(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111438533.4 (22)申请日 2021.11.30 (65)同一申请的已公布的文献号 申请公布号 CN 113850350 A (43)申请公布日 2021.12.28 (73)专利权人 中哲国际工程设计有限公司 地址 210004 江苏省南京市秦淮区抄纸巷 11号 (72)发明人 杨小军　沈伊辰　车轩　王辉　 莫世剑　 (74)专利代理 机构 南京明杰知识产权代理事务 所(普通合伙) 32464 代理人 张文杰 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/08(2012.01) G06K 9/62(2022.01) G06N 3/08(2006.01) (56)对比文件 CN 111079941 A,2020.04.28 CN 110008260 A,2019.07.12 CN 113065688 A,2021.07.02 审查员 陈震宇 (54)发明名称 城市建筑用地智能规划系统及方法 (57)摘要 本发明公开了一种城市建筑用地智能规划 系统及方法， 属于城市建筑用地智能规划技术领 域。 该系统包括区域数据采集模块、 深度学习模 块、 修正模块、 预测调查模块、 建筑用地智能规划 模块； 所述区域数据采集模块的输出端与所述深 度学习模块的输入端相连接； 所述深度学习模块 的输出端与所述修正模块的输入端相连接； 所述 修正模块的输出端与所述预测调查模块的输入 端相连接； 所述预测调查模块的输出端与所述建 筑用地智能规划模块的输入端相连接。 本发明通 过虚拟专家组能够不断弱化真实专家组评判的 个人主观意识， 又同时不断增强系统的精准程 度， 使得城市建筑用地规划的评判变得智能化， 符合一定规律， 提高工作效率， 满足城市发展需 要。 权利要求书3页 说明书9页 附图2页 CN 113850350 B 2022.04.22 CN 113850350 B 1.一种城市 建筑用地智能规划方法， 其特 征在于： 该 方法包括以下步骤： S1、 构建一个区域， 记为区域A， 获取区域A中的四种数据， 所述四种数据包括地理信息 数据、 交通信息数据、 居民信息数据、 消费信息数据， 建立时间周期， 对 所述四种数据按照时 间周期进行分段整理， 即Ti对应一个数据组Mi， 数据组Mi内包括有区域A在时间周期Ti内的 四种数据， 其中Ti为任一个时间周期； S2、 基于深度学习构 建虚拟专家组， 设计预测调查表， 构建区域A 发展预测模型， 建立初 始城市建筑用地 规划方案组； S3、 基于时间周期T， 构建N组数据组， 输入第一组新的数据组M1与初始城市建筑用地规 划方案组， 通过虚拟专 家组进行分析后， 输出城市 建筑用地 规划方案组I1； S4、 基于时间周期T， 输入第s 组新的数据组Ms与城市建筑用地规划方案组Is‑1， 通过虚拟 专家组进行分析后， 输出城市建筑用地规划方案组Is， 直至s=N时为止， 并输出此时的城市 建筑用地 规划方案组IN， 将IN作为最终输出； S5、 根据最终输出， 获取中位数， 构建数据权重比例， 计算输出最终的城市建筑用地智 能规划方案； 所述地理信息数据包括区域A中的山脉、 风景区、 水域； 所述交通信息数据包括交通高 峰持续时间、 交通事故次数； 所述居民信息数据包括居民人 口分布、 居民年龄数据； 所述消 费信息数据包括平均消费水平、 大额消费数据占比； 所述发展预测模型中包括城市建筑用地的用地性质区域分配， 所述用地性质包括居住 用地、 公共管理与公共服务设施用地、 商业服务业设施用地、 工业用地、 道路与交通设施用 地； 所述城市 建筑用地 规划方案组包括虚拟专 家组中提出的所有的发展预测模型组合； 在步骤S2中， 虚拟专 家组的建立包括： S8‑1、 构建真实专家组， 提供任一区域的训练数据到真实专家组， 由真实专家组中的每 一位专家进行分析， 输出各自的发展预测模型， 所述真实专家组为城市建筑规划专家人士 组成的分析组； S8‑2、 对任一位专家B进行专 家特征提取， 所述专 家特征包括工作资历、 成果、 风格； S8‑3、 获取专家B的发展预测模型， 基于专家B的专家特征构 建专家B的四组数据与用地 性质区域分配的联系； S8‑3‑1、 专家B在用地性质区域 分配操作时， 包括对居住用地 分配区域x1、 公共管理与公 共服务设施用地分配区域x2、 商业服务业设施用地分配区域x3、 工业用地分配区域x4、 道路 与交通设施用地分配区域x5， 记录此时的四组数据的归一化数据， 包括地理信 息数据y1、 交 通信息数据y2、 居民信息数据y3、 消费信息数据y4； 并且记录堆栈为{y1， y2， y3， y4， K， U}， 其中 K为用地性质区域分配的比例函数集合， 即K＝{a1， a2， a3， a4， a5}， a1、 a2、 a3、 a4、 a5分别为x1、 x2、 x3、 x4、 x5的区域占比； U为专 家B的专家特征集合； S8‑3‑2、 每输入一组新的训练数据组， 得出一组堆栈， 将其导入数据库， 并设置计数器， 用来统计堆栈数量； S8‑3‑3、 判断堆栈数量是否达到C， C为记录堆栈的上限， 若达到， 进入步骤S8 ‑3‑4， 若未 达到， 返回至S 8‑3‑2； S8‑3‑4、 进入深度学习， 生成真实专 家B的虚拟专 家， 包括：权　利　要　求　书 1/3 页 2 CN 113850350 B 2获取一组堆栈中集合K的数据与平均数据的差值， 记为新的集合K1={a11， a22， a33， a44， a55}， 建立K1中数据在专 家B的基础下与四组数据的函数关系， 即虚拟专 家评判标准： 其中， 为集合K1中任一数据， 分别为y1， y2， y3， y4的平均影响系 数； S8‑3‑5、 建立虚拟专 家与真实专 家的评判相似度公式： 其中， 为评判的相似度差距值， 为真实专家的评判值， 为虚拟专家的评判值， j为 参与项数； 不断加入训练 组进行拟合虚拟专 家评判标准， 即： 其中， h为拟合 值， 随着训练 组次数而变化； 直至连续G组评判的相似度差距值均在阈值DMIN内， 其中DMIN为最低相似度阈值； 输出此时的虚拟专家评判标准即作为专家B的虚拟专家， 对每一个真实专家均建立对 应的虚拟专 家， 进而建立虚拟专 家组； 所述预测调查表的建立包括： S9‑1、 构建初始调查表， 所述初始调查表内至少包括区域A的四种数据； S9‑2、 虚拟专 家组根据初始调查表， 经 过分析， 输出初始城市 建筑用地 规划方案组； S9‑3、 对时间周期T进行排序， 按照从过去到目前的排序方式分批次建立预测调查表， 所述预测调查表至少包括区域A在当前时间周期T内的四种数据、 已经输出的所有的城市建 筑用地规划方案组； S9‑4、 直至时间周期T到达当前时间为止， 结束输入， 并将最终输出记为最终的城市建 筑用地规划方案组； 在步骤S5中， 所述权重比例的建立包括有居民意愿， 建立统计表， 按照居民意愿对用地 性质进行统计， 生成统计比例， 记为集合R={r1， r2， r3， r4， r5}； 并将其作 为权重比例， 最终生 成城市建筑用地 规划方案L 为： 其中， 分别为最终的城市 建筑用地 规划方案组的中位数。 2.应用于权利要求1所述的一种 城市建筑用地智能规划方法的一种 城市建筑用地智能 规划系统， 其特征在于： 该系统包括区域数据采集模块、 深度学习模块、 修正模块、 预测调查 模块、 建筑用地智能规划模块； 所述区域数据采集模块用于采集区域内的四种数据， 所述四种数据包括地理信息数 据、 交通信息数据、 居民信息数据、 消费信息数据， 并对四种数据进 行分析整理； 所述深度学权　利　要　求　书 2/3 页 3 CN 113850350 B 3