基于数据容器的老旧厂区功能提升的数据分析方法和系统与流程

1.本发明涉及空间数据分析技术领域，尤其涉及基于数据容器的老旧厂区功能提升的数据分析方法和系统。


背景技术：

2.postgis空间数据库，是基于对象-关系型数据库postgresql扩展构建的，能支持用户像存储和操作数据库中的其他任何对象一样去存储和操作空间数据。
3.空间数据分析是基于对地理位置和形态特征的数据分析技术，其目的在于提取和传输空间信息，是地理信息系统的主要特征，同时也是评价一个地理信息系统功能的主要指标之一，是各类综合性分析模型的基础，为人们建立复杂的空间应用模型提供了基本方法。空间数据分析通过建立有效地空间数据模型来表达地理实体的时空特性，发展面向应用的时空分析模拟方法，以数字化方式动态的、全局的描述的地理实体和地理现象的空间分布关系，从而反映地理实体的内在规律和变化趋势。
4.随着城镇化进程的飞速发展，大量老旧厂区的改造和功能提升已成为城市更新和发展中必不可少的环节。但由于缺乏深入系统的研究和实践，人们对老旧厂区改造和功能提升的模式和路径等还缺少一定深度的认识，由此造成了改造实践中，利用现有技术对老旧厂区的改造和功能提升，改造效果与预期相差较大。当前，大多是设计人员简单重复地将已有的设计方案予以复制和再利用，人为的凭经验进行老旧厂区的改造规划和功能提升的设计，缺少对改造厂区周边人口、产业、商业和服务配套等相关影响因素的客观评价和适用性分析。
5.中国专利cn108590214a公开了老旧小区综合改造方法，包括
①
合理规划布局，设计图纸；
②
对需要改造的建筑物地下部分进行增建，同时根据上述图纸的布局将需要进行移位的建筑物进行移位；
③
对建筑物的地上部分进行增建；
④
在上述增建后的建筑物基础上安装电梯和阳台。该发明采用的传统的设计方式，没有结合数据分析评估改造方向，难以进行更加合理的方案设计。
6.基于以上特点，利用现有技术对老旧厂区进行功能提升，主要依赖于设计人员凭经验进行设计，不能结合空间数据分析及相关影响因素来更加科学地确定改造方案，从而使得功能提升结果与预期相差较大。


技术实现要素：

7.为此，本发明提供基于数据容器的老旧厂区功能提升的数据分析方法和系统，用以克服现有技术中对老旧厂区功能提升的结果与预期相差较大的技术问题。
8.为实现上述目的，本发明一方面提供基于数据容器的老旧厂区功能提升的数据分析方法，包括：s1，数据采集模块进行数据采集并将数据导入数据管理模块，所述数据包括老旧厂区内的若干区域数据；
s2，所述数据管理模块根据所述区域数据建立空间数据库；所述空间数据库设置有若干数据容器，一个数据容器对应一个区域，每个数据容器内用以存储老旧厂区中的任一区域数据；s3，数据处理模块对所述空间数据库中的数据进行数据分类；s4，在数据分析模块中设置若干数据分析单元，在每个数据分析单元分别设置不同的标准功能模型；所述数据处理模块将分类完成后的数据分别发送至所述数据分析单元，用以匹配所述数据分析单元中设置的标准功能模型；s5，各所述数据分析单元将匹配标准功能模型后的数据按照区域返回至所述区域对应的数据容器中；所述匹配标准功能模型后的数据为标识功能数据，所述标识功能数据具备对应的标准功能；待所述标识功能数据均返回所述数据容器后，根据数据容器中标识功能数据生成该数据容器对应的新的功能区域数据模型；所述新的功能区域数据模型包含至少一个所述标准功能；在所述新的功能区域数据模型中，根据标识功能数据的数据量与其所在容器的数据量总量之比计算得到标准功能系数，对所述标准功能系数由大到小依次排序，其中所述标准功能系数最大的标准功能为新的功能区域数据模型的主要功能。
