一种基于多元线性回归的智慧城市应用场景评价方法与流程

1.本发明提出了一种基于多元线性回归的智慧城市应用场景评价方法，属于数据分析与智慧城市建设规划领域。


背景技术：

2.城市属性是指在一定地区、国家以至更大范围内的政治、经济与社会发展中所处的地位和所负担的主要职能。随着生产力水平的日益提高，社会劳动分工越来越细，城市的职能也由简单到复杂。现代城市一般都具有多种职能，但其作用是有大有小之分，职能有主有次之别，只有主要职能才能对城市性质发展具有决定影响，并反映城市的基本特征。
3.目前对城市属性进行量化评价的研究还相对较少。针对商业属性，竺剡瑶所著《西安市大遗址保护对城市空间影响的量化分析》从城市道路空间结构的角度，对西安市周边区域进行商业能力的评估；针对生态属性，刘亚芹著《城市住区生态属性研究与模糊综合评价》建立了一套住区生态属性评价体系，评价体系的结构为开放的三级多因素综合模糊评价模型。评价体系的指标涵盖了住区自然生态属性、经济生态属性、社会生态属性三方面的内容。sergey等将智慧城市建设分解成若干个项目，并设计了一种项目评价标准来对项目的建设价值进行排名，该标准同时考虑了城市战略属性以及居民的主观需求。邓贤峰在城市信息化测评理论的基础上综合考虑了智慧城市的特征、建设路径和推进方式，从产业发展、人文素养、社会服务、互联互通等四大领域出发，在每个领域下设立二级指标项，构建了一套具有较高认可度的评价体系。该体系在参考国内外成功的理论经验基础上充分考虑了智慧城市的愿景与实际发展状况，具有一定的科学性。
4.以上各学者从不同层面积极探索智慧城市的建设经验，并在智慧城市评价理论体系方面积累了一定的研究成果，但都更偏向于智慧城市单一属性的评判或是智慧程度的评判，没有对智慧城市的应用场景做出总体评价。
5.本发明针对以上问题提出了一种有效的解决方案。本发明构建了一套城市属性的量化评价体系，基于多元线性回归方法，建立了智慧城市应用场景的评价方法，从而计算出智慧城市各应用场景的适应值，解决了现有的智慧城市评价理论体系中属性单一对智慧城市总体发展规划影响的局限性。


技术实现要素：

6.针对现有技术中存在的缺陷，本发明的目的在于提供一种基于多元线性回归的智慧城市应用场景评价方法。本发明设计了合理的量化评价方法来对高度抽象化的城市属性进行打分，并参考已有的智慧城市样本数据根据不同应用场景的实际情况，利用多元线性回归方法确定各属性的权重值，从而将各属性进行线性加和获得不同场景的适应值。该方法既对城市属性进行合理的量化打分，同时计算了不同应用场景的适应值。
7.本发明对智慧城市各个应用场景属性进行分析，根据智慧城市不同应用场景下各属性得分计算各应用场景的适应值，最后，决策者可根据适应值的大小来决定在哪些场景
进行智能化建设。
8.为了实现上述目的，本发明所采用的技术方案是：一种基于多元线性回归的智慧城市应用场景评价方法。
9.本发明所述的“一种基于多元线性回归的智慧城市应用场景评价方法”，其步骤如下：
10.步骤a：构造智慧城市应用场景集；
11.步骤b：计算智慧城市特征矩阵；
12.步骤c：计算多元线性回归方程的回归系数；
13.步骤d：计算智慧城市应用场景适应度矩阵。
14.其中，步骤a所述的“构造智慧城市应用场景集”，其具体含义为：列举出智慧城市具有的应用场景。场景集中主要包含以下场景：
15.(1)智慧消防：该场景利用物联网、人工智能、虚拟现实、移动互联网 等最新技术实现城市消防的智能化，提高信息传递的效率、保障消防设施的完好率、改善执法及管理效果、增强救援能力、降低火灾发生及损失；
16.(2)智慧交通：该场景作为城市管理工作中的重难点，物联网技术的应用提升了交通管理的智能化和整个城市交通系统的运转效率，同时，还能充分展现城市的综合实力；
17.(3)智慧工厂：该场景是现代工厂信息化发展的新阶段。在数字化工厂的基础上，利用物联网的技术和设备监控技术加强信息管理和服务，构建一个高效节能的、绿色环保的、环境舒适的人性化工厂；
