人工智能大数据的道路建设规划方法、介质及电子设备技术

本申请提供了人工智能大数据的道路建设规划方法、介质及电子设备，运用于道路建设技术领域，其方法包括：获取道路建设规划书和城市道路平面地图，以生成道路建设规划书对应的规划区域，对所述城市道路平面地图进行二值化处理；根据空间图神经网络算法对所述道路建设区域图像进行建模；对所述道路建设区域图像进行区域切分，基于路网数据切分成各个细分区域图像；确定所述规划区域的各类属性，根据城市区域稀疏标签预测算法对规划区域进行检测；综合检测的数据对所述各个细分区域图像确定道路建设轨迹；达到了道路建设规划与项目规划一致的目的，有效的对收集到的信息进行转化和全面的分析。面的分析。面的分析。

【技术实现步骤摘要】
人工智能大数据的道路建设规划方法、介质及电子设备


[0001]本申请涉及道路建设
，特别涉及一种人工智能大数据的道路建设规划方法、介质及电子设备。

技术介绍

[0002]随着城市发展水平的日益提高，道路建设在实践中需要得到更好的改善和便捷，为了能够更好地适应大数据人工智能时代的变化趋势，有必要增加道路建设规划的技术含量，使其在大数据人工智能时代的应用更加高效，但在现有的道路建设规划上存在以下问题：目前在道路建设规划的工作中，在基础分析阶段，要收集来自城建、交通、水务、园林、城管、自然资源和规划等多个行业的资料，信息来源多、数据量庞大，导致不能有效的对收集到的信息进行转化，造成道路建设规划与项目规划不一致；参考专利申请号CN202110571984.9
‑
一种基于人工智能的公路路面全生命周期质量追溯方法公开了：该追溯方法首先以若干道路的历史数据建立数据库，然后利用该数据库和人工神经网络建立道路使用性能预测神经网络模型。在性能预测模型的基础上，对运营期的高速公路提供养护决策，并可以结合遗传算法对建设期高速公路的建设期数据进行规划，指导施工。本专利技术将道路全生命周期的各种指标数据作为考察对象，并根据各指标不同的属性分别进行数据处理，整合成数据库，结合人工神经网络和遗传算法，实现高速公路全生命周期的追溯。
[0003]此现有技术优化了道路的养护决策和施工指导，但从其方案针对的来说，存在如何对道路建设进行全面合理的分析处理，因此，本申请提供一种人工智能大数据的道路建设规划方法、介质及电子设备。

技术实现思路

[0004]本申请的目的是提供人工智能大数据的道路建设规划方法、介质及电子设备，旨在解决不能有效的对收集到的信息进行转化，造成道路建设规划与项目规划不一致的问题。
[0005]为实现上述目的，本申请提供如下技术方案：本申请提供人工智能大数据的道路建设规划方法，包括：S1：获取道路建设规划书和城市道路平面地图，以生成道路建设规划书对应的规划区域，对所述城市道路平面地图进行二值化处理，得到二值图，二值图中待规划区域内像素点的像素值为第一像素值，非规划区域内像素点的像素值为第二像素值，将二值图与待规划区域对应位置像素点的像素值相乘，得到道路建设区域图像；S2：根据空间图神经网络算法对所述道路建设区域图像进行建模，以得到所述道路建设区域图像的地理空间中两点之间的相对距离和角度信息；S3：对所述道路建设区域图像进行区域切分，基于路网数据切分成各个细分区域
图像；S4：确定所述规划区域的各类属性，根据城市区域稀疏标签预测算法对规划区域进行检测；S5：综合检测的数据对所述各个细分区域图像确定道路建设轨迹，以所述各个细分区域图像中的中心点为节点，选取其中一个节点作为初始节点，利用初始节点和剩余节点，基于最短路径算法，确定初始道路建设轨迹。
[0006]进一步的，所述根据空间图神经网络算法对所述道路建设区域图像进行建模，以得到所述道路建设区域图像的地理空间中两点之间的相对距离和角度信息的步骤，包括：设神经网络输入层的输入信号为，其表示为道路建设区域图像中第N个样本的第i个特性，，其表示为道路建设区域图像中第N个样本的第i个特性的输出信号，利用输入信号和输出信号的误差来计算连接输出层的误差，通过误差不断调整改变网络的连接权值，误差函数为：其中，d为输入数据的道路建设区域图像的特征数目，N为输入数据的样本数目，，，，分别表示映射层与输入层之间的连接权值、瓶颈层与映射层、映射层与瓶颈层、输出层与映射层。
[0007]进一步的，所述对所述道路建设区域图像进行区域切分，基于路网数据切分成各个细分区域图像的步骤中包括：利用区域分离聚合将道路建设区域图像进行区域切分，基于路网数据判断不满足同一性质的图像区域，将其划分为四个子象限区域，若子象限区域仍不满足同一性质将继续进行划分，直到所有的子象限区域满足同一性质。
[0008]进一步的，所述确定所述规划区域的各类属性，根据城市区域稀疏标签预测算法对规划区域进行检测的步骤中，所述各类属性为道路规划等级、道路规划红线宽度、道路规划长度、转化项目类型、匡算工程总投资和建设周期；其中，所述匡算工程总投资和建设周期用于计算项目平均年度投资。
[0009]进一步的，所述城市区域稀疏标签预测算法包括：假设集合 W= {w1,w2,w3,
⋯
,wi} 表示不重复的建设对象，i 表示建设对象数量，集合 U={u1,u2,u3,
⋯
,uj} 表示不重复道路，j 表示道路数量，以建设对象集合和道路集合为道路建设矩阵的行坐标与列坐标，构建道路和建设对象的邻接0
‑
1矩阵，若第j个道路对第 i 条建设对象有关注行为，则矩阵中 (j,i)=1 ，否则为0；进行特征分解，选取奇异值分解方法，公式为：其中U表示左奇异矩阵；A是奇异值对角矩阵； V 表示右奇异矩阵，奇异值分解方法依靠A矩阵来收缩原矩阵范围，在收缩过程中，需要对降维的数据判断有效与无效的矩阵范围。
[0010]进一步的，所述综合检测的数据对所述各个细分区域图像确定道路建设轨迹，以
所述各个细分区域图像中的中心点为节点，选取其中一个节点作为初始节点，利用初始节点和剩余节点，基于最短路径算法，确定初始道路建设轨迹的步骤中，包括：获取一个道路建设轨迹用于表示当前项目的道路建设规划，将所述道路建设轨迹与预测道路建设轨迹进行比较，得到比较的轨迹偏差结果，判断轨迹偏差程度大于预测道路建设轨迹程度时，则重新确定所述道路建设区域图像，更新预测道路建设轨迹。
[0011]进一步的，将所述轨迹偏差结果发送至监控平台，所述监控平台用于根据轨迹偏差结果进行纠偏处理，提供当前道路建设规划的建议。
[0012]本申请还提供一种人工智能大数据的道路建设规划的装置，包括：获取模块：获取道路建设规划书和城市道路平面地图，以生成道路建设规划书对应的规划区域，对所述城市道路平面地图进行二值化处理，得到二值图，二值图中待规划区域内像素点的像素值为第一像素值，非规划区域内像素点的像素值为第二像素值，将二值图与待规划区域对应位置像素点的像素值相乘，得到道路建设区域图像；建模模块：根据空间图神经网络算法对所述道路建设区域图像进行建模，以得到所述道路建设区域图像的地理空间中两点之间的相对距离和角度信息；切分模块：对所述道路建设区域图像进行区域切分，基于路网数据切分成各个细分区域图像；检测模块：确定所述规划区域的各类属性，根据城市区域稀疏标签预测算法对规划区域进行检测；确定模块：综合检测的数据对所述各个细分区域图像确定道路建设轨迹，以所述各个细分区域图像中的中心点为节点，选取其中一个节点作为初始节点，利用初始节点和剩余节点，基于最短路径算法，确定初始道路建设轨迹。
[0013]本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的人工智能大数据的道路建设规划方法的步骤。
[0014]本申请还提供一种计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.人工智能大数据的道路建设规划方法，其特征在于，包括：S1：获取道路建设规划书和城市道路平面地图，以生成道路建设规划书对应的规划区域，对所述城市道路平面地图进行二值化处理，得到二值图，二值图中待规划区域内像素点的像素值为第一像素值，非规划区域内像素点的像素值为第二像素值，将二值图与待规划区域对应位置像素点的像素值相乘，得到道路建设区域图像；S2：根据空间图神经网络算法对所述道路建设区域图像进行建模，以得到所述道路建设区域图像的地理空间中两点之间的相对距离和角度信息；S3：对所述道路建设区域图像进行区域切分，基于路网数据切分成各个细分区域图像；S4：确定所述规划区域的各类属性，根据城市区域稀疏标签预测算法对规划区域进行检测；S5：综合检测的数据对所述各个细分区域图像确定道路建设轨迹，以所述各个细分区域图像中的中心点为节点，选取其中一个节点作为初始节点，利用初始节点和剩余节点，基于最短路径算法，确定初始道路建设轨迹。2.根据权利要求1所述的人工智能大数据的道路建设规划方法，其特征在于，所述根据空间图神经网络算法对所述道路建设区域图像进行建模，以得到所述道路建设区域图像的地理空间中两点之间的相对距离和角度信息的步骤，包括：设神经网络输入层的输入信号为，其表示为道路建设区域图像中第N个样本的第i个特性，，其表示为道路建设区域图像中第N个样本的第i个特性的输出信号，利用输入信号和输出信号的误差来计算连接输出层的误差，通过误差不断调整改变网络的连接权值，误差函数为：其中，d为输入数据的道路建设区域图像的特征数目，N为输入数据的样本数目，，，，分别表示映射层与输入层之间的连接权值、瓶颈层与映射层、映射层与瓶颈层、输出层与映射层。3.根据权利要求1所述的人工智能大数据的道路建设规划方法，其特征在于，所述对所述道路建设区域图像进行区域切分，基于路网数据切分成各个细分区域图像的步骤中包括：利用区域分离聚合将道路建设区域图像进行区域切分，基于路网数据判断不满足同一性质的图像区域，将其划分为四个子象限区域，若子象限区域仍不满足同一性质将继续进行划分，直到所有的子象限区域满足同一性质。4.根据权利要求1所述的人工智能大数据的道路建设规划方法，其特征在于，所述确定所述规划区域的各类属性，根据城市区域稀疏标签预测算法对规划区域进行检测的步骤中，所述各类属性为道路规划等级、道路规划红线宽度、道路规划长度、转化项目类型、匡算
工程总投资和建设周期；其中，所述匡算工程总投资和建设周期用于计算项目平均年度投资。5.根据权利要求4所述的人工智能大数据的道路建设规划方法，其特征在于，所述城市区域稀疏标签预测算法包括：假设集合 W= {w1,w2,w3,
⋯
,wi} 表示不重复的建设对象，i 表示建设对象数量，集合 U={u1,u2,u3,<...

【专利技术属性】
技术研发人员：曾伟，陈兵，黄亚玲，
申请(专利权)人：曾伟，
类型：发明
国别省市：