CN118134113A - 一种基于大数据的土地空间规划管理系统及方法 - Google Patents
一种基于大数据的土地空间规划管理系统及方法 Download PDFInfo
- Publication number
- CN118134113A CN118134113A CN202410547209.3A CN202410547209A CN118134113A CN 118134113 A CN118134113 A CN 118134113A CN 202410547209 A CN202410547209 A CN 202410547209A CN 118134113 A CN118134113 A CN 118134113A
- Authority
- CN
- China
- Prior art keywords
- planning
- data set
- target
- historical
- data
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims description 37
- 238000007405 data analysis Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 26
- 238000007619 statistical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于大数据的土地空间规划管理系统及方法,涉及土地空间规划技术领域,该方法包括获取并对历史所有目标土地区块和历史所有规划管理土地所具备的特征数据分别进行分析并对结果进行集合,将所获第二规划特征数据集与所获预期发展规划数据集的数据差异分析结果及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集的第三关联影响系数,根据所得第一、二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间规划。本发明提供的一种基于大数据的土地空间规划管理系统及方法,对土地空间进行更加合理性的规划管理。
Description
技术领域
本申请涉及土地空间规划技术领域,尤其涉及一种基于大数据的土地空间规划管理系统及方法。
背景技术
随着城市化进程的加速和经济社会的快速发展,国土空间规划变得愈加复杂,面临着更多潜在的风险和挑战。由于土地的稀缺性,对于土地进行合理规划是有利于发挥土地最大效能的手段。
传统技术中,对于国土空间规划管理方法往往过于依赖专家经验,缺少科学性和系统性,难以全面准确地揭示潜在的风险因素和空间分布情况,传统的国土空间规划管理方法大多缺乏系统性和科学性,未能全面考虑规划区域内各个要素之间的复杂关联,导致规划实施时出现冲突和资源浪费的情况。
发明内容
为了克服上述现有技术的不足,本申请提供一种基于大数据的土地空间规划管理系统及方法。
第一方面,本申请提供的一种基于大数据的土地空间规划管理方法,所述方法包括:
获取历史所有目标土地区块和历史所有规划管理土地,在历史所有规划管理土地中被规划土地数量相同时,对所述历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析,输出第一规划特征数据集和第一目标特征数据集;
对所述第一规划特征数据集和第一目标特征数据集分别进行的数据差异比对分析得到第一特征因子集;
在历史所有规划管理土地中被规划土地数量相差一个时,对所述历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析得到第二规划特征数据集和第二目标特征数据集,根据第二规划特征数据集和第二目标特征数据集得到预期发展规划数据集和预期发展目标数据集;
将所述第二规划特征数据集与预期发展规划数据集的数据差异分析结果以及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,输出第二特征因子集;
获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集之间的第三关联影响系数,根据第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间的规划处理,输出土地空间规划确定结果。
优选的,获取历史所有目标土地区块,根据所述历史所有目标土地区块,获取历史所有目标土地区块被规划使用的历史所有规划管理土地;
将所述历史所有规划管理土地中被规划土地数量相同的规划区块进行提取得到历史数同规划区块;
获取历史数同规划区块中具备的第一规划特征数据,根据所述第一规划特征数据,输出第一规划特征数据集;
