CN117931978A - 流域人居数据分析方法及系统、计算机设备 - Google Patents
流域人居数据分析方法及系统、计算机设备 Download PDFInfo
- Publication number
- CN117931978A CN117931978A CN202410330530.6A CN202410330530A CN117931978A CN 117931978 A CN117931978 A CN 117931978A CN 202410330530 A CN202410330530 A CN 202410330530A CN 117931978 A CN117931978 A CN 117931978A
- Authority
- CN
- China
- Prior art keywords
- data
- city
- analyzed
- site selection
- river
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000007405 data analysis Methods 0.000 title claims description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 41
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 24
- 230000005012 migration Effects 0.000 claims description 10
- 238000013508 migration Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012804 iterative process Methods 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 26
- 238000012544 monitoring process Methods 0.000 description 12
- 238000011160 research Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 4
- 241001178520 Stomatepia mongo Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种流域人居数据分析方法及系统,所述方法包括:获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;对所述基础数据进行解析,获取城市选址属性分布数据;利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。本方案能实现对流域人居系统的长时序、多尺度、多层次、系统化的演化模拟,为流域人居系统的分析提供准确的数据支持。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及流域人居数据分析方法及系统、计算机设备。
背景技术
流域人居系统是指覆盖整个流域范围的自然系统和人文系统相互交织的复杂系统。在当今社会,随着城市化和人口增长的加速,人居环境的质量与城市发展规划显得愈发重要。然而,目前针对流域人居系统的综合性研究不足,传统的模型技术主要侧重于单一领域或城市层面的分析;现有的模型技术也未能充分满足对人居环境和城市发展的准确预测需求。
发明内容
为克服相关技术中存在的问题,本说明书提供了流域人居数据分析方法及系统、计算机设备。
根据本说明书实施例的第一方面,提供一种流域人居数据分析方法,所述方法包括:
获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;
采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;
对所述基础数据进行解析,获取城市选址属性分布数据;
利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;
基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
根据本说明书实施例的第二方面,提供一种流域人居数据分析系统,包括:
历史数据获取模块,用于获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;
基础数据构建模块,用于采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;
基础数据解析模块,用于对所述基础数据进行解析,获取城市选址属性分布数据;
适宜度分析模块,用于利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;
模拟演变模块,用于基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
