买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于知识图谱的城市阴影区自动识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119577158B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411804040.1，技术领域涉及：G06F16/36；该发明授权一种基于知识图谱的城市阴影区自动识别方法是由杨俊宴;张珣;邵典;史北祥;王暄晴;陈喜龙设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于知识图谱的城市阴影区自动识别方法在说明书摘要公布了：本发明公开了一种基于知识图谱的城市阴影区自动识别方法，包括阴影区案例库建构、阴影区特征识别模型构建、目标城市图谱构建、目标城市阴影区图谱子集查找、目标城市阴影区识别结果输出与展示五部分。该方法通过知识图谱整合现状城市数据，精准识别城市阴影区并对识别结果进行精细化展示。本发明能够应对城市规划领域的城市阴影区自动识别，基于超大城市案例库的识别准确度更高，基于阴影区图谱子集查找的识别速度更快，形成的三维交互展示更加立体直观，对城市规划项目的指导性更强。

本发明授权一种基于知识图谱的城市阴影区自动识别方法在权利要求书中公布了：1.一种基于知识图谱的城市阴影区自动识别方法，其特征在于，该方法包括以下步骤： 步骤S1：阴影区案例库建构 获取全国7个超大城市的空间形态数据、业态数据与人流数据，所述全国7个超大城市包括上海、北京、深圳、重庆、广州、成都、天津7城，利用城市阴影区量化识别方法对7个超大城市进行中心区阴影区识别，得到各超大城市的各中心区阴影区边界矢量数据，并结合各阴影区边界提取相应的空间形态数据、业态数据与人群数据，构建阴影区案例库； 步骤S2：阴影区特征识别模型构建 结合步骤S1中所获取的阴影区案例库，将空间形态要素、业态要素和人流要素作为知识图谱的实体，通过知识图谱操作系统构建各阴影区图谱；采用有监督聚类学习算法与深度学习系统，将阴影区图谱的实体及属性、关系及属性作为机器学习的标签，生成阴影区特征识别模型，进一步识别得到阴影区特征图谱； 步骤S3：目标城市图谱构建 调取目标城市规划局现状数据，并分别整合空间形态数据、业态数据和人流数据，利用步骤S2所述的知识图谱操作系统构建目标城市图谱； 步骤S4：目标城市阴影区图谱子集查找 选择图卷积网络模型，对目标城市图谱和阴影区特征图谱分别使用图嵌入算法，将图网络结构映射到可计算的低维向量空间；采用特征相似度算法，对步骤S3所获取的目标城市图谱与步骤S2所获得的阴影区特征图谱进行相似度检验，筛选出与阴影区特征图谱属性特征相似的潜在阴影区子图；进而，采用关系相似度算法，从潜在阴影区子图中筛选出与步骤S2所获得的阴影区特征图谱网络结构相似的的阴影区子图，并将其标记为目标城市的阴影区图谱子集； 步骤S5：目标城市阴影区识别结果输出与展示 将目标城市阴影区识别结果输出至三维交互展示设备，并将上述内容整合为识别报告以wordexcel形式输出打印； 步骤S1所述城市阴影区量化识别方法具体如下： 以街区作为城市阴影区空间边界界定的基本单元，根据表格计算各街区单元空间区位、建设强度、业态布局、人群活力四个方面的指标，见表1；利用地理信息系统将上述要素分析结果进行空间对位与叠加得到综合指标分布，将其中位于综合指标末位10％的相对低值街区所组成的片区作为初步边界界定结果；识别各片区外围的相邻街区，若该街区位于识别结果的末位20％，将其纳入阴影区范围；进一步对各个片区进行实地踏勘，结合踏勘结果剔除其中的自然要素以及公共类建筑所在街区； 表1阴影区空间边界识别

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。