CN117992926B - 基于cim平台的全要素数据融合分析方法及系统 - Google Patents
基于cim平台的全要素数据融合分析方法及系统 Download PDFInfo
- Publication number
- CN117992926B CN117992926B CN202410402241.2A CN202410402241A CN117992926B CN 117992926 B CN117992926 B CN 117992926B CN 202410402241 A CN202410402241 A CN 202410402241A CN 117992926 B CN117992926 B CN 117992926B
- Authority
- CN
- China
- Prior art keywords
- mapping
- data
- model
- feature
- characteristic
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 230000004927 fusion Effects 0.000 title claims abstract description 30
- 238000013507 mapping Methods 0.000 claims description 460
- 238000009826 distribution Methods 0.000 claims description 185
- 238000013506 data mapping Methods 0.000 claims description 157
- 238000012545 processing Methods 0.000 claims description 89
- 238000007726 management method Methods 0.000 claims description 85
- 230000008859 change Effects 0.000 claims description 27
- 238000010219 correlation analysis Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000012098 association analyses Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000011284 combination treatment Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 30
- 238000005516 engineering process Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据分析的技术领域,公开了一种基于CIM平台的全要素数据融合分析方法及系统,本发明通过对城市管理区域的各个特征要素的数据采集,获取用于反馈数据的CIM平台特征分布图谱,并基于该图谱对图谱中的各个特征分布层级进行映射关系的处理,将各个特征分布层级分别作为映射对象,挑选其他特征分布层级作为映射主体对各个映射对象分别构建多个数据映射模型,经过对数据映射模型的构建、评估、结合处理,得到映射对象的最终映射模型,最终映射模型可以准确地反馈出映射对象与其他的映射主体的关联性,解决了现有技术中无法高效地对城市的各项信息进行关联性地分析的问题。
Description
技术领域
本发明涉及数据分析的技术领域,尤其涉及一种基于CIM平台的全要素数据融合分析方法及系统。
背景技术
随着城市化进程的加快,城市管理变得越来越复杂,涉及到交通、环境、能源、公共安全等多个方面,这些不同的领域产生了大量异构的数据,这些数据分散在各个管理部门和信息系统中,存在着信息孤岛的问题,互操作性差。
目前,可以使用CIM平台(城市信息模型平台)技术对城市数据进行融合分析,CIM平台是一个集成了城市级别的多种信息和数据的平台,类似于建筑信息模型(BIM)但应用于更大尺度的城市管理和规划,CIM利用地理信息系统(GIS)技术、互联网技术、大数据处理技术等,将城市中不同的信息和数据层进行集成,包括但不限于建筑物、交通网络、公共设施、水电管网、人口分布、环境状况等多维数据。
在现有的技术中,缺少技术手段对CIM平台采集到的各个信息进行整合,来判断各个信息之间的关联性。
发明内容
本发明的目的在于提供一种基于CIM平台的全要素数据融合分析方法及系统,旨在解决现有技术中无法高效地对城市的各项信息进行关联性地分析的问题。
本发明是这样实现的,第一方面,本发明提供一种基于CIM平台的全要素数据融合分析方法,包括:
对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱;其中,所述城市管理区域具有若干种特征要素,所述CIM平台特征分布图谱包括若干个特征分布层级,各个所述特征分布层级分别对应一种所述特征要素,所述特征分布层级用于对所述特征要素进行特征反馈;
基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合;其中,所述数据映射模型中包括所述映射对象和若干个映射主体,所述映射对象和所述映射主体均为所述CIM平台特征分布图谱的一个所述特征分布层级;
在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系;其中,所述映射关系用于描述所述数据映射模型中,所述映射对象与各个所述映射主体之间的数据关联性;
对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,以对所述城市管理区域的各个所述特征要素进行数据融合分析。
优选地,对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱,其步骤包括:
确定所述城市管理区域的若干个特征要素;其中,所述特征要素包括地理环境要素、道路交通要素、交通流量数据、建筑设施要素、居住人口要素、经济发展要素、自然环境要素、社会服务要素、能源消耗服务;
根据各个所述特征要素对所述城市管理区域进行对应的数据采集,得到所述城市管理区域对应各个所述特征要素的特征要素数据;
根据所述城市管理区域对应各个所述特征要素的特征要素数据,构建对应的所述特征分布层级;
将各个所述特征分布层级共同作为所述城市管理区域的CIM平台特征分布图谱。
优选地,根据所述城市管理区域对应各个所述特征要素的特征要素数据,构建对应的所述特征分布层级,其步骤包括:
对所述特征要素数据进行时间归属的分类处理,通过所述时间归属的分类处理将所述特征要素数据转换为时刻数据序列;其中,所述时刻数据序列包括若干按时间顺序依次排列的时刻数据,所述时刻数据为所述城市管理区域在某一时刻反馈所述特征要素的数据;
