【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及的是一种多层级多类型城市时空协同设计方法、系统、终端和介质。
技术介绍
1、空间规划是提升空间治理能力、落实国家发展战略的重要举措，是城市未来发展建设和管理的重要依据。我国城市规划体系种类庞大，内容复杂，规划治理涉及到不同的层级和类型。由于各级各类规划都有各自的具体目标要求，经常出现目标不统一，部分项目交叉重叠，同时数据标准和政策目标等方面又存在差异，严重制约了规划项目的管理与实施进程。因此，如何高效的为其提供全面可靠的协同规划信息成为规划部门亟待思考和解决的问题。
2、空间规划的协同是一项复杂的工作，主要体现在上下级别的层级衔接和同级别的横向协调，而目前规划的衔接、规划协同编制等仍然存在不少问题。传统的城市空间规划一般遵循自顶向下的模式，即基于设定的总体发展目标，规划人员在不同的层级尺度区域进行相应的空间布局，容易导致城市中不同规划层级间数据基础不一致、规划成果不共享、约束协调困难等问题。与此同时，不同层级、不同类型的规划数据间缺乏统一的结构性表达及语义关联性描述，各类规划内容的特性及其关系未被充分挖掘，难以发现和表达城市空间规划领域隐含的知识，使得“信息孤岛”问题较为严重，难以应对复杂的空间规划问题。可见，现有技术中存在对城市空间规划信息挖掘不充分，且无法协同利用各类各层级的规划信息进行有效的空间规划的缺陷。
技术实现思路
1、鉴于上述现有技术的不足，本专利技术的目的在于提供一种多层级多类型城市时空协同设计方法、系统、终端和介质，旨在
2、为了实现上述目的，本专利技术第一方面提供一种多层级多类型城市时空协同设计方法，包括：
3、获取若干个层级中若干个类型的城市规划知识本体，利用所述城市规划知识本体构建空间协同设计本体模型；
4、基于所述空间协同设计本体模型，利用深度神经网络对空间规划资源信息进行抽取和文本预测，获得空间规划要素；
5、将所述空间规划要素以三元组的形式进行表示，构建空间协同设计知识图谱；
6、获取时间规划要素，将所述时间规划要素与所述空间协同设计知识图谱进行时空关联，获得时空信息知识图谱关联模型；
7、获取多层级多类型的设计指标，利用所有所述设计指标对所述时空信息知识图谱关联模型进行动态评估和调整，获得城市时空协同设计结果。
8、可选的，所述利用所述城市规划知识本体构建空间协同设计本体模型，包括：
9、基于所述城市规划知识本体的内容和特点，确定空间规划实体和空间规划实体关系；
10、根据预设的属性约束条件及规划领域的规范，利用所述空间规划实体和所述空间规划实体关系形成的逻辑及层次关系，构建空间协同设计本体模型。
11、可选的，所述基于所述空间协同设计本体模型，利用深度神经网络对空间规划资源信息进行抽取和文本预测，获得空间规划要素，包括：
12、基于所述空间协同设计本体模型，对所述城市规划知识本体中的空间规划资源信息进行标注，获得标注后的空间规划资源信息；
13、基于所述标注后的空间规划资源信息，利用深度神经网络中的bert词嵌入层进行学习，获得词向量、片段向量和位置向量；
14、利用所述深度神经网络中的bilstm层对捕捉到的所述词向量、所述片段向量和所述位置向量进行关系抽取，获得初始空间规划要素；
15、利用所述深度神经网络中的条件随机场层对所述初始空间规划要素进行筛选，获得空间规划要素。
16、可选的，所述利用所述深度神经网络中的bilstm层对捕捉到的所述词向量、所述片段向量和所述位置向量进行关系抽取，获得初始空间规划要素，包括：
17、利用所述深度神经网络中的bilstm层对捕捉到的所述词向量、所述片段向量和所述位置向量进行上下文预测，获得上下文信息；
18、基于所述上下文信息，利用注意力机制对所述上下文信息、所述词向量、所述片段向量和所述位置向量进行拼接，获得预测序列；
19、从所述预测序列中抽取出空间规划实体和空间规划实体关系，获得初始空间规划要素。
20、可选的，所述将所述空间规划要素以三元组的形式进行表示，构建空间协同设计知识图谱，包括：
21、提取所述空间规划要素中的空间规划实体和空间规划实体关系，并利用所述空间规划实体、所述空间规划实体关系和所述空间规划实体的属性，构建三元组；
22、利用所有所述三元组，构建空间协同设计知识图谱。
23、可选的，所述将所述时间规划要素与所述空间协同设计知识图谱进行时空关联，获得时空信息知识图谱关联模型，包括：
24、获取所述时间规划要素中的不同层级的规划需求，并基于各个所述规划需求，生成空间位置数据；
25、基于所述空间协同设计知识图谱，生成语义关系数据；
26、获取所述时间规划要素中的时间节点信息，并基于各个所述时间节点信息，生成时间关系数据；
27、利用所述空间位置数据、所述语义关系数据和所述时间关系数据，获得时空信息知识图谱关联模型。
