基于概率参照的城市用地容积率值域确定方法

基于概率参照的城市用地容积率值域确定方法
【专利摘要】本发明公开了一种基于概率参照的城市用地容积率值域确定方法，属于城市规划技术领域。本发明针对现有技术不足，借鉴机器学习中的相似性度量方法，根据地块间的相似性建立起地块之间的类比参照关系，并且在考虑地块间相似性时，不仅考虑传统的直接与用地可建设潜力相关的控制属性，还充分考虑了不与用地可建设潜力直接相关的关系属性；然后在相似用地中以相似系数为概率随机选取参照地块，从而根据部分合理容积率地块的数值，通过迭代计算得到各用地不同的合理容积率波动区间。本发明可从整体上快速准确地确定用地单元的合理容积率范围，为城市规划和管控提供科学依据。
【专利说明】
基于概率参照的城市用地容积率值域确定方法
技术领域
[0001] 本发明涉及城市规划技术领域，尤其涉及城市用地容积率值域确定方法。
【背景技术】
[0002] 容积率是用地上总建筑面积与用地面积的比值，它反映了土地利用程度和累积承 载密度的高低，是政府用地调控和规划管理的主要内容之一，也是控制性详细规划编制中 的关键问题，对于城市的经济、环境、社会、景观等各方面发展具有重要影响。目前已有容积 率判定方法主要包括：
[0003] (1)经验判断法。主要由相关专家和专业技术人员通过借鉴相关城市用地开发及 所在城市近期开发经验，综合考虑用地性质、区位、基础设施条件、空间环境等因素，对用地 容积率数值直接做出估算。该方法在容积率判定的实践中较多采用，主要依靠规划师主观 经验，难度大，很多时候难以达成共识。
[0004] (2)试做方案法。通过在用地进行建筑设计方案排布，推算出在满足城市规划和建 筑主要规范及使用要求的前提下，兼顾适当的空间形态效果，在某一用地上所能达到的容 积率数值。该方法判定结果虽然相对可信，但程序复杂而耗时，只适合对于个别地块的详细 研究，而且其判定结果同样存在较大主观性，主要依赖于试做方案者的经验和水平。
[0005] (3)单一向度模型建构法。即仅从功能优化和投资收益等经济因素出发做出"理 性"决策 [1];或者仅将日照要求作为唯一理想条件进行单因子测算和研究[2][3];或者主张容 积率的确定从"技术理性走向政策属性" [4]，彰显其公共管理意涵。应当说，该类研究对于容 积率生成机制的认识有着重要意义，但他们基本着眼于用地本身单一视角的研究，而且没 有考虑用地外部关联关系这一重要因素。
[0006] (4)多向度模型值域整合法。是以经济、环境、日照等条件分别约束下的极限状态 为依据，取其区间交集 [5]，再结合城市设计意图及政策判断来最终确定取值范围；或者通过 分析地块及片区不同层面内影响容积率取值的相关因素，构建出相关因素与容积率的数理 关系模型，从而得出针对不同用地类型和不同用地尺度的容积率值域区间 [6][7][8][9]。该方 法比上一种方法更为全面而综合，但仍然忽视了容积率判定时用地之间相互影响这一关键 因素。
[0007] (5)用地因子叠加法。通常以描述用地可建设潜力的各影响因子评价为依据，得到 相对合理的开发强度中间值，然后通过适当修正与浮动以划定取值区间 [1()][11]。该方法具有 较为扎实的数据支持，也为本专利方法建立了部分数据起点，但该方法以简单的因子叠加 来判定容积率，过于依赖因子评价与容积率之间的正相关性，忽视了用地的多种可能性以 及用地之间的复杂关系。
[0008] 此外，有研究者提出了一种新的思路[12]，对基于用地之间的相似关系来判定容积 量进行了初步探索。然而，该方法仍存在以下问题:首先，容积量指标与容积率指标虽有一 定相关性，但是明显不同的两个指标：容积量是用地上的建筑体积与用地面积的比值（单 位:米），容积率是用地上的建筑面积与用地面积的比值(无单位）。更重要地，从方法层面 看：（1)上述方法没有区分可建设潜力因子与单纯体现用地关系属性的因子；（2)上述方法 在用地参照选择时简单将各相似用地取平均值作为参照目标，没有考虑实际决策中必要的 概率偶然性及各用地不同的参照权衡状态；（3)上述方法中，每块用地容积率的计算结果都 是固定数值，而没有形成体现该用地特点的不同容积率值域区间，不符合实际容积率管控 中对不同用地的差别性区间要求。
[0009] 参考文献：
[0010] [ 1 ]赵奎涛，胡克，王冬艳，等.经济容积率在城镇土地利用潜力评价中的思考.国 土资源科技管理，2005,22(3) :18-20
[0011] [2]宋小冬，孙澄宇.日照标准约束下的建筑容积率估算方法探讨.城市规划汇刊， 2004,（6):70-73
[0012] [3]张方，田鑫.用人工神经网络求解最大容积率估算问题.计算机应用与软件， 2008,25(7):163-164,179
[0013] [4]孙峰.从技术理性到政策属性一规划管理中容积率控制对策研究.城市规划， 2009,33(11):32-38
[0014] [5]咸宝林，陈晓键.合理容积率确定方法探讨.规划师，2008，24( 11):60-65
[0015] [6]黄明华，黄汝钦.控制性详细规划中商业性开发项目容积率"值域化"研究[J]. 规划师，2010,26(10): 28-33.
