一种智慧城市电子地图生成方法和系统技术方案

本申请涉及人工智能技术领域，应用于智慧城市领域中，公开了一种智慧城市电子地图生成方法和装置，调取初始电子地图；计算出基础设施区域密度；计算出数据采集器区域密度；筛选出多个边缘区域；得到多个地形相似度值；得到多个边缘区域组；组成多个移动轨迹组；得到多个样本轨迹组；将所述多个样本轨迹组输入神经网络模型中进行训练，以得到故障区域预测模型；生成多条当前移动轨迹；得到故障区域预测模型输出的预测结果；若预测结果为故障，则将所述初始电子地图中所述待更新的边缘区域的状态变更为故障状态，实现了生成具有边缘自适应性的智慧城市电子地图的目的。

【技术实现步骤摘要】
一种智慧城市电子地图生成方法和系统
本申请涉及到计算机领域，特别是涉及到一种具有边缘自适应性的智慧城市电子地图生成方法和系统。
技术介绍
智慧城市存在一些边缘区域，在这些边缘区域中，基础设施和数据采集器较少，其中，数据采集器更少。这些边缘区域可能是由于智慧城市发展过程中呈现的，例如在智慧城市的扩张过程中产生的。智慧城市电子地图需要反应这些区域的基础设施的运作状态，进而进行针对性地决策。传统的智慧城市电子地图生成方案，需要大量的数据采集器采集到的数据，以确定对应区域的状态。而对于边缘区域而言，其数据采集器数量不足，因此传统方案无法及时且准确地生成包括边缘区域的智慧城市电子地图。
技术实现思路
本申请提出一种具有边缘自适应性的智慧城市电子地图生成方法，包括以下步骤：S1、调取预先构建的对应于智慧城市的初始电子地图；所述初始电子地图中标记有智慧城市的基础设施的位置和数据采集器的位置；所述初始电子地图预先划分为多个区域；S2、根据公式：基础设施区域密度=区域基础设施的数量/区域面积，计算出与所述多个区域对应的多个基础设施区域密度；同时根据公式：数据采集器区域密度=区域数据采集器的数量/区域面积，计算出与所述多个区域对应的多个数据采集器区域密度；S3、根据基础设施区域密度与数据采集器区域密度的比值大于预设的比例阈值的第一筛选规则，并且根据基础设施区域密度小于预设的密度阈值的第二筛选规则，从所述多个区域中筛选出多个边缘区域；S4、根据预设的地形相似度计算方法，对所述多个边缘区域进行相似度计算，以得到多个地形相似度值；S5、根据所述多个地形相似度值和基础设施的位置，对所述多个边缘区域进行配对处理，以得到多个边缘区域组；其中，每个边缘区域组中至少包括两个边缘区域，并且同一个边缘区域组中的所有边缘区域彼此之间的地形相似度值均小于预设的相似度阈值，同一个边缘区域组中的所有边缘区域中的基础设施的位置相同；S6、获取所述多个边缘区域组中的多个个人终端的第一历史定位数据，并根据所述第一历史定位数据，生成对应的多条历史移动轨迹，并组成多个移动轨迹组；其中，至少存在多个第一历史定位数据是在基础设备故障时采集得到的；同一个移动轨迹组的历史移动轨迹来自于同一个边缘区域组；S7、标记出所述多个移动轨迹组对应的区域状态，从而得到多个样本轨迹组；其中，所述区域状态为故障或者无故障；S8、将所述多个样本轨迹组输入预设的神经网络模型中进行训练，以得到故障区域预测模型；其中，所述神经网络模型采用有监督学习的方式进行训练，并采用反向传播算法更新各个网络层的参数；S9、获取待更新的边缘区域中多个个人终端在指定时间窗口中的定位数据，并对应生成多条当前移动轨迹；其中，所述指定时间窗口的右端点为当前时间；S10、将所述多条当前移动轨迹输入所述故障区域预测模型中进行处理，从而得到所述故障区域预测模型输出的预测结果；其中，所述预测结果包括故障或者无故障；S11、判断所述预测结果是否为故障；S12、若所述预测结果为故障，则将所述初始电子地图中所述待更新的边缘区域的状态变更为故障状态，从而完成具有边缘自适应性的智慧城市电子地图生成过程。具体地，所述根据所述多个地形相似度值和基础设施的位置，对所述多个边缘区域进行配对处理，以得到多个边缘区域组的步骤S5，包括：S501、进行第一次配对处理，以第一个边缘区域为核心，构建第一个边缘区域组，使得所述第一个边缘区域组中的除所述第一个边缘区域之外的其他边缘区域，与所述第一个边缘区域之间的地形相似度值均小于预设的相似度阈值，并且所述第一个边缘区域组中的所有边缘区域中的基础设施的位置相同；S502、进行第二次配对处理，以第二个边缘区域为核心，构建第二个边缘区域组，使得所述第二个边缘区域组中的除所述第二个边缘区域之外的其他边缘区域，与所述第二个边缘区域之间的地形相似度值均小于预设的相似度阈值，并且所述第二个边缘区域组中的所有边缘区域中的基础设施的位置相同；S503、进行第i次配对处理，以第i个边缘区域为核心，构建第i个边缘区域组，使得所述第i个边缘区域组中的除所述第i个边缘区域之外的其他边缘区域，与所述第i个边缘区域之间的地形相似度值均小于预设的相似度阈值，并且所述第i个边缘区域组中的所有边缘区域中的基础设施的位置相同，直到完成第n次配对处理；其中，多个边缘区域的数量为n个，i为小于等于n且大于2的整数。具体地，所述将所述多个样本轨迹组输入预设的神经网络模型中进行训练，以得到故障区域预测模型的步骤S8之前，包括：S71、对所述多个样本轨迹组分别对应的多个边缘区域组的范围，进行预设的范围修改处理，以得到多个修改后边缘区域组；S72、根据所述多个修改后边缘区域组，对所述多个样本轨迹组进行对应更新处理，以得到多个更新后样本轨迹组；S73、将所述多个更新后样本轨迹组记为扩充用的训练数据。具体地，所述对所述多个样本轨迹组分别对应的多个边缘区域组的范围，进行预设的范围修改处理，以得到多个修改后边缘区域组的步骤S71，包括：S711、对所述多个样本轨迹组分别对应的多个边缘区域组的范围，分别按预设的第一比例进行范围扩充处理，以得到多个扩充后边缘区域组；S712、对所述多个样本轨迹组分别对应的多个边缘区域组的范围，分别按预设的第二比例进行范围缩小处理，以得到多个缩小后边缘区域组；S713、采用所述多个扩充后边缘区域组和所述多个缩小后边缘区域组共同组成多个修改后边缘区域组。具体地，所述将所述多个样本轨迹组输入预设的神经网络模型中进行训练，以得到故障区域预测模型的步骤S8，包括：S801、将所述多个样本轨迹组划分为训练数据组和验证数据组；S802、将所述训练数据组，输入预设的神经网络模型中进行训练，以得到暂时故障区域预测模型；S803、采用所述验证数据组对所述暂时故障区域预测模型进行验证处理，并判断验证结果是否合格；S804、若验证结果是否合格，则将所述暂时故障区域预测模型记为最终的故障区域预测模型。本申请提供一种具有边缘自适应性的智慧城市电子地图生成系统，包括：初始电子地图调取单元，用于调取预先构建的对应于智慧城市的初始电子地图；所述初始电子地图中标记有智慧城市的基础设施的位置和数据采集器的位置；所述初始电子地图预先划分为多个区域；区域密度计算单元，用于根据公式：基础设施区域密度=区域基础设施的数量/区域面积，计算出与所述多个区域对应的多个基础设施区域密度；同时根据公式：数据采集器区域密度=区域数据采集器的数量/区域面积，计算出与所述多个区域对应的多个数据采集器区域密度；边缘区域筛选单元，用于根据基础设施区域密度与数据采集器区域密度的比值大于预设的比例阈值的第一筛选规则，并且根据基础设施区域密度小于预设的密度阈值的第二筛选规则，从所述多个区域中筛选出多个边缘区域；地形相似度值计算单元，用于根据预设的地形相本文档来自技高网...

【技术保护点】
1.一种智慧城市电子地图生成方法，其特征在于，包括：/nS1、调取预先构建的对应于智慧城市的初始电子地图；所述初始电子地图中标记有智慧城市的基础设施的位置和数据采集器的位置；所述初始电子地图预先划分为多个区域；/nS2、根据公式：基础设施区域密度=区域基础设施的数量/区域面积，计算出与所述多个区域对应的多个基础设施区域密度；同时根据公式：数据采集器区域密度=区域数据采集器的数量/区域面积，计算出与所述多个区域对应的多个数据采集器区域密度；/nS3、根据基础设施区域密度与数据采集器区域密度的比值大于预设的比例阈值的第一筛选规则，并且根据基础设施区域密度小于预设的密度阈值的第二筛选规则，从所述多个区域中筛选出多个边缘区域；/nS4、根据预设的地形相似度计算方法，对所述多个边缘区域进行相似度计算，以得到多个地形相似度值；/nS5、根据所述多个地形相似度值和基础设施的位置，对所述多个边缘区域进行配对处理，以得到多个边缘区域组；其中，每个边缘区域组中至少包括两个边缘区域，并且同一个边缘区域组中的所有边缘区域彼此之间的地形相似度值均小于预设的相似度阈值，同一个边缘区域组中的所有边缘区域中的基础设施的位置相同；/nS6、获取所述多个边缘区域组中的多个个人终端的第一历史定位数据，并根据所述第一历史定位数据，生成对应的多条历史移动轨迹，并组成多个移动轨迹组；其中，至少存在多个第一历史定位数据是在基础设备故障时采集得到的；同一个移动轨迹组的历史移动轨迹来自于同一个边缘区域组；/nS7、标记出所述多个移动轨迹组对应的区域状态，从而得到多个样本轨迹组；其中，所述区域状态为故障或者无故障；/nS8、将所述多个样本轨迹组输入预设的神经网络模型中进行训练，以得到故障区域预测模型；其中，所述神经网络模型采用有监督学习的方式进行训练，并采用反向传播算法更新各个网络层的参数；/nS9、获取待更新的边缘区域中多个个人终端在指定时间窗口中的定位数据，并对应生成多条当前移动轨迹；其中，所述指定时间窗口的右端点为当前时间；/nS10、将所述多条当前移动轨迹输入所述故障区域预测模型中进行处理，从而得到所述故障区域预测模型输出的预测结果；其中，所述预测结果包括故障或者无故障；/nS11、判断所述预测结果是否为故障；/nS12、若所述预测结果为故障，则将所述初始电子地图中所述待更新的边缘区域的状态变更为故障状态，从而完成具有边缘自适应性的智慧城市电子地图生成过程。/n...

【技术特征摘要】
1.一种智慧城市电子地图生成方法，其特征在于，包括：
S1、调取预先构建的对应于智慧城市的初始电子地图；所述初始电子地图中标记有智慧城市的基础设施的位置和数据采集器的位置；所述初始电子地图预先划分为多个区域；
S2、根据公式：基础设施区域密度=区域基础设施的数量/区域面积，计算出与所述多个区域对应的多个基础设施区域密度；同时根据公式：数据采集器区域密度=区域数据采集器的数量/区域面积，计算出与所述多个区域对应的多个数据采集器区域密度；
S3、根据基础设施区域密度与数据采集器区域密度的比值大于预设的比例阈值的第一筛选规则，并且根据基础设施区域密度小于预设的密度阈值的第二筛选规则，从所述多个区域中筛选出多个边缘区域；
S4、根据预设的地形相似度计算方法，对所述多个边缘区域进行相似度计算，以得到多个地形相似度值；
S5、根据所述多个地形相似度值和基础设施的位置，对所述多个边缘区域进行配对处理，以得到多个边缘区域组；其中，每个边缘区域组中至少包括两个边缘区域，并且同一个边缘区域组中的所有边缘区域彼此之间的地形相似度值均小于预设的相似度阈值，同一个边缘区域组中的所有边缘区域中的基础设施的位置相同；
S6、获取所述多个边缘区域组中的多个个人终端的第一历史定位数据，并根据所述第一历史定位数据，生成对应的多条历史移动轨迹，并组成多个移动轨迹组；其中，至少存在多个第一历史定位数据是在基础设备故障时采集得到的；同一个移动轨迹组的历史移动轨迹来自于同一个边缘区域组；
S7、标记出所述多个移动轨迹组对应的区域状态，从而得到多个样本轨迹组；其中，所述区域状态为故障或者无故障；
S8、将所述多个样本轨迹组输入预设的神经网络模型中进行训练，以得到故障区域预测模型；其中，所述神经网络模型采用有监督学习的方式进行训练，并采用反向传播算法更新各个网络层的参数；
S9、获取待更新的边缘区域中多个个人终端在指定时间窗口中的定位数据，并对应生成多条当前移动轨迹；其中，所述指定时间窗口的右端点为当前时间；
S10、将所述多条当前移动轨迹输入所述故障区域预测模型中进行处理，从而得到所述故障区域预测模型输出的预测结果；其中，所述预测结果包括故障或者无故障；
S11、判断所述预测结果是否为故障；
S12、若所述预测结果为故障，则将所述初始电子地图中所述待更新的边缘区域的状态变更为故障状态，从而完成具有边缘自适应性的智慧城市电子地图生成过程。


2.根据权利要求1所述的智慧城市电子地图生成方法，其特征在于，所述根据所述多个地形相似度值和基础设施的位置，对所述多个边缘区域进行配对处理，以得到多个边缘区域组的步骤S5，包括：
S501、进行第一次配对处理，以第一个边缘区域为核心，构建第一个边缘区域组，使得所述第一个边缘区域组中的除所述第一个边缘区域之外的其他边缘区域，与所述第一个边缘区域之间的地形相似度值均小于预设的相似度阈值，并且所述第一个边缘区域组中的所有边缘区域中的基础设施的位置相同；
S502、进行第二次配对处理，以第二个边缘区域为核心，构建第二个边缘区域组，使得所述第二个边缘区域组中的除所述第二个边缘区域之外的其他边缘区域，与所述第二个边缘区域之间的地形相似度值均小于预设的相似度阈值，并且所述第二个边缘区域组中的所有边缘区域中的基础设施的位置相同；
S503、进行第i次配对处理，以第i个边缘区域为核心，构建第i个边缘区域组，使得所述第i个边缘区域组中的除所述第i个边缘区域之外的其他边缘区域，与所述第i个边缘区域之间的地形相似度值均小于预设的相似度阈值，并且所述第i个边缘区域组中的所有边缘区域中的基础设施的位置相同，直到完成第n次配对处理；其中，多个边缘区域的数量为n个，i为小于等于n且大于2的整数。


3.根据权利要求1所述的智慧城市电子地图生成方法，其特征在于，所述将所述多个样本轨迹组输入预设的神经网络模型中进行训练，以得到故障区域预测模型的步骤S8之前，包括：
S71、对所述多个样本轨迹组分别对应的多个边缘区域组的范围，进行预设的范围修改处理，以得到多个修改后边缘区域组；
S72、根据所述多个修改后边缘区域组，对所述多个样本轨迹组进行对应更新处理，以得到多个更新后样本轨迹组；
S73、将所述多个更新后样本轨迹组记为扩充用的训练数据。


4.根据权利要求3所述的智慧城市电子地图生成方法，其特征在于，所述对所述多个样本轨迹组分别对应的多个边缘区域组的范围，进行预设的范围修改处理，以得到多个修改后边缘区域组的步骤S71，包括：
S711、对所述多个样本轨迹组分别对应的多个边缘区域组的范围，分别按预设的第一比例进行范围扩充处理，以得到多个扩充后边缘区域组；
S712、对所述多个样本轨迹组分别对应的多个边缘区域组的范围，分别按预设的第二比例进行范围缩小处理，以得到多个缩小后边缘区域组；
S713、采用所述多个扩充后边缘区域组和所述多个缩小后边缘区域组共同组成多个修改后边缘区域组。


5.根据权利要求1所述的智慧城市电子地图生成方法，其特征在于，所述将所述多个样本轨迹组输入预设的神经网络模型中进行训练，以得到故障区域预测模型的步骤S8，包括：
S801、将所述多个样本轨迹组划分为训练数据组和验证数据组；
S802、将所述训练数据组，输入预设的神经网络模型中进行训练，以得到暂时故障区域预测模型；
S803、采用所述验证数据组对所述暂时故障区域预测模型进行验证处理，并判断验证结果是否合格；
S804、若验证结果是否合格，则将所述暂时故障区域预测模型记为最终的故障区域预测模型。


6....

【专利技术属性】
技术研发人员：陈志华，宋凯，王霞，丁军祥，
申请(专利权)人：景网技术有限公司，
类型：发明
国别省市：湖北;42