28、可选的，在所述获得城市时空协同设计结果之后，还包括根据所述城市时空协同设计结果进行所述空间规划要素中的空间规划实体之间的路径分析，具体包括：
29、基于所述城市时空协同设计结果，确定至少两个所述空间规划实体之间的路径；
30、根据所述路径，确定各个所述空间规划实体之间的相关性、相关程度和各个所述空间规划实体的属性中的至少一种；
31、基于所述相关性、所述相关程度和/或所述空间规划实体的属性，更新城市时空协同设计结果。
32、本专利技术第二方面提供一种多层级多类型城市时空协同设计系统，所述系统包括：
33、空间协同设计本体模型构建模块，用于获取若干个层级中若干个类型的城市规划知识本体，利用所述城市规划知识本体构建空间协同设计本体模型；
34、预测模块，用于基于所述空间协同设计本体模型，利用深度神经网络对空间规划资源信息进行抽取和文本预测，获得空间规划要素；
35、空间协同设计知识图谱构建模块，用于将所述空间规划要素以三元组的形式进行表示，构建空间协同设计知识图谱；
36、时空信息知识图谱关联模型构建模块，用于获取时间规划要素，将所述时间规划要素与所述空间协同设计知识图谱进行时空关联，获得时空信息知识图谱关联模型；
37、多层级多类型城市时空协同设计模块，用于获取多层级多类型的设计指标，利用所有所述设计指标对所述时空信息知识图谱关联模型进行动态评估和调整，获得城市时空协同设计结果。
38、本专利技术第三方面提供一种智能终端，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的多层级多类型城市时空协同设计程序，本文档来自技高网...
【技术保护点】
1.多层级多类型城市时空协同设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述利用所述城市规划知识本体构建空间协同设计本体模型，包括：
3.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述基于所述空间协同设计本体模型，利用深度神经网络对空间规划资源信息进行抽取和文本预测，获得空间规划要素，包括：
4.根据权利要求3所述的多层级多类型城市时空协同设计方法，其特征在于，所述利用所述深度神经网络中的BiLSTM层对捕捉到的所述词向量、所述片段向量和所述位置向量进行关系抽取，获得初始空间规划要素，包括：
5.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述将所述空间规划要素以三元组的形式进行表示，构建空间协同设计知识图谱，包括：
6.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述将所述时间规划要素与所述空间协同设计知识图谱进行时空关联，获得时空信息知识图谱关联模型，包括：
7.根据权利要求
8.多层级多类型城市时空协同设计系统，其特征在于，所述系统包括：
9.智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的多层级多类型城市时空协同设计程序，所述多层级多类型城市时空协同设计程序被所述处理器执行时实现如权利要求1-7任意一项所述多层级多类型城市时空协同设计方法的步骤。
10.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有多层级多类型城市时空协同设计程序，所述多层级多类型城市时空协同设计程序被处理器执行时实现如权利要求1-7任意一项所述多层级多类型城市时空协同设计方法的步骤。
...【技术特征摘要】
1.多层级多类型城市时空协同设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述利用所述城市规划知识本体构建空间协同设计本体模型，包括：
3.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述基于所述空间协同设计本体模型，利用深度神经网络对空间规划资源信息进行抽取和文本预测，获得空间规划要素，包括：
4.根据权利要求3所述的多层级多类型城市时空协同设计方法，其特征在于，所述利用所述深度神经网络中的bilstm层对捕捉到的所述词向量、所述片段向量和所述位置向量进行关系抽取，获得初始空间规划要素，包括：
5.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述将所述空间规划要素以三元组的形式进行表示，构建空间协同设计知识图谱，包括：
6.根据权利要求1所述的多层级多类型城市时空协同设计方法，其特征在于，所述将所述时间规划要...
【专利技术属性】
技术研发人员：赵志刚，陈业滨，杨佳豪，马丁，贺彪，朱维，颜雪，
申请(专利权)人：深圳大学，
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。