[0016] [7]黄明华，王阳.值域化:绩效视角下的城市新建区开发强度控制思考.城市规划 汇刊，2013(4) :54-59
[0017] [ 8 ]黄明华，丁亮.科学性、合理性、操作性:经济利益和公共利益双视角下的独立 商业地块容积率"值域化"研究.城市规划，2014(6): 50-58
[0018] [9]郭静，李佳，刘科伟.城市新区容积率控制阈值探讨：以居住和商业用地为例. 西北大学学报（自然科学版），2014,44(5) :808-812
[0019] [10]刘根发，王森.基于GIS的开发强度模型研究：以上海市中心城为例.城市规划 学刊，2008,（增刊1):272-275
[0020] [ 11 ]冯意刚，喻定权，尹长林等.城市居住容积率研究：以长沙市为例.北京：中国 建筑工业出版社，2009
[0021] [12]王建国，张愚，冯瀚.城市设计干预下基于用地属性相似关系的开发强度决策 模型[J].中国科学:技术科学，2010,40(09) :983-993

【发明内容】

[0022] 本发明所要解决的技术问题在于克服现有技术不足，提供一种基于概率参照的城 市用地容积率值域确定方法，以城市中相似地块作为参照，使用概率参照算法迭代计算待 确定用地单元的容积率值域，可快速准确地确定用地单元的合理容积率值域范围，为城市 规划和管控提供科学依据。
[0023] 本发明具体采用以下技术方案解决上述技术问题：
[0024] -种基于概率参照的城市用地容积率值域确定方法，包括以下步骤：
[0025] 步骤1、对城市中各用地单元的各属性进行量化，并归一化为相应的范围在(0，1) 的属性因子，同一用地单元的所有属性因子所构成的向量作为该用地单元的属性特征向 量;所述用地单元的属性包括直接与用地可建设潜力相关的控制属性，以及不与用地可建 设潜力直接相关的关系属性;控制属性的属性因子为控制因子，关系属性的属性因子为关 系因子;所述用地单元包括一组容积率未知的待确定用地单元和一组容积率已知的已知用 地单元；
[0026] 步骤2、根据所述属性特征向量，从所有用地单元中选择出与各待确定用地单元之 间的相似系数最大的部分用地单元，作为相应待确定用地单元的相似地块；
[0027] 步骤3、使用概率参照算法迭代计算各待确定用地单元的容积率值域，具体如下： [0028]步骤3-1、初始化各待确定用地单元的容积率为Ao;
[0029] 步骤3-2、以相似系数作为选择概率，利用轮盘赌算法从各待确定用地单元的相似 地块中选择至少一个相似地块作为相应待确定用地单元的参照地块；
[0030] 步骤3-3、对每一个待确定用地单元，根据该待确定用地单元的控制因子加权和 Suma与当前参照地块的控制因子加权和Sumb之间关系，对当前第i次迭代步中该待确定用地 单元的容积率仏进行更新，然后转至步骤3-2，进行下一次迭代;所述更新具体如下：
[0031] 对每一个当前参照地块，分别按照以下方法求得相应的A1+1，然后求平均值作为该 待确定用地单元在本轮迭代的容积率输出：
[0033] 若 Suma = Sumb，且 Ai < Bi，贝lj: Ai+i = Ai+[ Bi+ (Bi/Sab-Bi) *D2_Ai ] v;
[0034] 若 Suma = Sumb，且 Ai < Bi，贝 lj: Ai+i = Ai+[ Bi+ (Bi*Sab_Bi) *D3_Ai ] v;
[0035] 若 Suma = Sumb，且 Ai = Bi，贝 lj: Ai+i = Ai = Bi;
[0036] 其中，v为预设的取值范围为(0，1)的波动控制因子，m为控制因子的种类数，D^Ds、 D3均为预设的差异度修正参数，Bi为当前参照地块的容积率，Sab为待确定用地单元与当前 参照地块的相似系数；
