[發明專利]一種圖層標簽的確定方法、裝置、電子設備和存儲介質

在審

• 申請號: 202211716527.5
• 申請日: 2022-12-29
• 公開（公告）號: CN115880715A
• 公開（公告）日: 2023-03-31
• 發明（設計）人: 甘兵;張茂華;廖瑞毅;方杰
• 申請（專利權）人: 數字廣東網絡建設有限公司
• 主分類號: G06V30/422
• 分類號: G06V30/422;G06V10/44;G06V10/764
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 馬迪

本發明公開了一種圖層標簽的確定方法、裝置、電子設備和存儲介質。該方法包括：獲取訓練區域的矢量數據和初始網格；根據訓練區域的矢量數據和初始網格，構建訓練模型；獲取目標區域的矢量數據；將目標區域的矢量數據輸入訓練模型，確定目標區域的圖層標簽。本發明通過訓練區域的矢量數據和初始網格，構建訓練模型，從而根據訓練模型，確定目標區域的矢量數據對應的圖層標簽，提升圖層確定的效率和準確性。

技術領域

本發明涉及圖層標簽設計技術領域，尤其涉及一種圖層標簽的確定方法、裝置、電子設備和存儲介質。

背景技術

圖層現狀的存儲做法是存儲在關系型數據庫管理系統PostgreSQL中，采用對象-關系型數據庫管理系統POSTGIS插件來輔助存儲。

目前，現有技術對于圖層標簽的設計，采用POSTGIS來進行專業實體手動分析時，由于任何一個圖斑疊加算子都要基于像素來計算一遍，運算速度效率低，且當出現新增業務需求時，需要重新進行計算，缺乏統一的數據模型架構，分析效率低。

發明內容

本發明提供了一種圖層標簽的確定方法、裝置、電子設備和存儲介質，建立網格與矢量圖層數據的聯系，使得矢量數據以標簽的形式存儲于網格內，提升圖層的分析效率。

根據本發明的一方面，本發明實施例提供了一種圖層標簽的確定方法，該方法包括：

獲取訓練區域的矢量數據和初始網格；

根據訓練區域的矢量數據和初始網格，構建訓練模型；

獲取目標區域的矢量數據；

將目標區域的矢量數據輸入訓練模型，確定目標區域的圖層標簽。

可選的，根據訓練區域的矢量數據和初始網格，構建訓練模型，包括：根據訓練區域的矢量數據和初始網格，確定訓練區域的標簽數據；根據訓練區域的標簽數據和業務數據，基于訓練算法構建訓練模型。

可選的，確定訓練區域的標簽數據，包括：確定訓練區域的矢量數據的分類級別；對分類級別進行維度特征提取，確定訓練區域的矢量數據向量；將訓練區域的矢量數據向量和初始網格進行融合，確定訓練區域的標簽數據。

可選的，分類級別包括一級分類和二級分類；其中，一級分類包括標識屬性、基礎屬性、關系屬性、空間屬性、時間屬性、事件屬性、統計屬性和業務專題屬性中的至少之一；二級分類包括城鎮開發邊界、耕地保護目標、生態保護紅線、永久基本農田保護圖斑、自然保護地、高速公路、出入口及道路構造物、國道、省道、鐵路和圖斑中的至少之一。

可選的，維度特征包括基礎特征維度、組合特征維度、圖譜特征維度和高階特征維度；對分類級別進行維度特征提取，確定訓練區域的矢量數據向量，包括：對分類級別進行基礎特征維度的提取，確定基礎特征；對訓練區域的矢量數據的實體、關系和分類級別進行特征轉換，確定高維向量，并進行圖譜特征維度的提取，確定圖譜特征；對分類級別進行高階特征維度的提取，確定高階特征；對基礎特征、圖譜特征和高階特征進行組合特征維度的提取，確定組合特征；根據基礎特征、組合特征、圖譜特征和高階特征確定矢量數據向量。

可選的，將訓練區域的矢量數據向量和初始網格進行融合，確定訓練區域的標簽數據，包括：基于第一方式，對訓練區域的矢量數據向量和初始網格進行融合，確定單矢量圖層標簽數據；基于第二方式對多個單矢量圖層標簽數據進行融合，確定訓練區域的標簽數據。

可選的，第一方式包括直接賦值、時間記錄、面積計算、時間變化和密度變化中的任一種；第二方式包括記錄實體、計算類型分布、數值融合、組合特征、時間特征融合和空間特征融合中的任一種。