根据本说明书实施例的第三方面,提供一种计算机设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据对所述基础数据进行解析,获取城市选址属性分布数据;利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
本说明书的实施例提供的技术方案可以包括以下有益效果:
本说明书实施例的方法中,利用待分析对象的历史数据和地理数据来构建基础数据,在基础数据中包含城市数据和相关的河流数据;并通过对基础数据进行解析来获取对应的城市选址属性分布数据;通过利用适宜度计算模型对城市选址属性分布数据进行处理获取城市选址适宜度分析结果;并基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程,从而实现对流域人居系统的长时序、多尺度、多层次、系统化的演化模拟,为流域人居系统的分析提供准确的数据支持。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本说明书根据一示例性实施例示出的一种流域人居数据分析系统的示意图。
图2是本说明书根据一示例性实施例示出的一种流域人居数据分析系统的模块示意图。
图3是本说明书根据一示例性实施例示出的一种流域人居数据分析方法的示意图。
图4是本说明书实施例数据分析系统所在计算机设备的一种硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
接下来对本说明书实施例进行详细说明。
如图1所示,图1是本说明书根据一示例性实施例示出的一种流域人居数据分析系统100,可以包括:
历史数据获取模块101,用于获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;
基础数据构建模块102,用于采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;
基础数据解析模块103,用于对所述基础数据进行解析,获取城市选址属性分布数据;
适宜度分析模块104,用于利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;
模拟演变模块105,用于基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
示例性的,流域人居数据分析系统100可以包括一数据模拟分析模块10,该数据模拟分析模块10可以包括:历史数据获取模块101、基础数据构建模块102、基础数据解析模块103、适宜度分析模块104和模拟演变模块105。
具体来说,待分析对象可以包括至少一个待分析城市,以及与该些城市关联的河流。历史数据获取模块101可以用于获取城市历史数据、河道演变数据。对于城市历史数据,可以进行数字化处理,包括城市名称、经纬度、行政级别、开始年份和结束年份等信息。这一步的目标是为每座城市建立时间序列数据,以便后续演化模拟。还可以对河道演变数据进行整理,形成时间序列数据。其中,河道演变数据可以是河道矢量数据,该河道矢量数据可以是矢量线数据,反应长时序下河道的改变。具体的,可以使用历史水系数据、现代水系数据来计算河道演变数据;对历史水系数据,可以利用历史地图集矢量化处理,得到河道线的消失、延长等变化的时序数据;现代河道数据可以是通过采集的卫星遥感影像数据进行解译来得到时序数据。
所述地理数据可以包括:城市数字高程数据、流域边界和河流数据。其中,数字高程数据可以从SRTM网站获取,包括90米空间分辨率的地形数据,为后续分析提供地理环境的支持。流域边界与河流数据可以从1:25万中国电子地图中提取流域边界和河流数据,确保模拟涵盖整个流域范围。
基于该些数据,可以构建待分析城市、待分析河流对应的基础数据,用于后续分析的数据基础。
示例性的,基础数据解析模块103可以基于所述城市数字高程数据,计算多个城市选址属性分布数据;其中,所述城市选址属性分布数据包括:海拔数据、崎岖度数据、城市与河流之间的距离数据;建立城市选址属性分布数据与待分析城市之间的关联关系。
具体的,模拟分析过程可以首先进行城市属性计算,可以结合数字高程数据,计算历史城市的海拔、崎岖度和与河流的距离等属性,形成城市选址的多维属性。
其中,海拔(Altitude)计算可以使用数字高程数据,根据城市的经纬度获取相应的海拔高度。公式:Altitude(海拔) = Elevation data at city's latitude andlongitude(城市经纬度的高程数据)。利用海拔数据计算城市相对于海拔的累积数量,以评估海拔对历史城市选址的影响。通过分析海拔高度,特别是在华北平原,揭示了城市分布与地形的关联性。
崎岖度(Ruggedness)计算可以是在城市5公里范围内,计算地形高程的标准差,作为崎岖度。崎岖度计算公式为:
其中,Ruggedness是崎岖度,是城市周围第i个点的海拔高度,/>是n个点的平均海拔高度;其中,n表示城市周围点的数量,城市周围的点可以是以城镇中心点位为中心,生成半径为5km的圆,利用随机生成算法,生成的随机点randompoint,统计每个点的海拔属性,计算平均海拔以及崎岖度。
在城市5公里范围内计算崎岖度,作为地形高程的标准差。考虑了平原城市的密度,确保城市区域不会过度重叠。结果揭示了城市位置对崎岖度的依赖性。