[0037] 步骤3-4、如达到迭代终止条件，则对每一个待确定用地单元，从最后若干轮迭代 所得到的该待确定用地单元的容积率中选取最大值和最小值，分别作为该待确定用地单元 的容积率上限、下限，从而得到城市中各待确定用地单元最优的容积率值域。
[0038] 优选地，任意两个用地单元之间的相似系数为这两个用地单元在属性特征空间中 的距离。距离度量可采用欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、汉明距离 等，本发明优选最常用的欧氏距离。
[0039] 上述技术方案通过少量已知容积率的已知用地单元，通过迭代计算，可得到各待 确定用地的合理容积率波动区间；然而，已知用地单元的容积率未必是合理的，这会对最终 待确定用地单元的容积率值域判定产生影响，为避免这种情况，本发明进一步提出以下改 进方案:所述已知用地单元的容积率为经专家修正的合理容积率。
[0040]相比现有技术，本发明技术方案具有以下有益效果：
[0041 ]本发明借鉴机器学习中的相似性度量方法，根据地块间的相似性建立起地块之间 的类比参照关系；然后在相似用地中以相似系数为概率随机选取参照地块，从而根据少量 合理容积率地块的数值，通过迭代计算得到各用地不同的合理容积率波动区间。更符合规 划决策经验和实际的公平性，体现了容纳现实偶然性的决策理性。
[0042]本发明在考虑地块间相似性时，不仅考虑传统的直接与用地可建设潜力相关的控 制属性，还充分考虑了不与用地可建设潜力直接相关的关系属性，用地关系描述更加细致， 参照地块的选择更加全面合理，得到的容积率值域更科学。
【附图说明】
[0043] 图1为【具体实施方式】中本发明容积率值域确定方法的流程示意图；
[0044] 图2为采用本发明方法得到的待确定用地单元容积率计算过程及值域结果。
【具体实施方式】
[0045]下面结合附图对本发明的技术方案进行详细说明：
[0046] 本发明针对现有技术不足，借鉴机器学习中的相似性度量方法，根据地块间的相 似性建立起地块之间的类比参照关系，并且在考虑地块间相似性时，不仅考虑传统的直接 与用地可建设潜力相关的控制属性，还充分考虑了不与用地可建设潜力直接相关的关系属 性;然后在相似用地中以相似系数为概率随机选取参照地块，从而根据少量合理容积率地 块的数值，通过迭代计算得到各用地不同的合理容积率波动区间。
[0047] 为了便于公众理解，下面以一个具体实施例来对本发明技术方案进行详细说明。
[0048] 本发明城市用地容积率值域确定方法，包括以下步骤：
[0049] 步骤1、对城市中各用地单元的各属性进行量化，并归一化为相应的范围在(0，1) 的属性因子，同一用地单元的所有属性因子所构成的向量作为该用地单元的属性特征向 量;所述用地单元的属性包括直接与用地可建设潜力相关的控制属性，以及不与用地可建 设潜力直接相关的关系属性;控制属性的属性因子为控制因子，关系属性的属性因子为关 系因子;所述用地单元包括一组容积率未知的待确定用地单元和一组容积率已知的已知用 地单元；
[0050] 通过整合城市现状分析和现有规划成果，从用地性质、用地可达性等方面，对每一 用地单元的建设潜力进行因子评分，获得每块地的各项因子F k(0〈Fk<l)。（不同城市可针对 其特点选取不同的评价因子）。传统方案的地块因子仅考虑直接与用地可建设潜力相关的 属性，例如可达性、土地价格、文保范围控制等，这类因子与容积率有着正相关或者负相关 的关系。而本发明将地块的所有属性区分为两类：（a)直接与用地可建设潜力相关的控制属 性（即传统方法中所考虑的地块属性）；（b)不与用地可建设潜力直接相关，只反映用地特点 差异与联系的关系属性。相应的因子分别称为控制因子和关系因子。