基于AI的智慧城市评价方法及评价系统与流程

本发明涉及城市评价，具体为基于ai的智慧城市评价方法及评价系统。

背景技术：

1、智慧城市是一种利用信息和通信技术ict来提升城市管理和居民生活质量的城市发展模式。它通过将物联网、大数据、人工智能等技术应用于城市基础设施和服务，实现城市的智能化、高效化和可持续发展。智慧城市评价系统利用ai技术可以对城市的环境质量、可持续发展水平和各项指标进行精确评估和监测。通过自动化处理和分析大量的数据，系统能够提供更准确、实时的评估结果，帮助城市管理者了解城市的现状和变化。评价系统能够为城市规划和管理提供重要的决策支持。通过评估城市的环境质量和可持续发展水平，系统可以帮助决策者识别问题、制定政策和规划，以改善城市的可持续性和生活质量。

2、现有的智慧城市在针对城市小区的建设评价缺乏将不同参数进行关联性的挑战过仅仅通过简单的绿化覆盖面积来对该城市小区进行评价，缺乏对小区内部噪音以及环境参数关联进行评价，仅凭单一指标评估可能带来的片面性和误导性，如何将城市小区的环境数据系数与绿化覆盖率和空地利用率进行采集和关联，可能面临一些挑战。确保数据的准确性和可靠性，以及正确建立指标之间的关系，是关键问题。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了基于ai的智慧城市评价方法及评价系统，通过采用卫星获取遥感图像和传感器采集环境数据，计算环境数据系数hjxs和其相对应小区的绿化覆盖率fgl和空地利用率kdl，通过获取历史环境数据，并对环境数据系数hjxs进行修正，将环境数据系数hjxs与绿化覆盖率fgl和空地利用率kdl进行关联，并通过ai训练模型进行训练评估，可以提供准确的环境质量预测和评估结果，这有助于获取更全面、准确的评估结果，避免了仅凭单一指标评估可能带来的片面性和误导性。帮助城市管理者做出科学的决策，优化城市环境，提升居民的生活质量。此外，该系统还能够节约时间和资源，提高评估效率和决策的准确性。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：基于ai的智慧城市评价方法，包括如下步骤：

5、采用卫星沿着城市若干个小区，以环形方向巡航采集目标小区的遥感图像进行收集，获取小区绿化遥感图像；

6、对小区绿化遥感图像进行图像处理，提取绿化特征后进行计算每个小区的绿化覆盖率fgl和空地利用率kdl；

7、以固定时间间隔，采用传感器采集获取城市若干个小区内外各个位置上的噪音数据和空气质量数据，对若干个噪音数据和空气质量数据进行分析，绘制变化曲线，并通过数学分析软件对曲线进行拟合，确定环境数据系数hjxs；

8、获取若干个小区历史环境数据，对环境数据系数hjxs进行修正，确定修正后的环境数据系数hjxs，并把每个小区的环境数据系数hjxs和其相对应小区的绿化覆盖率fgl和空地利用率kdl相关联，并为环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl分配对应3：4：3权重值，获取环境质量评估系数pgxs；

9、依据将环境质量评估系数pgxs，构建ai训练模型，并使用训练数据来训练ai训练模型后，根据验证集的表现来调整模型中环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl三个指标的参数值；将环境质量评估系数pgxs数据输入至ai训练模型中获取评价结果，并生成评价报告。

10、优选的，获取小区绿化遥感图像后，对每个小区的遥感图像进行预处理，包括图像校正、增强和去噪处理；

11、使用图像分割或阈值分割图像处理技术，将图像中的绿化区域与其他区域分离开来；

12、提取绿化特征，使用植被指数量化绿化程度，通过计算图像中绿色像素与总像素数量的比例，得到绿化覆盖率fgl；

13、所述绿化覆盖率fgl通过以下公式获得：

14、

15、式中，lh表示小区内的绿化面积，zmj表示小区内的总地区面积，包括绿地、道路、建筑和其他用地，α表示为修正因子。

16、优选的，获取小区绿化遥感图像后，对每个小区的遥感图像进行预处理，包括图像校正、增强和去噪处理；

17、使用图像分割或阈值分割图像处理技术，将图像中的空地区域与其他区域分离开来；

18、提取建筑特征和道路特征，识别和提取图像中的建筑物区域，采用基于形状、纹理、颜色特征的算法进行建筑特征提取，识别和提取图像中的道路区域，使用边缘检测和线段检测方法提取道路特征；基于绿化覆盖率fgl、建筑物区域和道路区域的像素数或面积，计算空地利用率kdl；

