CN107689022A - 分析用户移动特性、城市人口流动特性的方法及计算设备 - Google Patents
分析用户移动特性、城市人口流动特性的方法及计算设备 Download PDFInfo
- Publication number
- CN107689022A CN107689022A CN201710742305.3A CN201710742305A CN107689022A CN 107689022 A CN107689022 A CN 107689022A CN 201710742305 A CN201710742305 A CN 201710742305A CN 107689022 A CN107689022 A CN 107689022A
- Authority
- CN
- China
- Prior art keywords
- point
- user
- record
- interest
- probability
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 100
- 230000000694 effects Effects 0.000 claims abstract description 35
- 238000013500 data storage Methods 0.000 claims description 28
- 230000006399 behavior Effects 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 41
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 36
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 101000746134 Homo sapiens DNA endonuclease RBBP8 Proteins 0.000 description 1
- 101000969031 Homo sapiens Nuclear protein 1 Proteins 0.000 description 1
- 102100021133 Nuclear protein 1 Human genes 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于分析用户移动特性的方法,该方法在计算设备中执行,可以根据所存储的兴趣点记录、行政区记录和用户的位置记录计算出预定时间段内每一个用户的活跃性、换流性,以及每一条位置记录的多样性、流动性。本发明还公开了一种分析城市人口流动特性的方法,将城市预定区域内所有用户的活跃性、换流性,以及所有位置记录的多样性、流动性的平均值分别作为该预定区域的活跃性、换流性、多样性和流动性。本发明一并公开了相应的计算设备。本发明的技术方案可以了解不同时间段的城市居民的移动特性、城市人口流动特性等动态信息,从而获知城市功能区域划分的基本情况和潜在风险,有助于商业决策、选址以及城市规划的优化。
Description
技术领域
本发明涉及地理位置服务技术领域,尤其涉及一种分析用户移动特性、城市人口流动特性的方法及计算设备。
背景技术
城市是由人类行为演化而来的居住生态系统,是一系列基础功能设施及其功能性实现。基础设施功能性实现的好坏最终是由居民行为来进行反馈的,如何通过居民行为来刻画城市及其功能区域对城市规划具有重要意义。传统技术大多通过视频监测或人口普查来进行调研,但这种方法不仅费时费力、成本巨大,而且只能得到片面的人口分布地图,无法得知关于城市以及居民的更动态、细致的问题,例如,居民在城市各区域间如何流动;什么样的功能区域更受居民青睐;在不同的时间段,城市中的居民呈现怎样的流动趋势;等等。
发明内容
为此,本发明提供一种分析用户移动特性、城市人口流动特性的方法及计算设备,以解决或至少缓解上面存在的问题。
根据本发明的一个方面,提供一种分析用户移动特性的方法,在计算设备中执行,计算设备与数据存储装置通信连接,数据存储装置中存储有多条兴趣点记录和多个用户的多条位置记录,其中,每条兴趣点记录包括中心点坐标和该兴趣点所属的类别,每条位置记录包括用户标识和经纬度坐标,该方法包括:获取一个用户的多条位置记录;对于每一条位置记录,根据该位置记录的经纬度坐标和各目标兴趣点的中心点坐标来确定该位置记录属于各兴趣点类别的概率,其中,目标兴趣点为中心点坐标到该位置记录的经纬度坐标的距离在预定范围内的兴趣点;根据每条位置记录属于各兴趣点类别的概率来确定该用户属于各兴趣点类别的概率;根据用户属于各兴趣点类别的概率来确定用户的活跃性。
可选地,在根据本发明的分析用户移动特性的方法中,每条位置记录还包括收集时间,获取一个用户的多条位置记录的步骤还包括:获取一个用户在预定时间段内的多条位置记录。
可选地,在根据本发明的分析用户移动特性的方法中,数据存储装置中还存储有各城市的网格区域划分;根据该位置记录的经纬度坐标和各目标兴趣点的中心点坐标来确定该位置记录属于各兴趣点类别的概率的步骤包括:根据位置记录的经纬度坐标确定每条位置记录所属的网格区域;按照以下公式计算第i条位置记录属于第j个兴趣点类别的概率qij:
其中,表示均值为0,方差为σ2 j,k的高斯分布函数,Li表示第i条位置记录所属的网格区域的中心点,POIj,k为第j个兴趣点类别中的第k个目标兴趣点的中心点,dist(Li,POIj,k)表示Li到POIj,k的距离。
可选地,在根据本发明的分析用户移动特性的方法中,根据每条位置记录属于各兴趣点类别的概率来确定该用户属于各兴趣点类别的概率的步骤包括:按照以下公式计算该用户属于第j个兴趣点类别的概率pj:
可选地,在根据本发明的分析用户移动特性的方法中,根据用户属于各兴趣点类别的概率来确定用户的活跃性的步骤包括:按照以下公式计算用户的活跃性Hp:
Hp=-∑jpj·logpj
