警方案,能够更好地满足不同区域和时段的应急需求,提高预警方案的针对性和可行性;所述事件预警信息包括紧急事件发生时间、地点、事件类型;所述文字信息提醒市民远离紧急时间发生地。
根据本发明实施例,还包括:
获取紧急事件类型,判断紧急事件类型是否为消防、医疗紧急事件;
若为消防、医疗紧急事件则获取相关应急部门的紧急事件处理人员的位置信息;
根据事件预警信息获取紧急事件发生地点;
基于物联感知数据获取交通监测数据,实时监测紧急事件处理人员的位置信息和紧急事件发生地点之间的路线交通流量数据;
根据路线交通流量数据,制定最优路线发送至紧急事件处理人员的导航设备中;
根据最优路线和紧急事件处理人员实时行驶位置,生成最优路线中交通信号灯的变化方案;
根据最优路线,获取最优路线中的实时道路视频监控数据;
根据实时道路视频监控数据,判断最优路线的道路情况;
判断道路情况是否仍为最优路线,若不是,则实时生成第二最优路线发送至紧急事件处理人员的导航设备中。
需要说明的是,在发生消防、医疗紧急事件时,需要相关应急部门人员最快速度到达紧急事件发生点进行处置,根据本发明实施例,通过最优到达紧急事件发生地的路线的制定,可以实现处理人员快速到达紧急事件发生点,提高处理人员对紧急事件的处置效率;在紧急事件处理人员赶往紧急时间地点时,可能道路会发生突发事件导致拥堵,根据本发明实施例可以二次生成最优 路线,保证了紧急事件处理人员快速到达紧急事件地点。
根据本发明实施例,还包括:
通过规划管控数据和工程建设项目数据,在预设周期对公共设施进行监测,得到监测结果;
根据监测结果评估公共设施的安全性,形成安全性报告;
获取公共设施的视频监控数据,在预设周期内分析公共设施的使用频率、人群流量;
若使用频率和人群流量小于预设值,将公共设施位置发送至维修人员中,并实时生成预警,形成人工监测方案;
根据安全性报告和人工监测方案,提醒相关部门工作人员到达公共设施所在地点进行人工二次检测,若存在安全隐患,形成修复方案,并对该设施进行重点监测。
需要说明的是,在本发明实施例中对公共设施进行监测,并通过对公共设施的人流量、视频频率进行判断公共设施是否存在故障,提高故障判断的准确率,避免因公共设施出现安全隐患对市民造成危险;所述修复方案是指对公共设施进行更换还是维修,节省经济资源。
图4示出了本发明一种基于CIM模型的多源异构数据融合分析系统的框图。
本发明第二方面还提供了一种基于CIM模型的多源异构数据融合分析系统4,该系统包括:存储器41、处理器42,所述存储器中包括基于CIM模型的多源异构数据融合分析方法程序,所述基于CIM模型的多源异构数据融合分析方法程序被所述处理器执行时,实现如下步骤:
采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据;
对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据;
设置预处理多源异构数据的优先传输等级,得到优先传输等级方案;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端;
获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台;
基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案。
需要说明的是,通过该方法有助于实现智慧城市建设,提高城市运行的智能化水平,促进城市可持续发展。
根据本发明实施例,所述采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据,具体为:
初始化数据采集设备的采集频率、采集时间、采集地点;
构建数据监测系统,实时连接采集到的数据的数据源,设置数据监测时间周期;
根据数据监测系统,获取当前数据监测时间周期内每种数据的数据量变化信息;
根据数据量变化信息计算在当前数据监测时间周期内每小时采集的平均数据量,将平均数据量作为下一数据监测时间周期的数据监测标准的基准信息;
若下一数据监测时间周期中预设时间内平均每小时的数据量大于所述基准信息,增加数据的采集频率、采集时间,并在采集地点启用相应数量的数据采集设备;
若下一数据监测时间周期中预设时间内平均每小时的数据量小于所述基准信息,减少数据的采集频率、采集时间,并在采集地点禁用相应数量的数据采集设备,形成自适应数据采集方案;
根据自适应数据采集方案对时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据进行采集,构成多源异构数据。