19、所述空地利用率kdl通过以下公式获得：

20、

21、式中，zmj表示小区内的总地区面积，包括绿地、道路、建筑和其他用地；dlmj表示小区内的道路区域面积；jzmj表示小区内的建筑总面积；f表示为修正因子。

22、式中，lh标识小区内的绿化面积，zmj表示小区内的总地区面积，包括绿地、建筑和其他用地，f表示为修正因子。

23、优选的，在城市若干个小区内外的各个位置安装传感器，用于采集噪音数据和空气质量数据；设置固定的时间间隔，定期从传感器中获取噪音和空气质量的测量值；

24、对采集到的噪音数据和空气质量数据进行预处理，包括数据清洗、去噪和异常值处理；根据时间戳，将数据按时间顺序进行排序；

25、进行统计分析，i计算噪音的平均值、空气质量指标的均值、最大值和最小值；

26、统计分析得到的数据，以时间作为横轴，噪音或空气质量指标作为纵轴，绘制噪音和空气质量的曲线；

27、使用数学分析软件对绘制的噪音曲线和控股其质量曲线进行拟合，根据拟合结果，确定环境数据系数hjxs。

28、优选的，收集若干个小区的历史环境数据包括噪音数据和空气质量数据，对历史环境数据进行分析和修正，考虑数据质量和异常值因素；根据修正后的历史环境数据，计算每个小区的环境数据系数hjxs，确定修正后的环境数据系数hjxs；

29、将每个小区的环境数据系数hjxs与其相对应的绿化覆盖率fgl和空地利用率kdl进行关联；确定每个小区的绿化覆盖率fgl和空地利用率kdl与环境数据系数hjxs之间的对应关系；

30、为环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl分配权重值；将权重分配为3：4：3，表示环境数据系数hjxs占评估的权重为3，绿化覆盖率fgl和空地利用率kdl各占评估的权重为4和3的比例值；

31、基于每个小区的环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl以及相应的权重值，计算环境质量评估系数pgxs。

32、优选的，所述环境质量评估系数pgxs通过以下公式获得：

33、pgxs＝(3*hjxs+4*fgl+3*kdl)/10

34、式中：环境数据系数hjxs对评估的贡献为总贡献的3/10，绿化覆盖率fgl的贡献为4/10，空地利用率kdl的贡献为3/10。

35、优选的，准备训练数据集，包括每个小区的环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl，以及对应的环境质量评估系数pgxs作为目标标签，获得数据集；

36、将数据集划分为训练集和验证集，通常使用80％的数据作为训练集，20％的数据作为验证集；

37、基于ai算法，构建ai训练模型，使用训练集的数据来训练模型，目标是通过调整模型的参数值，使其能够准确预测环境质量评估系数pgxs；

38、使用验证集的数据来评估训练模型的性能；根据验证集的表现，调整环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl三个指标的参数值，以进一步优化模型的预测性能；

39、将新的环境质量评估系数pgxs输入训练好的ai模型，获得模型的评价结果；根据评价结果，生成评价报告，包括每个小区的环境质量评估结果、综合评分或等级。

40、基于ai的智慧城市评价系统，包括遥感图像采集模块、传感器采集模块、数据处理模块、计算模块，构建ai训练模型、生成报告模块和方案汇总模块；

41、遥感图像采集模块，采用卫星沿着城市若干个小区，以环形方向巡航采集目标小区的遥感图像，获取小区绿化遥感图像；

42、传感器采集模块，在城市若干个小区内外的各个位置安装传感器，采集噪音数据和空气质量数据；

43、数据处理模块，对小区绿化遥感图像、噪音数据和空气质量数据进行校正、增强和去噪处理；

44、计算模块，用于将处理后的数据进行计算，获得环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl三个指标的数据，并拟合和修正获取环境质量评估系数pgxs；

