广东省城乡规划设计研究院科技集团股份有限公司

本申请涉及基于企业与土地数据融合的工业用地推荐方法与系统。该方法包括以下步骤：获取多个待招商企业数据、目标地块数据、特征重要性映射表、行业企业画像；利用特征重要性映射表、图神经网络模型，对多个所述待招商企业数据进行预处理，得到多个待招商企业数据向量；利用经训练的梯度提升树模型对每个所述待招商企业数据向量进行概率预测，得到每个所述待招商企业数据向量对应的分数；对多个所述待招商企业数据向量对应的分数进行排序，得到潜在企业序列；根据所述行业企业画像、所述目标地块数据，对所述潜在企业序列进行启发式规则校验与过滤，得到推荐企业序列。该方法具有用地推荐准确度高的特点。

本发明公开了一种多智能体城市更新用地管控多目标优化方法，所述方法包括以下步骤：采集目标城市更新片区的多源时空数据与规划管控要求，构建多智能体系统及多目标用地管控方案种群；各智能体并行评价方案个体，生成多智能体评价状态图及差异化修改操作池；基于差异化修改操作池进行多轮结构化交互及空间感知闭环校核，得到协商一致修改操作集或标注不可调和地块；将协商一致修改操作集转化为结构化编辑操作，对方案个体进行定向变异及合规性修正，生成候选子代方案集合并进行迭代计算，得到帕累托最优解集合。本发明能够减少空间语义伪一致，提高用地管控方案的优化效率及稳定性。

本发明公开了一种基于成熟度的土地供给计划生成方法、系统、设备及介质，属于土地要素推介与配置领域，所述方法为：对采集的土地基础属性数据，以权属代码和空间坐标为互补关联字段进行关联整合；结合预设的标签体系进行自动赋值和动态更新；筛选可用地块作为中心，并在预设的空间范围内构建土地量化体系进行量化计算和标准化处理；通过预设的梯度提升树模型进行加权计算获得成熟度综合分值，并根据所述成熟度综合分值获得最优供给时序，生成年度土地供应计划，因此，通过实施本发明，能够通过机器学习模型基于土地开发成熟度模拟最优供给时序，为年度供地计划的科学编制与土地要素市场化配置提供精准的数据驱动支撑。