需要说明的是,本发明实施例通过对数据量的变化信息对数据进行自适应采集,根据数据量的变化信息调整数据的采集频率、采集时间,并调整采集地点的采集设备的数量,根据自适应数据采集方案,能够保证对数据的及时采集,在保证及时更新数据的情况下,减少数据采集消耗的资源,提高为后续的数据传输提高效率;所述预设时间为数据监测时间周期的前12小时;所述时空基础数据包括行政区、电子地图、测绘遥感数据、城市三维模型;所述资源调查数据包括国土调查、地质调查、耕地资源、水资源、城市部件调查;所述规划管控数据包括开发评价、重要控制线、国土空间规划、专项规划;所述工程建设项目数据包括立项用地规划许可、建设工程规划许可、施工许可、竣工验收、建成后基础设施数据;所述城市开发及运营现状数据包括土地利用现状、开发建设基础、招商引资进度;所述公共专题数据包括社会数据、法人数据、宏观经济数据、人口数据、兴趣点数据、地名地址数据、社会化大数据;所述物联感知数据包括建筑监测、市政设施监测、气象监测、交通监测、生态环境监测、城市安防监控数据。
根据本发明实施例,所述对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据,具体为:
对多源异构数据中的每种数据进行数据向量转换,得到每种数据的向量数据;
对多源异构数据中的每种数据进行特征选择,得到数据特征;
根据向量数据和数据特征进行分析并整合,构建多维度的多源异构数据集;
基于MinHash函数,将多维度的多源异构数据集中相似的数据点映射到同一个数据桶中,得到降维多源异构数据;
统计降维多源异构数据中每个字符的字符频率,根据字符频率构建霍夫曼树;
对霍夫曼树进行遍历,并对霍夫曼树中每个字符分配对应的编码,将降维多源异构数据中的字符替换为对应的编码,得到预处理多源异构数据;
所述预处理多源异构数据包括对多源异构数据进行降维和数据压缩。
需要说明的是,由于多源异构数据的数据量庞大,极大消耗数据传输时的带宽,通过本发明实施例首先通过改进后的LSH算法对多源异构数据进行降维处理,根据多源异构数据的特点,减少LSH算法进行降维的步骤,提高了降维的效率,并保证了降维的效果;然后将降维后的多源异构数据进行无损压缩,最终减小了多源异构数据的数据量级,为后续的多源异构数据传输提高了效率,极大减小了数据传输所需的带宽;所述每种数据是指时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据。
根据本发明实施例,所述设置预处理多源异构数据的优先传输等级,得到优先传输等级方案,具体为:
获取多源异构数据中每种数据对城市规划、决策、管理的权重信息;
根据权重信息对数据用标签进行标注,得到标注数据,所述标签包括高优先级、中优先级、低优先级;
根据标注数据,按照高优先级、中优先级、低优先级进行依次传输;
获取数据特定需求传输信息,所述特定需求传输信息包括在特定时间段进行传输、在特定事件发生时进行传输,根据所述特定需求传输信息将该数据设为最高优先级,在高优先级数据之前进行传输;
根据标注数据和数据特定需求传输信息,得到优先传输等级方案。
需要说明的是,根据优先传输等级方案,对数据设置不同的传输优先级,确保重要数据能够优先传输,另外对有特定需求传输需求的数据进行最高优先传输,保证数据的能够得到及时处理,确保获取最新的数据,提高数据的传输效率;所述权重信息从开发人员的对平台开发数据是否为实时性数据和数据使用比例获得。
根据本发明实施例,所述根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端,具体为:
获取预设范围区域的多源异构数据所有采集装置的位置信息;
通过暴力枚举法对所述位置信息进行搜索,得到预设范围区域的数据服务器布局地点;
获取预设范围区域的多源异构数据的增量信息,对所述增量信息进行计算,设置数据服务器集群数量;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端中。
需要说明的是,在预设范围区域进行数据服务器布点,通过暴力枚举法得到数据服务器布局地点,使数据采集装置的传输路线到数据服务器的总长度最小,进一步提高了数据传输的效率,避免传输路线过长导致数据失真。
根据本发明实施例,所述获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台,具体为:
获取数据服务器中的预处理多源异构数据;
获取CIM模型中各子模型的数据结构表达形式,将预处理多源异构数据中的每种数据的特征与各子模型的功能特征进行对比分析,得到每种数据在对应子模型中进行处理的位置;
