本發(fā)明涉及數(shù)據(jù)分析，具體涉及一種人工智能的基于移民聚落選址方法。

背景技術(shù)：

1、移民聚落選址需綜合考量多方面因素。自然方面，要考慮地形平坦、氣候適宜、水源充足且水質(zhì)良好的區(qū)域；人文方面，應(yīng)選擇交通便利、經(jīng)濟發(fā)展?jié)摿Υ蟆⒐卜?wù)設(shè)施完善，同時文化兼容性好、社會穩(wěn)定的地方，確保移民能安居樂業(yè)。

2、申請?zhí)枮?02211048909.5的發(fā)明專利中公開了一種基于元學(xué)習(xí)的聚落選址環(huán)境模式鑒別方法，包括：獲取待鑒別聚落的遙感圖像及數(shù)字高程模型；將待鑒別聚落的遙感圖像及dem數(shù)據(jù)輸入到訓(xùn)練后的聚落地物分割模型中，得聚落的環(huán)境地物分布圖；將所述聚落的環(huán)境地物分布圖輸入到訓(xùn)練后的聚落選址環(huán)境模式鑒別模型中，得該聚落的選址環(huán)境模式類型。

3、該申請在于解決：“中國的聚落數(shù)量眾多，分布很廣、很散，不同地域環(huán)境下的聚落有著復(fù)雜多變的環(huán)境風(fēng)貌和選址模式，運用以上方法開展調(diào)查研究需耗費大量時間和專家知識，且研究成果存在一定的地域局限性，難以應(yīng)對全國范圍的建設(shè)規(guī)劃需求”的問題。

4、然而，在土地規(guī)劃及管理人員的角度，在聚落選址移民場景中，移民區(qū)域可存在一定的可選、可調(diào)特性，目前往往根據(jù)相關(guān)人員工作經(jīng)驗及專業(yè)知識商討決策最終的移民區(qū)域，其過程效率較低，且存在一定的合理性偏差。

5、為此，提出了一種人工智能的基于移民聚落選址方法。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)所存在的上述缺點，本發(fā)明提供了一種人工智能的基于移民聚落選址方法，解決了上述背景技術(shù)中提出的技術(shù)問題。

2、為實現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實現(xiàn)：

3、一種人工智能的基于移民聚落選址方法，包括：

4、截取目標區(qū)域電子地圖，在目標區(qū)域電子地圖中采集結(jié)構(gòu)布局信息，同步上傳目標區(qū)域電子地圖所限定的區(qū)域的地理環(huán)境信息，對聚落選址的區(qū)域大小進行設(shè)定；在目標區(qū)域電子地圖中預(yù)選聚落選址區(qū)域，分析各預(yù)選的聚落選址區(qū)域作為聚落選址區(qū)域的適宜度，基于各預(yù)選的聚落選址區(qū)域適宜度分析結(jié)果對各預(yù)選的聚落選址區(qū)域進行降序排序；設(shè)定聚落選址可選判定閾值，在完成降序排序的預(yù)選聚落選址區(qū)域中以聚落選址可選判定閾值為界，捕捉不小于聚落選址可選判定閾值的預(yù)選聚落選址區(qū)域；獲取捕捉到的預(yù)選聚落選址區(qū)域，進一步識別各預(yù)選聚落選址區(qū)域作為聚落選址區(qū)域的推薦指數(shù)；拾取推薦指數(shù)最高的預(yù)選聚落選址區(qū)域，將預(yù)選聚落選址區(qū)域作為最終用于移民的聚落選址區(qū)域；

5、所述推薦指數(shù)最高的預(yù)選聚落選址區(qū)域在拾取后，同步向用戶端反饋，反饋方式為：預(yù)選聚落選址區(qū)域?qū)?yīng)模型于目標區(qū)域電子地圖所限定區(qū)域?qū)?yīng)的三維模型中渲染表示；