传统的控制因子与用 地容积率之间存在着较为密切的正相关性，例如，可达性作为控制因子，那是因为可达性好 的用地，一般来说应具有较高的容积率;而关系因子并不存在这种正相关性，但区分了不同 的用地特点及其联系，例如，一般很难决定城市绿地周边或者城市景观带周边的用地容积 率应更高或更低，但在决策一个位于城市绿地周边的用地容积率时，可以参照其他紧邻城 市绿地的合理用地容积率数值做出判定，再如，用地面积也只能作为关系因子，不能作为控 制因子，因为并非用地面积越大，其容积率就应越高或越低，但面积大小接近的用地可以相 互参照其开发模式，因此往往具有比较接近的容积率指标。所以，是否与城市绿地相邻、用 地面积这类因子不能作为控制属性因子，而应作为关系属性因子来描述。
[00511城市中各个地块(包括已知容积率的已知用地单元和容积率未知的待确定用地单 元)的控制因子和关系因子即可构成反映该地块特征的特征向量。其中，已知用地单元的容 积率可采用其实际容积率，但这些已知用地单元的实际容积率并不一定是科学合理的，如 果利用这些容积率数值来确定待确定用地单元的容积率，显然会导致结果偏差。为此，本发 明进一步对这些已知用地单元的容积率进行修正，如通过专家评估得到这些已知用地单元 的合理容积率。由于本发明采用反复迭代的方式进行后续计算，仅需要少量具有合理容积 率的已知用地单元，因此可将其余已知用地单元剔除或者直接将其作为待确定用地单元。 [0052]步骤2、根据所述属性特征向量，从所有用地单元中选择出与各待确定用地单元之 间的相似系数最大的部分用地单元，作为相应待确定用地单元的相似地块；
[0053]本发明借鉴机器学习中的相似性度量方法，根据各地块的属性特征向量，可计算 出所有地块两两之间的相似系数。相似系数的度量可采用特征向量空间中的欧氏距离、曼 哈顿距离、切比雪夫距离、闵可夫斯基距离、汉明距离等，或者信息熵、相关系数等。本具体 实施方式中任意两个地块a与地块b间的相似系数S ab可通过式(1)计算，相似系数越大，则两 个地块间的相似度越高：
[0055] 式中，η为地块的属性特征向量的维度，亦即属性的总类别数;Fk(a)、Fk(b)分别为a、b 两个地块的第k个属性的属性因子;Wk为第k个属性的权值。
[0056] 通过预先设定的相似系数阈值51，筛选出地块之间的关联关系，即只有两地块相 似系数大于Si，才认为他们彼此之间互为相似地块;还可进一步对相邻地块单独设置的相 似系数阈值S 2，S2可以大于51也可以小于Si。这样即可为每一个待确定用地单元选定相应的 相似地块集合。
[0057]步骤3、使用概率参照算法迭代计算各待确定用地单元的容积率值域，具体如下： [0058]步骤3-1、初始化各待确定用地单元的容积率为Ao;
[0059] 由于本发明采用迭代算法逐步逼近最优容积率，因此初始容积率Ao随意设定，例 如可设置为0。
[0060] 步骤3-2、以相似系数作为选择概率，利用轮盘赌算法从各待确定用地单元的相似 地块中选择至少一个相似地块作为相应待确定用地单元的参照地块；
[0061] 对每一待确定用地单元，从其相似地块集合中，以相似系数Sab为概率，随机选取 Num个地块作为该待确定用地单元的参照地块，即相似系数越高的地块，被选取参照的几率 越大。本实施例中采用轮盘赌选择法:依照各参照地块相似系数的选择概率来分割轮盘赌 中的圆盘，然后产生一个[0，1]之间的随机数，将该随机数作为选择指针来确定被选个体。 N?的值可以为1，也可以为大于1的整数（即选取多个参照地块）。
[0062] 步骤3-3、对每一个待确定用地单元，根据该待确定用地单元的控制因子加权和 Suma与当前参照地块的控制因子加权和Sumb之间关系，对当前第i次迭代步中该待确定用地 单元的容积率仏进行更新，然后转至步骤3-2，进行下一次迭代；
[0063] 任一用地单元的控制因子加权和Sum可表示为：
