[發(fā)明專利]基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法

在審

• 申請?zhí)枺?/td>: 202210728270.9
• 申請日: 2022-06-24
• 公開（公告）號: CN115129799A
• 公開（公告）日: 2022-09-30
• 發(fā)明（設(shè)計）人: 李軍吉;孫華;王定;張裕洲;徐央杰;陶文曠;吳敦;楊兆東;費佳寧
• 申請（專利權(quán)）人: 紹興市勘察測繪院;寶略科技(浙江)有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F17/16;G06F17/18
• 代理公司: 寧波甬致專利代理有限公司 33228
• 代理人: 袁波

1.基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法，其特征在于，包括步驟：

S1：獲取網(wǎng)絡(luò)時空大數(shù)據(jù)庫中目標(biāo)數(shù)據(jù)的空間點位地理位置坐標(biāo)信息；

S2：根據(jù)空間點位地理位置坐標(biāo)信息通過R語言的hex_grid架構(gòu)將在空間上呈現(xiàn)點狀分布的大數(shù)據(jù)分割成多個正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的空間連續(xù)的片狀分布的大數(shù)據(jù)；

S3：根據(jù)空間連續(xù)的片狀分布的大數(shù)據(jù)構(gòu)建空間聚集性分析模型，分析大數(shù)據(jù)的空間局部效應(yīng)結(jié)果；

S4：基于空間聚集性分析模型的分析結(jié)果，構(gòu)建空間加權(quán)函數(shù)模型，將空間加權(quán)函數(shù)模型中的空間權(quán)重輸入至Keras-TensorFlow深度學(xué)習(xí)模型中，訓(xùn)練Keras-TensorFlow深度學(xué)習(xí)模型，得到全局每個正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的空間權(quán)重矩陣；

S5：根據(jù)空間權(quán)重矩陣構(gòu)建基于地理位置差異算法的網(wǎng)絡(luò)時空大數(shù)據(jù)分析模型；

S6：根據(jù)網(wǎng)絡(luò)時空大數(shù)據(jù)分析模型的分析結(jié)果，構(gòu)建網(wǎng)絡(luò)時空大數(shù)據(jù)分析展示平臺。

2.根據(jù)權(quán)利要求1所述的基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法，其特征在于，通過R語言的hex_grid架構(gòu)將在空間上呈現(xiàn)點狀分布的大數(shù)據(jù)分割成等大的多個正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的空間連續(xù)的片狀分布的大數(shù)據(jù)；

調(diào)用hex_grid中cell_area函數(shù)，設(shè)置單個正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元面積大小，使生成的正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元覆蓋所有點狀空間分布的大數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法，其特征在于，所述步驟S3包括：

S31：根據(jù)分割的空間連續(xù)的片狀分布的大數(shù)據(jù)，通過ArcGIS構(gòu)建空間內(nèi)的聚集性分析模型，得到Moran's I指數(shù)；

S32：根據(jù)Moran's I指數(shù)，通過GeoDA得到LISA空間局部自相關(guān)指數(shù)；

S33：根據(jù)LISA空間局部自相關(guān)指數(shù)，得到每個正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的空間局部效應(yīng)結(jié)果。

4.根據(jù)權(quán)利要求3所述的基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法，其特征在于，所述Moran's I指數(shù)為：

其中，m表示空間內(nèi)分割的正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的總數(shù)；D_i和D_i'分別表示網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元i和網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元i'的空間坐標(biāo)；表示空間內(nèi)的空間協(xié)調(diào)平均值，θ_ij表示空間中一個單元的定義鄰接的空間鄰接權(quán)重值，S表示空間權(quán)重矩陣中所有元素的和。

5.根據(jù)權(quán)利要求4所述的基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法，其特征在于，所述LISA空間局部自相關(guān)指數(shù)為：

其中，i表示空間內(nèi)單個正多邊形區(qū)域；x_i和x_j分別表示網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元i和網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元j的觀測值；W_ij是空間權(quán)重值，表示網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元i和網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元j的地理位置關(guān)系。

6.根據(jù)權(quán)利要求5所述的基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法，其特征在于，所述步驟S4包括：

S41：根據(jù)空間局部效應(yīng)結(jié)果，得到每個正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的空間權(quán)重值，其中，高聚集性為1，低聚集性為-1，無聚集性為0；

S42：根據(jù)每個正多邊形空間單元的空間權(quán)重值，得到基于單獨網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的m*n的空間權(quán)重矩陣，其中m表示空間對象在橫坐標(biāo)上所含正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的數(shù)量，n表示空間對象在縱坐標(biāo)上所含正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的數(shù)量。

7.根據(jù)權(quán)利要求6所述的基于地理權(quán)重矩陣的網(wǎng)絡(luò)時空大數(shù)據(jù)處理分析方法，其特征在于，所述步驟S5包括：

S51：根據(jù)空間權(quán)重矩陣，建立地理位置權(quán)函數(shù)；

S52：通過地理位置權(quán)函數(shù)建立地理位置差異函數(shù)估算；

S53：根據(jù)地理位置差異函數(shù)估算值，建立GWR空間地理加權(quán)回歸函數(shù)，得到每個正多邊形網(wǎng)絡(luò)時空大數(shù)據(jù)空間單元的回歸函數(shù)估計值。