[0001] 本发明涉及智慧城市规划治理技术领域，具体来说，特别涉及一种基于数字孪生的智慧城市规划治理系统。

[0002] 智慧城市的目标是通过充分利用信息和通信技术手段，感测、分析和整合城市运行核心系统的各项关键信息，以智能的方式对民生、环保、公共安全、城市服务、工商业活动等各种需求作出响应，为人类创造更美好的城市生活。智慧城市的核心是让城市更聪明，而聪明的城市是以人为中心的。通过互联网将城市中的智能传感器连接起来，实现对城市的全面感知。这些传感器可以嵌入到各种物体中，包括建筑物、交通设施、公共设施等。通过感知和收集大量的数据，可以了解城市的运行状态、环境情况、资源利用等。

[0003] 城市规划治理是指对城市进行规划和管理的过程，包括城市规划、土地利用管理、建筑和基础设施管理、城市交通管理以及环境保护和资源管理等方面，旨在实现城市的有序发展、空间布局的合理性、资源的有效利用以及人们生活品质的提升。城市规划治理的目标是通过制定规划政策和管理措施，使城市能够适应人口增长、经济发展、环境保护等多种需求，实现可持续发展。

[0004] 目前，在智慧城市规划治理中，通过城市的各类数据来进行城市孪生数据模型的构建，通过对城市孪生数据模型的来分析出城市存在的潜在问题，但是，智慧城市的潜在问题通常是复杂而多样的，涉及多个领域和利益相关方，解决这些问题需要多学科的协作和综合的决策，仅仅依靠孪生数据模型的分析结果是不够的，往往不能有效的解决潜在问题。

[0005] 针对相关技术中的问题，目前尚未提出有效的解决方案。

[0069] 为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都应当属于本申请保护的范围。

[0070] 根据本发明的实施例，提供了一种基于数字孪生的智慧城市规划治理系统。

[0071] 现结合附图和具体实施方式对本发明进一步说明，如图1‑所示，根据本发明实施例的基于数字孪生的智慧城市规划治理系统，该系统包括：城市数据收集整合单元1、数字孪生城市模型构建单元2、城市试验模拟单元3、异地城市特征库构建单元4、城市特征相似度判断单元5及城市规划治理单元6；

[0072] 其中，所述城市数据收集整合单元1，用于收集当前城市的各类数据并对收集的当前城市数据进行存储；

[0073] 需要说明的是，收集当前城市的各类数据可以包括以下几个主要方面的数据：

[0074] 人口和社会数据：包括人口数量、人口密度、人口结构、民族分布、教育水平、就业情况、社会福利等数据。

[0075] 经济数据：包括城市的GDP、产业结构、经济增长率、就业率、收入水平、消费指标等经济相关数据。

[0076] 基础设施数据：包括道路网络、交通运输设施、水、电、气供应、通信设施、医疗设施、学校、公园等基础设施的相关数据。

[0077] 城市环境数据：包括空气质量、水质、噪音污染、固体废物处理、生态环境等环境相关数据。

[0078] 地理和土地利用数据：包括土地利用类型、土地分布、土地面积、地形地貌、地质特征、水域分布等地理和土地利用相关数据。

[0079] 城市规划和建筑数据：包括城市规划方案、建筑物信息、用地规划、建筑高度、建筑面积等城市规划和建筑相关数据。

[0080] 其他领域数据：根据城市的具体情况，还可以收集与城市有关的其他数据，比如文化艺术、旅游文化、体育活动、政府公共服务等相关数据。

[0081] 所述数字孪生城市模型构建单元2，用于基于整合的当前城市数据构建数字孪生城市模型；

[0082] 作为优选实施方式，所述数字孪生城市模型构建单元2包括：数据预处理模块201、数据集成模块202、模型构建模块203、模型简化模块204、模型更新模块205及当前特征点提取模块206；