根据各子模型的数据结构表达形式和每种数据在对应子模型的进行处理的位置,对在对应子模型进行处理的数据进行数据格式转换,得到格式转换数据;
将格式转换数据映射到CIM模型的各子模型中,得到数据融合CIM模型;
根据预处理多源异构数据的特征,根据不同数据特征将预处理多源异构数据以图表形式构建CIM可视化平台。
需要说明的是,基于CIM模型对多源异构数据进行融合,将多源异构数据导入CIM模型中对应的子模型中,使多源异构数据在子模型中各司其职,达到零散的多源异构数据通过CIM模型实现数据的整合,实现数据的综合利用和可视化展示,提高数据决策支持能力,帮助城市管理者更好地了解城市状况和问题,做出科学决策,推动城市的智慧化和可持续发展;所述CIM可视化平台包括对城市蓝图、建设管理、智慧招商、智能辅助决策、智慧生态宜居、智慧运营服务板块的可视化;所述城市蓝图为项目开发提供高效动态的规划管理工具:重点研究基于总规,控规、专项规划等规划数据的展示及动态信息管理;所述建设管理用于提升建设项目的信息管理效率:通过汇聚片区开发现状、计划、重点项目建设等信息,实现项目的统一管理;所述智慧招商助力产业招商效率和企业服务水平的提升:统一整合片区产业、招商、企业信息,为精准施策,招商引资提供决策支撑;所述智能辅助决策基于大数据及AI提供智能辅助决策:对数据的整合与分析,生成片区综合评价与辅助决策体系,提高未来城的整体管理水平;所述智慧生态宜居提高生态与公共治理水平:片区生态、社会环境及公共服务设施的数据查询与展示,助力改善公众服务水平;所述智慧运营服务应用物联网技术实现城市高效运营管理整:通过物联网技术,实现片区内设备的数据深集设备的统一管理,保证城市运营安全与效率;所述图表包括地图、热力图、蜘蛛图、地图热点图、仪表图、箱线图、折线图、柱状图、饼图、散点图。
根据本发明实施例,所述基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案,具体为:
根据CIM可视化平台,实时监测预处理多源异构数据的变化信息,根据所述变化信息,对紧急事件进行识别,得到紧急事件识别结果;
根据紧急事件识别结果进行再次识别,得到紧急事件类型,根据紧急事件类型,形成事件预警信息;
获取预处理多源异构数据的数据采集地点和时间;
根据数据采集地点和时间,将所述事件预警信息发送至有关应急部门中;
对所述事件预警信息进行处理,形成文字信息,根据数据采集地点和时间,将所述文字信息发送至该数据采集地点的基站,发送至市民通讯设备中,形成紧急事件预警方案。
需要说明的是,在本发明实施例中基于CIM可视化平台,能够实时监测预处理多源异构数据的变化信息,快速识别出紧急事件,有助于及时应对突发事件,保障公众安全,通过将事件预警信息发送至有关应急部门、基站和市民通讯设备,能够实现预警信息的高效传递和及时响应,提高紧急事件应对的效率,根据数据采集地点和时间,形成针对性的紧急事件预警方案,能够更好地满足不同区域和时段的应急需求,提高预警方案的针对性和可行性;所述事件预警信息包括紧急事件发生时间、地点、事件类型;所述文字信息提醒市民远离紧急时间发生地。
根据本发明实施例,还包括:
获取紧急事件类型,判断紧急事件类型是否为消防、医疗紧急事件;
若为消防、医疗紧急事件则获取相关应急部门的紧急事件处理人员的位置信息;
根据事件预警信息获取紧急事件发生地点;
基于物联感知数据获取交通监测数据,实时监测紧急事件处理人员的位置信息和紧急事件发生地点之间的路线交通流量数据;
根据路线交通流量数据,制定最优路线发送至紧急事件处理人员的导航设备中;
根据最优路线和紧急事件处理人员实时行驶位置,生成最优路线中交通信号灯的变化方案;
根据最优路线,获取最优路线中的实时道路视频监控数据;
根据实时道路视频监控数据,判断最优路线的道路情况;
判断道路情况是否仍为最优路线,若不是,则实时生成第二最优路线发送至紧急事件处理人员的导航设备中。
需要说明的是,在发生消防、医疗紧急事件时,需要相关应急部门人员最快速度到达紧急事件发生点进行处置,根据本发明实施例,通过最优到达紧急事件发生地的路线的制定,可以实现处理人员快速到达紧急事件发生点,提高处理人员对紧急事件的处置效率;在紧急事件处理人员赶往紧急时间地点时,可能道路会发生突发事件导致拥堵,根据本发明实施例可以二次生成最优 路线,保证了紧急事件处理人员快速到达紧急事件地点。
根据本发明实施例,还包括:
通过规划管控数据和工程建设项目数据,在预设周期对公共设施进行监测,得到监测结果;
根据监测结果评估公共设施的安全性,形成安全性报告;
获取公共设施的视频监控数据,在预设周期内分析公共设施的使用频率、人群流量;
若使用频率和人群流量小于预设值,将公共设施位置发送至维修人员中,并实时生成预警,形成人工监测方案;
根据安全性报告和人工监测方案,提醒相关部门工作人员到达公共设施所在地点进行人工二次检测,若存在安全隐患,形成修复方案,并对该设施进行重点监测。
需要说明的是,在本发明实施例中对公共设施进行监测,并通过对公共设施的人流量、视频频率进行判断公共设施是否存在故障,提高故障判断的准确率,避免因公共设施出现安全隐患对市民造成危险;所述修复方案是指对公共设施进行更换还是维修,节省经济资源。
本发明公开了一种基于CIM模型的多源异构数据融合分析方法及系统。该方法包括以下步骤:首先,采集多源异构数据。其次,利用霍尔曼树的预处理方法对多源异构数据进行处理,得到预处理后的数据。接着,设定预处理数据的优先传输等级,形成传输方案。根据传输方案,将预处理数据传输至数据服务器终端。在数据服务器中,基于CIM模型构建预处理数据的CIM可视化平台。最终,在CIM可视化平台上实时识别紧急事件,形成相应预警方案。本发明方法充分利用CIM模型的优势,将多源异构数据融合分析与紧急事件识别相结合,提高了城市管理决策的精度和时效性。同时,系统化地处理数据,实现了数据的可视化展示和紧急事件的快速响应,具有广泛的应用前景。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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所述权利要求的保护范围为准。
Claims (7)
1.一种基于CIM模型的多源异构数据融合分析方法,其特征在于,包括以下步骤:
采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据;
对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据;
设置预处理多源异构数据的优先传输等级,得到优先传输等级方案;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端;
获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台;
基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案;
所述对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据,具体为:
对多源异构数据中的每种数据进行数据向量转换,得到每种数据的向量数据;
对多源异构数据中的每种数据进行特征选择,得到数据特征;
根据向量数据和数据特征进行分析并整合,构建多维度的多源异构数据集;
基于MinHash函数,将多维度的多源异构数据集中相似的数据点映射到同一个数据桶中,得到降维多源异构数据;
统计降维多源异构数据中每个字符的字符频率,根据字符频率构建霍夫曼树;
对霍夫曼树进行遍历,并对霍夫曼树中每个字符分配对应的编码,将降维多源异构数据中的字符替换为对应的编码,得到预处理多源异构数据;
所述预处理多源异构数据包括对多源异构数据进行降维和数据压缩;
所述基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案,具体为:
根据CIM可视化平台,实时监测预处理多源异构数据的变化信息,根据所述变化信息,对紧急事件进行识别,得到紧急事件识别结果;
根据紧急事件识别结果进行再次识别,得到紧急事件类型,根据紧急事件类型,形成事件预警信息;
获取预处理多源异构数据的数据采集地点和时间;
根据数据采集地点和时间,将所述事件预警信息发送至有关应急部门中;
对所述事件预警信息进行处理,形成文字信息,根据数据采集地点和时间,将所述文字信息发送至该数据采集地点的基站,发送至市民通讯设备中,形成紧急事件预警方案。
2.根据权利要求1所述的一种基于CIM模型的多源异构数据融合分析方法,其特征在于,所述采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据,具体为:
初始化数据采集设备的采集频率、采集时间、采集地点;
构建数据监测系统,实时连接采集到的数据的数据源,设置数据监测时间周期;
根据数据监测系统,获取当前数据监测时间周期内每种数据的数据量变化信息;