城市与河流之间的距离数据,可以根据分析区域的河流系统数据,计算城市距离最近河流的距离。此步骤考虑了河流对城市选址的影响,尤其是在上游支流和干流的区域。河流最小距离(River Distance)计算时可以对于每个城市,计算到最近河流的距离。公式:RD = min(Distance)。其中,RD 是河流最小距离;Distance是城市中心点到河流矢量图上的河流线的矢量点的距离;河流矢量线是由矢量点组成的,选取河流等距点进行计算到城市中心的距离,将各河流等距点到城市中心的距离中的最小距离作为城市到河道的距离。例如,利用地理信息软件ArcGIS绘制河流矢量图,并计算城市到河道的距离。
示例性的,适宜度分析模块104可以利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果。
具体的,可以建立城市选址属性分布表,将计算得到的属性整合并存储。具体可以包括:将历史城市的名称与计算得到的海拔、崎岖度和河流距离等属性关联。创建城市选址属性分布表,将城市名称、属性、邻近关系和对应的数值整合。
城市选址适宜度的分析,可以利用适宜度计算模型。适宜度计算模型可以考虑海拔、崎岖度和河流距离等因素的权重。城市选址适宜度的计算公式为:
其中,表示对海拔进行立方根处理,增加了对高低海拔的敏感性,因为峰值地区可能具有不同的城市选址适宜性,其中,Altitude表示海拔;/>表示崎岖度的归一化值对适宜度的贡献,通过减少崎岖度对适宜度的负面影响,Normalized Ruggednes表示崎岖度归一化后的数值;/>表示河流距离的指数函数变换,增加了河流距离的对适宜度的非线性影响,NormalizedRD表示城镇中心到河流距离归一化后的数值;/>表示土地利用因素和气候因素的交互作用,LandUseFactor表示土地利用系数,ClimateFactor表示气候因素,通过在表达式中使用logistic函数,使得气候因素对适宜度的影响呈现非线性特征;ω1、ω2、ω3、ω4分别为权重值;/>为适宜度计算结果。其中,logistic函数的基本表达形式为/>。
这个模型通过引入更多的计算符号和数学函数,考虑了更多地理因素的复杂性和交互影响,增强了对城市选址适宜性的建模能力。在实际应用中,确保权重 ω1、ω2、ω3、ω4的合理性,并根据实际情况进行调整。根据分数,评估城市选址的适宜性,形成适宜度分布图,将城市适宜度加入城市选址属性分布表。
示例性的,模拟演变模块105可以基于历史城市数据和适宜度分析,采用模拟算法对城市的空间分布演变进行模拟。考虑城市之间的相互影响,模拟出流域人居系统的长时序演变过程。
具体的,结合城市选址属性分布表,利用Agent-Based Modeling (ABM) 模拟城市演化过程可以包括:定义城市特征:位置、适宜度、邻近关系;定义城市行为:移动(根据适宜度选择新的位置)、与邻近城市交互、更新状态(适宜度变化);定义迁移规则:根据适宜度和邻近关系,每个城市代理会有一个迁移规则,决定是否迁移以及迁移到哪里。本方案定义城市迁移规则为,城市会选择适宜度更高的位置,并且远离邻近城市。
演化模拟过程可以包括:读取城市选址属性分布表,统计每个城市的适宜度、位置和邻近关系。根据适宜度和迁移规则更新城市代理的位置。更新城市代理的适宜度和邻近关系状态。记录城市的状态,通过多次迭代模拟,可以观察到城市空间分布和重心演变的动态过程。结果输出阶段包括模拟结果可视化:将模拟结果以图形、表格等形式进行可视化呈现,使决策者能够直观理解流域人居系统的演变趋势。
示例性的,参考图2所示,所述系统100还可以包括:
数据分类模块20,用于流域人居数据按预设规则进行分类;
数据库模块30,用于根据数据类型对流域人居数据进行分类存储。
具体的,数据分类模块20可以的数据分类标准旨在实现对流域人居系统中各种数据的有序组织,以便于后续的管理、分析和决策支持。在执行数据分类时,可以依据:流域地理位置、气候特征、土地利用类型等因素,以保证对流域内各区域的数据进行准确分类。该分类标准适用于流域人居系统中的自然系统和人文系统数据,包括但不限于水文水资源数据、城乡大数据、生态环境数据、历史数据、考古数据等。通过建立流域嵌套式的自然系统与人文系统数据分类标准,确定一级、二级和三级流域层级数据结构。其中,上述的对流域人居数据分类的预设规则,可以是将上述的流域地理位置、气候特征、土地利用类型等因素作为数据分类标准,并依据该标准实现多层级的数据结构分类。
优先地,一级流域包括整个流域的自然系统与人文系统数据,二级流域涵盖具体分支流域的相关数据,而三级流域更为详细,覆盖特定区域内的自然系统与人文系统数据。通过建立流域嵌套式的自然系统与人文系统数据分类标准,确定一级、二级和三级流域层级数据结构。
优先地,一级流域包括整个流域的自然系统与人文系统数据,二级流域涵盖具体分支流域的相关数据,而三级流域更为详细,覆盖特定区域内的自然系统与人文系统数据。
示例性的,可以做如下的类型划分:
一级流域:
自然系统分类:整体自然系统数据,包括气候、地形、植被覆盖度等。
人文系统分类:整体人文系统数据,包括人口分布、经济状况、交通等。
二级流域:
自然系统分类:具体分支流域的自然系统数据,如河川、湖泊等。
人文系统分类:区域城乡的人文数据,如城市人口密度、农村人口结构等。
三级流域:
自然系统分类:为详细的小范围自然系统,例如河流中的特定区段、湖泊的子区域。
