CN112115221A - 一种块数据多因子匹配融合方法 - Google Patents
一种块数据多因子匹配融合方法 Download PDFInfo
- Publication number
- CN112115221A CN112115221A CN202010933276.0A CN202010933276A CN112115221A CN 112115221 A CN112115221 A CN 112115221A CN 202010933276 A CN202010933276 A CN 202010933276A CN 112115221 A CN112115221 A CN 112115221A
- Authority
- CN
- China
- Prior art keywords
- data
- urban
- geographic
- establishing
- basic
- 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
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种块数据多因子匹配融合方法,用于实现区域内数据的互联共享,包括步骤S1:建立城市区域分级方法,通过地理数据以及和地理数据具有关联关系的地理对象进行聚类并且基于聚类结果将城市空间范围划分为若干个城市区域,通过采集和统计各个城市区域的地理信息,分析并且设立标准化的区域分级编码体系。本发明公开的一种块数据多因子匹配融合方法,其以城市或者社区为单位,整合各领域条数据,打破数据孤岛,实现区域内数据的互联共享,解决了部门间数据垄断,难以流通的问题,为实现科学的精准决策提供技术支撑。
Description
技术领域
本发明属于数据匹配融合技术领域,具体涉及一种块数据多因子匹配融合方法。
背景技术
世界正在进入一个由数据主导的时代,作为大数据发展的高级形式,块数据的应用正成为时代发展的趋势。块数据打破了点数据、条数据存在的数据孤岛和数据垄断,是一种新的数据观。与条数据的指向性聚合不同,块数据是具有高度关联性的各类数据在特定平台上的持续聚合。在社会治理领域,块数据就是以行政区域形成的涉及人、事、物的各类数据的综合,块数据的建设,是以城市、社区、网格为单位,整合各条线数据。实现区域内数据的互联共享。
由于早年***信息化基础薄弱、分散存储以及***之间难以实现互联互通。部门数据难以在更大范围内进行交换、共享,使得某一领域的数据成为一个个孤岛。部门数据具有单维度性和封闭性,数据被少数部门所垄断,难以开放和流通,仅仅凭借单一领域的数据很难把握社会发展规律,难以实现科学的精准决策。
发明内容
本发明的主要目的在于提供一种块数据多因子匹配融合方法,其以城市或者社区为单位,整合各领域条数据,打破数据孤岛,实现区域内数据的互联共享,解决了部门间数据垄断,难以流通的问题,为实现科学的精准决策提供技术支撑。
为达到以上目的,本发明提供一种块数据多因子匹配融合方法,用于实现区域内数据的互联共享,包括以下步骤:
步骤S1:建立城市区域分级方法,通过地理数据以及和地理数据具有关联关系的地理对象进行聚类并且基于聚类结果将城市空间范围划分为若干个城市区域,通过采集和统计各个城市区域(各条线业务数据涉及)的地理信息(具体主要为城市区域的地名),分析并且设立标准化的区域分级编码体系;
步骤S2:建立数据资源库的集成,通过大数据采集平台接入(智慧)城市区域的(各个)数据源(包括资源的感知数据、各个管理部门的工作数据以及网络上的各种数据等,例如主要的专利数据库和底图数据库),并且数据源通过数据接入区以批量非实时或者流数据实时计算的方式进入数据缓存区;
步骤S3:采集和统计城市空间范围内各个采集位置在不同时间段的人口数据,并对人口数据进行聚合形成人口大数据,将基于地理数据建立城市空间范围内不同时间段下地理对象与采集位置的人口数据之间进行关联。
作为上述技术方案的进一步优选的技术方案,步骤S1具体实施为以下步骤:
步骤S1.1:收集城市区域的(公安、民政、统计等部门的)地名统计数据,并且通过统计数据对城市区域的所有地名进行整合;
步骤S1.2:基于整合后的地名建立城市区域的地名数据库,使地名数据库的虚拟信息与城市区域的实体信息进行匹配;
步骤S1.3:基于整合后的地名建立城市区域的地名分类、分级和编码的指标体系。
作为上述技术方案的进一步优选的技术方案,步骤S1.3具体实施为以下步骤:
步骤S1.3.1:以城市区域多边形控制城市区域的各个行业的基础地理信息***在城市基础空间框架信息共享数据集中的检索与定位;
步骤S1.3.2:将基础地理信息***中的空间单元点、空间单元线和空间单元面为基础构成基本的地址单元;
步骤S1.3.3:根据地址单元进行编码,以形成相应的地址信息;
步骤S1.3.4:将地址信息作为索引,与(其他)地名数据库连接,从而实现地址信息的空间定位,将地址信息和空间信息进行双向转换。
作为上述技术方案的进一步优选的技术方案,步骤S2具体实施为以下步骤:
步骤S2.1:建立基于基础地理信息***和区域分级编码体系的专题数据库(包括房屋、组织、场所、资源和事件等);
步骤S2.2:建立底图数据库(底图数据库为标准的地图底图和相关图层,包括道路、河流、铁路和公园等数据);
