from flask import Flask, render_template, request, jsonify import psycopg2 from psycopg2.extras import DictCursor import logging import ollama import json import datetime import uuid app = Flask(__name__) # 配置日志 logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) # 连接数据库 conn = psycopg2.connect( dbname="real3d", user="postgres", password="postgis", host="192.168.100.30", port="5432" ) # 后台接口 @app.route("/") def home(): return render_template('index.html') # 接收消息，大模型解析 @app.route('/msg', methods=['POST']) def inputMsg(): # 从请求中获取JSON数据 data = request.get_json() # 检查是否接收到数据 if not data: return jsonify({"error": "No data received"}), 400 # 打印接收到的消息 print(data['msg']) msg = data['msg'] # 调用大模型解析 # 这里调用大模型，并返回解析结果 # 生成提示信息 # 定义输入信息变量 # 生成提示信息 prompt = f"""请扮演文本提取工具,基于以下因子选择、选择范围和用地类型提取其对应的相关数据,并提取其距离的相关数据， 选址范围：['天涯区','崖州区','海棠区','吉阳区' ,'抱坡区'], 因子选择：['规划因子', '永久基本农田', '城镇开发边界内', '生态保护红线', '文化保护区', '自然保护地', '风景名胜区', '权属因子', '国有使用权', '防控因子', '河道管理线', '水库', '公益林', '地形因子', '坡度', '邻避因子', '火葬场', '垃圾处理场', '污水处理场', '高压线', '变电站', '古树', '市政设施', '交通', '城市道路', '主要出入口', '管线', '排水', '供水', '燃气', '电力', '电信', '公共服务设施', '十五分钟社区生活圈邻里中心', '社区服务设施', '零售商业场所', '医疗卫生设施', '教育场所', '幼儿园服务半径', '小学服务半径', '为老服务设施', '文化活动设施', '体育运动场所'], 用地类型：['园地', '耕地', '林地', '草地', '湿地', '公共卫生用地', '老年人社会福利用地', '儿童社会福利用地', '残疾人社会福利用地', '其他社会福利用地', '零售商业用地', '批发市场用地', '餐饮用地', '旅馆用地', '公用设施营业网点用地', '娱乐用地', '康体用地', '一类工业用地', '二类工业用地', '广播电视设施用地', '环卫用地', '消防用地', '干渠', '水工设施用地', '其他公用设施用地', '公园绿地', '防护绿地', '广场用地', '军事设施用地', '使领馆用地', '宗教用地', '文物古迹用地', '监教场所用地', '殡葬用地', '其他特殊用地', '河流水面', '湖泊水面', '水库水面', '坑塘水面', '沟渠', '冰川及常年积雪', '渔业基础设施用海', '增养殖用海', '捕捞海域', '工业用海', '盐田用海', '固体矿产用海', '油气用海', '可再生能源用海', '海底电缆管道用海', '港口用海', '农业设施建设用地', '耕地', '园地', '林地', '工矿用地', '畜禽养殖设施建设用地', '水产养殖设施建设用地', '城镇住宅用地', '草地', '湿地', '留白用地', '陆地水域', '游憩用海', '特殊用海', '特殊用地', '其他海域', '居住用地', '绿地与开敞空间用地', '水田', '水浇地', '旱地', '果园', '茶园', '橡胶园', '其他园地', '乔木林地', '竹林地', '城镇社区服务设施用地', '农村宅基地', '农村社区服务设施用地', '机关团体用地', '科研用地', '文化用地', '教育用地', '体育用地', '医疗卫生用地', '社会福利用地', '商业用地', '商务金融用地', '二类农村宅基地', '图书与展览用地', '文化活动用地', '高等教育用地', '中等职业教育用地', '体育训练用地', '其他交通设施用地', '供水用地', '排水用地', '供电用地', '供燃气用地', '供热用地', '通信用地', '邮政用地', '医院用地', '基层医疗卫生设施用地', '田间道', '盐碱地', '沙地', '裸土地', '裸岩石砾地', '村道用地', '村庄内部道路用地', '渔业用海', '工矿通信用海', '其他土地', '公共管理与公共服务用地', '仓储用地', '交通运输用地', '公用设施用地', '交通运输用海', '航运用海', '路桥隧道用海', '风景旅游用海', '文体休闲娱乐用海', '军事用海', '其他特殊用海', '空闲地', '田坎', '港口码头用地', '管道运输用地', '城市轨道交通用地', '城镇道路用地', '交通场站用地', '一类城镇住宅用地', '二类城镇住宅用地', '三类城镇住宅用地', '一类农村宅基地', '商业服务业用地', '三类工业用地', '一类物流仓储用地', '二类物流仓储用地', '三类物流仓储用地', '盐田', '对外交通场站用地', '公共交通场站用地', '社会停车场用地', '中小学用地', '幼儿园用地', '其他教育用地', '体育场馆用地', '灌木林地', '其他林地', '天然牧草地', '人工牧草地', '其他草地', '森林沼泽', '灌丛沼泽', '沼泽草地', '其他沼泽地', '沿海滩涂', '内陆滩涂', '红树林地', '乡村道路用地', '种植设施建设用地', '娱乐康体用地', '其他商业服务业用地', '工业用地', '采矿用地', '物流仓储用地', '储备库用地', '铁路用地', '公路用地', '机场用地'], landType是用地类型, districtName是选址范围, ydmjbegin是用地面积的开始值,是较小的那个数,ydmjend是用地面积的结束值,是较大的那个数,单位统一转换为亩 yxyz中的name是因子选择,defalt是条件,defaultvalue是距离,公里、千米的单位转换为米， 输入以下信息:"{msg}",请基于因子选择、选址范围和用地类型，提取其对应的相关数据,并提取其距离的相关数据。结果以下面格式输出: "districtName":"天涯区","landType":"林地","ydmjbegin":10,"ydmjend":100,"yxyz":["name":"幼儿园服务半径","default":"大于","defaultValue":"300"],"useMultiple":false,"useLandType":true,"multipleDistance":0 并把yxyz的default条件中的大于、小于、大于等于、小于等于、介于分别替换为gt、lt、get、let、between""" try: res = ollama.generate( model="qwen2:7b", stream=False, prompt=prompt, options={"temperature": 0}, format="json", keep_alive=-1 ) print(res["response"]) except Exception as e: print(f"生成过程中出现错误: {e}") json_res = res["response"] json_res = json.loads(json_res) # 组织成选址需要的数据格式 json_res = jsonResToDict(json_res) # 返回响应 return jsonify(json_res) # 将大模型解析的结果转换为选址需要的数据格式 def jsonResToDict(json_res): now = datetime.datetime.now() formatted_time = now.strftime("%Y%m%d%H%M%S") res = { "xzmj": 1500, "xmmc": "规划选址项目_"+formatted_time, "jsdw": "建设单位", "ydxz_bsm": "07", # TODO: 从数据库中获取 "ydmjbegin": json_res["ydmjbegin"], "ydmjend": json_res["ydmjbegin"], "geomId": "ecc08a3f4f234befb7f49f9809534164", # TODO: 从数据库中获取 "yxyz": [], # TODO: 循环遍历 # "yxyz": [ # { # "id": "259e5bbaab434dbfb9c679bd44d4bfa4", # "name": "幼儿园服务半径", # "bsm": "TB_YEY", # "conditionInfo": { # "spatial_type": "distance", # "default": "lt", # "hasValue": true, # "defaultValue": "300", # "unit": "米", # "clip": false # } # } # ], "useMultiple": json_res["multipleDistance"], "useLandType": json_res["multipleDistance"], "multipleDistance": json_res["multipleDistance"] } # 循环遍历因子 factors = json_res["yxyz"] for factor in factors: factorInfo = getFactorByName(factor["name"]) factorId = factorInfo["id"] factorBsm = factorInfo["bsm"] conditionInfo = factorInfo["condition_info"] conditionObj = json.loads(conditionInfo) factor_info = { "id": factorId, "name": factor["name"], "bsm": factorBsm, "conditionInfo": { "spatial_type": conditionObj["spatial_type"], "default": factor["default"], "hasValue": conditionObj["hasValue"], "defaultValue": factor["defaultValue"], "unit": conditionObj["unit"], "clip": conditionObj["clip"] } } res["yxyz"].append(factor_info) return res # 获取内置模板信息 def getTemplateByCode(code): with conn.cursor(cursor_factory=DictCursor) as cur: sql = "SELECT * FROM base.t_fzss_fzxz_factor_temp WHERE land_type_code = %s" complete_sql = cur.mogrify(sql, (code,)).decode('utf-8') logger.info(f"Executing SQL: {complete_sql}") cur.execute(sql, (code,)) res = cur.fetchall() return res # 获取选址范围信息 def getAiDistrict(name): with conn.cursor(cursor_factory=DictCursor) as cur: sql = "SELECT public.st_asewkt(geom) as geom FROM base.t_fzss_fzxz_ai_district WHERE name = %s" complete_sql = cur.mogrify(sql, (name,)).decode('utf-8') logger.info(f"Executing SQL: {complete_sql}") cur.execute(sql, (name,)) res = cur.fetchone() return res["geom"] # 保存选址范围信息 def saveGeom(ewkt): new_uuid = str(uuid.uuid4()) # 生成一个新的 UUID from_type = 3 with conn.cursor() as cur: sql = "INSERT INTO base.t_fzss_zhxz_file(id,geom,from_type,create_time,area) VALUES (%s,public.st_geomfromewkt(%s),%s,now(),public.st_area(public.st_geomfromewkt(%s)::public.geography))" complete_sql = cur.mogrify(sql, (new_uuid, ewkt,from_type,ewkt)).decode('utf-8') logger.info(f"Executing SQL: {complete_sql}") cur.execute(sql, (new_uuid, ewkt,from_type,ewkt)) conn.commit() return new_uuid # 获取因子信息 def getFactorByName(name): with conn.cursor(cursor_factory=DictCursor) as cur: sql = "SELECT * FROM base.t_fzss_fzxz_factor WHERE name = %s" complete_sql = cur.mogrify(sql, (name,)).decode('utf-8') logger.info(f"Executing SQL: {complete_sql}") cur.execute(sql, (name,)) res = cur.fetchone() return res # getTemplateByCode("08") # getAiDistrict("抱坡区") # ewkt="SRID=4326;POLYGON ((109.568515723151 18.2729002407864, 109.564270326708 18.2607742953866, 109.580087492139 18.2571512198688, 109.588461804591 18.2570597503377, 109.58884305979 18.2645363088176, 109.582107142538 18.2732736518031, 109.568515723151 18.2729002407864))" # saveGeom(ewkt) # getFactorByName("幼儿园服务半径") if __name__ == '__main__': # app.run() app.run(host='0.0.0.0')