可选地,在根据本发明的分析用户移动特性的方法中,,在根据每条位置记录属于各兴趣点类别的概率来确定该用户属于各兴趣点类别的概率的步骤之后,还包括:根据每条位置记录属于各兴趣点类别的概率和该用户属于各兴趣点类别的概率,来确定每条位置记录的多样性。
可选地,在根据本发明的分析用户移动特性的方法中,按照以下公式来确定第i条位置记录的多样性Hr:
Hr=-∑jqij·logpj
可选地,在根据本发明的分析用户移动特性的方法中,数据存储装置中还存储有多条行政区记录,每条行政区记录包括行政区的编号和其所在的地理位置,上述方法还包括:根据位置记录的经纬度坐标确定每条位置记录所属的行政区;根据每条位置记录所属的行政区确定该用户属于各行政区的概率;根据用户属于各行政区的概率确定用户的换流性。
可选地,在根据本发明的分析用户移动特性的方法中,根据每条位置记录所属的行政区确定该用户属于各行政区的概率的步骤包括:按照以下公式计算该用户属于第x个行政区的概率px:
其中,qix表示第i条位置记录是否属于第x个行政区,若属于,则qix=1;若不属于,则qix=0。
可选地,在根据本发明的分析用户移动特性的方法中,根据用户属于各行政区的概率确定用户的换流性的步骤包括:按照以下公式计算用户的换流性Hx:
可选地,在根据本发明的分析用户移动特性的方法中,根据每条位置记录所属的行政区确定该用户属于各行政区的概率的步骤之后,还包括:根据每条位置记录所属的行政区和该用户属于各行政区的概率,来确定每条位置记录的流动性。
可选地,在根据本发明的分析用户移动特性的方法中,按照以下公式来确定第i条位置记录的流动性Hs:
Hs=-∑xqix·logpx
根据本发明的一个方面,提供一种分析城市人口流动特性的方法,在计算设备中执行,计算设备与数据存储装置连接,数据存储装置中存储有多条兴趣点记录和多个用户的多条位置记录,其中,每条位置记录包括用户标识和经纬度坐标,该方法包括:对于每一个用户,根据所存储的多条兴趣点记录和该用户的多条位置记录来确定该用户的活跃性;将城市预定区域内的所有用户的活跃性的平均值作为该预定区域的活跃性。
可选地,在根据本发明的分析城市人口流动特性的方法中,还包括:对于每一条位置记录,根据所存储的多条兴趣点记录和该条位置记录所对应的用户的所有的位置记录来确定该条位置记录的多样性;将城市预定区域内的所有位置记录的多样性的平均值作为该预定区域的多样性。
可选地,在根据本发明的分析城市人口流动特性的方法中,数据存储装置中还存储有多条行政区记录,该方法还包括:对于每一个用户,根据所存储的多条行政区记录和该用户的多条位置记录来确定该用户的换流性;将城市预定区域内的所有用户的换流性的平均值作为该预定区域的换流性。
可选地,在根据本发明的分析城市人口流动特性的方法中,还包括:对于每一条位置记录,根据所存储的多条行政区记录和该条位置记录所对应的用户的所有的位置记录来确定该条位置记录的流动性;将城市预定区域内的所有位置记录的流动性的平均值作为该预定区域的流动性。
根据本发明的一个方面,提供一种计算设备,包括:至少一个处理器;和存储有程序指令的存储器,其中,所述程序指令被配置为适于由所述至少一个处理器执行,所述程序指令包括用于执行如上任一项所述的用于分析用户移动特性的方法的指令和/或如上任一项所述的用于分析城市人口流动特性的方法的指令。
根据本发明的一个方面,提供一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得该计算设备执行如上任一项所述的用于分析用户移动特性的方法的指令和/或如上任一项所述的用于分析城市人口流动特性的方法的指令。
根据本发明的技术方案,根据所存储的多条兴趣点记录、多条行政区记录、多个用户的多条位置记录可以计算出预定时间段内每一个用户的活跃性、换流性,以及每一条位置记录的多样性、流动性。将城市预定区域内的所有用户的活跃性、换流性,以及所有位置记录的多样性、流动性的平均值分别作为该预定区域的活跃性、换流性、多样性和流动性,其中,活跃性用于表示该预定区域中用户选择的兴趣点类别的丰富程度,即用户个人生活的丰富程度,活跃性越大,用户选择的兴趣点类别越多样,生活丰富程度越高;换流性用于表示该预定区域中用户流向的行政区的丰富程度,即用户在城市行政区之间的流动交换特性,换流性越大,表明用户流向的行政区越多;多样性用于表示该预定区域中兴趣点类别的多样性,多样性越大,该区域的兴趣点资源越丰富;流动性用于表示该预定区域中用户到不同行政区的偏好程度,流动性越大,表明该区域的用户大多来自不同行政区,该区域的行政划分不明显。
基于上述四个特征,可以了解不同时间段的城市居民的移动特性、城市人口流动特性等动态信息,城市管理者可以据此获知城市的基本情况和潜在风险,深入了解城市的功能区域划分,有助于对城市规划的进一步优化。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了实现上述以及相关目的,本文结合下面的描述和附图来描述某些说明性方面,这些方面指示了可以实践本文所公开的原理的各种方式,并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述,本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开,相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的分析系统100的示意图;
图2示出了根据本发明一个实施例的计算设备200的示意图;
图3示出了根据本发明一个实施例的分析用户移动特性的方法300的流程图;
图4示出了根据本发明另一个实施例的分析用户移动特性的方法400的流程图;
图5示出了根据本发明一个实施例的分析城市人口流动特性的方法500的流程图;以及
图6示出了根据本发明另一个实施例的分析城市人口流动特性的方法600的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的分析系统100的示意图。如图1所示,分析系统100包括计算设备200和数据存储装置110。图1所示的分析系统100仅是示例性的,在具体的实践情况中,分析系统100中可以包括不同数量的计算设备和数据存储装置,本发明对分析系统中所包括的计算设备和数据存储装置的数量不做限制。