6、其中，預(yù)選聚落選址區(qū)域?qū)?yīng)模型的渲染色調(diào)由用戶端自定義，且區(qū)別于三維模型中包含的色調(diào)。

7、更進一步地，所述目標區(qū)域電子地圖由用戶端于電子地圖中選擇不少于三組位置坐標，基于選擇的位置坐標相互連接以創(chuàng)建一個封閉的區(qū)域，即記作目標區(qū)域電子地圖；

8、所述目標區(qū)域電子地圖中結(jié)構(gòu)布局信息包括：目標區(qū)域電子地圖所限定區(qū)域中陸地部分各點的海拔，目標區(qū)域電子地圖所限定區(qū)域中河流湖泊部分各點的深度，目標區(qū)域電子地圖所限定區(qū)域中建筑物、構(gòu)筑物占地大小、位置及其結(jié)構(gòu)參數(shù)；所述目標區(qū)域電子地圖所限定的區(qū)域的地理環(huán)境信息包括：地下各土層厚度、地下各土層綜合荷載性能、地下水位置信息；

9、所述聚落選址的區(qū)域大小由用戶端自定義；

10、所述目標區(qū)域電子地圖中用于表示陸地海拔及河流湖泊深度的點于目標區(qū)域電子地圖中均勻分布，使各相鄰點的間距均相等，且點的密度由用戶端自定義，并且服從聚落選址精度要求越高，點的設(shè)定密度越高，聚落選址精度要求越低，點的設(shè)定密度越低；

11、結(jié)構(gòu)布局信息在完成采集后，同步基于結(jié)構(gòu)布局信息構(gòu)建目標區(qū)域電子地圖所限定區(qū)域?qū)?yīng)的三維模型，三維模型進一步基于點矩陣進行分割，得到若干組子三維模型；

12、其中，點矩陣的大小由用戶端自定義，且點矩陣長寬均不小于2，三維模型基于點矩陣分割得到若干組子三維模型后，以各子三維模型作為上傳目標，對各子三維模型于目標區(qū)域電子地圖中對應(yīng)區(qū)域的地理環(huán)境信息進行上傳。

13、更進一步地，所述地下水位信息包括地下水距離最近土層的距離、地下水深度；

14、所述地下各土層綜合荷載性能表示為：

15、；

16、式中：為地下各土層綜合荷載性能表現(xiàn)值；為地下土層總量；為第i土層的天然重度；為第i土層的厚度；為第i土層的頂部附加應(yīng)力；為第i土層的泊松比；為第i土層的側(cè)壓力系數(shù)；為第i土層的壓縮模量；

17、其中，地下各土層綜合荷載性能表現(xiàn)值越大，表示地下各土層綜合荷載性能越佳，反之，則表示地下各土層綜合荷載性能越差。

18、更進一步地，在目標區(qū)域電子地圖中預(yù)選聚落選址區(qū)域的操作為：以目標區(qū)域電子地圖所限定區(qū)域?qū)?yīng)的三維模型分割所得的子三維模型作為預(yù)選目標，使相鄰的若干數(shù)量的子三維模型組合，得到不小于設(shè)定的聚落選址區(qū)域大小的模型，記作預(yù)選聚落選址區(qū)域模型，以預(yù)選聚落選址區(qū)域模型作為適宜度分析目標，執(zhí)行分析操作：

19、；

20、式中：為預(yù)選聚落選址區(qū)域模型的適宜度；為預(yù)選聚落選址區(qū)域模型包含的子三維模型總量；為第j個子三維模型的地下各土層綜合荷載性能表現(xiàn)值；為預(yù)選聚落選址區(qū)域模型包含的子三維模型中最大、最小地下各土層綜合荷載性能表現(xiàn)值；為預(yù)選聚落選址區(qū)域模型的平整度；為預(yù)選聚落選址區(qū)域模型中建筑物、構(gòu)筑物總量；為第v個建筑物或構(gòu)筑物的占地大??；為地下水距離最近土層的距離；為地下水深度；

