一種智慧城市規劃系統的制作方法

本發明涉及城市規劃
技術領域：
，具體涉及一種智慧城市規劃系統。
背景技術：
：目前，隨著城市化進程的加快和人口的快速增長，人們開始逐漸關注城市規劃，但現有的城市建設都是基于傳統的城市規劃設計而成的。而傳統的城市規劃并未根據城市功能進行規劃，不能有效實現城市智能規劃。技術實現要素：針對上述問題，本發明旨在提供一種智慧城市規劃系統。本發明的目的采用以下技術方案來實現：提供了一種智慧城市規劃系統，包括城市整體信息獲取裝置、建筑信息采集裝置和城市規劃模塊，所述城市整體信息獲取裝置用于獲取城市地物分類信息，所述建筑信息采集裝置用于采集城市建筑信息，所述城市規劃模塊根據城市地分類物信息和建筑信息進行城市規劃。本發明的有益效果為：提高了土地利用率，實現了城市的智能規劃。附圖說明利用附圖對本發明作進一步說明，但附圖中的實施例不構成對本發明的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。圖1是本發明的結構示意圖；附圖標記：城市整體信息獲取裝置1、建筑信息采集裝置2、城市規劃模塊3。具體實施方式結合以下實施例對本發明作進一步描述。參見圖1，本實施例的一種智慧城市規劃系統，包括城市整體信息獲取裝置1、建筑信息采集裝置2和城市規劃模塊3，所述城市整體信息獲取裝置1用于獲取城市地物分類信息，所述建筑信息采集裝置2用于采集城市建筑信息，所述城市規劃模塊3根據城市地分類物信息和建筑信息進行城市規劃。本實施例提高了土地利用率，實現了城市的智能規劃。優選的，所述建筑信息采集裝置2包括住宅建筑信息采集模塊，商業建筑信息采集模塊和工廠建筑信息采集模塊，所述住宅建筑信息采集模塊用于獲取住宅建筑的占地面積和年能耗數據，所述商業建筑信息采集模塊用于獲取商業建筑的占地面積和年能耗數據，所述工廠建筑信息采集模塊用于獲取住宅建筑的占地面積、年能耗數據和排污量。本優選實施例對建筑信息進行分類采集，能夠提高城市規劃的科學性。優選的，所述城市整體信息獲取裝置1包括采集設備和分類設備，所述采集設備用于采集地面的高光譜圖像數據，所述分類設備用于對高光譜圖像數據進行分類，得到相應的地物分類信息。本優選實施例采用高光譜圖像數據進行地物分類識別，準確性更高。優選的，所述分類設備包括模型建立模塊、數據分類模塊和分類評價模塊，所述模型建立模塊采用向量模型表示高光譜圖像數據，所述數據分類模塊用于對高光譜圖像數據進行分類，所述分類評價模塊用于對分類結果進行評價；所述向量模型用于將高光譜數據中的每個像元對應著多個波段的反射值表示為多維空間的一個向量；所述數據分類模塊包括第一數據分類單元、第二數據分類單元和第三數據分類單元，所述第一數據分類單元用于對高光譜圖像數據進行初步分類，所述第二數據分類單元用于對高光譜圖像數據進行二次分類，所述第三數據分類單元用于對高光譜圖像數據進行最終分類。本實施例城市整體信息獲取裝置實現了高光譜圖像數據的分類和對分類結果的評價，向量模型定量描述了目標的光譜輻射特性及其在多維空間中的變化規律，將每個像元用多維向量表示，更適合計算機進行處理，能夠更好地表征地物的分布特性及其變化規律；數據分類模塊通過多次分類實現高光譜圖像數據的最終分類，得到的分類結果更為準確，從而獲取了準確的地物信息，有助于城市規劃的科學進行。優選的，采用以下方式對所述高光譜圖像數據進行初步分類：(1)設高光譜圖像樣本點的向量集為初始類別數目為z，其中，xi表示第i個樣本點的向量表示，xi均無標簽，m表示sy中樣本點的個數；從高光譜數據樣本集sy中隨機選取z個樣本點作為初始分類中心，分別記為初始分類結果記為：初始化迭代次數k＝0；(2)計算樣本集sy中的樣本點到各個分類中心的距離，選擇距離最近分類中心所屬的類別作為樣本點的分類，得到新的分類結果表示第k次迭代中第j類樣本點分類結果，重新計算各個分類的中心：在式子里，表示中所含樣本點數量,表示中所含樣本點數量；(3)重復(2)，直到達到最大迭代次數或者滿足收斂條件，完成分類，得到初次分類結果。采用下式確定所述收斂條件：在式子里，表示樣本點xi和分類中心之間的距離，距離越小，表示樣本點間的相似程度越大，i＝1,2,…,m，j∈[1,z],β為預先設定的參數；采用以下方式計算在式子里，xi和xl表示樣本點。本優選實施例數據分類模塊設置第一數據分類單元，采用無監督分類的方法對高光譜數據的樣本點進行分類，獲取了樣本點的分類情況，完成了對不同類別的區分，具體而言，在重新計算各個分類中心時，考慮了上一次迭代結果對本次分類的影響，減少了本次數據異常對分類結果帶來的影響，獲取了更為準確的分類結果，在設定收斂條件時，考慮了兩次迭代差對于和的相對值，獲取的分類結果更為精細，在距離度量過程中，采用距離來衡量各個樣本點的光譜特征相似性，其相似性度量更加符合高光譜圖像數據的特性，且該樣本點相似性衡量方式的抗干擾能力較強，受樣本點向量的乘性噪聲干擾小。優選的，采用以下方式對所述高光譜圖像數據進行二次分類：(1)從樣本集sy中隨機選擇n1個未標簽的樣本點，結合標簽樣本點，構造訓練樣本集其中，yr表示第r個樣本點的向量表示，n表示y1中樣本點的個數；(2)采用第一數據分類單元對訓練樣本集y1進行p次分類，每次分類類別數均為z，但每次都隨機選擇初始分類中心，得到fp(yr)，fp(yr)表示樣本點yr在第p次分類中的分類結果，其中，p＝1,2,…,p；(3)根據訓練樣本集y1中樣本點yr和ys在p次分類中屬于同一類別的次數，構造核函數rl1：在式子里，[fp(yr)＝＝fp(ys)]用于判斷樣本點yr和ys在第p次分類中是否屬于同一類別，若是則取1，否則為0；利用核函數rl1對訓練樣本集y1進行非線性變換，得到用于訓練最小二乘支持向量機分類器的訓練集，采用訓練好的分類器對樣本集sy進行分類，得到二次分類結果；采用二次分類結果作為所述第三數據分類單元最終分類結果，對于二次分類結果與初次分類結果不一致的樣本點，采用一次分類結果作為最終分類結果。本優選實施例數據分類模塊設置第二數據分類單元，采用無監督分類與半監督分類相結合的方法對高光譜圖像數據進行分類，由于標簽樣本點的存在，在獲取樣本點分類情況的基礎上，獲取了各個類別的屬性。優選的，所述對分類結果進行評價采用分類評價函數進行，分類評價函數qk為：在式子里，ayij為高光譜圖像數據分類結果的混淆矩陣，表示類別j被分類為類別i的樣本數量，i≠j，t代表類別數量，fn表示樣本數量；qk越小，表明分類結果越準確。本優選實施例城市整體信息獲取裝置設置分類評價模塊，通過建立分類評價函數對分類結果進行評價，分類評價函數反映了隨機樣本的分類結果與真實標記類別相一致情況,保證了分類的準確性，從而為城市規劃奠定了良好的基礎。采用本發明智慧城市規劃系統進行城市規劃，選取5個城市進行規劃設計，將其編為城市1、城市2、城市3、城市4和城市5，并將規劃設計給城市居民進行評價，對規劃成本和城市居民滿意度進行分析，同現有城市規劃系統相比，產生的有益效果如下表所示：規劃成本降低城市居民滿意度提高城市123％21％城市225％20％城市324％25％城市426％22％城市524％23％最后應當說明的是，以上實施例僅用以說明本發明的技術方案，而非對本發明保護范圍的限制，盡管參照較佳實施例對本發明作了詳細地說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的實質和范圍。當前第1頁12