CN115204269A - 一种基于时空基准的城市治理数据融合方法及*** - Google Patents
一种基于时空基准的城市治理数据融合方法及*** Download PDFInfo
- Publication number
- CN115204269A CN115204269A CN202210718500.3A CN202210718500A CN115204269A CN 115204269 A CN115204269 A CN 115204269A CN 202210718500 A CN202210718500 A CN 202210718500A CN 115204269 A CN115204269 A CN 115204269A
- Authority
- CN
- China
- Prior art keywords
- data
- space
- time
- target
- city
- 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.)
- Granted
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 20
- 230000004927 fusion Effects 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000002776 aggregation Effects 0.000 claims description 43
- 238000004220 aggregation Methods 0.000 claims description 43
- 230000002123 temporal effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 230000000875 corresponding effect Effects 0.000 description 50
- 238000004364 calculation method Methods 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (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
本发明涉及一种基于时空基准的城市治理数据融合方法及***,包括:获取目标区域中的每个地理对象对应的原始时空数据,并基于统一时空基准,对每个原始时空数据进行转换,得到每个地理对象对应的目标时空数据;将所有的目标时空数据进行数据融合,得到每个地理对象与多个地理对象在空间上的第一关联数据;根据所有的第一关联数据,生成目标区域的第一城市治理数据融合模型。本发明通过多手段采集、多尺度描述以及多来源融合等方式构建了城市治理数据融合模型,以此来帮助城市治理过程中解决获得事件时间位置信息、精确描述事件时序方位、分析事件相关时空关系的问题。
Description
技术领域
本发明涉及一种数据融合技术领域,尤其涉及一种基于时空基准的城市治理数据融合方法及***。
背景技术
当前城市治理主要面临四个方面的时空相关问题。首先,缺失的地理坐标导致信息沟通不畅,从发现事件到接办事件的报告过程中,往往存在信息不完整,影响事件处置的及时性和准确度。例如百姓报告事件在描述空间位置时习惯使用自然语言,城市治理人员需要从中提取具体的治理对象和地理方位。其次,对事件进行精准的时序方位表述,以便于人的理解、引导到达,是事件派发交办中的关键,往往还是难点。例如一辆汽车行驶中发生事故,在事件派发时需要准确表述事件所在行政单元和地理方位,以便网格员和相关处置人员迅速赶往现场。再次,如何发现事件聚集的空间特征、时间特征,所在的地点与周边空间关系有哪些关联,以便辅助城市治理决策者采取措施进行解决。例如某类车辆发生异常停留,虽然知道停留的具***置,但是难以迅速分析出周边有哪些待监管的企业单位。最后,城市治理工作中,经常面对治理对象多、位置变化快的情况,确定对象标识难,确定实时位置难,严重事件处理效率效果。公共车辆、专业运输车辆、航行船舶,都具有数量大、移动快,给事发对象识别、实时位置确定、责任单位划定等带来困难。例如行驶车辆是否进入或离开某行政区,运输船舶是否进入或离开航道区域。因此,亟需提供一种技术方案解决城市治理过程中存在的时空问题。
发明内容
为解决上述技术问题,本发明提供了一种基于时空基准的城市治理数据融合方法及***。
本发明的一种基于时空基准的城市治理数据融合方法的技术方案如下:
获取目标区域中的每个地理对象对应的原始时空数据,并基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据;
将所有的目标时空数据进行数据融合,得到所述每个地理对象与多个地理对象在空间上的第一关联数据;
根据所有的第一关联数据,生成所述目标区域的第一城市治理数据融合模型。
本发明的一种基于时空基准的城市治理数据融合方法的有益效果如下:
本发明的方法采用统一的时空基准对目标区域内的城市治理数据进行融合,通过多手段采集、多尺度描述以及多来源融合等方式构建了城市治理数据融合模型,以此来帮助城市治理过程中解决获得事件时间位置信息、精确描述事件时序方位、分析事件相关时空关系的问题。
在上述方案的基础上,本发明的一种基于时空基准的城市治理数据融合方法还可以做如下改进。
进一步,还包括:
在所述目标区域中,获取预设时间段内的每个城市治理事件的第一时空数据,并对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据;
将所述每个城市治理事件的第一时空数据分别与所述所有的目标时空数据进行数据融合,得到所述每个城市治理事件对应的事件地点与多个地理对象在空间上的第二关联数据;
根据所有的第二关联数据和所有的目标聚合数据,对所述第一城市治理数据融合模型进行优化,得到所述目标区域的目标城市治理数据融合模型。
进一步,所述地理对象包括:静止对象、移动对象和特定对象,所述原始时空数据包括:原始时间属性数据和原始空间属性数据;
所述获取目标区域中的每个地理对象对应的原始时空数据,包括:
利用定位测量装置获取每个静止对象对应的原始空间属性数据,利用巡视询问方式获取所述每个静止对象对应的原始时间属性数据;
利用每个移动对象所安装的定位装置,通过信息传输通道实时获取所述每个移动对象对应的原始时间属性数据和原始空间属性数据;
利用遥感影像技术,获取每个特定对象的原始时间属性数据和原始空间属性数据。
进一步,所述目标时空数据包括:目标时间属性数据和目标空间属性数据;
所述基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据,包括:
基于统一空间基准,将每个原始空间属性数据在相应的原始坐标系下的原始空间属性数据转换为目标坐标系下的目标空间属性数据,并基于统一时间基准,将每个原始时间属性数据转换为对应的目标时间属性数据。
进一步,所述目标聚合数据包括:空间聚合数据和时间聚合数据;
所述对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据,包括:
对所述所有的第一时空数据进行空间聚合,并根据第一预设条件,得到至少一个空间聚合数据;
对所述所有的第一时空数据进行时间聚合,并根据第二预设条件,得到至少一个时间聚合数据。
进一步,在所述获取目标区域中的每个地理对象对应的原始时空数据之后,还包括:
利用***息对所述每个原始时空数据进行修正,将修正后的所述每个原始时空数据作为对应的原始时空数据,并执行所述基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据的步骤。
进一步,还包括:
基于所述目标城市治理数据融合模型,得到每个空间聚合数据对应的城市治理事件高发区域和每个时间聚合数据对应的城市治理事件高发时间段,根据所有的城市治理事件高发区域和所有的城市治理高发时间段,生成至少一个第一提示信息,以使所述目标区域的城市治理人员根据每个第一提示信息进行相应的城市治理工作。
进一步,还包括:基于所述目标城市治理数据融合模型,得到并根据待处理事件的第二关联数据,生成第二提示信息,以使所述目标区域的城市治理人员根据所述第二提示信息进行相应的城市治理工作。
本发明的一种基于时空基准的城市治理数据融合***的技术方案如下:
包括:数据处理模块、数据融合模块和模型生成模块;
所述数据处理模块用于:获取目标区域中的每个地理对象对应的原始时空数据,并基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据;
所述数据融合模块用于:将所有的目标时空数据进行数据融合,得到所述每个地理对象与多个地理对象在空间上的第一关联数据;
所述模型生成模块用于:根据所有的第一关联数据,生成所述目标区域的第一城市治理数据融合模型。
本发明的一种基于时空基准的城市治理数据融合***的有益效果如下:
本发明的***采用统一的时空基准对目标区域内的城市治理数据进行融合,通过多手段采集、多尺度描述以及多来源融合等方式构建了城市治理数据融合模型,以此来帮助城市治理过程中解决获得事件时间位置信息、精确描述事件时序方位、分析事件相关时空关系的问题。
在上述方案的基础上,本发明的一种基于时空基准的城市治理数据融合***还可以做如下改进。
进一步,还包括:数据聚合模块、数据关联模块和模型优化模块;
所述数据聚合模块用于:在所述目标区域中,获取预设时间段内的每个城市治理事件的第一时空数据,并对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据;
所述数据关联模块用于:将所述每个城市治理事件的第一时空数据分别与所述所有的目标时空数据进行数据融合,得到所述每个城市治理事件对应的事件地点与多个地理对象在空间上的第二关联数据;
所述模型优化模块用于:根据所有的第二关联数据和所有的目标聚合数据,对所述第一城市治理数据融合模型进行优化,得到所述目标区域的目标城市治理数据融合模型。
附图说明
图1为本发明实施例的一种基于时空基准的城市治理数据融合方法的流程示意图;
图2为本发明实施例的一种基于时空基准的城市治理数据融合***的结构示意图。
具体实施方式
如图1所示,本发明实施例的一种基于时空基准的城市治理数据融合方法,包括如下步骤:
S1、获取目标区域中的每个地理对象对应的原始时空数据,并基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据。
其中,目标区域为:省域、城市或园区等。地理对象包括:静止对象、移动对象和特定对象。原始时空数据包括:原始时间属性数据和原始空间属性数据;原始时间属性数据是指采用任一数据采集方式所获取的未经转换的时间数据,例如:该地理对象的创建时间、数据的产生时间等数据;原始空间属性数据是指采用任一数据采集方式所获取的未经转换的空间数据,例如:该地理对象的位置坐标或者当前所在方位等数据。
其中,统一时空基准具体是指:建立同一的时间***和空间参考框架;具体是根据目标区域对应的智慧城市时空信息云平台(智慧城市时空大数据平台)所建立的。统一时空基准的内容包括:统一时间历元和统一地球空间的大地基准和相关投影参数。
其中,对每个原始时空数据进行转换的过程相当于将不同时空基准的数据转换到统一时空基准中,得到的目标时空数据为每个地理对象在统一时空基准下的时空数据。
S2、将所有的目标时空数据进行数据融合,得到所述每个地理对象与多个地理对象在空间上的第一关联数据。
其中,第一关联数据为:地理对象在空间上与其他地理对象之间的关联信息。
例如,对于静止对象而言,在现实世界中,一系列企事业单位往往在一个院落办公。院落作为地理实体具有空间位置和标识编号,将工商法人单位、机关事务单位、社会民间组织等建立与院落标识编号的关系(具体实现包括两种,第一种是为单位建立坐标点,为院落建立范围面,通过单位坐标点与院落范围面的“点-面”空间相交关系建立关联;另一种是为单位建立关联字段,并将关联字段赋值为院落的标识编号),可以使得城市范围内数十万乃至百万级数量的组织机构(地理对象)实现空间化落图,进而实现通过属性字段实现空间关联融合。其他类别的地理对象也可采用本方法关联。
对于移动对象而言,根据移动对象的实时位置,计算移动对象的当前所在的行政区域、责任片区,进而关联融合到责任单位、责任人,以便迅速报告通知和派件处置,计算结果的响应时间可达到1分钟以内。
S3、根据所有的第一关联数据,生成所述目标区域的第一城市治理数据融合模型。
其中,第一城市治理数据融合模型相当于根据统一时空基准的地理对象的相关信息以及城市治理事件的相关信息融合后得到的一个智能工具。具体地,可通过城市治理数据融合模型进行地理对象查询(如:行政区、道路、水系、院落、房屋等类型的地理实体,支持按照类别、名称查找匹配),地名地址数据匹配(如:于Shapefile格式建立行政区、道路、院落、地址门楼牌、参照点的空间数据库,字段信息至少包括空间位置和名称、类别。基于Lucene全文搜索引擎构建索引数据库,并将行政区名称、道路名称、院落名称、地址门楼牌号码、参照点名称扩充至Lucene的文本分词扩展词典中。正向查找功能为,输入文本返回精确位置,通过SQL实现精确查找、模糊查找,通过Lucene引擎实现文本分词查找;反向查找功能,输入空间位置,按照“点-面”的空间相交关系、点与点的缓冲区邻近关系在空间数据库中查询,返回该位置“行政区+精细地理对象(或地址门楼牌)+相对位置关系”的地理方位描述。),地理对象坐标系的转换(支持不同空间坐标系的地理信息数据坐标系转换,支持布尔莎变换模型、相似变换模型、高斯投影计算公式等。输入坐标数值、坐标系类别(1954年北京坐标系、1980西安坐标系、WGS-84坐标系等),将待转换地理对象的坐标逐点进行转换,将原坐标点(X,Y,Z)计算新坐标点(X',Y',Z'),形成新的地理对象几何图形(CGCS2000坐标系)。支持转换的空间数据格式包括Shapefile、DWG、GDB(File Geodatabase)等)。
较优地,还包括:
在所述目标区域中,获取预设时间段内的每个城市治理事件的第一时空数据,并对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据。
其中,预设时间段根据用户的需求进行设定,可设置为半个月或一个月,在此不设限制。城市治理事件包括但不限于:交通秩序、园林绿化和市政设施等。第一时空数据是指采集到的对应城市治理事件原始的时间信息和空间信息。例如,在2022年4月1日12:00,A市B区C街道D路口向东/向西XX米处出现违章停车事件,此时,该城市治理事件的时间信息为:2022年4月1日12:00,空间信息为:A市B区C街道D路口向东/向西XX米处。
其中,目标聚合数据包括:空间聚合数据和时间聚合数据,空间聚合数据是指:当同一地点、同一位置或同一区域在某段时间内(例如:一个月)发生多个城市治理事件时,将该空间位置对应的区域设定为一个空间聚合数据;时间聚合数据是指:在同一时间内目标区域中发生多个城市治理事件时,将该时间点设定为一个时间聚合数据。通过聚合得到空间聚合数据能够发现事件热点地区,通过聚合得到时间聚合数据能够发现时间高发时间段。
将所述每个城市治理事件的第一时空数据分别与所述所有的目标时空数据进行数据融合,得到所述每个城市治理事件对应的事件地点与多个地理对象在空间上的第二关联数据。
其中,第二关联数据为:城市治理事件对应的事件地点与周围多个地理对象在空间上的关联信息。例如,主要通过空间范围叠置、空间邻接查询、邻近区域计算等,建立事件地点与已有城市空间基础设施(静止对象)的关联。例如事故点最近的人员密集单位(如学校、影院),便于及时疏散;事故点最近的救援力量(如医院、公安消防单位),便于及时救援;事故点最近的避难场所(如广场、地下人防),便于及时安置。
根据所有的第二关联数据和所有的目标聚合数据,对所述第一城市治理数据融合模型进行优化,得到所述目标区域的目标城市治理数据融合模型。
其中,目标城市治理数据融合模型在第一城市治理数据融合模型的基础上,融入了实时位置空间计算(通过保证高并发、高性能的Web软件接口,支持实时计算位置所在的行政单元、城市治理网格、地址方位描述等。输入位置点经纬度坐标,在行政单元数据库、城市治理网格数据库中按照“点-面”的空间相交关系进行空间查询,在参照点数据库中按照点与点的缓冲区邻近关系进行查询,输出省市县乡村五级行政区信息(行政区名称、行政区代码)、治理网格信息(网格名称、网格代码)、最近参照点的信息(参照点名称、参照点位置、参照点与输入位置点方位关系、参照点与输入位置点距离))等功能。
较优地,所述地理对象包括:静止对象、移动对象和特定对象,所述原始时空数据包括:原始时间属性数据和原始空间属性数据;
所述获取目标区域中的每个地理对象对应的原始时空数据,包括:
利用定位测量装置获取每个静止对象对应的原始空间属性数据,利用巡视询问方式获取所述每个静止对象对应的原始时间属性数据。
其中,静止对象包括但不限于:标志物、大厦、房屋、基础设施等。
其中,定位测量装置包括但不限于:卫星定位仪器和全站仪。巡视询问方式包括但不限于:实地巡视和询问相关人员等方式。
其中,移动对象包括但不限于:车辆、船舶和人。
利用每个移动对象所安装的定位装置,通过信息传输通道实时获取所述每个移动对象对应的原始时间属性数据和原始空间属性数据。
利用遥感影像技术,获取每个特定对象的原始时间属性数据和原始空间属性数据。
其中,特定对象包括但不限于:道路、水系和植被等。
具体地,利用遥感影像数据,根据图像特征和光谱特征,提取特定对象的要素范围。
较优地,所述目标时空数据包括:目标时间属性数据和目标空间属性数据;
所述基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据,包括:
基于统一空间基准,将每个原始空间属性数据在相应的原始坐标系下的原始空间属性数据转换为目标坐标系下的目标空间属性数据,并基于统一时间基准,将每个原始时间属性数据转换为对应的目标时间属性数据。
其中,同一空间基准为:在目标区域中采用相同的坐标系表示各个地理对象的坐标,或者是将不同的地理方位的描述方式转换成统一的描述方式。例如:①行政区描述。省+市+县+乡+村五级行政区域描述。在不引起重名歧义的情况下,部分行政等级名称描述可以省略。②精细地理实体(或地址门楼牌)描述。精细地理实体表达到标志物、院落,如××大厦、××村委会;地址门楼牌表达到编号,如××路××号、××新村××幢。③相对位置关系描述。以邻近的多个点位为参照描述相对位置关系,主要由方向+距离的相对关系描述,将方向分解为东侧、东南侧、南侧、西南侧、西侧、西北侧、北侧、东北侧8个方向,多个点位的相对位置关系描述采用分号隔开。如:{××路××号东侧××米;××新村××幢西北侧××米}。将不同的描述方式转换到统一的坐标系下,便于准确获取对应信息。
其中,同一时间基准为:采用统一的时间标准(如:北京时间)对各个地理对象的坐标进行表示。
较优地,所述目标聚合数据包括:空间聚合数据和时间聚合数据;
所述对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据,包括:
对所述所有的第一时空数据进行空间聚合,并根据第一预设条件,得到至少一个空间聚合数据。
其中,第一预设条件为:同一地点、同一位置或同一区域在某段时间内(例如:一个月)发生的城市治理事件数量,该值可由用户自行设定,如10件,在此不设限制。
对所述所有的第一时空数据进行时间聚合,并根据第二预设条件,得到至少一个时间聚合数据。
其中,第二预设条件为:同一时间内目标区域中城市治理事件的数量,该值可由用户自行设定,如10件,在此不设限制。
较优地,在所述获取目标区域中的每个地理对象对应的原始时空数据之后,还包括:
利用***息对所述每个原始时空数据进行修正,将修正后的所述每个原始时空数据作为对应的原始时空数据,并执行所述基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据的步骤。
其中,***息可以是但不限于:工商部门的***息。具体地,对照工商部门的***息对注册登记信息核查获得地理对象的位置信息和时间信息,通过多个公开版地图、互联网在线地图等核实相对位置关系。
较优地,还包括:
基于所述目标城市治理数据融合模型,得到每个空间聚合数据对应的城市治理事件高发区域和每个时间聚合数据对应的城市治理事件高发时间段,根据所有的城市治理事件高发区域和所有的城市治理高发时间段,生成至少一个第一提示信息,以使所述目标区域的城市治理人员根据每个第一提示信息进行相应的城市治理工作。
其中,第一提示信息根据目标城市治理数据融合模型所得到的城市治理事件高发时间段和城市治理事件高发区域,城市治理人员可以根据相应的第一提示信息进行相应的开展预警应对工作。
较优地,还包括:基于所述目标城市治理数据融合模型,得到并根据待处理事件的第二关联数据,生成第二提示信息,以使所述目标区域的城市治理人员根据所述第二提示信息进行相应的城市治理工作。
其中,待处理事件为新发城市治理事件,此时得到的时间信息和空间信息可能不是统一时空基准下的信息,将上述时空信息通过目标城市治理数据融合模型,能够实现信息的转换,转换成便于相关城市治理人员理解的时间信息和空间信息,例如,当目标城市治理数据融合模型生成的空间信息为一个坐标值时,此时为便于相关城市治理人员的理解,能够输出如:××路××号、××新村××幢,或者路××号东侧××米的空间信息,以便进行快速处理。
本实施例的目标城市治理数据融合模型具有:时空基准统一、采集信息全、描述位置准、融合集成度高等特点。具体地,
(1)时空基准统一基础牢。是时空数据融合的基础,有统一的时空基准,才可以进行空间计算和空间数据关联。以智慧城市时空信息云平台为基础建立的时空基准,易于智慧城市整体架构融合并符合国家有关标准,具有规范性、便利性。
(2)采集信息准确、丰富、及时。实测调查测绘数据准确;综合运用了多种数据采集手段,采集更多种类的数据;利用地名地址匹配便于利用数据降低成本;利用遥感手段易于快速获得最新的空间影像和地理信息内容。
(3)描述地理位置准。通过多尺度行政区域+精细地理实体+相对位置关系,准确事件地理方位,易于人的理解,易于参照确定方位关系,便于提高城市治理工作效率。
(4)融合集成度高,应用效果好。完成了不同来源地理信息数据之间融合,将地理空间数据和政务专题数据融合,将城市治理事件数据和政务专题融合,将传感器实时感知数据和城市治理网格融合。实现空间融合和属性字段融合的多重融合,融合集成度高。
因此,本实施例的技术方案采用统一的时空基准对目标区域内的城市治理数据进行融合,通过多手段采集、多尺度描述以及多来源融合等方式构建了城市治理数据融合模型,以此来帮助城市治理过程中解决获得事件时间位置信息、精确描述事件时序方位、分析事件相关时空关系的问题。
在本发明的一种基于时空基准的城市治理数据融合方法的另一个实施例中,目标区域选取:北京市海淀区,地理对象选取该区域中所有的建筑物、基础设施、道路、车辆、人群、植被、水系等。统一时空基准则根据该区域对应的智慧城市时空信息云平台进行构建。具体地:
S1、获取北京市海淀区的所有地理对象的原始时空数据;并根据北京时间(UTC/GMT+8)为统一时间基准,采用海淀区人民政府所在地为坐标原点(0,0),以此建立坐标的统一空间基准;采用“实地测绘调查+实时位置回传+地名地址匹配+遥感数据解译+***息核实”的多手段时空信息采集,并基于上述数据采集方式和信息核实方式,将北京市海淀区中的每个地理对象的原始时空数据转换成基于统一时空基准的目标时空数据。
在本实施例中,预设时间段为1个月,城市治理事件为:交通秩序、园林绿化和市政设施等。
S2、将所有的目标时空数据进行融合,得到所述每个地理对象与多个地理对象在空间上的第一关联数据。对于静止对象而言,例如,经过对所有目标时空数据进行融合,得到海淀区人民政府在空间上的第一关联数据(海淀区人民政府的第一关联数据包括:向东150米的北京市公安局海淀分局,东南方向160米的国家行政学院,向北130米的北京大学万柳公寓,向西400米的长春桥地铁站)。对于移动对象而言,例如,该移动对象(车辆)在中关村大街上违章驾驶,此时根据移动对象的实时位置,计算移动对象的当前所在的责任片区:中关村街道,进而关联融合到责任单位、责任人,以便迅速报告通知和派件处置。
S3、将北京市海淀区所有的第一关联数据融合,得到北京市海淀区的第一城市治理数据融合模型。
此外,在上述北京市海淀区的第一城市治理数据融合模型的基础上,还包括:
在北京市海淀区所处的区域范围内,获取当前时间点往前1个月内的每个城市治理事件的第一时空数据(包括但不限于:发生地点和发生时间,还可以包括事件类型);在对所有的第一时空数据进行数据聚合后,得到多个目标聚合数据,例如:一个月内在中关村街道附近发生15起交通事故,每天18时左右在北京市海淀区共计发生30起交通事故,在中关村大街附近共发生15起违章摆摊事件,此时,目标聚合数据包括:时间聚合数据(每天18时在海淀区易发生交通事故)和空间聚合数据(中关村街道附近易发生交通事故,中关村大街附近易发生违章摆摊事件)。
将所述每个城市治理事件的第一时空数据分别与所述所有的目标时空数据进行数据融合,得到所述每个城市治理事件对应的事件地点与多个地理对象在空间上的第二关联数据。例如,中关村大街附近的第二关联数据包括:海淀医院、北大附中、人大附中、中国人民大学等人员密集单位。
根据北京市海淀区所有的第二关联数据和所有的目标聚合数据对第一城市治理数据融合模型进行优化,得到北京市海淀区的目标城市治理数据融合模型。
如图2所示,本发明实施例的一种基于时空基准的城市治理数据融合***200,包括:数据处理模块210、数据融合模块220和模型生成模块230;
所述数据处理模块210用于:获取目标区域中的每个地理对象对应的原始时空数据,并基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据;
所述数据融合模块220用于:将所有的目标时空数据进行数据融合,得到所述每个地理对象与多个地理对象在空间上的第一关联数据;
所述模型生成模块230用于:根据所有的第一关联数据,生成所述目标区域的第一城市治理数据融合模型。
较优地,还包括:数据聚合模块、数据关联模块和模型优化模块;
所述数据聚合模块用于:在所述目标区域中,获取预设时间段内的每个城市治理事件的第一时空数据,并对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据;
所述数据关联模块用于:将所述每个城市治理事件的第一时空数据分别与所述所有的目标时空数据进行数据融合,得到所述每个城市治理事件对应的事件地点与多个地理对象在空间上的第二关联数据;
所述模型优化模块用于:根据所有的第二关联数据和所有的目标聚合数据,对所述第一城市治理数据融合模型进行优化,得到所述目标区域的目标城市治理数据融合模型。
本实施例采用统一的时空基准对目标区域内的城市治理数据进行融合,通过多手段采集、多尺度描述以及多来源融合等方式构建了城市治理数据融合模型,以此来帮助城市治理过程中解决获得事件时间位置信息、精确描述事件时序方位、分析事件相关时空关系的问题。
上述关于本实施例的一种基于时空基准的城市治理数据融合***200中的各参数和各个模块实现相应功能的步骤,可参考上文中关于一种基于时空基准的城市治理数据融合方法的实施例中的各参数和步骤,在此不做赘述。
在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。此外,本发明实施例也不针对任何特定编程语言。
在此处所提供的说明书中,说明了大量具体细节。然而能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。类似地,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。其中,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种基于时空基准的城市治理数据融合方法,其特征在于,包括:
获取目标区域中的每个地理对象对应的原始时空数据,并基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据;
将所有的目标时空数据进行数据融合,得到所述每个地理对象与多个地理对象在空间上的第一关联数据;
根据所有的第一关联数据,生成所述目标区域的第一城市治理数据融合模型。
2.根据权利要求1所述的基于时空基准的城市治理数据融合方法,其特征在于,还包括:
在所述目标区域中,获取预设时间段内的每个城市治理事件的第一时空数据,并对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据;
将所述每个城市治理事件的第一时空数据分别与所述所有的目标时空数据进行数据融合,得到所述每个城市治理事件对应的事件地点与多个地理对象在空间上的第二关联数据;
根据所有的第二关联数据和所有的目标聚合数据,对所述第一城市治理数据融合模型进行优化,得到所述目标区域的目标城市治理数据融合模型。
3.根据权利要求1所述的一种基于时空基准的城市治理数据融合方法,其特征在于,所述地理对象包括:静止对象、移动对象和特定对象,所述原始时空数据包括:原始时间属性数据和原始空间属性数据;
所述获取目标区域中的每个地理对象对应的原始时空数据,包括:
利用定位测量装置获取每个静止对象对应的原始空间属性数据,利用巡视询问方式获取所述每个静止对象对应的原始时间属性数据;
利用每个移动对象所安装的定位装置,通过信息传输通道实时获取所述每个移动对象对应的原始时间属性数据和原始空间属性数据;
利用遥感影像技术,获取每个特定对象的原始时间属性数据和原始空间属性数据。
4.根据权利要求3所述的一种基于时空基准的城市治理数据融合方法,其特征在于,所述目标时空数据包括:目标时间属性数据和目标空间属性数据;
所述基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据,包括:
基于统一空间基准,将每个原始空间属性数据在相应的原始坐标系下的原始空间属性数据转换为目标坐标系下的目标空间属性数据,并基于统一时间基准,将每个原始时间属性数据转换为对应的目标时间属性数据。
5.根据权利要求2所述的一种基于时空基准的城市治理数据融合方法,其特征在于,所述目标聚合数据包括:空间聚合数据和时间聚合数据;
所述对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据,包括:
对所述所有的第一时空数据进行空间聚合,并根据第一预设条件,得到至少一个空间聚合数据;
对所述所有的第一时空数据进行时间聚合,并根据第二预设条件,得到至少一个时间聚合数据。
6.根据权利要求1所述的一种基于时空基准的城市治理数据融合方法,其特征在于,在所述获取目标区域中的每个地理对象对应的原始时空数据之后,还包括:
利用***息对所述每个原始时空数据进行修正,将修正后的所述每个原始时空数据作为对应的原始时空数据,并执行所述基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据的步骤。
7.根据权利要求5所述的一种基于时空基准的城市治理数据融合方法,其特征在于,还包括:
基于所述目标城市治理数据融合模型,得到每个空间聚合数据对应的城市治理事件高发区域和每个时间聚合数据对应的城市治理事件高发时间段,根据所有的城市治理事件高发区域和所有的城市治理高发时间段,生成至少一个第一提示信息,以使所述目标区域的城市治理人员根据每个第一提示信息进行相应的城市治理工作。
8.根据权利要求2所述的一种基于时空基准的城市治理数据融合方法,其特征在于,还包括:基于所述目标城市治理数据融合模型,得到并根据待处理事件的第二关联数据,生成第二提示信息,以使所述目标区域的城市治理人员根据所述第二提示信息进行相应的城市治理工作。
9.一种基于时空基准的城市治理数据融合***,其特征在于,包括:数据处理模块、数据融合模块和模型生成模块;
所述数据处理模块用于:获取目标区域中的每个地理对象对应的原始时空数据,并基于统一时空基准,对每个原始时空数据进行转换,得到所述每个地理对象对应的目标时空数据;
所述数据融合模块用于:将所有的目标时空数据进行数据融合,得到所述每个地理对象与多个地理对象在空间上的第一关联数据;
所述模型生成模块用于:根据所有的第一关联数据,生成所述目标区域的第一城市治理数据融合模型。
10.根据权利要求1所述的基于时空基准的城市治理数据融合***,其特征在于,还包括:数据聚合模块、数据关联模块和模型优化模块;
所述数据聚合模块用于:在所述目标区域中,获取预设时间段内的每个城市治理事件的第一时空数据,并对所有的第一时空数据进行数据聚合,得到至少一个目标聚合数据;
所述数据关联模块用于:将所述每个城市治理事件的第一时空数据分别与所述所有的目标时空数据进行数据融合,得到所述每个城市治理事件对应的事件地点与多个地理对象在空间上的第二关联数据;
所述模型优化模块用于:根据所有的第二关联数据和所有的目标聚合数据,对所述第一城市治理数据融合模型进行优化,得到所述目标区域的目标城市治理数据融合模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210718500.3A CN115204269B (zh) | 2022-06-15 | 2022-06-15 | 一种基于时空基准的城市治理数据融合方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210718500.3A CN115204269B (zh) | 2022-06-15 | 2022-06-15 | 一种基于时空基准的城市治理数据融合方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115204269A true CN115204269A (zh) | 2022-10-18 |
CN115204269B CN115204269B (zh) | 2024-03-12 |
Family
ID=83577613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210718500.3A Active CN115204269B (zh) | 2022-06-15 | 2022-06-15 | 一种基于时空基准的城市治理数据融合方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204269B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8090592B1 (en) * | 2007-10-31 | 2012-01-03 | At&T Intellectual Property I, L.P. | Method and apparatus for multi-domain anomaly pattern definition and detection |
CN105678247A (zh) * | 2015-12-30 | 2016-06-15 | 武汉大学 | 徘徊事件时空大数据分析的异常行为预警方法及*** |
US20160379055A1 (en) * | 2015-06-25 | 2016-12-29 | Kodak Alaris Inc. | Graph-based framework for video object segmentation and extraction in feature space |
US20170132264A1 (en) * | 2014-07-31 | 2017-05-11 | Huawei Technologies Co., Ltd. | Trajectory Data Query Method and Apparatus |
CN106897954A (zh) * | 2017-01-19 | 2017-06-27 | 湖北省基础地理信息中心(湖北省北斗卫星导航应用技术研究院) | 智慧城市时空信息云平台 |
CN108269000A (zh) * | 2017-12-22 | 2018-07-10 | 武汉烽火众智数字技术有限责任公司 | 基于警情大数据时空分析的智能警力部署方法及*** |
CN110532341A (zh) * | 2019-09-03 | 2019-12-03 | 华东师范大学 | 空间信息时空大数据约束表达方法 |
CN112732939A (zh) * | 2021-01-15 | 2021-04-30 | 中国科学院空天信息创新研究院 | 基于GraphDB的时空知识图谱构建方法、装置、介质及设备 |
CN112785053A (zh) * | 2021-01-15 | 2021-05-11 | 北京市水科学技术研究院 | 一种预报城市流域洪涝的方法及*** |
CN113282692A (zh) * | 2021-05-22 | 2021-08-20 | 齐维潇 | 一种智慧城市的大数据共享方法及装置 |
CN113344758A (zh) * | 2021-06-30 | 2021-09-03 | 东南大学 | 基于城市人群数字画像的服务设施规模调整方法及*** |
CN113609656A (zh) * | 2021-07-19 | 2021-11-05 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 基于数字孪生的智慧城市决策***及方法 |
-
2022
- 2022-06-15 CN CN202210718500.3A patent/CN115204269B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8090592B1 (en) * | 2007-10-31 | 2012-01-03 | At&T Intellectual Property I, L.P. | Method and apparatus for multi-domain anomaly pattern definition and detection |
US20170132264A1 (en) * | 2014-07-31 | 2017-05-11 | Huawei Technologies Co., Ltd. | Trajectory Data Query Method and Apparatus |
US20160379055A1 (en) * | 2015-06-25 | 2016-12-29 | Kodak Alaris Inc. | Graph-based framework for video object segmentation and extraction in feature space |
CN105678247A (zh) * | 2015-12-30 | 2016-06-15 | 武汉大学 | 徘徊事件时空大数据分析的异常行为预警方法及*** |
CN106897954A (zh) * | 2017-01-19 | 2017-06-27 | 湖北省基础地理信息中心(湖北省北斗卫星导航应用技术研究院) | 智慧城市时空信息云平台 |
CN108269000A (zh) * | 2017-12-22 | 2018-07-10 | 武汉烽火众智数字技术有限责任公司 | 基于警情大数据时空分析的智能警力部署方法及*** |
CN110532341A (zh) * | 2019-09-03 | 2019-12-03 | 华东师范大学 | 空间信息时空大数据约束表达方法 |
CN112732939A (zh) * | 2021-01-15 | 2021-04-30 | 中国科学院空天信息创新研究院 | 基于GraphDB的时空知识图谱构建方法、装置、介质及设备 |
CN112785053A (zh) * | 2021-01-15 | 2021-05-11 | 北京市水科学技术研究院 | 一种预报城市流域洪涝的方法及*** |
CN113282692A (zh) * | 2021-05-22 | 2021-08-20 | 齐维潇 | 一种智慧城市的大数据共享方法及装置 |
CN113344758A (zh) * | 2021-06-30 | 2021-09-03 | 东南大学 | 基于城市人群数字画像的服务设施规模调整方法及*** |
CN113609656A (zh) * | 2021-07-19 | 2021-11-05 | 航天科工智能运筹与信息安全研究院(武汉)有限公司 | 基于数字孪生的智慧城市决策***及方法 |
Non-Patent Citations (2)
Title |
---|
四川省测绘地理信息局: "《四川省基础测绘"十四五"规划》解读3|时空大数据篇", pages 1, Retrieved from the Internet <URL:http://scsm.mnr.gov.cn/gk/zcfg/zcfgjd/51006.htm> * |
夏泽龙;李浩;陈跃红;: "城市火灾事件时空分布规律与关联规则挖掘", 消防科学与技术, no. 10, pages 123 - 127 * |
Also Published As
Publication number | Publication date |
---|---|
CN115204269B (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ham et al. | Participatory sensing and digital twin city: Updating virtual city models for enhanced risk-informed decision-making | |
CN203786891U (zh) | 基于gis的移动监测融合平台 | |
CN103942941B (zh) | 基于gis的移动监测融合平台 | |
KR100992619B1 (ko) | 클라우드-컴퓨팅 환경상에서 모바일단말의 증강현실을 활용한 지하시설물 정보제공시스템 및 정보제공방법 | |
CN104077890A (zh) | 分布式地震预警云监测网络***及方法 | |
CN108965475B (zh) | 智慧景区游客位置安全隐患信息实时采集分析方法和*** | |
CN106713380A (zh) | 一种基于位置感知的信息共享、推送与交换*** | |
Fenais et al. | Assessing the accuracy of an outdoor augmented reality solution for mapping underground utilities | |
Zhang et al. | GIS-based rapid disaster loss assessment for earthquakes | |
CN104794164B (zh) | 基于开源数据识别住区车位匹配社会停车需求的方法 | |
CN102629270A (zh) | 一种智慧城市地理信息三维呈现方法和装置 | |
KR20150120563A (ko) | 하천오염 관리시스템 및 그 운용방법 | |
Griffith et al. | Distances in residential space: Implications from estimated metric functions for minimum path distances | |
CN115204269B (zh) | 一种基于时空基准的城市治理数据融合方法及*** | |
Ellul et al. | The Impact of 3D Data Quality on Improving GNSS Performance Using City Models-Initial Simulations | |
Hong et al. | Using 3D WebGIS to support the disaster simulation, management and analysis–examples of tsunami and flood | |
Al-Assady et al. | A proposed model for human securing using GPS | |
Kozievitch et al. | Analyzing the acoustic urban environment: A geofencing-centered approach in the Curitiba metropolitan region, Brazil | |
Li et al. | Real-time acquisition and analysis method and system of security hidden danger information in intelligent scenic spots under the environment of internet of things | |
Zhang et al. | Application of oblique photogrammetry in intelligent transportation system | |
CN116403353A (zh) | 警情提醒的方法、装置、电子设备及可读存储介质 | |
CN110287271B (zh) | 一种无线基站与区域型地理地物关联矩阵的建立方法 | |
Zheng | Geospatial information based emergency response system for geological disasters | |
JP2004192092A (ja) | 発電プロジェクト支援システムとその支援システムに係る計画作成方法 | |
Li et al. | Design of Infectious Disease Prevention and Control Platform Based on Big Data Analysis of Location Information |
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 |