基于智能研判算法模型的城市综合数据分析平台的制作方法

本发明涉及城市数据分析，尤其是基于智能研判算法模型的城市综合数据分析平台。

背景技术：

1、城市数据分析城市数据分析是对城市各种数据指标进行深入研究，以了解城市发展情况、支持城市规划与决策、提高城市治理效率的过程。

2、在现代社会，城市数据分析变得尤为重要。它不仅可以帮助人们更全面和深入地了解城市的经济、社会、环境等方面的现状和发展趋势，而且可以为城市的规划与决策提供强有力的科学支持，推进城市的可持续发展。

3、在现有技术中已经形成了诸多对城市数据进行分析的技术文献，例如，在专利公开号为 cn115293599a的专利文献中就公开了一种智慧城市大数据采集汇总系统，其主要包括各分局数据库，各分局数据库实时更新各部门数据制作出各部门数据类别，数据类别与各分局数据库将最新数据传导至数据整理维护中心，数据维护中心通过数据审核通过后下发数据至数据汇总中心。

4、通过上述专利文献的记载可以看出，现有技术对城市数据进行分析时主要是利用数据库上传数据至数据汇总中心后，汇聚政务数据资源，强化数据挖掘和分析应用，提升智慧治理在城市运行风险检测。

5、但是，这种分析方式目前仍存在如下不足之处：第一点：数据质量不一导致数据处理复杂，主要是因为获取的城市数据的质量参差不齐，数据可能存在缺失、错误或者不完整的情况，需要进行复杂的预处理工作；第二点：多样的数据来源会使得来自不同来源的数据格式各异，需要花费大量时间和精力进行数据清洗和格式统一，这也从较大程度上增加了数据处理的复杂性。

6、为此，本发明针对现有技术中存在的问题进行了优化设计，特此提出了一种基于智能研判算法模型的城市综合数据分析平台，用以更好地解决现有技术中存在的问题。

技术实现思路

1、本发明为解决上述技术问题之一，所采用的技术方案是：基于智能研判算法模型的城市综合数据分析平台，包括：城市基础信息获取单元、城市功能大数据整合单元、城市综合指数获取单元、城市综合数据分析单元以及云端数据库。

2、所述城市基础信息获取单元、所述城市功能大数据整合单元、所述城市综合指数获取单元、所述城市综合数据分析单元均与所述云端数据库实现数据共享。

3、城市基础信息获取单元：用于收集、处理城市基础信息相关参数并实现对信息的初步分类；

4、城市功能大数据整合单元：通过利用poi、lbs、浮动车数据对城市大数据进行量化识别。

5、城市综合指数获取单元：用于获取城市的产业发展指数、发展环境指数、创新成效指数、数据治理指数的相关信息并对其完成综合评分估值。

6、城市综合数据分析单元：用于获取城市基础信息获取单元、城市功能大数据整合单元以及城市综合指数获取单元的处理结果并综合分析、评估。

7、云端数据库：用于获取各单元的全部参数信息并实现参数数据的共享分析。

8、在上述任一方案中优选的是，城市基础信息获取单元获取的城市基础信息相关参数包括：城市简介、区域面积、gdp、常住人口、房价、地价、gdp走势、城市定位、行政区划、招商土地供应分析、拿地价格、投资环境。

9、在上述任一方案中优选的是，所述城市基础信息获取单元的具体工作过程包括：

10、通过公共网络及政府公开信息获取城市基础信息相关参数，根据获取的城市基础信息相关参数对同类各组数据进行综合分析，并筛出每项数据对应的真实数据作为该项参数的有效获取参数。

11、完成城市基础信息相关参数的估值。

12、在上述任一方案中优选的是，通过利用poi、lbs、浮动车数据对城市大数据进行量化识别的具体步骤包括：收集城市内各类相关点的数据，包括但不限于：办公建筑、楼房小区、公共设施的位置和类型信息。

13、收集基于位置的服务数据，如手机app的使用数据，反映城市人群的移动轨迹和活动区域。

14、利用装备有gps的浮动车辆收集实时交通数据，包括车辆位置、速度、行驶方向信息。

15、分析poi数据，提取关键特征如上述获取的相关信息的兴趣点密度、类别分布，用于描述城市功能区的特性。

16、处理lbs数据，提取人群活动特征，如活动频率、停留时间、访问偏好。

17、从浮动车数据中提取交通流量、速度、拥堵点交通特征。

18、将poi、lbs和浮动车数据进行融合，并利用现有建模软件构建一个多维度的城市数据模型，提高数据的利用率和分析的准确性。

19、根据分析目标选择合适的数据挖掘模型并完成模型构建与优化。

20、在上述任一方案中优选的是，根据分析目标选择合适的数据挖掘模型并完成模型构建与优化的具体步骤包括：通过先聚类分析得到最佳的聚类效果，然后利用分类算法分析目标并选择合适的数据挖掘模型。

