[发明专利]一种基于多源大数据的个性化宜居地图推荐方法和装置

说明书

本发明提出了一种基于多源大数据的个性化宜居地图推荐方法和装置，通过预先建立的卷积神经网络宜居特征数据网络模型对获取的多源大数据进行分析，获取第一类型数据和第二类型数据，并基于不同的数据类型分别进行处理，以得到满足用户宜居需求的数据源类型，从而根据预先建立的特征‑宜居偏好模型形成宜居地图数据，并能够根据更新的数据进行数据模型的优化，从而实现个性化宜居地图的构建与推荐，使得对城市进行高时空分辨率、连接城市居民客观行为和主观感受、满足个性化需求的宜居评估和多场景规划应用成为可能。

技术领域

本发明图像处理技术领域，具体涉及一种基于多源大数据的个性化宜居地图推荐方法和装置。

背景技术

传统城市宜居规划多从城市整体层面出发，采用聚合统计数据进行分析评价，这种模式满足了近年来我国城市快速发展的需要，但随着人民生活水平不断提高，城市居民对高品质城市空间和高质量人居环境的需求日益增长，传统宜居评价和规划模式对城市居民宜居的主观感受、个性化差异考虑不足，已难以满足城市治理的精细化、品质化需求。

随着3S技术、物联网和人工智能等技术的发展，城市环境、时空行为和宜居偏好等海量客观和主观数据均可被采集，以空间分析和空间智能为主的社会感知技术可对这些数据进行高效处理，使得面向企业和居民等用户，对城市进行高时空分辨率、连接城市居民客观行为和主观感受、满足个性化需求的宜居评估和多场景规划应用成为可能。

现有技术中应用到城市宜居规划环境下的数据处理方案，目前应用的方式较少，而针对现有技术中的一些数据处理方案则包括较多方式：如梯度增强回归树（GBRT）和随机森林（RF）进行道路交叉口的交通流量预测，采用极端梯度提升树（XGBoost）算法处理大量的交通数据；如在空气质量影响因素的数据分析中，采用大数据和机器学习技术识别全国范围内的空气质量高影响因素，即采用极端梯度提升（XGBoost）来建立关系模型和度量变量来对空气质量影响因素进行分析；还例如，将XGBoost模型应用在城市功能区划领域，还研究了一套常用的城市功能区分类方法，包括多项式逻辑回归、K近邻、决策树、支持向量机（SVM）和随机森林，并与极端梯度提升（XGBoost）模型进行比较，然而这些方面的研究，并未发现相关方法应用在城市的宜居评价方面。

发明内容

为解决上述技术问题，本发明提出了一种基于多源大数据的个性化宜居地图推荐方法和装置，通过对多源大数据的分析处理，实现城市进行高时空分辨率、连接城市居民客观行为和主观感受、满足个性化需求的宜居评估和多场景规划应用成为可能，提升用户城市宜居体验。

根据本发明得到实施例，本发明提出了一种基于多源大数据的个性化宜居地图推荐方法，所述方法包括：

一种基于多源大数据的个性化宜居地图推荐方法，其特征在于，所述方法包括：

S1. 接收用户发送的基于一指定应用程序的数据处理请求；

S2. 解析所述数据处理请求中的数据源，将所述数据源输入至预先设置的卷积神经网络宜居特征数据网络模型中，对数据源特征进行提取，以判断出当前请求的数据源类型；

S3. 若为第一类型数据，则向用户返回一响应请求，以获取用户授权后的非指定应用程序的用户行为特征痕迹数据，并结合第一类型数据形成个体时空行为特征数据，并进入步骤S5；

S4. 若为第二类型数据，则直接进入步骤S5；

S5. 将实时获取的所述个体时空行为特征数据或者第二类型数据输入至预先构建的特征-宜居偏好模型，以形成宜居地图数据，向用户发送基于所述宜居地图数据的推荐消息；

其中，所述第一类型数据为用户行为特征数据，所述第二类型数据为用户主观宜居特征数据。

进一步的，所述接收用户发送的基于一指定应用程序的数据处理请求的步骤还包括，用户主动发送基于一指定应用程序的数据处理请求，或者周期性主动向用户获取基于一指定应用程序的数据处理请求。