人文系统分类:具体社区或村庄的人文数据,包括教育、卫生、社会文化等。
其中,各级数据中,各分类下的各项数据的数据精度不同。其中,一级流域数据由于涵盖整个流域,数据精度较低,但具有把握整体趋势的优势。二级流域数据精度相对较高,能够更准确地反映分支流域的特征和变化。三级流域数据的数据精度最高,能够提供特定区域内更为详细的数据,适用于局部分析和深入研究。此外,各级数据的来源不同,一级流域数据多来自宏观统计和卫星遥感等宏观数据源。二级流域数据的来源可以包括地方政府报告、调查数据等。三级流域数据多依赖于地方政府、研究机构的实地调查和采集。通过对不同级别数据的区分和比较,可以更好地理解其在研究和应用中的特点和适用性,为研究提供更有针对性的数据支持。
举例来说,人口分布数据可以来源于worldpop 数据,是公开分享的一个百米网格精度的人口密度栅格数据,数据精确到省市级。城市人口密度数据可以是来源于我国多个省、市、县、街道人口普查数据,利用插值法获得米级网格精度的人口密度栅格数据,精确到县、街道级。
数据库模块30可以遵循“数据和应用分离”的基本原则,所有数据资源集中管理、集中维护,分布使用。空间数据、非空间数据分开存储,空间数据和非空间数据之间通过相关特征进行关联和体现,实现数据间的动态互访。
建立关系型数据库存储非空间数据,数据之间通过规则表和关系表实现相互关联、约束,实现数据的互访。建立空间数据库用于存储系统中多源空间数据。数据的存储以业务属性数据为主、空间数据为辅的业务数据库,其数据内容以属性数据为主,空间数据为辅,可以基于关系数据库实现空间属性一体化存储。
综合考虑数据资源分类模块的数据结构和存储需求,同时为便于数据共享交换,数据资源对应的数据库建设可分为五个部分:基础数据库,用以支撑系统建设的基础数据,如用户、角色和权限的信息;地理信息数据库,管理三维GIS可视化相关的数据,如基础空间矢量数据、地形数据和遥感影像数据等;流域自然与聚落人文数据库,包括调研数据、历史数据、考古数据、水文水资源数据、城乡数据等;科技管理数据库,主要是科研项目、科研任务、科研外部资源、科研成果数据等;知识管理数据库,主要是事务性资料、科研通用文件管理、政策规范及科研历史文献参考资料等数据;文档多媒体数据库,管理所有与流域自然和人文聚落的文档资料、图片数据等,如调研过程的图片、视频、音频等,改变当前分散的文件管理方式,为文档等数据的查询提供数据源。各个数据库部分在物理上分开,但在运行管理逻辑上是紧密相关的,以保持数据的一致性。其中,上述的历史数据包括:历史地图数据、历史交通数据、历史人口数据、历史水利数据等;考古数据可以包括基于考古数据得到的:城市位置信息、城市人口数据。其中,各类数据可以通过调研的方式采集,或者,通过接入既有的数据库采集。
数据库建设由结构型数据库、非结构型数据库及文件系统组成,结构型数据库负责存储关系型基础数据和业务数据,非结构型数据库负责存储键/值型的几何数据和文件数据等,文件系统用来补充存放超大型栅格文件、模型文件和其它业务应用文件,具体如下:
结构型数据库系统,为基础数据、模型结构数据、地理信息属性数据和应用业务数据等结构化数据提供存储和服务。采用MySQL作为结构型数据库系统,MySQL的核心程序采用完全的多线程编程。用多线程和C语言实现的MySQL能够充分利用硬件设备的计算资源;支持大型的数据库,可以方便地支持上千万条记录的数据库。作为一个开放源代码的数据库,可以针对不同的应用进行相应的修改。
非结构型数据库,存放各类原始数据、模型几何数据、文档数据、多媒体数据和其它二进制流数据等,提供非结构化数据的存储和服务。采用MongoDB作为非结构型数据系统,MongoDB是一个基于分布式文件存储的数据库,是非关系数据库当中功能最丰富,最像关系数据库的。它支持的数据结构非常松散,是类似Json的Bson格式,因此可以存储比较复杂的数据类型。Mongo最大的特点是它支持的查询语言非常强大,其语法有点类似于面向对象的查询语言,几乎可以实现类似关系数据库单表查询的绝大部分功能,而且还支持对数据建立索引。
文件系统采用GridFS等实现,GridFS是一种将大型文件存储在MongoDB的文件规范,存放模型文件、栅格文件和其它不适合于存放于数据库的业务应用文件。GridFS将大文件对象分割成多个小的文件片段,一般为256k/个,每个文件片段作为MongoDB的一个文档被存储在文件片段集合中。GridFS充分考虑了冗余备份、负载均衡、线性扩容等机制,并注重高可用、高性能等指标。
示例性的,所述系统100还可以包括:
数据共享交换模块40,用于根据目标业务系统的数据处理请求进行数据分享。
具体的,数据共享交换模块为不同网络环境应用系统之间的集成提供信息交换及共享、数据处理和数据传递服务,包括流域自然与聚落人文数据中心内部应用系统间的数据交换以及与外界的应用系统数据交换。
举例来说,数据共享交换模块具备如下功能:按照要求进行数据采集、通信规约转换、边缘计算、云数据传输,实时地从站点获取检测数据和仪器设备运行状态;提供高效的传输能力,满足所有应用系统的数据传输要求;支持断点续传、集群和事务技术等多种技术保证数据传递的可靠性,与数据中心之间的数据实时同步;提供多种数据交换方式,包括消息的同步通信、异步通信和会话通信模式,满足不同的数据交换方式的要求;支持不同的网络环境,能够很好地支持不同网络接入方式,能够有效利用不同的网络带宽;提供标准传输组件,使用户只需要进行配置即可实现基本的数据传递功能,简化应用系统的实现;提供在交换过程中根据业务需要对数据的抽取、转换和装载等操作。