[0083] 其中，所述数据预处理模块201，用于对收集的城市数据进行预处理操作，包括冗余数据的处理、缺失数据的填充以及异常数据的清洗；

[0084] 需要说明的是，冗余数据的处理，对于重复的数据，需要进行去重处理；

[0085] 缺失数据的填充，根据数据的特点和分布，可以使用插补方法来填充缺失数据。常见的插补方法包括均值插补、中位数插补、回归插补等；

[0086] 异常数据的清洗，对于城市数据中的异常数据，可以根据具体情况选择删除、修正或替换处理。

[0087] 所述数据集成模块202，用于将不同类型的数据进行集成，建立城市数据集；

[0088] 需要说明的是，由于城市数据的来源不同，可能存在不同的数据格式和结构，采用相同的字段和数据类型对城市数据进行格式统一；

[0089] 所述模型构建模块203，用于通过建模工具构建数字孪生城市模型；

[0090] 具体的，在构建数字孪生城市模型时，可通过三维建模软件进行模型构建；三维建模软件有SketchUp、Blender、3ds Max等。

[0091] 所述模型简化模块204，用于基于半边折叠算法对构建的数字孪生城市模型进行简化；

[0092] 具体的，半边折叠算法基本思想是通过折叠模型中的边来减少模型的复杂度，从而实现模型的简化。简化的过程中，选择合适的折叠边，使得模型保持尽可能的形状和细节，同时减少模型的顶点和面数，提高模型的效率和渲染速度。

[0093] 作为优选实施方式，所述模型简化模块204包括：网格结构生子成模块2041、折叠代价计算子模块2042、半边折叠子模块2043及半边折叠判断子模块2044；

[0094] 其中，所述网格结构生子成模块2041，用于将构建的数字孪生城市模型表示为网格结构，并建立网格结构数据的拓扑，且所述网格结构中每个顶点表示一个地理位置，顶点所组成的边表示连接关系，边所组成的面表示区域；

[0095] 需要说明的是，将构建的数字孪生城市模型表示为网格结构具体为：

[0096] 将数字孪生城市模型的区域划分为一系列小三角形的网格单元；

[0097] 在每个网格单元的交叉点处确定一个顶点。每个顶点代表一个地理位置，可以根据实际地理坐标系统进行确定，使得模型与实际地理位置相对应；

[0098] 根据网格单元的划分，将每个网格单元的边与相邻网格单元的边连接起来，形成边，边表示地理位置之间的连接关系，如道路、河流等；

[0099] 由相邻的边所围成的区域即为面。根据边的连接关系，将相邻的边组合在一起形成面，表示城市的区域。

[0100] 所述折叠代价计算子模块2042，用于根据半边折叠代价计算公式，计算网格结构中所有边的折叠代价值；

[0101] 作为优选实施方式，所述半边折叠代价的计算公式为：

[0102]

[0103] 式中，C(u,v)表示网格结构中顶点u和顶点v组成边uv的折叠代价值；

[0104] Tu表示网格结构中顶点u相关的三角面集合；

[0105] Tuv表示网格结构中顶点u和顶点v组成边uv所在的两个三角面，分别为f和n；

[0106] θ表示三角面f和三角面n缩所成的夹角；

[0107] D表示被删除顶点u的度；

[0108] ||u‑v||表示网格结构中顶点u和顶点v组成边的长度。

[0109] 所述半边折叠子模块2043，用于根据网格结构中所有边的折叠代价值进行半边折叠处理；

[0110] 作为优选实施方式，所述根据网格结构中所有边的折叠代价值进行半边折叠处理包括：

[0111] 将网格结构中所有边的折叠代价值按照从小到大的顺序进行排列，并形成待折叠边集合；

[0112] 选取待折叠边集合中折叠代价值最小的边进行折叠操作，将选定的边折叠至相邻的边上；

[0113] 折叠完成后对形成的新三角面的形状进行狭长三角形检查，若形成的新三角面形状为狭长三角形，则不对选定的边进行折叠操作并撤回折叠操作，否则，对选定的边保留折叠操作并进行下一个边的折叠操作。

[0114] 需要说明的是，狭长三角形检查指的是三角形某一个内角是否接近180°或某一个内角接近于0°。通过狭长三角形检查，可以在进行半边折叠处理时，避免产生不良形状，提高数字孪生城市模型的质量和几何效果。

[0115] 所述半边折叠判断子模块2044，用于判断是否还存在符合预设条件折叠的半边，若存在则继续进行折叠，否则，停止半边折叠并得到简化后的数字孪生城市模型。

[0116] 所述模型更新模块205，用于实时获取城市的更新数据并对简化后的数字孪生城市模型进行调整更新；

[0117] 具体的，通过各种数据源(如传感器、监测设备、卫星图像等)实时获取城市的更新数据。这些数据可以包括交通流量、气象信息、人口密度、建筑物变化等等。对获取到的更新数据进行处理和解析，将其转换为可用于更新数字孪生城市模型的格式，根据更新数据，对数字孪生城市模型进行调整。这可能包括添加新的建筑物、道路或其他城市设施，调整现有元素的状态或属性，更新地形或地貌等。