步骤S2.3:数据缓存区临时存储城市区域的数据源的增量数据,并且对增量数据进行清洗、映射、转换后得到标准数据(所有数据要同数据标准进行数据对标,变成标准数据,清洗、映射、转换操作只针对数据缓存区中的数据,不会对原本的数据源产生任何影响),标准数据存放到标准数据资源库。
作为上述技术方案的进一步优选的技术方案,步骤S3具体实施为以下步骤:
步骤S3.1:标准数据资源库按照城市区域的基础要素(人、地、事、物、企业等核心要素)对标准数据进行关联和整合,以形成基础要素库;
步骤S3.2:基础要素库和专题数据库构成对外服务和共享的基础要素数据资源池;
步骤S3.3:对基础要素数据资源池的数据进行统一的资源编目,以形成对外共享和服务的基础要素数据目录。
为达到以上目的,本发明还提供一种电子设备,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,所述处理器执行所述程序时实现一种块数据多因子匹配融合方法的步骤。
为达到以上目的,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现一种块数据多因子匹配融合方法的步骤。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
在本发明的优选实施例中,本领域技术人员应注意,本发明所涉及的电子设备和非暂态计算机可读存储介质等可被视为现有技术。
优选实施例。
本发明公开了一种块数据多因子匹配融合方法,用于实现区域内数据的互联共享,包括以下步骤:
步骤S1:建立城市区域分级方法,通过地理数据以及和地理数据具有关联关系的地理对象进行聚类并且基于聚类结果将城市空间范围划分为若干个城市区域,通过采集和统计各个城市区域(各条线业务数据涉及)的地理信息(具体主要为城市区域的地名),分析并且设立标准化的区域分级编码体系;
步骤S2:建立数据资源库的集成,通过大数据采集平台接入(智慧)城市区域的(各个)数据源(包括资源的感知数据、各个管理部门的工作数据以及网络上的各种数据等,例如主要的专利数据库和底图数据库),并且数据源通过数据接入区以批量非实时或者流数据实时计算的方式进入数据缓存区;
步骤S3:采集和统计城市空间范围内各个采集位置在不同时间段的人口数据,并对人口数据进行聚合形成人口大数据,将基于地理数据建立城市空间范围内不同时间段下地理对象与采集位置的人口数据之间进行关联。
具体的是,步骤S1具体实施为以下步骤:
步骤S1.1:收集城市区域的地名统计数据,并且通过统计数据对城市区域的所有地名进行整合;
步骤S1.2:基于整合后的地名建立城市区域的地名数据库,使地名数据库的虚拟信息与城市区域的实体信息进行匹配;
步骤S1.3:基于整合后的地名建立城市区域的地名分类、分级和编码的指标体系。
更具体的是,步骤S1.3具体实施为以下步骤:
步骤S1.3.1:以城市区域多边形控制城市区域的各个行业的基础地理信息***在城市基础空间框架信息共享数据集中的检索与定位;
步骤S1.3.2:将基础地理信息***中的空间单元点、空间单元线和空间单元面为基础构成基本的地址单元;
步骤S1.3.3:根据地址单元进行编码,以形成相应的地址信息;
步骤S1.3.4:将地址信息作为索引,与(其他)地名数据库连接,从而实现地址信息的空间定位,将地址信息和空间信息进行双向转换。
进一步的是,步骤S2具体实施为以下步骤:
步骤S2.1:建立基于基础地理信息***和区域分级编码体系的专题数据库(包括房屋、组织、场所、资源和事件等);
步骤S2.2:建立底图数据库(底图数据库为标准的地图底图和相关图层,包括道路、河流、铁路和公园等数据);
步骤S2.3:数据缓存区临时存储城市区域的数据源的增量数据,并且对增量数据进行清洗、映射、转换后得到标准数据(所有数据要同数据标准进行数据对标,变成标准数据,清洗、映射、转换操作只针对数据缓存区中的数据,不会对原本的数据源产生任何影响),标准数据存放到标准数据资源库。
更进一步的是,步骤S3具体实施为以下步骤:
步骤S3.1:标准数据资源库按照城市区域的基础要素对标准数据进行关联和整合,以形成基础要素库;
步骤S3.2:基础要素库和专题数据库构成对外服务和共享的基础要素数据资源池;
步骤S3.3:对基础要素数据资源池的数据进行统一的资源编目,以形成对外共享和服务的基础要素数据目录。
本发明还公开了一种电子设备,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,所述处理器执行所述程序时实现一种块数据多因子匹配融合方法的步骤。
本发明还公开了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现一种块数据多因子匹配融合方法的步骤。
值得一提的是,本发明专利申请涉及的电子设备和非暂态计算机可读存储介质等技术特征应被视为现有技术,这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可,不应被视为本发明专利的发明点所在,本发明专利不做进一步具体展开详述。
对于本领域的技术人员而言,依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围。
Claims (7)
1.一种块数据多因子匹配融合方法,用于实现区域内数据的互联共享,其特征在于,包括以下步骤:
步骤S1:建立城市区域分级方法,通过地理数据以及和地理数据具有关联关系的地理对象进行聚类并且基于聚类结果将城市空间范围划分为若干个城市区域,通过采集和统计各个城市区域的地理信息,分析并且设立标准化的区域分级编码体系;
步骤S2:建立数据资源库的集成,通过大数据采集平台接入城市区域的数据源,并且数据源通过数据接入区以批量非实时或者流数据实时计算的方式进入数据缓存区;
步骤S3:采集和统计城市空间范围内各个采集位置在不同时间段的人口数据,并对人口数据进行聚合形成人口大数据,将基于地理数据建立城市空间范围内不同时间段下地理对象与采集位置的人口数据之间进行关联。
2.根据权利要求1所述的一种块数据多因子匹配融合方法,其特征在于,步骤S1具体实施为以下步骤:
步骤S1.1:收集城市区域的地名统计数据,并且通过统计数据对城市区域的所有地名进行整合;
步骤S1.2:基于整合后的地名建立城市区域的地名数据库,使地名数据库的虚拟信息与城市区域的实体信息进行匹配;
步骤S1.3:基于整合后的地名建立城市区域的地名分类、分级和编码的指标体系。
3.根据权利要求2所述的一种块数据多因子匹配融合方法,其特征在于,步骤S1.3具体实施为以下步骤:
步骤S1.3.1:以城市区域多边形控制城市区域的各个行业的基础地理信息***在城市基础空间框架信息共享数据集中的检索与定位;
步骤S1.3.2:将基础地理信息***中的空间单元点、空间单元线和空间单元面为基础构成基本的地址单元;
步骤S1.3.3:根据地址单元进行编码,以形成相应的地址信息;
步骤S1.3.4:将地址信息作为索引,与地名数据库连接,从而实现地址信息的空间定位,将地址信息和空间信息进行双向转换。
4.根据权利要求3所述的一种块数据多因子匹配融合方法,其特征在于,步骤S2具体实施为以下步骤:
步骤S2.1:建立基于基础地理信息***和区域分级编码体系的专题数据库;
步骤S2.2:建立底图数据库;
步骤S2.3:数据缓存区临时存储城市区域的数据源的增量数据,并且对增量数据进行清洗、映射、转换后得到标准数据,标准数据存放到标准数据资源库。
5.根据权利要求4所述的一种块数据多因子匹配融合方法,其特征在于,步骤S3具体实施为以下步骤:
步骤S3.1:标准数据资源库按照城市区域的基础要素对标准数据进行关联和整合,以形成基础要素库;
步骤S3.2:基础要素库和专题数据库构成对外服务和共享的基础要素数据资源池;
步骤S3.3:对基础要素数据资源池的数据进行统一的资源编目,以形成对外共享和服务的基础要素数据目录。
6.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1至5任一项所述的一种块数据多因子匹配融合方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至5任一项所述的一种块数据多因子匹配融合方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010933276.0A CN112115221A (zh) | 2020-09-08 | 2020-09-08 | 一种块数据多因子匹配融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010933276.0A CN112115221A (zh) | 2020-09-08 | 2020-09-08 | 一种块数据多因子匹配融合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112115221A true CN112115221A (zh) | 2020-12-22 |
Family
ID=73802251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010933276.0A Pending CN112115221A (zh) | 2020-09-08 | 2020-09-08 | 一种块数据多因子匹配融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112115221A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103838825A (zh) * | 2014-01-23 | 2014-06-04 | 北京东方泰坦科技股份有限公司 | 一种全球地名数据整合与代码编制方法 |
CN106777110A (zh) * | 2016-12-15 | 2017-05-31 | 武汉邮电科学研究院 | 一种智慧城市大数据整合***及方法 |
CN107526786A (zh) * | 2017-08-01 | 2017-12-29 | 江苏速度信息科技股份有限公司 | 基于多源数据的地名地址数据整合的方法和*** |
CN108334579A (zh) * | 2018-01-25 | 2018-07-27 | 孙如江 | 基于时空业务的地名身份号码编码器、编码方法及设备 |
CN110909759A (zh) * | 2019-10-10 | 2020-03-24 | 重庆特斯联智慧科技股份有限公司 | 基于人口大数据的城市区域分级管理***及方法 |
-
2020
- 2020-09-08 CN CN202010933276.0A patent/CN112115221A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103838825A (zh) * | 2014-01-23 | 2014-06-04 | 北京东方泰坦科技股份有限公司 | 一种全球地名数据整合与代码编制方法 |
CN106777110A (zh) * | 2016-12-15 | 2017-05-31 | 武汉邮电科学研究院 | 一种智慧城市大数据整合***及方法 |
CN107526786A (zh) * | 2017-08-01 | 2017-12-29 | 江苏速度信息科技股份有限公司 | 基于多源数据的地名地址数据整合的方法和*** |
CN108334579A (zh) * | 2018-01-25 | 2018-07-27 | 孙如江 | 基于时空业务的地名身份号码编码器、编码方法及设备 |
CN110909759A (zh) * | 2019-10-10 | 2020-03-24 | 重庆特斯联智慧科技股份有限公司 | 基于人口大数据的城市区域分级管理***及方法 |
Non-Patent Citations (1)
Title |
---|
曲思源等: "高速铁路运营安全保障体系及应用", 中国铁道出版社, pages: 56 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | Detecting the dynamics of urban structure through spatial network analysis | |
Chang | Towards data analysis for weather cloud computing | |
CN111882235B (zh) | 一种网格化的企业管理服务监测方法 | |
CN103530354B (zh) | 地理信息数据融合*** | |
CN107526786A (zh) | 基于多源数据的地名地址数据整合的方法和*** | |
CN107894990A (zh) | 一种城市通用功能平台 | |
Li et al. | Webvrgis based city bigdata 3d visualization and analysis | |
CN115758522A (zh) | 一种数字孪生城市管理***及方法 | |
CN111221867B (zh) | 一种保护性建筑信息管理*** | |
Zeng et al. | VitalVizor: A visual analytics system for studying urban vitality | |
CN112232635A (zh) | 一种基于分布式云架构的智慧水务数据中台 | |
CN111190982A (zh) | 一种基于大数据的共享单车管理方法及*** | |
CN116011322A (zh) | 基于数字孪生的城市信息展示方法、装置、设备及介质 | |
CN112566029A (zh) | 基于手机定位数据的城市就业中心识别方法及装置 | |
CN114116942A (zh) | 一种时空资源块数据管理方法及其*** | |
Wang | The digital presentation of human-oriented urban design | |
Worrall | The role of GIS-based spatial analysis in strategic management in local government | |
CN113792905A (zh) | 基于块数据的精准提示网格社工采集任务预测方法 | |
CN111382165A (zh) | 一种移动国土管理*** | |
CN112115221A (zh) | 一种块数据多因子匹配融合方法 | |
Smith et al. | From buildings to cities: techniques for the multi-scale analysis of urban form and function | |
CN114282847A (zh) | 一种房屋全生命周期地名地址体系及其建设方法 | |
Zhao et al. | Mapping urban land type with multi-source geospatial big data: a case study of Shenzhen, China | |
Fan et al. | Spatially enabled emergency event analysis using a multi-level association rule mining method | |
Xiao et al. | A Study of the Framework of Smart City Management System Construction |
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 |