基于空间锚点人群画像的老旧住区智能更新方法及系统

1.本发明涉及城市规划技术领域，具体为基于空间锚点人群画像的老旧住区智能更新方法及系统。


背景技术：

2.老旧住区更新是城市规划领域中城市更新业务的重要组成部分，本发明中主要指对老旧住区室外空间环境进行提升。老旧住区更新有助于改善居民的生活品质，提升城市整体形象，实现老城区的内涵式发展。传统对于城市老旧住区的更新，一般需要由相关规划设计人员通过走访调查了解住区情况和居民的更新意愿，通过主观判断制定更新策略，再通过建筑工人配合部分小型机械进行施工，整个更新进程比较缓慢，而且耗费大量人力物力。另一方面，人脸捕捉、图像识别、模块化装配等技术的发展，为城市更新提供了更加科学高效的途径，结合基于空间锚点的人群画像技术，可以更高效地实现老旧住区更新的公众参与。
3.目前常见的老旧住区更新方法，一种是由相关工作人员现场对老旧住区空间环境进行评估，通过调查绿化率、硬地广场破损情况、公共设施数量、房屋建造年代等相关方面，再与住区建设标准进行比照，更新不符合条件的内容。这种方法没有考虑老旧住区居民的更新意愿，完全通过建设标准确定更新对象，不符合“以人为本”的住区更新理念。另一种是通过问卷和访谈了解公众意愿，并结合居民意愿开展更新，但在这个过程中需要投入大量的时间和人力成本，且缺乏对住区问题的针对性，因此效率低下。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了基于空间锚点人群画像的老旧住区智能更新方法及系统，解决现有方法没有考虑老旧住区居民的更新意愿，完全通过建设标准确定更新对象，不符合“以人为本”的住区更新理念，或是需要投入大量的时间和人力成本，且缺乏对住区问题的针对性，因此效率低下的问题。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：
8.第一方面，提供了一种基于空间锚点人群画像的老旧住区智能更新方法，包括：
9.对老旧住区城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目；根据城市更新项目文本的现状调查信息为条目标记人群画像标签，形成城市更新策略数据库；
10.搭建老旧住区三维模型，识别三维模型中住区出入口、单元入口、绿地、广场、设施的空间的范围，标记空间类型，识别使用频率和心情变化，判定老旧住区问题空间的空间锚点；
11.采集居民信息，构建空间锚点人群画像；
12.分别计算空间锚点和城市更新策略条目的人群画像维度偏好，从而为空间锚点智能匹配城市更新策略条目，维度偏好计算公式为：
[0013][0014]
其中，ga为人群画像a维度信息增益值，ia为人群画像a维度信息熵；
[0015]
构建老旧住区的城市更新工作沙盘，完成智能更新建造。
[0016]
优选的，所述对老旧住区城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目，具体包括：
[0017]
对城市更新项目文本进行图像扫描，采用ocr文字识别技术进行字符识别，并获取城市更新项目的空间类型和更新策略，将项目文本与识别得到的信息统一编号录入计算机并进行融合处理，形成城市更新策略条目。
[0018]
优选的，所述根据城市更新项目文本的现状调查信息为条目标记人群画像标签，具体包括：
[0019]
根据城市更新项目文本的现状调查信息，通过关键词识别提取居民年龄、健康状况、职业类型、家庭收入、居住面积、室外活动类型六种人群画像信息，再为每一条城市更新策略条目标注人群画像标签。
[0020]
优选的，所述搭建老旧住区三维模型，识别三维模型中的空间范围，标记空间类型，使用频率和心情变化，判定老旧住区问题空间的空间锚点，具体包括：
[0021]
通过倾斜摄影无人机采集并搭建目标老旧住区的三维模型，并通过图像识别技术识别出三维模型中的住区出入口、单元入口、绿地、广场、设施的空间的范围，标记空间类型；
[0022]