45、构建ai训练模型，构建ai训练模型，基于环境数据系数hjxs、绿化覆盖率fgl和空地利用率kdl三个指标的参数值进行训练，将环境质量评估系数pgxs输入到训练好的ai模型中，获取模型评价结果；

46、生成报告模块，根据评价结果生成评价报告，评价报告包括每个小区的环境质量评估结果、综合评分或等级信息；

47、方案汇总模块，根据评价报告，生成方案并汇总。

48、优选的，所述计算模块包括绿化覆盖率fgl计算单元、空地利用率kdl计算单元、环境数据系数hjxs计算单元和修正单元；绿化覆盖率fgl计算单元，依据小区绿化遥感图像提取绿化特征，计算得到绿化覆盖率fgl；

49、空地利用率kdl计算单元，依据小区绿化遥感图像提取建筑特征和道路特征，识别和提取图像中的建筑物区域和道路区域；根据绿化覆盖率fgl、建筑物区域和道路区域的像素数或面积，计算获得空地利用率kdl；

50、环境数据系数hjxs计算单元，对采集到的噪音数据和空气质量数据进行分析，绘制变化曲线，并通过数学分析软件对曲线进行拟合，确定环境数据系数hjxs；

51、修正单元，获取若干个小区的历史环境数据，对环境数据系数hjxs进行修正，确定修正后的环境数据系数hjxs；将每个小区的环境数据系数hjxs与其相对应小区的绿化覆盖率fgl和空地利用率kdl相关联，根据3：4：3的权重比例，计算获得环境质量评估系数pgxs。

52、(三)有益效果

53、本发明提供了基于ai的智慧城市评价方法及评价系统。具备以下有益效果：

54、(1)该基于ai的智慧城市评价方法及评价系统，方法通过采用卫星获取遥感图像和传感器采集环境数据，计算环境数据系数hjxs和其相对应小区的绿化覆盖率fgl和空地利用率kdl，通过获取历史环境数据，并对环境数据系数hjxs进行修正，获得更准确的环境数据系数。同时，将环境数据系数hjxs与绿化覆盖率fgl和空地利用率kdl进行关联，建立了指标之间的关系，进一步提高了评价的准确性和可靠性。通过基于ai的训练模型，结合训练数据对环境质量评估系数进行预测和优化。通过对训练模型的训练和参数调整，提高了模型的准确性和性能，增强了评价结果的可信度；利用ai训练模型，将环境质量评估系数pgxs输入模型中，获得评价结果，并生成评价报告。评价报告可以提供详细的评估结果和指标分析，为城市规划和管理者提供重要参考，支持决策和改进城市环境质量。

55、(2)该基于ai的智慧城市评价方法及评价系统，基于ai的智慧城市评价系统能够获取小区绿化遥感图像并计算绿化覆盖率fgl、空地利用率kdl和环境数据系数hjxs，并提供对小区土地利用情况、绿化情况、环境质量情况的准确评估，可以提高数据的准确性、完整性和可靠性，为城市环境评估和决策提供科学依据。同时，通过数据拟合和环境数据系数hjxs的确定，可以更准确地反映环境数据的贡献和权重，提高评价结果的可信度和准确性。

56、(3)该基于ai的智慧城市评价方法及评价系统，通过采集、分析和关联历史环境数据，并计算环境数据系数hjxs和环境质量评估系数pgxs，并通过多个维度的参数进行相关联，从多个维度全面评估智慧城市的环境质量。这有助于获取更全面、准确的评估结果，避免了仅凭单一指标评估可能带来的片面性和误导性。

57、(4)该基于ai的智慧城市评价方法及评价系统，基于ai的智慧城市评价系统可以提供准确的环境质量预测和评估结果，帮助城市管理者做出科学的决策，优化城市环境，提升居民的生活质量。此外，该系统还能够节约时间和资源，提高评估效率和决策的准确性。