计算设备200可以实现为服务器,例如WEB服务器、应用程序服务器、文件服务器、数据库服务器等,也可以实现为包括桌面计算机和笔记本计算机配置的个人计算机,或者是诸如手机、平板电脑、多媒体设备、可穿戴设备等具有计算能力的、可以接入互联网的设备。数据存储装置110可以是关系型数据库例如MySQL、ACCESS等,也可以是非关系型数据库例如NoSQL等;可以是驻留于计算设备200中的本地数据库,也可以作为分布式数据库例如HBase等设置于多个地理位置处,总之,数据存储装置110用于存储数据,但是本发明对数据存储装置110的具体配置情况不做限制。计算设备200可以与数据存储装置110通信连接,从而获取数据存储装置110中所存储的数据,并对其进行分析计算。例如,计算设备200可以直接读取数据存储装置110中的数据(在数据存储装置110为计算设备200的本地数据库时),计算设备200也可以通过有线或无线的方式接入互联网,并通过数据接口来获取数据存储装置110中的数据。
在本发明的技术方案中,数据存储装置110中存储有多条兴趣点记录,多条行政区记录和多个用户的多条位置记录。
兴趣点即POI(Point of Interest),也可以称之为信息点(Point ofInformation),其是能够提供特定功能或服务的地点或区域,例如餐馆、学校、景点、商场等。每条兴趣点记录包括该兴趣点的中心点坐标和该兴趣点所属的类别。中心点坐标和所属的类别是每一个兴趣点固有的属性。例如,某个兴趣点A是一个圆形区域,那么该兴趣点的中心点坐标即为该圆形区域的圆心的经纬度坐标。兴趣点类别包括餐馆、娱乐休闲、教育、交通、医疗、金融机构、住宿、办公、自然景点、工业等。以上所列出的仅是兴趣点类别划分的一个实施例,本领域技术人员可以根据需要设置不同标准、不同粒度的兴趣点类别划分,本发明对兴趣点类别的具体划分情况不做限制。
行政区即城市的行政区域划分。每条行政区记录包括行政区的编号和其所在的地理位置,其中,编号是行政区的唯一标识,行政区所在的地理位置可以用该行政区的一组边界点的经纬度坐标来表示,也可以用该行政区所占的网格来表示(整个城市被划分为多个相等大小的网格),等等,本发明对行政区所在的地理位置的表示及存储方式不做限制。例如,北京市包括东城区、西城区、海淀区、朝阳区等市辖区,每个区有一个编号,并对应于特定的地理位置。应当指出,本发明对所采用的行政区的划分粒度不做限制,本领域技术人员可以根据实际需要自行设置,例如,可以将行政区划分至市辖区一级,也可以进一步划分至街道一级,还可以采用其他的划分粒度。
每条位置记录包括用户标识和经纬度坐标。根据一种实施例,每条位置记录还包括收集时间、定位来源等,本发明对位置记录所包括的具体数据项目不做限制。应当指出,这里的“用户”可以是居民本身,也可以是居民所拥有的移动设备。例如,居民A拥有三台移动设备a、b、c(移动设备例如可以是手机、平板电脑、可穿戴设备等),当“用户”指的是居民本身时,用户标识即居民的标识,居民A仅对应于一个标识;当“用户”指的是移动设备时,用户标识即移动设备的标识,由于拥有三台移动设备,每台移动设备对应于一个标识,那么居民A对应于三个标识。在本发明中,“用户”可以是居民本身,也可以是移动设备,本发明对此不做限制。但是,考虑到移动设备的行为也是由居民所产生,为了方便计算,本发明的“用户”指的是移动设备。以下是一条位置记录的示例:
字段 | 描述 | 值 |
Mid | 用户标识 | 1470076020481 |
Lon. | 经度 | 116.3336266 |
Lat. | 纬度 | 39.890955 |
Time | 收集时间 | 20:30/04/05/2016 |
Src | 定位来源 | GPS |
计算设备200获取数据存储装置110中存储的数据,并对其计算,实现对用户移动特性以及城市人口流动特性的分析。
图2示出了根据本发明一个实施例的计算设备200的示意图。在基本的配置202中,计算设备200典型地包括系统存储器206和一个或者多个处理器204。存储器总线208可以用于在处理器204和系统存储器206之间的通信。
取决于期望的配置,处理器204可以是任何类型的处理,包括但不限于:微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器204可以包括诸如一级高速缓存210和二级高速缓存212之类的一个或者多个级别的高速缓存、处理器核心214和寄存器216。示例的处理器核心214可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器218可以与处理器204一起使用,或者在一些实现中,存储器控制器218可以是处理器204的一个内部部分。
取决于期望的配置,系统存储器206可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统220、一个或者多个应用222以及程序数据224。应用222实际上是多条程序指令,其用于指示处理器204执行相应的操作。在一些实施方式中,应用222可以布置为在操作系统上使得处理器204利用程序数据224进行操作。
计算设备200还可以包括有助于从各种接口设备(例如,输出设备242、外设接口244和通信设备246)到基本配置202经由总线/接口控制器230的通信的接口总线240。示例的输出设备242包括图形处理单元248和音频处理单元250。它们可以被配置为有助于经由一个或者多个A/V端口252与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口244可以包括串行接口控制器254和并行接口控制器256,它们可以被配置为有助于经由一个或者多个I/O端口258和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备246可以包括网络控制器260,其可以被布置为便于经由一个或者多个通信端口264与一个或者多个其他计算设备262通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号,它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
在根据本发明的计算设备200中,应用222包括分析用户移动特性的装置226和分析城市人口流动特性的装置228。装置226和228实质上是多条程序指令,这些程序指令可以指示处理器204执行用于分析用户移动特性的方法300、400,以及执行用于分析城市人口流动特性的方法500、600,从而得出不同时间段的城市居民的移动特性、城市人口流动特性等动态信息。
图3示出了根据本发明一个实施例的分析用户移动特性的方法300的流程图,方法300适于在计算设备(例如前述计算设备200)中执行。如图3所示,方法300始于步骤S310。
在步骤S310中,获取一个用户的多条位置记录。例如,获取用户标识为“1470076020481”的所有位置记录。根据一种实施例,在位置记录中包括收集时间时,还可以获取一个用户在预定时间段内的多条位置记录,例如,获取用户在某天6:00-9:00时间段内的位置记录。这样,在后续的步骤中,通过对预定时间段内的多条位置记录进行分析,可以得出预定时间段内的用户移动特性和城市人口流动特性(活跃性、换流性、多样性和流动性)。
随后,在步骤S320中,对于每一条位置记录,根据该位置记录的经纬度坐标和各目标兴趣点的中心点坐标来确定该位置记录属于各兴趣点类别的概率,其中,目标兴趣点为中心点坐标到该位置记录的经纬度坐标的距离在预定范围内的兴趣点。距离的预定范围可以由本领域技术人员自行设置,例如设置为500米、800米等,本发明对距离的预定范围的取值不做限制。
根据一种实施例,数据存储装置110中还存储有各城市的网格区域划分,以方便分析计算。例如,将某市划分为大小相等的a*b的矩形网格区域,a、b的大小可以由本领域技术人员根据需要自行设置。根据一种实施例,步骤S320中,根据该位置记录的经纬度坐标和各目标兴趣点的中心点坐标来确定该位置记录属于各兴趣点类别的概率的步骤进一步包括:根据位置记录的经纬度坐标确定每条位置记录所属的网格区域;按照以下公式计算第i条位置记录属于第j个兴趣点类别的概率qij:
其中,表示均值为0,方差为σ2 j,k的高斯分布函数,Li表示第i条位置记录所属的网格区域的中心点,POIj,k为第j个兴趣点类别中的第k个目标兴趣点的中心点,dist(Li,POIj,k)表示Li到POIj,k的距离。应当指出,高斯分布函数的方差σ2 j,k可以由本领域技术人员自行设置,例如,可以根据目标兴趣点的区域半径来设置方差σ2 j,k,σ2 j,k=λ*区域半径。另外,公式(1)仅是qij的一种计算方式,尽管其中选用了高斯分布函数,但本领域技术人员也可以根据需要选用其他的概率分布函数。
随后,在步骤S330中,根据每条位置记录属于各兴趣点类别的概率来确定该用户属于各兴趣点类别的概率。根据一种实施例,按照以下公式计算该用户属于第j个兴趣点类别的概率pj:
随后,在步骤S340中,根据用户属于各兴趣点类别的概率来确定用户的活跃性。根据一种实施例,按照以下公式计算用户的活跃性Hp:
Hp=-∑jpj·logpj (3)
经过步骤S310~S340,可以确定用户的活跃性Hp。
图4示出了根据本发明另一个实施例的分析用户移动特性的方法400的流程图,方法400适于在计算设备(例如前述计算设备200)中执行。方法400中的步骤S410~S440与方法300中的步骤S310~S340一一对应相同,此处不再赘述。方法400与方法300的区别在于,方法400还可以通过步骤S410、S420、S430、S442确定位置记录的多样性;通过步骤S410、S424、S434、S444确定用户的换流性;通过步骤S410、S424、S434、S446确定位置记录的流动性。应当指出,上述确定位置记录的多样性、用户的换流性、位置记录的流动性的过程可以单独存在,也可以以任意组合方式存在,本发明为了方便描述各步骤的计算方式,将三者组合列于方法400中。
步骤S410~S440适于确定用户的活跃性。步骤S410~S440与前述步骤S310~S340分别相同,此处不再赘述。
步骤S410、S420、S430、S442适于确定位置记录的多样性。其中,步骤S410、S420、S430分别与前述步骤S310、步骤S320、步骤S330相同,此处不再赘述。
在步骤S442中,根据每条位置记录属于各兴趣点类别的概率和该用户属于各兴趣点类别的概率,来确定每条位置记录的多样性。根据一种实施例,按照以下公式来确定第i条位置记录的多样性Hr:
Hr=-∑jqij·logpj (4)
步骤S410、S424、S434、S444适于确定用户的换流性。其中,步骤S410与前述步骤S310相同,此处不再赘述。
在步骤S424中,根据位置记录的经纬度坐标确定每条位置记录所属的行政区。
随后,在步骤S434中,根据每条位置记录所属的行政区确定该用户属于各行政区的概率。根据一种实施例,按照以下公式计算该用户属于第x个行政区的概率px:
其中,qix表示第i条位置记录是否属于第x个行政区,若属于,则qix=1;若不属于,则qix=0。
随后,在步骤S444中,根据用户属于各行政区的概率确定用户的换流性。根据一种实施例,按照以下公式计算用户的换流性Hx:
步骤S410、S424、S434、S446适于确定位置记录的流动性。其中,步骤S410与前述步骤S310相同,步骤S424、S434如前所述,此处不再赘述。
在步骤S446中,根据每条位置记录所属的行政区和该用户属于各行政区的概率,来确定每条位置记录的流动性。根据一种实施例,按照以下公式来确定第i条位置记录的流动性Hs:
Hs=-∑xqix·logpx (7)
图5示出了根据本发明一个实施例的分析城市人口流动特性的方法500的流程图。方法500适于在计算设备(例如前述计算设备200)中执行。如图5所示,方法500始于步骤S510。
在步骤S510中,对于每一个用户,根据所存储的多条兴趣点记录和该用户的多条位置记录来确定该用户的活跃性。根据一种实施例,还可以进一步根据所存储的多条兴趣点记录和用户在预定时间段内的多条位置记录来确定用户在预定时间段的活跃性。根据一种实施例,用户的活跃性(或用户在预定时间段的活跃性)可以采用前述步骤S310~S340来确定。
随后,在步骤S520中,将城市预定区域内的所有用户的活跃性的平均值作为该预定区域的活跃性。预定区域可以由本领域技术人员自行设置,本发明对预定区域的大小、位置不做限制。应当指出,在步骤S510确定了用户在预定时间段的活跃性后,相应地,也可以确定该预定区域在预定时间段内的活跃性。活跃性用于表示该预定区域中用户选择的兴趣点类别的丰富程度,即用户个人生活的丰富程度,活跃性越大,用户选择的兴趣点类别越多样,生活丰富程度越高。
图6示出了根据本发明另一个实施例的分析城市人口流动特性的方法600的流程图。方法600适于在计算设备(例如前述计算设备200)中执行。方法600与方法500的区别在于,方法600还可以通过步骤S612、S622确定城市预定区域的多样性;通过步骤S614、S624确定城市预定区域的换流性;通过步骤S616、S626确定城市预定区域的流动性。应当指出,上述确定城市区域的多样性、换流性、流动性的过程可以单独存在,也可以以任意组合方式存在,本发明为了方便描述各步骤的实施方式,将三者组合列于方法600中。
步骤S610、S620适于确定城市预定区域的活跃性。步骤S610、S620分别与前述步骤S510、S520相同,此处不再赘述。
步骤S612、S622适于确定城市预定区域的多样性。在步骤S612中,对于每一条位置记录,根据所存储的多条兴趣点记录和该条位置记录所对应的用户的所有的位置记录来确定该条位置记录的多样性。根据一种实施例,还可以进一步根据所存储的多条兴趣点记录和该条位置记录所对应的用户在预定时间段内的位置记录来确定该条位置记录在预定时间段的多样性。根据一种实施例,位置记录的多样性(或位置记录在预定时间段的多样性)可以采用前述步骤S410、S420、S430、S442来确定。
随后,在步骤S622中,将城市预定区域内的所有位置记录的多样性的平均值作为该预定区域的多样性。应当指出,在步骤S612确定了位置记录在预定时间段的多样性后,相应地,也可以确定该预定区域在预定时间段内的多样性。多样性用于表示该预定区域中兴趣点类别的多样性,多样性越大,该区域的兴趣点资源越丰富。
步骤S614、S624适于确定城市预定区域的换流性。在步骤S614中,对于每一个用户,根据所存储的多条行政区记录和该用户的多条位置记录来确定该用户的换流性。根据一种实施例,还可以进一步根据所存储的多条行政区记录和该用户在预定时间段内的多条位置记录来确定该用户在预定时间段的换流性。根据一种实施例,用户的换流性(或用户在预定时间段的换流性)可以采用前述步骤S410、S424、S434、S444来确定。
随后,在步骤S624中,将城市预定区域内的所有用户的换流性的平均值作为该预定区域的换流性。应当指出,在步骤S614确定了用户在预定时间段的换流性后,相应地,也可以确定该预定区域在预定时间段内的换流性。换流性用于表示该预定区域中用户流向的行政区的丰富程度,即用户在城市行政区之间的流动交换特性,换流性越大,表明用户流向的行政区越多
步骤S616、S626适于确定城市预定区域的流动性。在步骤S616中,对于每一条位置记录,根据所存储的多条行政区记录和该条位置记录所对应的用户的所有的位置记录来确定该条位置记录的流动性。根据一种实施例,还可以进一步根据所存储的多条行政区记录和该条位置记录所对应的用户在预定时间段内的位置记录来确定该条位置记录在预定时间段的流动性。根据一种实施例,位置记录的流动性(或位置记录在预定时间段的流动性)可以采用前述步骤S410、S424、S434、S446来确定。
随后,在步骤S626中,将城市预定区域内的所有位置记录的流动性的平均值作为该预定区域的流动性。应当指出,在步骤S616确定了位置记录在预定时间段的流动性后,相应地,也可以确定该预定区域在预定时间段内的流动性。流动性用于表示该预定区域中用户到不同行政区的偏好程度,流动性越大,表明该区域的用户大多来自不同行政区,该区域的行政划分不明显。
A8:A1或2所述的方法,其中,数据存储装置中还存储有多条行政区记录,每条行政区记录包括行政区的编号和其所在的地理位置,所述方法还包括:
根据位置记录的经纬度坐标确定每条位置记录所属的行政区;
根据每条位置记录所属的行政区确定该用户属于各行政区的概率;
根据用户属于各行政区的概率确定用户的换流性。
A9:A8所述的方法,其中,根据每条位置记录所属的行政区确定该用户属于各行政区的概率的步骤包括:
按照以下公式计算该用户属于第x个行政区的概率px:
其中,qix表示第i条位置记录是否属于第x个行政区,若属于,则qix=1;若不属于,则qix=0。
A10:A9所述的方法,其中,根据用户属于各行政区的概率确定用户的换流性的步骤包括:
按照以下公式计算用户的换流性Hx:
A11:A9所述的方法,其中,根据每条位置记录所属的行政区确定该用户属于各行政区的概率的步骤之后,还包括:
根据每条位置记录所属的行政区和该用户属于各行政区的概率,来确定每条位置记录的流动性。
A12:11所述的方法,其中,按照以下公式来确定第i条位置记录的流动性Hs:
Hs=-∑xqix·logpx
B14:B13所述的方法,其中,还包括:
对于每一条位置记录,根据所存储的多条兴趣点记录和该条位置记录所对应的用户的所有的位置记录来确定该条位置记录的多样性;
将城市预定区域内的所有位置记录的多样性的平均值作为该预定区域的多样性。
B15:B13或14所述的方法,其中,所述数据存储装置中还存储有多条行政区记录,所述方法还包括:
对于每一个用户,根据所存储的多条行政区记录和该用户的多条位置记录来确定该用户的换流性;
将城市预定区域内的所有用户的换流性的平均值作为该预定区域的换流性。
B16:B13-15中任一项所述的方法,其中,还包括:
对于每一条位置记录,根据所存储的多条行政区记录和该条位置记录所对应的用户的所有的位置记录来确定该条位置记录的流动性;
将城市预定区域内的所有位置记录的流动性的平均值作为该预定区域的流动性。