安装能覆盖各类空间的临时摄像头，内置通过深度学习训练完成的微表情心情识别模块，记录空间使用频率和使用人在进出空间时的心情分值；对于使用频率低于平均使用频率20％的空间范围，以及离开时被判定心情分值下降到进入时70％以下的空间范围，判定为问题空间；
[0023]
将问题空间中步行可达的最靠近空间几何重心的位置判定为老旧住区问题空间的空间锚点；
[0024]
所述微表情心情识别模块的构建，具体包括：
[0025]
在临时摄像头中装备具有面部识别和表情分析功能的微型设备，通过随机选取志愿者对人类面部表情照片进行打分得到微表情原始数据集，定位10个微表情肌肉移动发生频繁的区域，进行矢量化处理后和对应分数作为机器学习标签，分为训练集：验证集：测试集＝6：2：2，采用有监督分类机器学习算法，进行机器学习训练，生成微表情心情分值自动识别模型簇，构建微表情心情识别模块。
[0026]
优选的，所述采集居民信息，构建空间锚点人群画像，具体包括：
[0027]
在空间锚点处安装临时的带摄像功能的触摸屏幕装置，居民通过触摸屏幕装置填写自己的包括年龄、健康状况、职业类型、家庭收入、居住面积的基本信息，并在“修复”、“拆除”、“增加设施”、“其它”4个选项中选择对该空间锚点处问题空间的更新诉求；通过摄像功能识别居民在该空间锚点处问题空间的驻留人数、驻留时间和驻留频率，判断居民室外活
动类型；
[0028]
所述带摄像功能的触摸屏幕装置具体为，带有摄像和触摸屏功能，并内置处理器的可临时固定机体装置，所述处理器内置自动识别和计算驻留人数、驻留时间、驻留频率的算法程序，并录入带有年龄、健康状况、职业类型、家庭收入、居住面积基本信息和更新诉求选项的问卷；
[0029]
其中，所述驻留人数指在一天中通过人脸识别为同一人且连续出现在空间锚点范围内时间》5min的使用者人数；
[0030]
所述驻留时间指在一天中所有使用者的累积驻留时间，计算公式如下：
[0031][0032]
其中，t表示驻留时间，i表示通过人脸识别为同一人且连续出现在空间锚点范围内时间》5min的使用者编号，表示编号为i的使用者离开空间锚点范围的时间点,表示编号为i的使用者进入空间锚点范围的时间点；
[0033]
驻留频率指在一天中所有使用者的平均驻留次数，计算公式如下：
[0034][0035]
其中，c表示驻留频率，ci表示通过人脸识别为同一人的使用者在一天中的驻留次数；
[0036]
将居民的年龄、健康状况、职业类型、家庭收入、居住面积、室外活动类型的数据整合，标记各空间锚点六个维度的人群画像标签。
[0037]
优选的，所述分别计算空间锚点和城市更新策略条目的人群画像维度偏好，具体包括：
[0038]
通过计算空间锚点和城市更新策略条目的人群画像各维度信息增益值来判断各维度的重要性，筛选人群画像的3个关键维度，同时以各维度信息增益值作为权重得到空间锚点人群画像维度偏好计算公式。
[0039]
优选的，所述判断各维度的重要性，具体包括：
[0040]
利用id3决策树算法，计算空间锚点是否与城市更新策略条目匹配的总信息熵i：
[0041][0042]
其中，n为采集空间锚点样本数量，pi表示空间锚点i与城市更新策略条目匹配的概率；
[0043]
对于人群画像的某一维度a，利用a的类别将包含全部空间锚点的数据样本s划分为k个子集{s1，s2，
…
，sk}，其中，sk包含了集合s中a维度取ak值的样本，s
ik
为sk中a维度作为关键维度的样本数；根据a维度划分样本的信息熵值为：
[0044][0045]
计算a维度的信息增益值为：
[0046]
ga＝i(s1，s2，
…
，sn)-ea[0047]
信息增益值反映a维度作为关键维度的概率，根据计算所得各维度的信息增益值，判定各维度重要性，作为权重带入维度偏好计算公式。
[0048]
优选的，所述构建老旧住区的城市更新工作沙盘，完成智能更新建造，具体包括：
[0049]