[0065]对于每个待确定用地单元，根据其当前参照地块的容积率m来确定自身在本轮迭 代中的容积率Ai+i，容积率Ai+i的计算根据该待确定用地单元的控制因子加权和Suma与当前 参照地块的控制因子加权和Sumb之间关系的不同而不同，具体如下：
[0067] 若 Suma = Sumb，且 Ai < Bi，贝lj: Ai+i = Ai+[ Bi+ (Bi/Sab-Bi) *D2_Ai ] v;
[0068] 若 Suma = Sumb，且 Ai < Bi，贝 lj: Ai+i = Ai+[ Bi+ (Bi*Sab_Bi) *D3_Ai ] v;
[0069] 若 Suma = Sumb，且 Ai = Bi，贝 lj: Ai+i = Ai = Bi;
[0070] 其中，v为预设的取值范围为(0，1)的波动控制因子，用来控制地块变化波动的幅 度，v值越接近1，结果的波动幅度越大，v值越接近〇,结果波动越平滑;m为控制因子的种类 数;均为预设的差异度修正参数，（可自行设置，通常取值为1)，其作用在于控制属 性相似用地之间的差异度，即两地块相似系数所描述的其差异程度与其实际开发强度差异 之间的换算关系为当前参照地块的容积率，S ab为待确定用地单元与当前参照地块的相 似系数。
[0071] 如果所选取参照地块的个数N?大于1，则将每个参照地块对应的A1+1进行平均。
[0072] 步骤3-4、如达到迭代终止条件，则对每一个待确定用地单元，从最后若干轮迭代 所得到的该待确定用地单元的容积率中选取最大值和最小值，分别作为该待确定用地单元 的容积率上限、下限，从而得到城市中各待确定用地单元最优的容积率值域；
[0073]迭代算法中的终止条件通常为达到预设的最大迭代次数或者收敛程度得到预设 指标。本发明同样可采用预设的最大迭代次数作为终止条件，或者以各待确定用地单元的 容积率变化波动趋于稳定作为迭代终止条件。例如，具体迭代终止运算条件可设置为:每一 待确定用地单元连续10轮计算结果平均值与之前10轮计算结果平均值的差都小于某一数 值(例如0.2)。运算终止后，取每块地在最后若干轮(如10轮或20轮)的计算结果中的最大值 和最小值输出，作为其合理容积率值域的上、下限。
[0074]上述整个算法的流程如图1所示。
[0075]为了验证本发明技术方案效果，进行了验证实验:首先，根据城市现状分析和现有 规划成果，从用地的景观属性和功能属性等方面，对每一用地单元的建设潜力进行因子评 分，得到各项控制因子;接着对每一用地的关系因子进行评分，主要包括是否毗邻市级景观 带，是否毗邻城市绿地及绿地规模;然后，通过比较两两地块所有因子之间的差异，计算出 其用地之间的相似系数;然后设定一个阈值Si，筛选出地块之间的关联关系，即只有两地块 相似系数大于一定数值，才认为他们彼此之间有参照关系;地块相邻可理解为一种特殊的 相似关系，即区位相似，因此，可适当降低相邻地块之间相似系数的阈值&。系统运行时，对 任一容积率待定地块，以一定阈值筛选出与其用地属性相似的地块，并从这些相似地块中， 以相似系数的高低为概率，随机选取一个地块作为参照地块，即相似系数越高的地块，被选 取参照的几率越大。（这里采用轮盘赌选择法，具体算法是：依照各个体的选择概率来分割 轮盘赌中的圆盘，然后产生一个[0，1]之间的随机数，将该随机数作为选择指针来确定被选 个体。）然后按照前述算法展开迭代计算，直至地块之间大致满足迭代终止条件，系统在一 定程度上达到动态平衡。这时便可得到待定地块的合理容积率值域范围，同时，此时相对稳 定的城市形态亦是其自然发生的合理结果。
[0076]最终得到的实验结果如图2所示，从图中可以看出：各容积率待定地块的初始数值 为0。系统开始运行后，各待定地块容积率在小幅波动中逐步升高(这时的波动幅度主要取 决于参数V)，然后在一定高度逐步趋于较为稳定的波动，但这种波动不会停止。大约在150 次迭代计算后，各地块波动幅度都大致稳定在某一范围内。趋稳后的容积率数值即为当前 条件下的预测结果，各地块趋稳时的波动区间即可看作较为合理的开发强度值域范围。从 图中可以看出，不同地块的控制区间是有明显差异的，例如容积率较低的2、4、5、6号用地在 系统趋稳后波动幅度都非常小，这是因为与这些用地相似的地块，其容积率都比较小，他们 之间的差异也较小;而容积率最高的68号用地则波动幅度达到了 1左右。这为确定各地块不 同的合理容积率值域范围提供了客观依据。通过该方法可得到各地块难以主观预测的差别 性容积率动态波动值域，可信而敏锐地还原城市形态应有的复杂度。
【主权项】
1. 一种基于概率参照的城市用地容积率值域确定方法，其特征在于，包括W下步骤： 步骤1、对城市中各用地单元的各属性进行量化，并归一化为相应的范围在(〇，1)的属 性因子，同一用地单元的所有属性因子所构成的向量作为该用地单元的属性特征向量;所 述用地单元的属性包括直接与用地可建设潜力相关的控制属性，W及不与用地可建设潜力 直接相关的关系属性;控制属性的属性因子为控制因子，关系属性的属性因子为关系因子； 所述用地单元包括一组容积率未知的待确定用地单元和一组容积率已知的已知用地单元； 步骤2、根据所述属性特征向量，从所有用地单元中选择出与各待确定用地单元之间的 相似系数最大的部分用地单元，作为相应待确定用地单元的相似地块； 步骤3、使用概率参照算法迭代计算各待确定用地单元的容积率值域，具体如下： 步骤3-1、初始化各待确定用地单元的容积率为Ao; 步骤3-2、W相似系数作为选择概率，利用轮盘赌算法从各待确定用地单元的相似地块 中选择至少一个相似地块作为相应待确定用地单元的参照地块； 步骤3-3、对每一个待确定用地单元，根据该待确定用地单元的控制因子加权和Suma与 当前参照地块的控制因子加权和Sumb之间关系，对当前第i次迭代步中该待确定用地单元 的容积率Ai进行更新，然后转至步骤3-2，进行下一次迭代;所述更新具体如下： 对每一个当前参照地块，分别按照W下方法求得相应的Aw，然后求平均值作为该待确 定用地单元在本轮迭代的容积率输出目标： 若如ma声&_1邮，则若如 ma = Sumb，且 Ai < Bi，贝 ij: Ai+i=Ai+ [ Bi+ (Bi/Sab-Bi)蝴 2-Ai ] V; 若如 nia = Sumb，且 Ai < Bi，贝 ij: Ai+i=Ai+ [ Bi+ (Bi*Sab-Bi)蝴 3-Ai ] V; 若 Suma = Su邮，且 Ai = Bi，贝 ij: Ai+i=Ai = Bi; 其中，V为预设的取值范围为(0，1)的波动控制因子，m为控制因子的种类数，Di、D2、D3均 为预设的差异度修正参数，Bi为当前参照地块的容积率，Sab为待确定用地单元与当前参照 地块的相似系数； 步骤3-4、如达到迭代终止条件，则对每一个待确定用地单元，从最后若干轮迭代所得 到的该待确定用地单元的容积率中选取最大值和最小值，分别作为该待确定用地单元的容 积率上限、下限，从而得到城市中各待确定用地单元最优的容积率值域。2. 如权利要求1所述方法，其特征在于，任意两个用地单元之间的相似系数为运两个 用地单元在属性特征空间中的距离。3. 如权利要求2所述方法，其特征在于，所述距离为欧氏距离。4. 如权利要求1所述方法，其特征在于，所述迭代终止条件具体为:达到预设的最大迭 代次数，或者连续多次迭代输出的变化均小于预设的变化阔值。5. 如权利要求1所述方法，其特征在于，所述已知用地单元的容积率为经专家修正的合 理容积率。
【文档编号】G06Q50/08GK106096786SQ201610439140
【公开日】2016年11月9日
【申请日】2016年6月17日
【发明人】张愚, 王建国
【申请人】东南大学