-
公开(公告)号：CN117077037B
公开(公告)日：2024-04-16
申请号：CN202311067158.6
申请日：2023-08-23
Applicant: 广东国地规划科技股份有限公司 , 广东国地资源与环境研究院
IPC: G06F18/243 , G06F18/214 , G06F18/2113 , G06N20/20 , G06N5/01 , G06F16/29 , G06Q50/26
Abstract: 本发明提供了一种建筑物尺度动态人口估算方法及系统，所述方法包括：获取目标区域中包含预设第一特征的实时数据；将所述实时数据输入至预设的随机森林模型，以使所述随机森林模型根据所述实时数据，对目标区域进行建筑物尺度动态人口的估算；其中，所述随机森林模型是根据目标区域中包含预设第二特征的数据训练获得，所述第一特征是在所述随机森林模型训练过程中通过对所述第二特征进行特征筛选确定，所述第二特征包括目标区域的建筑、交通、人口数据。相比于现有技术，本发明基于随机森林模型，根据目标区域的实时数据动态地估算目标区域的建筑物尺度人口空间分布，提高了建筑物尺度人口估算的动态性和准确性。
-
公开(公告)号：CN117077005B
公开(公告)日：2024-05-10
申请号：CN202311058607.0
申请日：2023-08-21
Applicant: 广东国地规划科技股份有限公司 , 广东国地资源与环境研究院
IPC: G06F18/241 , G06F18/23 , G06N3/126 , G06N3/0895 , G06N20/00 , G06Q50/26
Abstract: 本发明公开了一种城市微更新潜力的优化方法和系统，包括：获取所有地块的地理时空数据，对所述地理时空数据使用关联规则算法，计算所述地理时空数据之间的关联度，确定城市微更新的评估因子；根据所述城市微更新的评估因子，通过聚类算法生成聚类标签，利用半监督学习范式的随机森林训练模型，确定所述聚类标签和微更新潜力等级的对应关系；通过可解释性机器学习模型，量化每个地块中各所述城市微更新的评估因子对所述微更新潜力等级的影响程度；构建城市微更新多目标优化函数；通过遗传算法求解所述城市微更新多目标优化函数，得到城市微更新时序安排方案，完成每个地块的规划更新。本发明实现了在多源数据的基础上更精细化地进行城市微更新。
-
Patent Agency Ranking
公开(公告)号：CN117077037A
公开(公告)日：2023-11-17
申请号：CN202311067158.6
申请日：2023-08-23
Applicant: 广东国地规划科技股份有限公司 , 广东国地资源与环境研究院
IPC: G06F18/243 , G06F18/214 , G06F18/2113 , G06N20/20 , G06N5/01 , G06F16/29 , G06Q50/26
Abstract: 本发明提供了一种建筑物尺度动态人口估算方法及系统，所述方法包括：获取目标区域中包含预设第一特征的实时数据；将所述实时数据输入至预设的随机森林模型，以使所述随机森林模型根据所述实时数据，对目标区域进行建筑物尺度动态人口的估算；其中，所述随机森林模型是根据目标区域中包含预设第二特征的数据训练获得，所述第一特征是在所述随机森林模型训练过程中通过对所述第二特征进行特征筛选确定，所述第二特征包括目标区域的建筑、交通、人口数据。相比于现有技术，本发明基于随机森林模型，根据目标区域的实时数据动态地估算目标区域的建筑物尺度人口空间分布，提高了建筑物尺度人口估算的动态性和准确性。
-
公开(公告)号：CN117077005A
公开(公告)日：2023-11-17
申请号：CN202311058607.0
申请日：2023-08-21
Applicant: 广东国地规划科技股份有限公司 , 广东国地资源与环境研究院
IPC: G06F18/241 , G06F18/23 , G06N3/126 , G06N3/0895 , G06N20/00 , G06Q50/26
Abstract: 本发明公开了一种城市微更新潜力的优化方法和系统，包括：获取所有地块的地理时空数据，对所述地理时空数据使用关联规则算法，计算所述地理时空数据之间的关联度，确定城市微更新的评估因子；根据所述城市微更新的评估因子，通过聚类算法生成聚类标签，利用半监督学习范式的随机森林训练模型，确定所述聚类标签和微更新潜力等级的对应关系；通过可解释性机器学习模型，量化每个地块中各所述城市微更新的评估因子对所述微更新潜力等级的影响程度；构建城市微更新多目标优化函数；通过遗传算法求解所述城市微更新多目标优化函数，得到城市微更新时序安排方案，完成每个地块的规划更新。本发明实现了在多源数据的基础上更精细化地进行城市微更新。
-
公开(公告)号：CN119206475A
公开(公告)日：2024-12-27
申请号：CN202411137449.2
申请日：2024-08-19
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 国地时空信息科技(北京)有限公司
Abstract: 本申请公开了一种基于面线融合的耕地地块提取方法、系统及介质，其中方法包括：根据预设的SAM模型，对初始地块数据进行区域面的分类和地块提取，得到地块‑面数据；根据预设的线模型，对初始地块数据进行田垄线的提取和边界连接，得到地块‑线数据；对地块‑面数据和地块‑线数据进行面线融合处理，得到耕地地块提取结果。本申请针对不同地域的地块，使用SAM模型进行不同特征地块的区域面提取，使用线模型进行耕地边界线的提取，再进行面线融合得到精确度更高的耕地地块区域，为耕地保护提供准确的数据支撑。
-
公开(公告)号：CN116051519A
公开(公告)日：2023-05-02
申请号：CN202310077457.1
申请日：2023-02-02
Applicant: 广东国地规划科技股份有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06T7/00 , G06T3/40 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种双时相影像建筑物变化检测方法、装置、设备及存储介质，所述方法包括：将双时相影像输入特征提取模型并获取拼接特征；对拼接特征进行差分计算并分割为若干个不重叠特征块；计算每一不重叠特征块与平均特征的差分特征；对差分特征数据进行pca计算并获取协方差矩阵的特征向量和特征值；将协方差矩阵的特征向量按照特征值的大小进行降序排列，并将不重叠特征块投影至特征向量上获取目标向量；对目标向量的特征向量空间进行聚类，最后根据聚类结果进行双时相影像建筑物变化检测。本发明通过将有监督方法转换为无监督方法，并且采用了特征提取预训练模型，无需人工对图像进行大量批注，从而大大提高了建筑物变化检测的效率。
-
公开(公告)号：CN116051519B
公开(公告)日：2023-08-22
申请号：CN202310077457.1
申请日：2023-02-02
Applicant: 广东国地规划科技股份有限公司 , 国地时空信息科技(北京)有限公司
IPC: G06T7/00 , G06T3/40 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/762 , G06V10/82 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种双时相影像建筑物变化检测方法、装置、设备及存储介质，所述方法包括：将双时相影像输入特征提取模型并获取拼接特征；对拼接特征进行差分计算并分割为若干个不重叠特征块；计算每一不重叠特征块与平均特征的差分特征；对差分特征数据进行pca计算并获取协方差矩阵的特征向量和特征值；将协方差矩阵的特征向量按照特征值的大小进行降序排列，并将不重叠特征块投影至特征向量上获取目标向量；对目标向量的特征向量空间进行聚类，最后根据聚类结果进行双时相影像建筑物变化检测。本发明通过将有监督方法转换为无监督方法，并且采用了特征提取预训练模型，无需人工对图像进行大量批注，从而大大提高了建筑物变化检测的效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.076 seconds)