18.(4)智慧安防：该场景下，可利用大数据处理技术和机器学习技术对前端采集的海量视频、音频、图像数据进行处理和分析，大大提升安防的准确度和安全性，从被动防御迈向主动判断预警；
19.(5)智慧旅游：该场景利用云计算、物联网等新技术，通过互联网/移动互联网，借助便携的终端上网设备，主动感知旅游资源、旅游经济、旅游活动、旅游者等方面的信息，及时发布，让人们能够及时了解这些信息，及时安排和调整工作与旅游计划，从而达到对各类旅游信息的智能感知、方便利用的效果。
20.其中，步骤b中所述的“计算智慧城市特征矩阵”，其具体含义为：构建智慧城市各个属性的评价体系；构建不同场景下城市属性的权重分配体系；计算各场景下不同属性的特征矩阵。该步骤b的具体内容包含以下五个步骤：
21.步骤b1：计算不同场景下城市战略定位的特征矩阵；
22.步骤b2：计算典型行业发展状况的特征矩阵；
23.步骤b3：计算不同场景下城市功能分区的特征矩阵；
24.步骤b4：计算城市资源的属性矩阵；
25.步骤b5：计算城市信息化程度的属性矩阵。
26.其中，步骤b1所述的“计算不同场景下城市战略定位的属性矩阵”，其具体做法如下：城市战略定位对于不同智慧化应用场景的影响程度主要通过国家政策、省级政策以及城市政策来衡量。评分规则如下：
27.表1不同应用场景下城市战略定位的评分规则
[0028][0029]
对于应用场景i，城市战略定位的分值等于：
[0030][0031]
其中j为表1中3种不同的政策类型，x
1,j
为第j种政策的分值。城市战略定位的评价方法较为简单，只需统计与某一应用场景相关的各级政策即可，无需进行权重分配；
[0032]
其中，步骤b2所述的“计算典型行业发展状况的特征矩阵”，其具体做法如下：对于应用场景i，典型行业发展状况的分值(满分100)等于：
[0033][0034]
其中w
t
是行业t的权重，取值范围为[0-1]，x
2,t
为行业t的地区gdp占比，n是典型行业的数量。由于不同的应用场景与各行业的相关性有所不同(譬如智慧物流场景与交通业、商业以及工业等行业相关性较高，与农业、旅游业相关性较低)，所以对于典型行业发展状况，评价时需确定各行业的权重值。另外，考虑到这一属性涉及多种不同的行业，权重设置需要有较丰富的行业知识，这里采用专家经验法直接给出不同行业对应的权重；
[0035]
其中，步骤b3所述的“计算不同场景下城市功能分区的特征矩阵”，其具体做法如下：若该城市的应用场景i有相应的功能分区，则功能分区得分为为100，否则为0。对于不同场景下城市功能分区的评价也不涉及权重计算，只需判断是否具有应用场景的对应分区即可，这里不再赘述；
[0036]
其中，步骤b4所述的“计算城市资源的特征矩阵”，其具体做法如下：城市资源可细化为以下几种：历史文化、自然景观、人文景观、教育资源、人力资源等。不同的资源对不同的智慧城市应用场景影响不同，对于场景i，评价规则如下：
[0037][0038]
其中wm是资源m在场景i下的权重，取值范围为[0-1]，且满足场景i下所有资源的权重之和为1，x
4,m
是资源m的得分；城市资源的评价涉及多种资源，而不同资源对智慧城市应用场景设计都会有或多或少的影响，需要综合多位行业专家的意见来确定不同场景下的资源权重，因此这里使用频数统计法来进行计算，具体过程如下：
[0039]
设资源集m＝{m1，m2，m3，m4，m5}，请k位有关专家根据权重分配调研表(表3.3)，对资源集中的各个资源，各自独立地提出自己认为最合适的权重。
[0040]
表3.3权重分配调研表
[0041]
[0042]
其中j为专家号数，根据收回的权重分配调研表，对每个资源进行单因素的权重统计试验。首先对资源mi在它权重w
i,j
(j＝1,2,
···
,k)中找到最大值w
max
和最小值w
min
。选择整数q，利用公式计算出把权重分成q组的组距，并将权重从大到小分成q组，并计算落在每组内权重的频数和频率，最后根据频数和频率分布情况，一般取最大频率所在分组的组中值为资源mi的权重wi，所述整数q根据参与评分的专家人为设定，专家越多q越大，专家人数小于100时，取值8-15即可；
