CN120086777B 基于数据分析的地理信息测绘数据异常检测方法及系统 （广东普蓝地理信息服务有限公司）

(19)国家知识产权局(12)发明专利(10)授权公告号CN120086777B(65)同一申请的已公布的文献号(73)专利权人广东普蓝地理信息服务有限公司地址510665广东省广州市天河区棠下二社涌边一横巷19号301.303.305房卜青营谭嘉辉武思源但鹏(74)专利代理机构北京中佳信联知识产权代理有限公司16122专利代理师刘晓刚审查员邢丽超基于数据分析的地理信息测绘数据异常检测方法及系统本发明涉及数据处理技术领域，更具体地，本发明涉及基于数据分析的地理信息测绘数据异常检测方法及系统，所述方法包括：获取目标监测点的变形数据序列，计算每个数据的边缘程度筛选边缘点，选择距离目标边缘点最近的点作为目标点，从剩余边缘点中筛选优选程度满足预设条件的边缘点与目标点连接，并将连接点作为新目标点，以基于新目标点重复连接过程直到满足终止条件，得到一个边缘，将各边缘中所有边缘点的变形数据均值作为对应边缘的聚类中心，根据各数据到聚类中心的距离对所有数据进行聚类，以基于得到的聚类簇的异常程度，监测目获取对目标监测点进行变形监测的变形数据序列获取对目标监测点进行变形监测的变形数据序列对于变形数据序列中的任一数据，预设该数据的第一近邻集，计算该数据的边缘程度，边缘程度代表该数据的局部密度和第一近邻集中各数据的局部密度的差异，以根据各数据的边缘程度筛选边缘点选取目标边缘点，将与目标边缘点距离最近的边缘点作为目标点，以目标边缘点到目标点的方向为极轴，以预设方向为角度的正方向，构建以目标点为原点的极坐标系，计算剩余边缘点的优选程度，优选程度与对应边缘点在极坐标系中的极轴和极径均负相关，以根据优选程度筛选连接点与目标点连接，并将连接点作为新目标点，构建以新目标点为坐标原点的极坐标系并重复连接过程直到满足预设终止条件得到一个边缘，以获取所有边缘将任一边缘中所有边缘点的变形数据均值作为该边缘的聚类中心，根据各数据到聚类中心的距离对所有数据进行聚类，以基于聚类簇的异常程度监测目标监测点的形变异常，异常程度代表对应聚类簇内部数据的离散程度2选取目标边缘点，将与目标边缘点距离最近的边缘点作为目标点，以目标边缘点到目算剩余边缘点的优选程度，优选程度与对应边缘点在极坐标系中的极轴和极径均负相关，以根据优选程度筛选连接点与目标点连接，并将将任一边缘中所有边缘点的变形数据均值作为该边缘的聚类中心中心的距离对所有数据进行聚类，以基于聚类簇的异常程度监测目标监测点的形变异常，将任一数据的第一近邻集中所有数据的局部密度的极差的归一化2.根据权利要求1所述的基于数据分析的地理信息测绘数据异常检测方法，其特征在预设任一数据的第二近邻集，将该数据与所述第二近邻集中各数据的平均距离的倒3.根据权利要求1所述的基于数据分析的地理信息测绘数据异常检测方法，其特征在4.根据权利要求3所述的基于数据分析的地理信息测绘数据异常检测方法，其特征在判断目标边缘点与目标点的纵坐标的大小，若所述目标点的纵坐标大于或等于目标边若小于目标边缘点的纵坐标，则将逆时针方向作为以目标35.根据权利要求4所述的基于数据分析的地理信息测绘数据异常检测方法，其特征在6.根据权利要求1所述的基于数据分析的地理信息测绘数据异常检测方法，其特征在根据任一数据与任一聚类中心的距离，计算该数据与该聚类中心的相似程度：将各数据分别划分到对应的相似程度最大的聚类中心的聚类簇中，以对所有数据进行7.根据权利要求1所述的基于数据分析的地理信息测绘数据异常检测方法，其特征在获取任意两聚类中心之间的距离的最大值，以各聚类中心为中心构建边长为所述最大值的一半的正方形区域，并将所述正方形区域作为以对应聚类中心进行聚类时的聚类范8.根据权利要求1所述的基于数据分析的地理信息测绘数据异常检测方法，其特征在的距离的标准差；σ(te)为第e个聚类簇中所有数据点对应的采样时刻序数的标准差；若所有聚类簇的异常程度均大于预设异常阈值，则判定目标监测点的变形量存在异常。9.基于数据分析的地理信息测绘数据异常检测系统，其特征在于，所述基于数据分析的地理信息测绘数据异常检测系统包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序以实现如权利要求1-8任一项所述基于数据分析的地4基于数据分析的地理信息测绘数据异常检测方法及系统技术领域[0001]本发明涉及数据处理技术领域。更具体地，本发明涉及基于数据分析的地理信息测绘数据异常检测方法及系统。背景技术[0002]在地理信息测绘领域，变形监测技术通过高精度的动态监测手段，能够实时获取地面沉降、建筑物形变、地裂缝等潜在地质风险的变化信息，极大地增强了基础设施的状态感知与安全评估能力。