根据数据量变化信息计算在当前数据监测时间周期内每小时采集的平均数据量,将平均数据量作为下一数据监测时间周期的数据监测标准的基准信息;
若下一数据监测时间周期中预设时间内平均每小时的数据量大于所述基准信息,增加数据的采集频率、采集时间,并在采集地点启用相应数量的数据采集设备;
若下一数据监测时间周期中预设时间内平均每小时的数据量小于所述基准信息,减少数据的采集频率、采集时间,并在采集地点禁用相应数量的数据采集设备,形成自适应数据采集方案;
根据自适应数据采集方案对时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据进行采集,构成多源异构数据。
3.根据权利要求1所述的一种基于CIM模型的多源异构数据融合分析方法,其特征在于,所述设置预处理多源异构数据的优先传输等级,得到优先传输等级方案,具体为:
获取多源异构数据中每种数据对城市规划、决策、管理的权重信息;
根据权重信息对数据用标签进行标注,得到标注数据,所述标签包括高优先级、中优先级、低优先级;
根据标注数据,按照高优先级、中优先级、低优先级进行依次传输;
获取数据特定需求传输信息,所述特定需求传输信息包括在特定时间段进行传输、在特定事件发生时进行传输,根据所述特定需求传输信息将该数据设为最高优先级,在高优先级数据之前进行传输;
根据标注数据和数据特定需求传输信息,得到优先传输等级方案。
4.根据权利要求1所述的一种基于CIM模型的多源异构数据融合分析方法,其特征在于,所述根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端,具体为:获取预设范围区域的多源异构数据所有采集装置的位置信息;
通过暴力枚举法对所述位置信息进行搜索,得到预设范围区域的数据服务器布局地点;
获取预设范围区域的多源异构数据的增量信息,对所述增量信息进行计算,设置数据服务器集群数量;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端中。
5.根据权利要求1所述的一种基于CIM模型的多源异构数据融合分析方法,其特征在于,所述获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台,具体为:获取数据服务器中的预处理多源异构数据;
获取CIM模型中各子模型的数据结构表达形式,将预处理多源异构数据中的每种数据的特征与各子模型的功能特征进行对比分析,得到每种数据在对应子模型中进行处理的位置;
根据各子模型的数据结构表达形式和每种数据在对应子模型的进行处理的位置,对在对应子模型进行处理的数据进行数据格式转换,得到格式转换数据;
将格式转换数据映射到CIM模型的各子模型中,得到数据融合CIM模型;
根据预处理多源异构数据的特征,根据不同数据特征将预处理多源异构数据以图表形式构建CIM可视化平台。
6.一种基于CIM模型的多源异构数据融合分析系统,其特征在于,所述基于CIM模型的多源异构数据融合分析系统包括储存器以及处理器,所述储存器包括基于CIM模型的多源异构数据融合分析方法程序,所述基于CIM模型的多源异构数据融合分析方法程序被所述处理器执行时,实现如下步骤:
采集多源异构数据,所述多源异构数据包括时空基础数据、资源调查数据、规划管控数据、工程建设项目数据、城市开发及运营现状数据、公共专题数据、物联感知数据;
对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据;
设置预处理多源异构数据的优先传输等级,得到优先传输等级方案;
根据优先传输等级方案,将预处理多源异构数据传输至数据服务器终端;
获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台;
基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案;
所述对所述多源异构数据进行基于霍尔曼树的预处理,得到预处理多源异构数据,具体为:
对多源异构数据中的每种数据进行数据向量转换,得到每种数据的向量数据;
对多源异构数据中的每种数据进行特征选择,得到数据特征;
根据向量数据和数据特征进行分析并整合,构建多维度的多源异构数据集;
基于MinHash函数,将多维度的多源异构数据集中相似的数据点映射到同一个数据桶中,得到降维多源异构数据;
统计降维多源异构数据中每个字符的字符频率,根据字符频率构建霍夫曼树;
对霍夫曼树进行遍历,并对霍夫曼树中每个字符分配对应的编码,将降维多源异构数据中的字符替换为对应的编码,得到预处理多源异构数据;