在目标老旧小区三维模型中，根据空间锚点坐标，连接到匹配的城市更新策略条目，并通过语义分析，剔除不符合空间锚点更新诉求的条目，构建目标老旧小区的城市更新工作沙盘；
[0050]
在空间锚点处安装大型混凝土3d打印机、吊装机械臂、包含智能识别与分析模块的连接装置；修复类空间通过扫描道路、墙面和硬地的破损形状，连接大型混凝土3d打印机进行智能修补；新增类空间通过连接智能吊装设备安装模块化的设施，同时输出更新后的设施使用年限与绿化养护说明，指导老旧住区更新空间的后期维护；
[0051]
所述连接装置内置智能识别与分析模块，将城市更新工作沙盘中的城市更新策略智能连接到大型混凝土3d打印机或吊装机械臂进行智能更新；
[0052]
所述识别模块指将样本数据划分为训练集：验证集：测试集＝6：2：2，利用imagenet数据集上预先训练的densenet161骨干网络和后端模块构建的深度学习模型进行图像识别训练，识别待更新的道路、墙面与空地的破损位置和破损形状；所述分析模块指结合城市更新工作沙盘中的城市更新策略，分析所需安装的模块化的设施。
[0053]
优选的，所述模块化的设施包括模块单元与连接构件，所述模块单元包括桌椅、垃圾桶、亭子、标识牌、种植箱，采用木质或木-混凝土复合材质，方便重用、维修和废弃后拆卸回收处理，搭配植物种类为符合当地气候的草本植物、灌木和小型乔木。
[0054]
第二方面，提供了一种基于空间锚点人群画像的老旧住区智能更新系统，包括：
[0055]
城市更新策略数据库构建模块，用于对城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目；并根据城市更新项目文本的现状调查信息为条目标记人群画像标签，形成城市更新策略数据库；
[0056]
老旧住区问题空间的空间锚点判定模块，用于搭建老旧住区三维模型，识别三维模型中的空间范围，标记空间类型，使用频率和心情变化，判定老旧住区问题空间的空间锚点；
[0057]
空间锚点居民信息采集模块，用于采集居民信息，构建空间锚点人群画像；
[0058]
更新策略智能匹配模块，用于更新策略智能匹配，分别计算空间锚点和城市更新策略条目的人群画像维度偏好；
[0059]
老旧住区智能更新建造模块，用于根据空间锚点人群画像维度偏好匹配更新城市更新策略条目，形成更新工作沙盘，完成老旧住区智能更新建造。
[0060]
(三)有益效果
[0061]
(1)本发明基于空间锚点人群画像的老旧住区智能更新方法及系统，通过识别老旧住区的问题空间，结合人群画像智能匹配更新策略，并进行智能更新建造，将“调研-设
计-施工”的工作周期缩短至60％。
[0062]
(2)本发明基于空间锚点人群画像的老旧住区智能更新方法及系统，利用语义识别对城市更新项目文本中的更新策略进行提取和融合，形成包括更新空间类型在内的城市更新策略条目，实现了更新策略的大规模数据共享，有助于更新工作的开展。
[0063]
(3)本发明基于空间锚点人群画像的老旧住区智能更新方法及系统，通过标记城市更新策略条目与老旧住区空间锚点的人群画像标签，利用id3决策树算法的各维度信息增益值判断各维度重要性，从而实现基于人群画像的更新策略匹配。突破了传统较为主观的专家判断，整个过程更加客观、智能和自动化，匹配准确度高于85％。
[0064]
(4)本发明基于空间锚点人群画像的老旧住区智能更新方法及系统，通过识别老旧住区的问题空间，进一步在问题空间锚点处设置临时摄像头，针对性记录空间使用特征，使整个采集过程更加自动化，将老旧住区现状数据采集量提升400％，同时又提高了数据采集的针对性。
[0065]
(5)本发明基于空间锚点人群画像的老旧住区智能更新方法及系统，利用大型混凝土3d打印机和吊装机械臂，结合模块化的设施，使得更新施工更加标准化，施工不合格的返工率降低50％。
附图说明
[0066]
图1是本发明方法流程图；
[0067]
图2是本发明实施例中由倾斜摄影技术搭建的老旧住区三维模型图；
[0068]
图3是本发明实施例中面部识别与驻留人数识别图；
[0069]