这里描述的各种技术可结合硬件或软件,或者它们的组合一起实现。从而,本发明的方法和设备,或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介,例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式,其中当程序被载入诸如计算机之类的机器,并被所述机器执行时,所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下,移动终端一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件),至少一个输入装置,和至少一个输出装置。其中,存储器被配置用于存储程序代码;处理器被配置用于根据该存储器中存储的所述程序代码中的指令,执行本发明的分析用户移动特性、城市人口流动特性的方法。
以示例而非限制的方式,可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据,并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的而非限制性的,本发明的范围由所附权利要求书限定。
Claims (10)
1.一种分析用户移动特性的方法,在计算设备中执行,所述计算设备与数据存储装置通信连接,所述数据存储装置中存储有多条兴趣点记录和多个用户的多条位置记录,其中,每条兴趣点记录包括中心点坐标和该兴趣点所属的类别,每条位置记录包括用户标识和经纬度坐标,所述方法包括:
获取一个用户的多条位置记录;
对于每一条位置记录,根据该位置记录的经纬度坐标和各目标兴趣点的中心点坐标来确定该位置记录属于各兴趣点类别的概率,其中,所述目标兴趣点为中心点坐标到该位置记录的经纬度坐标的距离在预定范围内的兴趣点;
根据每条位置记录属于各兴趣点类别的概率来确定该用户属于各兴趣点类别的概率;
根据用户属于各兴趣点类别的概率来确定用户的活跃性。
2.如权利要求1所述的方法,其中,每条位置记录还包括收集时间,所述获取一个用户的多条位置记录的步骤还包括:
获取一个用户在预定时间段内的多条位置记录。
3.如权利要求1或2所述的方法,其中,所述数据存储装置中还存储有各城市的网格区域划分;
根据该位置记录的经纬度坐标和各目标兴趣点的中心点坐标来确定该位置记录属于各兴趣点类别的概率的步骤包括:
根据位置记录的经纬度坐标确定每条位置记录所属的网格区域;
按照以下公式计算第i条位置记录属于第j个兴趣点类别的概率qij:
其中,表示均值为0,方差为σ2 j,k的高斯分布函数,Li表示第i条位置记录所属的网格区域的中心点,POIj,k为第j个兴趣点类别中的第k个目标兴趣点的中心点,dist(Li,POIj,k)表示Li到POIj,k的距离。
4.如权利要求3所述的方法,其中,根据每条位置记录属于各兴趣点类别的概率来确定该用户属于各兴趣点类别的概率的步骤包括:
按照以下公式计算该用户属于第j个兴趣点类别的概率pj:
<mrow>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&Sigma;</mi>
<mi>j</mi>
</msub>
<msub>
<mi>&Sigma;</mi>
<mi>i</mi>
</msub>
<msub>
<mi>q</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
5.如权利要求4所述的方法,其中,根据用户属于各兴趣点类别的概率来确定用户的活跃性的步骤包括:
按照以下公式计算用户的活跃性Hp:
Hp=-∑jpj·logpj
6.如权利要求4所述的方法,其中,在根据每条位置记录属于各兴趣点类别的概率来确定该用户属于各兴趣点类别的概率的步骤之后,还包括:
根据每条位置记录属于各兴趣点类别的概率和该用户属于各兴趣点类别的概率,来确定每条位置记录的多样性。
7.如权利要求6所述的方法,其中,按照以下公式来确定第i条位置记录的多样性Hr:
Hr=-∑jqij·logpj
8.一种分析城市人口流动特性的方法,在计算设备中执行,所述计算设备与数据存储装置连接,所述数据存储装置中存储有多条兴趣点记录和多个用户的多条位置记录,其中,每条位置记录包括用户标识和经纬度坐标,所述方法包括:
对于每一个用户,根据所存储的多条兴趣点记录和该用户的多条位置记录来确定该用户的活跃性;
将城市预定区域内的所有用户的活跃性的平均值作为该预定区域的活跃性。
9.一种计算设备,包括:
至少一个处理器;和
存储有程序指令的存储器,其中,所述程序指令被配置为适于由所述至少一个处理器执行,所述程序指令包括用于执行如权利要求1-7中任一项所述的用于分析用户移动特性的方法的指令和/或如权利要求8所述的用于分析城市人口流动特性的方法的指令。
10.一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得所述计算设备执行如权利要求1-7中任一项所述的用于分析用户移动特性的方法的指令和/或如权利要求8所述的用于分析城市人口流动特性的方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742305.3A CN107689022A (zh) | 2017-08-25 | 2017-08-25 | 分析用户移动特性、城市人口流动特性的方法及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710742305.3A CN107689022A (zh) | 2017-08-25 | 2017-08-25 | 分析用户移动特性、城市人口流动特性的方法及计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107689022A true CN107689022A (zh) | 2018-02-13 |
Family
ID=61155432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710742305.3A Pending CN107689022A (zh) | 2017-08-25 | 2017-08-25 | 分析用户移动特性、城市人口流动特性的方法及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107689022A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717006A (zh) * | 2019-10-12 | 2020-01-21 | 广东小天才科技有限公司 | 用户学校位置的分析方法、系统、存储介质及电子设备 |
CN110895543A (zh) * | 2018-08-24 | 2020-03-20 | 百度在线网络技术(北京)有限公司 | 人口迁徙跟踪展示方法、装置及存储介质 |
CN111339446A (zh) * | 2020-02-18 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 一种兴趣点挖掘方法、装置、电子设备和存储介质 |
CN113158084A (zh) * | 2021-03-25 | 2021-07-23 | 马琦伟 | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 |
CN115134407A (zh) * | 2022-06-27 | 2022-09-30 | 平安银行股份有限公司 | 活跃区域确定方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053976A (zh) * | 2009-10-30 | 2011-05-11 | 财团法人工业技术研究院 | 移动装置使用者匹配系统与方法 |
CN102594905A (zh) * | 2012-03-07 | 2012-07-18 | 南京邮电大学 | 一种基于场景的社交网络位置兴趣点推荐方法 |
CN103914536A (zh) * | 2014-03-31 | 2014-07-09 | 北京百度网讯科技有限公司 | 一种用于电子地图的兴趣点推荐方法及系统 |
CN106339483A (zh) * | 2016-08-30 | 2017-01-18 | 电子科技大学 | 一种移动社交网络中的社交活动推荐算法 |
-
2017
- 2017-08-25 CN CN201710742305.3A patent/CN107689022A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053976A (zh) * | 2009-10-30 | 2011-05-11 | 财团法人工业技术研究院 | 移动装置使用者匹配系统与方法 |
CN102594905A (zh) * | 2012-03-07 | 2012-07-18 | 南京邮电大学 | 一种基于场景的社交网络位置兴趣点推荐方法 |
CN103914536A (zh) * | 2014-03-31 | 2014-07-09 | 北京百度网讯科技有限公司 | 一种用于电子地图的兴趣点推荐方法及系统 |
CN106339483A (zh) * | 2016-08-30 | 2017-01-18 | 电子科技大学 | 一种移动社交网络中的社交活动推荐算法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110895543A (zh) * | 2018-08-24 | 2020-03-20 | 百度在线网络技术(北京)有限公司 | 人口迁徙跟踪展示方法、装置及存储介质 |
CN110895543B (zh) * | 2018-08-24 | 2022-08-12 | 百度在线网络技术(北京)有限公司 | 人口迁徙跟踪展示方法、装置及存储介质 |
CN110717006A (zh) * | 2019-10-12 | 2020-01-21 | 广东小天才科技有限公司 | 用户学校位置的分析方法、系统、存储介质及电子设备 |
CN111339446A (zh) * | 2020-02-18 | 2020-06-26 | 腾讯科技(深圳)有限公司 | 一种兴趣点挖掘方法、装置、电子设备和存储介质 |
CN111339446B (zh) * | 2020-02-18 | 2023-04-18 | 腾讯科技(深圳)有限公司 | 一种兴趣点挖掘方法、装置、电子设备和存储介质 |
CN113158084A (zh) * | 2021-03-25 | 2021-07-23 | 马琦伟 | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 |
CN113158084B (zh) * | 2021-03-25 | 2024-03-22 | 马琦伟 | 移动轨迹数据处理的方法、装置、计算机设备及存储介质 |
CN115134407A (zh) * | 2022-06-27 | 2022-09-30 | 平安银行股份有限公司 | 活跃区域确定方法、装置、计算机设备及存储介质 |
CN115134407B (zh) * | 2022-06-27 | 2024-04-26 | 平安银行股份有限公司 | 活跃区域确定方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107689022A (zh) | 分析用户移动特性、城市人口流动特性的方法及计算设备 | |
Zhang et al. | The impact of digital economy on the economic growth and the development strategies in the post-COVID-19 era: evidence from countries along the “Belt and Road” | |