[0118] 所述当前特征点提取模块206，用于对数字孪生城市模型进行当前特征点提取。

[0119] 具体的，对数字孪生城市模型进行当前特征点提取具体包括以下步骤：

[0120] 获取数字孪生城市模型的数据，包括建筑物、道路、地形等几何信息；

[0121] 定义数字孪生城市模型中的特征点。特征点可以是与城市规划、交通流量、建筑物形状或其他要素相关的关键点或位置；

[0122] 通过边缘检测对数字孪生城市模型进行特征点提取；并对提取到的特征点进行属性提取。根据特征点的类型和目标，可以提取特征点的位置坐标、高度、面积、形状等属性信息；

[0123] 所述城市试验模拟单元3，用于在构建的数字孪生城市模型中进行各种数据的试验模拟，并分析出当前城市存在的潜在问题；

[0124] 具体的，使用数字孪生城市模型，根据实际数据和场景，进行各种试验模拟。例如，可以模拟不同的交通流量情况、建筑物变化、人口密度变化、天气条件等；

[0125] 记录并收集模拟的结果数据。这些数据可以包括交通拥堵情况、建筑物能耗、空气质量、社区设施利用率、灾害风险等指标。

[0126] 对模拟结果进行数据分析，探索其中的潜在问题和趋势，识别和分类当前城市存在的潜在问题。这些问题可能包括交通瓶颈、能源浪费、环境污染、社区不平衡等。

[0127] 所述异地城市特征库构建单元4，用于收集异地城市的各类数据并构建异地城市特征库；

[0128] 具体的，收集异地城市的各类数据可包括各个城市在治理和规划方面的问题和对应的解决方案，包括政府报告、学术研究、媒体报道、行业白皮书等。注意收集案例的问题描述和解决方案的详细信息，可以根据不同的主题或领域，例如交通规划、环境保护、社会发展等，将案例进行分类。

[0129] 如果某些数据在不同时间段无法获取，可以使用相关的替代数据或进行数据插值处理。例如，可以使用相邻时间段的数据进行线性插值，或者利用其他相关指标进行推算和估计。并与其他异地城市的政府部门、学术机构或专业机构建立合作，共享数据和经验。

[0130] 作为优选实施方式，所述异地城市特征库构建单元4包括异地城市数据收集模块401、异地城市数据处理模块402、数字孪生异地城市模型构建模块403及异地特征点提取模块404；

[0131] 其中，所述异地城市数据收集模块401，用于收集异地城市的各类数据；

[0132] 所述异地城市数据处理模块402，用于对收集异地城市的各类数据进行数据整合和清洗；

[0133] 所述数字孪生异地城市模型构建模块403，用于构建数字孪生异地城市模型；

[0134] 所述异地特征点提取模块404，用于从数字孪生异地城市模型中提取异地城市的特征点，并得到异地城市特征库。

[0135] 作为优选实施方式，所述城市特征相似度判断单元5，用于基于特征点群相似度计算法对当前城市和异地城市的相似度进行计算，得到城市之间的特征相似度；

[0136] 所述城市特征相似度判断单元5包括：特征点群拓扑相似度计算模块501、特征点群方向相似度计算模块502及城市相似度计算模块503；

[0137] 其中，所述特征点群拓扑相似度计算模块501，用于计算当前城市特征点群和异地城市特征库中异地城市特征点群的拓扑相似度；

[0138] 拓扑相似度的计算公式为：

[0139]

[0140] 式中，SIM_topo表示当前城市特征点群和异地城市特征库中异地城市特征点群的拓扑相似度；

[0141] H1表示当前城市特征点群的拓扑邻居总数与当前城市特征点群总点数的比值；

[0142] H2表示异地城市特征点群的拓扑邻居总数与异地城市特征点群总点数的比值。

[0143] 具体的，所述计算当前城市特征点群和异地城市特征库中异地城市特征点群的方向相似度包括：

[0144] 通过FREAK算法对当前城市特征点群异地城市特征点群进行特征方向计算，得到梯度方向；

[0145] 通过直方图进行统计，将直方图的横轴表示为梯度方向的角度，纵轴表示梯度方向的统计数量，直方图的峰值为特征点群的主方向；

[0146] 通过特征点群方向相似度计算公式计算城市特征点群的方向相似度。

[0147] 特征点群方向相似度计算公式为：

[0148]

[0149] 式中，SIM_dire表示当前城市特征点群和异地城市特征库中异地城市特征点群的方向相似度；

[0150] θ1和ψ1分别表示分别当前城市特征点群分布方向和特征点群梯度主方向；

[0151] θ2和ψ2分别表示分别异地城市特征点群分布方向和特征点群梯度主方向。

[0152] 所述特征点群方向相似度计算模块502，用于计算当前城市特征点群和异地城市特征库中异地城市特征点群的方向相似度；

[0153] 所述城市相似度计算模块503，用于根据计算得到的拓扑相似度和距离相似度计算城市之间的特征相似度。

[0154] 具体的，所述根据计算得到的拓扑相似度和距离相似度计算城市之间的特征相似度的计算公式为：

[0155]

[0156] 式中，G表示城市之间的特征相似度；

[0157] SIM_topo表示当前城市特征点群和异地城市特征库中异地城市特征点群的拓扑相似度；

[0158] SIM_dire表示当前城市特征点群和异地城市特征库中异地城市特征点群的方向相似度。

[0159] 所述城市规划治理单元6，用于基于城市之间的特征相似度对当前城市存在的潜在问题上进行分析比较，制定规划治理方案。

[0160] 作为优选实施方式，所述城市规划治理单元6包括：异地城市选取模块601、分析比较模块602及治理方案规划模块603；

[0161] 其中，所述异地城市选取模块601，用于选取城市之间的特征相似度值所对应的异地城市，并作为参考城市；

[0162] 所述分析比较模块602，用于分析参考城市对潜在问题处理的成功经验和治理措施；

[0163] 具体的，分析参考城市在处理潜在问题上采取的成功经验和治理措施，这可能涉及政策、规划方案、技术创新、社会参与等方面，将参考城市的成功经验和治理措施与当前城市的情况进行比较和分析，评估其可适用性和可行性，并确定可借鉴的方面和可行的措施，从参考城市的治理措施中提取关键要素和成功因素。这可能包括政策支持、资源配置、技术应用、社会参与等方面的关键要素。

[0164] 所述治理方案规划模块603，用于基于分析结果并结合当前城市的实际情况制定治理方案并进行实施。

[0165] 具体的，根据分析结果和当前城市的实际情况，制定适合当前城市的规划治理方案。结合参考城市的成功经验，提出切实可行的措施和计划。

[0166] 综上所述，借助于本发明的上述技术方案，本发明通过收集和整合当前城市的各类数据并对构建数字孪生城市模型，在数字孪生城市模型中进行各种数据的试验模拟，这样可以通过模拟分析，发现当前城市存在的潜在问题，并通过比较当前城市和异地城市的数据和特征，寻找借鉴和参考之处，通过特征点群相似度计算法对当前城市和异地城市进行相似度计算，通过相似度的评估，可以了解当前城市与其他城市的相似程度，可以从其他城市的成功经验中汲取灵感，避免重复犯错，并提供更有针对性和可行性的规划方案，以推动城市的发展和治理；本发明通过构建数字孪生城市模型，可以对城市的运行情况进行预测和模拟，在数字孪生城市模型中进行各种数据的试验模拟，可以模拟不同情况下的城市运行情况，通过模拟分析，可以更好的发现当前城市存在的潜在问题，有助于及早识别问题，可以评估风险对城市的影响程度和应对策略的有效性，并可以做出风险预警；本发明通过特征点群相似度计算，可以客观地量化当前城市与异地城市之间的相似性，并可以确定与当前城市相似的城市，从而可以通过比较相似城市的治理策略和成功案例，可以借鉴其经验，并根据当前城市的实际情况进行定制化的规划和治理方案，这样可以提高规划的针对性和有效性，推动城市的可持续发展，根据相似城市的成功经验，合理配置资源和优化城市发展的重点领域，进而可以最大程度地利用资源，提高规划的效率和效果。

[0167] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。

[0168] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。