图4是本发明实施例中空间更新前现状分析示例图；
[0070]
图5是本发明实施例中空间更新后结果分析示例图。
具体实施方式
[0071]
下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0072]
实施例
[0073]
如图1-5所示，本发明实施例提供一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，包括：
[0074]
对城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目；并根据城市更新项目文本的现状调查信息为条目标记人群画像标签，形成城市更新策略数据库；
[0075]
搭建老旧住区三维模型，识别三维模型中的空间范围，标记空间类型，使用频率和心情变化，判定老旧住区问题空间的空间锚点；
[0076]
采集居民信息，构建空间锚点人群画像；
[0077]
更新策略智能匹配，分别计算空间锚点和城市更新策略条目的人群画像维度偏好，计算公式为：
[0078][0079]
其中，ga为人群画像a维度信息增益值，ia为人群画像a维度信息熵；
[0080]
根据空间锚点人群画像维度偏好匹配更新城市更新策略条目，形成更新工作沙盘，完成老旧住区智能更新建造。
[0081]
具体的：
[0082]
(1)构建城市更新策略数据库，具体包括：
[0083]
(1.1)统一下载录入全国各城市自然资源和规划局官方网站上近三年公布的城市更新项目文本，并进行图像扫描。
[0084]
(1.2)采用ocr文字识别技术进行字符识别，再通过“分词”+“关键词匹配”+“模板匹配”的技术方案，得到各城市更新项目的空间类型和更新策略，将项目文本与识别得到的信息统一编号录入计算机并进行融合处理，从而形成城市更新策略条目。
[0085]
表1项目空间类型语义识别关键词
[0086][0087]
表2项目更新策略语义识别关键词
[0088][0089]
表3城市更新策略条目示意
[0090][0091]
(1.3)根据城市更新项目文本的现状调查信息，通过关键词识别提取每一条城市更新策略条目中的居民年龄、健康状况、职业类型、家庭收入、居住面积、室外活动类型六种人群画像信息，再为每一条城市更新策略条目标注人群画像标签，形成城市更新策略数据库。并根据各城市自然资源和规划局官方网站的信息发布实时更新城市更新策略数据库。
[0092]
表4人群画像标签分类
[0093]
[0094][0095]
(2)判定该老旧住区问题空间的空间锚点，具体包括：
[0096]
(2.1)通过倾斜摄影无人机采集并搭建目标老旧住区的三维模型，并通过图像识别技术识别出三维模型中的住区出入口、单元入口、绿地、广场、设施的空间范围，标记空间类型。
[0097]
(2.2)安装能覆盖各类空间的临时摄像头，在临时摄像头中装备具有面部识别和表情分析功能的微型设备，通过随机选取志愿者对人类面部表情照片进行打分得到微表情原始数据集，定位10个微表情肌肉移动发生频繁的区域，进行矢量化处理后和对应分数作为机器学习标签，分为训练集：验证集：测试集＝6：2：2，采用有监督分类机器学习算法，进行机器学习训练，生成微表情心情分值自动识别模型簇，从而构建微表情心情识别模块。
[0098]
(2.3)记录空间使用频率和使用人在进出空间时的心情分值。对于使用频率低于平均使用频率20％的空间范围，以及离开时被判定心情分值下降到进入时70％以下的空间范围，判定为问题空间。
[0099]
(2.4)将问题空间中步行可达的最靠近空间几何重心的位置判定为该老旧住区问
题空间的空间锚点。
[0100]
(3)空间锚点居民信息采集，具体包括：
[0101]
(3.1)在空间锚点处安装临时的带摄像功能的触摸屏幕装置，并内置处理器的可临时固定机体装置，其处理器内置自动识别和计算驻留人数n、驻留时间t、驻留频率c的算法程序，并录入带有年龄、健康状况、职业类型、家庭收入、居住面积基本信息和更新诉求选项的问卷。
[0102]
其中驻留人数n指在一天中通过人脸识别为同一人且连续出现在空间锚点范围内时间》5min的使用者人数。
[0103]
驻留时间t指在一天中所有使用者的累积驻留时间，其计算公式如下：
[0104][0105]
其中i表示通过人脸识别为同一人且连续出现在空间锚点范围内时间》5min的使用者编号，t
ai
表示编号为i的使用者离开空间锚点范围的时间点,t
bi
表示编号为i的使用者进入空间锚点范围的时间点。
[0106]
驻留频率c指在一天中所有使用者的平均驻留次数，其计算公式如下：
[0107][0108]
其中ci表示通过人脸识别为同一人的使用者在一天中的驻留次数。
[0109]
(3.2)居民通过触摸屏幕装置填写自己的包括年龄、健康状况、职业类型、家庭收入、居住面积的基本信息，并在“修复”、“拆除”、“增加设施”、“其它”4个选项中选择对该空间锚点处问题空间的更新诉求。
[0110]
(3.3)通过摄像功能识别居民在该空间锚点处问题空间的驻留人数、驻留时间和驻留频率，判断居民室外活动类型。
[0111]
(4)针对更新策略数据库的空间锚点更新策略智能匹配，具体包括：
[0112]
(4.1)将步骤三中识别出的年龄、健康状况、职业类型、家庭收入、居住面积、室外活动类型的数据整合，标记各空间锚点六个维度的人群画像标签。
[0113]
(4.2)选择空间锚点样本和城市更新策略条目样本,空间锚点样本与城市更新策略条目样本的数量比例为1：10，利用id3决策树算法，计算空间锚点是否与城市更新策略条目匹配的总信息熵i：
[0114][0115]
以人群画像的年龄维度为例，利用年龄的六个类别将包含全部空间锚点的数据样本划分为6个子集{s1，s2，
…
，s6}，其中各子集分别包含了年龄属性为婴幼儿(0-6)、少儿(7-12)、青少年(13-17)、青年(18-45)、中年(46-69)、老年(69以上)的样本，根据年龄维度作为关键维度的样本数，计算年龄维度划分样本的信息熵值为：
[0116][0117]
进一步计算年龄维度的信息增益值为：
[0118]
g(年龄)＝i(s1，s2)-e(年龄)＝0.7218
[0119]
重复以上步骤，得到人群画像六个维度的信息增益值见表5，将其中数值最高的三项(年龄、健康状况、室外活动类型)作为后续匹配筛选的关键维度。
[0120]
表5人群画像信息增益值
[0121][0122]
(4.3)将计算所得的各维度信息增益值，作为权重带入维度偏好计算公式得到：
[0123]
p＝0.7218i
年龄
+0.6538i
健康状况
+0.5392i
职业类型
+0.3759i
家庭收入
+0.2864i
居住面积
+0.8728i
室外活动类型
[0124]
根据不同空间锚点或策略数据库的具体i值，计算二者各自的维度偏好，并进行匹配。筛选与空间锚点的空间类型相同，且年龄、健康状况、室外活动类型3个关键维度数值相似度70％以上且维度偏好差值小于10％的城市更新策略条目。
[0125]
(5)根据匹配得到的更新策略进行老旧住区智能更新建造，具体包括：
[0126]
(5.1)在老旧住区三维模型中，根据空间锚点坐标，连接匹配的修复与新增类城市更新策略条目，并通过语义分析，剔除不符合空间锚点更新诉求的条目，形成目标老旧小区的城市更新工作沙盘。
[0127]
表6更新策略条目匹配表
[0128]
[0129][0130]
(5.2)在各空间锚点处安装连接装置与大型混凝土3d打印机、吊装机械臂。连接装置内置智能识别与分析模块，其中，识别模块将样本数据划分为训练集：验证集：测试集＝6：2：2，利用imagenet数据集上预先训练的densenet161骨干网络和后端模块构建的深度学习模型进行图像识别训练，识别待更新的道路、墙面与空地的破损位置和破损形状。分析模块结合连接的更新策略，提取已识别空间所属类别信息。
[0131]
(5.3)根据连接装置识别的修复类与新增类空间，智能连接不同设备进行更新。修复类空间连接大型混凝土3d打印机智能修补道路、墙面和硬地的破损。新增类空间通过连接智能吊装设备安装包括桌椅、垃圾桶、亭子、标识牌、种植箱在内的模块化设施，搭配符合当地气候的草本植物、灌木和小型乔木。进一步输出更新后的设施使用年限与绿化养护说明，指导老旧住区更新空间的后期维护。
[0132]
本发明又一个实施例提供了一种基于空间锚点人群画像的老旧住区智能更新系统，包括：
[0133]
城市更新策略数据库构建模块，用于对老旧住区城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目；根据城市更新项目文本的现状调查信息为条目标记人群画像标签，形成城市更新策略数据库；
[0134]
老旧住区问题空间的空间锚点判定模块，用于搭建老旧住区三维模型，识别三维模型中住区出入口、单元入口、绿地、广场、设施的空间的范围，标记空间类型，识别使用频率和心情变化，判定老旧住区问题空间的空间锚点；
[0135]
空间锚点居民信息采集模块，用于采集居民信息，构建空间锚点人群画像；
[0136]
更新策略智能匹配模块，用于分别计算空间锚点和城市更新策略条目的人群画像维度偏好，从而为空间锚点智能匹配城市更新策略条目；
[0137]
老旧住区智能更新建造模块，用于构建老旧住区的城市更新工作沙盘，完成智能更新建造。
[0138]
本技术的实施例可提供为方法或计算机程序产品。因此，本技术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，本技术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。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
[0139]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0140]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0141]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0142]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

技术特征：
1.一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，包括：对老旧住区城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目；根据城市更新项目文本的现状调查信息为条目标记人群画像标签，形成城市更新策略数据库；搭建老旧住区三维模型，识别三维模型中住区出入口、单元入口、绿地、广场、设施的空间的范围，标记空间类型，识别使用频率和心情变化，判定老旧住区问题空间的空间锚点；采集居民信息，构建空间锚点人群画像；分别计算空间锚点和城市更新策略条目的人群画像维度偏好，从而为空间锚点智能匹配城市更新策略条目，维度偏好计算公式为：其中，g
a
为人群画像a维度信息增益值，i
a
为人群画像a维度信息熵；构建老旧住区的城市更新工作沙盘，完成智能更新建造。2.根据权利要求1所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述对老旧住区城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目，具体包括：对城市更新项目文本进行图像扫描，采用ocr文字识别技术进行字符识别，并获取城市更新项目的空间类型和更新策略，将项目文本与识别得到的信息统一编号录入计算机并进行融合处理，形成城市更新策略条目。3.根据权利要求1所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述根据城市更新项目文本的现状调查信息为条目标记人群画像标签，具体包括：根据城市更新项目文本的现状调查信息，通过关键词识别提取居民年龄、健康状况、职业类型、家庭收入、居住面积、室外活动类型六种人群画像信息，再为每一条城市更新策略条目标注人群画像标签。4.根据权利要求1所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述搭建老旧住区三维模型，识别三维模型中住区出入口、单元入口、绿地、广场、设施的空间的范围，标记空间类型，识别使用频率和心情变化，判定老旧住区问题空间的空间锚点，具体包括：通过倾斜摄影无人机采集并搭建目标老旧住区的三维模型，并通过图像识别技术识别出三维模型中的住区出入口、单元入口、绿地、广场、设施的空间的范围，标记空间类型；安装能覆盖各类空间的临时摄像头，内置通过深度学习训练完成的微表情心情识别模块，记录空间使用频率和使用人在进出空间时的心情分值；对于使用频率低于平均使用频率20％的空间范围，以及离开时被判定心情分值下降到进入时70％以下的空间范围，判定为问题空间；将问题空间中步行可达的最靠近空间几何重心的位置判定为老旧住区问题空间的空间锚点；所述微表情心情识别模块的构建，具体包括：在临时摄像头中装备具有面部识别和表情分析功能的微型设备，通过随机选取志愿者
对人类面部表情照片进行打分得到微表情原始数据集，定位10个微表情肌肉移动发生频繁的区域，进行矢量化处理后和对应分数作为机器学习标签，分为训练集：验证集：测试集＝6：2：2，采用有监督分类机器学习算法，进行机器学习训练，生成微表情心情分值自动识别模型簇，构建微表情心情识别模块。5.根据权利要求1所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述采集居民信息，构建空间锚点人群画像，具体包括：在空间锚点处安装临时的带摄像功能的触摸屏幕装置，居民通过触摸屏幕装置填写自己的包括年龄、健康状况、职业类型、家庭收入、居住面积的基本信息，并在“修复”、“拆除”、“增加设施”、“其它”4个选项中选择对该空间锚点处问题空间的更新诉求；通过摄像功能识别居民在该空间锚点处问题空间的驻留人数、驻留时间和驻留频率，判断居民室外活动类型；所述带摄像功能的触摸屏幕装置具体为，带有摄像和触摸屏功能，并内置处理器的可临时固定机体装置，所述处理器内置自动识别和计算驻留人数、驻留时间、驻留频率的算法程序，并录入带有年龄、健康状况、职业类型、家庭收入、居住面积基本信息和更新诉求选项的问卷；其中，所述驻留人数指在一天中通过人脸识别为同一人且连续出现在空间锚点范围内时间>5min的使用者人数；所述驻留时间指在一天中所有使用者的累积驻留时间，计算公式如下：其中，t表示驻留时间，i表示通过人脸识别为同一人且连续出现在空间锚点范围内时间>5min的使用者编号，表示编号为i的使用者离开空间锚点范围的时间点,表示编号为i的使用者进入空间锚点范围的时间点；驻留频率指在一天中所有使用者的平均驻留次数，计算公式如下：其中，c表示驻留频率，c
i
表示通过人脸识别为同一人的使用者在一天中的驻留次数；将居民的年龄、健康状况、职业类型、家庭收入、居住面积、室外活动类型的数据整合，标记各空间锚点六个维度的人群画像标签。6.根据权利要求1所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述分别计算空间锚点和城市更新策略条目的人群画像维度偏好，具体包括：通过计算空间锚点和城市更新策略条目的人群画像各维度信息增益值来判断各维度的重要性，筛选人群画像的3个关键维度，同时以各维度信息增益值作为权重得到空间锚点人群画像维度偏好计算公式。7.根据权利要求6所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述判断各维度的重要性，具体包括：利用id3决策树算法，计算空间锚点是否与城市更新策略条目匹配的总信息熵i：
其中，n为采集空间锚点样本数量，p
i
表示空间锚点i与城市更新策略条目匹配的概率；对于人群画像的某一维度a，利用a的类别将包含全部空间锚点的数据样本s划分为k个子集{s1，s2，
…
，s
k
}，其中，s
k
包含了集合s中a维度取a
k
值的样本，s
ik
为s
k
中a维度作为关键维度的样本数；根据a维度划分样本的信息熵值为：计算a维度的信息增益值为：g
a
＝i(s1，s2，
…
，s
n
)-e
a
信息增益值反映a维度作为关键维度的概率，根据计算所得各维度的信息增益值，判定各维度重要性，作为权重带入维度偏好计算公式。8.根据权利要求1所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述构建老旧住区的城市更新工作沙盘，完成智能更新建造，具体包括：在目标老旧小区三维模型中，根据空间锚点坐标，连接到匹配的城市更新策略条目，并通过语义分析，剔除不符合空间锚点更新诉求的条目，构建目标老旧小区的城市更新工作沙盘；在空间锚点处安装大型混凝土3d打印机、吊装机械臂、包含智能识别与分析模块的连接装置；修复类空间通过扫描道路、墙面和硬地的破损形状，连接大型混凝土3d打印机进行智能修补；新增类空间通过连接智能吊装设备安装模块化的设施，同时输出更新后的设施使用年限与绿化养护说明，指导老旧住区更新空间的后期维护；所述连接装置内置智能识别与分析模块，将城市更新工作沙盘中的城市更新策略智能连接到大型混凝土3d打印机或吊装机械臂进行智能更新；所述识别模块指将样本数据划分为训练集：验证集：测试集＝6：2：2，利用imagenet数据集上预先训练的densenet161骨干网络和后端模块构建的深度学习模型进行图像识别训练，识别待更新的道路、墙面与空地的破损位置和破损形状；所述分析模块指结合城市更新工作沙盘中的城市更新策略，分析所需安装的模块化的设施。9.根据权利要求8所述的一种基于空间锚点人群画像的老旧住区智能更新方法，其特征在于，所述模块化的设施包括模块单元与连接构件，所述模块单元包括桌椅、垃圾桶、亭子、标识牌、种植箱，采用木质或木-混凝土复合材质，方便重用、维修和废弃后拆卸回收处理，种植箱中的植物种类为符合当地气候的草本植物、灌木和小型乔木。10.一种基于空间锚点人群画像的老旧住区智能更新系统，其特征在于，包括：城市更新策略数据库构建模块，用于对老旧住区城市更新项目文本中的更新策略提取和融合，形成城市更新策略条目；根据城市更新项目文本的现状调查信息为条目标记人群画像标签，形成城市更新策略数据库；老旧住区问题空间的空间锚点判定模块，用于搭建老旧住区三维模型，识别三维模型中住区出入口、单元入口、绿地、广场、设施的空间的范围，标记空间类型，识别使用频率和
心情变化，判定老旧住区问题空间的空间锚点；空间锚点居民信息采集模块，用于采集居民信息，构建空间锚点人群画像；更新策略智能匹配模块，用于分别计算空间锚点和城市更新策略条目的人群画像维度偏好，从而为空间锚点智能匹配城市更新策略条目；老旧住区智能更新建造模块，用于构建老旧住区的城市更新工作沙盘，完成智能更新建造。

技术总结
本发明提供基于空间锚点人群画像的老旧住区智能更新方法及系统，涉及城市规划领域。包括构建城市更新策略数据库、判定老旧住区问题空间的空间锚点、空间锚点居民信息采集、更新策略智能匹配、老旧住区智能更新建造。该方法通过对老旧住区问题空间的人群画像数据采集，匹配城市更新策略条目，并连接到混凝土3D打印机和吊装机械臂，实现老旧住区的智能更新。本发明能够应对城市规划领域的老旧住区更新，实现基于居民人群画像的更新策略匹配，对老旧住区现状问题的数据采集量更大，更新策略匹配准确率更高，“调研-设计-施工”的周期更短，更新施工的标准化作业合格率更高。更新施工的标准化作业合格率更高。更新施工的标准化作业合格率更高。


技术研发人员：杨俊宴 张晨阳 史宜 郭景行 邵典 曹悦 王暄晴 张芷晗 孙昊成 张珣 张钟虎
受保护的技术使用者：东南大学
技术研发日：2023.04.19
技术公布日：2023/7/18