基于所述时刻数据序列,对各个所述时刻数据进行基础框架的分析处理,以得到所述特征要素数据的基础框架;其中,所述基础框架为所述时刻数据序列的各个所述时刻数据共同具备的数据展现形式;
根据所述基础框架对所述时刻数据序列的各个所述时刻数据进行分析处理,以得到所述时刻数据序列的各个所述时刻数据基于所述基础框架的框架数据;其中,所述框架数据为所述时刻数据序列的各个所述时刻数据基于所述基础框架的表达内容;
根据所述基础框架构建对应所述特征要素的特征框架模型,并对所述特征框架模型进行所述框架数据的数据代入处理,以得到所述特征框架模型对应各个所述框架数据的特征模型分布;
将各个所述特征模型分布根据时间顺序进行依次排列,以得到所述特征要素的特征分布层级。
优选地,基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合,其步骤包括:
基于所述城市管理区域的CIM平台特征分布图谱,选取一个所述特征分布层级作为所述映射对象,并将所述CIM平台特征分布图谱中剩余的各个所述特征分布层级作为待选取映射集合;
将所述特征分布层级作为所述映射主体,对各个所述映射主体进行多个轮次的组合处理,以得到各个映射组合;其中,所述映射组合包括若干个映射主体;
对各个所述映射组合与所述映射对象进行映射关系的构建,以得到所述映射对象的各个所述数据映射模型;
将所述映射对象的各个所述数据映射模型共同归纳为所述映射对象的数据映射集合。
优选地,在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系,其步骤包括:
根据所述数据映射模型中的所述映射对象和所述映射主体,调取对应的所述特征分布层级,将对应所述映射对象的所述特征分布层级标记为对象层级,将对应所述映射主体的所述特征分布层级标记为主体层级;
将所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照对应的时刻进行组合,并对各个所述组合中的所述对象层级的所述特征模型分布和所述主体层级中的所述特征模型分布进行关联性的分析处理,以得到各个所述组合的第一疑似映射关系;其中,所述第一疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
对所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照差异时刻进行组合,并对各个所述组合中的所述对象层级的所述特征模型分布和所述主体层级中的所述特征模型分布进行关联性的分析处理,以得到各个所述组合的第二疑似映射关系;其中,所述第二疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
对所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照时间段落进行划分处理,以得到对应所述对象层级和所述主体层级的各个特征模型段落;其中,所述特征模型段落包括同一时间段内的所述特征模型分布;
对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落进行关联性的分析处理,以得到所述对象层级的所述特征模型段落与所述主体层级的所述特征模型段落的第三疑似映射关系;其中,所述第三疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行综合分析,根据所述综合分析的结果得到所述数据映射模型的映射关系。
优选地,对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落进行关联性的分析处理,以得到所述对象层级的所述特征模型段落与所述主体层级的所述特征模型段落的第三疑似映射关系,其步骤包括:
对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落分别进行平均特征的计算处理,以得到所述对象层级的所述特征模型段落的平均特征模型和所述主体层级的所述特征模型段落的平均特征模型;
对所述对象层级的所述特征模型段落的平均特征模型和所述主体层级的所述特征模型段落的平均特征模型进行关联性的分析处理,以得到平均特征疑似映射关系;
对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落分别进行变化趋势的计算处理,以得到所述对象层级的所述特征模型段落的变化趋势和所述主体层级的所述特征模型段落的变化趋势;
对所述对象层级的所述特征模型段落的变化趋势和所述主体层级的所述特征模型段落的变化趋势进行关联性的分析处理,以得到变化趋势疑似映射关系;
将所述平均特征疑似映射关系和所述变化趋势疑似映射关系共同作为所述第三疑似映射关系。
优选地,对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行综合分析,根据所述综合分析的结果得到所述数据映射模型的映射关系,其步骤包括:
基于所述数据映射模型对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行验证处理,并根据所述验证处理的结果为所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系分别生成映射权重;其中,所述映射权重用于描述所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系与所述数据映射模型的映射关系之间的接近程度;
根据所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系的所述映射权重,对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行权重整合处理,以得到所述数据映射模型的映射关系。
优选地,对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,其步骤包括:
基于所述CIM平台特征分布图谱对所述数据映射模型的映射关系进行验证处理,以生成所述数据映射模型的映射权重;
根据所述映射对象的数据映射集合中的各个所述数据映射模型的所述映射权重,对各个所述数据映射模型进行权重整合处理,以得到所述映射对象的最终映射模型。
第二方面,本发明提供一种基于CIM平台的全要素数据融合分析系统,包括:
数据采集模块,用于对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱;其中,所述城市管理区域具有若干种特征要素,所述CIM平台特征分布图谱包括若干个特征分布层级,各个所述特征分布层级分别对应一种所述特征要素,所述特征分布层级用于对所述特征要素进行特征反馈;
模型构建模块,用于基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合;其中,所述数据映射模型中包括所述映射对象和若干个映射主体,所述映射对象和所述映射主体均为所述CIM平台特征分布图谱的一个所述特征分布层级;
