城市健康风险空间识别优化方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种城市健康风险空间识别优化方法、系统、计算机设备及存储介质，所述方法包括：获取目标城市的基础地理信息数据和网络开源数据，构成第一样本数据集，预处理得到第二样本数据集；对第二样本数据集中的数据进行统计和处理，形成健康风险空间相关指标，得到第三样本数据集，构建随机森林模型，训练随机森林模型，得到健康风险空间识别模型，对城市待测区域网格进行健康风险识别，提取高风险区域的相关数据，构成第四样本数据集；对第四样本数据集中部分形态指标进行优化调整，得到第五样本数据集；根据健康风险空间识别模型，对第五样本数据集进行评估，得到最终健康风险空间优化结果。本发明专利技术可以对健康风险空间进行识别及优化。识别及优化。识别及优化。

【技术实现步骤摘要】
城市健康风险空间识别优化方法、系统、设备及存储介质


[0001]本专利技术涉及一种城市健康风险空间识别优化方法、系统、计算机设备及存储介质，属于大数据应用于城市公共卫生安全领域以及健康城市规划建设领域。

技术介绍

[0002]建设好健康城市是推动健康中国战略的重要内容。受近年来重大公共卫生事件的影响，基于公共健康安全的“健康城市”受到全社会的广泛关注。已有研究证明建成环境与公共健康关系密切，高密度建成环境的部分城市空间与健康风险存在强耦合，构成潜在“健康风险空间”。而此次突发重大公共卫生事件的快速传播则对从城市到社区的空间建设提出新的要求和挑战。
[0003]当前对于健康风险空间的识别多基于人口因素与社会环境因素，以中国疾病预防控制中心发布的《突发事件公共卫生风险评估管理办法》中流行病学三大构成要件，即传染源、传播途径、易感人群展开，而较少提及具体的建成环境提升策略；当前城市空间形态优化多从风环境与热舒适角度出发，尚缺乏从健康风险空间角度出发的空间形态优化策略。此外，空间形态优化多采用层次分析法(Analytic Hierarchy Process，AHP)作为多目标决策方法，缺乏深度学习及相关优化算法的应用探索。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种城市健康风险空间识别优化方法、系统、计算机设备及存储介质，其从城市空间形态视角提出更加有效和精准的建议，从空间形态出发，对健康风险空间进行了识别及优化，具体以道路环境、开发强度、建筑形态、通风潜力四个维度归纳提出多项指标，进而构建空间形态评价体系，通过机器学习的方式训练模型并进行空间识别，并通过参数化平台对进行高风险区域的模拟优化，以期为相关部门提供政策引导与空间形态引导，减少城市健康风险空间，落实健康目标。
[0005]本专利技术的第一个目的在于提供一种城市健康风险空间识别优化方法
[0006]本专利技术的第二个目的在于提供一种城市健康风险空间识别优化系统。
[0007]本专利技术的第三个目的在于提供一种计算机设备。
[0008]本专利技术的第四个目的在于提供一种存储介质。
[0009]本专利技术的第一个目的可以通过采取如下技术方案达到：
[0010]一种城市健康风险空间识别优化方法，所述方法包括：
[0011]获取目标城市的基础地理信息数据和网络开源数据，构成第一样本数据集；
[0012]对第一样本数据集进行预处理，得到第二样本数据集；
[0013]将目标城市中目标区域的地图划分为多个网格，对第二样本数据集中的数据进行统计和处理，形成健康风险空间相关指标，得到第三样本数据集；
[0014]根据第三样本数据集，构建随机森林模型，使用交叉验证训练随机森林模型并进行参数调优，得到健康风险空间识别模型；
[0015]利用城市健康风险空间识别模型，对城市待测区域网格进行健康风险识别，提取高风险区域的基础地理信息数据及形态指标数据，构成第四样本数据集；
[0016]构建遗传算法优化模型，对第四样本数据集中部分形态指标进行优化调整，得到第五样本数据集；
[0017]根据健康风险空间识别模型，对第五样本数据集进行评估，得到最终健康风险空间优化结果。
[0018]进一步的，所述对第一样本数据集进行预处理，具体包括：
[0019]针对第一样本数据集中每个特征的数据值进行折线图表绘制，判断每个特征中是否存在远偏离正常区间的异常值，对异常值进行删除；
[0020]对第一样本数据集中的相同数据进行去重操作。
[0021]进一步的，所述将目标城市中目标区域的地图划分为多个网格，对第二样本数据集中的数据进行统计和处理，形成健康风险空间相关指标，计算出每个网格内各项空间形态相关数据及风险数据，具体包括：
[0022]将目标城市中目标区域的地图进行网格划分，划分为多个N
×
N的网格，并标注网格序号；
[0023]对第二样本数据集中的数据进行统计和处理，计算出每个网格内风险等级及各项空间形态相关数据，使空间形态相关数据形成健康风险空间相关指标；
[0024]其中，所述空间形态相关数据包括接近度、穿行度、道路密度、建筑密度、空地率、容积率、建筑平均高度、建筑最大高度、建筑高度变异、高宽比、天空开阔度、地面粗糙度。
[0025]进一步的，所述对第二样本数据集中的数据进行统计和处理，计算出每个网格内风险等级及各项空间形态相关数据，使空间形态相关数据形成健康风险空间相关指标，具体包括：
[0026]根据目标城市公布的目标区域中各网格在重大公共卫生事件中作为风险区持续天数，使用自然断裂点法划定各网格风险等级，作为风险等级指标；
[0027]根据城市道路数据，对目标区域的道路按照所需的计算半径进行整体分析，得到每条道路路段的连接度和穿行度数据，计算每个网格内连接度和穿行度的平均值，作为道路连接度和穿行度指标；
[0028]根据城市道路数据，计算每个网格内的道路长度数据，并除以该网格面积，得到该网格内的道路密度，作为道路密度指标；
[0029]根据基础地理信息数据，计算每个网格内建筑基底面积，并除以该网格面积，得到该网格内的建筑密度，作为建筑密度指标；
[0030]根据基础地理信息数据，计算每个网格内空地面积，并除以该网格面积，得到该网格内的空地率，作为空地率指标；
[0031]根据基础地理信息数据，计算每个网格内各建筑中各层建筑面积之和，并除以该网格面积，得到该网格内的容积率，作为容积率指标；
[0032]根据基础地理信息数据，得到网格内各建筑的平均高度、最大高度，计算网格中各建筑高度的标准差，分别作为建筑平均高度指标、建筑最大高度指标、建筑高度变异指标；
[0033]根据基础地理信息数据与城市道路数据，得到网格内建筑平均高度与道路平均宽度，从而得到建筑平均高度与道路平均宽度的比值，作为高宽比指标；
[0034]根据基础地理信息数据，计算平均建筑高度和建筑密度，从而计算网格内的天空开阔度和地面粗糙度，分别作为天空开阔度指标与地面粗糙度指标。
[0035]进一步的，所述根据第三样本数据集，构建随机森林模型，使用交叉验证训练随机森林模型并进行参数调优，得到健康风险空间识别模型，具体包括：
[0036]针对特征相关性较大的指标，选择变异系数最大的特征列；
[0037]对于不平衡样本，采用上采样SMOTE算法进行少数样本点邻近插值，实现样本扩样和平衡；
[0038]将第三样本数据集划分为特征属性数据集和标签属性数据集；其中，接近度、穿行度、道路密度、建筑密度、空地率、容积率、建筑平均高度、建筑最大高度、建筑高度变异、高宽比、天空开阔度、地面粗糙度为特征属性，风险等级为标签属性；
[0039]对随机森林分类预测模型中森林数目数量、剪枝深度、最小分枝节点参数进行迭代调优，寻找交叉验证评分中最高得分所对应的最佳参数值，形成最佳参数组合，得到最终的随机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种城市健康风险空间识别优化方法，其特征在于，所述方法包括：获取目标城市的基础地理信息数据和网络开源数据，构成第一样本数据集；对第一样本数据集进行预处理，得到第二样本数据集；将目标城市中目标区域的地图划分为多个网格，对第二样本数据集中的数据进行统计和处理，形成健康风险空间相关指标，得到第三样本数据集；根据第三样本数据集，构建随机森林模型，使用交叉验证训练随机森林模型并进行参数调优，得到健康风险空间识别模型；利用城市健康风险空间识别模型，对城市待测区域网格进行健康风险识别，提取高风险区域的基础地理信息数据及形态指标数据，构成第四样本数据集；构建遗传算法优化模型，对第四样本数据集中部分形态指标进行优化调整，得到第五样本数据集；根据健康风险空间识别模型，对第五样本数据集进行评估，得到最终健康风险空间优化结果。2.根据权利要求1所述的城市健康风险空间识别优化方法，其特征在于，所述对第一样本数据集进行预处理，具体包括：针对第一样本数据集中每个特征的数据值进行折线图表绘制，判断每个特征中是否存在远偏离正常区间的异常值，对异常值进行删除；对第一样本数据集中的相同数据进行去重操作。3.根据权利要求1所述的城市健康风险空间识别优化方法，其特征在于，所述将目标城市中目标区域的地图划分为多个网格，对第二样本数据集中的数据进行统计和处理，形成健康风险空间相关指标，计算出每个网格内各项空间形态相关数据及风险数据，具体包括：将目标城市中目标区域的地图进行网格划分，划分为多个N
×
N的网格，并标注网格序号；对第二样本数据集中的数据进行统计和处理，计算出每个网格内风险等级及各项空间形态相关数据，使空间形态相关数据形成健康风险空间相关指标；其中，所述空间形态相关数据包括接近度、穿行度、道路密度、建筑密度、空地率、容积率、建筑平均高度、建筑最大高度、建筑高度变异、高宽比、天空开阔度、地面粗糙度。4.根据权利要求3所述的城市健康风险空间识别优化方法，其特征在于，所述对第二样本数据集中的数据进行统计和处理，计算出每个网格内风险等级及各项空间形态相关数据，使空间形态相关数据形成健康风险空间相关指标，具体包括：根据目标城市公布的目标区域中各网格在重大公共卫生事件中作为风险区持续天数，使用自然断裂点法划定各网格风险等级，作为风险等级指标；根据城市道路数据，对目标区域的道路按照所需的计算半径进行整体分析，得到每条道路路段的连接度和穿行度数据，计算每个网格内连接度和穿行度的平均值，作为道路连接度和穿行度指标；根据城市道路数据，计算每个网格内的道路长度数据，并除以该网格面积，得到该网格内的道路密度，作为道路密度指标；根据基础地理信息数据，计算每个网格内建筑基底面积，并除以该网格面积，得到该网格内的建筑密度，作为建筑密度指标；
根据基础地理信息数据，计算每个网格内空地面积，并除以该网格面积，得到该网格内的空地率，作为空地率指标；根据基础地理信息数据，计算每个网格内各建筑中各层建筑面积之和，并除以该网格面积，得到该网格内的容积率，作为容积率指标；根据基础地理信息数据，得到网格内各建筑的平均高度、最大高度，计算网格中各建筑高度的标准差，分别作为建筑平均高度指标、建筑最大高度指标、建筑高度变异指标；根据基础地理信息数据与城市道路数据，得到网格内建筑平均高度与道路平均宽度，从而得到建筑平均高度与道路平均宽度的比值，作为高宽比指标；根据基础地理信息数据，计算平均建筑高度和建筑密度，从而计算网格内的天空开阔度和地面粗糙度，分别作为天空开阔度指标与地面粗糙度指标。...

【专利技术属性】
技术研发人员：闫甲祺，陈然，魏宗财，马昊，甄文至，陈彤，黎冲，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：