本發(fā)明涉及城市規(guī)劃
技術(shù)領(lǐng)域：
，具體涉及一種智慧城市規(guī)劃系統(tǒng)。
背景技術(shù)：
：目前，隨著城市化進(jìn)程的加快和人口的快速增長，人們開始逐漸關(guān)注城市規(guī)劃，但現(xiàn)有的城市建設(shè)都是基于傳統(tǒng)的城市規(guī)劃設(shè)計(jì)而成的。而傳統(tǒng)的城市規(guī)劃并未根據(jù)城市功能進(jìn)行規(guī)劃，不能有效實(shí)現(xiàn)城市智能規(guī)劃。技術(shù)實(shí)現(xiàn)要素：針對上述問題，本發(fā)明旨在提供一種智慧城市規(guī)劃系統(tǒng)。本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn)：提供了一種智慧城市規(guī)劃系統(tǒng)，包括城市整體信息獲取裝置、建筑信息采集裝置和城市規(guī)劃模塊，所述城市整體信息獲取裝置用于獲取城市地物分類信息，所述建筑信息采集裝置用于采集城市建筑信息，所述城市規(guī)劃模塊根據(jù)城市地分類物信息和建筑信息進(jìn)行城市規(guī)劃。本發(fā)明的有益效果為：提高了土地利用率，實(shí)現(xiàn)了城市的智能規(guī)劃。附圖說明利用附圖對本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對本發(fā)明的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明的結(jié)構(gòu)示意圖；附圖標(biāo)記：城市整體信息獲取裝置1、建筑信息采集裝置2、城市規(guī)劃模塊3。具體實(shí)施方式結(jié)合以下實(shí)施例對本發(fā)明作進(jìn)一步描述。參見圖1，本實(shí)施例的一種智慧城市規(guī)劃系統(tǒng)，包括城市整體信息獲取裝置1、建筑信息采集裝置2和城市規(guī)劃模塊3，所述城市整體信息獲取裝置1用于獲取城市地物分類信息，所述建筑信息采集裝置2用于采集城市建筑信息，所述城市規(guī)劃模塊3根據(jù)城市地分類物信息和建筑信息進(jìn)行城市規(guī)劃。本實(shí)施例提高了土地利用率，實(shí)現(xiàn)了城市的智能規(guī)劃。優(yōu)選的，所述建筑信息采集裝置2包括住宅建筑信息采集模塊，商業(yè)建筑信息采集模塊和工廠建筑信息采集模塊，所述住宅建筑信息采集模塊用于獲取住宅建筑的占地面積和年能耗數(shù)據(jù)，所述商業(yè)建筑信息采集模塊用于獲取商業(yè)建筑的占地面積和年能耗數(shù)據(jù)，所述工廠建筑信息采集模塊用于獲取住宅建筑的占地面積、年能耗數(shù)據(jù)和排污量。本優(yōu)選實(shí)施例對建筑信息進(jìn)行分類采集，能夠提高城市規(guī)劃的科學(xué)性。優(yōu)選的，所述城市整體信息獲取裝置1包括采集設(shè)備和分類設(shè)備，所述采集設(shè)備用于采集地面的高光譜圖像數(shù)據(jù)，所述分類設(shè)備用于對高光譜圖像數(shù)據(jù)進(jìn)行分類，得到相應(yīng)的地物分類信息。本優(yōu)選實(shí)施例采用高光譜圖像數(shù)據(jù)進(jìn)行地物分類識別，準(zhǔn)確性更高。