21、其中，預(yù)選聚落選址區(qū)域模型的適宜度值越大，表示預(yù)選聚落選址區(qū)域模型對應(yīng)的目標區(qū)域電子地圖中區(qū)域越適宜作為選址區(qū)域，反之，表示越不適宜作為選址區(qū)域，基于上式求取各預(yù)選聚落選址區(qū)域模型的適宜度，則有。

22、更進一步地，所述聚落選址可選判定閾值由系統(tǒng)端用戶自定義，所述捕捉不小于聚落選址可選判定閾值的預(yù)選聚落選址區(qū)域階段，捕捉到的預(yù)選聚落選址區(qū)域數(shù)量大于所有預(yù)選聚落選址區(qū)域數(shù)量的二分之一時，進一步舍棄捕捉到的預(yù)選聚落選址區(qū)域中后置位二分之一的預(yù)選聚落選址區(qū)域，剩余預(yù)選聚落選址區(qū)域即為最終捕捉的預(yù)選聚落選址區(qū)域；

23、捕捉到的預(yù)選聚落選址區(qū)域數(shù)量小于所有預(yù)選聚落選址區(qū)域數(shù)量的二分之一時，捕捉到的預(yù)選聚落選址區(qū)域即最終捕捉的預(yù)選聚落選址區(qū)域。

24、更進一步地，所述預(yù)選聚落選址區(qū)域作為聚落選址區(qū)域的推薦指數(shù)的識別邏輯表示為：

25、；

26、式中：為預(yù)選聚落選址區(qū)域作為聚落選址區(qū)域的推薦指數(shù)；為預(yù)選聚落選址區(qū)域基于多邊形擬合后的邊數(shù)；為預(yù)選聚落選址區(qū)域的面積；為預(yù)選聚落選址區(qū)域中第v個建筑物或構(gòu)筑物的拆遷成本估計值；為權(quán)重；

27、其中，預(yù)選聚落選址區(qū)域作為聚落選址區(qū)域的推薦指數(shù)越大，表示預(yù)選聚落選址區(qū)域作為聚落選址區(qū)域越合理，反之，表示越不合理，取值由用戶端自定義，權(quán)重由用戶端自定義，且均大于零，并且二者之和小于1；

28、上式計算目標為所有最終捕捉到的預(yù)選聚落選址區(qū)域。

29、更進一步地，所述預(yù)選聚落選址區(qū)域基于多邊形擬合的操作為：

30、拾取預(yù)選聚落選址區(qū)域包含的邊緣矩陣點，以拾取到的邊緣矩陣點相鄰相互連接得到一個封閉圖形，封閉圖形的邊數(shù)即。

31、更進一步地，所述預(yù)選聚落選址區(qū)域作為聚落選址區(qū)域的推薦指數(shù)在求取后，由用戶端自主決策是否對進行修正；

32、所述的修正邏輯表示為：

33、；

34、式中：為修正后的預(yù)選聚落選址區(qū)域作為聚落選址區(qū)域的推薦指數(shù)；為預(yù)選聚落選址區(qū)域中心點距離目標點的直線距離；

35、所述目標點為用戶端自定義的目標區(qū)域電子地圖所在市區(qū)中任一商圈中心點。

36、采用本發(fā)明提供的技術(shù)方案，與已知的公有技術(shù)相比，具有如下有益效果：

37、本發(fā)明提供一種人工智能的基于移民聚落選址方法，該方法在執(zhí)行過程中，通過設(shè)定大致的移民區(qū)域，獲取移民區(qū)域內(nèi)結(jié)構(gòu)布局及地理環(huán)境信息的方式，對移民區(qū)域中最佳的適用于聚落選址移民的區(qū)域進行捕獲，相較于人工商討決策其效率、精度更高，人工、時間成本更低，且輸出的聚落選址移民區(qū)域更加客觀，此外該方法執(zhí)行過程中能夠同時輸出多個用于聚落選址移民的區(qū)域，從而提供相關(guān)工作人員更多參考及選擇，有效推進聚落選址移民工作的開展。