模型分析模块,用于在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系;其中,所述映射关系用于描述所述数据映射模型中,所述映射对象与各个所述映射主体之间的数据关联性;
模型确定模块,用于对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,以对所述城市管理区域的各个所述特征要素进行数据融合分析。
本发明提供了一种基于CIM平台的全要素数据融合分析方法,具有以下有益效果:
本发明通过对城市管理区域的各个特征要素的数据采集,获取用于反馈数据的CIM平台特征分布图谱,并基于该图谱对图谱中的各个特征分布层级进行映射关系的处理,将各个特征分布层级分别作为映射对象,挑选其他特征分布层级作为映射主体对各个映射对象分别构建多个数据映射模型,经过对数据映射模型的构建、评估、结合处理,得到映射对象的最终映射模型,最终映射模型可以准确地反馈出映射对象与其他的映射主体的关联性,解决了现有技术中无法高效地对城市的各项信息进行关联性地分析的问题。
附图说明
图1是本发明实施例提供的一种基于CIM平台的全要素数据融合分析方法的步骤示意图;
图2是本发明实施例提供的一种基于CIM平台的全要素数据融合分析系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的实现进行详细的描述。
参照图1、图2所示,为本发明提供较佳实施例。
第一方面,本发明提供一种基于CIM平台的全要素数据融合分析方法,包括:
S1:对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱;其中,所述城市管理区域具有若干种特征要素,所述CIM平台特征分布图谱包括若干个特征分布层级,各个所述特征分布层级分别对应一种所述特征要素,所述特征分布层级用于对所述特征要素进行特征反馈;
S2:基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合;其中,所述数据映射模型中包括所述映射对象和若干个映射主体,所述映射对象和所述映射主体均为所述CIM平台特征分布图谱的一个所述特征分布层级;
S3:在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系;其中,所述映射关系用于描述所述数据映射模型中,所述映射对象与各个所述映射主体之间的数据关联性;
S4:对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,以对所述城市管理区域的各个所述特征要素进行数据融合分析。
具体地,在本发明提供的实施例的步骤S1中,制定一个综合的数据采集计划,确定要采集的城市特征要素,如地理环境要素、道路交通要素、交通流量数据、建筑设施要素、居住人口要素、经济发展要素、自然环境要素、社会服务要素、能源消耗服务等,这些要素均为城市管理的一种数据项目,用于对城市管理区域进行某一个方面的反馈。
需要说明的是,这些特征要素的采集用于在后续步骤中进行互相之间的关联性的分析,以获取城市管理区域中各个特征要素之间的影响关系,从而实现对城市管理区域的各个要素的融合分析。
更具体地,CIM平台特征分布图谱具有多个特征分布层级,每个特征分布层级均以分布图谱的形式对城市管理区域中的一个特征要素进行描述与表达。
需要说明的是,数据的采集针对的是城市管理区域在一个长期时间内的所有数据,例如,针对特征要素为交通流量数据时,需要采集城市管理区域在一个长期时间内的数据,包括不同月份、不同天数、上午和下午等等的交通流量数据。
可以理解的是,各个特征分布层级均对应一个特征要素,用于对该特征要素进行各个时刻的要素数据的表达,并且每个时刻的表达是对城市管理区域的各个具体位置的数据进行一同表达,也就是说,对城市管理区域进行各个具体区域的细化划分,并对各个具体区域分别赋予要素数据,使得可以对所有的具体位置进行分析。
具体地,在本发明提供的实施例的步骤S2中,城市管理区域的CIM平台特征分布图谱具有多个特征分布层级,将这些特征分布层级分别作为映射对象,当一个特征分布层级作为映射对象时,将剩余的其他特征分布层级作为映射主体的预备选取对象,从剩余的其他特征分布层级中进行多次选取,从而得到多组映射主体,将这些多组映射主体与映射对象结合,构建得到多个数据映射模型,这些数据映射模型即位映射对象的数据映射集合。
更具体地,对每一个特征分布层级均进行一次上述的步骤,从而将各个特征分布层级均作为一个映射对象,得到它的数据映射集合。
可以理解的是,数据映射集合中的各个数据映射模型均代表一种映射的可能性,也就是说,代表着映射对象所对应的特征要素可能会与其他的各个特征要素之间存在着什么关联性,一种数据映射模型代表着一组映射主体的选择,也就是代表牌映射对象对应的特征要素可能存在关联性的其他特征要素。
具体地,在本发明提供的实施例的步骤S3中,根据CIM平台特征分布图谱中的各个特征分布图谱的数据对各个数据映射模型进行数据拟合处理,令数据映射模型的映射对象和映射主体根据对应的特征分布图谱的具体数据进行映射关系的拟合计算,从而得到数据映射模型的映射关系,令这个映射关系可能在最大程度上的符合CIM平台特征分布图谱所反馈的数据。
具体地,在本发明提供的实施例的步骤S4中,对各个数据映射模型进行评估处理,来判断各个数据映射模型中的映射关系与实际数据的贴合程度,并将这个贴合程度作为数据映射模型的权重数值,来对各个数据映射模型进行叠加处理,从而得到映射对象的最终映射模型,最终映射模型是结合了多个数据映射模型的映射模型,可以对城市管理区域的特征要素进行数据融合分析。
需要说明的是,在最终映射模型的叠加处理中,一些数据映射模型的映射关系可以为零,也就是排除掉该数据映射模型中的映射关系。
本发明提供了一种基于CIM平台的全要素数据融合分析方法,具有以下有益效果:
本发明通过对城市管理区域的各个特征要素的数据采集,获取用于反馈数据的CIM平台特征分布图谱,并基于该图谱对图谱中的各个特征分布层级进行映射关系的处理,将各个特征分布层级分别作为映射对象,挑选其他特征分布层级作为映射主体对各个映射对象分别构建多个数据映射模型,经过对数据映射模型的构建、评估、结合处理,得到映射对象的最终映射模型,最终映射模型可以准确地反馈出映射对象与其他的映射主体的关联性,解决了现有技术中无法高效地对城市的各项信息进行关联性地分析的问题。
优选地,对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱,其步骤包括:
S11:确定所述城市管理区域的若干个特征要素;其中,所述特征要素包括地理环境要素、道路交通要素、交通流量数据、建筑设施要素、居住人口要素、经济发展要素、自然环境要素、社会服务要素、能源消耗服务;
S12:根据各个所述特征要素对所述城市管理区域进行对应的数据采集,得到所述城市管理区域对应各个所述特征要素的特征要素数据;
S13:根据所述城市管理区域对应各个所述特征要素的特征要素数据,构建对应的所述特征分布层级;
S14:将各个所述特征分布层级共同作为所述城市管理区域的CIM平台特征分布图谱。
