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！

龙图腾网获悉广东省城乡规划设计研究院科技集团股份有限公司申请的专利基于机器学习和遗传算法的城市更新片区智能决策方法及系统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：CN121504096B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610036571.3，技术领域涉及：G06Q10/0631；该发明授权基于机器学习和遗传算法的城市更新片区智能决策方法及系统是由张晨;罗勇;郑泽爽;张媛媛;阮浩德;武鹏;刘嵩雯;孙艺鹏;杨圣兵;张家豪设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本基于机器学习和遗传算法的城市更新片区智能决策方法及系统在说明书摘要公布了：本发明涉及机器学习技术领域，尤其涉及基于机器学习和遗传算法的城市更新片区智能决策方法及系统，包括采集待决策城市的历史城市更新数据；基于特征筛选历史城市更新数据中的关键因子；基于关键因子和城市更新类型分别作为第一机器学习模型和第二机器学习模型的训练数据，通过完成训练的第一机器学习模型预测需要更新的片区，通过完成训练的第二机器学习模型预测需要更新片区的更新类型，通过遗传算法生成城市更新片区的实施时序方案。本发明实现了全流程智能化决策，有效解决了传统规划方法中主观性强、效率低下与系统性不足的问题。

本发明授权基于机器学习和遗传算法的城市更新片区智能决策方法及系统在权利要求书中公布了：1.一种基于机器学习和遗传算法的城市更新片区智能决策方法，其特征在于，所述方法包括： 采集待决策城市的历史城市更新数据，所述历史城市更新数据包括不同维度的城市更新数据和不同更新类型； 基于特征筛选从所述不同维度的城市更新数据中获取关键因子；以所述关键因子对应的历史城市更新数据作为训练数据对第一机器学习模型进行训练；通过训练完成的第一机器学习模型对待决策城市进行更新潜力预测，得到待决策城市内需要更新的片区； 以所述不同更新类型和其对应的历史城市更新数据作为训练数据对第二机器学习模型进行训练；通过训练完成后的第二机器学习模型对所述需要更新的片区进行更新类型预测； 对于所述需要更新的片区以多个预设指标为目标构建多目标优化模型，在预设的约束条件下基于遗传算法对所述优化模型求解，得到城市更新片区的实施时序方案； 所述基于特征筛选从所述不同维度的城市更新数据中获取关键因子的步骤包括： 提取不同维度数据的特征变量，将任一特征变量作为因变量，其余所述特征变量作为自变量进行线性回归，并计算每个特征变量的方差膨胀因子VIF值；并去除大于预设VIF阈值的特征变量，得到特征变量集合； 对所述特征变量集合选取累积VIF值方差贡献率达到预设贡献率阈值的前m个主成分，作为关键因子；其表达式如下： 其中，为p个特征变量，为第j个特征变量，为第j个特征变量的VIF值，为第j个特征变量线性回归下的决定系数，为各自变量的拟合系数，为随机误差，表示经过标准化后的原始数据矩阵，为是第k个主成分的得分向量，是第k个特征向量，是矩阵的第k个特征值，表示第k个主成分的方差占原始数据总信息量的百分比，为前k个主成分的累计方差贡献率； 所述多个预设指标包括经济目标、社会目标及环境目标；其中，所述经济目标包括土地增值收益与更新成本；所述社会目标包括公共服务均衡性与社会包容度；所述环境目标基于生态服务价值当量法与热环境模拟进行量化； 所述土地增值收益基于基准地价、容积率、用途系数及区位系数确定；所述更新成本基于单位面积综合成本、更新片区面积及基于更新类型和区位的调节系数确定，其表达式如下： 其中，为土地收益，、、分别为容积率、用途系数、区位系数，、分别为基准地价和现状地价；为更新成本，、分别为代表单位面积的综合成本、更新片区用地面积，为基于更新类型和位置的差异化调节系数。

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广东省城乡规划设计研究院科技集团股份有限公司，其通讯地址为：510290 广东省广州市海珠区南洲路483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。