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

技术特征：
1.基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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。2.根据权利要求1所述的基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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。3.根据权利要求2所述的基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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。4.根据权利要求3所述的基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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。5.根据权利要求4所述的基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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；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’。6.根据权利要求5所述的基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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｝。7.根据权利要求6所述的基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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。8.根据权利要求7所述的基于数据容器的老旧厂区功能提升的数据分析方法，其特征在于，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。9.一种应用权利要求1-8中任一项所述的基于数据容器的老旧厂区功能提升的数据分析方法的基于数据容器的老旧厂区功能提升的数据分析系统，其特征在于，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。10.根据权利要求9所述的基于数据容器的老旧厂区功能提升的数据分析系统，其特征在于，所述数据分析模块中的若干数据分析单元，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标识功能数据。

技术总结
本发明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，主要涉及空间数据分析技术领域。数据采集模块进行数据采集并将数据导入数据管理模块；在数据管理模块中建立空间数据库，并将数据按照区域存储在数据容器中；数据处理模块对数据进行数据分类后，将数据发送至数据分析单元并匹配标准功能模型生成标识功能数据；数据分析单元将标识功能数据按照区域返回至该区域对应的数据容器中，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。通过数据分类并将分类后的数据在数据分析单元中匹配标准功能模型，有助于更加精准的对数据赋予标准功能，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。提升并辅助决策。提升并辅助决策。


技术研发人员：张杰 刘岩 胡建新 林霄 袁晓辉 马圣心 魏炜嘉 朱玉风
受保护的技术使用者：北京华清安地建筑设计有限公司
技术研发日：2022.04.25
技术公布日：2022/5/30