具体地,定义城市管理区域的关键特征要素,如地理环境、道路交通、交通流量、建筑设施、居住人口、经济发展、自然环境、社会服务和能源消耗等,对每个特征要素进行数据采集,包括但不限于使用传感器数据、卫星图像、统计报告、交通监控系统、能源消耗记录等。
更具体地,清洗、整合和标准化收集到的数据,确保数据的质量和可用性。
更具体地,分析各特征要素数据,构建分层模型,反映不同特征在城市管理区域内的分布情况。
更具体地,将所有特征分布层级综合起来,制作成一个包含多重特征的分布图谱,这可以是一个多维数据视图或者一个交互式的图形界面。
优选地,根据所述城市管理区域对应各个所述特征要素的特征要素数据,构建对应的所述特征分布层级,其步骤包括:
S131:对所述特征要素数据进行时间归属的分类处理,通过所述时间归属的分类处理将所述特征要素数据转换为时刻数据序列;其中,所述时刻数据序列包括若干按时间顺序依次排列的时刻数据,所述时刻数据为所述城市管理区域在某一时刻反馈所述特征要素的数据;
S132:基于所述时刻数据序列,对各个所述时刻数据进行基础框架的分析处理,以得到所述特征要素数据的基础框架;其中,所述基础框架为所述时刻数据序列的各个所述时刻数据共同具备的数据展现形式;
S133:根据所述基础框架对所述时刻数据序列的各个所述时刻数据进行分析处理,以得到所述时刻数据序列的各个所述时刻数据基于所述基础框架的框架数据;其中,所述框架数据为所述时刻数据序列的各个所述时刻数据基于所述基础框架的表达内容;
S134:根据所述基础框架构建对应所述特征要素的特征框架模型,并对所述特征框架模型进行所述框架数据的数据代入处理,以得到所述特征框架模型对应各个所述框架数据的特征模型分布;
S135:将各个所述特征模型分布根据时间顺序进行依次排列,以得到所述特征要素的特征分布层级。
具体地,将收集到的特征要素数据按照时间属性进行分类,将其转换成按时间顺序排列的时刻数据序列,可以通过时间戳标记数据,或将数据与特定时间段(如小时、日、周、月等)相关联来完成。
更具体地,分析时刻数据序列,确定所有时刻数据共有的数据展现形式,即基础框架,基础框架可能包括数据的结构、格式、维度等通用属性。
更具体地,将各个时刻数据基于基础框架进行分析,得到框架数据,这是基于基础框架,展现时刻数据内容的表达形式。
可以理解的是,基础框架可以看作是特征要素在城市管理区域中的分布形式,由于城市管理区域各个位置的环境以及各个位置之间的相对关系是固定的,因此可以根据城市管理区域的各个位置进行具体位置的划分,每个具体位置均对应着特征要素的一部分数据,随着时间的变化具体位置的数据也随之变化。
更具体地,利用基础框架创建特征框架模型,该模型能够表达不同时间点上的特征数据分布,然后将框架数据输入到特征框架模型中,得到每个框架数据对应的特征模型分布。
更具体地,将生成的特征模型分布按照时间顺序排列,建立起特征分布的层级结构,这可以描绘时间维度上的特征变化趋势。
优选地,基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合,其步骤包括:
S21:基于所述城市管理区域的CIM平台特征分布图谱,选取一个所述特征分布层级作为所述映射对象,并将所述CIM平台特征分布图谱中剩余的各个所述特征分布层级作为待选取映射集合;
S22:将所述特征分布层级作为所述映射主体,对各个所述映射主体进行多个轮次的组合处理,以得到各个映射组合;其中,所述映射组合包括若干个映射主体;
S23:对各个所述映射组合与所述映射对象进行映射关系的构建,以得到所述映射对象的各个所述数据映射模型;
S24:将所述映射对象的各个所述数据映射模型共同归纳为所述映射对象的数据映射集合。
具体地,从城市管理区域的CIM平台特征分布图谱中,挑选出一个特征分布层级作为映射对象,而其他的特征分布层级则构成待选取映射集合。
更具体地,对待选取映射集合中的各个特征分布层级进行映射主体(特征分布层级)的挑选和组合处理,在多个轮次中,以不同的方式将这些映射主体组合起来,形成映射组合,每个映射组合包含若干个映射主体。
更具体地,为每个映射组合与映射对象建立映射关系,这可能涉及到统计分析、机器学习模型、图论方法等,以生成映射对象的数据映射模型。
更具体地,所有映射对象的数据映射模型共同构成该映射对象的数据映射集合,这个集合代表了不同特征之间的相互关系和相互作用。
可以理解的是,通过映射模型的构建,可以更深入地理解不同城市特征之间的复杂关系,所构建的映射集合能帮助识别城市中的关键特征和它们的关联,为城市规划提供科学依据,映射模型可以揭示资源需求和优化分配的潜在方式,有助于改进资源分配的有效性。
优选地,在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系,其步骤包括:
S31:根据所述数据映射模型中的所述映射对象和所述映射主体,调取对应的所述特征分布层级,将对应所述映射对象的所述特征分布层级标记为对象层级,将对应所述映射主体的所述特征分布层级标记为主体层级;
S32:将所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照对应的时刻进行组合,并对各个所述组合中的所述对象层级的所述特征模型分布和所述主体层级中的所述特征模型分布进行关联性的分析处理,以得到各个所述组合的第一疑似映射关系;其中,所述第一疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
S33:对所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照差异时刻进行组合,并对各个所述组合中的所述对象层级的所述特征模型分布和所述主体层级中的所述特征模型分布进行关联性的分析处理,以得到各个所述组合的第二疑似映射关系;其中,所述第二疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
S34:对所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照时间段落进行划分处理,以得到对应所述对象层级和所述主体层级的各个特征模型段落;其中,所述特征模型段落包括同一时间段内的所述特征模型分布;
S35:对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落进行关联性的分析处理,以得到所述对象层级的所述特征模型段落与所述主体层级的所述特征模型段落的第三疑似映射关系;其中,所述第三疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
S36:对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行综合分析,根据所述综合分析的结果得到所述数据映射模型的映射关系。
具体地,确定哪个特征分布层级是对象层级,哪个是主体层级,对象层级是映射的目标,主体层级是映射的主体,也就是说,对主体层级进行计算,以判断需要对主体层级进行什么样的计算,才能够得到对象层级。
