基于DeepSeek+GIS的建设项目用地报批辅助系统【合规性审查】

第一篇	基于DeepSeek+GIS的建设项目用地报批辅助系统【系统概述】
第二篇	基于DeepSeek+GIS的建设项目用地报批辅助系统【合规性审查】
第三篇	基于DeepSeek+GIS的建设项目用地报批辅助系统【智能交互】
第四篇	基于DeepSeek+GIS的建设项目用地报批辅助系统【AI辅助选址】

基于DeepSeek+GIS的建设项目用地报批辅助系统【合规性审查】

一，系统实现效果展示
二，开发环境搭建
三，功能实现
四，总结

系统依据 GIS 与 DeepSeek 协同分析结果，对建设项目用地进行全面合规性审查。审查内容涵盖是否符合土地利用总体规划、是否违反基本农田保护规定、是否满足生态保护要求、是否符合城乡规划布局等多个方面。若项目存在合规性问题，系统不仅明确指出具体违规点，还关联对应的法规政策条款，详细解释违规原因，并提供针对性的整改建议。例如，若项目因占用基本农田不符合规定，系统会清晰列出《基本农田保护条例》中相关禁止条款，并根据项目实际情况，给出如调整项目选址、进行土地置换等可行的优化方案。

一，系统实现效果展示

合规性审查前端页面

普通的水库建设项目分析效果

国家重点的水库建设项目分析效果

在对同类型但不同级别的项目进行分析时，两次评估结果存在差异。这清晰展现出，在特定条件下，项目对基本农田的占用符合法律法规和相关规章制度的要求。要是采用传统方法进行这类判断，不仅流程繁琐，还容易陷入困境。相较而言，借助 AI 开展分析，不仅大幅简化了操作流程，提升了分析效率，还确保了结果的准确性。

导出的报告（不是全部只粘贴了其中几页）
在这里插入图片描述

在这里插入图片描述

二，开发环境搭建

请参考：DeepSeek R1+RAG 构建本地AI知识库

三，功能实现

该系统主要由 AI 智能数据筛选、叠加与缓冲分析，以及 AI 合规性分析三大核心部分构成。

在 AI智能数据筛选环节，系统依托先进的人工智能算法，能够从海量、繁杂的数据资源中，精准识别并筛选出与建设项目用地报批紧密相关的数据。这些数据涵盖土地利用现状、基本农田分布、生态保护红线范围、城乡规划布局以及土地权属等多方面信息。例如，在面对某大型建设项目时，系统可快速定位项目选址周边特定范围内的各类土地数据，确保后续分析数据的针对性与有效性。
叠加分析与缓冲分析模块中，系统运用 GIS 强大的空间分析能力开展工作。叠加分析通过将建设项目用地范围图层，与土地利用现状图层、基本农田保护区图层、生态保护红线图层等关键图层进行叠加操作，直观呈现项目与各类管控区域的空间关系，清晰展示项目是否占用特定土地类型或保护区。缓冲分析则针对河流、湖泊、文物保护区等具有特殊保护要求的区域，依据设定的缓冲距离生成缓冲区范围图层，再与项目用地范围进行叠加，以此判断项目是否侵入保护缓冲区，为后续合规性分析提供关键的空间分析基础。
AI合规性分析部分，系统借助人工智能深度学习技术，对叠加分析与缓冲分析的结果进行深度解读。同时，结合对国家及地方相关土地法规政策的精准理解，以及对大量历史案例的学习，从多个维度对建设项目用地进行全面合规性评估。评估内容包含项目是否契合土地利用总体规划、是否违背基本农田保护规定、是否满足生态保护要求、是否符合城乡规划布局等重要方面。若项目存在合规性问题，系统不仅能明确指出具体违规点，关联对应的法规政策条款，详细解释违规原因，还能依据自身算法和经验，提供切实可行的整改建议。

（1） AI智能数据筛

在数据处理场景里，若采用传统方法，需依据数据类型，逐个整理并录入数据表。当数据处于高频变化的环境时，表格维护往往不及时，不仅流程繁琐，最终获取的数据也可能无法满足分析需求。
那么，该如何应对这一难题？将问题交由 DeepSeek 处理不失为理想之策。作为前沿的人工智能解决方案，DeepSeek 凭借多项技术优势，能够实现对动态数据的高效收集与精准分析，既节省时间，又保障数据的时效性与准确性。
写了这么多至此来点实际的：

1，登录MaxKb 创建一个高级编排应用并设置基本信息

在这里插入图片描述

2，创建自定义函数查询空间数据库中的所有图层表及备注

先看样例数据（postgresql 数据库为例）
在这里插入图片描述
查询结果如下图（这个库中备注的表很有限但够演示效果，在正式应用环境中建议备注所有表）

SELECT
  row_to_json (t1) 
FROM
  (
    SELECT
      relname AS tabname,
      CAST (obj_description (relfilenode, 'pg_class') AS VARCHAR) AS COMMENT 
    FROM
      pg_class C 
    WHERE
      relkind = 'r' 
      AND relname NOT LIKE'pg_%' 
      AND relname NOT LIKE'sql_%' 
    ORDER BY
  relname) t1 where t1.COMMENT is not null

在这里插入图片描述
创建自定义函数

自定义函数代码如下（查询Postgresql 数据库中的所有表信息（表名、备注））：

# -*- coding: utf-8 -*-
import psycopg2

def execute_sql_query():
    conn = psycopg2.connect(
        host="192.168.20.5",
        port="5432",
        dbname="gtkjghyzt_150921",
        user="postgres",
        password="postgres"
    )
    cursor = conn.cursor()
    query = "SELECT row_to_json (t1) FROM ( SELECT relname AS tabname, CAST (obj_description (relfilenode, 'pg_class') AS VARCHAR) AS COMMENT FROM pg_class C WHERE relkind = 'r' AND relname NOT LIKE'pg_%' AND relname NOT LIKE'sql_%' ORDER BY relname) t1 where t1.COMMENT is not null"
    cursor.execute(query)
    results = cursor.fetchall()
    # print(results)
    # for row in results:
    #     print(row)
    # 提交事务（如果有数据修改操作）
    conn.commit()
    # 关闭游标和连接
    cursor.close()
    conn.close()
    return results

3，创建根据给出问题回答相关数据的AI节点

在这里插入图片描述
节点提示词如下：

角色定义：你是一个自然资源合规性分析业务专家。
任务描述：{
    
    {
    
    开始.question}} 项目合规性分析关数据有那些?。
输出要求：
1. 请详细列出所有相关数据的名称，多个数据则使用逗号隔开。
2. 请确保返回的内容中不包含任何代码框（如 ```或 ` 符号），仅返回纯文本。

4，创建根据回答数据帅选本地数据的AI节点

在这里插入图片描述
提示此如下：

角色定义：你是一个数据谁选专家。
回答数据：{
    
    {
    
    AI 对话.answer}} 
本地数据：{
    
    {
    
    自定义函数.result}} 
任务描述：本地数据为JSON格式其中tablename为表名，comment为注释，根据回答的数据与comment筛选本地数据最终获取tablename。
输出要求：
1. 请详细列出所有相关数据的名称，多个数据则使用逗号隔开。
2. 请确保返回的内容中不包含任何代码框（如 ```或 ` 符号），仅返回纯文本。

5，创建一个指定回复

在这里插入图片描述
最终完整的流程图若下图：

到这里，前期数据筛选工作就完成了。接下来，保存代码并进行调试，检验实际效果。由于不同模型适用场景有别，在不同条件下运行，会产生各异结果。建议大家在调试过程中自主探索、灵活调整，让模型发挥出最佳效能。也可以关注我在评论区共同探讨。

6，调试并优化

下面展示的，便是本次得出的结果。经比对，其与我预先设定的目标结果一致。
在这里插入图片描述
下面是执行详情及思考过程:

自定义函数输出结果的与设想结果一致

AI 针对问题所输出的数据信息，不仅条理清晰，且完全契合正常标准。

数据筛选环节运行正常。由于我使用的测试数据量有限，目前仅返回了三条数据。但可以确定，在数据充足的情况下，它在数据筛选方面，展现出的能力远超我们预期，能实现更高效、精准的筛选。
在这里插入图片描述

7，前端对接应用接口

这个步骤官方文档也有说明。步骤也比较简单如下图：
在这里插入图片描述

按步骤调用把建设项目信息传参过去就得到项目相关分析数据了，前端解析并展示即可：

（2）叠加分析与缓冲分析

在本次分析工作中，叠加分析和缓冲分析，我们沿用传统分析方式。熟悉地理信息系统（GIS）的同行，对这类分析方法的操作流程都较为熟悉，在此便不再赘述，我是使用arcpy实现的废话少说，直接上代码

# _*_ coding: utf-8 _*_
# @DateTime : 2021/11/22 8:42
# @Site: [email protected]
# @Author : huge
# @Version：V 0.1
# software: PyCharm
# @desc :


from bottle import Bottle, request

special_analysis_controller = Bottle()
from controller.ResultBody import *
import os, json, decimal
import arcpy
from utils.file_utils import *
import utils.globalvar as gl

upload_file_path = os.path.join(gl.get_upload_file_path(), datetime.datetime.now().strftime('%Y-%m-%d'))


# 叠加分析-相交 
@special_analysis_controller.route('/intersect_analysis', method='POST')
def IntersectAnalysis():
    del_file(upload_file_path)
    print "请求开始"
    parentId = request.forms.parentId
    sde_file = gl.get_sde_file_path() + "_" + request.forms.orgCode + ".sde"

    # print parentId
    # print sde_file

    analysisFeatures = request.forms.analysisFeatures
    print analysisFeatures

    clipFeatures = json.loads(request.forms.clipFeatures)['rings']
    print clipFeatures

    caseField = request.forms.caseField
    print caseField
    result = []

    arcpy.env.overwriteOutput = True
    temp_file_path = os.path.join(upload_file_path, "specialAnalysis")
    isExists(temp_file_path)
    arcpy.env.workspace = temp_file_path
    print arcpy.env.workspace

    analysisFeatures1_name = []
    for feature in clipFeatures:
        analysisFeatures1_name.append(
            arcpy.Polygon(
                arcpy.Array([arcpy.Point(*coords) for coords in feature])))

    analysisFeatures_name = os.path.join(sde_file, analysisFeatures)
    # analysisFeatures_name = "D:\\IDEAProjects\gtkjgh_python_project\static\data\sde\gtkjghyzt_150921.sde\A0201_DLTB_2018"
    print analysisFeatures_name
    # 裁切
    outClipFeature = arcpy.Clip_analysis(in_features=analysisFeatures_name, clip_features=analysisFeatures1_name)
    # print "裁切完成"
    print caseField

    if caseField != '0':
        # 添加字段
        arcpy.AddField_management(in_table=outClipFeature, field_name="cxjsmj", field_type="DOUBLE")
        # 计算面积
        arcpy.CalculateField_management(in_table=outClipFeature, field="cxjsmj", expression="!shape.area!",
                                        expression_type="PYTHON_9.3")
        # print "计算面积完成"
        # 统计各地类的面积
        outTable = arcpy.Statistics_analysis(in_table=outClipFeature, statistics_fields=[["cxjsmj", "SUM"]],
                                             case_field=caseField)
        print outTable
        dlmjCursor = arcpy.da.SearchCursor(in_table=outTable.getOutput(0), field_names=[caseField, "SUM_cxjsmj"])

        # print "统计各地类的面积完成"

        for row in dlmjCursor:
            dict = {
    
    }
            dict["parentId"] = parentId
            dict["label"] = row[0]
            # dict["result"] = "占用{0}平方米".format(str(round(decimal.Decimal(row[1]), 2)))
            dict["result"] = round(decimal.Decimal(row[1]), 2)
            result.append(dict)

    if caseField == '0' or caseField == '':
        # 添加字段
        arcpy.AddField_management(in_table=outClipFeature, field_name="cxjsmj", field_type="DOUBLE")
        # 计算面积
        arcpy.CalculateField_management(in_table=outClipFeature, field="cxjsmj", expression="!shape.area!",
                                        expression_type="PYTHON_9.3")

        areaList = []
        with arcpy.da.SearchCursor(in_table=outClipFeature, field_names=["cxjsmj"]) as cursor:
            for row in cursor:
                areaList.append(round(decimal.Decimal(row[0]), 2))

        # print(u'{0}'.format(sum(areaList)))
        dict = {
    
    }
        dict["parentId"] = parentId
        dict["label"] = '总面积'
        dict["result"] = sum(areaList)
        result.append(dict)

    if len(result) == 0:
        dict = {
    
    }
        dict["parentId"] = parentId
        dict["label"] = ''
        dict["result"] = 0
        result.append(dict)

    print result
    return ResultBody(0, "成功", result)


# 分析二调土地利用现状压占情况
@special_analysis_controller.route('/analyze_tdlyxz_2d', method='POST')
def analyzeTdlyxzLayer():
    year = request.forms.year
    boundary_polygon = arcpy.AsShape(json.loads(request.forms.clipFeatures), True)
    toolbox_file = os.path.join(gl.get_data_dir(), "Analyze.tbx")
    dltb = os.path.join(sde_file, "A0201_DLTB_{0}".format(year))
    xzdw = os.path.join(sde_file, "A0201_XZDW_{0}".format(year))
    arcpy.AddToolbox(toolbox_file)
    result = arcpy.AnalyzeLanduse2nd_skanalyze(dltb, xzdw, boundary_polygon)
    with arcpy.da.SearchCursor(result, ["TARGET_FID"]) as cur:
        values = [row[0] for row in cur]
        uniqueIds = set(values)
    dltb_list = []
    for id in uniqueIds:
        with arcpy.da.SearchCursor(result,
                                   ["TBBH", "DLMC", "DLBM", "QSXZ", "QSDWMC", "ZLDWMC", "TKXS", "POLY_AREA", "DLMC_1",
                                    "DLBM_1", "KCTBBH1", "KCTBBH2", "LENGTH", "KD", "KCBL", "QSXZ_1", "QSDWMC1",
                                    "QSDWMC2", "SHAPE@JSON"], "TARGET_FID={0}".format(id)) as cursor:
            length = 0
            dltb_area = 0
            for row in cursor:
                (tbbh, dlmc, dlbm, qsxz, qsdwmc, zldwmc, tkxs, area_geo, dlmc1, dlbm1, kctbbh1,
                 kctbbh2, length_geo, kd, kcbl, qsxz1, qsdwmc1, qsdwmc2, geojson) = row
                dltb = {
    
    "dlmc": dlmc, "dlbm": dlbm, "qsxz": qsxz, "qsdwmc": qsdwmc,
                        "zldwmc": zldwmc, "type": "dltb", "area": dltb_area, "geom": geojson}
                if tbbh == kctbbh1:
                    xzdw_area = length_geo * kd * kcbl
                    xzdw = {
    
    "dlmc": dlmc1, "dlbm": dlbm1, "qsxz": qsxz1, "qsdwmc": qsdwmc1,
                            "zldwmc": zldwmc, "type": "xzdw", "area": xzdw_area, "geom": None}
                elif tbbh == kctbbh2:
                    xzdw_area = length_geo * kd * kcbl
                    xzdw = {
    
    "dlmc": dlmc1, "dlbm": dlbm1, "qsxz": qsxz1, "qsdwmc": qsdwmc2,
                            "zldwmc": zldwmc, "type": "xzdw", "area": xzdw_area, "geom": None}
                else:
                    xzdw = None
                if (length == 0):
                    dltb_area = area_geo
                if xzdw is not None:
                    if dltb_area - xzdw["area"] > 0:
                        dltb_area -= xzdw["area"]
                    else:
                        xzdw["area"] = dltb_area
                        dltb_area = 0
                    dltb_list.append(xzdw)
                length += 1
            if tkxs > 0:
                if tkxs >= 1:
                    tkxs = tkxs * 0.01
                tk_area = dltb_area * tkxs
                dltb_tk = {
    
    "dlmc": "田坎".decode("utf8"), "dlbm": "123", "qsxz": qsxz, "geom": None,
                           "qsdwmc": qsdwmc, "zldwmc": zldwmc, "type": "dltb_tk", "area": tk_area}
                dltb_list.append(dltb_tk)
            dltb["area"] = dltb_area * (1 - tkxs)
            dltb_list.append(dltb)
    arcpy.Delete_management(result)
    return ResultBody(0, "成功", dltb_list)

调用接口分析结果如下图
在这里插入图片描述
传递的参数

返回结果

接下来，大家只需整合建设项目信息与分析所得数据，以文字形式提交给 AI，就能让其判断项目是否违规。整个流程感觉是不是很简便？感兴趣的同学不妨亲自上手操作，在实践中体验 AI 助力项目审查的高效性！

（3）AI合规性分析

至此，对技术原理领悟力较强的朋友，想必已经明晰整个操作思路了。

1，创建应用

在这里插入图片描述

2，判断是否合规的AI节点

在这里插入图片描述

问题：
{
    
    {
    
    开始.question}}
角色定义：你是一个合规性分析专家，请严格按照现行法律法规规章制度回答。
任务描述：{
    
    {
    
    开始.question}} 
输出要求：
1. 必须返回一个合规还是不合规字样。
2. 必须列出法律法规依据且详细描述。
3. 回答内容JSON格式输出。

最终调试结果如下图
在这里插入图片描述

完成最终流程图如下：

在这里插入图片描述

2，前端对接合规性分析应用

参考： 7，前端对接应用接口
对接后的效果如下图：
在这里插入图片描述

四，总结

与传统 GIS 应用相比，DeepSeek 在处理复杂任务时优势显著。传统 GIS 虽在空间分析上表现出色，但面对相关数据筛选工作时力不从心。因为数据来源广泛、种类繁杂，传统 GIS 很难快速从海量数据中精准选出对建设项目用地报批关键的数据，效率低下。在依据复杂海量的法律法规与规章制度进行合规性判断时，传统 GIS 缺乏智能解读能力，只能依靠人工，易出错且难度大。
而 DeepSeek 引入先进算法，能够高效简化数据筛选流程，快速精准识别并提取与建设项目用地报批紧密相关的数据。在合规性判断方面，借助深度学习技术，DeepSeek 可对法规政策进行学习理解，自动依据法规对项目用地情况进行合规分析，大大降低了合规性判断的难度，减少人工干预，提升准确性与效率，更能满足建设项目用地报批辅助系统的需求。

别忘了关注收藏，后面的章节更精彩！

基于DeepSeek+GIS的建设项目用地报批辅助系统 【合规性审查】

一，系统实现效果展示

二，开发环境搭建

三，功能实现

（1） AI智能数据筛

1，登录MaxKb 创建一个高级编排应用并设置基本信息

2，创建自定义函数查询空间数据库中的所有图层表及备注

3，创建根据给出问题回答相关数据的AI节点

4，创建根据回答数据帅选本地数据的AI节点

5，创建一个指定回复

6，调试并优化

7，前端对接应用接口

（2）叠加分析与缓冲分析

（3）AI合规性分析

1，创建应用

2，判断是否合规的AI节点

2，前端对接合规性分析应用

四，总结

猜你喜欢

目录

热门文章

基于DeepSeek+GIS的建设项目用地报批辅助系统【合规性审查】