Yue et al. | Measurements of POI-based mixed use and their relationships with neighbourhood vibrancy | |
Spielman et al. | Reducing uncertainty in the American Community Survey through data-driven regionalization | |
Taubenböck et al. | Patterns of Eastern European urbanisation in the mirror of Western trends–Convergent, unique or hybrid? | |
Ray | Resource-use efficiency in public schools: A study of Connecticut data | |
Sharafutdinov et al. | Inclusive growth: A dataset on key and institutional foundations for inclusive development of Russian regions | |
Nicoletti et al. | Disadvantaged communities have lower access to urban infrastructure | |
Van Eeden | Measuring racial residential segregation at different geographic scales in Cape Town and Johannesburg | |
Encalada-Abarca et al. | Measuring tourism intensification in urban destinations: An approach based on fractal analysis | |
She et al. | The network-max-P-regions model | |
Tong et al. | Aggregation in continuous space coverage modeling | |
Evans | Participation and provision in arts & culture–bridging the divide | |
Zou et al. | Modeling the polycentric evolution of post-Olympic Beijing: An empirical analysis of land prices and development intensity | |
Pociūtė-Sereikienė | Peripheral regions in Lithuania: the results of uneven development | |
Delloye et al. | Alonso and the scaling of urban profiles | |
Flores et al. | Optimizing health facility location for universal health care: A case study from the Philippines | |
Ateca-Amestoy et al. | Live and digital engagement with the visual arts | |
Daker et al. | Validating and measuring public open space is not a walk in the park | |
Zhu et al. | Cellular automata for simulating land-use change with a constrained irregular space representation: A case study in Nanjing city, China | |
Sung et al. | Influence of educational and cultural facilities on apartment prices by size in Seoul: do residents’ preferred facilities influence the housing market? | |
Wang et al. | Generating health estimates by zip code: a semiparametric small area estimation approach using the California Health Interview Survey | |
Huang et al. | Amount of and proximity to blue spaces and general health among older Chinese adults in private and public housing: A national population study | |
López-Rodríguez et al. | Does distance matter for determining regional income in the European Union? An approach through the market potential concept | |
Msongaleli et al. | Characterizing the relationship between urban sprawl and water demand in Dodoma Urban District, Tanzania: 1992–2029 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180213 |