一种智慧城市规划系统的制作方法

本发明涉及城市规划
技术领域：
，具体涉及一种智慧城市规划系统。
背景技术：
：目前，随着城市化进程的加快和人口的快速增长，人们开始逐渐关注城市规划，但现有的城市建设都是基于传统的城市规划设计而成的。而传统的城市规划并未根据城市功能进行规划，不能有效实现城市智能规划。技术实现要素：针对上述问题，本发明旨在提供一种智慧城市规划系统。本发明的目的采用以下技术方案来实现：提供了一种智慧城市规划系统，包括城市整体信息获取装置、建筑信息采集装置和城市规划模块，所述城市整体信息获取装置用于获取城市地物分类信息，所述建筑信息采集装置用于采集城市建筑信息，所述城市规划模块根据城市地分类物信息和建筑信息进行城市规划。本发明的有益效果为：提高了土地利用率，实现了城市的智能规划。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是本发明的结构示意图；附图标记：城市整体信息获取装置1、建筑信息采集装置2、城市规划模块3。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种智慧城市规划系统，包括城市整体信息获取装置1、建筑信息采集装置2和城市规划模块3，所述城市整体信息获取装置1用于获取城市地物分类信息，所述建筑信息采集装置2用于采集城市建筑信息，所述城市规划模块3根据城市地分类物信息和建筑信息进行城市规划。本实施例提高了土地利用率，实现了城市的智能规划。优选的，所述建筑信息采集装置2包括住宅建筑信息采集模块，商业建筑信息采集模块和工厂建筑信息采集模块，所述住宅建筑信息采集模块用于获取住宅建筑的占地面积和年能耗数据，所述商业建筑信息采集模块用于获取商业建筑的占地面积和年能耗数据，所述工厂建筑信息采集模块用于获取住宅建筑的占地面积、年能耗数据和排污量。本优选实施例对建筑信息进行分类采集，能够提高城市规划的科学性。优选的，所述城市整体信息获取装置1包括采集设备和分类设备，所述采集设备用于采集地面的高光谱图像数据，所述分类设备用于对高光谱图像数据进行分类，得到相应的地物分类信息。本优选实施例采用高光谱图像数据进行地物分类识别，准确性更高。优选的，所述分类设备包括模型建立模块、数据分类模块和分类评价模块，所述模型建立模块采用向量模型表示高光谱图像数据，所述数据分类模块用于对高光谱图像数据进行分类，所述分类评价模块用于对分类结果进行评价；所述向量模型用于将高光谱数据中的每个像元对应着多个波段的反射值表示为多维空间的一个向量；所述数据分类模块包括第一数据分类单元、第二数据分类单元和第三数据分类单元，所述第一数据分类单元用于对高光谱图像数据进行初步分类，所述第二数据分类单元用于对高光谱图像数据进行二次分类，所述第三数据分类单元用于对高光谱图像数据进行最终分类。本实施例城市整体信息获取装置实现了高光谱图像数据的分类和对分类结果的评价，向量模型定量描述了目标的光谱辐射特性及其在多维空间中的变化规律，将每个像元用多维向量表示，更适合计算机进行处理，能够更好地表征地物的分布特性及其变化规律；数据分类模块通过多次分类实现高光谱图像数据的最终分类，得到的分类结果更为准确，从而获取了准确的地物信息，有助于城市规划的科学进行。优选的，采用以下方式对所述高光谱图像数据进行初步分类：(1)设高光谱图像样本点的向量集为初始类别数目为z，其中，xi表示第i个样本点的向量表示，xi均无标签，m表示sy中样本点的个数；从高光谱数据样本集sy中随机选取z个样本点作为初始分类中心，分别记为初始分类结果记为：初始化迭代次数k＝0；(2)计算样本集sy中的样本点到各个分类中心的距离，选择距离最近分类中心所属的类别作为样本点的分类，得到新的分类结果表示第k次迭代中第j类样本点分类结果，重新计算各个分类的中心：在式子里，表示中所含样本点数量,表示中所含样本点数量；(3)重复(2)，直到达到最大迭代次数或者满足收敛条件，完成分类，得到初次分类结果。采用下式确定所述收敛条件：在式子里，表示样本点xi和分类中心之间的距离，距离越小，表示样本点间的相似程度越大，i＝1,2,…,m，j∈[1,z],β为预先设定的参数；采用以下方式计算在式子里，xi和xl表示样本点。本优选实施例数据分类模块设置第一数据分类单元，采用无监督分类的方法对高光谱数据的样本点进行分类，获取了样本点的分类情况，完成了对不同类别的区分，具体而言，在重新计算各个分类中心时，考虑了上一次迭代结果对本次分类的影响，减少了本次数据异常对分类结果带来的影响，获取了更为准确的分类结果，在设定收敛条件时，考虑了两次迭代差对于和的相对值，获取的分类结果更为精细，在距离度量过程中，采用距离来衡量各个样本点的光谱特征相似性，其相似性度量更加符合高光谱图像数据的特性，且该样本点相似性衡量方式的抗干扰能力较强，受样本点向量的乘性噪声干扰小。优选的，采用以下方式对所述高光谱图像数据进行二次分类：(1)从样本集sy中随机选择n1个未标签的样本点，结合标签样本点，构造训练样本集其中，yr表示第r个样本点的向量表示，n表示y1中样本点的个数；(2)采用第一数据分类单元对训练样本集y1进行p次分类，每次分类类别数均为z，但每次都随机选择初始分类中心，得到fp(yr)，fp(yr)表示样本点yr在第p次分类中的分类结果，其中，p＝1,2,…,p；(3)根据训练样本集y1中样本点yr和ys在p次分类中属于同一类别的次数，构造核函数rl1：在式子里，[fp(yr)＝＝fp(ys)]用于判断样本点yr和ys在第p次分类中是否属于同一类别，若是则取1，否则为0；利用核函数rl1对训练样本集y1进行非线性变换，得到用于训练最小二乘支持向量机分类器的训练集，采用训练好的分类器对样本集sy进行分类，得到二次分类结果；采用二次分类结果作为所述第三数据分类单元最终分类结果，对于二次分类结果与初次分类结果不一致的样本点，采用一次分类结果作为最终分类结果。本优选实施例数据分类模块设置第二数据分类单元，采用无监督分类与半监督分类相结合的方法对高光谱图像数据进行分类，由于标签样本点的存在，在获取样本点分类情况的基础上，获取了各个类别的属性。优选的，所述对分类结果进行评价采用分类评价函数进行，分类评价函数qk为：在式子里，ayij为高光谱图像数据分类结果的混淆矩阵，表示类别j被分类为类别i的样本数量，i≠j，t代表类别数量，fn表示样本数量；qk越小，表明分类结果越准确。本优选实施例城市整体信息获取装置设置分类评价模块，通过建立分类评价函数对分类结果进行评价，分类评价函数反映了随机样本的分类结果与真实标记类别相一致情况,保证了分类的准确性，从而为城市规划奠定了良好的基础。采用本发明智慧城市规划系统进行城市规划，选取5个城市进行规划设计，将其编为城市1、城市2、城市3、城市4和城市5，并将规划设计给城市居民进行评价，对规划成本和城市居民满意度进行分析，同现有城市规划系统相比，产生的有益效果如下表所示：规划成本降低城市居民满意度提高城市123％21％城市225％20％城市324％25％城市426％22％城市524％23％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12