一种基于多源数据的房地一体数据质量提升方法与流程

本发明涉及房地一体数据，尤其是涉及一种基于多源数据的房地一体数据质量提升方法。

背景技术：

1、房地一体原则是指土地使用权和土地上的房屋等建筑物和附着物的所有权归属于同一主体，在房地产转让或抵押时，房屋所有权和土地所有权必须同时转让、抵押，而农村房地一体确权即是将农村宅基地和集体建设用地使用权及地上的建筑物、构筑物实行统一确权登记的手续，而现在大多数的房屋存在着一定的信息不全，导致房地一体信息不全或者房地一体数据不准确，而在现有数据库中，也同样存在着对房屋的三维建模构建与房屋自然幢线等判断土地使用权和土地上的房屋等建筑物和附着物的所有权存在错误的情况、并且房地一体系统数据冗余，所以更新房地一体系统数据存在着算力大、成本高的因素，亟需一种房地一体数据质量提升方法来对房地一体系统数据质量进行提升，并且在让房地一体数据更精准的同时还可以让房地一体系统数据轻量化。

技术实现思路

1、本发明的目的在于提出一种基于多源数据的房地一体数据质量提升方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

2、一种基于多源数据的房地一体数据质量提升方法，所述方法包括以下步骤：

3、s100：根据拍摄设备获取房屋实景图；

4、s200：读取数据库中已有资料并根据已有资料中的地形图与房屋实景图构建房屋三维模型；

5、s300：获取房地一体数据，并在房地一体数据中获取地籍图、房地一体自然幢和房地一体宗地图；

6、s400：结合房屋三维模型与房地一体数据对比分析构建数据库，并输出对比分析报告。

7、进一步地，在步骤s100与步骤s200中，通过无人机拍摄房屋实景图，所述房屋实景图包括：房屋天面图和房屋侧面图，结合数据库中房屋地形图与倾斜摄影构建房屋三维模型，将无人机拍摄的房屋天面图映射到房屋三维模型上方，并对房屋天面图结合无人机拍摄的地形图对房屋天面中的分为地形顶层与地形次顶层，并对地形顶层与地形次顶层中天面的各个部分标高，根据房屋天面图确定幢范围线，通过房屋三维模型与房屋地形图对比分析得到房屋地形天面图，所述房屋地形天面图分为房屋地形顶层与房屋地形次顶层。

8、进一步地，在步骤s300中，通过数据库获取地籍图、房地一体自然幢和房地一体宗地图，所述地籍图表示地形图中土地的归属权，所述房地一体自然幢表示房地一体系统中房屋准确位置，房地一体宗地图反应了宗地的基本情况，所述宗地的基本情况包括：宗地权属界线、界址点位置、宗地内建筑物位置与性质，并且根据房地一体自然幢确定自然幢确定房地一体自然幢基准线，根据所述自然幢基准线确定自然幢的分区归属。

9、进一步地，在步骤s400中，将地籍图中地籍图部分分为地籍顶层与地籍次顶层，将地籍顶层与地籍次顶层分别与房屋地形顶层和房屋地形次顶层进行空间叠加对比分析，所述叠加对比分析具体方法包括以下步骤：

10、s401：取房屋地形顶层与地籍顶层边缘部分进行比对，并通过对房屋地形顶层更高权重纠正地籍顶层边缘部分，让地籍顶层面积重新计算，通过所述边缘线比对，对边缘线覆盖像素点数量与边缘线的方向对比，确定边缘线正确方向，并以边缘线正确方向为基准统一顶层天面图的地籍信息；

11、s402：获取房屋地形次顶层与地籍次顶层，确定房屋地形次顶层中边缘部分的幢范围线，根据所述幢范围线重新确定地籍次顶层的外部边缘基准线，且根据步骤s401中确定顶层的地籍信息确定外部边缘基准线，根据外部边缘基准线与外部边缘基准线确定地籍图顶层，根据所述外部边缘基准线与内部边缘基准线确定后的地籍次顶层面积与原有地籍次顶层面积进行权重配比；

12、s403：所述对地籍图面积进行权重配比的步骤为：记录通过外部边缘基准线与内部边缘基准线确定后的地籍次顶层面积为cd1，定义原有地籍次顶层面积为cd，所述原有地籍次顶层面积为cd通过对比地形顶层与地籍顶层的对比比例获取原有地籍次顶层面积为cd的权重比例得到在对建筑中的顶层面积数据差异构建序列ck，所述数据集合ck包括：地形图与地籍图的顶层面积差t1，地形图与地籍图的次顶层面积差t2，对一片区域中的各个房屋顶层与次顶层差构建集合[t1]、[t2]；

13、s404：将数据差异构建序列ck赋予权重，将集合ck进行重新排序，将数据根据房屋位置排列得到集合[t1`]、[t2`]，通过计算得到顶层面积差t1和次顶层面积差t2的相邻比值h1、h2，=，=，所述和为序列[t1`]中的第k位和第k+1位元素，所述和为序列[t2`]中的第k位和第k+1位元素，判断相邻比值h1、h2的值，若相邻比值h1、h2值为正，且大于等于1，则将相邻比值定义为正向权重，若相邻比值h1、h2值为正，且小于1，则将相邻比值定义为反向权重，通过正向权重与反向权重确定方向，在数据差异构建序列ck中，所述正向权重方向由第k位元素指向第k+1位元素，所述反向权重方向由第k+1位元素指向第k位元素，通过步骤s401中边缘线的方向为基准，赋予相邻比值h1、h2方向，所述则通过数据差异构建序列ck中第k为元素的边缘线方向为相邻比值方向，计算相邻比值h1、h2的权重向量，，，其中，与为相邻比值h1、h2的权重向量，、分别为赋予相邻比值h1、h2方向后的相邻比值的向量值，m为数据差异构建序列ck的元素总量。

14、进一步地，建立图片对比预测模型对房屋地形图与地籍图的叠加对比分析进行优化；

15、通过正向权重方向与反向权重方向对图像对比信息进行优化，对神经网络输入对比图像信息，网络输出结果由正向输出与反向输出共同决定，计算公式如下：

16、；

17、；

18、 ；

19、；

20、其中，x表示为输入值，输入值为数据差异构建序列ck，分别为所述正向权重与反向权重方向，为网络正向输出值，、、分别为正向输出的输入层权重、隐藏层权重以及偏置向量，所述输入层权重矩阵通过天面面积差t1和次天面面积差t2的权重比例h1、h2构建，为网络反向输出值，、、分别为反向输出的输入层权重、隐藏层权重以及偏置向量，所述输入层权重则为通过判断正向输出与反向输出时，通过顶层对比得到的结果则l1为输入层权重，l2为隐藏层权重，偏置向量为与的和，若通过次顶层对比得到的结果则l2为输入层权重，l1为隐藏层权重，偏置向量为与的和；

21、为最终输出值，和分别为输出层权重矩阵与偏置向量，符号为拼接运算；

22、将最终输出值投入神经网络模型中进行训练，完成训练后对所述输入的数据进行快速指标x输出，所述指标x为判断对比数据在此处是否达到合格的标准，每一项指标x需要通过一个单独的神经网络模型被训练以输入数据与该项指标间的映射关系；

23、其中，在神经网络模型中，网络输入层神经元数量与输入数据种类数量相等，输出层神经元数量与输出数据种类数量相等，而中间层层数以及每层的神经元数量则自由设定，中间层的设置将直接影响神经网络的近似数据的精度，根据训练的结果来判断是否需要增减中间层数或神经元数量，所述判断中间层数和神经元的数量计算方法为：

24、将神经网络模型中中间层逐层递加，并将中间层层数对应输出的指标x进行命名，当中间层层数为1时输出指标，以此类推，并根据所述指标x，构建非线性回归函数，f（x）=，a为常数值，计算所述函数自变量的方差d，d=，其中l为输出时中间层的层数，为输出的第i位指标x，所述为输出的第i位指标x对应的输入数据，当=0时，a取最小值，其中（）为求函数偏导，a为确定中间层数的参数，通过所述a的值与方差d进行对比，若d＞a时，将所述输出的指标x在输入神经网络模型中，并且中间层层数加1，若d≤a时，输出指标x；

25、通过梯度下降法更新神经元的加权系数：

26、（l）=-；

27、其中，（）为求函数偏导，p、q分别为系统输出误差和神经元权重增量，均为常数值，（l）为神经元加权系数，（l）为更新后的神经元加权系数，表示神经元学习率，通过所述（l）确定在中间层中设置的神经元数量，根据叠加分析算法结合输出值并对算法进行深度学习，输出顶层对比分析数据与次顶层对比分析数据，保证了对比数据质量。

28、进一步地，将房屋地形图天面与房屋地形图次天面融合，地籍图天面与地籍图次天面融合，输出融合天面对比数据；

29、获取房屋地形甜面图对应的房地一体自然幢象限坐标，通过房屋地形图天面与房屋地形图次天面融合对比房地一体自然幢象限坐标，输出象限坐标对比数据；

30、通过房屋的幢范围线获取的居民地辅助线坐标，通过房屋地形图天面与对比，输出地辅助线坐标对比数据；

31、通过房地一体自然幢象限坐标与居民地辅助线坐标对比，输出自然幢与地辅助线坐标对比数据；

32、将所述融合天面对比数据、象限坐标对比数据、地辅助线坐标对比数据、自然幢与地辅助线坐标对比数据结合通过叠加分析算法输出的顶层对比分析数据与次顶层对比分析数据构建数据库，并通过数据库输出对比分析报告。

33、进一步地，所述方法基于系统，所述系统包括：处理器和存储器，所述处理器执行所述计算机程序时可实现上述方法中的任一项所述的一种基于多源数据的房地一体数据质量提升方法中的步骤。

34、本发明的有益效果为：通过对地形图与地籍图的叠加分析，更新房地一体原有数据库中的数据，让原有数据库中的数据质量更高，并且对于房地一体中的地籍信息与宗地信息，通过地形图与地籍图的面积对比，输出更为精准的对比分析报告，让后续的规划工作也更为便利。