CN116542560A - 一种基于多源数据融合的社区适老性评价方法及*** - Google Patents
一种基于多源数据融合的社区适老性评价方法及*** Download PDFInfo
- Publication number
- CN116542560A CN116542560A CN202310503841.3A CN202310503841A CN116542560A CN 116542560 A CN116542560 A CN 116542560A CN 202310503841 A CN202310503841 A CN 202310503841A CN 116542560 A CN116542560 A CN 116542560A
- Authority
- CN
- China
- Prior art keywords
- community
- target community
- target
- suitability
- residential district
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 57
- 230000032683 aging Effects 0.000 title claims abstract description 50
- 230000004927 fusion Effects 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 10
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 29
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 27
- 239000001569 carbon dioxide Substances 0.000 claims description 27
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000011895 specific detection Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 description 8
- 230000006978 adaptation Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007166 healthy aging Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009323 psychological health Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及社区适老性评价技术领域,具体公开一种基于多源数据融合的社区适老性评价方法及***,该方法包括:S1.目标社区出入人员数量检测、S2.目标社区交通适宜性分析、S3.目标社区休闲设施完善评估、S4.目标社区微环境适宜解析、S5.目标社区适老性评估和S6.目标社区处理,本发明对老年人员的出行数量进行分析,进而弥补了现有技术中对老年人员出行数量关注度不高的缺陷,从而保障社区交通便利分析结果的精确性,提高了社区适老性评价的精确性,本发明保障社区所处位置处于交通较为方便的区域,更有利于老年人员的出行,有利于平衡社区交通便利与适老性之间的关系,从而提高了社区适老性分析结果的准确性。
Description
技术领域
本发明涉及社区适老性评价技术领域,具体而言,涉及一种基于多源数据融合的社区适老性评价方法及***。
背景技术
随着社会的发展,老年人口逐渐增多,提升老年的幸福感逐渐提上日程,构建和发展适老化自然老龄社区是实现健康老龄化的低成本路径,发展并建设适老性较高的社区环境对提升社区养老满意度、实现健康老龄化意义重大,现有技术中大部分社区在初始建设时大多忽略了社区适老性这一层面的考虑,进而就导致社区的适老性不高,难以保障社区老年人的身心健康,故而就需要对社区进行适老化改造,在社区适老化改造的过程中,对社区当前适老性进行分析是十分有必要的。
现有技术对社区适老性的分析在一定程度上可以满足当前需求,但是还存在一定的不足,其具体体现在:(1)现有技术中对老年人员的出行数量的关注度不高,老年人员的出行数量在一定程度上反映老年人员的出行意向,是社区交通便利的影响层面,现有技术对这一层面的忽视导致社区交通便利分析结果的不精确,进而难以保障社区适老性评价的精确性,可能存在社区适老性评价有误的现象,从而难以保障后续社区的适老化改造的正确性,在一定程度上降低社区适老化改造的效率。
(2)现有技术大多对社区的公交站点和地铁站点进行分析,对公交站点的公交线路及公交线路所属节点数量的关注度不高,现有技术对这一层面的忽视,难以保障社区的位置处于交通较为方便的区域,可能存在社区包含公交站点但是公交线路较少或者节点数量较少的现象,从而不利于老年人员的出行,进而不利于平衡社区交通便利与适老性之间的关系,从而降低社区适老性分析结果的准确性。
(3)现有技术在对社区适老性分析时对社区微环境的分析力度不够深入,社区微环境影响老年人员的身体健康,现有技术对这一层面的忽视无法保证老年人员在居住时的身体健康,从而难以保障社区适老性评价的准确性和合理性。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种基于多源数据融合的社区适老性评价方法及***,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:一种基于多源数据融合的社区适老性评价方法,包括:S1.目标社区出入人员数量检测:通过目标社区对应各住宅小区的人脸识别技术,检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量。
S2.目标社区交通适宜性分析:分析目标社区对应各住宅小区的老年人员流动适宜系数,进而据此分析目标社区对应的交通便利系数JB。