9.进一步地，所述数据采集模块的数据包括空间位置信息和物体属性信息；当所述数据处理模块接收到所述数据管理模块发来的数据，则所述数据处理模块根据不同的分类条件对所述空间数据库中的数据进行数据分类，包括：s301，一级数据分类：按照厂区内和厂区外进行数据分类，分别为厂区内部数据和厂区周边数据；其中，厂区内部数据为一级一类数据，厂区周边数据为一级二类数据；s302，二级数据分类：对厂区内部数据按照不同的属性进行数据分类，分别为厂区内部环境类属性数据、厂区内部建筑类属性数据和厂区内部功能类属性数据；其中，厂区内部环境类属性数据为二级一类数据，厂区内部建筑类属性数据为二级二类数据，厂区内部功能类属性数据为二级三类数据；对厂区周边数据按照不同的属性进行数据分类，分别为厂区周边环境类属性数据和厂区周边功能类属性数据；其中，厂区周边环境类属性数据为二级四类数据，厂区周边功能类属性数据为二级五类数据；s303，三级数据分类：对厂区内部环境类属性数据进行数据分类，分别为厂区内部绿地数据和厂区内部水体数据；其中，厂区内部绿地数据为三级一类数据，厂区内部水体数据为三级二类数据；对厂区内部建筑类属性数据进行数据分类，分别为厂区内部常规建筑数据和厂区部内非常规建筑数据，其中，厂区内部常规建筑数据为三级三类数据，厂区内部非常规建筑数据为三级四类数据；对厂区内部功能类属性数据进行数据分类，分别为厂区内部人口数据和厂区内部产业数据，其中，厂区内部人口数据为三级五类数据，厂区内部产业数据为三级六类数据；对厂区周边环境类属性数据进行数据分类，分别为厂区周边绿地数据和厂区周边
水体数据；其中，厂区周边绿地数据为三级七类数据，厂区周边水体数据为三级八类数据；对厂区周边功能类属性数据进行数据分类，分别为厂区周边人口数据、厂区周边产业数据和厂区周边服务设施数据，其中，厂区周边人口数据为三级九类数据，厂区周边产业数据为三级十类数据，厂区周边服务设施数据为三级十一类数据；s304，四级数据分类：对厂区内部产业数据进行数据分类，分别为厂区内部办公功能数据、厂区内部商业功能数据和厂区内部文化功能数据，其中，厂区内部办公功能数据为四级一类数据，厂区内部商业功能数据为四级二类数据，厂区内部文化功能数据为四级三类数据；对厂区周边产业数据进行数据分类，分别为厂区周边办公功能数据、厂区周边商业功能数据和厂区周边文化功能数据，其中，厂区周边办公功能数据为四级四类数据，厂区周边商业功能数据为四级五类数据，厂区周边文化功能数据为四级六类数据。
10.进一步地，所述数据分析模块包含若干数据分析单元，分别为第一数据分析单元、第二数据分析单元、第三数据分析单元、第四数据分析单元；四级一类数据、四级二类数据、四级五类数据和四级六类数据进入第一数据分析单元；在第一数据分析单元设置第一标准功能模型为产业分析模型；三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据进入第二数据分析单元；在第二数据分析单元设置第二标准功能模型为文旅商分析模型；三级五类数据和三级九类数据进入第三数据分析单元；在第三数据分析单元设置第三标准功能模型为人口分析模型；四级三类数据、四级四类数据和三级十一类数据进入第四数据分析单元；在第四数据分析单元设置第四标准功能模型为服务设施分析模型。
11.进一步地，在所述第一数据分析单元设置第一标准功能模型a1；在所述第二数据分析单元设置第二标准功能模型a2；在所述第三数据分析单元设置第三标准功能模型a3；在所述第四数据分析单元设置第四标准功能模型a4；当四级一类数据、四级二类数据、四级五类数据和四级六类数据进入第一数据分析单元进入第一数据分析单元后，四级一类数据、四级二类数据、四级五类数据和四级六类数据匹配第一标准功能模型，则四级一类数据、四级二类数据、四级五类数据和四级六类数据为第一标识功能数据；第一标识功能数据包括第一标准功能信息、空间位置信息和物体属性信息；当三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据进入第二数据分析单元后，三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据匹配第二标准功能模型，则三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据为第二标识功能数据；第二标识功能数据包括第二标准功能信息、空间位置信息和物体属性信息；当三级五类数据和三级九类数据进入第三数据分析单元后，三级五类数据和三级九类数据匹配第三标准功能模型，则三级五类数据和三级九类数据为第三标识功能数据；第三标识功能数据包括第三标准功能信息、空间位置信息和物体属性信息；当四级三类数据、四级四类数据和三级十一类数据进入第四数据分析单元后，四
级三类数据、四级四类数据和三级十一类数据匹配第四标准功能模型，则四级三类数据、四级四类数据和三级十一类数据为第四标识功能数据；第四标识功能数据包括第四标准功能信息、空间位置信息和物体属性信息。
12.进一步地，所述空间数据库包括若干数据容器，记为di；其中，在第一数据容器中存储数据量为d1的第一区域数据，在所述第二数据容器中存储数据量为d2的第二区域数据，在所述第三数据容器中存储数据量为d3的第三区域数据，在所述第四数据容器中存储数据量为d4的第四区域数据；所述任一数据分析单元中的标识功能数据按照区域返回至所述区域对应的数据容器中，其中，所述第一数据分析单元中第一标识功能数据的空间数据信息∈第一功能区域数据，则所述第一标识功能数据返回至所述第一数据容器，其数据量为da11；所述第二数据分析单元中第二标识功能数据的空间数据信息∈第一功能区域数据，则所述第二标识功能数据返回至所述第一数据容器，其数据量为da21；所述第三数据分析单元中第三标识功能数据的空间数据信息∈第一区域数据，则所述第三标识功能数据返回至所述第一数据容器，其数据量为da31；所述第四数据分析单元中第四标识功能数据的空间数据信息∈第一区域数据，则所述第四标识功能数据返回至所述第一数据容器，其数据量为da41；当所述若干数据分析单元中所有∈第一区域数据的所述标识功能数据全部返回至所述第一数据容器中时，计算得到返回至第一数据容器中的数据量总量为da11 da21 da31 da41=d1，则返回至第一数据容器中的数据生成新的第一功能区域数据模型m1’。
13.进一步地，根据所述返回至所述第一数据容器的所述第一标识功能数据的数据量da11与返回至第一数据容器中的数据量总量之比计算得到第一标准功能系数，记为k11，则k11=da11/d1，其中0≤k11≤1；根据所述返回至所述第一数据容器的所述第二标识功能数据的数据量da21与返回至第一数据容器中的数据量总量之比计算得到第二标准功能系数，记为k21，则k21=da21/d1，其中0≤k21≤1；根据所述返回至所述第一数据容器的所述第三标识功能数据的数据量da31与返回至第一数据容器中的数据量总量之比计算得到第三标准功能系数，记为k31，则k31=da31/d1，其中0≤k31≤1；根据所述返回至所述第一数据容器的所述第四标识功能数据的数据量da41与返回至第一数据容器中的数据量总量之比计算得到第四标准功能系数，记为k41，则k41=da41/d1，其中0≤k41≤1；则新的第一功能区域数据模型：m1’=｛k11
×
a1，k21
×
a2，k31
×
a3，k41
×
a4｝。
14.进一步地，比较所述新的第一功能区域数据模型m1’所述第一标准功能系数、所述第二标准功能系数、所述第三标准功能系数和所述第四标准功能系数，计算得到在所述第一数据容器中的所述标准功能系数最大值，记为k1max=max（k11，k21，k31，k41），其中k1max所对应的标准功能为所述新的第一功能区域数据模型m1’的主要功能，所述第一数据容器中其他标准功能系数所对应的标准功能为辅助功能。
15.进一步地，对于生成任一功能区域数据模型mi’=｛k1i
×
a1，k2i
×
a2，k3i
×
a3，k4i
×
a4｝，其中k1i为所述任一功能区域数据模型的第一标准功能系数且0≤k1i≤1，k2i为所述任一功能区域数据模型的第二标准功能系数且0≤k2i≤1，k3i为所述任一功能区域数据模型的第三标准功能系数且0≤k3i≤1，k4i为所述任一功能区域数据模型的第四标准功能系数且0≤k4i≤1；比较所述新的第i功能区域数据模型mi’中所包含的各标准功能系数，计算得到在所述第i数据容器中的所述标准功能系数最大值，记为kimax=max（k1i，k2i，k3i，k4i），其中kimax所对应的标准功能为所述第i第一功能区域数据模型m1’的主要功能，所述第i数据容器中其他标准功能系数所对应的标准功能为辅助功能。
16.另一方面，本发明还提供基于数据容器的老旧厂区功能提升的数据分析系统，包括所述数据采集模块、所述数据管理模块、所述数据处理模块和所述数据分析模块；其中，所述数据采集模块，其与所述数据管理模块连接，用以采集数据并将数据发送至所述数据管理模块；所述数据管理模块，其第一输入端与所述数据采集模块连接，用以接收所述数据采集模块发来的数据；所述数据管理模块的第二输入端与所述数据分析模块连接，用以接收所述数据分析模块发来的所述标识功能数据；所述数据处理模块，其与所述数据管理模块连接，用以对所述数据管理模块中的数据进行数据处理；所述数据分析模块，其与所述数据处理模块连接，用以接收所述数据处理模块发来的数据并将所述标识功能数据返回至所述数据管理模块。
17.进一步地，所述数据分析模块中的所述若干数据分析单元，用以将所述数据处理模块发来的数据与所述标准功能模型匹配生成所述标识功能数据。
18.与现有技术相比，本发明的有益效果在于，通过将采集到的数据导入数据管理模块建立老旧厂区空间数据库，增加了数据库中数据类型多样性、具备高可访问性、强大的信息检索和分析能力；通过空间数据库中每个数据容器内分别放置老旧厂区各区域数据，使得数据分析具备更加明确的指向性和空间定位；通过对空间数据库中的数据进行数据分类，提高了数据的逻辑层次和可扩展性；通过数据处理模块将分类完成后的数据分别发送至数据分析单元并匹配数据分析单元中设置的标准功能模型，有助于更加精准的对数据分析单元内的数据赋予标准功能并进行数据分析；通过数据按照区域数据依次返回至空间数据库对应的数据容器中并生成新的功能区域数据模型，使得被赋予标准功能的数据按照空间区域重新回归数据容器内，提升数据有效性；通过对标准功能系数进行比较并依次排序，能够明确区域功能模型的主要功能和辅助功能，使得通过数据分析能够更加科学的进行老旧厂区功能提升并辅助决策，提高了功能提升结果的准确性。
19.尤其，通过数据处理模块对空间数据库中的数据进行数据分类，使得原有数据形成一个逻辑层次清晰、结构合理、类目明确的分类体系，数据的系统性更强；对数据进行数据分类后，提高了数据的逻辑层次和数据的可扩展性。
20.尤其，通过数据处理模块将分类完成后的数据分别发送至数据分析单元并匹配数据分析单元中设置的标准功能模型，有助于更加精准的对数据分析单元内的数据赋予标准功能并进行数据分析。
21.尤其，通过空间数据库中每个数据容器内分别放置老旧厂区各区域数据，使得数据分析具备更加明确的指向性和空间定位；通过数据按照区域数据依次返回至空间数据库对应的数据容器中并生成新的功能区域数据模型，使得被赋予标准功能的数据按照空间区域重新回归数据容器内，提升数据有效性；明确回归到每个功能数据容器内的数据量，有助于判断新的功能区域数据模型的功能。
22.尤其，通过计算得到每个新的功能区域模型中包含的特定功能数据所占总数据的比例系数，能够科学的体现出新的功能区域模型的功能；通过比较计算的到的比例系数大小，能够精准判断新的功能区域模型的主要功能和辅助功能并辅助决策。
附图说明
23.图1为本发明所述基于数据容器的老旧厂区功能提升的数据分析方法流程图；图2为本发明所述基于数据容器的老旧厂区功能提升的数据分析系统结构示意图；图3为本发明所述基于数据容器的老旧厂区功能提升的数据分类示意图；图中：1、数据采集模块；2、数据管理模块；3、数据处理模块；4、数据分析模块；5、第一输入端；6、第二输入端。
具体实施方式
24.为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
25.下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
26.需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
27.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
28.本发明实施例提供的基于数据容器的老旧厂区功能提升的数据分析方法和系统，请参阅图1-图3所示，可以按照如下方式予以实施：具体而言，如图2所示，基于数据容器的老旧厂区功能提升的数据分析系统包括数据采集模块1、数据管理模块2、数据处理模块3和数据分析模块4；其中，数据采集模块1，其与数据管理模块2连接，用以采集数据并将数据发送至数据管理模块；数据管理模块2，其第一输入端5与数据采集模块1连接，用以接收数据采集模块发来的数据；数据管理模块的第二输入端6与数据分析模块4连接，用以接收数据分析模块发
来的标识功能数据；数据处理模块3，其与数据管理模块2连接，用以对数据管理模块中的数据进行数据处理；数据分析模块4，其与数据处理模块3连接，用以接收数据处理模块发来的数据并将标识功能数据返回至数据管理模块。
29.数据分析模块中的若干数据分析单元，用以将数据处理模块发来的数据与标准功能模型匹配生成标识功能数据。
30.通过数据采集模块采集数据，通过数据管理模块建立空间数据库并进行数据分类，通过数据分析模块进行数据分析，使得数据系统性更强，数据分析结果更加精准，提高了数据分析效率。
31.具体而言，如图1所示，基于数据容器的老旧厂区功能提升的数据分析方法，包括以下步骤：s1，数据采集模块进行数据采集并将数据导入数据管理模块，数据包括老旧厂区内的若干区域数据；数据采集模块采集到的数据包括空间位置信息和物体属性信息；s2，数据管理模块根据区域数据建立空间数据库；空间数据库设置有若干数据容器，一个数据容器对应一个区域，每个数据容器内用以存储老旧厂区中的任一区域数据；s3，数据处理模块对空间数据库中的数据进行数据分类；s4，在数据分析模块中设置若干数据分析单元，在每个数据分析单元分别设置不同的标准功能模型；数据处理模块将分类完成后的数据分别发送至数据分析单元，用以匹配数据分析单元中设置的标准功能模型；s5，各数据分析单元将匹配标准功能模型后的数据按照区域返回至区域对应的数据容器中；匹配标准功能模型后的数据为标识功能数据，标识功能数据具备对应的标准功能；待标识功能数据均返回数据容器后，根据数据容器中标识功能数据生成该数据容器对应的新的功能区域数据模型；新的功能区域数据模型包含至少一个标准功能；在新的功能区域数据模型中，根据标识功能数据的数据量与其所在容器的数据量总量之比计算得到标准功能系数，对标准功能系数由大到小依次排序，其中标准功能系数最大的标准功能为新的功能区域数据模型的主要功能。
32.通过将采集到的数据导入数据管理模块建立老旧厂区空间数据库，增加了数据库中数据类型多样性、具备高可访问性、强大的信息检索和分析能力；通过空间数据库中每个数据容器内分别放置老旧厂区各区域数据，使得数据分析具备更加明确的指向性和空间定位；通过对空间数据库中的数据进行数据分类，提高了数据的逻辑层次和可扩展性；通过数据处理模块将分类完成后的数据分别发送至数据分析单元并匹配数据分析单元中设置的标准功能模型，有助于更加精准的对数据分析单元内的数据赋予标准功能并进行数据分析；通过数据按照区域数据依次返回至空间数据库对应的数据容器中并生成新的功能区域数据模型，使得被赋予标准功能的数据按照空间区域重新回归数据容器内，提升数据有效性；通过对标准功能系数进行比较并依次排序，能够明确区域功能模型的主要功能和辅助功能，使得通过数据分析能够更加科学的进行老旧厂区功能提升并辅助决策。
33.具体而言，如图3所示，数据处理模块对数据进行数据分类的具体实施方式如下：一级数据分类：按照厂区内和厂区外进行数据分类，分别为厂区内部数据和厂区周边数据；其中，厂区内部数据为一级一类数据，厂区周边数据为一级二类数据；二级数据分类：对厂区内部数据按照不同的属性进行数据分类，分别为厂区内部环境类属性数据、厂区内部建筑类属性数据和厂区内部功能类属性数据；其中，厂区内部环境类属性数据为二级一类数据，厂区内部建筑类属性数据为二级二类数据，厂区内部功能类属性数据为二级三类数据；对厂区周边数据按照不同的属性进行数据分类，分别为厂区周边环境类属性数据和厂区周边功能类属性数据；其中，厂区周边环境类属性数据为二级四类数据，厂区周边功能类属性数据为二级五类数据；三级数据分类：对厂区内部环境类属性数据进行数据分类，分别为厂区内部绿地数据和厂区内部水体数据；其中，厂区内部绿地数据为三级一类数据，厂区内部水体数据为三级二类数据；对厂区内部建筑类属性数据进行数据分类，分别为厂区内部常规建筑数据和厂区部内非常规建筑数据，其中，厂区内部常规建筑数据为三级三类数据，厂区内部非常规建筑数据为三级四类数据；对厂区内部功能类属性数据进行数据分类，分别为厂区内部人口数据和厂区内部产业数据，其中，厂区内部人口数据为三级五类数据，厂区内部产业数据为三级六类数据；对厂区周边环境类属性数据进行数据分类，分别为厂区周边绿地数据和厂区周边水体数据；其中，厂区周边绿地数据为三级七类数据，厂区周边水体数据为三级八类数据；对厂区周边功能类属性数据进行数据分类，分别为厂区周边人口数据、厂区周边产业数据和厂区周边服务设施数据，其中，厂区周边人口数据为三级九类数据，厂区周边产业数据为三级十类数据，厂区周边服务设施数据为三级十一类数据；四级数据分类：对厂区内部产业数据进行数据分类，分别为厂区内部办公功能数据、厂区内部商业功能数据和厂区内部文化功能数据，其中，厂区内部办公功能数据为四级一类数据，厂区内部商业功能数据为四级二类数据，厂区内部文化功能数据为四级三类数据；对厂区周边产业数据进行数据分类，分别为厂区周边办公功能数据、厂区周边商业功能数据和厂区周边文化功能数据，其中，厂区周边办公功能数据为四级四类数据，厂区周边商业功能数据为四级五类数据，厂区周边文化功能数据为四级六类数据；通过数据处理模块对空间数据库中的数据进行数据分类，使得原有数据形成一个逻辑层次清晰、结构合理、类目明确的分类体系，数据的系统性更强；对数据进行数据分类后，提高了数据的逻辑层次和数据的可扩展性。
34.四级一类数据、四级二类数据、四级五类数据和四级六类数据进入第一数据分析单元；在第一数据分析单元设置第一标准功能模型为产业分析模型；三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据进入第二数据分析单元；在第二数据分析单元设置第二标准功能模型为文旅商分析模型；
三级五类数据和三级九类数据进入第三数据分析单元；在第三数据分析单元设置第三标准功能模型为人口分析模型；四级三类数据、四级四类数据和三级十一类数据进入第四数据分析单元；在第四数据分析单元设置第四标准功能模型为服务设施分析模型；当四级一类数据、四级二类数据、四级五类数据和四级六类数据进入第一数据分析单元进入第一数据分析单元后，四级一类数据、四级二类数据、四级五类数据和四级六类数据匹配第一标准功能模型，则四级一类数据、四级二类数据、四级五类数据和四级六类数据为第一标识功能数据；第一标识功能数据包括第一标准功能信息、空间位置信息和物体属性信息；当三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据进入第二数据分析单元后，三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据匹配第二标准功能模型，则三级一类数据、三级二类数据、三级三类数据、三级四类数据、三级七类数据和三级八类数据为第二标识功能数据；第二标识功能数据包括第二标准功能信息、空间位置信息和物体属性信息；当三级五类数据和三级九类数据进入第三数据分析单元后，三级五类数据和三级九类数据匹配第三标准功能模型，则三级五类数据和三级九类数据为第三标识功能数据；第三标识功能数据包括第三标准功能信息、空间位置信息和物体属性信息；当四级三类数据、四级四类数据和三级十一类数据进入第四数据分析单元后，四级三类数据、四级四类数据和三级十一类数据匹配第四标准功能模型，则四级三类数据、四级四类数据和三级十一类数据为第四标识功能数据；第四标识功能数据包括第四标准功能信息、空间位置信息和物体属性信息；通过数据处理模块将分类完成后的数据分别发送至数据分析单元并匹配数据分析单元中设置的标准功能模型，有助于更加精准的对数据分析单元内的数据赋予标准功能并进行数据分析。
35.具体而言，通过对空间数据库中的数据进行数据处理、数据分析后生成新的功能区域模型，具体实施方式如下：空间数据库包括第一数据容器，第二数据容器，第三数据容器，第四数据容器；在第一数据容器中存储数据量为d1的第一区域数据，在第二数据容器中存储数据量为d2的第二区域数据，在第三数据容器中存储数据量为d3的第三区域数据，在第四数据容器中存储数据量为d4的第四区域数据。
36.第一数据分析单元中第一标识功能数据的空间数据信息∈第一区域数据，则第一标识功能数据返回至第一数据容器，其数据量为da11；第二数据分析单元中第二标识功能数据的空间数据信息∈第一区域数据，则第二标识功能数据返回至第一数据容器，其数据量为da21；第三数据分析单元中第三标识功能数据的空间数据信息∈第一区域数据，则第三标识功能数据返回至第一数据容器，其数据量为da31；第四数据分析单元中第四标识功能数据的空间数据信息∈第一区域数据，则第四标识功能数据返回至第一数据容器，其数据量为da41；当若干数据分析单元中所有∈第一区域数据的标识功能数据全部返回至第一数
据容器中时，计算得到返回至第一数据容器中的数据量总量为da11 da21 da31 da41 =d1，则返回至第一数据容器中的数据生成新的第一功能区域数据模型m1’。
37.根据返回至第一数据容器的第一标识功能数据的数据量da11与返回至第一数据容器中的数据量总量之比计算得到第一标准功能系数，记为k11，则k11=da11/d1，其中0≤k11≤1；根据返回至第一数据容器的第二标识功能数据的数据量da21与返回至第一数据容器中的数据量总量之比计算得到第二标准功能系数，记为k21，则k21=da21/d1，其中0≤k21≤1；根据返回至第一数据容器的第三标识功能数据的数据量da31与返回至第一数据容器中的数据量总量之比计算得到第三标准功能系数，记为k31，则k31=da31/d1，其中0≤k31≤1；根据返回至第一数据容器的第四标识功能数据的数据量da41与返回至第一数据容器中的数据量总量之比计算得到第四标准功能系数，记为k41，则k41=da41/d1，其中0≤k41≤1；则新的第一功能区域数据模型：m1’=｛k11
×
a1，k21
×
a2，k31
×
a3，k41
×
a4｝。
38.通过空间数据库中每个数据容器内分别放置老旧厂区各区域数据，使得数据分析具备更加明确的指向性和空间定位；通过数据按照区域数据依次返回至空间数据库对应的数据容器中并生成新的功能区域数据模型，使得被赋予标准功能的数据按照空间区域重新回归数据容器内，提升数据有效性；明确回归到每个功能数据容器内的数据量，有助于判断新的功能区域数据模型的功能。
39.具体而言，新的功能区域数据模型包含一个或多个标准功能，对标准功能系数进行比较；比较新的第一功能区域数据模型m1’第一标准功能系数、第二标准功能系数、第三标准功能系数和第四标准功能系数，计算得到在第一数据容器中的标准功能系数最大值，记为k1max=max（k11，k21，k31，k41），其中k1max所对应的标准功能为新的第一功能区域数据模型m1’的主要功能，第一数据容器中其他标准功能系数所对应的标准功能为辅助功能。
40.具体而言，对于生成任一功能区域数据模型mi’=｛k1i
×
a1，k2i
×
a2，k3i
×
a3，k4i
×
a4｝，其中k1i为任一功能区域数据模型的第一标准功能系数且0≤k1i≤1，k2i为任一功能区域数据模型的第二标准功能系数且0≤k2i≤1，k3i为任一功能区域数据模型的第三标准功能系数且0≤k3i≤1，k4i为任一功能区域数据模型的第四标准功能系数且0≤k4i≤1；比较新的第i功能区域数据模型mi’中所包含的各标准功能系数，计算得到在第i数据容器中的标准功能系数最大值，记为kimax=max（k1i，k2i，k3i，k4i），其中kimax所对应的标准功能为第i第一功能区域数据模型m1’的主要功能，第i数据容器中其他标准功能系数所对应的标准功能为辅助功能。
41.通过数据分析系统得到任一新的功能区域数据模型mi’，该模型具有通用性，且数据分析系统中数据具备高扩展性；通过系统生成的新的功能区域数据模型能够为老旧厂区功能提升提供科学的设计方案并辅助决策。
42.以老旧厂区局部区域为例进行基于数据容器的老旧厂区功能提升的数据分析方
法和系统的模拟，具体实施例：数据采集模块采集数据并将数据导入数据管理模块后，在数据管理模块建立空间数据库，数据包括（e1，e2，e3，e4，e5，e6），其中第一区域数据为（e1，e2，e3），第二区域数据为（e4，e5，e6）；在空间数据库中设置有2个数据容器，分别为数据容器c1和数据容器c2，数据容器c1存储第一区域数据（e1，e2，e3），数据容器c2存储第一区域数据（e4，e5，e6）；数据管理模块将数据（e1，e2，e3，e4，e5，e6）发送至数据数据处理模块，将数据（e1，e2，e3，e4，e5，e6）分为两类，第一类数据包括（e1，e4），第二类数据包括（e2，e3，e5，e6）；在数据处理模块中数据分类完成后，数据处理模块将数据发送至数据分析模块；在数据分析模块中设置数据分析单元f1和数据分析单元f2，数据分析单元f1中设置第一标准功能模型gn1，数据分析单元f2中设置第二标准功能模型gn2；则第一类数据（e1，e4）进入数据分析单元f1后，第一类数据（e1，e4）匹配数据分析单元f1中设置第一标准功能模型gn1后，第一类数据（e1，e4）被赋予第一标准功能gn1，成为第一标识功能数据（e1 gn1，e4 gn1）；第二类数据（e2，e3，e5，e6）进入数据分析单元f2，第二类数据（e2，e3，e5，e6）匹配数据分析单元f2中设置第一标准功能模型gn2后，第二类数据（e2，e3，e5，e6）被赋予第二标准功能gn2，成为第二标识功能数据（e2 gn2，e3 gn2，e5 gn2，e6 gn2）；第一标识功能数据（e1 gn1，e4 gn1）和第二标识功能数据（e2 gn2，e3 gn2，e5 gn2，e6 gn2）按照区域返回至区域对应的数据容器中，即（e1 gn1、e2 gn2、e3 gn2）返回至第一数据容器c1中，（e4 gn1、e5 gn2，e6 gn2）返回至第二数据容器c2中；其中在第一数据容器c1中，具备第一标准功能的数据是e1 gn1，第一标准功能数据量是1，第一标准功能数据量占第一容器中总数据量的1/3；在第一数据容器c1中具备第二标准功能的数据是e2 gn2、e3 gn2，第二标准功能数据量是2，第二标准功能数据量占第一容器中总数据量的2/3；则在第一数据容器c1中生成新的功能区域数据模型m1’=｛1/3
×
gn1，2/3
×
gn2｝，由于2/3＞1/3，因此得到结论新的功能区域数据模型m1’的主要功能为gn2。
43.其中在第二数据容器c2中，具备第一标准功能的数据是e14gn1，第一标准功能数据量是1，第一标准功能数据量占第一容器中总数据量的1/3；在第二数据容器c1中具备第二标准功能的数据是e5 gn2、e6 gn2，第二标准功能数据量是2，第二标准功能数据量占第一容器中总数据量的2/3；则在第一数据容器c2中生成新的功能区域数据模型m2’=｛1/3
×
gn1，2/3
×
gn2｝，由于2/3＞1/3，因此得到结论新的功能区域数据模型m2’的主要功能为gn2。
44.至此，老旧厂区内的第一区域和第二区域的主要功能为gn2，老旧厂区改造可参考该功能定位，使规划之后的区域能充分立足于现实发展条件，实现更符合客观规律的发展定位，从而保证老旧厂区更新的实际效果，同时也避免了经济成本和人力成本的浪费。
45.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些
更改或替换之后的技术方案都将落入本发明的保护范围之内。
46.以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。 凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。