-
公开(公告)号：CN105844707A
公开(公告)日：2016-08-10
申请号：CN201610148169.0
申请日：2016-03-15
Applicant: 南京大学
IPC: G06T17/05
CPC classification number: G06T17/05 , G06T2200/04
Abstract: 本发明涉及一种基于城墙断面从LiDAR点云数据自动提取古城墙数据的方法，包括以下步骤：获取城墙待选区，矢量化得到顶部二维中心线，并插值得到完整的城墙顶部三维中心线；对城墙顶部三维中心线密集采样得到探测基点，计算每个探测基点断面上的点云；构建城墙断面格网；并基于城墙断面“横向探测—纵向探测”城墙顶部、垛口和侧面点云数据。本发明提出利用LiDAR点云数据提取古城墙的数据，解决了利用LiDAR技术进行数字存档的关键技术，有效的解决了传统测量耗时耗力，且无法获取城墙侧面细节信息的不足。本发明提出的“纵向探测?横向探测”的城墙侧面点精确提取方法，可以有效的实现城墙侧面细节信息和顶部信息的自动获取。
-
公开(公告)号：CN114969007B
公开(公告)日：2025-01-10
申请号：CN202210621710.0
申请日：2022-06-01
Applicant: 南京大学
IPC: G06F16/215 , G06F18/214 , G06F18/24 , G06Q10/0631 , G06N20/20 , G06Q50/26
Abstract: 本发明涉及一种基于功能混合度和集成学习的城市功能区识别方法，属于数字信息技术领域。该方法执行如下步骤：1）收集数据以及预处理；2）构建所述城市功能区的识别体系的10个指标特征；3）结构化指标；通过空间统计工具统计各宗地所对应的10个指标特征数据；4）自变量数据集构建；5）响应变量标记；6）根据功能混合度将训练数据集划分为若干子训练集；7）基于Stacking策略的集成学习训练；8）属性表连接完成该宗地的功能区识别。本发明通过对功能混合度进行分级的方式将训练集分开并让预测集数据按照对应功能混合度进行预测，提供了一种较为准确挖掘城市功能区类型和城市特征之间的相关性，实现城市特征映射城市功能区类型识别的方法。
-
公开(公告)号：CN115129802B
公开(公告)日：2024-12-10
申请号：CN202210782643.0
申请日：2022-07-05
Applicant: 南京大学
IPC: G06F16/29 , G06N20/20 , G06Q10/0639 , G06F18/25 , G06F18/2431
Abstract: 本发明公开了一种基于多源数据和集成学习的人口空间化方法，该方法包括以下步骤：S1、获取多源数据并进行融合，构建人口空间化数据库；S2、从所述人口空间化数据库中构建用于模型拟合的指标体系，通过集成学习模型计算的特征重要性筛选出有效指标；S3、结合所述有效指标与社区人口之间的关系，构建Pop‑XGBoost人口空间化模型；S4、预测人口空间分布，并将格网人口模拟数据汇总至社区尺度，与真实的社区人口统计数据对比，验证结果精度。通过结合多源数据融合技术、指标筛选技术和集成学习技术等构建人口空间化模型，准确高效地实现高精度人口空间化预测。
-
公开(公告)号：CN115221766A
公开(公告)日：2022-10-21
申请号：CN202210671133.6
申请日：2022-06-15
Applicant: 南京大学
IPC: G06F30/25 , G06F16/951 , G06F16/9537
Abstract: 本发明公开了一种改进辐射模型的跨境人口流动模拟方法，该方法包括以下步骤：基于互联网爬虫技术对跨境航班的基本信息进行获取，并对区域内的人口公里格网数据进行获取；基于航班的通行时间信息及道路网的通行时间构建引力模型，且通过改进空间邻域，完成辐射模型的构建；通过对引力模型及辐射模型进行耦合，完成引力‑辐射模型的构建；采用引力‑辐射模型计算格网级的人口流动模拟结果，并将人口流动模拟结果汇总至区县级、省级与国家级，同时与人口流动统计结果进行对比，完成引力‑辐射模型的精度验证。本发明能够有效提升跨境人口流动模拟的精度。
-
公开(公告)号：CN115129802A
公开(公告)日：2022-09-30
申请号：CN202210782643.0
申请日：2022-07-05
Applicant: 南京大学
Abstract: 本发明公开了一种基于多源数据和集成学习的人口空间化方法，该方法包括以下步骤：S1、获取多源数据并进行融合，构建人口空间化数据库；S2、从所述人口空间化数据库中构建用于模型拟合的指标体系，通过集成学习模型计算的特征重要性筛选出有效指标；S3、结合所述有效指标与社区人口之间的关系，构建Pop‑XGBoost人口空间化模型；S4、预测人口空间分布，并将格网人口模拟数据汇总至社区尺度，与真实的社区人口统计数据对比，验证结果精度。通过结合多源数据融合技术、指标筛选技术和集成学习技术等构建人口空间化模型，准确高效地实现高精度人口空间化预测。
-