S3.目标社区休闲设施完善评估:获取目标社区对应各住宅小区的占地区域,并获取目标社区所属各住宅小区所属占地区域的面积,据此分析目标社区对应的休闲设施完善系数ω。
S4.目标社区微环境适宜解析:获取目标社区对应各住宅小区的环境参数,进而据此分析目标社区对应的微环境适宜系数HJ。
S5.目标社区适老性评估:评估目标社区对应的适老居住评价系数。
S6.目标社区处理:将目标社区对应的适老居住评价系数进行显示。
进一步地,所述环境参数包括各布设点在各检测时间点对应的二氧化碳浓度、声音分贝和pm2.5值。
进一步地,所述检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量,其具体检测方法为:获取目标社区所属各住宅小区对应各老年人员的人脸图像。
从目标社区管理处获取目标社区对应各住宅小区所属各出口在设定周期内采集的人脸图像,分析目标社区所属各住宅小区的各外出老年人员人脸图像。
统计目标社区所属各住宅小区的外出老年人员人脸图像的数量,并将其作为目标社区所属各住宅小区在设定周期的外出老年人员数量SLi,其中i为各住宅小区的编号,i=1,2,...,n。
同理,分析得到目标社区所属各住宅小区在设定周期的进入老年人员数量JLi。
进一步地,所述目标社区对应各住宅小区的老年人员流动适宜系数,其具体分析方法为:从目标社区管理处获取目标社区所属各住宅小区对应的居住人员数量αi,并获取目标社区所属各住宅小区对应老年人员的数量βi,进而据此分析目标社区所属各住宅小区对应的老年人员数量比重
将目标社区所属各住宅小区对应的老年人员比重与云数据库中存储的各单位时长适宜外出老年人员数量对应的老年人员数量比重区间进行对比,筛选目标社区所属各住宅小区对应的单位时长适宜外出老年人员数量。
将各住宅小区对应的单位时长适宜外出老年人员数量与设定周期对应的时长相乘,进而得到各住宅小区对应的适宜外出老年人员数量SYi。
分析目标社区所属各住宅小区对应的老年人员外出数量适宜系数其中e为自然常数。
同理,分析目标社区所属各住宅小区对应的老年人员进入数量适宜系数ηi。
综合分析目标社区所属各住宅小区对应的老年人员流动适宜系数其中λ1、λ2分别为预设的老年人员外出数量适宜、老年人员进入数量适宜对应的影响权重因子。
进一步地,所述目标社区对应的交通便利系数,其具体分析方法为:从交通管理中心获取目标社区对应的各公交站点和各地铁站点,进而获取目标社区对应各公交站点所属占地区域的中心点和各地铁站点的参考点,将各公交站点编号为1,2,...,m,...,l,将各地铁站点编号为1,2,...,p,...,q。
分析目标社区所属各住宅小区对应的交通距离适宜系数
综合分析目标社区对应的交通便利系数其中σ表示为目标社区交通线路通畅系数,γ1、γ2、γ3为预设的老年人员流动适宜、交通距离适宜、交通线路通畅对应的占比因子。
进一步地,所述目标社区交通线路通畅系数σ,其具体分析方法为:从目标社区获取目标社区对应各公交站点所属各公交线路对应的节点数量TImk,其中k为各公交线路的编号,k=1,2,...,j。
依据目标社区对应各公交站点所属各公交线路对应的节点数量提取目标社区对应各公交站点所属的最多节点数量和最少节点数量/>
统计目标社区对应各公交站点所属的公交线路数量DIm。
获取目标社区对应各地铁站点对应的节点数量DYp。
分析目标社区交通线路通畅系数 其中TI′为预设的公交站点所属最多节点数量与最少节点数量的允许误差,j为公交线路的数量,l为公交站点的数量,其中TY′为目标社区对应公交站点的节点数量均值,DG′为目标社区对应公交线路数量均值,DR′为目标社区对应地铁站点的节点数量均值,χ1、χ2、χ3、χ4为预设的公交线路节点数量、最多节点数量与最少节点数量、公交线路数量、地铁站点的节点数量对应的比例因子。
进一步地,所述目标社区对应的休闲设施完善系数,其具体方法为:获取目标社区对应各休闲设施区域的面积,进而将其汇总,得到目标社区所属休闲设施区域的总面积S。
统计目标社区对应休闲设施区域的数量U。
统计目标社区对应各住宅小区所属占地区域的面积,并将其进行汇总,进而得到目标社区对应住宅小区所属占地区域的总面积S′
从云数据库中提取标准适老性社区所属休闲设施区域的总面积SF、住宅小区所属占地区域的总面积SF′和休闲设施区域的数量U′。
分析目标社区对应的休闲设施完善系数其中SF″为预设的休闲设施区域面积比的允许误差,δ1、δ2分别为预设的休闲设施区域面积比、休闲设施区域数量对应的权重系数。
进一步地,所述目标社区对应的微环境适宜系数,其具体方法为:从目标社区对应各住宅小区的环境参数中提取各布设点在各检测时间点对应的二氧化碳浓度、声音分贝和pm2.5值。
依据预定义的标准适老性社区对应的二氧化碳浓度区间、声音分贝上限值和pm2.5值区间。
依据目标社区对应各住宅小区所属各布设点在各检测时间点对应的声音分贝分析目标社区对应各住宅小区对应的噪音污染指数Zi。
依据目标社区对应各住宅小区所属各布设点在各检测时间点的二氧化碳浓度和标准适老性社区对应的二氧化碳浓度区间,分析目标社区对应各住宅小区对应的二氧化碳浓度适宜系数θi。
同理,依据目标社区对应各住宅小区所属各布设点在各检测时间点的pm2.5值分析目标社区对应各住宅小区对应的空气质量系数Qi。
分析目标社区对应的微环境适宜系数
进一步地,所述目标社区对应的适老居住评价系数,其计算公式为:其中ρ1、ρ2、ρ3分别为预设的交通便利、休闲设施完善、微环境对应的权值因子。
本发明第二方面提供了一种基于多源数据融合的社区适老性评价***,包括:目标社区出入人员数量检测模块,用于通过目标社区对应各住宅小区的人脸识别技术,检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量。
目标社区交通适宜性分析模块,用于分析目标社区对应各住宅小区的老年人员流动适宜系数,进而据此分析目标社区对应的交通便利系数JB。
目标社区休闲设施完善评估模块,用于获取目标社区对应各住宅小区的占地区域,并获取目标社区所属各住宅小区所属占地区域的面积,据此分析目标社区对应的休闲设施完善系数ω。
目标社区微环境适宜解析模块,用于获取目标社区对应各住宅小区的环境参数,进而据此分析目标社区对应的微环境适宜系数HJ。
目标社区适老性评估模块,用于评估目标社区对应的适老居住评价系数。
目标社区处理模块,用于将目标社区对应的适老居住评价系数进行显示。
云数据库,用于存储各单位时长适宜外出老年人员数量对应的老年人员数量比重区间,并存储标准适老性社区所属休闲设施区域的总面积、住宅小区所属占地区域的总面积和休闲设施区域的数量。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:(1)本发明对目标社区出入人员数量检测,进而检测社区外出老年人人员数量和进入老年人员数量,从而为后续社区交通便利的分析提供了数据支持。
(2)本发明对老年人员的出行数量进行分析,进而弥补了现有技术中对老年人员出行数量关注度不高的缺陷,从而保障社区交通便利分析结果的精确性,在一定程度上提高了社区适老性评价的精确性,避免出现社区适老性评价有误的现象,从而有利于后续社区适老化改造的正确性和科学性,提高了社区适老化改造的效率。
(3)本发明不仅对社区的公交站点和地铁站点进行分析,而且综合考虑社区公交站点的公交线路及公交线路所属节点数量,有力保障社区所处位置处于交通较为方便的区域,避免出现社区包好公交站点但是公交线路较少或者节点数量较少的现象,更有利于老年人员的出行,有利于平衡社区交通便利与适老性之间的关系,从而提高了社区适老性分析结果的准确性。
(4)本发明对社区休闲设施进行分析,进而保障社区内的休闲设施的合理性,有利于老年人员在社区内部的活动,使社区适老性评价更为合理。
(5)本发明对社区的微环境进行检测分析,进而保障社区在空气质量层面适宜老年人员居住,同时也保障社区的噪音分贝处于合理的状态下,更有利于老年人员的身心健康。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法流程图。
图2为本发明的模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明提供一种基于多源数据融合的社区适老性评价方法,包括:S1.目标社区出入人员数量检测:通过目标社区对应各住宅小区的人脸识别技术,检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量。
在本发明的具体实施例中,所述检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量,其具体检测方法为:获取目标社区所属各住宅小区对应各老年人员的人脸图像。
需要说明的是,获取目标社区所属各住宅小区对应各老年人员的人脸图像,其具体方法为:从目标社区获取各住宅小区对应各居住人员的年龄和人脸图像,将目标社区所属各住宅小区对应各居住人员的年龄与预定义的老年人员年龄阈值进行对比,若目标社区所属某住宅小区对应某居住人员的年龄大于或等于老年人员年龄阈值,则将该居住人员标记为老年人员,进而筛选得到目标社区所属各住宅小区对应的各老年人员,并获取目标社区所属各住宅小区对应各老年人员的人脸图像。
从目标社区管理处获取目标社区对应各住宅小区所属各出口在设定周期内采集的人脸图像,分析目标社区所属各住宅小区的各外出老年人员人脸图像。
需要说明的是,分析目标社区所属各住宅小区的各外出老年人员人脸图像和外出常规图像,其具体方法为:将目标社区对应各住宅小区所属各出口在设定周期内采集的人脸图像进行汇总,进而得到目标社区对应各住宅小区的各外出人脸图像,并将其与目标社区所属各住宅小区对应各老年人员的人脸图像进行对比,若目标社区所属某住宅小区的某外出人脸图像与对应住宅小区的某老年人员的人脸图像匹配成功,则将该外出人脸图像标记为外出老年人员人脸图像,进而得到目标社区所属各住宅小区的各外出老年人员人脸图像。
统计目标社区所属各住宅小区的外出老年人员人脸图像的数量,并将其作为目标社区所属各住宅小区在设定周期的外出老年人员数量SLi,其中i为各住宅小区的编号,i=1,2,...,n。
同理,分析得到目标社区所属各住宅小区在设定周期的进入老年人员数量JLi。
本发明对目标社区出入人员数量检测,进而检测社区外出老年人人员数量和进入老年人员数量,从而为后续社区交通便利的分析提供了数据支持。
S2.目标社区交通适宜性分析:分析目标社区对应各住宅小区的老年人员流动适宜系数,进而据此分析目标社区对应的交通便利系数JB。
在本发明的具体实施例中,所述目标社区对应各住宅小区的老年人员流动适宜系数,其具体分析方法为:从目标社区管理处获取目标社区所属各住宅小区对应的居住人员数量αi,并获取目标社区所属各住宅小区对应老年人员的数量βi,进而据此分析目标社区所属各住宅小区对应的老年人员数量比重
将目标社区所属各住宅小区对应的老年人员比重与云数据库中存储的各单位时长适宜外出老年人员数量对应的老年人员数量比重区间进行对比,筛选目标社区所属各住宅小区对应的单位时长适宜外出老年人员数量。
将各住宅小区对应的单位时长适宜外出老年人员数量与设定周期对应的时长相乘,进而得到各住宅小区对应的适宜外出老年人员数量SYi。
分析目标社区所属各住宅小区对应的老年人员外出数量适宜系数其中e为自然常数。
同理,分析目标社区所属各住宅小区对应的老年人员进入数量适宜系数ηi。
综合分析目标社区所属各住宅小区对应的老年人员流动适宜系数其中λ1、λ2分别为预设的老年人员外出数量适宜、老年人员进入数量适宜对应的影响权重因子。
本发明对老年人员的出行数量进行分析,进而弥补了现有技术中对老年人员出行数量关注度不高的缺陷,从而保障社区交通便利分析结果的精确性,在一定程度上提高了社区适老性评价的精确性,避免出现社区适老性评价有误的现象,从而有利于后续社区适老化改造的正确性和科学性,提高了社区适老化改造的效率。
在本发明的具体实施例中,所述目标社区对应的交通便利系数,其具体分析方法为:从交通管理中心获取目标社区对应的各公交站点和各地铁站点,进而获取目标社区对应各公交站点所属占地区域的中心点和各地铁站点的参考点,将各公交站点编号为1,2,...,m,...,l,将各地铁站点编号为1,2,...,p,...,q。
需要说明的是,目标社区对应各地铁站点的参考点,其具体为:获取目标社区对应各地铁站点所属各出入口的裸露区域,进而将目标社区对应各地铁站点所属各出入口的裸露区域进行拼接,从而得到目标社区对应各地铁站点对应的分布区域,并获取目标社区对应各地铁站点对应分布区域的中心点,将其作为目标社区对应各地铁站点的参考点。
分析目标社区所属各住宅小区对应的交通距离适宜系数
需要说明的是,所述分析目标社区所属各住宅小区对应的交通距离适宜系数其具体方法为:以目标社区所属各住宅小区所属占地区域中心点为原点,建立三维坐标系,进而获取目标社区对应各公交站点所属占地区域中心点在各住宅小区对应三维坐标系内的坐标(xim,yim,zim)和各地铁站点所属参考点在各住宅小区对应三维坐标系内的坐标(x′ip,y′ip,z′ip)。
分析目标社区所属各住宅小区与各公交站点的距离
分析目标社区所属各住宅小区与各地铁站点的距离
分析目标社区所属各住宅小区对应的交通距离适宜系数其中l为公交站点的数量,q为地铁站点的数量,λ1、λ2为预设的住宅小区与公交站点距离、住宅小区与地铁站点距离对应的权重影响因子。
综合分析目标社区对应的交通便利系数其中σ表示为目标社区交通线路通畅系数,γ1、γ2、γ3为预设的老年人员流动适宜、交通距离适宜、交通线路通畅对应的占比因子。
在本发明的具体实施例中,所述目标社区交通线路通畅系数σ,其具体分析方法为:从目标社区获取目标社区对应各公交站点所属各公交线路对应的节点数量TImk,其中k为各公交线路的编号,k=1,2,...,j。
依据目标社区对应各公交站点所属各公交线路对应的节点数量提取目标社区对应各公交站点所属的最多节点数量和最少节点数量/>
统计目标社区对应各公交站点所属的公交线路数量DIm。
获取目标社区对应各地铁站点对应的节点数量DYp。
分析目标社区交通线路通畅系数 其中TI′为预设的公交站点所属最多节点数量与最少节点数量的允许误差,j为公交线路的数量,l为公交站点的数量,其中TY′为目标社区对应公交站点的节点数量均值,DG′为目标社区对应公交线路数量均值,/>DR′为目标社区对应地铁站点的节点数量均值,/>χ1、χ2、χ3、χ4为预设的公交线路节点数量、最多节点数量与最少节点数量、公交线路数量、地铁站点的节点数量对应的比例因子。
本发明不仅对社区的公交站点和地铁站点进行分析,而且综合考虑社区公交站点的公交线路及公交线路所属节点数量,有力保障社区所处位置处于交通较为方便的区域,避免出现社区包好公交站点但是公交线路较少或者节点数量较少的现象,更有利于老年人员的出行,有利于平衡社区交通便利与适老性之间的关系,从而提高了社区适老性分析结果的准确性。
S3.目标社区休闲设施完善评估:获取目标社区对应各住宅小区的占地区域,并获取目标社区所属各住宅小区所属占地区域的面积,据此分析目标社区对应的休闲设施完善系数ω。
需要说明的是,从目标社区管理处获取目标社区对应各住宅小区的占地区域。
在本发明的具体实施例中,所述目标社区对应的休闲设施完善系数,其具体方法为:获取目标社区对应各休闲设施区域的面积,进而将其汇总,得到目标社区所属休闲设施区域的总面积S。
需要说明的是,从目标社区管理处目标社区对应的规划图纸中获取目标社区对应的各休闲设施区域,进而获取目标社区对应各休闲设施区域的面积。
统计目标社区对应休闲设施区域的数量U。
统计目标社区对应各住宅小区所属占地区域的面积,并将其进行汇总,进而得到目标社区对应住宅小区所属占地区域的总面积S′
从云数据库中提取标准适老性社区所属休闲设施区域的总面积SF、住宅小区所属占地区域的总面积SF′和休闲设施区域的数量U′。
分析目标社区对应的休闲设施完善系数其中SF″为预设的休闲设施区域面积比的允许误差,δ1、δ2分别为预设的休闲设施区域面积比、休闲设施区域数量对应的权重系数。
本发明对社区休闲设施进行分析,进而保障社区内的休闲设施的合理性,有利于老年人员在社区内部的活动,使社区适老性评价更为合理。
S4.目标社区微环境适宜解析:获取目标社区对应各住宅小区的环境参数,进而据此分析目标社区对应的微环境适宜系数HJ。
在本发明的具体实施例中,所述环境参数包括各布设点在各检测时间点对应的二氧化碳浓度、声音分贝和pm2.5值。
需要说明的是,通过二氧化碳气体检测仪、噪声检测仪和空气质量检测仪对目标社区所属各住宅小区进行环境检测,进而获取目标社区所属各住宅小区对应各布设点在各检测时间点的二氧化碳浓度、声音分贝和pm2.5值。
在本发明的具体实施例中,所述目标社区对应的微环境适宜系数,其具体方法为:从目标社区对应各住宅小区的环境参数中提取各布设点在各检测时间点对应的二氧化碳浓度、声音分贝和pm2.5值。
依据预定义的标准适老性社区对应的二氧化碳浓度区间、声音分贝上限值和pm2.5值区间。
依据目标社区对应各住宅小区所属各布设点在各检测时间点对应的声音分贝分析目标社区对应各住宅小区对应的噪音污染指数Zi。
需要说明的是,上述中目标社区对应各住宅小区对应的噪音污染指数Zi,其具体计算公式为:其中TFifc为目标社区对应第i个住宅小区所属第f个布设点在第c个检测时间点对应的声音分贝,β′为标准适老性社区对应的声音分贝上限值,f为各布设点的编号,f=1,2,...,d,c为各检测时间点的编号,c=1,2,...,t,d为布设点的数量,t为检测时间点的数量。
依据目标社区对应各住宅小区所属各布设点在各检测时间点的二氧化碳浓度和标准适老性社区对应的二氧化碳浓度区间,分析目标社区对应各住宅小区对应的二氧化碳浓度适宜系数θi。
需要说明的是,将目标社区对应各住宅小区所属各布设点在各检测时间的二氧化碳浓度与标准适老性社区对应的二氧化碳浓度区间进行对比,若目标社区对应某住宅小区所属某布设点在某检测时间的二氧化碳浓度处于标准适老性社区对应的二氧化碳浓度区间之间,则将目标社区对应该住宅小区所属该布设点在该检测时间点的二氧化碳浓度适宜系数标记为反之,则将其标记为/>进而得到目标社区对应各住宅小区所属各布设点在各检测时间点的二氧化碳浓度适宜系数ξifc,其中/>或/>
分析目标社区对应各住宅小区对应的二氧化碳浓度适宜系数
同理,依据目标社区对应各住宅小区所属各布设点在各检测时间点的pm2.5值分析目标社区对应各住宅小区对应的空气质量系数Qi。
分析目标社区对应的微环境适宜系数
本发明对社区的微环境进行检测分析,进而保障社区在空气质量层面适宜老年人员居住,同时也保障社区的噪音分贝处于合理的状态下,更有利于老年人员的身心健康。
S5.目标社区适老性评估:评估目标社区对应的适老居住评价系数。
在本发明的具体实施例中,所述目标社区对应的适老居住评价系数,其计算公式为:其中ρ1、ρ2、ρ3分别为预设的交通便利、休闲设施完善、微环境适宜对应的权值因子。
S6.目标社区处理:将目标社区对应的适老居住评价系数进行显示。
参照图2所示,本发明第二方面提供一种基于多源数据融合的社区适老性评价***,包括:目标社区出入人员数量检测模块、目标社区交通适宜性分析模块、目标社区休闲设施完善评估模块、目标社区微环境适宜解析模块、目标社区适老性评估模块、目标社区处理模块和云数据库。
所述目标社区出入人员数量检测模块与目标社区交通适宜性分析模块连接,目标社区交通适宜性分析模块、目标社区休闲设施完善评估模块和目标社区微环境适宜解析模块均与目标社区适老性评估模块连接,目标社区适老性评估模块与目标社区处理模块连接,云数据库分别与目标社区交通适宜性分析模块和目标社区休闲设施完善评估模块连接。
所述目标社区出入人员数量检测模块,用于通过目标社区对应各住宅小区的人脸识别技术,检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量。
所述目标社区交通适宜性分析模块,用于分析目标社区对应各住宅小区的老年人员流动适宜系数,进而据此分析目标社区对应的交通便利系数JB。
所述目标社区休闲设施完善评估模块,用于获取目标社区对应各住宅小区的占地区域,并获取目标社区所属各住宅小区所属占地区域的面积,据此分析目标社区对应的休闲设施完善系数ω。
所述目标社区微环境适宜解析模块,用于获取目标社区对应各住宅小区的环境参数,进而据此分析目标社区对应的微环境适宜系数HJ。
所述目标社区适老性评估模块,用于评估目标社区对应的适老居住评价系数。
所述目标社区处理模块,用于将目标社区对应的适老居住评价系数进行显示。
所述云数据库,用于存储各单位时长适宜外出老年人员数量对应的老年人员数量比重区间,并存储标准适老性社区所属休闲设施区域的总面积、住宅小区所属占地区域的总面积和休闲设施区域的数量。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于多源数据融合的社区适老性评价方法,其特征在于,包括:
S1.目标社区出入人员数量检测:通过目标社区对应各住宅小区的人脸识别技术,检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量;
S2.目标社区交通适宜性分析:分析目标社区对应各住宅小区的老年人员流动适宜系数,进而据此分析目标社区对应的交通便利系数JB;
S3.目标社区休闲设施完善评估:获取目标社区对应各住宅小区的占地区域,并获取目标社区所属各休闲区域的占地面积,据此分析目标社区对应的休闲设施完善系数ω;
S4.目标社区微环境适宜解析:获取目标社区对应各住宅小区的环境参数,进而据此分析目标社区对应的微环境适宜系数HJ;
S5.目标社区适老性评估:评估目标社区对应的适老居住评价系数;
S6.目标社区处理:将目标社区对应的适老居住评价系数进行显示。
2.根据权利要求1所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述环境参数包括各布设点在各检测时间点对应的二氧化碳浓度、声音分贝和pm2.5值。
3.根据权利要求1所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量,其具体检测方法为:
获取目标社区所属各住宅小区对应各老年人员的人脸图像;
从目标社区管理处获取目标社区对应各住宅小区所属各出口在设定周期内采集的人脸图像,分析目标社区所属各住宅小区的各外出老年人员人脸图像;
统计目标社区所属各住宅小区的外出老年人员人脸图像的数量,并将其作为目标社区所属各住宅小区在设定周期的外出老年人员数量SLi,其中i为各住宅小区的编号,i=1,2,...,n;
同理,分析得到目标社区所属各住宅小区在设定周期的进入老年人员数量JLi。
4.根据权利要求3所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述目标社区对应各住宅小区的老年人员流动适宜系数,其具体分析方法为:
从目标社区管理处获取目标社区所属各住宅小区对应的居住人员数量αi,并获取目标社区所属各住宅小区对应老年人员的数量βi,进而据此分析目标社区所属各住宅小区对应的老年人员数量比重
将目标社区所属各住宅小区对应的老年人员比重与云数据库中存储的各单位时长适宜外出老年人员数量对应的老年人员数量比重区间进行对比,筛选目标社区所属各住宅小区对应的单位时长适宜外出老年人员数量;
将各住宅小区对应的单位时长适宜外出老年人员数量与设定周期对应的时长相乘,进而得到各住宅小区对应的适宜外出老年人员数量SYi;
分析目标社区所属各住宅小区对应的老年人员外出数量适宜系数其中e为自然常数;
同理,分析目标社区所属各住宅小区对应的老年人员进入数量适宜系数ηi;
综合分析目标社区所属各住宅小区对应的老年人员流动适宜系数其中λ1、λ2分别为预设的老年人员外出数量适宜、老年人员进入数量适宜对应的影响权重因子。
5.根据权利要求1所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述目标社区对应的交通便利系数,其具体分析方法为:
从交通管理中心获取目标社区对应的各公交站点和各地铁站点,进而获取目标社区对应各公交站点所属占地区域的中心点和各地铁站点的参考点,将各公交站点编号为1,2,...,m,...,l,将各地铁站点编号为1,2,...,p,...,q;
分析目标社区所属各住宅小区对应的交通距离适宜系数
综合分析目标社区对应的交通便利系数其中σ表示为目标社区交通线路通畅系数,γ1、γ2、γ3为预设的老年人员流动适宜、交通距离适宜、交通线路通畅对应的占比因子。
6.根据权利要求5所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述目标社区交通线路通畅系数σ,其具体分析方法为:
从目标社区获取目标社区对应各公交站点所属各公交线路对应的节点数量TImk,k为各公交线路的编号,k=1,2,...,j;
依据目标社区对应各公交站点所属各公交线路对应的节点数量提取目标社区对应各公交站点所属的最多节点数量和最少节点数量/>
统计目标社区对应各公交站点所属的公交线路数量DIm;
获取目标社区对应各地铁站点对应的节点数量DYp;
分析目标社区交通线路通畅系数,
其中TI′为预设的公交站点所属最多节点数量与最少节点数量的允许误差,j为公交线路的数量,l为公交站点的数量,其中TY′为目标社区对应公交站点的节点数量均值,DG′为目标社区对应公交线路数量均值,DR′为目标社区对应地铁站点的节点数量均值,χ1、χ2、χ3、χ4为预设的公交线路节点数量、最多节点数量与最少节点数量、公交线路数量、地铁站点的节点数量对应的比例因子。
7.根据权利要求1所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述目标社区对应的休闲设施完善系数,其具体方法为:
获取目标社区对应各休闲设施区域的面积,进而将其汇总,得到目标社区所属休闲设施区域的总面积S;
统计目标社区对应休闲设施区域的数量U;
统计目标社区对应各住宅小区所属占地区域的面积,并将其进行汇总,进而得到目标社区对应住宅小区所属占地区域的总面积S′
从云数据库中提取标准适老性社区所属休闲设施区域的总面积SF、住宅小区所属占地区域的总面积SF′和休闲设施区域的数量U′;
分析目标社区对应的休闲设施完善系数其中SF″为预设的休闲设施区域面积比的允许误差,δ1、δ2分别为预设的休闲设施区域面积比、休闲设施区域数量对应的权重系数。
8.根据权利要求2所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述目标社区对应的微环境适宜系数,其具体方法为:
从目标社区对应各住宅小区的环境参数中提取各布设点在各检测时间点对应的二氧化碳浓度、声音分贝和pm2.5值;
依据预定义的标准适老性社区对应的二氧化碳浓度区间、声音分贝上限值和pm2.5值区间;
依据目标社区对应各住宅小区所属各布设点在各检测时间点对应的声音分贝分析目标社区对应各住宅小区对应的噪音污染指数Zi;
依据目标社区对应各住宅小区所属各布设点在各检测时间点的二氧化碳浓度和标准适老性社区对应的二氧化碳浓度区间,分析目标社区对应各住宅小区对应的二氧化碳浓度适宜系数θi;
同理,依据目标社区对应各住宅小区所属各布设点在各检测时间点的pm2.5值分析目标社区对应各住宅小区对应的空气质量系数Qi;
分析目标社区对应的微环境适宜系数
9.根据权利要求1所述的一种基于多源数据融合的社区适老性评价方法,其特征在于:所述目标社区对应的适老居住评价系数,其计算公式为:其中ρ1、ρ2、ρ3分别为预设的交通便利、休闲设施完善、微环境适宜对应的权值因子。
10.一种基于多源数据融合的社区适老性评价***,其特征在于:包括:
目标社区出入人员数量检测模块,用于通过目标社区对应各住宅小区的人脸识别技术,检测目标社区所属各住宅小区在设定周期的外出老年人员数量和进入老年人员数量;
目标社区交通适宜性分析模块,用于分析目标社区对应各住宅小区的老年人员流动适宜系数,进而据此分析目标社区对应的交通便利系数JB;
目标社区休闲设施完善评估模块,用于获取目标社区对应各住宅小区的占地区域,并获取目标社区所属各休闲区域的占地面积,据此分析目标社区对应的休闲设施完善系数ω;
目标社区微环境适宜解析模块,用于获取目标社区对应各住宅小区的环境参数,进而据此分析目标社区对应的微环境适宜系数HJ;
目标社区适老性评估模块,用于评估目标社区对应的适老居住评价系数;
目标社区处理模块,用于将目标社区对应的适老居住评价系数进行显示;
云数据库,用于存储各单位时长适宜外出老年人员数量对应的老年人员数量比重区间,并存储标准适老性社区所属休闲设施区域的总面积、住宅小区所属占地区域的总面积和休闲设施区域的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310503841.3A CN116542560B (zh) | 2023-05-06 | 2023-05-06 | 一种基于多源数据融合的社区适老性评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310503841.3A CN116542560B (zh) | 2023-05-06 | 2023-05-06 | 一种基于多源数据融合的社区适老性评价方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542560A true CN116542560A (zh) | 2023-08-04 |
CN116542560B CN116542560B (zh) | 2024-01-09 |
Family
ID=87443022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310503841.3A Active CN116542560B (zh) | 2023-05-06 | 2023-05-06 | 一种基于多源数据融合的社区适老性评价方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542560B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934554A (zh) * | 2023-08-09 | 2023-10-24 | 青岛正信德宇信息科技有限公司 | 城市养老社区筛选方法和*** |
CN117313335A (zh) * | 2023-09-14 | 2023-12-29 | 苏州圣蒙莱科技有限公司 | 基于数字孪生的智慧城市组件化构建方法及构建平台 |
CN118228936A (zh) * | 2024-05-23 | 2024-06-21 | 北京建筑大学 | 一种城市健康社区空间智能评估方法及*** |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001236431A (ja) * | 2000-02-23 | 2001-08-31 | Matsushita Electric Ind Co Ltd | 環境貢献評価システム、情報集合体および媒体 |
CN101545327A (zh) * | 2009-02-09 | 2009-09-30 | 广州壹鹏电器科技有限公司 | 一种旋转停车场 |
JP2011257908A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Signal Co Ltd:The | 入退場管理システム |
KR20140122093A (ko) * | 2013-04-09 | 2014-10-17 | 아주대학교산학협력단 | 초고층복합건물 주거공간 쾌적성 평가 장치 및 그 방법 |
CN104217256A (zh) * | 2014-09-02 | 2014-12-17 | 贵州省交通科学研究院股份有限公司 | 一种交通***的效益预测计算方法 |
CN109064495A (zh) * | 2018-09-19 | 2018-12-21 | 东南大学 | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 |
CN109190896A (zh) * | 2018-08-01 | 2019-01-11 | 东南大学 | 一种基于满意度的乡村景区易达性评价方法 |
CN109299438A (zh) * | 2018-09-21 | 2019-02-01 | 东南大学 | 一种基于网约车数据的公共交通设施供给水平评价方法 |
CN109657843A (zh) * | 2018-11-28 | 2019-04-19 | 深圳市综合交通设计研究院有限公司 | 一种城市接驳公交***的一体化规划决策支持*** |
CN109816979A (zh) * | 2019-02-19 | 2019-05-28 | 辽宁师范大学 | 考虑公交车到站频率和乘车舒适度的公交线路推荐方法 |
CN109872047A (zh) * | 2019-01-21 | 2019-06-11 | 河海大学 | 一种考虑出行者拥挤度感知的公交出行方案推荐方法 |
CN111488522A (zh) * | 2020-04-07 | 2020-08-04 | 湘潭大学 | 一种个性化多维度景点推荐方法 |
CN115471053A (zh) * | 2022-08-29 | 2022-12-13 | 杭州半云科技有限公司 | 基于多源数据融合的公轨接驳服务水平评估*** |
CN115860404A (zh) * | 2022-12-15 | 2023-03-28 | 中移动信息技术有限公司 | 交通枢纽布局的评价方法、装置、设备、介质及产品 |
CN115965108A (zh) * | 2022-10-11 | 2023-04-14 | 苏州科技大学 | 一种防灾生活圈设施适宜性评定及预测方法、*** |
-
2023
- 2023-05-06 CN CN202310503841.3A patent/CN116542560B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001236431A (ja) * | 2000-02-23 | 2001-08-31 | Matsushita Electric Ind Co Ltd | 環境貢献評価システム、情報集合体および媒体 |
CN101545327A (zh) * | 2009-02-09 | 2009-09-30 | 广州壹鹏电器科技有限公司 | 一种旋转停车场 |
JP2011257908A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Signal Co Ltd:The | 入退場管理システム |
KR20140122093A (ko) * | 2013-04-09 | 2014-10-17 | 아주대학교산학협력단 | 초고층복합건물 주거공간 쾌적성 평가 장치 및 그 방법 |
CN104217256A (zh) * | 2014-09-02 | 2014-12-17 | 贵州省交通科学研究院股份有限公司 | 一种交通***的效益预测计算方法 |
CN109190896A (zh) * | 2018-08-01 | 2019-01-11 | 东南大学 | 一种基于满意度的乡村景区易达性评价方法 |
CN109064495A (zh) * | 2018-09-19 | 2018-12-21 | 东南大学 | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 |
CN109299438A (zh) * | 2018-09-21 | 2019-02-01 | 东南大学 | 一种基于网约车数据的公共交通设施供给水平评价方法 |
CN109657843A (zh) * | 2018-11-28 | 2019-04-19 | 深圳市综合交通设计研究院有限公司 | 一种城市接驳公交***的一体化规划决策支持*** |
CN109872047A (zh) * | 2019-01-21 | 2019-06-11 | 河海大学 | 一种考虑出行者拥挤度感知的公交出行方案推荐方法 |
CN109816979A (zh) * | 2019-02-19 | 2019-05-28 | 辽宁师范大学 | 考虑公交车到站频率和乘车舒适度的公交线路推荐方法 |
CN111488522A (zh) * | 2020-04-07 | 2020-08-04 | 湘潭大学 | 一种个性化多维度景点推荐方法 |
CN115471053A (zh) * | 2022-08-29 | 2022-12-13 | 杭州半云科技有限公司 | 基于多源数据融合的公轨接驳服务水平评估*** |
CN115965108A (zh) * | 2022-10-11 | 2023-04-14 | 苏州科技大学 | 一种防灾生活圈设施适宜性评定及预测方法、*** |
CN115860404A (zh) * | 2022-12-15 | 2023-03-28 | 中移动信息技术有限公司 | 交通枢纽布局的评价方法、装置、设备、介质及产品 |
Non-Patent Citations (4)
Title |
---|
TIANYAO ZHANG: "restorative effects of multi-sensory perception in urban green space:a case study of Urban Park in Guangzhou, China", INTERNATIONAL JOURNAL OF ENVIRONMENTAL RESEARCH AND PUBLIC HEALTH * |
YUXIN XU: "Ageing Suitability evaluation of residential districts based on active ageing theory", BUILDINGS * |
张天尧: "香港公共交通***可持续发展评析", 2011城市发展与规划大会论文集 * |
董赵伟: "寒地城市室外休闲体育空间适老性评价体系与应用研究", 中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑), no. 3, pages 77 - 81 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116934554A (zh) * | 2023-08-09 | 2023-10-24 | 青岛正信德宇信息科技有限公司 | 城市养老社区筛选方法和*** |
CN117313335A (zh) * | 2023-09-14 | 2023-12-29 | 苏州圣蒙莱科技有限公司 | 基于数字孪生的智慧城市组件化构建方法及构建平台 |
CN118228936A (zh) * | 2024-05-23 | 2024-06-21 | 北京建筑大学 | 一种城市健康社区空间智能评估方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116542560B (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116542560B (zh) | 一种基于多源数据融合的社区适老性评价方法及*** | |
CN109327841B (zh) | 基于覆盖、价值关联的多维评定及精准建设评估方法 | |
CN105069537B (zh) | 一种组合式空气质量预报模型的构建方法 | |
CN110493816B (zh) | 一种用于轨交地铁车站客流量的实时预测方法 | |
Wibowo et al. | Modeling walking accessibility to public transport terminals: case study of Singapore mass rapid transit | |
CN110379161B (zh) | 一种城市路网交通流量分配方法 | |
EP3249555A1 (en) | Method for delineating metropolitan area based on regional inter-city flow intensity measuring model | |
CN106779429B (zh) | 基于afc刷卡数据的轨道换乘站点客流拥塞风险评价方法 | |
CN108009972B (zh) | 一种基于多源数据校核的多方式出行o-d需求估计方法 | |
CN108922178B (zh) | 基于公交多源数据的公交车辆实时满载率计算方法 | |
CN105279572A (zh) | 城市轨道交通客流密集度指数计算与发布*** | |
CN111401743B (zh) | 一种城市道路施工期的动态交通影响评价方法 | |
CN114897228A (zh) | 一种基于人口分布和道路网络的公共设施布局检验方法 | |
CN112561260B (zh) | 城区安全隐患的智慧管理方法、***、终端及存储介质 | |
CN111514346A (zh) | 一种基于云平台的机场检测消毒通道***及方法 | |
Lu et al. | Analysis of subway station distribution capacity based on automatic fare collection data of Nanjing metro | |
CN116665489A (zh) | 航路网络拥堵区域识别方法 | |
CN111340058B (zh) | 一种基于多源数据融合的交通分布模型参数快速校核方法 | |
CN110889536A (zh) | 警情态势预测和预警方法及其*** | |
CN113256978A (zh) | 一种城市拥堵地区的诊断方法、***及储存介质 | |
CN112200455B (zh) | 综合客运枢纽换乘引导***便捷性测评方法及*** | |
CN116415756B (zh) | 一种基于vr技术的城市虚拟场景体验管理*** | |
Kohlrautz et al. | Planning for bicycle parking: Predicting demand using stated preference and count data | |
CN111914052A (zh) | 一种区域空间关联关系确定方法及装置 | |
CN115099685A (zh) | 一种基于多源数据的城市公交服务水平评价方法 |
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 |