更具体地,将对象层级和主体层级在相同的时间点进行组合,形成特征模型分布的配对,然后进行关联性分析来得到初步的映射关系(第一疑似映射关系),这个映射关系是考虑相同时刻的对象层级和主体层级之间存在的映射关系。
更具体地,对象层级和主体层级的特征模型分布在不同时间点进行组合和分析,旨在捕获随时间变化的映射关系(第二疑似映射关系),可以理解的是,映射变化可能需要一定的时间,因此对对象层级和主体层级施加一定的时间差,再进行分映射关系的分析,从而获取存在一定时间差的映射关系,需要注意的是,时间差可以存在多个,因此第二疑似映射关系的计算也可以存在多个。
更具体地,对特征模型分布按照时间段进行划分,以便分析在相同时间段内特征之间的关系(特征模型段落),对象层级和主体层级的特征模型段落进行关联性分析,以识别这些时间段内的映射关系(第三疑似映射关系)。
更具体地,综合考虑第一、第二和第三疑似映射关系,通过进一步的分析来精确最终的映射关系,需要说明的是,映射对象和映射主体之间存在的映射关系可能为其中的一种,因此需要先全面的进行构建,之后再进行识别与判断,以避免漏判误判。
可以理解的是,通过时刻和时间段的分析,为城市特征提供了多维度的视角,从而更全面地理解城市动态,能够捕捉随时间变化的映射关系,对于理解城市特征如何随时间演变尤为重要,通过对不同时间点的关联性分析,可以识别出更加精确和细致的映射关系,从而提供更为精确的数据支持。
优选地,对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落进行关联性的分析处理,以得到所述对象层级的所述特征模型段落与所述主体层级的所述特征模型段落的第三疑似映射关系,其步骤包括:
S351:对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落分别进行平均特征的计算处理,以得到所述对象层级的所述特征模型段落的平均特征模型和所述主体层级的所述特征模型段落的平均特征模型;
S352:对所述对象层级的所述特征模型段落的平均特征模型和所述主体层级的所述特征模型段落的平均特征模型进行关联性的分析处理,以得到平均特征疑似映射关系;
S353:对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落分别进行变化趋势的计算处理,以得到所述对象层级的所述特征模型段落的变化趋势和所述主体层级的所述特征模型段落的变化趋势;
S354:对所述对象层级的所述特征模型段落的变化趋势和所述主体层级的所述特征模型段落的变化趋势进行关联性的分析处理,以得到变化趋势疑似映射关系;
S355:将所述平均特征疑似映射关系和所述变化趋势疑似映射关系共同作为所述第三疑似映射关系。
具体地,对对象层级和主体层级的特征模型段落内的数据进行平均,生成各自的平均特征模型,这个过程包括收集每个时间段内的特征数据并计算其平均值。
更具体地,将得到的对象层级和主体层级的平均特征模型进行比较和关联性分析,以识别两者之间的相似性或相关性,从而得到平均特征疑似映射关系。
更具体地,分别计算对象层级和主体层级的特征模型段落在时间序列上的变化趋势。这可能涉及统计方法,如回归分析、时间序列分析或其他趋势识别技术。
更具体地,对比和分析对象层级和主体层级的变化趋势,以确定它们之间的相关性或因果关系,从而得到变化趋势疑似映射关系,合并平均特征与变化趋势映射关系:将通过关联性分析得到的平均特征疑似映射关系与变化趋势疑似映射关系综合考虑,形成第三疑似映射关系的全面视图。
优选地,对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行综合分析,根据所述综合分析的结果得到所述数据映射模型的映射关系,其步骤包括:
S361:基于所述数据映射模型对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行验证处理,并根据所述验证处理的结果为所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系分别生成映射权重;其中,所述映射权重用于描述所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系与所述数据映射模型的映射关系之间的接近程度;
S362:根据所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系的所述映射权重,对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行权重整合处理,以得到所述数据映射模型的映射关系。
具体地,使用已有的数据映射模型对第一、第二和第三疑似映射关系进行验证,这涉及到比较预测结果与实际观察结果之间的差异,并评估映射关系的准确性。
可以理解的是,疑似映射关系是一个对映射主体的计算模型,映射主体的数据通过疑似映射关系可以得到一个接近映射对象的数据,将映射主体的各个数据依次代入计算,并与映射对象进行比较,来判断疑似映射关系的准确性。
需要说明的是,映射关系是基于映射对象和映射主体进行数据拟合处理得到的,也就是在尽可能接近的情况下,对映射对象和映射主体进行映射关系的计算处理,以得到映射关系,所以映射关系并不能够完全地复刻映射对象,而各个映射关系得到的数值的接近程度又是不同的。
更具体地,根据验证处理的结果,为每个疑似映射关系分配一个映射权重。这个权重表示了每个映射关系与数据映射模型之间的吻合程度或相关性。
更具体地,综合考虑第一、第二和第三疑似映射关系的权重,通过某种算法(例如加权平均)整合这些权重,形成最终数据映射模型的映射关系。
可以理解的是,通过验证和权重分配,可以确保最终映射关系更加准确地反映了实际数据之间的关系,加权后的映射关系为决策提供了量化的依据,促进基于数据的决策制定,准确的权重分配能够改善对未来事件的预测,因为它考虑了不同关系的相对重要性。通过整合不同疑似映射关系,模型能够结合多种数据源和分析视角,从而提供更全面的分析结果。
优选地,对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,其步骤包括:
S41:基于所述CIM平台特征分布图谱对所述数据映射模型的映射关系进行验证处理,以生成所述数据映射模型的映射权重;
S42:根据所述映射对象的数据映射集合中的各个所述数据映射模型的所述映射权重,对各个所述数据映射模型进行权重整合处理,以得到所述映射对象的最终映射模型。
具体地,收集映射对象的数据,并识别多个关键特征,对这些特征进行分析,创建CIM平台特征分布图谱,这包括每个特征的概率分布、特征之间的相关性等。
更具体地,利用构建的特征分布图谱来验证现有数据映射模型的映射关系,计算映射模型的预测与特征分布图谱的一致性,以评估映射关系的准确性。
更具体地,根据模型预测与特征分布图谱的一致性程度,为每个数据映射模型赋予一个映射权重,这个权重反映了该模型在整体数据映射集合中的重要性和可信度。
