城市信息模型人工智能服务方法及系统技术方案

一种基于三维数据森林的城市信息模型人工智能服务方法，通过具有三维数据森林结构的空间数据库等的设置，采用人工神经网络、决策树和蚁群算法模型相关的三种数据结构，从模型预测精确性以及预测模型的视觉呈现质量上进行了全方位的服务。拓宽了服务面以及精确性，改善了用户体验。实现了城市信息模型在不同应用场景下的重复利用，取得了呈现效果优选的低出错率的数据导出。出错率的数据导出。出错率的数据导出。

【技术实现步骤摘要】
城市信息模型人工智能服务方法及系统


[0001]本专利技术为2017111037291的系列申请，涉及三维模型应用
，尤其涉及基于三维数据森林的城市信息模型人工智能服务方法。

技术介绍

[0002]城市信息模型是以城市信息数据为基数，建立起三维城市空间模型和城市信息的有机综合体。随着全国数字城市和智慧城市建设的开展，城市三维信息化管理和建设在各个领域快速推进。各地方城市信息模型数据越来越多，与此同时也出现了大量的城市模型应用系统。但这些城市信息模型应用绝大多数以三维可视化为主，没有将三维模型数据的价值充分应用到行业业务之中。由于，目前不同行业的三维模型系统中数据格式往往不同，没有统一的语义信息，进而导致在同一城市区域内不同行业或不同系统的三维模型数据无法重复使用。
[0003]现有的城市信息模型数据应用系统的技术缺点主要表现在以下几个方面：1)三维模型数据以文件系统存储，不利于检索与维护；2)三维模型数据没有统一的定义，数据信息内容以空间位置和图形呈现为主，没有语义信息；而语义信息是连接城市信息模型数据和业务应用系统的基础。3)模型数据与应用程序往往深度绑定，耦合性很强，一个系统建设的三维模型数据或功能很难被其它系统重复利用。
[0004]为此，Thomas H.Kolbe等公开的“3D City Databasefor CityGML”一文中提供了一种基于CityGML格式的三维城市数据库文件，三维城市模型被用作代表相关城市实体及其空间、语义和视觉属性的综合信息主干，三维城市数据库是个免费的开源包，由一个数据库和一套软件工具组成，可以根据CityGML标准导入、管理、分析、可视化和导出虚拟的三维城市模型，由于城市三维数据库是基于CityGML格式的，因此，从用户应用程序到数据库的课交互数据方问至少可以通过两种方式实现，一种方式为，通过使用包含的高性能CityGML导入/导出工具或所包含的基本Web要素服务2.0版本，以 2.0或1.0版本的CityGML格式交换数据，三维城市数据库WFS要素服务可以将相应的要素实例根据请求发送到客户端，GetFeature操作允许客户端从三维城市数据库查询 CityGML要素，例如，web要素服务将使用gml：id值与ID_0815匹配的CityGMLcity 对象响应请求。并且还公开了一种光照分析方法，计算直接和漫射照射到建筑物的墙壁和屋顶的太阳能，计算中考虑了建筑投影，数字表面模型和数字高程模型，每月的能量和辐照值以及天空景观因子作为一般属性附加到所有墙体和屋顶表面物体上，并以聚合形式附加到所有建筑物上，然而，在该方案中，并非通过变换得到变换后分析的结果，即并非将城市信息模型按照分析条件进行变换得到分析后的结果。进一步，当其通过 Web要素服务将城市信息模型发送给外部应用时，由于需要各自操作各自导出，这样，大大降低了导出效率，还可能会导致导出错误以及不支持的情况。
[0005]从算法角度看，现有技术往往依靠单一的算法来决定匹配结果，由于网络中请求量的剧增，会导致服务器的载荷过大，从而需要考虑对于算法的修改满足减荷需求，然而同时会引发错误率的提升，需额外对两者兼顾考虑。
[0006]从视觉呈现角度看，用户可能因随机或不知道模型呈现视觉效果如何的前提下而发出请求参数，从而当接收到匹配的模型时，会出现不能满足用户的视觉呈现质量要求而只能够重复申请。但尝试性调整参数是盲目的，会造成不必要的资源的重复浪费，大大增加了服务和利用成本。
[0007]现有技术中尚不存在能够降低导出错误率且考虑视觉呈现效果的三维城市数据库的不同场景应用。

技术实现思路

[0008]有鉴于此，本专利技术实施例的目的在于提供了城市信息模型人工智能服务方法，通过空间数据库等的设置，实现了城市信息模型在不同应用场景下的重复利用，并且数据导出出错率低视觉呈现质量高。
[0009]具体而言，根据本专利技术的第一方面，本专利技术实施例提供了基于三维数据森林的城市信息模型人工智能服务方法，包括：
[0010]S1将城市信息模型存储在具有数据森林结构数据的空间数据库中，其中，所述城市信息模型的格式为CityGML；
[0011]S2构建由多种人工智能模型组成的联合人工智能模型U；
[0012]S3当接收到外部应用发出的服务请求时，获取请求参数ap，利用联合人工智能模型U从所述空间数据库调取与所述服务请求相应的城市信息模型；
[0013]S4通过Web要素服务将所述城市信息模型发送给所述外部应用。
[0014]关于S1
[0015]S1具体包括：
[0016]S1
‑
1制定请求参数类型，包括：城市名、请求地理范围、城市信息模型所在时间(也即城市信息模型是基于某时刻的遥感图像而构建的，可以理解的是，例如白天九点时或夜晚十点时的城市信息模型)、道路名称、建筑类型、建筑几何参数、光照条件、建筑屋顶材质、加密信息。
[0017]S1
‑
2构建多分块图P，P中每个分块都具有编号和多个像素，分别对应了相应的请求参数类型以及类型下具体的像素值，按照预设的排序规则将请求参数类型排序成第一方阵，按照像素值大小在每个分块中进行排序形成第二方阵且每个像素上都具有以像素值个单位为高的直棱柱，并为每个分块预留一个零像素点，构成了空间数据库的三维数据森林结构；
[0018]S1
‑
3将城市信息模型存储入所述空间数据库中并按照所属的请求参数类型和相应像素值构建指针函数指向三维数据森林结构相应的像素中。
[0019]可以理解的是，构建指针函数相当于在模型和三维数据森林之间建立了映射关系 (如图1所示)，这也就是在后文步骤S2中根据目标参数映射找到模型的依据。即利用目标参数寻找模型时，是通过目标参数与模型的各请求参数类型下的像素的像素值之间进行比对，匹配时即通过指针函数而调用到模型。
[0020]由于城市信息模型构建数量有限，一般不会使得分块图P中每个像素点都填满(也即满射)在该参数类型下所有可能像素值的模型，甚至可能对于某一或某些像素或分块来说，模型数据是空缺的。然而一旦用户请求参数在空间数据库中未找到对应的模型时，则可
以考虑构建新的模型以更新数据库，尤其是当这些用户请求逐渐增加时。其中单位可用厘米计量。
[0021]其中，其中，城市名和道路名称、光照条件名称、建筑类型和建筑屋顶材质名称，三组名称在字数多者靠后原则下按照各自名称逐个文字拼音首字母顺序排序，且拼音首字母序列Aa、Bb、Cc...在三组中分别赋予以第一预设值序列、第二预设值序列和第三预设值序列作为像素值赋值标准；
[0022]请求地理范围、建筑几何参数分别以请求地理范围的面积大小、建筑几何参数大小排序，分别以面积数值、几何参数值作为像素值赋值标准；
[0023]城市信息模型所在时间按照年月日时分秒组合成的数值作为像素值赋值标准且按组合成的数值大小排序；
[0024]建筑类型和建筑屋顶材质还可以分别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于三维数据森林的城市信息模型人工智能服务方法，其特征在于，包括如下步骤：S1将城市信息模型存储在具有数据森林结构数据的空间数据库中，其中，所述城市信息模型的格式为CityGML；S2构建由多种人工智能模型组成的联合人工智能模型U；S3当接收到外部应用发出的服务请求时，获取请求参数ap，利用联合人工智能模型U从所述空间数据库调取与所述服务请求相应的城市信息模型；S4通过Web要素服务将所述城市信息模型发送给所述外部应用。2.根据权利要求1所述的方法，其特征还在于，S1具体包括：S1
‑
1制定请求参数类型，包括：城市名、请求地理范围、城市信息模型所在时间、道路名称、建筑类型、建筑几何参数、光照条件、建筑屋顶材质、加密信息；S1
‑
2构建多分块图P，P中每个分块都具有编号和多个像素，分别对应了相应的请求参数类型以及类型下具体的像素值，按照预设的排序规则将请求参数类型排序成第一方阵，按照像素值大小在每个分块中进行排序形成第二方阵且每个像素上都具有以像素值个单位为高的直棱柱，并为每个分块预留一个零像素点，构成了空间数据库的三维数据森林结构，其中；S1
‑
3将城市信息模型存储入所述空间数据库中并按照所属的请求参数类型和相应像素值构建指针函数指向三维数据森林结构相应的像素中，其中，加密信息以随机码作为像素值；城市名和道路名称、光照条件名称、建筑类型和建筑屋顶材质名称，三组名称在字数多者靠后原则下按照各自名称逐个文字拼音首字母顺序排序，且拼音首字母序列Aa、Bb、Cc
…
在三组中分别赋予以第一预设值序列、第二预设值序列和第三预设值序列作为像素值赋值标准；请求地理范围、建筑几何参数分别以请求地理范围的面积大小、建筑几何参数大小排序，分别以面积数值、几何参数值作为像素值赋值标准；城市信息模型所在时间按照年月日时分秒组合成的数值作为像素值赋值标准且按组合成的数值大小排序；其中，建筑类型和建筑屋顶材质还或者按照预设的建筑类型排序规则排序，光照条件或者按照光照参数值作为像素值赋值标准且大小排序，建筑几何参数包括每一栋建筑的预设标记点在城市坐标系下的坐标值，所述预设标记点与坐标系原点距离，以及建筑的高度。3.根据权利要求2所述的方法，其特征还在于，将城市名、请求地理范围、城市信息模型所在时间、道路名称、建筑类型、建筑几何参数、光照条件、建筑屋顶材质对应的像素值都归一化处理。4.根据权利要求2所述的方法，其特征还在于，S2具体包括：S2
‑
1将数据森林地面的每个第二方阵中的每个像素的像素值的归一化数值乘以255或任选的彩色中RGB任选至少一基色值乘以归一化数值之后形成的新的RGB三值作为该像素的颜色值，形成多分块图P；S2
‑
2初始化请求参数形成请求参数总结点，从所述总结点出发，连接每一个第一方阵中任选的一个第二方阵的像素节点，以请求参数为目标参数节点作为终点形成多条路径r；S2
‑
3任选步骤S2
‑
2中的一条路径，按照该路径中的像素节点在路径方向上的排序形成从所述总结点为根的共有五个层次的数据树，
S2
‑
4构建第一人工智能模型ANN1、蚁群模型AG、决策树模型DT组成的联合人工智能模型U。5.根据权利要求4所述的方法，其特征还在于，从请求参数总结点出发，分成城市名和加密信息两个节点形成两个总支路，从城市名节点出发，分支成多个第一支路，每个城市名称节点上又分出多个不同的请求地理范围，形成多个第二支路，每个请求地理范围节点上再分出多个城市信息模型所在时间节点，形成第三支路，每个时间节点上再分出道路名称和建筑类型两个节点，形成多个第四支路，其中建筑类型节点上又分出建筑几何参数、光照条件、建筑屋顶材质三个节点，形成多个第五支路，其中，城市名和加密信息构成了第一层次，请求地理范围构成了第二层次，城市信息模型所在时间构成了第三层次，道路名称和建筑类型构成了第四层次，几何参数、光照条件、建筑屋顶材质则构成了第五层次。6.根据权利要求4所述的方法，其特征还在于，其中步骤S2
‑
4具体包括：S2
‑4‑
1任选至少一个像素且将未选的像素的像素值赋予第一预设像素值，形成多个多分块图样本Q，将样本Q分为训练集d、验证集v、测试集t，三者比例为10
‑
5:5
‑
3:2
‑
1，以训练集d为输入端，目标参数O为输出端构建人工智能网络模型ANN1，使用验证集v验证，不断训练调整网络参数，直至预测准确率高于预设准确率时停止训练；构建目标参数O与城市信息模型Mod之间的映射关系从而获得其中O
p1
为训练好的ANN1预测的目标参数，而Mod
p1
为相应预测的城市信息模型；S2
‑4‑
2在接收外部应用发出的服务请求时，获取到请求参数ap作为处理目标，输入多条路径r中，获得处理目标在每一条路径上的节点的第一总评价分数，也即节点第一配对概率值作为评价信息，确定该目标处理的第一时间评分，将该节点的第一总评价分数与该第一时间评分的平均数作为在该条路径上的该处理目标的匹配参数而赋予该条路径，删除第一节点不匹配以及匹配参数最低的路径；处理目标再重复输入剩余的多条路径中，获得剩余每一条路径上节点的第二总评价分数，也即节点第二配对概率值作为评价信息，确定该目标处理的第二时间评分，将该节点的第二总评价分数与该第二时间评分的平均数作为在该条路径上的该处理目标的匹配参数而赋予该条路径，删除第二节点不匹配以及匹配参数最低的路径，不断重复过程，直到剩余一条路径或多条匹配参数一致的最终路径，将任选一条所述最终路径上的像素值作为目标参数根据映射关系得到最后的Mod
p2
为相应预测的城市信息模型，从而获得蚁群模型n＝{n|n∈[1,r
s
],r1＝r}，其中r为处理目标第一次输入前从所述总结点出发形成多条路径条数，s为输入的次数，r
s
为第s次输入时的路径条数...

【专利技术属性】
技术研发人员：刘俊伟，
申请(专利权)人：泰瑞数创科技北京股份有限公司，
类型：发明
国别省市：