与传统依赖静态数据的地理信息系统(GIS)不同，变形监测通过结合传感器技术、遥感技术和大数据分析，能够通过动态监测提供精确的变化过程数据，更好地反映基础设施的实际状态。因此，变形监测是地理信息测绘中的重要组成部分。[0003]相关技术中，如公开号为CN113700053A的专利申请文件中公开了一种基于BIM的施工过程基坑变形监测预警方法及系统，该方法包括：基于BIM和目标基坑的现场实测数据构建目标基坑的基础三维模型；于基础三维模型中的目标基坑表面布设多个测点，以任意一个测点为原点建立空间坐标轴，并获取所有测点的初始空间坐标；根据初始空间坐标和测点的空间坐标变化筛选出异常测点；预测异常测点的移动变化；基于移动变化预测目标基坑的异常形变状态。[0004]然而，上述方案在异常测点识别过程中，依赖于不同时刻测点空间坐标的变化量，而未充分考虑测点在不同时刻的空间分布特征和相似性，而仅基于单一形变量进行异常判定，可能导致异常测点识别的准确性较低，从而影响异常测点的筛选效果，进而无法有效反映目标监测物的真实异常形变状态。发明内容[0005]为了解决无法准确地识别目标监测物的形变异常的问题，本发明提供了基于数据分析的地理信息测绘数据异常检测方法及系统。[0006]根据本发明的第一方面，提供了基于数据分析的地理信息测绘数据异常检测方[0007]获取对目标监测点进行变形监测时的变形数据序列；[0008]对于变形数据序列中的任一数据，预设该数据的第一近邻集，计算该数据的边缘程度，边缘程度代表该数据的局部密度和第一近邻集中各数据的局部密度的差异，以根据各数据的边缘程度筛选边缘点；[0009]选取目标边缘点，将与目标边缘点距离最近的边缘点作为目标点，以目标边缘点到目标点的方向为极轴，以预设方向为角度的正方向，构建以目标点为原点的极坐标系，计算剩余边缘点的优选程度，优选程度与对应边缘点在极坐标系中的极轴和极径均负相关，以根据优选程度筛选连接点与目标点连接，并将连接点作为新目标点，构建以新目标点为坐标原点的极坐标系并重复连接过程直到满足预设终止条件得到一个边缘，以获取所有边5[0013]预设任一数据的第二近邻集，将该数据与第二近邻集中各数据的平均距离的倒 [0016]本发明通过计算数据的局部密度，有助于捕捉数据点在局部区域内的分布特化能够体现目标监测点的实际变形情况，从而能够为目标监测点的形变异常监测提供全6[0028]根据任一数据与任一聚类中心的距离，计算该数据与该聚类中心的相似程度：[0038]根据本发明的第二方面，提供了基于数据分析的地理信息测绘数据异常检测系附图说明[0042]通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目7干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：[0043]图1是本发明实施例基于数据分析的地理信息测绘数据异常检测方法的步骤流程示意图；[0044]图2是本发明实施例中以目标点为坐标原点构建的极坐标系的一种示意图；[0045]图3是本发明实施例中以目标点为坐标原点构建的极坐标系的另一种示意图。具体实施方式[0046]下面将结合本发明实施例中的附图，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。[0047]下面结合附图来详细描述本发明的具体实施方式。[0048]参照图1,基于数据分析的地理信息测绘数据异常检测方法，包括步骤S1-步骤S4,[0049]S1:获取对目标监测点进行变形监测的变形数据序列。[0050]需要说明的是，变形监测通过对建筑、地面及工程设施的定期测量，能够实时掌握的稳定性和安全性。其核心目的是提前发现并预警地质或结构变形引发的潜在安全风险。变形监测主要包括水平监测和垂直监测两类，具体采用如水准测量、卫星定位技术、全站仪测绘等手段，在设定的监测点上进行定期或连续的观测。[0051]在本发明的一种示例实施例中，变形数据序列中的各数据为二维空间坐标系中的二元组数据；其中，二维空间坐标系的横坐标为目标监测点在对应时刻的振动频率，纵坐标为目标监测点在对应时刻和前一时刻的空间坐标的距离。[0052]具体的，可以在待监测建筑物的关键部位(如承重墙体或柱子)布置监测点(如预埋RFID芯片),然后利用测绘技术对所有监测点进行变形监测。具体过程为：选择任一监测点作为目标监测点，使用全站仪等测量设备对目标监测点进行水平和垂直方向的测量，并按照预定频率(例如0.2Hz)采集目标监测点的振动频率和空间坐标信息，之后根据每次测量的数据，构建出对应的二元组数据(振动频率、当前时刻与前一时刻的空间坐标的距离),从而生成对目标监测点进行变形监测的变形数据序列，以有效地反映目标监测点的变形趋势和振动特征。[0053]在另一种实施例中，也可以根据目标监测点的其他变形数据，构建对目标监测点进行变形监测的变形数据序列，如位移数据、倾斜角度数据以及温度数据等，本实施例对于变形数据的类型不作特别限定。[0054]S2:对于变形数据序列中的任一数据，预设该数据的第一近邻集，计算该数据的边缘程度，边缘程度代表该数据的局部密度和第一近邻集中各数据的局部密度的差异，以根据各数据的边缘程度筛选边缘点。[0055]需要说明的是，在对目标监测点进行变形监测时，通过比较不同时刻的空间坐标差异，可以反映目标监测点的变形程度。当目标监测点在不同时间点的空间坐标差异较小时，说明其变形较小，反之则表明变形程度较大。因此，通过监测若干二元组数据(振动频8[0057]可选的，可以按照与变形数据序列中任一数据的距离从小到大的[0060]可选的，可以按照与变形数据序列中任一数据的距离从小到大的顺序选取的前A9 [0071]其中反映了第i个数据的局部密度和第一近邻集中各数则说明b;较大的可信度较高，从而可以准计算剩余边缘点的优选程度，优选程度与对应边缘点在极坐标系中的极轴和极径均负相当前目标点的下一连接点的可能性，如当任一剩余边缘点的优选程度较高时，则将该边缘点作为当前目标点的下一连接点的可能性较大。[0084]在本发明的一种示例实施例中，在筛选目标点或新目标点的连接点时，构建的所有极坐标系的角度的正方向均相同，可以通过以下步骤实现以目标点或新目标点为坐标原点构建极坐标系时的角度的正方向的确定：[0085]判断目标边缘点与目标点的纵坐标的大小，若目标点的纵坐标大于或等于目标边缘点的纵坐标，则将顺时针方向作为以目标点或新目标点为坐标原点构建极坐标系时的角度的正方向；若小于目标边缘点的纵坐标，则将逆时针方向作为以目标点或新目标点为坐标原点构建极坐标系时的角度的正方向。[0086]示例性的，若目标点的纵坐标大于或等于目标边缘点的纵坐标，则以目标点为坐标原点构建的极坐标系如图2所示；若目标点的纵坐标小于目标边缘点的纵坐标，则以目标点为坐标原点构建的极坐标系如图3所示。[0087]可选的，在以目标点或新目标点为坐标原点构建极坐标系时，角度的正方向和极轴的确定方式能够保证边缘点的连通域，即边缘为曲线，以确保得到的边缘为聚类簇的边缘。[0088]进一步的，当确定以当前目标点为坐标原点构建的极坐标系后，可以根据剩余边缘点的优选程度，筛选当前目标点的连接点进行连接，从而得到新目标点并继续连接过程[0089]在本发明的一种示例实施例中，在筛选当前目标点的连接点时，任一剩余边缘点极坐标系中的极角以及极径；exp()为自然指数函数，其中，自然指数函为底的指数函数。La较小时，则将第a个剩余边缘点作为当前目标点的下一连接点的优选程度相对较大。[0093]在另一种实施例中，也可以通过其他的计算公式计算任一剩余边缘点的优选程度，如可以将任一剩余边缘点的极角和极径的乘积的倒数的归一化值，作为该剩余边缘点的优选程度。[0094]进一步的，当确定各剩余边缘点的优选程度后，可以从所有剩余边缘点中选取优选程度最大的边缘点作为目标点的连接点，然后重复连接过程，直到当前剩余边缘点中所有边缘点的优选程度的最大值小于优选程度阈值，如0.8为止，得到一个边缘，进而可以获取所有的边缘。本实施例对于优选程度阈值的大小不作特别限定。[0095]接下来，对边缘的获取过程进[0097]步骤二：将在目标边缘点到目标点的方向上，以目标点为起点引出的射线作为极轴，获取根据目标边缘点和目标点的纵坐标大小确定的角度的正方向，构建以目标点为坐标原点的极坐标系，然后，根据各剩余边缘点在该极坐标系中的极角和极径，计算对应剩余边缘点的优选程度的最大值小于0.8,则终止连接过程，并将当前的连通域作为一个边缘；[0099]S4:将任一边缘中所有边缘点的变形数据均值作为该边缘的聚类中心，根据各数刻与前一时刻的空间坐标的距离)数据，则每个边缘对应的聚类中心为对应边缘的所有边缘点在各维数据取值的均值组成的二元组数据。中心的距离的标准差；σ(te)为第e个聚类簇中所有数据点对应的采样时刻序数的标准差；norm()为归一化函数。采样时间间隔较大，则该聚类簇的异常程度相对较大。[0117]需要说明的是，为了避免采集到的噪声数据的影响，因此预设异常阈值为0.8,当所有聚类簇的异常程度的均大于0.8时，则判断目标监测点的变形量存在异常，并发出警报，以及时地提醒相关人员目标监测点处的变形量超出预设的安全阈值，从而能够及时地采取相应的措施进行处理。[0118]本发明还提供基于数据分析的地理信息测绘数据异