更具体地,将各个数据映射模型的映射权重整合,形成映射对象的最终映射模型,权重整合可能会采用加权平均、加权合并或其他统计方法来确保最终映射模型的准确性和鲁棒性。
可以理解的是,通过与特征分布图谱的对比验证,确保映射关系的精度,提高了最终映射模型的准确性,权重分配机制确保了对异常数据或噪声的鲁棒处理,增强了模型在不同数据环境下的稳定性,映射权重的调整为模型的动态更新和优化提供了依据,确保模型能反映最新的数据特征和分布,通过整合不同的数据映射模型,最终模型能够从不同模型中吸取优势,提供更全面的映射结果。
参照图2所示,第二方面,本发明提供一种基于CIM平台的全要素数据融合分析系统,包括:
数据采集模块,用于对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱;其中,所述城市管理区域具有若干种特征要素,所述CIM平台特征分布图谱包括若干个特征分布层级,各个所述特征分布层级分别对应一种所述特征要素,所述特征分布层级用于对所述特征要素进行特征反馈;
模型构建模块,用于基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合;其中,所述数据映射模型中包括所述映射对象和若干个映射主体,所述映射对象和所述映射主体均为所述CIM平台特征分布图谱的一个所述特征分布层级;
模型分析模块,用于在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系;其中,所述映射关系用于描述所述数据映射模型中,所述映射对象与各个所述映射主体之间的数据关联性;
模型确定模块,用于对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,以对所述城市管理区域的各个所述特征要素进行数据融合分析。
在本实施例中,上述系统实施例中的各个模块的具体实现,请参照上述方法实施例中所述,在此不再进行赘述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于CIM平台的全要素数据融合分析方法,其特征在于,包括:
对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱;其中,所述城市管理区域具有若干种特征要素,所述CIM平台特征分布图谱包括若干个特征分布层级,各个所述特征分布层级分别对应一种所述特征要素,所述特征分布层级用于对所述特征要素进行特征反馈;
基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合;其中,所述数据映射模型中包括所述映射对象和若干个映射主体,所述映射对象和所述映射主体均为所述CIM平台特征分布图谱的一个所述特征分布层级;
在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系;其中,所述映射关系用于描述所述数据映射模型中,所述映射对象与各个所述映射主体之间的数据关联性;
对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,以对所述城市管理区域的各个所述特征要素进行数据融合分析;
对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱,其步骤包括:
确定所述城市管理区域的若干个特征要素;其中,所述特征要素包括地理环境要素、道路交通要素、交通流量数据、建筑设施要素、居住人口要素、经济发展要素、自然环境要素、社会服务要素和能源消耗服务;
根据各个所述特征要素对所述城市管理区域进行对应的数据采集,得到所述城市管理区域对应各个所述特征要素的特征要素数据;
根据所述城市管理区域对应各个所述特征要素的特征要素数据,构建对应的所述特征分布层级;
将各个所述特征分布层级共同作为所述城市管理区域的CIM平台特征分布图谱;
在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系,其步骤包括:
根据所述数据映射模型中的所述映射对象和所述映射主体,调取对应的所述特征分布层级,将对应所述映射对象的所述特征分布层级标记为对象层级,将对应所述映射主体的所述特征分布层级标记为主体层级;
将所述对象层级中的各个特征模型分布和所述主体层级中的各个所述特征模型分布按照对应的时刻进行组合,并对各个所述组合中的所述对象层级的所述特征模型分布和所述主体层级中的所述特征模型分布进行关联性的分析处理,以得到各个所述组合的第一疑似映射关系;其中,所述第一疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
对所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照差异时刻进行组合,并对各个所述组合中的所述对象层级的所述特征模型分布和所述主体层级中的所述特征模型分布进行关联性的分析处理,以得到各个所述组合的第二疑似映射关系;其中,所述第二疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
对所述对象层级中的各个所述特征模型分布和所述主体层级中的各个所述特征模型分布按照时间段落进行划分处理,以得到对应所述对象层级和所述主体层级的各个特征模型段落;其中,所述特征模型段落包括同一时间段内的所述特征模型分布;
对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落进行关联性的分析处理,以得到所述对象层级的所述特征模型段落与所述主体层级的所述特征模型段落的第三疑似映射关系;其中,所述第三疑似映射关系用于描述所述对象层级和所述主体层级的映射关系;
对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行综合分析,根据所述综合分析的结果得到所述数据映射模型的映射关系。
2.如权利要求1所述的一种基于CIM平台的全要素数据融合分析方法,其特征在于,根据所述城市管理区域对应各个所述特征要素的特征要素数据,构建对应的所述特征分布层级,其步骤包括:
对所述特征要素数据进行时间归属的分类处理,通过所述时间归属的分类处理将所述特征要素数据转换为时刻数据序列;其中,所述时刻数据序列包括若干按时间顺序依次排列的时刻数据,所述时刻数据为所述城市管理区域在某一时刻反馈所述特征要素的数据;
基于所述时刻数据序列,对各个所述时刻数据进行基础框架的分析处理,以得到所述特征要素数据的基础框架;其中,所述基础框架为所述时刻数据序列的各个所述时刻数据共同具备的数据展现形式;
根据所述基础框架对所述时刻数据序列的各个所述时刻数据进行分析处理,以得到所述时刻数据序列的各个所述时刻数据基于所述基础框架的框架数据;其中,所述框架数据为所述时刻数据序列的各个所述时刻数据基于所述基础框架的表达内容;
根据所述基础框架构建对应所述特征要素的特征框架模型,并对所述特征框架模型进行所述框架数据的数据代入处理,以得到所述特征框架模型对应各个所述框架数据的特征模型分布;
将各个所述特征模型分布根据时间顺序进行依次排列,以得到所述特征要素的特征分布层级。
