本發(fā)明涉及城市規(guī)劃，更具體地說，本發(fā)明涉及基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法及系統(tǒng)。

背景技術(shù)：

1、垃圾清洗站點(diǎn)的規(guī)劃在現(xiàn)代城市管理中至關(guān)重要，但面臨諸多挑戰(zhàn)。隨著城市化進(jìn)程的加速，城市人口不斷增加，垃圾產(chǎn)生量隨之上升，現(xiàn)有清洗設(shè)施常常無法滿足需求。此外，高密度居民區(qū)和商業(yè)區(qū)使得垃圾清洗的需求更加迫切，要求在站點(diǎn)選址和數(shù)量上進(jìn)行重新評估。傳統(tǒng)的垃圾清洗站點(diǎn)的規(guī)劃通常依賴于歷史經(jīng)驗(yàn)和直覺進(jìn)行規(guī)劃，而非基于實(shí)時和全面的數(shù)據(jù)分析。這導(dǎo)致在應(yīng)對城市快速變化的垃圾產(chǎn)生模式時，缺乏科學(xué)依據(jù)，難以滿足實(shí)際需求；此外傳統(tǒng)垃圾清洗站點(diǎn)的規(guī)劃方法往往是靜態(tài)的，一旦設(shè)定就很少進(jìn)行調(diào)整。這種方法無法適應(yīng)垃圾產(chǎn)生量、居民需求和交通條件等動態(tài)變化，導(dǎo)致垃圾清洗站點(diǎn)配置不合理，影響清洗效率。針對上述問題，本發(fā)明提出一種解決方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實(shí)施例提供基于神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法及系統(tǒng)，通過基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法及系統(tǒng)，以解決傳統(tǒng)垃圾清洗站點(diǎn)的規(guī)劃方法無法動態(tài)適應(yīng)城市快速變化的垃圾產(chǎn)生模式，導(dǎo)致站點(diǎn)配置不合理，影響清洗效率的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，包括如下步驟：

4、獲取某城市的垃圾清洗站點(diǎn)多維數(shù)據(jù)，將所述垃圾清洗站點(diǎn)多維數(shù)據(jù)輸入至預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)中進(jìn)行降維處理，得到垃圾清洗站點(diǎn)低維數(shù)據(jù)；基于所述垃圾清洗站點(diǎn)低維數(shù)據(jù)構(gòu)建垃圾清洗站點(diǎn)圖模型；對所述垃圾清洗站點(diǎn)圖模型采用滑動窗口機(jī)制，并基于預(yù)設(shè)的垃圾關(guān)鍵清洗站點(diǎn)檢測算法得出g個垃圾關(guān)鍵清洗站點(diǎn)；基于所述g個垃圾關(guān)鍵清洗站點(diǎn)，進(jìn)行城市智能垃圾清洗輔助決策。

5、在一個優(yōu)選的實(shí)施方式中，將所述垃圾清洗站點(diǎn)多維數(shù)據(jù)輸入至預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)中進(jìn)行降維處理，得到垃圾清洗站點(diǎn)低維數(shù)據(jù)，具體為：將所述某城市的垃圾清洗站點(diǎn)多維數(shù)據(jù)轉(zhuǎn)化為垃圾清洗站點(diǎn)多維向量；將所述垃圾清洗站點(diǎn)多維向量采用量化函數(shù)進(jìn)行離散化，得到離散化后的垃圾清洗站點(diǎn)多維向量；基于預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)將所述離散化后的垃圾清洗站點(diǎn)多維向量進(jìn)行存儲單元激活，得到k個垃圾清洗站點(diǎn)存儲單元；將所述k個垃圾清洗站點(diǎn)存儲單元的權(quán)重進(jìn)行求和，得到垃圾清洗站點(diǎn)低維數(shù)據(jù)。

6、在一個優(yōu)選的實(shí)施方式中，所述基于預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)將所述離散化后的垃圾清洗站點(diǎn)多維向量進(jìn)行存儲單元激活，得到k個垃圾清洗站點(diǎn)存儲單元，具體為：基于預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)的映射機(jī)制通過哈希函數(shù)將所述離散化后的垃圾清洗站點(diǎn)多維向量組合成存儲單元的地址；基于預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)的激活機(jī)制將所述儲單元的地址激活為k個垃圾清洗站點(diǎn)存儲單元。

7、在一個優(yōu)選的實(shí)施方式中，基于所述垃圾清洗站點(diǎn)低維數(shù)據(jù)構(gòu)建垃圾清洗站點(diǎn)圖模型，具體為：將每個垃圾清洗站點(diǎn)定義為所述垃圾清洗站點(diǎn)圖模型的節(jié)點(diǎn)，并將兩個垃圾清洗站點(diǎn)的關(guān)系作為垃圾清洗站點(diǎn)圖模型的邊；計算垃圾清洗站點(diǎn)的清洗優(yōu)先級作為所述垃圾清洗站點(diǎn)圖模型的邊權(quán)重

8、在一個優(yōu)選的實(shí)施方式中，對所述垃圾清洗站點(diǎn)圖模型采用滑動窗口機(jī)制，并基于預(yù)設(shè)的垃圾關(guān)鍵清洗站點(diǎn)檢測算法得到g個垃圾關(guān)鍵清洗站點(diǎn)，具體為：采用滑動窗口機(jī)制將所述垃圾清洗站點(diǎn)圖模型轉(zhuǎn)化為垃圾清洗站點(diǎn)動態(tài)圖序列，得到滑動時間窗口內(nèi)的垃圾清洗站點(diǎn)圖模型；基于所述滑動時間窗口內(nèi)的垃圾清洗站點(diǎn)圖模型，采用基于增強(qiáng)拉格朗日乘子公式對垃圾關(guān)鍵清洗站點(diǎn)進(jìn)行檢測，得到g個垃圾關(guān)鍵清洗站點(diǎn)。

9、在一個優(yōu)選的實(shí)施方式中，所述采用滑動窗口機(jī)制將所述垃圾清洗站點(diǎn)圖模型轉(zhuǎn)化為垃圾清洗站點(diǎn)動態(tài)圖序列，得到滑動時間窗口內(nèi)的垃圾清洗站點(diǎn)圖模型，具體為：定義滑動窗口的大小t和滑動步長，并將滑動窗口按照滑動步長分別構(gòu)建每個時間戳對應(yīng)的垃圾清洗站點(diǎn)圖模型；對所述每個時間戳對應(yīng)的垃圾清洗站點(diǎn)圖模型的節(jié)點(diǎn)、邊以及邊權(quán)重進(jìn)行更新，得到更新后的m個時間戳對應(yīng)的垃圾清洗站點(diǎn)圖模型；將所述更新后的m個時間戳對應(yīng)的垃圾清洗站點(diǎn)圖模型轉(zhuǎn)化為一個垃圾清洗站點(diǎn)動態(tài)圖序列。

10、本發(fā)明基于神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法及系統(tǒng)的技術(shù)效果和優(yōu)點(diǎn)：

11、1.本發(fā)明通過獲取某城市的垃圾清洗站點(diǎn)多維數(shù)據(jù)，將所述垃圾清洗站點(diǎn)多維數(shù)據(jù)輸入至預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)中進(jìn)行降維處理，得到垃圾清洗站點(diǎn)低維數(shù)據(jù)，能夠有效簡化數(shù)據(jù)維度，帶來多重優(yōu)點(diǎn)。首先，垃圾清洗站點(diǎn)的數(shù)據(jù)通常具有復(fù)雜的多維特征，如地理位置、清洗頻率、垃圾量、交通條件等。通過降維處理，可以從這些高維特征中提取出最重要的關(guān)鍵信息，減少數(shù)據(jù)冗余，簡化后續(xù)分析和處理的復(fù)雜性。其次，降維后的低維數(shù)據(jù)保留了原始數(shù)據(jù)的主要結(jié)構(gòu)和模式，使得在進(jìn)行任務(wù)調(diào)度、資源分配時，仍能基于較小的數(shù)據(jù)集進(jìn)行高效的計算。同時，cmac作為一種快速學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，能夠?qū)崟r更新權(quán)重，適應(yīng)動態(tài)變化的數(shù)據(jù)，這對于城市垃圾清洗任務(wù)中的不斷變化的需求非常關(guān)鍵。降維還可以提高算法的運(yùn)行效率，減小存儲和計算成本，從而為城市垃圾清洗的路徑規(guī)劃和資源調(diào)度提供了更高效的決策支持。

12、2.本發(fā)明通過構(gòu)建垃圾清洗站點(diǎn)圖模型，并采用滑動窗口機(jī)制和基于預(yù)設(shè)的垃圾關(guān)鍵清洗站點(diǎn)檢測算法得出g個垃圾關(guān)鍵清洗站點(diǎn)實(shí)現(xiàn)了動態(tài)捕捉和反映垃圾清洗需求的變化。這種方法使得模型能夠根據(jù)實(shí)時數(shù)據(jù)更新站點(diǎn)間的關(guān)系，從而更精準(zhǔn)地識別出關(guān)鍵垃圾清洗站點(diǎn)。通過預(yù)設(shè)的關(guān)鍵清洗站點(diǎn)檢測算法，能夠有效篩選出g個最重要的垃圾清洗站點(diǎn)，確保資源和清洗任務(wù)的合理分配。這種動態(tài)調(diào)整不僅提高了垃圾清洗的效率，還能及時響應(yīng)城市變化，減少資源浪費(fèi)。此外，圖模型結(jié)構(gòu)化的方式使得復(fù)雜的垃圾清洗站點(diǎn)關(guān)系更加清晰，為決策支持。

技術(shù)特征：

1.基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，將所述垃圾清洗站點(diǎn)多維數(shù)據(jù)輸入至預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)中進(jìn)行降維處理，得到垃圾清洗站點(diǎn)低維數(shù)據(jù)，具體為：

3.根據(jù)權(quán)利要求2所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，所述基于預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)將所述離散化后的垃圾清洗站點(diǎn)多維向量進(jìn)行存儲單元激活，得到k個垃圾清洗站點(diǎn)存儲單元，具體為：

4.根據(jù)權(quán)利要求1所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，基于所述垃圾清洗站點(diǎn)低維數(shù)據(jù)構(gòu)建垃圾清洗站點(diǎn)圖模型，具體為：

5.根據(jù)權(quán)利要求1所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，對所述垃圾清洗站點(diǎn)圖模型采用滑動窗口機(jī)制，并基于預(yù)設(shè)的垃圾關(guān)鍵清洗站點(diǎn)檢測算法得出g個垃圾關(guān)鍵清洗站點(diǎn)，具體為：

6.根據(jù)權(quán)利要求5所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，所述采用滑動窗口機(jī)制將所述垃圾清洗站點(diǎn)圖模型轉(zhuǎn)化為垃圾清洗站點(diǎn)動態(tài)圖序列，得到滑動時間窗口內(nèi)的垃圾清洗站點(diǎn)圖模型，具體為：

7.根據(jù)權(quán)利要求3所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，將所述垃圾清洗站點(diǎn)多維向量采用量化函數(shù)進(jìn)行離散化，得到離散化后的垃圾清洗站點(diǎn)多維向量，具體為：

8.根據(jù)權(quán)利要求3所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，所述基于預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)的映射機(jī)制通過哈希函數(shù)將所述離散化后的垃圾清洗站點(diǎn)多維向量組合成存儲單元的地址，具體為：

9.根據(jù)權(quán)利要求5所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法，其特征在于，所述增強(qiáng)拉格朗日乘子公式，具體為：

10.一種使用如權(quán)利要求1-9中任意一項(xiàng)所述的基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法的系統(tǒng)，其特征在于，包括數(shù)據(jù)獲取模塊、模型構(gòu)建模塊、垃圾關(guān)鍵清洗站點(diǎn)檢測模塊、垃圾清洗決策模塊：

技術(shù)總結(jié)
本發(fā)明公開了基于腦神經(jīng)網(wǎng)絡(luò)的智能城市規(guī)劃輔助決策方法及系統(tǒng)，涉及城市規(guī)劃技術(shù)領(lǐng)域，包括以下步驟：獲取某城市的垃圾清洗站點(diǎn)多維數(shù)據(jù)，將所述垃圾清洗站點(diǎn)多維數(shù)據(jù)輸入至預(yù)設(shè)的小腦神經(jīng)網(wǎng)絡(luò)中進(jìn)行降維處理，得到垃圾清洗站點(diǎn)低維數(shù)據(jù)；基于所述垃圾清洗站點(diǎn)低維數(shù)據(jù)構(gòu)建垃圾清洗站點(diǎn)圖模型；對所述垃圾清洗站點(diǎn)圖模型采用滑動窗口機(jī)制，并基于預(yù)設(shè)的垃圾關(guān)鍵清洗站點(diǎn)檢測算法得出G個垃圾關(guān)鍵清洗站點(diǎn)；基于所述G個垃圾關(guān)鍵清洗站點(diǎn)，進(jìn)行城市智能垃圾清洗輔助決策，解決了傳統(tǒng)垃圾清洗站點(diǎn)的規(guī)劃方法無法動態(tài)適應(yīng)城市快速變化的垃圾產(chǎn)生模式，導(dǎo)致站點(diǎn)配置不合理，影響清洗效率的問題。

技術(shù)研發(fā)人員：強(qiáng)京靈,王金志,張江波,吳寧永,譚宇碩,吳寧勇,楊永利
受保護(hù)的技術(shù)使用者：延安大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19