一种城市体检评估方法、系统、存储介质及电子设备技术方案

本申请提供一种城市体检评估方法、系统、存储介质及电子设备，涉及城市体检技术领域。其中方法包括：基于目标城市的城市类别，从标准指标集合中确定参考指标；基于所述标准指标集合对应的指标知识图谱聚类结果，确定所述参考指标的第一神经网络模型；基于所述城市类别下其它城市与所述参考指标相关的历史参考数据，更新所述第一神经网络模型，得到第二神经网络模型；通过所述第二神经网络模型，处理所述目标城市与所述标准指标集合中各标准指标相关的体检数据，得到所述目标城市的体检评估结果。能够确定更契合城市类别的参考指标，并根据同类别的其它城市的数据对神经网络模型进行更新，从而提高目标城市的体检评估结果的准确性。准确性。准确性。

【技术实现步骤摘要】
一种城市体检评估方法、系统、存储介质及电子设备


[0001]本申请涉及城市体检
，具体涉及一种城市体检评估方法、系统、存储介质及电子设备。

技术介绍

[0002]国土空间规划城市体检评估（City Examination&Evaluation in Territorial Spatial Planning）指依据国土空间规划，按照“一年一体检、五年一评估”的方式，对城市发展体征及规划实施效果定期进行的分析和评价，是促进城市高质量发展、保障国土空间规划得到有效实施的重要工具（以下简称“体检评估”）。
[0003]由于城市体检评估的数据特殊性与复杂性，目前我国的城市体检评估制度建设主要由住房与城乡建设部和自然资源部两部委分别主持建设，各城市根据《国土空间规划城市体检评估规程》负责具体实施，例如2021年设立的安全、创新、协调、绿色、开放、共享六个一级评价维度，六个评价维度分别由具体确定的指标构成，各城市通过统一的指标来对六个维度进行评价。
[0004]但不同城市之间的地方特色与地域性资源差别较大，导致在进行城市体检评估时，指标使用与针对指标的数据分析难以准确契合城市特点，使得城市的体检评估结果不够准确。

技术实现思路

[0005]本申请提供了一种城市体检评估方法、系统、存储介质及电子设备，能够根据城市类别从标准指标集合中，确定更契合城市类别特点的参考指标，并根据同类别的其它城市的历史参考数据对神经网络模型进行更新，能够更加准确地对体检数据进行处理，从而提高目标城市的体检评估结果的准确性。
[0006]第一方面，本申请提供了一种城市体检评估方法，所述方法包括：基于目标城市的城市类别，从标准指标集合中确定参考指标；基于所述标准指标集合对应的指标知识图谱聚类结果，确定所述参考指标的第一神经网络模型；基于所述城市类别下其它城市与所述参考指标相关的历史参考数据，更新所述第一神经网络模型，得到第二神经网络模型；通过所述第二神经网络模型，处理所述目标城市与所述标准指标集合中各标准指标相关的体检数据，得到所述目标城市的体检评估结果。
[0007]通过采用上述技术方案，使用相同城市类别的参考指标相关的历史参考数据，将第一神经网络模型更新为第二神经网络模型，参考指标为标准指标集合中根据城市类别的相应特点确定的指标，能够通过更契合于目标城市的参考指标以及第二神经网络模型对体检数据进行处理，得到更加准确的目标城市的体检评估结果。
[0008]可选的，所述基于目标城市的城市类别，从标准指标集合中确定参考指标之前，包
括：根据标准指标集合构建指标知识图谱，所述标准指标集合包括多个标准指标及各标准指标的描述信息；使用BERT预训练模型对所述指标知识图谱中各标准指标的描述信息进行向量化处理，得到若干个指标表示向量；分别计算各指标表示向量之间的余弦相似度值，将所述余弦相似度值大于所设阈值的指标表示向量对应的标准指标进行聚类，得到所述标准指标集合对应的指标知识图谱聚类结果。
[0009]通过采用上述技术方案，通过对标准指标的描述信息进行向量化处理，比对各指标表示向量之间的余弦相似度值对标准指标进行聚类，从而能够将具有关联关系的标准指标进行聚类，便于后续第一神经网络模型的确定。
[0010]可选的，所述城市类别包括资源型城市、工业型城市、旅游型城市、枢纽型城市、创新型城市以及金融型城市中的一种，所述基于目标城市的城市类别，从标准指标集合中确定参考指标，包括：判断所述目标城市的城市类别，确定所述城市类别对应的城市功能分类结果；基于所述城市功能分类结果从标准指标集合中确定参考指标。
[0011]通过采用上述技术方案，从城市体检评估指标体系中确定城市类别相对应的参考指标，通过城市类别的划分能够快速确定参考指标。
[0012]可选的，所述基于所述城市类别下其他城市与所述参考指标相关的历史参考数据，更新所述第一神经网络模型，得到第二神经网络模型，包括：获取所述城市类别下其他城市与所述参考指标相关的历史体检数据、历史指标评价标准以及历史评估结果；基于所述历史体检数据、所述历史指标评价标准以及所述历史评估结果，得到所述参考指标的训练样本；基于所述参考指标的训练样本更新所述第一神经网络模型，得到第二神经网络模型。
[0013]通过采用上述技术方案，将同类型城市的历史参考数据作为训练样本，对第一神经网络模型进行更新，能够针对不同城市类别的特点将第一神经网络模型更新为更契合城市的第二神经网络模型，使得体检评估结果更加准确。
[0014]可选的，所述处理所述目标城市与所述标准指标集合中各标准指标相关的体检数据之前，还包括：分别获取第三方专业研究机构的统计数据、政府部门的公开数据、第三方机构的实地调查数据以及地方辖区的上报数据；对同一标准指标分别对应的所述统计数据、所述公开数据、所述实地调查数据以及所述上报数据进行加权计算，得到所述目标城市与所述标准指标集合中参考指标相关的体检数据，进行加权计算的数据权重由四类数据的均方根与所述四类数据的差值确定，所述四类数据包括所述统计数据、所述公开数据、所述实地调查数据以及所述上报数据。
[0015]通过采用上述技术方案，能够对多个渠道获取到的数据进行处理，使得最后输入模型进行计算的体检数据更加准确，使得体检评估结果更加可靠。
[0016]可选的，所述通过所述第二神经网络模型，处理所述目标城市与所述标准指标集合中各标准指标相关的体检数据，得到所述目标城市的体检评估结果，包括：获取所述标准指标的往年体检数据；对所述标准指标的往年体检数据以及所述体检数据进行归一化处理，得到归一化数值；分别计算各个归一化数值的正理想解与负理想解，并计算所述往年体检数据与所述正理想解的距离以及所述往年体检数据与所述负理想解的距离，基于所述往年体检数据与所述正理想解的距离以及所述往年体检数据与所述负理想解的距离，得到所述往年体检数据与所述正理想解的第一接近程度；分别计算所述体检数据与所述正理想解的距离以及所述体检数据与所述负理想解的距离，基于所述体检数据与所述正理想解的距离以及所述体检数据与所述负理想解的距离，得到所述体检数据与所述正理想解的第二接近程度；比对所述第一接近程度与所述第二接近程度的大小关系，得到各所述标准指标的指标评价；通过所述第二神经网络模型，处理所述指标知识图谱聚类结果中的各标准指标对应的评价结果，得到所述目标城市的体检评估结果。
[0017]通过采用上述技术方案，以往年体检数据作为参考，计算体检数据与最理想解的接近程度，通过比对得到当前的体检数据与往年体检数据的大小关系，得到体检评估结果，能够根据往年体检数据得到标准指标的评估参考量，无需另外核算每个参考指标的评估参考量。
[0018]可选的，所述分别计算各个归一化数值的正理想解与负理想解，包括：获取所述标准指标对应的期望标准，所述期望标准的取值为：；其中为所述期望标准，为所述归一化数值，M为所述归一化数值的最大取值，m为所述归一化数值的最小取值；根据所述标准指标对应的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市体检评估方法，其特征在于，所述方法包括：基于目标城市的城市类别，从标准指标集合中确定参考指标；基于所述标准指标集合对应的指标知识图谱聚类结果，确定所述参考指标的第一神经网络模型；基于所述城市类别下其它城市与所述参考指标相关的历史参考数据，更新所述第一神经网络模型，得到第二神经网络模型；通过所述第二神经网络模型，处理所述目标城市与所述标准指标集合中各标准指标相关的体检数据，得到所述目标城市的体检评估结果。2.根据权利要求1所述的方法，其特征在于，所述基于目标城市的城市类别，从标准指标集合中确定参考指标之前，还包括：根据标准指标集合构建指标知识图谱，所述标准指标集合包括多个标准指标及各标准指标的描述信息；使用BERT预训练模型对所述标准指标集合中各标准指标的描述信息进行向量化处理，得到若干个指标表示向量；分别计算各指标表示向量之间的余弦相似度值，将所述余弦相似度值大于所设阈值的指标表示向量对应的标准指标进行聚类，得到指标知识图谱的聚类结果。3.根据权利要求1所述的方法，其特征在于，所述城市类别包括资源型城市、工业型城市、旅游型城市、枢纽型城市、创新型城市以及金融型城市中的一种，所述基于目标城市的城市类别，从标准指标集合中确定参考指标，包括：判断所述目标城市的城市类别，确定所述城市类别对应的城市功能分类结果；基于所述城市功能分类结果从标准指标集合中确定参考指标。4.根据权利要求1所述的方法，其特征在于，所述基于所述城市类别下其他城市与所述参考指标相关的历史参考数据，更新所述第一神经网络模型，得到第二神经网络模型，包括：获取所述城市类别下其他城市与所述参考指标相关的历史体检数据、历史指标评价标准以及历史评估结果；基于所述历史体检数据、所述历史指标评价标准以及所述历史评估结果，得到所述参考指标的训练样本；基于所述参考指标的训练样本更新所述第一神经网络模型，得到第二神经网络模型。5.根据权利要求1所述的方法，其特征在于，所述处理所述目标城市与所述标准指标集合中各标准指标相关的体检数据之前，还包括：分别获取第三方专业研究机构的统计数据、政府部门的公开数据、第三方机构的实地调查数据以及地方辖区的上报数据；对同一标准指标分别对应的所述统计数据、所述公开数据、所述实地调查数据以及所述上报数据进行加权计算，得到所述目标城市与所述标准指标集合中参考指标相关的体检数据，进行加权计算的数据权重由四类数据的均方根与所述四类数据的差值确定，所述四类数据包括所述统计数据、所述公开数据、所述实地调查数据以及所述上报数据。6.根据权利要求1所述的方...

【专利技术属性】
技术研发人员：于凯，陈敬敏，郤雨菲，
申请(专利权)人：北京佰信蓝图科技股份有限公司，
类型：发明
国别省市：