3.如权利要求1所述的一种基于CIM平台的全要素数据融合分析方法,其特征在于,基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合,其步骤包括:
基于所述城市管理区域的CIM平台特征分布图谱,选取一个所述特征分布层级作为所述映射对象,并将所述CIM平台特征分布图谱中剩余的各个所述特征分布层级作为待选取映射集合;
将所述待选取映射集合中的各个所述特征分布层级作为所述映射主体,对各个所述映射主体进行多个轮次的组合处理,以得到各个映射组合;其中,所述映射组合包括若干个映射主体;
对各个所述映射组合与所述映射对象进行映射关系的构建,以得到所述映射对象的各个所述数据映射模型;
将所述映射对象的各个所述数据映射模型共同归纳为所述映射对象的数据映射集合。
4.如权利要求1所述的一种基于CIM平台的全要素数据融合分析方法,其特征在于,对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落进行关联性的分析处理,以得到所述对象层级的所述特征模型段落与所述主体层级的所述特征模型段落的第三疑似映射关系,其步骤包括:
对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落分别进行平均特征的计算处理,以得到所述对象层级的所述特征模型段落的平均特征模型和所述主体层级的所述特征模型段落的平均特征模型;
对所述对象层级的所述特征模型段落的平均特征模型和所述主体层级的所述特征模型段落的平均特征模型进行关联性的分析处理,以得到平均特征疑似映射关系;
对所述对象层级的所述特征模型段落和所述主体层级的所述特征模型段落分别进行变化趋势的计算处理,以得到所述对象层级的所述特征模型段落的变化趋势和所述主体层级的所述特征模型段落的变化趋势;
对所述对象层级的所述特征模型段落的变化趋势和所述主体层级的所述特征模型段落的变化趋势进行关联性的分析处理,以得到变化趋势疑似映射关系;
将所述平均特征疑似映射关系和所述变化趋势疑似映射关系共同作为所述第三疑似映射关系。
5.如权利要求1所述的一种基于CIM平台的全要素数据融合分析方法,其特征在于,对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行综合分析,根据所述综合分析的结果得到所述数据映射模型的映射关系,其步骤包括:
基于所述数据映射模型对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行验证处理,并根据所述验证处理的结果为所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系分别生成映射权重;其中,所述映射权重用于描述所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系与所述数据映射模型的映射关系之间的接近程度;
根据所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系的所述映射权重,对所述第一疑似映射关系、所述第二疑似映射关系以及所述第三疑似映射关系进行权重整合处理,以得到所述数据映射模型的映射关系。
6.如权利要求1所述的一种基于CIM平台的全要素数据融合分析方法,其特征在于,对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,其步骤包括:
基于所述CIM平台特征分布图谱对所述数据映射模型的映射关系进行验证处理,以生成所述数据映射模型的映射权重;
根据所述映射对象的数据映射集合中的各个所述数据映射模型的所述映射权重,对各个所述数据映射模型进行权重整合处理,以得到所述映射对象的最终映射模型。
7.一种基于CIM平台的全要素数据融合分析系统,其特征在于,用于实现权利要求1-6任意一项所述的一种CIM平台的全要素数据融合分析方法,包括:
数据采集模块,用于对城市管理区域进行多维度的数据采集,以得到所述城市管理区域的CIM平台特征分布图谱;其中,所述城市管理区域具有若干种特征要素,所述CIM平台特征分布图谱包括若干个特征分布层级,各个所述特征分布层级分别对应一种所述特征要素,所述特征分布层级用于对所述特征要素进行特征反馈;
模型构建模块,用于基于所述城市管理区域的CIM平台特征分布图谱,选取若干个映射对象,并为各个所述映射对象分别构建若干个数据映射模型,以作为各个所述映射对象的数据映射集合;其中,所述数据映射模型中包括所述映射对象和若干个映射主体,所述映射对象和所述映射主体均为所述CIM平台特征分布图谱的一个所述特征分布层级;
模型分析模块,用于在所述数据映射模型的基础上,对所述映射对象和各个所述映射主体进行映射关系的数据拟合处理,以得到所述数据映射模型的映射关系;其中,所述映射关系用于描述所述数据映射模型中,所述映射对象与各个所述映射主体之间的数据关联性;
模型确定模块,用于对所述映射对象的数据映射集合中的各个所述数据映射模型的映射关系进行评估处理,并根据所述评估处理的结果对所述数据映射集合的各个所述数据映射模型进行加权赋值处理,根据所述加权赋值处理的结果得到所述映射对象的最终映射模型,以对所述城市管理区域的各个所述特征要素进行数据融合分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410402241.2A CN117992926B (zh) | 2024-04-03 | 2024-04-03 | 基于cim平台的全要素数据融合分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410402241.2A CN117992926B (zh) | 2024-04-03 | 2024-04-03 | 基于cim平台的全要素数据融合分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117992926A CN117992926A (zh) | 2024-05-07 |
CN117992926B true CN117992926B (zh) | 2024-06-07 |
Family
ID=90902390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410402241.2A Active CN117992926B (zh) | 2024-04-03 | 2024-04-03 | 基于cim平台的全要素数据融合分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117992926B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101927066B1 (ko) * | 2017-09-11 | 2018-12-10 | (주)동림피엔디 | 도시조사 분석용 데이터 베이스 구축서버를 포함하는 도시조사 분석 서비스 제공 시스템 |
