[发明专利]一种基于物联网大数据的空间环境监测方法和系统

权利要求书

1.一种基于物联网大数据的空间环境监测方法，其特征在于，包括：

信息获取步骤，通过采集若干监测位点的城市空间环境参数获得若干时变性特征向量，进而将所述若干时变性特征向量集合并聚类为若干子集合；将若干监测位点的时变性特征向量组成多维度向量集合，进而根据该多维度向量集合进行聚类以此形成若干子集合；

信息判定步骤，将所述若干子集合内完成所述城市空间环境参数的更新的所述监测位点所占的百分比与若干更新率阈值进行对比，并根据对比结果判定所述子集合的所述城市空间环境参数是否执行大数据分析；为每一子集合设定对应的更新率阈值，从而使得每一子集合内完成所述城市空间环境参数的更新的所述监测位点所占的百分比与该子集合对应的更新率阈值进行对比；根据每一子集合内完成所述城市空间环境参数的更新的所述监测位点所占的百分比高于或者低于该子集合对应的更新率阈值判定所述子集合的所述城市空间环境参数是否执行大数据分析；根据每一子集合内完成所述城市空间环境参数的更新的所述监测位点所占的百分比与该子集合对应的更新率阈值的比值判定所述子集合的所述城市空间环境参数是否执行大数据分析。

2.根据权利要求1所述的空间环境监测方法，其特征在于，所述信息获取步骤，采集所述监测位点分析窗口内的所述城市空间环境参数获得所述时变性特征向量。

3.根据权利要求1所述的空间环境监测方法，其特征在于，所述时变性特征向量包括：4维特征向量；设第n个所述监测位点的M次测量获得的所述城市空间环境参数为X_n1,X_n2…X_nM，则所述4维特征向量

R_n＝Max(X_n1,X_n2…X_nM)-Min(X_n1,X_n2…X_nM)；

其中是X_n1,X_n2…X_nM的均值；

4.根据权利要求3所述的空间环境监测方法，其特征在于，所述聚类包括：K-means算法；所述K-means算法的流程包括：

步骤1，随机地选择K个所述4维特征向量，每个所述4维特征向量初始地代表了一个所述子集合的中心；

步骤2，对剩余的每个所述4维特征向量，根据其与各子集合中心的向量距离，将它添加到所述向量距离最相近的所述子集合；

步骤3，重新计算每个所述子集合的4维特征向量在各个维度的平均值，并更新为新的子集合中心，新的子集合中心为新的4维特征向量，其在各个维度的维度值为本子集合中4维特征向量在各个维度的平均值；

步骤4，不断重复所述步骤2和所述步骤3，直至重复后子集合中心不再变化，则形成符合特定条件的所述若干子集合；

相同子集合内的监测位点提供的城市空间环境参数的时变性相近，而不同子集合内的监测位点提供的城市空间环境参数的时变性存在差别；

所述聚类还包括合并的层次聚类和FCM模糊聚类。

5.根据权利要求1所述的空间环境监测方法，其特征在于，所述信息判定步骤，在所述子集合内完成所述城市空间环境参数的更新的所述监测位点所占的百分比高于所述子集合对应的所述更新率阈值时，判定所述子集合的所述城市空间环境参数执行所述大数据分析；当所述子集合内完成所述城市空间环境参数的更新的所述监测位点所占的百分比高于所述子集合对应的所述更新率阈值时，说明该子集合内完成所述更新的监测位点的个数达到了一个值，符合大数据分析的条件，进而能够对所述子集合的所述城市空间环境参数执行所述大数据分析。