本發(fā)明涉及智慧城市，特別是一種基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法。
背景技術(shù)：
1、隨著智慧城市與時(shí)空知識(shí)圖譜技術(shù)的深入融合，對(duì)商業(yè)街區(qū)復(fù)雜空間系統(tǒng)進(jìn)行動(dòng)態(tài)建模與智能推演已成為地理信息科學(xué)和城市計(jì)算的前沿方向。現(xiàn)有技術(shù)主要依托靜態(tài)知識(shí)圖譜結(jié)合傳統(tǒng)時(shí)空分析方法，通過整合多源數(shù)據(jù)構(gòu)建街區(qū)實(shí)體關(guān)系網(wǎng)絡(luò)，并運(yùn)用圖神經(jīng)網(wǎng)絡(luò)、時(shí)序預(yù)測模型等手段進(jìn)行演變趨勢分析。近年來，動(dòng)態(tài)知識(shí)圖譜技術(shù)取得顯著進(jìn)展，能夠?qū)崿F(xiàn)對(duì)實(shí)體屬性與關(guān)系強(qiáng)度的時(shí)序更新，為街區(qū)狀態(tài)演化提供了結(jié)構(gòu)化表征基礎(chǔ)。同時(shí)，基于神經(jīng)微分方程的連續(xù)時(shí)間圖網(wǎng)絡(luò)、時(shí)空超圖融合等新型算法，進(jìn)一步提升了時(shí)空關(guān)聯(lián)建模的精度和連續(xù)性。
2、現(xiàn)有基于知識(shí)圖譜的商業(yè)街區(qū)空間模擬技術(shù)面臨兩大關(guān)鍵瓶頸。其一，動(dòng)態(tài)知識(shí)圖譜與模擬引擎間缺乏高效的實(shí)時(shí)交互機(jī)制。多采用周期性全量圖譜更新與離線模型訓(xùn)練模式，難以對(duì)局部突發(fā)商業(yè)事件做出快速響應(yīng)與針對(duì)性推演，導(dǎo)致微觀擾動(dòng)引發(fā)的空間連鎖效應(yīng)無法被精準(zhǔn)預(yù)測。其二，知識(shí)圖譜與模擬模型間缺少閉環(huán)協(xié)同進(jìn)化框架。預(yù)測結(jié)果與實(shí)際觀測數(shù)據(jù)間缺乏系統(tǒng)化的比對(duì)、歸因與反饋機(jī)制，無法基于差異分析同步驅(qū)動(dòng)圖譜數(shù)據(jù)置信度校準(zhǔn)與模型參數(shù)在線學(xué)習(xí)，致使系統(tǒng)長期預(yù)測準(zhǔn)確性難以持續(xù)提升，自適應(yīng)能力受限。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。
2、因此，本發(fā)明提供了一種基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法解決動(dòng)態(tài)知識(shí)圖譜與模擬引擎間實(shí)時(shí)交互不足以及知識(shí)圖譜與模擬模型間閉環(huán)協(xié)同進(jìn)化機(jī)制缺失的問題。
3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：
4、本發(fā)明提供了一種基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法，其包括，采集多源時(shí)空數(shù)據(jù)構(gòu)建初始時(shí)空知識(shí)圖譜，并使用初始時(shí)空知識(shí)圖譜獲取基線模擬模型；采集實(shí)時(shí)多源數(shù)據(jù)流，并根據(jù)實(shí)時(shí)多源數(shù)據(jù)流對(duì)初始時(shí)空知識(shí)圖譜進(jìn)行增量更新，形成動(dòng)態(tài)時(shí)空知識(shí)圖譜；對(duì)動(dòng)態(tài)時(shí)空知識(shí)圖譜進(jìn)行狀態(tài)變化檢測，當(dāng)檢測到關(guān)鍵實(shí)體和關(guān)鍵關(guān)系變化的任一變化率超過預(yù)定變化閾值時(shí)，觸發(fā)并執(zhí)行局部區(qū)域的增量模擬，獲取局部預(yù)測狀態(tài)圖譜，并將局部預(yù)測狀態(tài)圖譜更新至動(dòng)態(tài)時(shí)空知識(shí)圖譜，獲得融合預(yù)測知識(shí)圖譜；基于融合預(yù)測知識(shí)圖譜，調(diào)用基線模擬模型，按照預(yù)設(shè)的預(yù)測周期進(jìn)行全尺度模擬預(yù)測，生成全尺度預(yù)測圖譜；采集實(shí)際觀測數(shù)據(jù)構(gòu)建真實(shí)狀態(tài)圖譜，并將全尺度預(yù)測圖譜與真實(shí)狀態(tài)圖譜進(jìn)行比對(duì)與差異分析，生成差異分析報(bào)告；根據(jù)差異分析報(bào)告，對(duì)動(dòng)態(tài)時(shí)空知識(shí)圖譜進(jìn)行置信度校準(zhǔn)，并對(duì)基線模擬模型進(jìn)行在線增量學(xué)習(xí)，得到更新后的動(dòng)態(tài)時(shí)空知識(shí)圖譜與基線模擬模型。
5、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述采集多源時(shí)空數(shù)據(jù)構(gòu)建初始時(shí)空知識(shí)圖譜，具體步驟如下，
6、采集多源時(shí)空數(shù)據(jù)并進(jìn)行實(shí)時(shí)解析與特征提取，生成結(jié)構(gòu)化事件流；
7、基于結(jié)構(gòu)化事件流，通過時(shí)空哈希編碼與多層感知機(jī)構(gòu)建可學(xué)習(xí)的參數(shù)化函數(shù)，并對(duì)結(jié)構(gòu)化事件流進(jìn)行優(yōu)化訓(xùn)練，生成街區(qū)連續(xù)時(shí)空的隱式神經(jīng)場表示；
8、對(duì)隱式神經(jīng)場表示進(jìn)行空間體素化采樣與語義解碼，通過移動(dòng)立方體算法提取三維空間實(shí)體，并使用關(guān)系解碼器生成實(shí)體間關(guān)聯(lián)關(guān)系；
9、將三維空間實(shí)體作為節(jié)點(diǎn)，將實(shí)體間關(guān)聯(lián)關(guān)系作為邊，并結(jié)合對(duì)應(yīng)的屬性信息，構(gòu)建初始時(shí)空知識(shí)圖譜。
10、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述使用初始時(shí)空知識(shí)圖譜獲取基線模擬模型，具體步驟如下
11、從初始時(shí)空知識(shí)圖譜中提取在歷史周期內(nèi)各時(shí)間切片的圖譜快照，并構(gòu)建時(shí)空?qǐng)D序列；
12、基于時(shí)空?qǐng)D序列，構(gòu)建基于連續(xù)時(shí)間記憶積分與周期性注意力機(jī)制的神經(jīng)微分方程圖網(wǎng)絡(luò)作為基線模擬模型的架構(gòu)；
13、將時(shí)空?qǐng)D序列作為訓(xùn)練數(shù)據(jù)，采用伴隨方法對(duì)神經(jīng)微分方程圖網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化訓(xùn)練，得到具備連續(xù)時(shí)間推演能力的基線模擬模型。
14、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述形成動(dòng)態(tài)時(shí)空知識(shí)圖譜，具體步驟如下，
15、采集實(shí)時(shí)多源數(shù)據(jù)流，并將實(shí)時(shí)多源數(shù)據(jù)流抽象為具有商業(yè)語義的高階事件流；
16、通過時(shí)空超圖增量融合計(jì)算高階事件流對(duì)初始時(shí)空知識(shí)圖譜中實(shí)體節(jié)點(diǎn)的狀態(tài)更新量，生成更新量與關(guān)系影響強(qiáng)度的中間語義表示；
17、基于中間語義表示中的關(guān)系影響強(qiáng)度，通過置信度傳播算法對(duì)初始時(shí)空知識(shí)圖譜的拓?fù)浣Y(jié)構(gòu)進(jìn)行推理，生成結(jié)構(gòu)變更集；
18、將實(shí)體節(jié)點(diǎn)的狀態(tài)更新量與結(jié)構(gòu)變更集原子化地應(yīng)用于初始時(shí)空知識(shí)圖譜，生成動(dòng)態(tài)時(shí)空知識(shí)圖譜。
19、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述獲取局部預(yù)測狀態(tài)圖譜，具體步驟如下，
20、基于動(dòng)態(tài)時(shí)空知識(shí)圖譜，計(jì)算關(guān)鍵實(shí)體與關(guān)鍵關(guān)系在近期時(shí)間窗口內(nèi)的屬性變化率；
21、以異常源為中心，在動(dòng)態(tài)時(shí)空知識(shí)圖譜中提取異常源關(guān)聯(lián)的局部子圖，作為增量模擬的目標(biāo)區(qū)域；
22、對(duì)目標(biāo)區(qū)域執(zhí)行增量模擬，并推演出目標(biāo)區(qū)域的未來狀態(tài)，生成局部預(yù)測狀態(tài)圖譜。
23、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述獲得融合預(yù)測知識(shí)圖譜，具體步驟如下，
24、識(shí)別局部預(yù)測狀態(tài)圖譜與動(dòng)態(tài)時(shí)空知識(shí)圖譜之間的狀態(tài)差異與邏輯沖突，生成差異沖突集合；
25、基于差異沖突集合，通過流形對(duì)齊算法對(duì)局部預(yù)測狀態(tài)圖譜進(jìn)行語義空間適配，得到對(duì)齊后的預(yù)測圖譜表示；
26、基于對(duì)齊后的預(yù)測圖譜表示，通過概率圖融合推理獲取動(dòng)態(tài)時(shí)空知識(shí)圖譜中各節(jié)點(diǎn)的融合后狀態(tài)；
27、將融合后狀態(tài)原子化地更新至動(dòng)態(tài)時(shí)空知識(shí)圖譜，生成融合預(yù)測知識(shí)圖譜。
28、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述生成全尺度預(yù)測圖譜，具體步驟如下，
29、對(duì)融合預(yù)測知識(shí)圖譜進(jìn)行不確定性量化并整合外部事件，生成增強(qiáng)輸入狀態(tài)；
30、基于增強(qiáng)輸入狀態(tài)，驅(qū)動(dòng)基線模擬模型進(jìn)行多情景并行推演，生成多條未來狀態(tài)軌跡；
31、對(duì)多條未來狀態(tài)軌跡進(jìn)行聚類分析與概率融合，生成全尺度預(yù)測圖譜。
32、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述采集實(shí)際觀測數(shù)據(jù)構(gòu)建真實(shí)狀態(tài)圖譜，具體步驟如下，
33、采集實(shí)際觀測數(shù)據(jù)，并對(duì)實(shí)際觀測數(shù)據(jù)進(jìn)行可信融合，得到實(shí)體狀態(tài)估計(jì)；
34、對(duì)初步實(shí)體狀態(tài)估計(jì)進(jìn)行沖突消解與真相發(fā)現(xiàn)，得到高置信度的實(shí)體狀態(tài)真值；
35、對(duì)高置信度的實(shí)體狀態(tài)真值進(jìn)行時(shí)空一致性補(bǔ)全，構(gòu)建真實(shí)狀態(tài)圖譜。
36、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述生成差異分析報(bào)告，具體步驟如下，
37、通過圖對(duì)齊與多維度差異度量對(duì)全尺度預(yù)測圖譜與真實(shí)狀態(tài)圖譜進(jìn)行差異量化，生成差異集合；
38、基于差異集合，通過因果診斷分析獲取導(dǎo)致差異的關(guān)鍵根源與診斷信息；
39、整合差異集合、關(guān)鍵根源與診斷信息，并生成差異分析報(bào)告。
40、作為本發(fā)明所述基于時(shí)空分析的商業(yè)街區(qū)空間演變模擬方法的一種優(yōu)選方案，其中：所述得到更新后的動(dòng)態(tài)時(shí)空知識(shí)圖譜與基線模擬模型，具體步驟如下，
41、根據(jù)差異分析報(bào)告中的歸因分析與校準(zhǔn)建議，生成對(duì)動(dòng)態(tài)時(shí)空知識(shí)圖譜中相關(guān)數(shù)據(jù)點(diǎn)的置信度調(diào)整策略；
42、基于融合預(yù)測知識(shí)圖譜與真實(shí)狀態(tài)圖譜構(gòu)成的訓(xùn)練樣本對(duì)，結(jié)合置信度調(diào)整策略，對(duì)基線模擬模型進(jìn)行在線增量學(xué)習(xí)，生成模型參數(shù)更新數(shù)據(jù)；
43、應(yīng)用置信度調(diào)整策略與模型參數(shù)更新數(shù)據(jù)，對(duì)動(dòng)態(tài)時(shí)空知識(shí)圖譜與基線模擬模型進(jìn)行同步更新，得到更新后的動(dòng)態(tài)時(shí)空知識(shí)圖譜與基線模擬模型。
44、本發(fā)明有益效果為：通過實(shí)時(shí)數(shù)據(jù)流驅(qū)動(dòng)的動(dòng)態(tài)知識(shí)圖譜增量更新與局部觸發(fā)性模擬，實(shí)現(xiàn)了微觀擾動(dòng)的精準(zhǔn)捕獲與快速響應(yīng)，使知識(shí)圖譜真正成為動(dòng)態(tài)演化的“數(shù)字孿生”；通過差異診斷的知識(shí)圖譜與模擬模型協(xié)同進(jìn)化機(jī)制，實(shí)現(xiàn)了模型偏差與數(shù)據(jù)質(zhì)量問題的解耦診斷與協(xié)同修復(fù)，建立了可持續(xù)進(jìn)化的“感知-認(rèn)知-決策”智能體。