将所述历史数同规划区块对应历史所有目标土地区块中相应所属的历史目标区块进行集合得到历史数同目标区块;
获取历史数同目标区块中具备的第一目标特征数据,根据所述第一目标特征数据,输出第一目标特征数据集。
优选的,如果第一规划特征数据集中数据之间的比对结果是相似,且对应的第一目标特征数据集中数据之间的比对结果均是有差异时,则统计相互比对结果的差异数值,输出目标数据差异值;
当所述第一规划特征数据集中数据相互比对结果均有差异,且对应的第一目标特征数据集中数据相互比对结果是相似时,则统计相互比对结果的差异数值,输出规划数据差异值;
当所述第一规划特征数据集中数据相互比对结果均有差异,且对应的第一目标特征数据集中数据相互比对结果也均有差异时,则统计两种相互比对结果的差异数值,输出两种数据差异值;
获取两种数据差异值之间的关联影响系数,输出第一关联影响系数;
所述目标数据差异值、规划数据差异值和第一关联影响系数组合成第一特征因子集。
优选的,在所述历史所有规划管理土地中对规划土地数量相差一个的规划区块进行提取得到历史数差规划区块;
获取历史数差规划区块中具备的第二规划特征数据,根据所述第二规划特征数据,输出第二规划特征数据集;
基于所述第二规划特征数据集得到预期发展规划数据集;
将所述历史数差规划区块对应的历史所有目标土地区块中相应所属的历史目标区块进行集合得到历史数差目标区块;
获取历史数差目标区块中具备的第二目标特征数据,根据所述第二目标特征数据,输出第二目标特征数据集;
基于所述第二规划特征数据集和第二目标特征数据集得到预期发展目标数据集。
优选的,将第二规划特征数据集中的数据进行比对处理,如果第二规划特征数据集中其中一部分数据之间是存在差异,另一部分数据是相似的,并且对应的第二目标特征数据集中数据之间的比对结果是相似的,则将差异的其中一部分相互比对结果对应的第二规划特征数据集与预期发展规划数据集进行一一对应的数据求差处理,输出预差规划数据差异值;
当所述第二规划特征数据集中数据之间的相互比对均存在差异,且对应的第二目标特征数据集中数据之间的相互比对均存在差异,则将第二规划特征数据集与预期发展规划数据集进行一一对应的数据求差处理,输出其一差异值,将第二目标特征数据集与预期发展目标数据集进行一一对应的数据求差处理,输出其二差异值;
获取其一差异值和其二差异值之间的关联影响系数,输出第二关联影响系数;
所述预差规划数据差异值和第二关联影响系数组合成第二特征因子集。
优选的,获取历史所有规划管理土地相应位于历史所有目标土地区块的位置区域信息,根据所述位置区域信息,输出位置区域信息集;
获取位置区域信息集与第二目标特征数据集之间的第三关联影响系数;
基于第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型;
获取当前待规划土地区块,根据所述待规划土地区块,获取待规划土地区块的第三规划特征数据集和规划土地位置信息集;
获取当前目标区块的第三目标特征数据集;
将所述当前待规划土地区块、第三规划特征数据集、规划土地位置信息集和第三目标特征数据集均输入至土地空间规划模型进行测试,确定出土地空间规划安排结果,输出土地空间规划确定结果。
第二方面,一种基于大数据的土地空间规划管理系统,包括:
信息分析第一单元,用于对第一规划特征数据集和第一目标特征数据集分别进行的数据差异比对分析得到第一特征因子集;
预期信息获取单元,用于在历史所有规划管理土地中被规划土地数量相差一个时,对历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析得到第二规划特征数据集和第二目标特征数据集,根据第二规划特征数据集和第二目标特征数据集得到预期发展规划数据集和预期发展目标数据集;
信息分析第二单元,用于将第二规划特征数据集与预期发展规划数据集的数据差异分析结果以及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,输出第二特征因子集;
土地规划管理单元,用于获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集之间的第三关联影响系数,根据第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间的规划处理,输出土地空间规划确定结果。
与现有技术相比,本发明具有以下特点和有益效果:
通过将历史时期中实施的土地空间规划前后的发展数据成效进行分析,即进行两种情况下的不同分析处理方式,第一种情况的条件是历史被规划土地区块数量相同的历史目标土地区块进行集合在一起,以便于进行相互之间的特征数据的差异性比对分析处理,以统计数据影响变化性的规律特征,即统计得到第一特征因子集,作为后续影响土地空间规划的其一影响决定因素集,第二种情况条件是历史被规划土地区块数据相差为一个的历史目标土地区块进行集合在一起,以便于进行不同于上述分析方式的数据处理分析,即统计出第二特征因子集,作为后续影响土地空间规划的其一影响决定因素集,通过区别性的不同方式的处理分析,以减少因大量信息的统一化处理造成的较大误差和资源的浪费,再者被规划的历史规划土地的所处位置区域对历史目标土地区块的特征数据发展具有一定程度的影响,考虑到可持续发展的体系,需要将这一特征规律信息进行考虑,提高后续土地空间规划的合理性和管理的高效性。
附图说明
图1是本实施例主要体现的一种基于大数据的土地空间规划管理方法的步骤框图。
图2是本实施例主要体现的一种基于大数据的土地空间规划管理系统的结构框图。
具体实施方式
下面结合以下实施例对本发明作进一步详细描述。
参照图1,一种基于大数据的土地空间规划管理系统及方法,该方法包括以下步骤:
S1.获取历史所有目标土地区块和历史所有规划管理土地,在历史所有规划管理土地中被规划土地数量相同时,对历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析,输出第一规划特征数据集和第一目标特征数据集。
S2.对第一规划特征数据集和第一目标特征数据集分别进行的数据差异比对分析得到第一特征因子集。
S3.在历史所有规划管理土地中被规划土地数量相差一个时,对历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析得到第二规划特征数据集和第二目标特征数据集,根据第二规划特征数据集和第二目标特征数据集得到预期发展规划数据集和预期发展目标数据集。
S4.将第二规划特征数据集与预期发展规划数据集的数据差异分析结果以及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,输出第二特征因子集。
S5.获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集之间的第三关联影响系数,根据第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间的规划处理,输出土地空间规划确定结果。
具体的,如通过对历史所有目标土地区块进行所包含的特征数据信息进行采集,以及对应历史目标土地区块所被规划的历史规划管理土地所包含的特征数据进行采集,因这两类数据之间会发生一定的关联影响性变化,这也是进行土地规划管理的意义所在,规划特征数据和目标特征数据的属性类别是相同的,以便于后续进行相互之间的对应属性数据的差异性比对,因土地相互之间在空间上具有一定的关联影响性,且这其中可根据相关联的数据变动特征进行规律性的统计,即统计出第一特征因子集,因在不同情况条件下的数据分析出的规律特征也是不相同的,为了提高对大量信息进行分析的多样性,则继续对上述分析过后的剩余历史目标土地和历史规划管理土地进行第二规划特征数据集和第二目标特征数据集的采集,并根据这两种特征数据历经固定的预期时间后的理想状况下的数据发展变化进行预期,并将预期发展规划数据集和预期发展目标数据集分别进行与上述两种第二数据集进行相应的数据差异性比对分析,以统计出第二特征因子集,利用多样性的数据处理方式进行区别性的数据分析,增强了对可发展性数据进行非单一性的处理,提高整个数据分析过程的科学性,最后通过建立出土地空间规划模型,对后续的土地空间规划管理提供了更为高效性的处理方式,提高了土地空间规划管理工作的效率与合理性。
具体的步骤S1包括以下子步骤:
获取历史所有目标土地区块,根据所述历史所有目标土地区块,获取历史所有目标土地区块被规划使用的历史所有规划管理土地;
将所述历史所有规划管理土地中被规划土地数量相同的规划区块进行提取得到历史数同规划区块;
获取历史数同规划区块中具备的第一规划特征数据,根据所述第一规划特征数据,输出第一规划特征数据集;
将所述历史数同规划区块对应历史所有目标土地区块中相应所属的历史目标区块进行集合得到历史数同目标区块;
获取历史数同目标区块中具备的第一目标特征数据,根据所述第一目标特征数据,输出第一目标特征数据集。
具体的,如历史所有目标土地区块(包括区块A、区块B、区块C和区块D),历史所有规划管理土地(包括区块:a、b、c、d、e、f、g、h),历史数同规划区块(如:区块a是被规划到了区块A中,区块b是被规划到了区块B中,则可知被规划的区块a和区块b都是一个,区块a和b就是历史数同规划区块),历史数同目标区块(即为上述被规划了土地的历史目标土地:区块A和区块B),第一规划特征数据集和第一目标特征数据集(所包含的类别属项数量是相同,以及类别属性也是相同的,如:人群流动量、污染程度、绿化程度、交通分布密集度、建筑密集度等多种特征数据信息)。
具体的步骤S2包括以下子步骤:
如果第一规划特征数据集中数据之间的比对结果是相似,且对应的第一目标特征数据集中数据之间的比对结果均是有差异时,则统计相互比对结果的差异数值,输出目标数据差异值;
当所述第一规划特征数据集中数据相互比对结果均有差异,且对应的第一目标特征数据集中数据相互比对结果是相似时,则统计相互比对结果的差异数值,输出规划数据差异值;
当所述第一规划特征数据集中数据相互比对结果均有差异,且对应的第一目标特征数据集中数据相互比对结果也均有差异时,则统计两种相互比对结果的差异数值,输出两种数据差异值;
获取两种数据差异值之间的关联影响系数,输出第一关联影响系数;
所述目标数据差异值、规划数据差异值和第一关联影响系数组合成第一特征因子集。
具体的,如目标数据差异值(区块a和区块b的目标特征数据中的各项类别属性的数据都是较为相似的,故可不进行差异性分析,区块A与区块B的规划特征数据中:人群流动量、污染程度、交通分布密集度这三种的数据信息是相差较大,故将其判断为有差异的数据部分,则计算出这三种类别的数据差异值,若目标数据差异值为:人群流动量1万人/日、污染程度:100平方米、交通分布密集度:10%),以此类推,规划数据差异值(区块a和区块b的的规划特征数据中:人群流动量、污染程度、绿化程度这三种的数据信息是相差较大,故将其判断为有差异的数据部分,则计算出这三种类别的数据差异值,区块A与区块B的规划特征数据中的各项类别属性的数据都是较为相似的,故可不进行差异性分析,若规划数据差异值为:人群流动量1.5万人/日、污染程度:200平方米、交通分布密集度:15%),两种数据差异值(如:其一是规划特征数据之间的差异值:绿化程度:100平方米,其一是目标特征数据之间的差异值:绿化程度:80平方米、建筑密集度:150平方米),第一关联影响系数(如绿化程度与建筑密集度之间是具有一定影响程度的,可根据绿化-建筑比对表,匹配出相应的关联影响系数值:若约为18%),第一特征因子集(即上述所分析出的目标数据差异值:人群流动量1万人/日、污染程度:100平方米、交通分布密集度:10%、规划数据差异值:人群流动量1.5万人/日、污染程度:200平方米、交通分布密集度:15%和第一关联影响系数:18%)。
具体的步骤S3包括以下子步骤:
在所述历史所有规划管理土地中对规划土地数量相差一个的规划区块进行提取得到历史数差规划区块;
获取历史数差规划区块中具备的第二规划特征数据,根据所述第二规划特征数据,输出第二规划特征数据集;
基于所述第二规划特征数据集得到预期发展规划数据集;
将所述历史数差规划区块对应的历史所有目标土地区块中相应所属的历史目标区块进行集合得到历史数差目标区块;
获取历史数差目标区块中具备的第二目标特征数据,根据所述第二目标特征数据,输出第二目标特征数据集;
基于所述第二规划特征数据集和第二目标特征数据集得到预期发展目标数据集。
具体的,如历史数差规划区块(区块a是被规划到了区块A中,区块b和区块c是被规划到了区块B中,则区块A中被规划了一个土地区块,区块B中被规划了两个土地区块,相差的数量为一个,即区块a和区块b、区块c为历史数差规划区块),这里的第二规划特征数据集所包含的类别属性与上述的第一规划特征数据集的解释是相同的,这里不多做解释,预期发展规划数据集(即土地在进行了土地规划后的历经了固定时期后,所需检测分析的类别属性数据会发生发展性的变化,如原始各项特征数据为:人群流动量1万人/日、污染程度:200平方米、绿化程度:100平方米、交通分布密集度:60%、建筑密集度:65%,则历经了1年时间后的各项特征数据变化为:人群流动量1.5万人/日、污染程度:150平方米、绿化程度:150平方米、交通分布密集度:70%、建筑密集度:70%,这里的预期发展规划数据集是在较为理想条件的进行预期的),历史数差目标区块(是指区块A和区块B),预期发展目标数据集(与上述的预期发展规划数据集子相同解释,这里不多做陈述)。
具体的步骤S4包括以下子步骤:
将第二规划特征数据集中的数据进行比对处理,如果第二规划特征数据集中其中一部分数据之间是存在差异,另一部分数据是相似的,并且对应的第二目标特征数据集中数据之间的比对结果是相似的,则将差异的其中一部分相互比对结果对应的第二规划特征数据集与预期发展规划数据集进行一一对应的数据求差处理,输出预差规划数据差异值;
当所述第二规划特征数据集中数据之间的相互比对均存在差异,且对应的第二目标特征数据集中数据之间的相互比对均存在差异,则将第二规划特征数据集与预期发展规划数据集进行一一对应的数据求差处理,输出其一差异值,将第二目标特征数据集与预期发展目标数据集进行一一对应的数据求差处理,输出其二差异值;
获取其一差异值和其二差异值之间的关联影响系数,输出第二关联影响系数;
所述预差规划数据差异值和第二关联影响系数组合成第二特征因子集。
具体的,如预差规划数据差异值(第二规划特征数据集中所属区块a的规划特征数据与所属区块b的规划特征数据是较为相似的,即为上述的一部分相互比对结果是相似的,但是所属区块a的规划特征数据与所属区块c的规划特征数据是差异较大的,即为上述的一部分相互比对结果是差异的,则将区块a与区块c所属的两种规划特征数据进行差异数值统计,如:存有较大差异特征数据是:污染程度、绿化程度、交通分布密集度、建筑密集度,则若统计的预差规划数据差异值为:污染程度80平方米、绿化程度150平方米、交通分布密集度15%、建筑密集度20%),当第二规划特征数据集中数据进行两两之间的相互比对结果均是差异的(如区块a均与区块b和区块c的规划特征数据存有较大数据差异),且对应的第二目标特征数据集中数据两两之间的相互比对结果也均是差异的时(如区块A和区块B所属目标特征数据存有较大数据差异),其一差异值(将上述区块a均与区块b和区块c的规划特征数据分别与预期发展规划数据集进行一一对应的数据求差处理,若其一差异值为:区块a比对差异值为污染程度80平方米、绿化程度80平方米,区块b比对差异值为绿化程度100平方米、交通分布密集度10%,区块c比对差异值为人群流动量1万人/日、污染程度:100平方米、绿化程度:150平方米、交通分布密集度:20%、建筑密集度:15%),其二差异值(若区块A比对差异值为人群流动量1.5万人/日、污染程度:100平方米,区块B比对差异值为绿化程度:80平方米、交通分布密集度:10%、建筑密集度:10%),第二关联影响系数(根据各类别属性数据之间的变化规律比对表:例如:人群流动量差异变动值是1.5万人/日,绿化程度差异变动值是80平方米,则根据人群流动量-污染程度比对表,可匹配出二者之间的关联影响系数约为18%,同样的,匹配出其一差异值与其二差异值之间的第二关联影响系数若约为20%),第二特征因子集(即为上述分析出的预差规划数据差异值:污染程度80平方米、绿化程度150平方米、交通分布密集度15%、建筑密集度20%和第二关联影响系数20%)。
具体的步骤S5包括以下子步骤:
获取历史所有规划管理土地相应位于历史所有目标土地区块的位置区域信息,根据所述位置区域信息,输出位置区域信息集;
获取位置区域信息集与第二目标特征数据集之间的第三关联影响系数;
基于第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型;
获取当前待规划土地区块,根据所述待规划土地区块,获取待规划土地区块的第三规划特征数据集和规划土地位置信息集;
获取当前目标区块的第三目标特征数据集;
将所述当前待规划土地区块、第三规划特征数据集、规划土地位置信息集和第三目标特征数据集均输入至土地空间规划模型进行测试,确定出土地空间规划安排结果,输出土地空间规划确定结果。
具体的,如位置区域信息集(区块A中被规划的区块a所落位置区域为第一位置区域:距离区块A的距离为1公里、区块B中被规划的区块b所落位置区域为第二位置区域:距离区块B的距离为1.5公里、区块C中被规划的区块c和区块d所落位置区域为第三和第四位置区域:距离区块C的距离分别为1公里和区块D中被规划的区块e和区块f所落位置区域为第五和第六位置区域:距离区块D的距离分别为1.5公里和1公里,这里的位置区域和距离数据就是位置区域信息集),第三关联影响系数(即位置区域繁华还是较为落后,以及距离的远近均会对土地的可发展性数据产生一定程度的变化性影响,可根据位置区域-关联影响系数的比对表,以匹配出第三关联影响系数,若约为20%),基于第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型(例如第一特征因子集为其一自变量x,第二特征因子集为其二自变量y,第三关联影响系数为其三自变量z,则共同建立起一元三次的函数,y为因变量,即最后土地空间的规划管理结果),当前待规划土地区块、第三规划特征数据集、规划土地位置信息集和第三目标特征数据集均输入至土地空间规划模型进行测试,确定出最优的土地空间规划安排结果(即将所获取的数据信息均输入到上述所建立好的函数中进行分析处理,得到最后当前待规划土地区块中:若是区块一、区块二、区块三和区块四最优的一个或者是多个最优待规划土地区块:若是区块一和区块四,并将区块一和区块四进行土地空间的分配规划管理到当前目标区块的特定空间位置区域中),输出土地空间规划确定结果。
一种基于大数据的土地空间规划管理系统,通过应用如上述的一种基于大数据的土地空间规划管理方法,包括土地信息采集单元、信息分析第一单元、预期信息获取单元、信息分析第二单元和土地规划管理单元,参照图2,通过土地信息采集单元获取历史所有目标土地区块和历史所有规划管理土地,在历史所有规划管理土地中被规划土地数量相同时,对历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析,输出第一规划特征数据集和第一目标特征数据集;通过信息分析第一单元对第一规划特征数据集和第一目标特征数据集分别进行的数据差异比对分析得到第一特征因子集;通过预期信息获取单元在历史所有规划管理土地中被规划土地数量相差一个时,对历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析得到第二规划特征数据集和第二目标特征数据集,根据第二规划特征数据集和第二目标特征数据集得到预期发展规划数据集和预期发展目标数据集;通过信息分析第二单元将第二规划特征数据集与预期发展规划数据集的数据差异分析结果以及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,输出第二特征因子集;通过土地规划管理单元获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集之间的第三关联影响系数,根据第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间的规划处理,输出土地空间规划确定结果。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (7)
1.一种基于大数据的土地空间规划管理方法,其特征在于,包括以下步骤:
获取历史所有目标土地区块和历史所有规划管理土地,在历史所有规划管理土地中被规划土地数量相同时,对所述历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析,输出第一规划特征数据集和第一目标特征数据集;
对所述第一规划特征数据集和第一目标特征数据集分别进行的数据差异比对分析得到第一特征因子集;
在历史所有规划管理土地中被规划土地数量相差一个时,对所述历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析得到第二规划特征数据集和第二目标特征数据集,根据第二规划特征数据集和第二目标特征数据集得到预期发展规划数据集和预期发展目标数据集;
将所述第二规划特征数据集与预期发展规划数据集的数据差异分析结果以及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,输出第二特征因子集;
获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集之间的第三关联影响系数,根据第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间的规划处理,输出土地空间规划确定结果。
2.根据权利要求1所述的一种基于大数据的土地空间规划管理方法,其特征在于,获取历史所有目标土地区块和历史所有规划管理土地,在历史所有规划管理土地中被规划土地数量相同时,对所述历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析,输出第一规划特征数据集和第一目标特征数据集的步骤,具体为:
获取历史所有目标土地区块,根据所述历史所有目标土地区块,获取历史所有目标土地区块被规划使用的历史所有规划管理土地;
将所述历史所有规划管理土地中被规划土地数量相同的规划区块进行提取得到历史数同规划区块;
获取历史数同规划区块中具备的第一规划特征数据,根据所述第一规划特征数据,输出第一规划特征数据集;
将所述历史数同规划区块对应历史所有目标土地区块中相应所属的历史目标区块进行集合得到历史数同目标区块;
获取历史数同目标区块中具备的第一目标特征数据,根据所述第一目标特征数据,输出第一目标特征数据集。
3.根据权利要求2所述的一种基于大数据的土地空间规划管理方法,其特征在于,对所述第一规划特征数据集和第一目标特征数据集分别进行的数据差异比对分析得到第一特征因子集的步骤,具体为:
如果第一规划特征数据集中数据之间的比对结果是相似,且对应的第一目标特征数据集中数据之间的比对结果均是有差异时,则统计相互比对结果的差异数值,输出目标数据差异值;
当所述第一规划特征数据集中数据相互比对结果均有差异,且对应的第一目标特征数据集中数据相互比对结果是相似时,则统计相互比对结果的差异数值,输出规划数据差异值;
当所述第一规划特征数据集中数据相互比对结果均有差异,且对应的第一目标特征数据集中数据相互比对结果也均有差异时,则统计两种相互比对结果的差异数值,输出两种数据差异值;
获取两种数据差异值之间的关联影响系数,输出第一关联影响系数;
所述目标数据差异值、规划数据差异值和第一关联影响系数组合成第一特征因子集。
4.根据权利要求2所述的一种基于大数据的土地空间规划管理方法,其特征在于,在历史所有规划管理土地中被规划土地数量相差一个时,对所述历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析得到第二规划特征数据集和第二目标特征数据集,根据第二规划特征数据集和第二目标特征数据集得到预期发展规划数据集和预期发展目标数据集的步骤,具体为:
在所述历史所有规划管理土地中对规划土地数量相差一个的规划区块进行提取得到历史数差规划区块;
获取历史数差规划区块中具备的第二规划特征数据,根据所述第二规划特征数据,输出第二规划特征数据集;
基于所述第二规划特征数据集得到预期发展规划数据集;
将所述历史数差规划区块对应的历史所有目标土地区块中相应所属的历史目标区块进行集合得到历史数差目标区块;
获取历史数差目标区块中具备的第二目标特征数据,根据所述第二目标特征数据,输出第二目标特征数据集;
基于所述第二规划特征数据集和第二目标特征数据集得到预期发展目标数据集。
5.根据权利要求4所述的一种基于大数据的土地空间规划管理方法,其特征在于,将所述第二规划特征数据集与预期发展规划数据集的数据差异分析结果以及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,输出第二特征因子集的步骤,具体为:
将第二规划特征数据集中的数据进行比对处理,如果第二规划特征数据集中其中一部分数据之间是存在差异,另一部分数据是相似的,并且对应的第二目标特征数据集中数据之间的比对结果是相似的,则将差异的其中一部分相互比对结果对应的第二规划特征数据集与预期发展规划数据集进行一一对应的数据求差处理,输出预差规划数据差异值;
当所述第二规划特征数据集中数据之间的相互比对均存在差异,且对应的第二目标特征数据集中数据之间的相互比对均存在差异,则将第二规划特征数据集与预期发展规划数据集进行一一对应的数据求差处理,输出其一差异值,将第二目标特征数据集与预期发展目标数据集进行一一对应的数据求差处理,输出其二差异值;
获取其一差异值和其二差异值之间的关联影响系数,输出第二关联影响系数;
所述预差规划数据差异值和第二关联影响系数组合成第二特征因子集。
6.根据权利要求5所述的一种基于大数据的土地空间规划管理方法,其特征在于,获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集之间的第三关联影响系数,根据第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间的规划处理,输出土地空间规划确定结果的步骤,具体为:
获取历史所有规划管理土地相应位于历史所有目标土地区块的位置区域信息,根据所述位置区域信息,输出位置区域信息集;
获取位置区域信息集与第二目标特征数据集之间的第三关联影响系数;
基于第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型;
获取当前待规划土地区块,根据所述待规划土地区块,获取待规划土地区块的第三规划特征数据集和规划土地位置信息集;
获取当前目标区块的第三目标特征数据集;
将所述当前待规划土地区块、第三规划特征数据集、规划土地位置信息集和第三目标特征数据集均输入至土地空间规划模型进行测试,确定出土地空间规划安排结果,输出土地空间规划确定结果。
7.一种基于大数据的土地空间规划管理系统,其特征在于,所述系统用于实现权利要求1-6任意一项所述的一种基于大数据的土地空间规划管理方法,包括:
土地信息采集单元,用于获取历史所有目标土地区块和历史所有规划管理土地,在历史所有规划管理土地中被规划土地数量相同时,对历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析,输出第一规划特征数据集和第一目标特征数据集;
信息分析第一单元,用于对第一规划特征数据集和第一目标特征数据集分别进行的数据差异比对分析得到第一特征因子集;
预期信息获取单元,用于在历史所有规划管理土地中被规划土地数量相差一个时,对历史所有目标土地区块和历史所有规划管理土地分别进行所具备的特征数据分析得到第二规划特征数据集和第二目标特征数据集,根据第二规划特征数据集和第二目标特征数据集得到预期发展规划数据集和预期发展目标数据集;
信息分析第二单元,用于将第二规划特征数据集与预期发展规划数据集的数据差异分析结果以及第二目标特征数据集与预期发展目标数据集的数据差异分析结果进行集合,输出第二特征因子集;
土地规划管理单元,用于获取历史所有规划管理土地的位置区域信息集与第二目标特征数据集之间的第三关联影响系数,根据第一特征因子集、第二特征因子集和第三关联影响系数,建立土地空间规划模型,对当前待规划土地区块进行土地空间的规划处理,输出土地空间规划确定结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410547209.3A CN118134113A (zh) | 2024-05-06 | 2024-05-06 | 一种基于大数据的土地空间规划管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410547209.3A CN118134113A (zh) | 2024-05-06 | 2024-05-06 | 一种基于大数据的土地空间规划管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118134113A true CN118134113A (zh) | 2024-06-04 |
Family
ID=91230343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410547209.3A Pending CN118134113A (zh) | 2024-05-06 | 2024-05-06 | 一种基于大数据的土地空间规划管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118134113A (zh) |
-
2024
- 2024-05-06 CN CN202410547209.3A patent/CN118134113A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108417033B (zh) | 基于多维因素的高速路交通事故分析预测方法 | |
CN101794296B (zh) | 一种基于空中活动目标数据的挖掘方法 | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CN105867341A (zh) | 一种烟草加工设备的在线设备健康状态自检方法及系统 | |
CN111523562B (zh) | 一种基于车牌识别数据的通勤模式车辆识别方法 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN114429245A (zh) | 一种工程造价数据的分析展示方法 | |
CN116681176A (zh) | 一种基于聚类和异构图神经网络的交通流预测方法 | |
CN114647684A (zh) | 基于stacking算法的流量预测方法、装置及相关设备 | |
CN116777284A (zh) | 一种空间及属性数据一体化质检方法 | |
CN115409120A (zh) | 一种基于数据驱动的用户窃电行为检测辅助方法 | |
CN114004514A (zh) | 一种大气臭氧污染发生气象条件等级判别方法 | |
CN115310752A (zh) | 面向能源大数据的数据资产价值评价方法及系统 | |
CN113361774B (zh) | 一种生态空间集约利用优化方法及系统 | |
CN113888210A (zh) | 一种工程造价估计方法 | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN111145535B (zh) | 一种复杂场景下的行程时间可靠性分布预测方法 | |
CN118134113A (zh) | 一种基于大数据的土地空间规划管理系统及方法 | |
CN116611785A (zh) | 一种基于大数据的输变电工程造价模型构建方法、系统、设备及介质 | |
CN106203887A (zh) | 一种基于交叉分类法的公路网特性分析方法及装置 | |
CN115983582A (zh) | 一种数据分析方法和能耗管理系统 | |
CN109583763A (zh) | 分行业用户电力负荷增长特征挖掘算法 | |
CN111145548B (zh) | 一种基于数据场和节点压缩的重点路口识别及子区划分方法 | |
CN105574350B (zh) | 事件预测方法 | |
CN115983809B (zh) | 一种基于智能门户平台的企业办公管理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |