【技术实现步骤摘要】
本专利技术涉及价值评估，具体涉及一种基于时空场景的空间数据的价值评估方法。
技术介绍
1、随着数字化转型的加速，数据已成为经济增长的关键因素，行业数据在决策、研究、洞察等方面发挥着重要作用。然而，行业数据的生产、储存、流通和利用仍存在诸多问题，如数据来源不可靠、数据质量不高、数据难以共享等。基于数据经纪的行业数据要素交易流通平台通过数据经纪人的角色，统一数据标准，提高数据质量和流通性，满足行业数据需求，是推动行业数据发展的重要举措。
2、基于时空场景的空间数据价值评估技术是一种在数据价值评估中考虑时间和地理位置信息的技术方法。它能够充分考虑数据的时效性和空间性，从而使得数据价值评估更加科学和准确。这种技术方法可以应用于许多不同的领域，如实时交通数据分析、城市管理、环境监测等。它是数据价值评估技术的重要发展方向，是一种技术先进、有创新性的技术方法，然而现有的数据价值评估方案是基于人工印象打分，具有以下缺点：
3、1、仅依赖人工评估，效率低，费时费力；
4、2、个人主观印象在价值评估中有很大影响，不能正确评估价值；
5、3、没有统一的数据评估技术，不同人之间的评估存在较大差异。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的一种基于时空场景的空间数据的价值评估方法解决了现有的数据价值评估方案严重依赖人工评估导致的数据主观性过高，数据缺乏标准化的问题。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：一种
3、s1、获取待评估空间数据，并进行数据预处理，得到预处理后的数据；
4、s2、利用机器学习，得到最终供应商系数计算公式；
5、s3、向最终供应商系数计算公式中输入本次评估需要的参数，得到最终供应商系数；
6、s4、根据预处理后的数据和最终供应商系数进行价值曲线拟合；
7、s5、根据拟合的价值曲线进行时空场景的空间数据的价值评估。
8、进一步地：所述步骤s1中，所述待评估空间数据包括时间要素、空间要素和供应商要素；
9、所述时间要素用于作为空间数据的价值评估的时间轴；
10、所述空间要素用于地址匹配，作为空间数据的价值评估的空间轴；
11、所述供应商要素用于进行空间数据价值评估。
12、进一步地：所述步骤s1中，数据预处理包括以下步骤：
13、s11、对待评估空间数据进行数据清洗，得到数据清洗后的空间数据；
14、s12、对数据清洗后的空间数据进行数据标准化，得到标准化后的空间数据；
15、s13、对标准化后的空间数据进行数据匹配，将标准化后的空间数据转换为价值系数矩阵，并将价值系数矩阵作为预处理后的数据。
16、进一步地：所述步骤s2中，包括以下分步骤：
17、s21、获取样本数据，并将所有样本数据存入打分矩阵f中作为供应商系数数据集，供应商系数公式和打分矩阵f的表示式为：
18、y＝ax1+bx2+cx3+dx4
19、
20、其中，x1、x2、x3、x4为影响供应商系数的四个因数，a、b、c、d为x1、x2、x3、x4四个因数各自的权重，xi1、xi2、xi3、xi4为供应商系数数据集中每条样本数据对应的x1、x2、x3、x4四个因数，i为样本数据的数量；
21、s22、对供应商系数数据集进行划分，将供应商系数数据集中80％的数据作为供应商系数训练集，剩余20％作为供应商系数验证集；
22、s23、采用多元回归算法，对供应商系数训练集进行机器学习，得到a、b、c、d的值；
23、s24、将a、b、c、d的值代入供应商系数公式中，使用供应商系数验证集进行验证，当平方误差收敛成线性关系时，得到最终供应商系数计算公式。
24、进一步地：所述步骤s4中，包括以下分步骤：
25、s41、计算待评估空间的空间系数s，其公式为：
26、
27、其中，s为待评估空间的空间系数，表示拥有点的单位面占所有单位面的比例，m为待评估空间拥有点的单位面个数，n为划分的单位面总数，单位面为将三维空间数据投影为以米为单位的二维数据；
28、s42、计算待评估空间数据的信息熵h(x)，其公式为：
29、
30、其中，p(xi)表示待评估空间数据中某字段值为xi的概率，i和j均为计数参数；
31、
32、s43、将待评估空间的空间系数s和待评估空间数据的信息熵h(x)相加得到待评估空间的数据信息量；
33、s44、基于待评估空间的数据信息量，收集待评估空间在不同时间段的价值系数作为价值样本数据；
34、s45、基于价值样本数据和最终供应商系数进行价值曲线拟合；
35、其中，拟合的价值曲线包括线性拟合曲线、多项式拟合曲线和多层感知机拟合曲线。
36、进一步地：所述步骤s45中，进行价值曲线拟合，得到拟合的价值曲线包括以下步骤：
37、s451、将价值样本数据进行划分，得到训练价值样本数据和验证价值样本数据；
38、其中，训练价值样本数据和验证价值样本数据的比为9比1；
39、s452、将不低于1000条随机训练价值样本数据作为线性拟合和多项式拟合的输入，采用最小二乘法将训练结果分别拟合成线性函数和三次函数，并将线性函数作为线性拟合曲线，将三次函数作为多项式拟合曲线；
40、s453、将训练价值样本数据作为多层感知机数学模型的输入，采用梯度下降算法进行训练，根据最小平方差输出训练结果，将训练结果作为多层感知机拟合曲线；
41、s454、将验证价值样本数据的分别代入线性拟合曲线、多项式拟合曲线和多层感知机拟合曲线中，将其中与原始数据误差最小的拟合曲线对应的数据拟合方法作为最终拟合方法；
42、s455、将预处理后的数据输入至最终拟合方法中，判断拟合准确率是否达标：
43、若是，则完成价值曲线拟合，得到拟合的价值曲线；
44、若否，则返回步骤s452。
45、进一步地：所述步骤s452中，线性拟合曲线的公式为：
46、y'1＝w1x′1+w2x'2+...+wbx'b+b
47、其中，y′1为线性拟合曲线的数据价值评估值，wb为影响线性拟合曲线的第b个供应商，xb为第b个供应商对应的供应商系数，b为线性函数的偏移量。
48、进一步地：所述步骤s452中，多项式拟合曲线的公式为：
49、y'2＝ax3+bx2+cx+d
50、其中，y′2为多项式拟合曲线的数据价值评估值，x为最终供应商系数，a、b、c、d均为常量。
51、其中，y2为多项式拟合曲线的数据价本文档来自技高网...
【技术保护点】
1.一种基于时空场景的空间数据的价值评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤S1中，所述待评估空间数据包括时间要素、空间要素和供应商要素；
3.根据权利要求1所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤S1中，数据预处理包括以下步骤：
4.根据权利要求1所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤S2中，包括以下分步骤：
5.根据权利要求4所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤S4中，包括以下分步骤：
6.根据权利要求5所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤S45中，进行价值曲线拟合，得到拟合的价值曲线包括以下步骤：
7.根据权利要求5所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤S452中，线性拟合曲线的公式为：
8.根据权利要求5所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤S452中，多
...【技术特征摘要】
1.一种基于时空场景的空间数据的价值评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤s1中，所述待评估空间数据包括时间要素、空间要素和供应商要素；
3.根据权利要求1所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤s1中，数据预处理包括以下步骤：
4.根据权利要求1所述的基于时空场景的空间数据的价值评估方法，其特征在于，所述步骤s2中，包括以下分步骤：
5.根据权利要求...
【专利技术属性】
技术研发人员：徐锴，唐浩天，曹晔，郑芳，彭真，曾爽哲，
申请(专利权)人：四川易利数字城市科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。