所述预处理多源异构数据包括对多源异构数据进行降维和数据压缩;
所述基于CIM可视化平台,实时对紧急事件进行识别,形成紧急事件预警方案,具体为:
根据CIM可视化平台,实时监测预处理多源异构数据的变化信息,根据所述变化信息,对紧急事件进行识别,得到紧急事件识别结果;
根据紧急事件识别结果进行再次识别,得到紧急事件类型,根据紧急事件类型,形成事件预警信息;
获取预处理多源异构数据的数据采集地点和时间;
根据数据采集地点和时间,将所述事件预警信息发送至有关应急部门中;
对所述事件预警信息进行处理,形成文字信息,根据数据采集地点和时间,将所述文字信息发送至该数据采集地点的基站,发送至市民通讯设备中,形成紧急事件预警方案。
7.根据权利要求6所述的一种基于CIM模型的多源异构数据融合分析系统,其特征在于,所述获取数据服务器中的预处理多源异构数据,基于CIM模型构建预处理多源异构数据的CIM可视化平台,具体为:获取数据服务器中的预处理多源异构数据;
获取CIM模型中各子模型的数据结构表达形式,将预处理多源异构数据中的每种数据的特征与各子模型的功能特征进行对比分析,得到每种数据在对应子模型的进行处理的位置;
根据各子模型的数据结构表达形式和每种数据在对应子模型的进行处理的位置,对在对应子模型进行处理的数据进行数据格式转换,得到格式转换数据;
将格式转换数据映射到CIM模型的各子模型中,得到数据融合CIM模型;
根据预处理多源异构数据的特征,根据不同数据特征将预处理多源异构数据以图表形式构建CIM可视化平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220414.0A CN116975785B (zh) | 2023-09-21 | 2023-09-21 | 一种基于cim模型的多源异构数据融合分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220414.0A CN116975785B (zh) | 2023-09-21 | 2023-09-21 | 一种基于cim模型的多源异构数据融合分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116975785A CN116975785A (zh) | 2023-10-31 |
CN116975785B true CN116975785B (zh) | 2024-01-12 |
Family
ID=88473274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311220414.0A Active CN116975785B (zh) | 2023-09-21 | 2023-09-21 | 一种基于cim模型的多源异构数据融合分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116975785B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117743454B (zh) * | 2024-02-21 | 2024-04-26 | 中国有色金属工业昆明勘察设计研究院有限公司 | 一种基于cim平台的岩土工程数字化成果综合三维展示系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544428A (zh) * | 2018-11-28 | 2019-03-29 | 南京莱斯信息技术股份有限公司 | 一种面向城市治理的智慧城市平台 |
CN112511462A (zh) * | 2020-12-17 | 2021-03-16 | 上海交通大学 | 一种软件定义工业异构时间敏感网络系统及资源调度方法 |
CN113810489A (zh) * | 2021-09-14 | 2021-12-17 | 广东三水合肥工业大学研究院 | 一种工业互联网控制系统及方法 |
CN114090800A (zh) * | 2021-11-30 | 2022-02-25 | 苏州市测绘院有限责任公司 | 一种城市信息模型的多源异构的数据汇聚系统 |
CN115858651A (zh) * | 2022-12-19 | 2023-03-28 | 南京莱斯网信技术研究院有限公司 | 一种智慧城市一体化应用支撑平台 |
-
2023