CN116089555A (zh) * | 2022-12-29 | 2023-05-09 | 中建电子信息技术有限公司 | 基于cim平台三维空间数据的采集与轻量化系统和方法 |
CN117236439A (zh) * | 2023-10-07 | 2023-12-15 | 中国科学院地理科学与资源研究所 | 一种网络空间地理图谱综合分析系统和方法 |
CN117744129A (zh) * | 2023-09-18 | 2024-03-22 | 苏州天安慧网络运营有限公司 | 一种基于cim的智慧运维方法及系统 |
-
2024
- 2024-04-03 CN CN202410402241.2A patent/CN117992926B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101927066B1 (ko) * | 2017-09-11 | 2018-12-10 | (주)동림피엔디 | 도시조사 분석용 데이터 베이스 구축서버를 포함하는 도시조사 분석 서비스 제공 시스템 |
CN116089555A (zh) * | 2022-12-29 | 2023-05-09 | 中建电子信息技术有限公司 | 基于cim平台三维空间数据的采集与轻量化系统和方法 |
CN117744129A (zh) * | 2023-09-18 | 2024-03-22 | 苏州天安慧网络运营有限公司 | 一种基于cim的智慧运维方法及系统 |
CN117236439A (zh) * | 2023-10-07 | 2023-12-15 | 中国科学院地理科学与资源研究所 | 一种网络空间地理图谱综合分析系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117992926A (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | A data-driven approach for multi-scale GIS-based building energy modeling for analysis, planning and support decision making | |
Falchetta et al. | A high-resolution gridded dataset to assess electrification in sub-Saharan Africa | |
Kannangara et al. | Modeling and prediction of regional municipal solid waste generation and diversion in Canada using machine learning approaches | |
Moghadam et al. | Spatiotemporal urbanization processes in the megacity of Mumbai, India: A Markov chains-cellular automata urban growth model | |
CN109242170B (zh) | 一种基于数据挖掘技术的城市道路管理系统及方法 | |
CN114398669A (zh) | 基于隐私保护计算和跨组织的联合信用评分方法及装置 | |
KR102278092B1 (ko) | 도시 정보 분석 방법 및 시스템 | |
Momeni et al. | Pattern‐based calibration of cellular automata by genetic algorithm and Shannon relative entropy | |
CN114626886A (zh) | 一种调查问卷数据分析方法及系统 | |
CN117992926B (zh) | 基于cim平台的全要素数据融合分析方法及系统 | |
Groen et al. | Towards modelling the effect of evolving violence on forced migration | |
Basnet et al. | Analysis of multifactorial social unrest events with spatio-temporal k-dimensional tree-based dbscan | |
CN113408867A (zh) | 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法 | |
Weigand et al. | A structural catalogue of the settlement morphology in refugee and IDP camps | |
Krüger et al. | Revealing uncertainties in land change modeling using probabilities | |
Antoni et al. | Generating a located synthetic population of individuals, households, and dwellings | |
CN110288364A (zh) | 一种基于XGBoost模型的二手车定价方法,装置及系统 | |
CN117931978B (zh) | 流域人居数据分析方法及系统、计算机设备 | |
KR102473115B1 (ko) | 신고 데이터 분석 시스템 및 방법 | |
CN113673789B (zh) | Atm现金流预测模型的训练方法、预测方法及装置 | |
CN114579891B (zh) | 一种基于多源大数据的个性化宜居地图推荐方法和装置 | |
Gunda | Network-wide traffic congestion visual analytics: A case study for Brisbane Bluetooth MAC scanner data | |
Moffatt et al. | Parcel-scale earthquake loss estimation with HAZUS: a case study in Salt Lake County, utah | |
CN116797936A (zh) | 基于手机信令数据的城市功能区域检测方法 | |
Sangermano et al. | Linking land change model evaluation to model objective for the assessment of land cover change impacts on biodiversity |
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 |