[发明专利]一种街区形态的城市空间图谱信息平台及其构建方法

权利要求书

1.一种街区形态的城市空间图谱信息平台的构建方法，其特征在于，包括以下步骤：

S1，获取目标区域内街区的道路信息、建筑信息和自然要素的空间形态三维矢量数据，并进行单元拆分、街区编组和要素编码；

S2，构建空间形态属性算法规则，搭建城市空间图谱信息平台，将S1中目标街区经过处理的数据录入图谱信息平台，计算目标街区的空间单元属性与空间关联属性；

S3，获取街区更新设计案例的图像、文字和模型资料，形成三维融合实体链接并录入平台案例库，计算案例街区的空间单元属性与空间关联属性；

S4，将街区的空间单元属性与空间关联属性作为机器学习标签，采用有监督聚类学习算法，对目标街区和案例街区进行聚类关联机器学习训练，形成街区形态自动聚类模型，并进行模型优化；

S5，将街区的空间单元关键词与空间单元属性作为机器学习标签，采用有监督聚类学习算法，对案例街区的三维融合实体链接与目标街区三维模型进行资料转接机器学习训练，形成多种实体资料的智能链接模型簇，并构建目标街区更新多模态模型；

S6，在全息沙盘上演示目标街区的更新多模态模型，通过使用者的互动选择与操作，反馈优化街区形态自动聚类模型和多种实体资料的智能链接模型簇，形成目标街区更新工作模型，输出更新工作手册，连接3D打印机，输出实体模型。

2.根据权利要求1所述的一种街区形态的城市空间图谱信息平台的构建方法，其特征在于，所述S1中，道路信息数据是指经过栅格化处理的街区道路中心线、宽度和交叉口形态数据；建筑信息数据指经过栅格化处理的坐标位置、建筑高度和三维形体数据，自然要素数据指运用红外遥感分波段技术区分并进行矢量化处理的自然要素单元数据。

3.根据权利要求2所述的一种街区形态的城市空间图谱信息平台的构建方法，其特征在于，所述S1中，街区编组，指将表现为闭合多边形的道路数据作为一个街区轮廓，与内部的建筑数据、自然要素数据编组为一个街区数据；

所述要素编码，指对每一个街区内实体单元进行十位数编码，编码依据为，前六位为街区序号，第七位为所属实体类型，后三位为实体单元序号。

4.根据权利要求1所述的一种街区形态的城市空间图谱信息平台的构建方法，其特征在于，所述S2中，构建城市空间图谱信息平台的步骤为：

1)对城市空间数据进行结构化处理，进行数据去重、特征计算和补充操作，生成空间单元属性与空间关联属性；

2)将读取到的结构化数据进行数字化编码，将根据本体将数据封装成实体，通过算法建立实体之间的关系，从而构建城市空间图谱信息平台。

5.根据权利要求1所述的一种街区形态的城市空间图谱信息平台的构建方法，其特征在于，所述S3中，形成三维融合实体链接并录入平台案例库的步骤为：

1)将案例词汇库提取关键词作为实体，将案例街区更新条例和图像库提取关键词作为候选实体，使用有监督方法计算实体与候选实体匹配度，匹配度最高链接构成二维融合实体链接；

2)将所获取二维融合实体链接所包含案例词汇库关键词作为实体，将案例三维模型库提取关键词作为候选实体，使用有监督方法计算实体与候选实体匹配度，匹配度最高链接构成三维融合实体链接，输入城市空间图谱信息平台，形成街区更新设计案例的多模态数据库。

6.根据权利要求1所述的一种街区形态的城市空间图谱信息平台的构建方法，其特征在于，所述S4中的机器学习训练的步骤为：

1)依照6：2：2的比例将目标街区和案例街区划分为训练集、验证集、测试集；使用平台尺寸不小于200cm×200cm的全息沙盘演示街区三维模型，操作员穿戴姿态解算静态精度Roll/pitch≤1.0deg的数据手套为所演示的街区选取有参考价值的案例街区，并通过0.4°视线追踪精度的眼动仪辅助获取操作员的选择倾向；

2)通过512GB显存深度学习系统进行街区关联机器学习训练，通过交叉验证、泛化检验选取泛化性能强的机器学习模型作为街区形态自动聚类模型。