21、在进行聚类分析时，利用误差平方和函数衡量每个数据点与其所属簇的质心之间的欧氏距离的平方的总和；以达到用于评估聚类结果的质量，指导优化过程。

22、通过不断迭代调整簇的划分和质心的位置，使得误差平方和值最小化，从而达到最佳的聚类效果。

23、在聚类分析后，每个簇可以被看作是一个样本，其特征可以是簇内样本的统计量（误差平方和），误差平方和作为能够代表该簇的特征向量。

24、每个簇赋予一个标签；以通过对每个簇中少量样本进行人工标记，或者利用已有的部分标记数据来实现。

25、根据样本对应的问题的类型和数据的特点选择合适的分类模型；使用带有标签的簇数据来训练分类模型。

26、使用训练好的分类模型对新的数据或整个数据集进行分类，从而重新得到每个数据点所属的簇标签；对分类结果进行分析和解释，以便于理解不同簇的特征及其差异，最终得到合适的数据挖掘模型。

27、在上述任一方案中优选的是，使用预处理后的数据训练模型，调整参数直至模型达到较好的预测或分类效果。

28、通过模型识别出城市中不同功能区域的空间分布模式，如商业区、居住区的分布。

29、分析时间序列数据，识别城市活动的周期性变化，如早晚高峰、节假日人流量变化。

30、结合lbs数据分析居民的出行行为和活动偏好，识别出特定群体的行为模式。

31、综合分析空间分布模式、城市活动的周期性变化以及居民的出行行为和活动偏好相关情况，得到当前城市的发展布局。

32、在上述任一方案中优选的是，获取城市的产业发展指数、发展环境指数、创新成效指数、数据治理指数的相关信息并对其完成综合评分估值的具体步骤包括：分别单独获取产业发展指数、发展环境指数、创新成效指数、数据治理指数的相关数值。

33、分别判断各指数在全国同类城市的排名，根据排名确定其对应的优、良、中、差的等级分类，并确定每个指数对应的指数评分。

34、以此将产业发展指数、发展环境指数、创新成效指数、数据治理指数赋予不同的权重。

35、根据各指数的指数评分及对应的权重乘积分析得到当前城市综合指数总值。

36、根据城市综合指数总值确定其在全国城市的综合排名，根据综合排名选择与其排名类似的城市进行比较并选择类似城市内的房价、城市发展政策作为参考。

37、在上述任一方案中优选的是，城市综合数据分析单元的具体工作过程包括：将获取城市基础信息获取单元、城市功能大数据整合单元以及城市综合指数获取单元的数据处理结果进行对齐和整合，建立统一的空间坐标系统。

38、对各单元的处理结果及进行记录，并根据各相关参数数值进行对应拟合曲线的绘制。

39、根据拟合曲线预测当前的各类数据的走向及预测没两条曲线的交叉点，选择交叉点对应的各数据作为关键点。

40、选择关键点对应的各城市信息参数作为反应当前城市参数的代表数据并用于后续分析城市的整体发展情况。

41、在上述任一方案中优选的是，完成城市基础信息相关参数的估值的具体步骤包括：针对每项有效获取参数进行单一评分并定为a、b、c、d四个等级；设定一个a级记为100分、一个b级记为80分、一个c级记为60分、一个d级记为0分。

42、针对根据每项参数赋于对应的权重比例，每项参数的评分与权重比例相乘得到权重评分，各权重评分求和得到当前城市的城市基础信息相关参数的估值。

43、与现有技术相比，本发明的有益效果如下：

44、1、本发明中通过整合城市基础信息获取单元、城市功能大数据整合单元以及城市综合指数获取单元的处理结果并得到当前的各项参数数值，能够较为明确的得出并罗列较为重要的所需参数，有效地保证在进行城市整体数据分析时有效地反映在对当前城市进行后续建筑投资建设时的相关指标，便于有效地预测投资建设的价值以及便于制定有效方案。

45、2、对城市基础信息相关参数及进行等级划分与评分能够更好地判断当前城市的基础信息估值，有效地判断当前城市在全国范围内的所处水平，便于选择同类型、同水平的城市作为政策参考对象。

46、3、通过将各项数据建立统一的空间坐标系统，通过模拟拟合曲线能够快速的完成对当前的各类数据对应的参数的曲线走势的预测，有效地寻找多种数据的相交点作为后续建筑方案选择时的该项数据参考值，通过曲线相交的方式实现了关键可用数值的自动选择。