[0043]
其中，步骤b5所述的“计算城市信息化程度的属性矩阵”，其具体做法如下：使用idi来评价一个城市的信息化程度，信息化发展指数由5个分类指数和12个具体指标构成。指标体系如下表：
[0044]
表2指标体系
[0045][0046]
对于场景i，信息化发展指数计算方法为：
[0047][0048]
其中k为信息化发展分类指数的个数，h为信息化应用水平第i类指数的指标个数，wi为第i类指数在总指数中的权重，p
ij
为第i类指数的第j个指标标准化后的值。在计算时需要确定5种指数的权重，参考国家统计局发布的《中国信息年鉴》，5种指数权重依次为0.25，0.25，0.2，0.2，0.1。
[0049]
其中，步骤c所述的“计算多元线性回归方程的回归系数”，具体含义为：选择国内外建设较为成功的智慧城市应用场景作为样本数据，使用最小二乘法对各场景下的城市属性权重进行拟合。该步骤c的具体内容包含以下五个步骤：
[0050]
步骤c1：计算多个成功智慧城市的特征矩阵；
[0051]
步骤c2：专家评判各应用场景适应度值；
[0052]
步骤c3：对各场景下的城市属性权重进行拟合；
[0053]
其中，步骤c1所述的“计算多个成功智慧城市的特征矩阵”，其具体做法为：选择国内外建设较为成功的智慧城市应用场景作为样本，执行步骤a和步骤b，得到样本城市的特
征矩阵xi；
[0054]
其中，步骤c2所述的“专家评判各应用场景适应度值”，其具体做法如下：专家根据相关数据及经验，直接给出各应用场景的适应度矩阵yi；
[0055]
其中，步骤c3所述的“对各场景下的城市属性权重进行拟合”，其具体做法如下：对步骤c1和步骤c2中得到的矩阵，使用最小二乘法求解出线性回归系数，最小二乘法公式如下：
[0056][0057]
其中yi就是观测样本的应用场景适应值，就是拟合函数的应用场景适应值。以二线性回归模型为例，求解回归参数的标准方程组为：
[0058][0059]
解此方程可求得β0,β1,β2的数值。亦可用下列矩阵法求解：
[0060]
β＝(x
t
x)-1
x
ty[0061]
在使用此方法时，应尽可能选择设计合理，应用较为成功的场景，这对提升评价模型的评价质量具有十分重要的意义。
[0062]
其中，步骤d所述的“计算智慧城市应用场景适应度矩阵”，其含义为：计算智慧城市应用场景的适应度值。该步骤d的具体做法为：将步骤b中得到的城市属性特征矩阵x与步骤c中的权重矩阵β相乘即可得到应用场景适应度矩阵y。
[0063]
本发明具有如下的有益效果：
[0064]
目前智慧城市应用场景的评价方法还很少，然而应用场景的智能化建设是智慧城市发展中至关重要的一环，本发明创新性地根据智慧城市的实际限制条件和发展历程，将智慧城市应用场景适应度计算问题抽象为一个多元线性回归问题进行求解，可以对成功案例进行分析，通过最小二乘法更加合理地计算出城市属性权重，提高智慧城市应用场景适应度的准确率；
[0065]
本发明在求解时设计了一套完整的城市属性评价体系，根据不同属性设计了不同的评价方法，将城市属性进行量化，大大提高了适应度模型的可靠性，有助于决策者选择更优的应用场景进行智能化建设；
[0066]
本发明在求解时采用多元线性回归，在分析多因素模型时，更加简单和方便，能够高效快速得出解集，且通过标准的统计方法可以计算出唯一的结果，保证了结果不会出现多个解集。同时，回归分析可以准确地计量各个因素之间的相关程度与回归拟合程度的高低，提高模型的可信度。
[0067]
综上，这种基于多元线性回归的智慧城市应用场景评价方法能在实际中提高智慧城市选择哪些应用场景进行智能化建设的合理性，为智慧城市的建设提供很好的支撑。
附图说明
[0068]
图1智慧城市应用场景评价方法流程图
具体实施方式
[0069]
针对目前提出的关于建设智慧城市应用场景评价方法的需求，采用基于城市属性的多元线性回归应用场景评价方法。图1为智慧城市应用场景评价方法。该方法中的城市属性包含智慧城市的战略定位、典型行业发展状况、功能分区等，使用文中涉及的多种方法对这些属性进行量化评分。应用场景集包含智慧消防、智慧交通等，通过多元线性回归方法，实现应用场景的适应度评价，同时在方法建立之后，通过对示范城市的多个智慧化应用场景适应度计算来进行反向评价，评价城市属性量化方法和回归系数是否满足场景需求。
[0070]
为使本发明要解决的技术问题、技术方案更加清楚，下面将结合附图及具体实施案例进行详细描述。应当理解，此处所描述的实施实例仅用于说明和解释本发明，并不用于限定本发明。
[0071]
本发明的目的在于提供一种基于多元线性回归的智慧城市应用场景评价方法。本发明基于实际智慧城市的实际限制条件和发展历程建立应用场景评价方法，在此基础上使用多元线性回归算法计算权重，进而对应用场景适应度矩阵进行求解。该方法既考虑到智慧城市中不同属性的实际限制，也考虑到兼顾求解问题的速度和质量，可有效提升智慧城市应用场景智能化建设效率，降低建设成本，具有较好的应用价值。
[0072]
下面结合附图说明及具体实施方式对本发明进一步说明。
[0073]
本发明实施以云南省大理市和玉溪市应用场景智能化建设为例，阐述本发明方法。大理市是国际知名绿色旅游城市，生活区、旅游区连接紧密，可再生能源丰富，绿色经济为核心产业，为以美好环境、绿色宜居和旅游为特征。玉溪市是烟草之乡，也是云南重要工业城市，行业齐全，产业链完整，中小企业众多，用能需求旺盛，面对工业污染困扰，玉溪市提出“高能效、低污染”的转型思路，以“电能替代”实现工业用能转型；现需要对这两个城市进行城市属性分析，计算应用场景适应度矩阵。
[0074]
本发明一种基于多元线性回归的智慧城市应用场景评价方法，如图1所示，其步骤如下：
[0075]
步骤a：构造智慧城市应用场景集；
[0076]
步骤b：计算智慧城市特征矩阵；
[0077]
步骤c：计算多元线性回归方程的回归系数；
[0078]
步骤d：计算智慧城市应用场景适应度矩阵。
[0079]
其中，步骤a所述的“构造智慧城市应用场景集”，其具体含义为：列举出智慧城市具有的应用场景。场景集中主要包含智慧消防、智慧交通、智慧工厂、智慧安防、智慧旅游五个场景。
[0080]
其中，步骤b中所述的“计算智慧城市特征矩阵”，其具体含义为：构建智慧城市各个属性的评价体系；构建不同场景下城市属性的权重分配体系；计算各场景下不同属性的特征矩阵。该步骤b的具体内容包含以下五个步骤：
[0081]
步骤b1：计算不同场景下城市战略定位的特征矩阵；
[0082]
步骤b2：计算典型行业发展状况的特征矩阵；
[0083]
步骤b3：计算不同场景下城市功能分区的特征矩阵；
[0084]
步骤b4：计算城市资源的特征矩阵；
[0085]
步骤b5：计算城市信息化程度的特征矩阵。
[0086]
其中，步骤b1所述的“计算不同场景下城市战略定位的特征矩阵”，其具体做法如下：根据评分规则对两个城市进行打分，对于应用场景i，城市战略定位的分值等于：
[0087][0088]
其中j为表1中3种不同的政策类型，x
1,j
为第j种政策的分值。城市战略定位的评价方法较为简单，只需统计与某一应用场景相关的各级政策即可，无需进行权重分配；计算后可得到两个城市不同应用场景下城市战略定位的属性矩阵为：
[0089][0090]
其中，步骤b2所述的“计算典型行业发展状况的特征矩阵”，其具体做法如下：对于应用场景i，典型行业发展状况的分值(满分100)等于：
[0091][0092]
其中w
t
是行业t的权重，取值范围为[0-1]，x
2,t
为行业t的地区gdp占比，n是典型行业的数量。专家采用经验法直接给出不同行业对应的权重，计算后可得到两个城市不同应用场景下典型行业发展状况的属性矩阵为：
[0093][0094]
其中，步骤b3所述的“计算不同场景下城市功能分区的特征矩阵”，其具体做法如下：若该城市的应用场景i有相应的功能分区，则功能分区得分为为100，否则为0。对于不同场景下城市功能分区的评价也不涉及权重计算，只需判断是否具有应用场景的对应分区即可。两个城市不同应用场景下城市功能分区的特征矩阵为：
[0095][0096]
其中，步骤b4所述的“计算城市资源的特征矩阵”，其具体做法如下：城市资源可细化为以下几种：历史文化、自然景观、人文景观、教育资源、人力资源等。不同的资源对不同的智慧城市应用场景影响不同，对于场景i，评价规则如下：
[0097][0098]
其中wm是资源m在场景i下的权重，取值范围为[0-1]，且满足场景i下所有资源的权重之和为1，x
3,m
是资源m的得分；城市资源的评价涉及多种资源，需要综合多位行业专家的意见来确定不同场景下的资源权重，因此这里使用频数统计法来进行计算，具体过程这里不再赘述。两个城市资源的特征矩阵为：
[0099][0100]
其中，步骤b5所述的“计算城市信息化程度的特征矩阵”，其具体做法如下：使用idi来评价一个城市的信息化程度，信息化发展指数由5个分类指数和12个具体指标构成。指标体系在此不再赘述。对于场景i，信息化发展指数计算方法为：
[0101][0102]
其中k为信息化发展分类指数的个数，h为信息化应用水平第i类指数的指标个数，wi为第i类指数在总指数中的权重，p
ij
为第i类指数的第j个指标标准化后的值。另外，5种指数的权重参考国家统计局发布的《中国信息年鉴》，依次为0.25，0.25，0.2，0.2，0.1。计算后可得到两个城市信息化程度的特征矩阵为：
[0103][0104]
其中，步骤c所述的“计算多元线性回归方程的回归系数”，具体含义为：选择国内外建设较为成功的智慧城市应用场景作为样本数据，使用最小二乘法对各场景下的城市属性权重进行拟合。该步骤c的具体内容包含以下五个步骤：
[0105]
步骤c1：计算多个成功智慧城市的特征矩阵；
[0106]
步骤c2：专家评判各应用场景适应度值；
[0107]
步骤c3：对各场景下的城市属性权重进行拟合；
[0108]
其中，步骤c1所述的“计算多个成功智慧城市的特征矩阵”，其具体做法为：选择国内外建设较为成功的智慧城市应用场景作为样本，执行步骤a和步骤b，得到样本城市的特征矩阵xi；
[0109]
其中，步骤c2所述的“专家评判各应用场景适应度值”，其具体做法如下：专家根据相关数据及经验，直接给出各应用场景的适应度矩阵yi；
[0110]
其中，步骤c3所述的“对各场景下的城市属性权重进行拟合”，其具体做法如下：对步骤c1和步骤c2中得到的矩阵，使用最小二乘法求解出线性回归系数，最小二乘法公式如
下：
[0111][0112]
其中yi就是观测样本的应用场景适应值，就是拟合函数的应用场景适应值。以二线性回归模型为例，求解回归参数的标准方程组为：
[0113][0114]
解此方程可求得β0,β1,β2的数值。亦可用下列矩阵法求解：
[0115]
β＝(x
t
x)-1
x
ty[0116]
计算后得到的权重矩阵为：
[0117][0118]
其中，步骤d所述的“计算智慧城市应用场景适应度矩阵”，其含义为：计算智慧城市应用场景的适应度值。该步骤d的具体做法为：将步骤b中得到的城市属性特征矩阵与步骤c中的权重矩阵相乘即可得到应用场景适应度矩阵为：
[0119][0120]
适应度矩阵的每一行代表一种应用场景，依次是智慧消防，智慧交通，智慧工厂，智慧安防以及智慧旅游。
[0121]
从应用场景适应度矩阵中可以看到，大理最适合发展智慧旅游，其次是智慧消防，由于大理有着苍山、洱海、双廊等丰富的旅游资源，并且旅游业发达，城市战略定位为旅游型城市和宜居城市，所以大理的智慧旅游和消防应用场景得分最高是合理的。而玉溪作为烟草之乡，烟草业发达，且自然资源丰富，城市战略定位为园林城市和工业型城市，因此在玉溪建设智慧工厂和智慧交通也是合理的。
[0122]
本发明未详细阐述部分属于本领域公知技术。
[0123]
以上所述，仅为本发明部分具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。