- 2023-09-21 CN CN202311220414.0A patent/CN116975785B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544428A (zh) * | 2018-11-28 | 2019-03-29 | 南京莱斯信息技术股份有限公司 | 一种面向城市治理的智慧城市平台 |
CN112511462A (zh) * | 2020-12-17 | 2021-03-16 | 上海交通大学 | 一种软件定义工业异构时间敏感网络系统及资源调度方法 |
CN113810489A (zh) * | 2021-09-14 | 2021-12-17 | 广东三水合肥工业大学研究院 | 一种工业互联网控制系统及方法 |
CN114090800A (zh) * | 2021-11-30 | 2022-02-25 | 苏州市测绘院有限责任公司 | 一种城市信息模型的多源异构的数据汇聚系统 |
CN115858651A (zh) * | 2022-12-19 | 2023-03-28 | 南京莱斯网信技术研究院有限公司 | 一种智慧城市一体化应用支撑平台 |
Also Published As
Publication number | Publication date |
---|---|
CN116975785A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Setting wildfire evacuation triggers by coupling fire and traffic simulation models: a spatiotemporal GIS approach | |
CN107945081B (zh) | 城市运行展现与监测预警系统 | |
CN105246033A (zh) | 一种基于终端定位的人群状态监测方法和监测装置 | |
CN106251578A (zh) | 基于探针的人流预警分析方法和系统 | |
CN116975785B (zh) | 一种基于cim模型的多源异构数据融合分析方法及系统 | |
CN103236163A (zh) | 一种基于群智网络的交通拥堵规避提示系统 | |
CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
CN109447432A (zh) | 一种应急指挥调度的方法、装置和设备 | |
CN111445369B (zh) | 基于lbs大数据的城市大型聚集活动情报预警方法和装置 | |
CN116758744A (zh) | 基于人工智能的智慧城市运维管理方法、系统及存储介质 | |
CN111539864A (zh) | 一种基于lbs大数据的踩踏事件的情报分析方法和装置 | |
CN114897329A (zh) | 一种输电线路巡检方法、装置、系统及存储介质 | |
CN110379152B (zh) | 一种共享单车实时监控和再平衡的可视化方法 | |
CN112070004A (zh) | 一种智能城市违章监管方法、系统、服务器和存储介质 | |
CN111854786A (zh) | 班车路线规划的可视化方法、装置、设备及介质 | |
CN112188478B (zh) | 基于大数据分析的常驻人口数据采集方法 | |
CN112203054B (zh) | 监控视频点位标注方法、装置、存储介质及电子设备 | |
CN112907157A (zh) | 一种基于气象预警的电网风险可视化方法及系统 | |
CN114154767A (zh) | 一种基于城市空间图谱的高发事件预警方法及预警设备 | |
CN116824868A (zh) | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 | |
CN115457211A (zh) | 基于数字孪生的变电站管理方法及系统 | |
Dao et al. | Fusion-3DCNN-max3P: A dynamic system for discovering patterns of predicted congestion | |
CN114139762A (zh) | 一种基于智能安全帽的电力设备的检修路径规划方法和系统 | |
CN113191170A (zh) | 公共设施二维码损毁巡检有效性预测方法及系统 | |
CN109685361A (zh) | 电网应急调度系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |