CN107066486B - 一种城市数据的可视化跨域查询方法 - Google Patents
一种城市数据的可视化跨域查询方法 Download PDFInfo
- Publication number
- CN107066486B CN107066486B CN201611226502.1A CN201611226502A CN107066486B CN 107066486 B CN107066486 B CN 107066486B CN 201611226502 A CN201611226502 A CN 201611226502A CN 107066486 B CN107066486 B CN 107066486B
- Authority
- CN
- China
- Prior art keywords
- query
- dialog box
- data
- information extraction
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种城市数据的可视化跨域查询方法,包括以下步骤:(1)将跨域的城市数据的属性分为至少四类:时间属性、空间属性、身份属性以及描述信息,并将分类后的数据建立成数据库;(2)设置可视化的查询对话框、查询结果对话框以及信息抽取查询对话框;查询对话框和信息抽取对话框的查询条件是步骤(1)中四种属性的布尔组合;(3)组合步骤(2)中的查询对话框、查询结果对话框以及信息抽取查询对话框来完成跨域目标的可视化查询;本发明方法实现了跨域城市数据的可视化查询、分析、推理和探索,实现了跨域数据的融合。
Description
技术领域
本发明涉及时空数据查询分析领域,特别涉及一种城市数据的可视化跨域查询方法。
背景技术
近年来,传感器的发展等产生了大量的城市数据,数据包括手机移动车辆移动轨迹,社交网络,POI等多个领域。城市数据在给人类带来巨大信息量的同时,也带来了巨大的挑战。对跨域城市时空数据的查询推理的可视分析,越来越成为城市管理和城市建设的热门课题。
可视化查询是数据处理的基础,查询能够达到数据基本的调查功能,使得数据或者数据某些特征能够直接被提取出来。现有的城市数据查询可视化大都是针对单一数据源的。这些可视化不能够融合多源异构的城市数据。
同样的,对于城市数据推理探索过程的可视化也大都是针对单一数据源的。推理探索过程的可视化能够使得分析人员回顾整个探索过程,同时可以让不懂专业知识的人看懂数据分析的过程。推理可视化的关键就在于把每一步的语意信息编码在相应的步骤上。
由于之前的可视化查询和可视化推理大都是针对单一数据源的。因为跨域的城市数据具有异构性和数据粒度不一的特点,不适用针对单一数据源的方法。故本发明提供了能够针对跨域异构数据的可视化查询和可视化推理探索的方法。
发明内容
本发明提供了一种城市数据的可视化跨域查询方法,可以对跨域城市数据进行图形化的选择,过滤,查询和推理,并且可以通过可视化界面推理揭露城市数据中的隐藏信息。
一种城市数据的可视化跨域查询方法,包括以下步骤:
(1)将跨域的城市数据的属性分为至少四类:时间属性、空间属性、身份属性以及描述信息,并将分类后的数据建立成数据库;
(2)设置可视化的查询对话框、查询结果对话框以及信息抽取查询对话框;
查询对话框和信息抽取对话框的查询条件是步骤(1)中四种属性的布尔组合;
查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据查询结果对话框中的数据设置新的查询条件形成信息抽取查询对话框,前一级的查询结果对话框与下一级的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接;
(3)组合步骤(2)中的查询对话框、查询结果对话框以及信息抽取查询对话框来完成跨域目标的可视化查询。
布尔组合的定义:布尔组合包括对条件进行的“并”“交”“补”三种操作。“并”操作要求只要满足两者之一,“交”操作要求同时满足两种条件,“补”操作则要求满足前一条件而不满足后一条件。
本发明方法将跨域城市数据的整理与属性分类,建立查询模型和形成查询序列进行分析。本发明方法将不同领域的城市数据进行统一的分类,分类包括:时间属性、空间属性、身份属性以及描述信息,可以完整的表达每个领域的信息,并且使这些数据具有相互关联性,进而可以通过关联的信息来满足不同的查询要求。
时间属性:记录了对象的时间属性信息;
空间属性:记录了对象在地理空间中的位置信息信息;
身份属性:记录了对象的身份信息;
描述信息:记录了对象的其他信息(例如速度)。
查询对话框和信息抽取查询对话框提供了针对这4中属性的条件选择器,用户可以通过拖拽,选择和输入几种方式对查询条件进行选择,对于选择后的条件,通过两个按钮(形式可以进行人为设定)来提供用户定义条件的布尔运算(交,并)。选择后的条件通过层次列表来展现,并提供删除和查看详情功能。针对每一种数据源,设计了不同的图标来提供用户点选查询数据源。
针对得到查询结果的查询结果对话框,用于归纳查询数据,每一条数据上显示身份属性信息,并提供查看详细信息功能。
优选的,步骤(1)中,所述跨域的城市数据至少包括出租车轨迹数据、手机轨迹数据、房地产房价数据、社交平台数据、手机通话数据、城市建筑信息数据以及街景数据中的两种。所述社交平台数据种类较多,例如微博、微信等。
为了更好地显示查询结构和查询关系,优选的,步骤(2)中,查询对话框、查询结果对话框和信息抽取查询对话框设有多级,查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据前一级的查询结果对话框的数据设置新的查询条件形成下一级信息抽取查询对话框,前一级的查询结果对话框与下一级的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接。
优选的,步骤(2)中,还设有场景界面展示查询推理结果,针对查询结果对话框中不同数据源的查询结果设有不同的数据展示和统计视图(例如出租车速度统计),方便用户对查询结果进行探索。
本发明方法可以快速完成以下四类查询目的:
第一类,优选的,步骤(3)中,完成经过“目标地点”的目标物的跨域查询的具体步骤如下:
3-1、建立查询对话框,指定身份属性为“目标地址”的查询条件,得到查询结果对话框;
3-2、对步骤3-1得到查询结果对话框进行信息抽取,得到带有“目标地址”的空间属性的信息抽取查询对话框;
3-3、将步骤3-2得到的“目标地址”的空间属性作为查询条件,完成经过“目标地点”的目标物的查询,得到查询结果对话框。
第二类,优选的,步骤(3)中,完成社交平台上发布“物品”丢失在出租车上的寻找的具体步骤如下:
3-1、建立查询对话框,指定描述信息为“丢失”的查询条件进行原子查询,得到查询结果对话框;
3-2、对步骤3-1得到查询结果进行信息抽取,得到需要寻找的丢失物的丢失时间以及出租车的起始位置的信息抽取查询对话框;
3-3、根据步骤3-2得到的出租车的起始位置的信息作为“身份属性”的查询条件进行原子查询,得到具体的起始位置的空间属性的查询结果对话框;
3-4、对步骤3-3得到起始位置的经纬度进行信息抽取,得到信息抽取查询对话框;
3-5、根据步骤3-2得到的丢失时间以及步骤3-4得到起始位置的经纬度作为查询条件进行原子查询,得到条件匹配的出租车的查询结果对话框;
3-6、对步骤3-5得到的出租车进行信息抽取,得到指定时间的行驶轨迹的信息抽取查询对话框;
3-7、根据步骤3-6得到的指定时间的行驶轨迹作为查询条件进行原子查询,得到移动轨迹匹配的手机的查询结果对话框,拨打该手机的号码找到丢失“物品”。
第三类,优选的,步骤(3)中,完成选定街区的交通拥堵状况查询的具体步骤如下:
3-1、建立查询对话框,指定描述信息为“速度0~20km/h”、时间属性为中午0点到晚上12点、空间属性为街区A为查询条件,查询符合条件的出租车数据,得到查询结果对话框;
3-2、通过步骤3-1的查询结果的热力图得出多条拥堵的街道,对拥堵的街道进行信息抽取,得到拥堵的街道的经纬度的信息抽取查询对话框;
3-3、根据步骤3-3得到的拥堵的街道的经纬度为查询条件进行原子查询,得到所有拥堵的街道的环境信息的查询结果对话框,从而判断呈现拥堵的原因,进而确定是否为真实的拥堵。
第四类,优选的,步骤(3)中,完成不同房价区域人群的行为差异查询的具体步骤如下:
3-1、建立查询对话框,以房价为查询条件进行原子查询,得到高房价小区和低房价小区,得到查询结果对话框,并查看两个小区的街景数据;
3-2、根据步骤3-1的查询结果进行信息抽取,得到两个小区的经纬度范围的信息抽取查询对话框;
3-3、以凌晨0~6点之间的任一时间点为查询条件,查询半夜在步骤3-2得到的两个小区经纬度范围内逗留的手机轨迹,查询得到两个小区的居民的查询结果对话框,根据居民手机轨迹得到两个小区居民的移动状况的差异;
3-4、对步骤3-3得到居民的手机号码进行信息抽取,得到信息抽取查询对话框;
3-5、根据步骤3-4得到的手机号码为查询条件进行原子查询,得到两个小区居民的社交网络状况的差异。
本发明的有益效果:
本发明方法通过建立跨域城市数据的四种类型的属性分类,并将查询条件以及查询结果进行可视化关联,形成查询序列来探索分析复杂的跨域查询目标,实现了跨域城市数据的可视化查询、分析、推理和探
索,实现了跨域数据的融合。
附图说明
图1为查询对话框的输入界面示意图。
图2为查询对话框的示意图。
图3为查询结果对话框的示意图。
图4为“物品”丢失在出租车上的寻找进行可视化查询的示意图。
图5为场景界面中地图的示意图。
具体实施方式
本方法的流程可以分为3大步骤,可视化查询,可视化推理探索,城市数据的可视化。下面结合附图详细描述本发明,本发明的目的和效果将变得更加明显。
本实施例的城市数据的可视化跨域查询方法包括以下三个过程:
(1)将跨域的城市数据的属性分为至少四类:时间属性、空间属性、身份属性以及描述信息,并将分类后的数据建立成数据库;
(2)可视化查询:为了完成对城市数据跨域查询的可视化,方法设计了两种节点,条件节点和结果节点,分别包括查询对话框、查询结果对话框和信息抽取查询对话框。
a、条件节点包括查询对话框和信息抽取查询对话框,如图1所示,条件节点用于定义查询条件和数据源,对于每种数据,根据数据的4种属性(时间属性,空间属性,身份属性,其他描述属性),提供了针对这4中属性的条件选择器。用户可以通过拖拽,选择和输入几种方式对查询条件进行选择。对于选择后的条件,通过两个按钮来提供用户定义条件的布尔运算(交,并)。选择后的条件通过层次列表来展现,并提供删除和查看详情功能。针对每一种数据源,设计了不同的图标来提供用户点选查询数据源。
b、结果节点为查询结果对话框:用于归纳查询数据。每一条数据上显示身份属性信息,并提供查看详细信息功能。
两种节点都支持放缩功能,当节点缩小时,条件节点变为绿色,结果节点为白色,并分别在节点上通过图标暗示查询条件的类型和查询结果的对象类型和数量,如图2和3所示,用户可以在查询界面中自定义节点位置,或者平移所有节点。
(3)可视化推理:如图4所示,方法提供对于数据的信息抽取,用户通过拖拽用抽取的信息作为下一次查询的条件,从而完成复杂的跨域查询任务。用户通过拖拽和输入的方式来定义查询序列。方法使用了类似于流程图的可视化方法来展示查询序列,查询对话框通过实线箭头指向他对应的查询结果对话框。查询结果对话框通过虚线箭头指向信息抽取查询对话框表示该信息抽取查询对话框中抽取了查询结果对话框中的信息作为查询条件。信息抽取查询对话框通过实线箭头指向他的查询结果对话框。从而实现对推理探索过程的可视化。方法还允许自定义每一步的语义信息,并展示在节点的标题栏,从而提示每一步的语义信息。
城市数据的可视化:方法通过一个推理探索的集成界面来分析异构城市数据,包括场景界面,如图5所示。
查询界面定义步骤2中的查询序列来完成对跨域城市数据的查询推理,如图4所示,完成社交平台上发布“物品”丢失在出租车上的寻找的具体步骤如下:
3-1、建立查询对话框,指定描述信息为“丢失”的查询条件进行原子查询,得到查询结果对话框;
3-2、对步骤3-1得到查询结果进行信息抽取,得到需要寻找的丢失物的丢失时间以及出租车的起始位置的信息抽取查询对话框;
3-3、根据步骤3-2得到的出租车的起始位置的信息作为“身份属性”的查询条件进行原子查询,得到具体的起始位置的空间属性的查询结果对话框;
3-4、对步骤3-3得到起始位置的经纬度进行信息抽取,得到信息抽取查询对话框;
3-5、根据步骤3-2得到的丢失时间以及步骤3-4得到起始位置的经纬度作为查询条件进行原子查询,得到条件匹配的出租车的查询结果对话框;
3-6、对步骤3-5得到的出租车进行信息抽取,得到指定时间的行驶轨迹的信息抽取查询对话框;
3-7、根据步骤3-6得到的指定时间的行驶轨迹作为查询条件进行原子查询,得到移动轨迹匹配的手机的查询结果对话框,拨打该手机的号码找到丢失“物品”。
场景界面展示查询推理结果,针对每一种数据源的查询结果,方法设计了不同的数据展示样式和统计视图(例如出租车速度统计)方便用户对查询结果进行探索。
本方法通过一个推理探索的集成界面来可视化异构城市数据。
查询界面,针对每一种数据源的查询结果,方法设计了不同的统计视图(例如出租车速度统计)方便用户对查询结果进行探索。
场景界面,查询到的数据可以显示在场景视图中,方法对于每一种数据源的对象,设计了不同的可视化表现(例如出租车轨迹用绿色的曲线)。场景界面有一个场景对象列表来管理那些展示在场景界面中的数据。用户可以通过点击来查看、高亮某对象的详细信息,或者删除该条数据。
当用户查看某对象的详细信息时,针对每一种数据源的查询结果,方法还设计了不同的统计视图(例如出租车速度统计)方便用户对查询结果进行探索。
额外信息,界面还支持针对推理过程的操作记录和撤销回滚的操作。
Claims (6)
1.一种城市数据的可视化跨域查询方法,其特征在于,包括以下步骤:
(1)将跨域的城市数据的属性分为至少四类:时间属性、空间属性、身份属性以及描述信息,并将分类后的数据建立成数据库;所述跨域的城市数据至少包括出租车轨迹数据、手机轨迹数据、房地产房价数据、社交平台数据、手机通话数据、城市建筑信息数据以及街景数据中的两种,所述社交平台数据种类包括微博和微信;
(2)设置可视化的查询对话框、查询结果对话框以及信息抽取查询对话框;
查询对话框和信息抽取对话框的查询条件是步骤(1)中四种属性的布尔组合;
查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据查询结果对话框中的数据进行信息抽取设置新的查询条件形成信息抽取查询对话框,前一级数据类型的查询结果对话框与下一级数据类型的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接;
查询对话框、查询结果对话框和信息抽取查询对话框设有多级,查询对话框与其对应的查询结果对话框之间通过实线箭头连接,根据前一级的查询结果对话框的数据设置新的查询条件形成下一级信息抽取查询对话框,前一级的查询结果对话框与下一级的信息抽取查询对话框之间通过虚线箭头连接,信息抽取查询对话框与其查询结果对话框之间通过实线箭头连接;
(3)组合步骤(2)中的查询对话框、查询结果对话框以及信息抽取查询对话框来完成跨域目标的可视化查询。
2.如权利要求1所述的城市数据的可视化跨域查询方法,其特征在于,步骤(2)中,还设有场景界面展示查询推理结果,针对查询结果对话框的查询结果设有不同的数据展示和统计视图。
3.如权利要求1所述的城市数据的可视化跨域查询方法,其特征在于,步骤(3)中,完成经过“目标地点”的目标物的跨域查询的具体步骤如下:
3-1、建立查询对话框,指定身份属性为“目标地址”的查询条件,得到查询结果对话框;
3-2、对步骤3-1得到查询结果对话框进行信息抽取,得到带有“目标地址”的空间属性的信息抽取查询对话框;
3-3、将步骤3-2得到的“目标地址”的空间属性作为查询条件,完成经过“目标地点”的目标物的查询,得到查询结果对话框。
4.如权利要求1所述的城市数据的可视化跨域查询方法,其特征在于,步骤(3)中,完成社交平台上发布“物品”丢失在出租车上的寻找的具体步骤如下:
3-1、建立查询对话框,指定描述信息为“丢失”的查询条件进行原子查询,得到查询结果对话框;
3-2、对步骤3-1得到查询结果进行信息抽取,得到需要寻找的丢失物的丢失时间以及出租车的起始位置的信息抽取查询对话框;
3-3、根据步骤3-2得到的出租车的起始位置的信息作为“身份属性”的查询条件进行原子查询,得到具体的起始位置的空间属性的查询结果对话框;
3-4、对步骤3-3得到起始位置的经纬度进行信息抽取,得到信息抽取查询对话框;
3-5、根据步骤3-2得到的丢失时间以及步骤3-4得到起始位置的经纬度作为查询条件进行原子查询,得到条件匹配的出租车的查询结果对话框;
3-6、对步骤3-5得到的出租车进行信息抽取,得到指定时间的行驶轨迹的信息抽取查询对话框;
3-7、根据步骤3-6得到的指定时间的行驶轨迹作为查询条件进行原子查询,得到移动轨迹匹配的手机的查询结果对话框,拨打该手机的号码找到丢失“物品”。
5.如权利要求1所述的城市数据的可视化跨域查询方法,其特征在于,步骤(3)中,完成选定街区的交通拥堵状况查询的具体步骤如下:
3-1、建立查询对话框,指定描述信息为“速度0~20km/h”、时间属性为中午0点到晚上12点、空间属性为街区A为查询条件,查询符合条件的出租车数据,得到查询结果对话框;
3-2、通过步骤3-1的查询结果的热力图得出多条拥堵的街道,对拥堵的街道进行信息抽取,得到拥堵的街道的经纬度的信息抽取查询对话框;
3-3、根据步骤3-3得到的拥堵的街道的经纬度为查询条件进行原子查询,得到所有拥堵的街道的环境信息的查询结果对话框,从而判断呈现拥堵的原因,进而确定是否为真实的拥堵。
6.如权利要求1所述的城市数据的可视化跨域查询方法,其特征在于,步骤(3)中,完成不同房价区域人群的行为差异查询的具体步骤如下:
3-1、建立查询对话框,以房价为查询条件进行原子查询,得到高房价小区和低房价小区,得到查询结果对话框,并查看两个小区的街景数据;
3-2、根据步骤3-1的查询结果进行信息抽取,得到两个小区的经纬度范围的信息抽取查询对话框;
3-3、以凌晨0~6点之间的任一时间点为查询条件,查询半夜在步骤3-2得到的两个小区经纬度范围内逗留的手机轨迹,查询得到两个小区的居民的查询结果对话框,根据居民手机轨迹得到两个小区居民的移动状况的差异;
3-4、对步骤3-3得到居民的手机号码进行信息抽取,得到信息抽取查询对话框;
3-5、根据步骤3-4得到的手机号码为查询条件进行原子查询,得到两个小区居民的社交网络状况的差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226502.1A CN107066486B (zh) | 2016-12-27 | 2016-12-27 | 一种城市数据的可视化跨域查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226502.1A CN107066486B (zh) | 2016-12-27 | 2016-12-27 | 一种城市数据的可视化跨域查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107066486A CN107066486A (zh) | 2017-08-18 |
CN107066486B true CN107066486B (zh) | 2020-05-12 |
Family
ID=59623742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611226502.1A Active CN107066486B (zh) | 2016-12-27 | 2016-12-27 | 一种城市数据的可视化跨域查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066486B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729442A (zh) * | 2017-09-30 | 2018-02-23 | 刘玉伟 | 一种出租车乘客遗失物品的寻回系统 |
CN108647326A (zh) * | 2018-05-10 | 2018-10-12 | 江苏智通交通科技有限公司 | 基于出租车多源数据的失物寻回方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880617A (zh) * | 2011-07-15 | 2013-01-16 | 无锡物联网产业研究院 | 物联网实体搜索方法及系统 |
CN102999592A (zh) * | 2012-11-19 | 2013-03-27 | 北京中海新图科技有限公司 | B/S架构下的全球Argo多源海洋数据管理与可视化系统及方法 |
CN103092924A (zh) * | 2012-12-28 | 2013-05-08 | 深圳先进技术研究院 | 实时数据驱动的交通数据三维可视化分析系统及方法 |
CN105426461A (zh) * | 2015-11-12 | 2016-03-23 | 中国科学院遥感与数字地球研究所 | 基于空间大数据进行知识挖掘的地图可视化系统及方法 |
-
2016
- 2016-12-27 CN CN201611226502.1A patent/CN107066486B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880617A (zh) * | 2011-07-15 | 2013-01-16 | 无锡物联网产业研究院 | 物联网实体搜索方法及系统 |
CN102999592A (zh) * | 2012-11-19 | 2013-03-27 | 北京中海新图科技有限公司 | B/S架构下的全球Argo多源海洋数据管理与可视化系统及方法 |
CN103092924A (zh) * | 2012-12-28 | 2013-05-08 | 深圳先进技术研究院 | 实时数据驱动的交通数据三维可视化分析系统及方法 |
CN105426461A (zh) * | 2015-11-12 | 2016-03-23 | 中国科学院遥感与数字地球研究所 | 基于空间大数据进行知识挖掘的地图可视化系统及方法 |
Non-Patent Citations (1)
Title |
---|
"个人行为数据的可视化查询方法与应用";汪飞;《万方数据》;20160809;正文第1、7、22、49、63-70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107066486A (zh) | 2017-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | VAUD: A visual analysis approach for exploring spatio-temporal urban data | |
Krüger et al. | Trajectorylenses–a set‐based filtering and exploration technique for long‐term trajectory data | |
Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
US20210201232A1 (en) | Planning system using spatial-based visualization aids | |
Psyllidis et al. | A platform for urban analytics and semantic data integration in city planning | |
US8401771B2 (en) | Discovering points of interest from users map annotations | |
US10209079B2 (en) | Optimization of map views based on real-time data | |
US8065253B2 (en) | Knowledge discovery system with user interactive analysis view for analyzing and generating relationships | |
Krueger et al. | Visual analysis of movement behavior using web data for context enrichment | |
Kazemitabar et al. | Geospatial stream query processing using Microsoft SQL Server StreamInsight | |
TW201727558A (zh) | 地理區域的熱力展現方法和裝置 | |
Krueger et al. | Semantic enrichment of movement behavior with foursquare–a visual analytics approach | |
CN104063383A (zh) | 信息推荐方法及装置 | |
Pianese et al. | Discovering and predicting user routines by differential analysis of social network traces | |
EP2735984A1 (en) | Video query method, device and system | |
CN108737492A (zh) | 一种基于大数据系统的导航与位置服务的方法 | |
Kamw et al. | Urban structure accessibility modeling and visualization for joint spatiotemporal constraints | |
Balduini et al. | Models and practices in urban data science at scale | |
CN104216889A (zh) | 基于云服务的数据传播性分析预测方法及系统 | |
CN107066486B (zh) | 一种城市数据的可视化跨域查询方法 | |
KR102150280B1 (ko) | 도시 하천 관리를 위한 연계 플랫폼 | |
CN114003672A (zh) | 一种道路动态事件的处理方法、装置、设备和介质 | |
Aleksandrowicz et al. | Spatio-syntactical analysis and historical spatial potentials: The case of Jaffa–Tel Aviv | |
CN106682168B (zh) | 一种跨域城市数据可视查询系统的构建方法 | |
Feng et al. | A survey of visual analytics in urban area |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |