基于GIS和机器视觉的城市网格化管理方法及系统技术方案

本发明专利技术公开了一种基于GIS和机器视觉的城市网格化管理方法，其包括对城市遥感地图进行多级网格划分，并对每个城市网格配置唯一编码；在每个城市网格的地理区域中布置复眼成像监控装置，并对每个复眼成像监控装置进行编码；利用复眼成像监控装置获取城市监控图像，并使用深度神经网络图像识别模型对监控图像进行分类识别已获得所述城市监控图像的分类标签；对获得的分类标签进行信息整合以获得同一城市管理事件信息集合。一城市管理事件信息集合。一城市管理事件信息集合。

【技术实现步骤摘要】
基于GIS和机器视觉的城市网格化管理方法及系统


[0001]本专利技术涉及城市网格化管理
，尤其涉及一种基于GIS和机器视觉的城市网格化管理方法及系统。

技术介绍

[0002]进入20世纪90年代，城市化进程明显加快，对区域经济社会发展起到了巨大的推动作用，但在城市化水平提高的同时，也出现了交通拥挤、环境污染等一系列城市问题。这些问题的出现固然有城市建设方面的原因，但更重要的还是由城市管理体制和城市管理手段等方面的原因造成的。由于传统管理体制方面的原因，城市管理存在许多薄弱环节，主要表现为：信息滞后，管理被动；各专业管理部门职能交叉、多头管理。从城市管理手段看，虽然许多城市已经建立了城市管理信息系统，但多限于城市信息的存储和管理，而城市的业务和事务管理很少用到现代信息技术，通常还是用传统的粗放式管理手段，这显然远远不能适应现代城市的发展需要。随着计算机技术、信息技术、网络和通信技术的快速发展及其在城市管理中的应用，城市信息化管理进程明显加快，相继出现了“数字城市”、“智能城市”等概念。进入21世纪，北京、上海等地尝试将网格化管理应用于现代城市管理,并取得了良好的效果。
[0003]但是目前的城市网格化管理仍处于初级阶段，城市信息的收集与上传仍然更多的依靠处于社区街道的基层网格管理员，通过人工方式实现。这就造成了信息的获取在时效性、准确性和完整性的多方面的缺陷。当发生城市突发事件时，由集成网格管理上报大量信息和数据时，这些数据信息之间往往是相互独立的，无法及时反映出突发事件的全貌。这就使得突发事件处理部门在应对突发事件上难于作出及时有效的应对策略。
[0004]由此可见，本领域中需要一种能够基于GIS系统和机器视觉分析功能的针对城市突发事件进行信息数据分析整合的管理系统，从而提高对城市突发事件的感知速度和准确度，及时描绘出突发事件的全部信息。

技术实现思路

[0005]本专利技术所要实现的技术目的在于提供基于GIS和机器视觉的城市网格化管理方法及系统，基于该系统能够实现对城市突发事件进行信息数据分析整合，从而提高对城市突发事件的感知速度和准确度，及时描绘出突发事件的全部信息。
[0006]为实现上述技术目的，本专利技术提供一种基于GIS和机器视觉的城市网格化管理方法，所述方法包括：
[0007]对城市遥感地图进行多级网格划分，并对每个城市网格配置唯一编码；
[0008]在每个城市网格的地理区域中布置复眼成像监控装置，并对每个复眼成像监控装置进行编码；
[0009]将城市网格编码与复眼成像监控装置编码输入地理信息化系统GIS，并完成城市网格编码与复眼成像监控装置编码的对应关系；
[0010]利用复眼成像监控装置获取城市监控图像，并使用深度神经网络图像识别模型对监控图像进行分类识别已获得所述城市监控图像的分类标签；
[0011]对获得的分类标签进行信息整合，所述信息整合过程包括如下步骤：
[0012]A.将所述分类标签划分为第一类城市管理事件和第二类城市管理事件；
[0013]B.筛选出所有第一类城市管理事件的城市网格，并将每一个输出第一类城市管理事件的城市网格设定为一个第一级事件网格，同时将相邻的第一级事件网格进行合并成一个第一级事件网格；
[0014]C.针对个第一级事件网格构建信息整合数据存储器并将该第一级事件网络的分类标签及网格编码输入信息整合存储器，随后筛选与该第一级事件网格相邻的所有城市网格，将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口的分类标签及网格编码输入信息整合数据存储器；
[0015]D.对与窗口网格相邻且网格编码未存储入信息整合数据存储器的城市网格进行筛选，将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口网格的分类标签和网格编码存入信息整合数据存储器；重复步骤D直至不在检测到相邻的发生第二类城市管理事件的网格；
[0016]E.将信息整合数据存储器中的信息数据输出为一条城市管理事件信息集合并输出。
[0017]在一个实施例中，所述对城市遥感地图进行多级网格划分具体为：以城市遥感地图中的街道级行政区域范围为基准进行一级网格划分在每一个一级网格中以城市的道路为基准进行二级网格划分。
[0018]在一个实施例中，所述复眼成像监控装置采用由6行
×
8列共48个窄视场长焦成像子单元构成的阵列，每个窄视场长焦成像子单元的焦距为100mm，视场角为 35
°
，输出图像的分辨率为1080P。
[0019]在一个实施例中，所述使用深度神经网络图像识别模型对监控图像进行分类识别包括：
[0020]对所述城市监控图像以预定的时间间隔进行提取，每提取预定数量的城市监控图像构成为一组，每组内的每个监控图像都经过傅里叶变换转换为高频数据分量及低频数据分量，并分别输入高频分量网络模块模块和低频分量网络模块，从高频分量网络模块模块和低频分量网络模块获得的运算结果经过叠加输入共享权重的长短时期记忆网络单元，在经过长短时期记忆网络单元后其输出结果输入全连接层。经过全连接层后结果输入至图卷积分类器以获得多分类标签。
[0021]在一个实施例中，所述高频分量网络模块中的输入卷积层采用4
×
4的卷积核， 16个滤波器，滑动步长为1。卷积块数目为三个，其中第一卷积块设置为具有三通道的卷积层，第一卷积块的第一通道为单层卷积层，其采用8
×
8的卷积核，32 个滤波器，滑动步长为1；第一卷积块的第二通道为双层卷积层，其中第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第三通道为三层卷积层，其中第一卷积层8
×
8 的卷积核，32个滤波器，滑动步长为1，第二卷积层采用4
×
4的卷积核，32个滤波器，滑动步长为1，第三卷积层采用4
×
4的卷积核，16个滤波器，滑动步长为 1。
[0022]第二卷积块设置为具有三通道的卷积层，第二卷积块的第一通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第二卷积块的第二通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，128个滤波器，滑动步长为1；第二卷积块的第三通道为三层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为 1，其第二卷积层采用4
×
4的卷积核，64个滤波器，滑动步长为1，其第三卷积层采用2
×
2的卷积核，128个滤波器，滑动步长为1。
[0023]第三卷积块设置为具有双通道的卷积层，第三卷积块的第一通道为双层卷积层，其第一卷积本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GIS和机器视觉的城市网格化管理方法，其特征在于，所述方法包括：对城市遥感地图进行多级网格划分，并对每个城市网格配置唯一编码；在每个城市网格的地理区域中布置复眼成像监控装置，并对每个复眼成像监控装置进行编码；将城市网格编码与复眼成像监控装置编码输入地理信息化系统GIS，并完成城市网格编码与复眼成像监控装置编码的对应关系；利用复眼成像监控装置获取城市监控图像，并使用深度神经网络图像识别模型对监控图像进行分类识别以获得所述城市监控图像的分类标签；对获得的分类标签进行信息整合，所述信息整合过程包括如下步骤：A.将所述分类标签划分为第一类城市管理事件和第二类城市管理事件；B.筛选出所有第一类城市管理事件的城市网格，并将每一个输出第一类城市管理事件的城市网格设定为一个第一级事件网格，同时将相邻的第一级事件网格进行合并成一个第一级事件网格；C.针对个第一级事件网格构建信息整合数据存储器并将该第一级事件网络的分类标签及网格编码输入信息整合存储器，随后筛选与该第一级事件网格相邻的所有城市网格，将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口的分类标签及网格编码输入信息整合数据存储器；D.对与窗口网格相邻且网格编码未存储入信息整合数据存储器的城市网格进行筛选，将发生第二类城市管理事件的网格设定为窗口网格，并将该窗口网格的分类标签和网格编码存入信息整合数据存储器；重复步骤D直至不在检测到相邻的发生第二类城市管理事件的网格；E.将信息整合数据存储器中的信息数据输出为一条城市管理事件信息集合并输出。2.根据权利要求1所述的城市网格化管理方法，其特征在于，所述对城市遥感地图进行多级网格划分具体为：以城市遥感地图中的街道级行政区域范围为基准进行一级网格划分在每一个一级网格中以城市的道路为基准进行二级网格划分。3.根据权利要求1所述的城市网格化管理方法，其特征在于，所述复眼成像监控装置采用由6行
×
8列共48个窄视场长焦成像子单元构成的阵列，每个窄视场长焦成像子单元的焦距为100mm，视场角为35
°
，输出图像的分辨率为1080P。4.根据权利要求1所述的城市网格化管理方法，其特征在于，所述使用深度神经网络图像识别模型对监控图像进行分类识别包括：对所述城市监控图像以预定的时间间隔进行提取，每提取预定数量的城市监控图像构成为一组，每组内的每个监控图像都经过傅里叶变换转换为高频数据分量及低频数据分量，并分别输入高频分量网络模块模块和低频分量网络模块，从高频分量网络模块模块和低频分量网络模块获得的运算结果经过叠加输入共享权重的长短时期记忆网络单元，在经过长短时期记忆网络单元后其输出结果输入全连接层。经过全连接层后结果输入至图卷积分类器以获得多分类标签。5.根据权利要求4所述的城市网格化管理方法，其特征在于，所述高频分量网络模块中的输入卷积层采用4
×
4的卷积核，16个滤波器，滑动步长为1。卷积块数目为三个，其中第一卷积块设置为具有三通道的卷积层，第一卷积块的第一通道为单层卷积层，其采用8
×
8的
卷积核，32个滤波器，滑动步长为1；第一卷积块的第二通道为双层卷积层，其中第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第三通道为三层卷积层，其中第一卷积层8
×
8的卷积核，32个滤波器，滑动步长为1，第二卷积层采用4
×
4的卷积核，32个滤波器，滑动步长为1，第三卷积层采用4
×
4的卷积核，16个滤波器，滑动步长为1。第二卷积块设置为具有三通道的卷积层，第二卷积块的第一通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1；第二卷积块的第二通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，128个滤波器，滑动步长为1；第二卷积块的第三通道为三层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，64个滤波器，滑动步长为1，其第三卷积层采用2
×
2的卷积核，128个滤波器，滑动步长为1。第三卷积块设置为具有双通道的卷积层，第三卷积块的第一通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，32个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，64个滤波器，滑动步长为1；第三卷积块的第二通道为双层卷积层，其第一卷积层采用8
×
8的卷积核，64个滤波器，滑动步长为1，其第二卷积层采用4
×
4的卷积核，128个滤波器，滑动步长为1。第三卷积块输出至平均池化层，平均池化层的池化窗口大小设置为2
×
2，通道数为64，步长设定为2。6.一种基于GIS和机器视觉的城市网格化管理系统，所述系统包括...

【专利技术属性】
技术研发人员：魏希影，
申请(专利权)人：北京网汇智城科技有限公司，
类型：发明
国别省市：