CN104240163B - 一种小区智能推荐方法及装置 - Google Patents
一种小区智能推荐方法及装置 Download PDFInfo
- Publication number
- CN104240163B CN104240163B CN201410510494.8A CN201410510494A CN104240163B CN 104240163 B CN104240163 B CN 104240163B CN 201410510494 A CN201410510494 A CN 201410510494A CN 104240163 B CN104240163 B CN 104240163B
- Authority
- CN
- China
- Prior art keywords
- residential quarter
- optional
- target operation
- place position
- operation place
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000007418 data mining Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 239000000523 sample Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000003993 interaction Effects 0.000 description 7
- 238000011835 investigation Methods 0.000 description 7
- 238000009412 basement excavation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种小区智能推荐方法及装置，涉及计算机技术领域，所述方法包括：接收输入的目标工作地点位置；根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；将所述可选居住小区的信息进行输出。本发明优化了现有的房源信息查询技术，帮助用户快速选择符合用户期望的居住小区，减少了线下实际探查时间。
Description
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种小区智能推荐方法及装置。
背景技术
目前，用户在房产网站上进行房源信息查询时，需要用户首先输入或选择筛选条件信息(比如价格等信息)，然后根据用户输入或选择的筛选条件信息从数据库中海量的房源信息中筛选出用户需要的房源信息，最后将筛选出的房源信息按照一定的方式进行排序后展现给用户。
现有技术存在的缺陷在于：在将房源信息展现给用户后，用户在选择居住的小区时，由于很难全面了解到各小区的情况，因此可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区，效率低下，选择结果也不能较大程度的符合用户期望。
发明内容
本发明提供一种小区智能推荐方法及装置，以优化现有的房源信息查询技术，帮助用户快速选择符合用户期望的居住小区，减少线下实际探查时间。
第一方面，本发明实施例提供了一种小区智能推荐方法，包括：
接收输入的目标工作地点位置；
根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
将所述可选居住小区的信息进行输出。
第二方面，本发明实施例还提供了一种小区智能推荐方法装置，包括：
目标工作地点位置接收模块，用于接收输入的目标工作地点位置；
可选居住小区获取模块，用于根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
可选居住小区信息输出模块，用于将所述可选居住小区的信息进行输出。
本发明实施例根据用户输入的目标工作地点位置，在预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，获取所述目标工作地点位置对应的可选居住小区，并将所述可选居住小区的信息进行输出的技术手段，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，实现了仅通过输入用户目标工作地点，就可以快速选择期望小区的技术效果，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。
附图说明
图1是本发明实施例一提供的小区智能推荐方法的流程图；
图2是本发明实施例二提供的挖掘可居住小区数据的流程示意图；
图3是本发明实施例二的优选实施方式提供的一种小区智能推荐页面的人机交互PC机显示示意图；
图4是本发明实施例二的优选实施方式提供的一种小区智能推荐页面的人机交互智能手机终端显示示意图；
图5是本发明第三实施例的提供的将所述可选居住小区的信息进行输出操作的实现流程图；
图6是本发明实施例三提供的当目标工作地点位置的数目为一个时对可选居住小区排序的流程图；
图7是本发明实施例三提供的当目标工作地点位置的数目为一个时小区智能推荐页面的人机交互PC机显示示意图；
图8是本发明实施例三提供的当目标工作地点位置的数目为多个时对可选居住小区排序的流程图；
图9是本发明实施例三提供的当目标工作地点位置的数目为两个时小区智能推荐页面的人机交互PC机显示示意图；
图10是本发明实施例四提供的对通勤时间分布信息输出的实现流程图；图11是本发明实施例四提供的一可选居住小区到所述目标工作地点位置的通勤时间分布信息示意图；
图12是本发明第五实施例的一种挖掘各工作地点位置到各小区的通勤时间分布信息的流程图示意图；
图13是本发明实施例六的提供的将通勤路径情况进行输出的流程图示意图；
图14是本发明实施例七提供的一种小区智能推荐装置的结构图；
图15是本发明实施例七提供一种终端设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一：
图1是本发明实施例一提供的小区智能推荐方法的流程图，本实施例可适用于在租房、买房时的搜索，确定租/买房小区以快速选择租/买的居住小区。本实施例的方法可以由小区智能推荐装置来执行，并一般可集成于各房屋搜索软件类客户端中，或单独作为一客户端来执行。该方法具体包括如下操作：
110、接收输入的目标工作地点位置；
在本实施例中，用户将目标工作地点位置比如目标工作地点名称输入到客户端。所述客户端可以是执行本方法的独立客户端，还可以是集成有该小区智能推荐方法子程序的现有搜房工具客户端。
所述目标工作地点位置的数目为一个或多个。本实施例提供至少一个目标工作地点的小区智能推荐方法，可以考虑情侣、夫妻双方、多个室友合租的情况。
120、根据预先基于定位服务(LBS)的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
其中，在所述目标工作地点位置的数目为一个时，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区。
在所述目标工作地点位置的数目为多个时，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。
130、将所述可选居住小区的信息进行输出。
其中，客户端可以直接将所述可选居住小区的信息输出，提供给用户，也可以根据可选居住小区的至少一种参数信息(例如，可选居住小区与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径情况等)对所述可选居住小区的信息进行设定的排序处理后按照排序结果将所述可选居住小区的信息进行输出，以提供给用户，本实施例对此并不进行限制。这里的通勤路径情况指可选居住小区附近的公共交通站点与目标工作地点位置附近的公共交通站点之间的可达路径的信息。
本实施例根据用户输入的目标工作地点位置，在预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，获取所述目标工作地点位置对应的可选居住小区，并将所述可选居住小区的信息进行输出的技术手段，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，实现了仅通过输入用户目标工作地点，就可以快速选择期望小区的技术效果，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。
实施例二：
本实施例以上述实施例一为基础，是对实施例一中的操作120进一步解释，图2是本发明实施例二提供的挖掘可居住小区数据的流程示意图。
所述基于LBS的定位数据挖掘出各工作地点位置对应的居住小区数据，具体包括：
210、根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；
所述LBS平台存储有海量的定位数据，其中包含大量用户的常驻信息。
220、将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；
具体地，所述工作地点位置采用均匀网格分类，网格大小可以预先设定，示例性的，可以是长L1(比如1km)，宽L2(比如1km)，具体参数的设定可根据工作地点密度调整。居住位置按照所属小区进行分类，分类名称可以是小区名称。
230、根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据；所述热点居住小区包括所居住的、在对应工作地点位置周边设定范围内上班的用户数量满足设定条件的小区；
具体地，预先设定一个用户数量阈值，在每一工作地点设定范围内，例如一平方千米范围内，统计出所对应的在该工作地点上班的且居住在各小区的用户数量，当居住小区内的用户数量超过设定值时，所述居住小区为热点居住小区。小区的用户数量越多，对应的小区的居住热度越高。
在本实施例的一个优选实施方式中，在挖掘出所述热点居住小区后，在所述挖掘出的数据中查找所述目标工作地点位置对应的可选居住小区，将获取的可选居住小区信息按照可选居住小区的居住热度从高到低排序输出。进一步地，所述可选居住小区在按照居住热度排序输出的基础上，还可以附加各小区的其他参数信息，例如可选居住小区与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、通勤路径情况、推荐理由等。图3、图4分别示出了在PC机以及智能手机终端上运用本发明实施例优选实施方式的一种小区智能推荐页面的人机交互示意图，如图3所示：在该页面中，同时包括可选居住小区的居住热度信息31、可选居住小区的价格信息32、可选居住小区与所述目标工作地点位置的通勤时间信息33、可选居住小区与所述目标工作地点位置的距离信息34、以及推荐理由35。如图4所示：在该页面中，包括了可选居住小区的居住热度信息41、各热点居住小区在地图中的分布信息42。
本实施例通过离线挖掘各工作地点对应的各居住小区的居住热度，用户只需输入的目标工作地点位置，就可获取在目标工作地点及周边上班的人员所居住的热门小区，辅助用户选房决策，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。
实施例三：
本实施例以实施例一为基础，具体地，对实施例一中的信息输出操作做进一步的解释。图5是本发明实施例三的提供的将所述可选居住小区的信息进行输出操作的实现流程图。
具体地，将所述可选居住小区的信息进行输出，包括：
310、根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；
320、按照排序结果将所述可选居住小区的信息进行输出。
其中，所述可选居住小区的参数信息包括与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径情况中的至少一个。所述居住热度是根据居住在对应可选居住小区的、在所述目标工作地点位置上班的用户的数量确定的。根据居住热度的排序输出已在上述实施例二中具体介绍。所述目标工作地点位置的数目为一个或多个。
图6是本发明实施例提供的当目标工作地点位置的数目为一个时对可选居住小区排序的流程图。如图6所示，当所述目标工作地点位置的数目为一个时，根据所述可选居住小区的参数信息对所述可选居住小区进行排序，具体包括：
310-1、获取各可选居住小区的每种参数信息的权值；
310-2、根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；
310-3、根据各可选居住小区的排序权重值对各可选居住小区进行排序。
示例性的，在一个具体例子中，考虑各可选居住小区的参数信息有：各可选居住小区与所述目标工作地点位置的距离Ai、通勤时间Bi、通勤路径情况Ci、与公共交通站点的距离Di、价格Ei，并预先设定上述参数信息对应的权值ai、bi、ci、di、ei，根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值Hi，Hi＝Ai×ai+Bi×bi+Ci×ci+Di×di+Ei×ei；其中i为第i个可选居住小区。根据上述计算的可选居住小区的排序权重值Hi，对各可选居住小区进行排序。图7示出了本发明实施例三提供的当目标工作地点位置的数目为一个时小区智能推荐页面的人机交互PC机显示示意图，如图7所示：在该页面中，同时包括可选居住小区的价格信息71、可选居住小区与所述目标工作地点位置的通勤时间信息72、可选居住小区与所述目标工作地点位置的距离信息73、以及推荐理由74。
图7是本发明实施例提供的当目标工作地点位置的数目为多个时对可选居住小区排序的流程图。如图8所示，当所述目标工作地点位置的数目为多个时，根据所述可选居住小区的参数信息对所述可选居住小区进行排序，具体包括：
310-1’基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；
所述设定策略是指均衡策略或偏向一个目标工作地点位置的策略。可根据具体情况选择粗略排序时所要考虑的部分参数信息具体为哪些。
310-2’对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。
示例性的，在一个具体例子中，当所述目标工作地点位置的数目为两个时，即目标工作地点位置M和N，粗略排序时所要考虑的部分参数信息示例性选择：可选居住小区与目标工作地点位置之间的距离和通勤时间。假设，将可选居住小区i与所述目标工作地点位置M的距离小于设定距离表示为Fi、将可选居住小区i到所述目标工作地点位置M的通勤时间小于30分钟表示为Gi、将可选居住小区i到所述目标工作地点位置M的通勤时间大于30分钟小于60分钟表示为Ji、将可选居住小区i与所述目标工作地点位置N的距离小于设定距离表示为fi、将可选居住小区i到所述目标工作地点位置N的通勤时间小于30分钟表示为gi、将可选居住小区i到所述目标工作地点位置N的通勤时间大于30分钟小于60分钟表示为ji。
当采用均衡策略时，粗略排序顺序为：
Fi∩fi>Fi∩gi＝Gi∩fi>Gi∩gi>Fi∩ji＝Ji∩fi>Gi∩ji>Ji∩gi>Ji∩ji，
Fi∩fi的优先级最高，即距离M和N都很近；其次依次是Fi∩gi，Gi∩fi,Gi∩ji，即距离一方比较近，或者距离两方的通勤时间都小于30分钟；再次依次是Fi∩ji,Ji∩fi,Gi∩ji,Ji∩gi,Hi∩ji，即距离一方比较远，但一方比较近，或者距离双方都很远。
当采用偏向目标工作地点位置M策略时，粗略排序顺序为：
Fi∩fi>Fi∩gi>Fi∩ji>Gi∩fi>Gi∩gi>Gi∩ji>Ji∩fi>Ji∩gi>Ji∩ji。
当采用偏向目标工作地点位置N策略时，粗略排序顺序为：
Fi∩fi>Gi∩fi>Ji∩fi>Fi∩gi>Gi∩gi>Ji∩gi>Fi∩ji>Gi∩ji>Ji∩ji。
对于粗略排序结果中，对每一小区段进行精细排序，例如对小区段Fi∩fi，根据该小区段中的可选居住小区的其他参数信息，例如价格、该小区段中的个小区与公共交通站点的距离等，进行精细排序，具体排序规则可按照上述目标工作地点位置数目为一个时，采用的权重值排序法，在此不做重述。图8示出了本发明实施例三提供的当目标工作地点位置的数目为两个时小区智能推荐页面的人机交互PC机显示示意图，如图9所示：在该页面中，同时包括可选居住小区的价格信息91、可选居住小区与所述目标工作地点位置M的通勤时间信息92、可选居住小区与所述目标工作地点位置M的距离信息93、可选居住小区与所述目标工作地点位置N的通勤时间信息94、可选居住小区与所述目标工作地点位置N的距离信息95、以及推荐理由96。
在本实施例的另一个优选的实施方式中，该方法除了可以根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序外，还包括：
根据用户点击率、满意度的反馈对排序进行调整，使排序输出的小区信息更符合用户的期望。
本实施例通过根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序，并将排序后的结果输出提供给用户参考，以辅助用户快速确定租/买房小区，从而缩小线下看房范围，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提升了用户体验。
实施例四：
本实施例以上述各实施例为基础，具体地，对上述实施例中输出的可选居住小区的信息做详细描述。上述实施例中输出的可选居住小区的信息可以包括可选居住小区的标识信息(例如名称)、参数信息等。该参数信息可以包括通勤时间分布信息。图10是本发明实施例四提供的对通勤时间分布信息输出的实现流程图，具体包括：
410、根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；
420、将所述可选居住小区到所述目标工作地点位置的通勤时间分布信息，进行输出。
其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息。
具体地，可以预先设定抽样数目，将所述通勤时间平均分段，基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间，统计各工作地点位置到各小区的用户落在各分段时间内的用户数量。以所述通勤时间为横坐标，以所述落在各分段时间内的用户数量与抽样数目的比值为纵坐标，得到各可选居住小区到所述目标工作地点位置的通勤时间分布信息。图11示出了本发明实施例提供的一可选居住小区到所述目标工作地点位置的通勤时间分布信息示意图。
本实施例通过根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；将所述可选居住小区到所述目标工作地点位置的通勤时间分布信息，进行输出，提供给用户参考，以辅助用户快速确定租/买房小区，从而缩小线下看房范围，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提升了用户体验。
实施例五：
本实施例以实施例四为基础，具体地，对实施例四中的挖掘通勤时间分布信息做详细描述。图12是本发明实施例五的一种挖掘各工作地点位置到各小区的通勤时间分布信息的流程图示意图，具体包括：
510、从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；具体地，LBS在收集用户轨迹数据的过程中，会存在由于所采用的手段和方法的不完善，导致收集到的用户数据存在误差，从而使获取的用户轨迹数据与一般用户行为严重脱节，该操作通过结合对用户合理行为的分析，将这些无效用户轨迹数据滤除。
520、将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；具体地，该操作可以将具有相同的起点位置和相同的终点位置的用户的有效用户轨迹数据分为一类。
530、根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。举例说明，在统计网格内的工作地点位置A到小区B的通勤时间分布信息时，首先在上述分类结果中查找起点位置为A、终点位置为B的分类，然后统计查找到的各分类所包含的用户的有效用户轨迹数据中的通勤时间，得到通勤时间分布信息。
本实施例通过根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；将所述可选居住小区到所述目标工作地点位置的通勤时间分布信息，进行输出，提供给用户参考，以辅助用户快速确定租/买房小区，从而缩小线下看房范围，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，提升了用户体验。
实施例六：
本实施例以上述各实施例为基础，具体地，对上述实施例中的输出的可选居住小区的信息输出做详细描述。上述实施例中输出的可选居住小区的信息可以包括可选居住小区的标识信息(例如名称)、参数信息等。该参数信息可以包括通勤路径情况，即可选居住小区附近的公共交通站点与目标工作地点位置附近的公共交通站点之间的可达路径的信息。图13是本发明实施例六提供的将通勤路径情况进行输出的流程图示意图，具体包括：
610、向服务器发送公共交通路径查询请求，以使所述服务器从离线得到的各公共交通站点间的可达路径中，获得所述可选居住小区附近的公共交通站点与所述目标工作地点位置附近的公共交通站点之间的可达路径，并返回获得的可达路径的信息；
620、接收服务器返回的所述可达路径的信息，并将所述可达路径的信息进行输出。
其中，所述可达路径的信息包括可乘坐车辆名称、换乘次数、通勤时间等。
本实施例在具备上述基础实施例的有益效果基础上，还可在线下分布式环境部署公共交通路径检索引擎，离线计算出任意两公共交通站点间的路径规划，将在线公交路径规划请求的耗时从2-20s降至约10ms，可以快速帮助用户在线计算出最优小区，同时提高获取可达公交路径信息的准确率。
进一步地，在上述各实施例的基础上，建立所述可选居住小区与第三方房产网站的超级链接，用户根据本发明上述各实施例提供的小区智能推荐方法确定租/买房小区，进而点击通过该方法获取的小区，跳转到第三方房产网站，最后确定线下看房小区、联系房东或经纪人实地看房，最终实现与第三方的共赢。
实施例七：
图14为本发明实施例七提供的一种小区智能推荐装置的结构图。如图13所示，所述装置包括：
目标工作地点位置接收模块710，用于接收输入的目标工作地点位置；
可选居住小区获取模块720，用于根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
可选居住小区的信息输出模块730，用于将所述可选居住小区的信息进行输出。
所述目标工作地点位置的数目为一个或者多个，当所述目标工作位置的数目为一个时，所述可选居住小区获取模块720，具体用于，从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区；当所述目标工作地点位置的数目为多个时，所述可选居住小区获取模块720，具体用于：从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。
本实施例根据用户输入的目标工作地点位置，在预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，获取所述目标工作地点位置对应的可选居住小区，并将所述可选居住小区的信息进行输出的技术手段，解决了现有技术中用户在选择居住的小区时，由于很难全面了解到各小区的情况，可能在有限的时间内选择了一些综合性价比并不太高的小区，或者需要进行实地考察才能确定居住的小区等效率低下问题，实现了仅通过输入用户目标工作地点，就可以快速选择期望小区的技术效果，提高用户选择居住小区的效率，提升了用户体验，辅助用户快速确定租/买房小区，从而缩小线下看房范围及时间。
在上述实施例基础上，所述装置还包括：第一数据挖掘模块，用于根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据。
进一步地，所述可选居住小区信息输出模块730，具体包括：可选居住小区排序单元，用于根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；排序结果输出单元，用于按照排序结果将所述可选居住小区的信息进行输出。
进一步地，当所述目标工作地点位置的数目为一个时，所述可选居住小区排序单元，具体用于：获取各可选居住小区的每种参数信息的权值；根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；根据各可选居住小区的排序权重值对各可选居住小区进行排序。当所述目标工作地点位置的数目为多个时，所述可选居住小区排序单元，具体用于：基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。
其中，所述可选居住小区的参数信息包括与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径情况中的至少一个；所述居住热度是根据居住在对应可选居住小区的、在所述目标工作地点位置上班的用户的数量确定的。
所述可选居住小区信息输出模块按照如下方法获得所述通勤时间分布信息：根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；
其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息。
进一步地，所述装置还包括：第二数据挖掘模块，用于从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。
在上述实施例基础上，输出的所述可选居住小区的信息包括通勤路径信息，所述可选居住小区信息输出模块按照如下方法获得所述通勤路径信息所述可选居住小区信息输出单元：向服务器发送公共交通路径查询请求，以使所述服务器从离线得到的各公共交通站点间的可达路径中，获得所述可选居住小区附近的公共交通站点与所述目标工作地点位置附近的公共交通站点之间的可达路径，并返回获得的可达路径的信息；接收服务器返回的所述可达路径的信息，作为通勤路径信息。
上述小区智能推荐装置可执行本发明实施例所提供的小区智能推荐方法，具备执行方法相应的功能模块和有益效果。进一步地，建立所述可选居住小区与第三方房产网站的超级链接，用户根据本发明上述各实施例确定租/买房小区，进而通过点击获取的小区，跳转到第三方房产网站，最后确定线下看房小区、联系房东或经纪人实地看房，最终实现与第三方的共赢。。
本发明实施例还提供一种终端设备，如图15所示，该终端设备包括上述小区智能推荐装置810，该装置包括目标工作地点位置接收模块811、可选居住小区获取模块812和可选居住小区的信息输出模块813。该终端设备具体可以是PC(Personal Computer，个人计算机)、笔记本电脑、手机等设备。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (17)
1.一种小区智能推荐方法，其特征在于，包括：
接收输入的目标工作地点位置；
根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
将所述可选居住小区的信息进行输出；
所述基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，具体包括：
根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；
将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；
根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据；所述热点居住小区包括所居住的、在对应工作地点位置周边设定范围内上班的用户数量满足设定条件的小区。
2.如权利要求1所述的方法，其特征在于，所述目标工作地点位置的数目为一个，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区。
3.如权利要求1所述的方法，其特征在于，所述目标工作地点位置的数目为多个，根据预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区，具体包括：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。
4.如权利要求1所述的方法，其特征在于，将所述可选居住小区的信息进行输出，具体包括：
根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；
按照排序结果将所述可选居住小区的信息进行输出。
5.如权利要求4所述的方法，其特征在于，所述目标工作地点位置的数目为一个，根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序，具体包括：
获取各可选居住小区的每种参数信息的权值；
根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；
根据各可选居住小区的排序权重值对各可选居住小区进行排序。
6.如权利要求4所述的方法，其特征在于，所述目标工作地点位置的数目为多个，根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序，具体包括：
基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；
对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。
7.如权利要求4-6中任一所述的方法，其特征在于，所述可选居住小区的参数信息包括与所述目标工作地点位置的距离、与公共交通站点的距离、价格、与所述目标工作地点位置的通勤时间、房源数、居住热度、通勤路径信息中的至少一个；
其中，所述居住热度是根据居住在对应可选居住小区的、在所述目标工作地点位置上班的用户的数量确定的。
8.如权利要求1-6中任一所述的方法，其特征在于，输出的所述可选居住小区的信息包括所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；所述通勤时间分布信息按照如下方法获得：
根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；
其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息。
9.如权利要求8所述的方法，其特征在于，基于LBS的用户轨迹数据挖掘出各工作地点位置到各小区的通勤时间分布信息，具体包括：
从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；
将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；
根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。
10.如权利要求1-6中任一所述的方法，其特征在于，输出的所述可选居住小区的信息包括通勤路径信息，所述通勤路径信息按照如下方法获得：
向服务器发送公共交通路径查询请求，以使所述服务器从离线得到的各公共交通站点间的可达路径中，获得所述可选居住小区附近的公共交通站点与所述目标工作地点位置附近的公共交通站点之间的可达路径，并返回获得的可达路径的信息；
接收服务器返回的所述可达路径的信息，作为通勤路径信息。
11.一种小区智能推荐装置，其特征在于，包括：
目标工作地点位置接收模块，用于接收输入的目标工作地点位置；
可选居住小区获取模块，用于根据预先基于定位服务LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据，获得所述目标工作地点位置对应的可选居住小区；
可选居住小区信息输出模块，用于将所述可选居住小区的信息进行输出；
还包括：
第一数据挖掘模块，用于根据LBS平台存储的定位数据挖掘出多个用户的常驻点位置，该常驻点位置包括工作地点位置和居住位置；将挖掘出的工作地点位置按照预先设定的网格进行分类，并将挖掘出的居住位置按照所属小区进行分类；根据分类结果统计每个网格中的每个工作地点位置对应的热点居住小区，作为对应工作地点位置的居住小区数据。
12.如权利要求11所述的装置，其特征在于，所述目标工作地点位置的数目为一个，所述可选居住小区获取模块，具体用于：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，查询所述目标工作地点位置对应的居住小区数据，作为所述目标工作地点位置对应的可选居住小区。
13.如权利要求11所述的装置，其特征在于，所述目标工作地点位置的数目为多个，所述可选居住小区获取模块，具体用于：
从预先基于LBS的定位数据挖掘出的各工作地点位置对应的居住小区数据中，分别查询每个目标工作地点位置对应的居住小区数据，将每次查询结果构成一个小区集合，将得到的各小区集合的交集中的小区作为所述目标工作地点位置对应的可选居住小区。
14.如权利要求11所述的装置，其特征在于，所述可选居住小区信息输出模块，具体包括：
可选居住小区排序单元，用于根据所述可选居住小区的至少一种参数信息对所述可选居住小区进行排序；
排序结果输出单元，用于按照排序结果将所述可选居住小区的信息进行输出。
15.如权利要求14所述的装置，其特征在于，所述目标工作地点位置的数目为一个，所述可选居住小区排序单元，具体用于：
获取各可选居住小区的每种参数信息的权值；
根据各可选居住小区的每种参数信息的权值计算对应可选居住小区的排序权重值；
根据各可选居住小区的排序权重值对各可选居住小区进行排序。
16.如权利要求14所述的装置，其特征在于，所述目标工作地点位置的数目为多个，所述可选居住小区排序单元，具体用于：
基于设定策略，根据各可选居住小区的部分参数信息对各可选居住小区进行粗略排序；
对于粗略排序结果中需要进行精细排序的小区段，根据该小区段中的可选居住小区的其他参数信息，对该小区段中的可选居住小区进行再次排序。
17.如权利要求11-16中任一所述的装置，其特征在于，输出的所述可选居住小区的信息包括所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；所述可选居住小区信息输出模块按照如下方法获得所述通勤时间分布信息：
根据预先基于LBS的用户轨迹数据挖掘出的各工作地点位置到各小区的通勤时间分布信息，获得所述可选居住小区到所述目标工作地点位置的通勤时间分布信息；
其中，所述通勤时间分布信息包括：针对多个设定时间长度中的每个设定时间长度，从所述可选居住小区到所述目标工作地点位置所使用的时间长度为该设定时间长度的用户比例信息；
进一步的，所述装置还包括：
第二数据挖掘模块，用于从LBS存储的用户轨迹数据中过滤掉无效用户轨迹数据；
将过滤后剩余的有效用户轨迹数据按照起点位置和终点位置进行分类；
根据分类结果统计各网格内的工作地点位置到各小区的通勤时间分布信息。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410510494.8A CN104240163B (zh) | 2014-09-28 | 2014-09-28 | 一种小区智能推荐方法及装置 |
| KR1020157036178A KR101777650B1 (ko) | 2014-09-28 | 2014-12-19 | 주택 단지 지능 추천 방법, 장치, 저장 매체 및 설비 |
| JP2016549612A JP6186086B2 (ja) | 2014-09-28 | 2014-12-19 | 団地のインテリジェント推奨方法、推奨装置、記憶媒体及び機器 |
| PCT/CN2014/094307 WO2016045210A1 (zh) | 2014-09-28 | 2014-12-19 | 一种小区智能推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410510494.8A CN104240163B (zh) | 2014-09-28 | 2014-09-28 | 一种小区智能推荐方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104240163A CN104240163A (zh) | 2014-12-24 |
| CN104240163B true CN104240163B (zh) | 2017-09-05 |
Family
ID=52228175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410510494.8A Active CN104240163B (zh) | 2014-09-28 | 2014-09-28 | 一种小区智能推荐方法及装置 |
Country Status (4)
| Country | Link |
|---|---|
| JP (1) | JP6186086B2 (zh) |
| KR (1) | KR101777650B1 (zh) |
| CN (1) | CN104240163B (zh) |
| WO (1) | WO2016045210A1 (zh) |
Families Citing this family (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104616182A (zh) * | 2015-01-22 | 2015-05-13 | 王勇 | 基于房源照片定位的租房方法及系统 |
| TW201638866A (zh) * | 2015-04-20 | 2016-11-01 | shu-zhen Lin | 房屋物件的社區導購系統 |
| CN105302916A (zh) * | 2015-11-16 | 2016-02-03 | 北京百度网讯科技有限公司 | 信息推荐的方法及装置 |
| CN105516924A (zh) * | 2015-12-21 | 2016-04-20 | 北京奇虎科技有限公司 | 一种小区推荐方法及装置 |
| CN105976279A (zh) * | 2016-05-26 | 2016-09-28 | 成都正合地产顾问股份有限公司 | 选房方法 |
| CN105975627A (zh) * | 2016-05-26 | 2016-09-28 | 成都正合地产顾问股份有限公司 | 选房方法及装置 |
| KR101859529B1 (ko) * | 2016-09-29 | 2018-05-21 | 네이버 주식회사 | 부동산 매물 검색 방법 및 장치 |
| KR101877311B1 (ko) * | 2016-11-04 | 2018-07-12 | 한국과학기술연구원 | 부동산에 대한 대중교통 편의성을 평가하는 방법, 장치 및 컴퓨터 프로그램 |
| CN108197128B (zh) * | 2016-12-08 | 2020-11-03 | 腾讯科技（北京）有限公司 | 位置查找方法和装置 |
| CN107092629A (zh) * | 2017-01-18 | 2017-08-25 | 北京小度信息科技有限公司 | 推荐方法及装置 |
| CN107193939A (zh) * | 2017-05-19 | 2017-09-22 | 苏州商信宝信息科技有限公司 | 一种基于数据挖掘的智能房源推荐方法及其系统 |
| WO2018227334A1 (zh) * | 2017-06-12 | 2018-12-20 | 深圳市乃斯网络科技有限公司 | 二手房app的房源推荐方法及系统 |
| CN107665239A (zh) * | 2017-08-29 | 2018-02-06 | 哈尔滨工业大学深圳研究生院 | 一种职住空间信息提取方法及装置、计算机可读存储介质 |
| GB201721062D0 (en) * | 2017-12-15 | 2018-01-31 | Caution Your Blast | CYB route finding |
| CN108288215A (zh) * | 2018-01-17 | 2018-07-17 | 链家网（北京）科技有限公司 | 一种选房方法及系统 |
| CN108288179B (zh) * | 2018-01-25 | 2021-02-02 | 贝壳找房(北京)科技有限公司 | 一种用户偏好房源计算方法和系统 |
| CN108415967A (zh) * | 2018-02-07 | 2018-08-17 | 链家网（北京）科技有限公司 | 一种房源查询方法及系统 |
| US11361361B2 (en) * | 2018-02-20 | 2022-06-14 | Grzegorz Malewicz | Method and an apparatus for searching or comparing sites using routes or route lengths between sites and places within a transportation system |
| CN108628984A (zh) * | 2018-04-27 | 2018-10-09 | 福建江夏学院 | 一种房源信息的融合搜索系统与方法 |
| CN108985876A (zh) * | 2018-06-11 | 2018-12-11 | 平安科技（深圳）有限公司 | 房源信息获取方法、装置及存储介质、服务器 |
| CN109064243A (zh) * | 2018-06-19 | 2018-12-21 | 链家网（北京）科技有限公司 | 房源搜索方法 |
| CN109800360B (zh) * | 2018-12-24 | 2020-12-08 | 北京城市网邻信息技术有限公司 | 小区查询方法、装置、电子设备及存储介质 |
| CN111383042A (zh) * | 2018-12-30 | 2020-07-07 | 贝壳技术有限公司 | 房源推荐方法和装置 |
| CN109949123A (zh) * | 2019-02-12 | 2019-06-28 | 平安科技（深圳）有限公司 | 房源推荐方法、装置、计算机设备及计算机可读存储介质 |
| CN110175190B (zh) * | 2019-04-15 | 2024-05-14 | 平安科技（深圳）有限公司 | 房源推荐方法、装置、计算机设备及计算机可读存储介质 |
| CN110619027B (zh) * | 2019-06-18 | 2022-10-21 | 北京无限光场科技有限公司 | 一种房源信息的推荐方法、装置、终端设备及介质 |
| CN110764665B (zh) * | 2019-09-19 | 2021-08-06 | 深圳思为科技有限公司 | 信息处理方法、信息处理装置及终端设备 |
| CN110990687A (zh) * | 2019-10-29 | 2020-04-10 | 贝壳技术有限公司 | 路径的推荐方法、装置、设备及存储介质 |
| CN111080343B (zh) * | 2019-11-27 | 2023-08-08 | 贝壳技术有限公司 | 基于多用户的房源搜索方法及系统 |
| CN111091415B (zh) * | 2019-12-02 | 2024-02-20 | 贝壳技术有限公司 | 推荐经纪人的方法及系统 |
| CN110968801A (zh) * | 2019-12-04 | 2020-04-07 | 青梧桐有限责任公司 | 地产产品搜索方法、存储介质及电子设备 |
| CN110675646B (zh) * | 2019-12-04 | 2020-03-31 | 武汉元光科技有限公司 | 公交站点位置获取方法及装置 |
| CN111060124A (zh) * | 2019-12-18 | 2020-04-24 | 深圳集智数字科技有限公司 | 一种确定聚集地点的方法和相关装置 |
| CN111274487B (zh) * | 2020-02-12 | 2021-09-28 | 北京城市网邻信息技术有限公司 | 一种房源信息的推荐方法和装置 |
| CN112487310B (zh) * | 2020-10-23 | 2023-02-17 | 贝壳技术有限公司 | 小区推荐方法及系统 |
| US20240046389A1 (en) * | 2020-12-27 | 2024-02-08 | Grzegorz Malewicz | A Method for Presenting Sites Using Their Similarity and Travel Duration |
| CN112927232B (zh) * | 2021-01-26 | 2022-01-07 | 贝壳找房(北京)科技有限公司 | 基于通勤找房的房源召回方法及装置 |
| CN112905903A (zh) * | 2021-04-06 | 2021-06-04 | 北京百度网讯科技有限公司 | 一种租房推荐方法、装置、电子设备及存储介质 |
| WO2023196168A1 (en) | 2022-04-07 | 2023-10-12 | Grzegorz Malewicz | Methods for searching or comparing points using travel of entities |
| CN117764277A (zh) * | 2023-12-13 | 2024-03-26 | 中国城市规划设计研究院 | 电动汽车居住小区充电便利性评估方法、系统及设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101025739A (zh) * | 2006-02-20 | 2007-08-29 | 朴良君 | 网络电子地图的显示、查询及管理方法和系统 |
| CN102968672A (zh) * | 2012-11-27 | 2013-03-13 | 中国地质大学（武汉） | 基于住房选择的智能城市规划模型动态微观仿真方法 |
| CN103955479A (zh) * | 2014-04-02 | 2014-07-30 | 北京百度网讯科技有限公司 | 电子地图的实现方法及装置 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3972541B2 (ja) * | 1999-11-08 | 2007-09-05 | 株式会社日立製作所 | 地図表示方法及び地図表示装置 |
| JP2003208465A (ja) * | 2002-01-11 | 2003-07-25 | Hitachi Ltd | 所要時間情報提供方法及びその実施システム並びにその処理プログラム |
| JP2005196329A (ja) * | 2004-01-05 | 2005-07-21 | Navitime Japan Co Ltd | 物件検索システム、物件登録システム及び物件検索方法 |
| KR100729822B1 (ko) * | 2004-02-11 | 2007-06-21 | 박승도 | 교통 감안한 부동산 검색방법 및 시스템 |
| JP2005292933A (ja) * | 2004-03-31 | 2005-10-20 | Fujitsu Ltd | 情報検索方法、情報検索システム、情報検索プログラム、記録媒体 |
| JP2006330097A (ja) * | 2005-05-23 | 2006-12-07 | Pioneer Electronic Corp | 情報処理装置、そのシステム、その方法、そのプログラム、そのプログラムを記録した記録媒体 |
| US20080189166A1 (en) * | 2007-02-01 | 2008-08-07 | Brooks Jay M | Computer-based method of recommending modifications to residential or commercial property |
| CN102506884A (zh) * | 2011-10-28 | 2012-06-20 | 百度在线网络技术（北京）有限公司 | 基于地图为多个用户推荐聚会地点的方法、系统及装置 |
| JP2014109772A (ja) * | 2012-12-04 | 2014-06-12 | Maya Yoshimura | 空間位置表示システム、及び地図表示システム |
-
2014
- 2014-09-28 CN CN201410510494.8A patent/CN104240163B/zh active Active
- 2014-12-19 WO PCT/CN2014/094307 patent/WO2016045210A1/zh active Application Filing
- 2014-12-19 JP JP2016549612A patent/JP6186086B2/ja active Active
- 2014-12-19 KR KR1020157036178A patent/KR101777650B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101025739A (zh) * | 2006-02-20 | 2007-08-29 | 朴良君 | 网络电子地图的显示、查询及管理方法和系统 |
| CN102968672A (zh) * | 2012-11-27 | 2013-03-13 | 中国地质大学（武汉） | 基于住房选择的智能城市规划模型动态微观仿真方法 |
| CN103955479A (zh) * | 2014-04-02 | 2014-07-30 | 北京百度网讯科技有限公司 | 电子地图的实现方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101777650B1 (ko) | 2017-09-13 |
| JP6186086B2 (ja) | 2017-08-30 |
| WO2016045210A1 (zh) | 2016-03-31 |
| JP2016538670A (ja) | 2016-12-08 |
| CN104240163A (zh) | 2014-12-24 |
| KR20160049508A (ko) | 2016-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104240163B (zh) | 一种小区智能推荐方法及装置 | |
| Cortinovis et al. | Synthesizing multiple ecosystem service assessments for urban planning: A review of approaches, and recommendations | |
| CN109582849A (zh) | 一种基于知识图谱的网络资源智能检索方法 | |
| CN105184422A (zh) | 一种基于互联网词频的智慧旅游线路规划辅助方法 | |
| Shabaka et al. | A model for generating optimal process plans in RMS | |
| CN105808590A (zh) | 搜索引擎实现方法、搜索方法以及装置 | |
| Vinodh et al. | Sustainable concept selection using modified fuzzy TOPSIS: a case study | |
| CN101141370A (zh) | 基于网格服务的电力企业实时数据处理方法 | |
| Xiang et al. | Multi-objective distribution network expansion incorporating electric vehicle charging stations | |
| CN101330417A (zh) | 一种求网络最短路径的商空间覆盖模型及其构建方法 | |
| Dumedah | Formulation of the evolutionary-based data assimilation, and its implementation in hydrological forecasting | |
| CN102521706A (zh) | Kpi 数据的分析方法及装置 | |
| CN105184326A (zh) | 基于图数据的主动学习多标签社交网络数据分析方法 | |
| CN110968801A (zh) | 地产产品搜索方法、存储介质及电子设备 | |
| CN106874337A (zh) | 流量引导关系的统计查询方法及装置 | |
| Boumaiza et al. | Modeling the impact of innovation diffusion on solar PV adoption in city neighborhoods | |
| CN101762282A (zh) | 电子地图路径规划方法 | |
| Sreenivasan et al. | Mapping analytical hierarchy process research to sustainable development goals: Bibliometric and social network analysis | |
| Zheng | [Retracted] Optimization of Agricultural Machinery Task Scheduling Algorithm Based on Multiobjective Optimization | |
| Raju et al. | Multi-objective differential evolution application to irrigation planning | |
| Li et al. | Technology innovation for sustainability in the building construction industry: An analysis of patents from the Yangtze River Delta, China | |
| CN104794135A (zh) | 一种对搜索结果进行排序的方法和装置 | |
| CN108491530B (zh) | 一种空间地理信息系统 | |
| Badri et al. | Ranking the Sustainability Levels of Rural Areas Based on Vikor Model Case Study: the Villages of Fasa County–Fars Province | |
| CN110413902A (zh) | 车辆维修厂在线推荐方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |