-
公开(公告)号：CN119808026A
公开(公告)日：2025-04-11
申请号：CN202510281616.9
申请日：2025-03-11
Applicant: 中南大学
IPC: G06F18/27 , G06Q10/063 , G06Q50/26 , G06F18/213
Abstract: 本发明实施例中提供了一种基于持续同调的城市空间结构与交通拥堵关系度量方法，属于交通控制技术领域，具体包括：步骤1，将目标地区的目标数据与路网匹配，并识别城市空间结构特征与交通拥堵特征；步骤2，将城市空间结构特征和交通拥堵特征代入多尺度地理加权回归模型中进行回归分析，生成分析结果；步骤3，根据分析结果和持续同调方法度量城市空间结构与交通拥堵之间的关系。通过本发明的方案，考虑现实环境中多个城市空间结构特征会相互作用的耦合性和拓扑性质，利用多尺度地理加权回归计算多个城市空间结构特征与交通拥堵之间的关系，应用持续同调的方法度量城市空间结构特征与交通拥堵特征之间的关系，具有更强的现实性和可解释性。
-
公开(公告)号：CN114708521B
公开(公告)日：2025-03-25
申请号：CN202210372812.3
申请日：2022-04-07
Applicant: 中南大学
IPC: G06V20/20 , G06V10/25 , G06V10/764 , G06V10/82 , G06F16/951 , G06F16/9537 , G06Q10/04 , G06Q50/26 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于街景图像目标关系感知网络的城市功能区识别方法及系统，包括：获取街景图像，并对所述街景图像进行随机水平翻转、随机几何变换和随机颜色抖动操作，增强训练数据；根据所述训练数据构建训练数据集，将训练集街景图像输入到基于图的关系感知网络中进行训练，得到训练后的城市功能区识别模型；对街景图像进行空间关系感知，根据得到的城市功能区类型对所述街景图像进行识别；获取到研究区域范围内的POI数据，对所述POI数据进行分类，并基于POI数据得到城市功能区分类；能够模拟人类识别和推理过程，捕捉街景图像中的局部空间关系和全局语义关系，增强城市功能区检测器的能力。
-
公开(公告)号：CN119648943A
公开(公告)日：2025-03-18
申请号：CN202510150268.1
申请日：2025-02-11
IPC: G06T17/05
Abstract: 本申请适用于地理信息处理技术领域，提供了一种地理场景实例化建模方法，包括：将研究区域划分为多个格网单元，并将每个格网单元作为一地理场景；构建地理场景本体模型；地理场景本体模型包括多个地理场景节点和多个地理要素节点，多个地理场景节点与多个格网单元一一对应，每个地理场景节点表示对应的地理场景，多个地理要素节点与研究区域内的多个实体一一对应，每个地理场景节点与位于其对应的格网单元内的实体对应的地理要素节点之间设有关系边；基于动态调整的相似度阈值对地理场景本体模型中的地理场景节点进行多次合并处理，并将经过多次合并处理后的地理场景本体模型作为研究区域的地理场景实例化模型。本申请能实现地理场景实例化建模。
-
公开(公告)号：CN119204362B
公开(公告)日：2025-02-25
申请号：CN202411736894.0
申请日：2024-11-29
Applicant: 中南大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06Q50/26 , G06F18/214 , G06F18/241
Abstract: 本发明提供了一种城市区域人群流量预测方法及相关设备，包括获取训练用历史人群流量数据输入包括空间趋势学习模块和时空压缩残差学习模块的城市区域人群流量预测模型进行训练，得到训练后的城市区域人群流量预测模型；将目标城市区域的历史人群流量数据输入训练后的城市区域人群流量预测模型，通过空间趋势学习模块对目标城市区域的历史人群流量数据进行压缩并重构，得到空间异质趋势，通过时空压缩残差学习模块对目标城市区域的历史人群流量数据进行预测，得到时空压缩残差；结合空间异质趋势和时空压缩残差，计算得到目标城市区域的未来人群流量数据，以提升未来人群流量的预测精度。
-
公开(公告)号：CN119204362A
公开(公告)日：2024-12-27
申请号：CN202411736894.0
申请日：2024-11-29
Applicant: 中南大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06Q50/26 , G06F18/214 , G06F18/241
Abstract: 本发明提供了一种城市区域人群流量预测方法及相关设备，包括获取训练用历史人群流量数据输入包括空间趋势学习模块和时空压缩残差学习模块的城市区域人群流量预测模型进行训练，得到训练后的城市区域人群流量预测模型；将目标城市区域的历史人群流量数据输入训练后的城市区域人群流量预测模型，通过空间趋势学习模块对目标城市区域的历史人群流量数据进行压缩并重构，得到空间异质趋势，通过时空压缩残差学习模块对目标城市区域的历史人群流量数据进行预测，得到时空压缩残差；结合空间异质趋势和时空压缩残差，计算得到目标城市区域的未来人群流量数据，以提升未来人群流量的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118365006B
公开(公告)日：2024-09-24
申请号：CN202410784700.8
申请日：2024-06-18
Applicant: 中南大学
IPC: G06Q10/063 , G06N7/01 , G06Q50/26 , G06F16/29
Abstract: 本发明提供了一种基于空间因果发现的城市功能设施集群效应挖掘方法，包括：获取POI数据并进行预处理，按规则格网划分研究单元；计算各研究单元中各类POI集群的聚集程度；基于LiNGAM因果发现算法构建城市功能设施集群因果关系结构图；基于城市功能设施集群因果关系结构图建立贝叶斯网络，计算节点条件概率分布；基于后门准则和前门准则实施干预运算消除混杂因子，计算城市功能设施间的集群因果效应。本发明将空间因果发现思想引入其中，能够更准确地揭示功能设施之间的因果驱动方向和因果驱动程度，有助于深入挖掘功能设施集群的形成演化过程，准确估计功能设施集群间相互诱导建设的作用程度。
-
公开(公告)号：CN118134673A
公开(公告)日：2024-06-04
申请号：CN202410552053.8
申请日：2024-05-07
IPC: G06Q50/00 , G06F16/2457 , G06F16/29 , G06N3/126 , G06N7/01
Abstract: 本发明公开了一种城市空间的竞争合作强度计算方法，包括获取城市空间数据信息并预处理和构建目标城市空间交互图；得到目标城市中各个街区隶属于各个社团的隶属度数据，计算目标城市重叠社团数据；计算得到各个重叠社团的特征向量；对各个社团之间的交互流量进行建模；采用遗传算法进行重复迭代计算，得到最优的各个社团与各个街区的竞争合作强度数据，完成目标城市空间的竞争合作强度计算。本发明还公开了一种实现所述城市空间的竞争合作强度计算方法的系统。本发明基于城市空间数据信息推演城市空间的竞争合作强度数据，解决了多因素影响下难以进行整体性分析的难点，不仅能够完成城市空间的竞争合作强度的计算分析，而且可靠性高、精确性好。
-
公开(公告)号：CN113486135B
公开(公告)日：2024-04-12
申请号：CN202110852651.3
申请日：2021-07-27
Applicant: 中南大学
IPC: G06F16/29 , G06F16/26 , G06Q10/0639 , G06T7/10 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习网络的建筑物综合方法，包括：获取城市路网，根据城市路网将大比例尺地图和小比例尺地图上的建筑物要素划分至街区；将所有街区的矢量数据栅格化为栅格矩阵形式，并处理为训练样本的形式；根据所述训练样本的形式构建深度学习语义分割模型，并对所述深度学习语义分割模型进行训练，设定参数；利用训练完成的模型进行建筑物综合，并用交并比评价得到建筑物综合结果。本发明在没有人工干预的情况下实现对地图上建筑物要素的综合。
-
公开(公告)号：CN112052783B
公开(公告)日：2024-04-09
申请号：CN202010909322.3
申请日：2020-09-02
Applicant: 中南大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/26 , G06N3/0464 , G06T3/4007 , G06T7/194
Abstract: 本发明提供了一种结合像素语义关联和边界注意的高分影像弱监督建筑物提取方法，包括训练数据准备、深层特征提取、边界特征融合、像素语义关联度学习、损失函数计算和生成建筑物伪标注；通过设计边界注意模块，将超像素先验信息和网络提取的边界信息相结合，强化了建筑物边界特征，且通过学习像素之间的语义关联性，将像素间的语义信息在图像中进行有效传播，生成更为完整密集，边界更为清晰的伪标签。同时配合高分遥感影像采用全卷积网络模型训练，实现建筑物特征自动提取。
-
公开(公告)号：CN117271959B
公开(公告)日：2024-02-20
申请号：CN202311550749.9
申请日：2023-11-21
Applicant: 中南大学
IPC: G06F18/21 , G06N7/01 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/044 , G06N3/0455 , G06F17/16
Abstract: 本申请适用于空气检测技术领域，提供了一种PM2.5浓度预测结果的不确定性评估方法及设备，该PM2.5浓度预测结果的不确定性评估方法包括：将目标区域划分为多个网格区域，并构建无向图；根据每个网格区域的路网状态、兴趣点分布状态、气象属性、轨迹属性和PM2.5浓度，获取目标区域的属性矩阵；基于无向图和属性矩阵，获取最终潜在特征矩阵；对最终潜在特征矩阵进行计算得到所有网格区域的最优PM2.5浓度预测结果；基于最终潜在特征矩阵，获取网格区域的最优PM2.5浓度预测结果的不确定值。本申请的PM2.5浓度预测结果的不确定性评估方法能够解决PM2.5浓度预测结果的可靠性与稳健性存疑的问题。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.37 seconds)