優(yōu)選的，所述分類設(shè)備包括模型建立模塊、數(shù)據(jù)分類模塊和分類評價(jià)模塊，所述模型建立模塊采用向量模型表示高光譜圖像數(shù)據(jù)，所述數(shù)據(jù)分類模塊用于對高光譜圖像數(shù)據(jù)進(jìn)行分類，所述分類評價(jià)模塊用于對分類結(jié)果進(jìn)行評價(jià)；所述向量模型用于將高光譜數(shù)據(jù)中的每個(gè)像元對應(yīng)著多個(gè)波段的反射值表示為多維空間的一個(gè)向量；所述數(shù)據(jù)分類模塊包括第一數(shù)據(jù)分類單元、第二數(shù)據(jù)分類單元和第三數(shù)據(jù)分類單元，所述第一數(shù)據(jù)分類單元用于對高光譜圖像數(shù)據(jù)進(jìn)行初步分類，所述第二數(shù)據(jù)分類單元用于對高光譜圖像數(shù)據(jù)進(jìn)行二次分類，所述第三數(shù)據(jù)分類單元用于對高光譜圖像數(shù)據(jù)進(jìn)行最終分類。本實(shí)施例城市整體信息獲取裝置實(shí)現(xiàn)了高光譜圖像數(shù)據(jù)的分類和對分類結(jié)果的評價(jià)，向量模型定量描述了目標(biāo)的光譜輻射特性及其在多維空間中的變化規(guī)律，將每個(gè)像元用多維向量表示，更適合計(jì)算機(jī)進(jìn)行處理，能夠更好地表征地物的分布特性及其變化規(guī)律；數(shù)據(jù)分類模塊通過多次分類實(shí)現(xiàn)高光譜圖像數(shù)據(jù)的最終分類，得到的分類結(jié)果更為準(zhǔn)確，從而獲取了準(zhǔn)確的地物信息，有助于城市規(guī)劃的科學(xué)進(jìn)行。優(yōu)選的，采用以下方式對所述高光譜圖像數(shù)據(jù)進(jìn)行初步分類：(1)設(shè)高光譜圖像樣本點(diǎn)的向量集為初始類別數(shù)目為z，其中，xi表示第i個(gè)樣本點(diǎn)的向量表示，xi均無標(biāo)簽，m表示sy中樣本點(diǎn)的個(gè)數(shù)；從高光譜數(shù)據(jù)樣本集sy中隨機(jī)選取z個(gè)樣本點(diǎn)作為初始分類中心，分別記為初始分類結(jié)果記為：初始化迭代次數(shù)k＝0；(2)計(jì)算樣本集sy中的樣本點(diǎn)到各個(gè)分類中心的距離，選擇距離最近分類中心所屬的類別作為樣本點(diǎn)的分類，得到新的分類結(jié)果表示第k次迭代中第j類樣本點(diǎn)分類結(jié)果，重新計(jì)算各個(gè)分類的中心：在式子里，表示中所含樣本點(diǎn)數(shù)量,表示中所含樣本點(diǎn)數(shù)量；(3)重復(fù)(2)，直到達(dá)到最大迭代次數(shù)或者滿足收斂條件，完成分類，得到初次分類結(jié)果。采用下式確定所述收斂條件：在式子里，表示樣本點(diǎn)xi和分類中心之間的距離，距離越小，表示樣本點(diǎn)間的相似程度越大，i＝1,2,…,m，j∈[1,z],β為預(yù)先設(shè)定的參數(shù)；采用以下方式計(jì)算在式子里，xi和xl表示樣本點(diǎn)。本優(yōu)選實(shí)施例數(shù)據(jù)分類模塊設(shè)置第一數(shù)據(jù)分類單元，采用無監(jiān)督分類的方法對高光譜數(shù)據(jù)的樣本點(diǎn)進(jìn)行分類，獲取了樣本點(diǎn)的分類情況，完成了對不同類別的區(qū)分，具體而言，在重新計(jì)算各個(gè)分類中心時(shí)，考慮了上一次迭代結(jié)果對本次分類的影響，減少了本次數(shù)據(jù)異常對分類結(jié)果帶來的影響，獲取了更為準(zhǔn)確的分類結(jié)果，在設(shè)定收斂條件時(shí)，考慮了兩次迭代差對于和的相對值，獲取的分類結(jié)果更為精細(xì)，在距離度量過程中，采用距離來衡量各個(gè)樣本點(diǎn)的光譜特征相似性，其相似性度量更加符合高光譜圖像數(shù)據(jù)的特性，且該樣本點(diǎn)相似性衡量方式的抗干擾能力較強(qiáng)，受樣本點(diǎn)向量的乘性噪聲干擾小。優(yōu)選的，采用以下方式對所述高光譜圖像數(shù)據(jù)進(jìn)行二次分類：(1)從樣本集sy中隨機(jī)選擇n1個(gè)未標(biāo)簽的樣本點(diǎn)，結(jié)合標(biāo)簽樣本點(diǎn)，構(gòu)造訓(xùn)練樣本集其中，yr表示第r個(gè)樣本點(diǎn)的向量表示，n表示y1中樣本點(diǎn)的個(gè)數(shù)；(2)采用第一數(shù)據(jù)分類單元對訓(xùn)練樣本集y1進(jìn)行p次分類，每次分類類別數(shù)均為z，但每次都隨機(jī)選擇初始分類中心，得到fp(yr)，fp(yr)表示樣本點(diǎn)yr在第p次分類中的分類結(jié)果，其中，p＝1,2,…,p；(3)根據(jù)訓(xùn)練樣本集y1中樣本點(diǎn)yr和ys在p次分類中屬于同一類別的次數(shù)，構(gòu)造核函數(shù)rl1：在式子里，[fp(yr)＝＝fp(ys)]用于判斷樣本點(diǎn)yr和ys在第p次分類中是否屬于同一類別，若是則取1，否則為0；利用核函數(shù)rl1對訓(xùn)練樣本集y1進(jìn)行非線性變換，得到用于訓(xùn)練最小二乘支持向量機(jī)分類器的訓(xùn)練集，采用訓(xùn)練好的分類器對樣本集sy進(jìn)行分類，得到二次分類結(jié)果；采用二次分類結(jié)果作為所述第三數(shù)據(jù)分類單元最終分類結(jié)果，對于二次分類結(jié)果與初次分類結(jié)果不一致的樣本點(diǎn)，采用一次分類結(jié)果作為最終分類結(jié)果。本優(yōu)選實(shí)施例數(shù)據(jù)分類模塊設(shè)置第二數(shù)據(jù)分類單元，采用無監(jiān)督分類與半監(jiān)督分類相結(jié)合的方法對高光譜圖像數(shù)據(jù)進(jìn)行分類，由于標(biāo)簽樣本點(diǎn)的存在，在獲取樣本點(diǎn)分類情況的基礎(chǔ)上，獲取了各個(gè)類別的屬性。優(yōu)選的，所述對分類結(jié)果進(jìn)行評價(jià)采用分類評價(jià)函數(shù)進(jìn)行，分類評價(jià)函數(shù)qk為：在式子里，ayij為高光譜圖像數(shù)據(jù)分類結(jié)果的混淆矩陣，表示類別j被分類為類別i的樣本數(shù)量，i≠j，t代表類別數(shù)量，fn表示樣本數(shù)量；qk越小，表明分類結(jié)果越準(zhǔn)確。本優(yōu)選實(shí)施例城市整體信息獲取裝置設(shè)置分類評價(jià)模塊，通過建立分類評價(jià)函數(shù)對分類結(jié)果進(jìn)行評價(jià)，分類評價(jià)函數(shù)反映了隨機(jī)樣本的分類結(jié)果與真實(shí)標(biāo)記類別相一致情況,保證了分類的準(zhǔn)確性，從而為城市規(guī)劃奠定了良好的基礎(chǔ)。采用本發(fā)明智慧城市規(guī)劃系統(tǒng)進(jìn)行城市規(guī)劃，選取5個(gè)城市進(jìn)行規(guī)劃設(shè)計(jì)，將其編為城市1、城市2、城市3、城市4和城市5，并將規(guī)劃設(shè)計(jì)給城市居民進(jìn)行評價(jià)，對規(guī)劃成本和城市居民滿意度進(jìn)行分析，同現(xiàn)有城市規(guī)劃系統(tǒng)相比，產(chǎn)生的有益效果如下表所示：規(guī)劃成本降低城市居民滿意度提高城市123％21％城市225％20％城市324％25％城市426％22％城市524％23％最后應(yīng)當(dāng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。當(dāng)前第1頁12