Patent Agency Ranking
公开(公告)号：CN119443378A
公开(公告)日：2025-02-14
申请号：CN202411490496.5
申请日：2024-10-24
Applicant: 南京大学
Abstract: 本发明公开了一种城镇空间三维结构与人口流动的相关性分析方法，涉及城镇空间与人口流动相关性分析领域，该方法包括以下步骤：基于城镇建设数据集构建城镇建设指标体系，通过对城镇建设指标体系进行结构特征分析，得到城镇建设三维空间结构特征；利用基站获取手机信令数据并识别城镇人口的通勤行为，构建城镇人口流动的网络结构特征；利用LightGBM算法构建并训练回归模型，通过SHAP算法对回归模型进行解释性分析。本发明通过对城镇空间特征与人口流动时空相关性分析，探究城镇空间结构的各特征对人口流动重要程度，进而有效地利用人口流动趋势来进行对城市发展规划方向提供有价值的参考。
-
公开(公告)号：CN116644809B
公开(公告)日：2024-04-05
申请号：CN202310597567.0
申请日：2023-05-25
Applicant: 南京大学
IPC: G06N5/01 , G06N20/00 , G06Q10/0639 , G06Q50/26
Abstract: 本发明公开一种集成地理大数据和机器学习的城镇开发边界划定方法，本方法包括以下步骤：S1、收集的大量多源地理大数据进行数据清洗等预处理；S2、从自然要素、生态要素、人文要素三个维度构建指标因子，从单因子角度分析城镇开发边界适宜性，并得到各评价指标的评分标准；S3、构建随机森林模型来确定各指标权重。本发明基于空间调查数据等基础地理数据，融合夜间灯光、微博签到、房屋地价数据等地理大数据集成多源地理大数据，从自然、人文、生态三个维度选取全面合理的因子构建城镇开发边界适宜性指标体系，以人工绘制的边界为参考，使用机器学习方法确定权重，划定城镇开发边界。
-
公开(公告)号：CN115100394B
公开(公告)日：2023-11-03
申请号：CN202210729862.2
申请日：2022-06-24
Applicant: 南京大学
IPC: G06V10/25 , G06V10/764 , G06V20/10 , G06V20/70
Abstract: 本发明涉及一种基于兴趣点Voronoi图的城市街区功能识别方法，属于数据处理技术领域。该方法执行如下步骤：对城市街区内部的兴趣点数据按类别进行分类；创建规则格网将城市街区划分为若干格网单元；对每个格网单元内的兴趣点数据进行聚合，得到兴趣点聚合点数据；基于兴趣点聚合点数据创建Voronoi图，得到每个兴趣点聚合点数据对应的Voronoi多边形；计算城市街区内每个Voronoi多边形的面积，将Voronoi多边形的面积与城市街区的面积之比作为对应的兴趣点聚合点数据的权重，从而实现对城市街区的功能识别。本发明能够凸显密度低但能够表征城市街区主导功能的兴趣点数据重要性，从而有助于提高基于兴趣点数据的城市街区功能区识别的准确率。
-
公开(公告)号：CN116644809A
公开(公告)日：2023-08-25
申请号：CN202310597567.0
申请日：2023-05-25
Applicant: 南京大学
IPC: G06N5/01 , G06N20/00 , G06Q10/0639 , G06Q50/26
Abstract: 本发明公开一种集成地理大数据和机器学习的城镇开发边界划定方法，本方法包括以下步骤：S1、收集的大量多源地理大数据进行数据清洗等预处理；S2、从自然要素、生态要素、人文要素三个维度构建指标因子，从单因子角度分析城镇开发边界适宜性，并得到各评价指标的评分标准；S3、构建随机森林模型来确定各指标权重。本发明基于空间调查数据等基础地理数据，融合夜间灯光、微博签到、房屋地价数据等地理大数据集成多源地理大数据，从自然、人文、生态三个维度选取全面合理的因子构建城镇开发边界适宜性指标体系，以人工绘制的边界为参考，使用机器学习方法确定权重，划定城镇开发边界。
-
公开(公告)号：CN115146990A
公开(公告)日：2022-10-04
申请号：CN202210852776.0
申请日：2022-07-11
Applicant: 南京大学
Abstract: 本发明公开一种集成多源地理大数据的城市活力定量评价方法，本评价方法包括以下步骤：S1、对道路数据进行预处理获取街区数据，S2、将街区范围内获取的城市活力评价数据进行汇总，形成特征，S3、计算Pearson相关系数矩阵，确定特征与城市活力的相关性，同时排除冗余特征，S4、构建综合指标和机器学习模型模拟城市活力，S5、对城市活力模拟结果进行精度评价，分析各特征的贡献。本发明通过集成多源地理大数据，构建综合指标和构建机器学习模型，可以解决现有技术中城市活力评价方法精度不足、数据来源较少的问题，建立衡量各因素对城市活力的贡献的方法，并形成综合城市活力评价体系。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.014 seconds)