示例性的,所述系统100还可以包括:
数据资源管理模块50,用于对获取所述待分析对象对应的流域人居更新数据,并触发更新所述流域人居长时序演变过程。
具体的,数据资源管理模块50可以实现模块功能管理、接口管理、数据库监测功能和流域人居系统特征参数监测。实现功能的组织、分类和管理,确保系统各项功能高效运作;支持内外部系统的数据交换和协同工作,确保系统的灵活性和可扩展性;实时监测数据库,保障数据的实时更新;提取、监测和展示流域人居系统的关键特征参数,支持用户可视化和决策制定。
模块功能管理实现对系统各类功能进行组织、分类和管理,确保各项功能得以高效运作。实现方式包括功能管理界面和功能权限管理。设计用户友好的功能管理界面,使用户能够轻松访问并操作各个功能。功能权限管理,以确保合适的人员能够访问和使用相应的功能。通过功能管理,用户能够直观地了解和使用系统的各项功能,提高了系统的易用性和操作效率。
接口管理支持系统内各模块和外部系统之间的数据交换、共享和协同工作。设计标准化的数据接口和协议,以确保各个模块之间的数据能够无缝交流。支持开放接口,使系统能够与系统平台(云GIS)集成和互操作。实施数据格式标准,以提高数据的一致性和可互操作性。接口管理确保了系统的灵活性和可扩展性,支持系统内外的数据共享和协同工作。
数据库监测功能实时监测流域人居系统数据库,确保其中的数据在数据产生或更新后能够立即反映在数据资源管理模块界面,以提供实时的数据监测支持。部署实时数据更新机制,使用触发器或事件通知等技术,使系统能够及时捕捉到数据的变动。确保用户能够在任何时刻获取到最新的流域人居系统数据,提高了决策的时效性和准确性。
流域人居系统特征参数监测对已经初步处理过的流域人居系统数据进行关键特征参数的提取、监测与展示,以全面了解系统状态、支持决策和提供用户可视化。实施数据模拟分析,识别流域人居系统的特征参数变化趋势。设计用户友好的可视化界面,以图表、地图等形式展示关键特征参数的实时变化趋势。实时监测关键特征参数,为决策者提供及时、准确的系统状态信息,支持决策制定和调整。特征参数监测为决策者提供了实时、精确的流域人居系统状态信息,有助于及时调整决策和资源分配。
如图3所示,图3是本说明书根据一示例性实施例示出的一种流域人居数据分析方法的流程图,可以应用于上述的流域人居数据分析系统;所述方法包括以下步骤:
步骤S102、获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;
步骤S104、采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;
步骤S106、对所述基础数据进行解析,获取城市选址属性分布数据;
步骤S108、利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;
步骤S110、基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
示例性的,所述历史数据包括城市历史数据、河道演变数据;所述地理数据包括:城市数字高程数据、流域边界和河流数据。
示例性的,在步骤S106中,所述对所述基础数据进行解析,获取城市选址属性分布数据,包括:
步骤S21,基于所述城市数字高程数据,计算多个城市选址属性分布数据;其中,所述城市选址属性分布数据包括:海拔数据、崎岖度数据、城市与河流之间的距离数据;
步骤S22,建立城市选址属性分布数据与待分析城市之间的关联关系。
示例性的,在步骤S110中,所述基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程,包括:
步骤S31,定义城市演化模型过程策略;其中,所述城市演化模型过程策略包括:城市特征、城市行为、迁移规则;
步骤S32,读取所述城市选址属性分布数据,统计待分析城市的适宜度数据、位置数据、临近关系数据;
步骤S33,根据所述城市选址适宜度分析结果和所述城市演化模型过程策略更新城市代理位置;
步骤S34,基于更新的城市代理位置更新对应的适宜度数据、邻近关系数据;
步骤S35,通过多次迭代过程模拟流域人居长时序演变过程。
具体的,在演化模拟时,可以读取城市选址属性分布表,统计每个城市的适宜度、位置和邻近关系。根据适宜度和迁移规则更新城市的位置。
更新城市的适宜度和邻近关系状态。记录城市的状态,通过多次迭代模拟,可以观察到城市空间分布和重心演变的动态过程。结果输出阶段包括模拟结果可视化:将模拟结果以图形、表格等形式进行可视化呈现,使决策者能够直观理解流域人居系统的演变趋势。
其中,结合城市选址属性分布表,利用Agent-Based Modeling (ABM) 模拟城市演化过程时,可以定义城市特征:位置、适宜度、邻近关系;定义城市行为:移动(根据适宜度选择新的位置)、与邻近城市交互、更新状态(适宜度变化);定义迁移规则:根据适宜度和邻近关系,每个城市代理会有一个迁移规则,决定是否迁移以及迁移到哪里。本方案定义城市迁移规则为,城市会选择适宜度更高的位置,并且远离邻近城市。
示例性的,所述方法还包括:获取所述待分析对象对应的流域人居更新数据;基于所述流域人居更新数据更新所述流域人居长时序演变过程,并在更新的所述流域人居长时序演变过程包含预设事件时,生成事件决策提示信息。
具体的,可以利用数据资源管理模块提供的数据库监测功能实时监测流域人居系统数据库,确保其中的数据在数据产生或更新后能够立即反映在数据资源管理模块界面,以提供实时的数据监测支持。部署实时数据更新机制,使用触发器或事件通知等技术,使系统能够及时捕捉到数据的变动。确保用户能够在任何时刻获取到最新的流域人居系统数据,提高了决策的时效性和准确性。通过实时监测关键特征参数,为决策者提供及时、准确的系统状态信息,支持决策制定和调整。特征参数监测为决策者提供了实时、精确的流域人居系统状态信息,有助于及时调整决策和资源分配。
举例来说,数据库监测功能可用于对数据平台进行关键特征数据监测,关键特征数据可以是:序号、会话编号、登录名称、部门名称、主机地址、登录地点、浏览器、操作系统、登录时间和操作信息。基于监测到的关键特征数据可以识别用户登录记录,操作记录,运算记录,对非法用户进行强制退出。上述的预设事件可以是操作记录、非法用户登录事件;上述的事件决策提示信息可以是对非法用户进行强制退出。从而保障流域人居系统应用平台的正常运行。
本方案提供的方法和系统,通过对流域人居系统数据的挖掘,系统能够提供城市规划者和决策者在不同时间尺度下的人居环境信息。这可用于制定长期规划,优化城市结构,提高城市居住质量。在面临自然灾害时,系统可利用历史数据进行模拟预测,提供灾害风险评估和相应的规划建议。这有助于改善流域人居系统的抗灾能力,减轻自然灾害的影响。在面对紧急情况时,如交通事故等,系统可通过实时数据分析提供决策支持,协助决策者迅速做出反应并采取有效的应急措施。数据模拟分析模块可用于评估资源利用情况,优化土地利用结构,提供关于人口分布、经济状况等方面的数据,为地方政府提供科学的发展规划支持。
与前述方法的实施例相对应,本说明书还提供了装置及其所应用的终端的实施例。
本说明书流域人居数据分析系统的实施例可以应用在计算机设备上,例如服务器或终端设备。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在数据分析系统的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图4所示,为本说明书实施例流域人居数据分析系统所在计算机设备的一种硬件结构图,除了图4所示的处理器310、内存330、网络接口320、以及非易失性存储器340之外,实施例中数据分析系统331所在的服务器或电子设备,通常根据该计算机设备的实际功能,还可以包括其他硬件,对此不再赘述。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (10)
1.一种流域人居数据分析方法,其特征在于,所述方法包括:
获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;
采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;
对所述基础数据进行解析,获取城市选址属性分布数据;
利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;
基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
2.根据权利要求1所述的方法,其特征在于,所述历史数据包括城市历史数据、河道演变数据;所述地理数据包括:城市数字高程数据、流域边界和河流数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述基础数据进行解析,获取城市选址属性分布数据,包括:
基于所述城市数字高程数据,计算多个城市选址属性分布数据;其中,所述城市选址属性分布数据包括:海拔数据、崎岖度数据、城市与河流之间的距离数据;
建立城市选址属性分布数据与待分析城市之间的关联关系。
4.根据权利要求1所述的方法,其特征在于,所述基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程,包括:
定义城市演化模型过程策略;其中,所述城市演化模型过程策略包括:城市特征、城市行为、迁移规则;
读取所述城市选址属性分布数据,统计待分析城市的适宜度数据、位置数据、临近关系数据;
根据所述城市选址适宜度分析结果和所述城市演化模型过程策略更新城市代理位置;
基于更新的城市代理位置更新对应的适宜度数据、邻近关系数据;
通过多次迭代过程模拟流域人居长时序演变过程。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述待分析对象对应的流域人居更新数据;
基于所述流域人居更新数据更新所述流域人居长时序演变过程,并在更新的所述流域人居长时序演变过程包含预设事件时,生成事件决策提示信息。
6.一种流域人居数据分析系统,其特征在于,所述系统包括:
历史数据获取模块,用于获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;
基础数据构建模块,用于采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;
基础数据解析模块,用于对所述基础数据进行解析,获取城市选址属性分布数据;
适宜度分析模块,用于利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;
模拟演变模块,用于基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
7.根据权利要求6所述的系统,其特征在于,所述系统还包括:
数据分类模块,用于流域人居数据按预设规则进行分类;
数据库模块,用于根据数据类型对流域人居数据进行分类存储。
8.根据权利要求6所述的系统,其特征在于,所述系统还包括:
数据共享交换模块,用于根据目标业务系统的数据处理请求进行数据分享。
9.根据权利要求6所述的系统,其特征在于,所述系统还包括:
数据资源管理模块,用于获取所述待分析对象对应的流域人居更新数据,并触发更新所述流域人居长时序演变过程。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如下方法:
获取待分析对象对应的历史数据,并基于所述历史数据建立基于时间演变的时间序列数据;所述待分析对象包括待分析城市,以及与待分析城市关联的河流;
采集待分析对象对应的地理数据,并结合所述时间序列数据构建基础数据;
对所述基础数据进行解析,获取城市选址属性分布数据;
利用已训练的适宜度计算模型对所述城市选址属性分布数据进行处理,以获取城市选址适宜度分析结果;
基于所述城市选址属性分布数据、所述城市选址适宜度分析结果模拟流域人居长时序演变过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410330530.6A CN117931978A (zh) | 2024-03-22 | 2024-03-22 | 流域人居数据分析方法及系统、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410330530.6A CN117931978A (zh) | 2024-03-22 | 2024-03-22 | 流域人居数据分析方法及系统、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117931978A true CN117931978A (zh) | 2024-04-26 |
Family
ID=90770669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410330530.6A Pending CN117931978A (zh) | 2024-03-22 | 2024-03-22 | 流域人居数据分析方法及系统、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117931978A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140090723A (ko) * | 2012-12-24 | 2014-07-18 | 아주대학교산학협력단 | 초고층 건축물의 입지적정성 평가방법 및 그 장치 |
CN104318319A (zh) * | 2014-10-09 | 2015-01-28 | 武汉大学 | 一种基于征地过程博弈结果的多智能体城市扩张模拟方法 |
CN109359162A (zh) * | 2018-08-28 | 2019-02-19 | 浙江工业大学 | 一种基于gis的学校选址方法 |
CN109740562A (zh) * | 2019-01-14 | 2019-05-10 | 中国科学院地理科学与资源研究所 | 一种生态海绵型城市建设适宜区目标精准识别和功效测算系统及方法 |
-
2024
- 2024-03-22 CN CN202410330530.6A patent/CN117931978A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140090723A (ko) * | 2012-12-24 | 2014-07-18 | 아주대학교산학협력단 | 초고층 건축물의 입지적정성 평가방법 및 그 장치 |
CN104318319A (zh) * | 2014-10-09 | 2015-01-28 | 武汉大学 | 一种基于征地过程博弈结果的多智能体城市扩张模拟方法 |
CN109359162A (zh) * | 2018-08-28 | 2019-02-19 | 浙江工业大学 | 一种基于gis的学校选址方法 |
CN109740562A (zh) * | 2019-01-14 | 2019-05-10 | 中国科学院地理科学与资源研究所 | 一种生态海绵型城市建设适宜区目标精准识别和功效测算系统及方法 |
Non-Patent Citations (1)
Title |
---|
马仁锋;张文忠;余建辉;王岱;谌丽;: "中国地理学界人居环境研究回顾与展望", 地理科学, no. 12, 31 December 2014 (2014-12-31) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Souza et al. | City Information Modelling as a support decision tool for planning and management of cities: A systematic literature review and bibliometric analysis | |
CN108446293B (zh) | 一种基于城市多源异构数据构建城市画像的方法 | |
CN107092680B (zh) | 一种基于地理网格的政务信息资源整合方法 | |
Bordogna et al. | A linguistic decision making approach to assess the quality of volunteer geographic information for citizen science | |
Zhong et al. | Detecting the dynamics of urban structure through spatial network analysis | |
CN108710625A (zh) | 一种专题知识自动挖掘系统及方法 | |
Yang et al. | A constraint-based approach for identifying the urban–rural fringe of polycentric cities using multi-sourced data | |
CN114925043B (zh) | 基于时空网格块数据的应用方法、装置及电子设备 | |
CN111125553B (zh) | 一种支持多源数据的城市建成区智能提取方法 | |
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 | |
Qiu et al. | Disaggregating population data for assessing progress of SDGs: methods and applications | |
CN112950079B (zh) | 绿地供需数据处理方法、系统、计算机设备及存储介质 | |
Minghini et al. | An open source approach for the intrinsic assessment of the temporal accuracy, up-to-dateness and lineage of openstreetmap | |
Wu et al. | Mining typhoon victim information based on multi-source data fusion using social media data in China: a case study of the 2019 Super Typhoon Lekima | |
Pabreja et al. | A data warehousing and data mining approach for analysis and forecast of cloudburst events using OLAP-based data hypercube | |
Mansour et al. | Problems of spatial linkage of a geo-referenced Demographic and Health Survey (DHS) dataset to a population census: A case study of Egypt | |
CN117010933A (zh) | 基于模型的房产市场特征评价方法 | |
CN111382165A (zh) | 一种移动国土管理系统 | |
Liu et al. | An integrated method used to value recreation land–a case study of Sweden | |
CN117931978A (zh) | 流域人居数据分析方法及系统、计算机设备 | |
Yamashkin et al. | Geoinformation Methods and Technologies in the Study of Natural-Social-Production Systems | |
Kim et al. | Construction of disaster knowledge graphs to enhance disaster resilience | |
Giurgola et al. | Mapping urban socioeconomic inequalities in developing countries through Facebook advertising data | |
Planting | Developing a data repository for the Climate Adaptive City Enschede | |
Malczewski et al. | Desktop GIS-MCDA |
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 |