CN109726258B - 一种基于关联规则的路径生成方法和系统 - Google Patents
一种基于关联规则的路径生成方法和系统 Download PDFInfo
- Publication number
- CN109726258B CN109726258B CN201811563539.2A CN201811563539A CN109726258B CN 109726258 B CN109726258 B CN 109726258B CN 201811563539 A CN201811563539 A CN 201811563539A CN 109726258 B CN109726258 B CN 109726258B
- Authority
- CN
- China
- Prior art keywords
- data
- path
- cluster
- inspection
- association rule
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明请求保护一种基于关联规则的路径生成方法和系统，工作人员手持巡检设备，进行环境数据采集，对手持巡检设备采集的环境数据进行关联规则分析，基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径，维护人员手持维护设备上显示经过关联规则分析后的巡检路径数据。本发明针对环境保护巡检过程中的路径生成显示提出了一套有效的解决方案，它对于数据的类型进行多样化集成，各类数据以及类内数据进行关联规则的计算，根据得到的距离进行路径的生成和显示，使得巡检过程结果的可靠性提升，大幅提高了巡检路径的生成和维护效率。
Description
技术领域
本发明涉及城市环保巡检技术，特别是一种针对环境保护的基于关联规则的路径生成方法和系统，所述环境保护数据主要针对空气指标、声音指标和水源指标等，采用本方法 有利于提高城市环保巡检到位率的数据精度，从而更加准确地反映巡检工作质量，更加客 观地进行全管网巡检到位评估。
背景技术
随着智能手机的普及以及网络技术的发展，目前移动 GIS 技术已经相对比
较成熟，另外地图服务方面也可以十分简单地实现地图服务的发布。因此，在城
市信息系统管理方面，各地政府部门也纷纷提出了对基于移动端的城市信息巡查
上报管理系统的需求。利用移动 GIS 技术，外业工作人员可以实时反馈巡查过
程中遇到的问题的空间信息与属性信息，提高办公效率。
得益于智能手机的普及，目前基于手持设备的增强现实系统已经有一定的研
究基础，市面上也有一些简单的基于手持设备的增强现实应用。目前，手持设备
增现实系统的产品主要集中在游戏、旅游、生活服务等领域如旅游方面的 Yelp、
Wikitude，利用增强现实技术指引用户找到自己先前停泊车辆的 Car Finder等。
虽然仍未有比较成熟的基于增强现实的城市信息管理系统，但是在各种领域中的，
这些前人的系统以及相关研究成果对本系统的研究都有着很好的借鉴价值。特别
是 Wikitude 等导航、生活服务等方面的应用，与基于增强现实的城市信息管理
系统有着许多的共通之处。
关联规则挖掘属于数据挖掘领域中的重要分支之一。关联规则主要是指用户采集的数据之间符合一定的规则。这些采集的数据具有一定的属性,通常使用置信度和支持度来描述关联规则的紧密度。通过关联规则挖掘获取到的信息,可用于优化具有关联规则的数据,可以管理数据集合和制定相应的决策等。
现有的一些城市环境巡检路径生成方法，如CN201410504811.5，CN2015102633817，CN2017110877460等，但这些巡查方法针对的巡检数据均较为单一，或仅仅关注巡检关键点，或关注了关键点的种类但并未对巡检的内容数据的多样性进行关联分析。
发明内容
为解决当前环境巡检过程中的路径数据来源单一，以及多种数据之间的孤立性，本发明请求保护一种基于关联规则的路径生成方法和系统。
本发明首先请求保护一种基于关联规则的路径生成方法，其特征在于：
A：工作人员手持巡检设备，进行环境数据采集；
B：对手持巡检设备采集的环境数据进行关联规则分析；
C：基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径；
D：维护人员手持维护设备上显示经过关联规则分析后的巡检路径数据。
本发明还请求保护一种基于关联规则的路径生成系统，其特征在于，包括：
巡检设备模块：由巡检工作人员手持，进行环境数据采集；
服务处理器模块：对巡检工作人员手持巡检设备采集的环境数据进行关联规则分析，并且基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径；
维护设备模块：由维护人员手持，所述维护设备模块上显示经过关联规则分析后的巡检路径数据。
本发明针对环境保护巡检过程中的路径生成显示提出了一套有效的解决方案，它对于数据的类型进行多样化集成，各类数据以及类内数据进行关联规则的计算，根据得到的距离进行路径的生成和显示，使得巡检过程结果的可靠性提升，大幅提高了巡检路径的生成和维护效率。
附图说明
被包括来提供对所公开主题的进一步认识的附图，将被并入此说明书并构成该说明书的一部分。附图也阐明了所公开主题的实现，以及连同详细描述一起用于解释所公开主题的实现原则。没有尝试对所公开主题的基本理解及其多种实践方式展示超过需要的结构细节。
附图1为本发明所涉及的一种基于关联规则的路径生成方法的工作流程图；
附图2为本发明所涉及的一种基于关联规则的路径生成系统的结构模块图。
具体实施方式
本发明的优点、特征以及达成所述目的的方法通过附图及后续的详细说明将会明确。
参照附图1，本发明所涉及的一种基于关联规则的路径生成方法的工作流程图；一种基于关联规则的路径生成方法，其特征在于：
A：工作人员手持巡检设备，进行环境数据采集；
B：对手持巡检设备采集的环境数据进行关联规则分析；
C：基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径；
D：维护人员手持维护设备上显示经过关联规则分析后的巡检路径数据。
优选进一步地，所述步骤A中工作人员手持巡检设备，进行环境数据采集，具体包括：
所述巡检设备上集成了多种环境数据的传感器采集检测端口和GPS系统，工作人员可以在巡检设备上配置切换采集数据类型，与GPS系统获取的地理位置数据一并上传；
所述多种环境数据的传感器采集端口包括声音采集检测端口、空气采集检测端口、液体采集检测端口；
所述声音采集检测端口用于对声音的音量和声纹类型进行采集分析；
所述空气采集检测端口用于初步对空气的组成进行采集分析；
所述液体采集检测端口用于初步对液体的组成进行采集分析。
针对环境的巡检很多情况下需要针对当前环境的水文、土壤、空气等多种因素进行检测与侦查，而由于时间和精力成本，很多情况下并不能对环境巡检路径上的所有巡检点进行细致的多方位检测，仅仅能通过抽样进行推测，本发明中针对巡检的上述问题，在巡检设备上设置多种环境数据的传感器采集端口，当工作人员切换不同的采集端口时，采集端口采用不同的收集分析功能；
针对所述声音采集检测端口用于对声音的音量和声纹类型进行采集分析，巡检设备通过声音传感器进行周边声音的收集与分析，分析过程中进行二值化处理，提取声音中的主要声纹信息，主要声纹信息的认定标准以声音的分贝数为准，分贝越高则认定为主要声纹，提取主要的声纹信息和相应的分贝数作为声音采集端口的分析结果；
针对所述空气采集检测端口用于初步对空气的组成进行采集分析，其采用简易气体吸收装置，实时获取到的环境空气质量监测数据，根据获取到的空气质量监测数据建立空气质量数据 特征向量集合，将空气质量数据特征向量集合作为数据分析平台的数据上传到服务器中，所述空气的组成初步包括：PM2.5值、SO2、NO2、CO、O3、二氧化碳浓度、粉尘颗粒。
针对所述液体采集检测端口用于初步对液体的组成进行采集分析，其采用简易液体吸收装置，实时获取到的环境水体质量监测数据，借助最小二乘多项式拟合能够准确得到水体采集的校准方程参数，采用基于最小二乘拟合多项式求得校准方程，然后利用服务器对采集到的水体质量监测数据进行实时在线校准处理， 快速消除采集数据的系统误差；所述液体的组成初步包括水、O3、重金属污染物。
此外，结合GPS服务，基于位置的服务(Location Based Service，LBS)，通过电信移动运营商的无线电通讯网络(如 GSM 网、CDMA 网)获取移动终端用户的位置信息(地理坐标，或大地坐标)，为工作人员提供相应服务的一种增值业务， 弥补 GPS 在城市中信号质量差或者没有信号的缺点。
进一步地，所述步骤B中对手持巡检设备采集的环境数据进行关联规则分析，具体包括：
依据手持巡检设备对采集到的多种环境数据进行K-means优化聚类分析，采用FP-Growth方法对聚类后的环境分类数据进行关联规则分析，计算出环境数据的类内和类间距离。
所述K-means优化聚类分析主要步骤为：
初始聚类簇数优化，基于环境数据计算来确定聚类簇数，迭代过程优化，先找出环境数据组内平方误差和最大的组,计算出距离该簇质点距离最大的K个点,根据这K个点来对该簇进行二分聚类,然后可以得到K个二分聚类集合,选择平方误差和最小的划分来替换掉原始的簇；
所述初始聚类簇数的计算公式为：
k表示聚类的簇数,n表示所有数据的数量,dis表示两个数据点之间的距离,。表示每个簇之间的质点的平方误差和,这个值越大表示每个簇之间距离越远,数据聚集越明显,聚类的效果越好。公式/>表示组内的平方误差和,表示的是每个簇的汇聚情况,这个值越小,表示每个簇里聚类的效果越好
分别计算环境数据集合中剩余对象与簇中心点之间的距离并将该对象分配到距离最近的簇中；
通过分别计算形成的 K 个簇中所有对象的均值，重新选定均值作为簇中心；
不断迭代直到簇中心不再需要变化；
输出最终聚类结果。
所述聚类结果最终可得到类似“空气水体污染物类型关联聚类”、“噪声来源类型”、“空气可吸入颗粒类型”等聚类结果。
采用FP-Growth方法对聚类后的环境分类数据进行关联规则分析，计算出环境数据的类内和类间距离；
设定最低支持度阈值 min_supp 和最低可信度阈值 min_conf，扫描已经聚类好的环境数据中所有环境维度下的数据实体，将独立集合视为 K 个独立项目，
然后对独立集合和待优化项计数，通过两次扫描事务数据集建立 FP 树，这两次扫描已将将非频繁项集去除，并涵盖了数据集中的主要信息；
根据 FP 树中的每一项节点再次利用 FP 树的生成方法建立条件模式基树然后不断循环调用挖掘频繁项集，直到单路径时结束；
通过关联分析得到独立单元和待优化数据实体/>之间的多条关联规则，依照频繁项集求得强关联规则从中筛选出包含依数目最多的强规则将依照编码将待优化数据实体与合并形成优化后的数据实体路径，这将最终实现数据实体路径诊疗单元的优化。
进一步地，所述步骤C中基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径，包括：在工作人员巡检路线上构建拓扑点，对所有拓扑点基于所述经过关联规则分析后巡检设备采集的环境数据，得到不同的拓扑点集合，并将每个集合中包含的所有拓扑点整合生成一个集散点，基于上述整合生成的集散点以每条路径起点、终点和集散点为节点的有向图数据结构，确定拓扑点之间的弧长，确定工作人员当前位置和目标点距各自所属路径起点与终点间距离，更新该路径上集散点与路径起点和终点之间弧的权值。
进一步地，所述步骤D中维护人员手持维护设备上显示经过关联规则分析后的巡检路径数据，具体包括：
通过图层分类的方法来提高地图在移动终端的显示，建好地理数据库后可以根据矢量图层的分类，建立不同的数据集，在数据集中存储基础数据层等多种环境数据图层，基于分类号的图层数据显示巡检路径。
参照附图2，本发明还请求保护一种基于关联规则的路径生成系统，其特征在于，包括：
巡检设备模块：由巡检工作人员手持，进行环境数据采集；
服务处理器模块：对巡检工作人员手持巡检设备采集的环境数据进行关联规则分析，并且基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径；
维护设备模块：由维护人员手持，所述维护设备模块上显示经过关联规则分析后的巡检路径数据。
优选的，所述巡检设备模块：由巡检工作人员手持，进行环境数据采集，具体包括：
所述巡检设备模块上集成了多种环境数据的传感器采集检测端口和GPS系统，工作人员可以在巡检设备模块上配置切换采集数据类型，与GPS系统获取的地理位置数据一并上传；
所述多种环境数据的传感器采集端口包括声音采集检测端口、空气采集检测端口、液体采集检测端口；
所述声音采集检测端口用于对声音的音量和声纹类型进行采集分析；
所述空气采集检测端口用于初步对空气的组成进行采集分析；
所述液体采集检测端口用于初步对液体的组成进行采集分析。
优选的，所述服务处理器模块：对巡检工作人员手持巡检设备采集的环境数据进行关联规则分析，具体包括：
依据手持巡检设备对采集到的多种环境数据进行K-means优化聚类分析，采用FP-Growth方法对聚类后的环境分类数据进行关联规则分析，计算出环境数据的类内和类间距离。
优选的，所述服务处理器模块：基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径，具体包括：
在工作人员巡检路线上构建拓扑点，对所有拓扑点基于所述经过关联规则分析后巡检设备采集的环境数据，得到不同的拓扑点集合，并将每个集合中包含的所有拓扑点整合生成一个集散点，基于上述整合生成的集散点以每条路径起点、终点和集散点为节点的有向图数据结构，确定拓扑点之间的弧长，确定工作人员当前位置和目标点距各自所属路径起点与终点间距离，更新该路径上集散点与路径起点和终点之间弧的权值。
进一步地，所述维护设备模块：由维护人员手持，所述维护设备模块上显示经过关联规则分析后的巡检路径数据，具体包括：
通过图层分类的方法来提高地图在移动终端的显示，建好地理数据库后可以根据矢量图层的分类，建立不同的数据集，在数据集中存储基础数据层等多种环境数据图层，基于分类号的图层数据显示巡检路径。
本发明专利提供以上实施案例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。
Claims (8)
1.一种基于关联规则的路径生成方法，其特征在于：
A：工作人员手持巡检设备，进行环境数据采集；
B：对手持巡检设备采集的环境数据进行关联规则分析；
C：基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径；
D：维护人员手持维护设备上显示经过关联规则分析后的巡检路径数据；
所述步骤B中对手持巡检设备采集的环境数据进行关联规则分析，具体包括：
依据手持巡检设备对采集到的多种环境数据进行K-means优化聚类分析，采用FP-Growth方法对聚类后的环境分类数据进行关联规则分析，计算出环境数据的类内和类间距离；
所述K-means优化聚类分析主要步骤为：
初始聚类簇数优化，基于环境数据计算来确定聚类簇数，迭代过程优化，先找出环境数据组内平方误差和最大的组,计算出距离该簇质点距离最大的K个点,根据这K个点来对该簇进行二分聚类,然后可以得到K个二分聚类集合,选择平方误差和最小的划分来替换掉原始的簇；
所述初始聚类簇数的计算公式为：
k表示聚类的簇数,n表示所有数据的数量,dis表示两个数据点之间的距离，
表示每个簇之间的质点的平方误差和,这个值越大表示每个簇之间距离越远,数据聚集越明显,聚类的效果越好；
公式表示组内的平方误差和,表示的是每个簇的汇聚情况,这个值越小,表示每个簇里聚类的效果越好
分别计算环境数据集合中剩余对象与簇中心点之间的距离并将该对象分配到距离最近的簇中；
通过分别计算形成的 K 个簇中所有对象的均值，重新选定均值作为簇中心；
不断迭代直到簇中心不再需要变化；
输出最终聚类结果：
所述聚类结果包括“空气水体污染物类型关联聚类”、“噪声来源类型”和“空气可吸入颗粒类型”聚类结果；
采用FP-Growth方法对聚类后的环境分类数据进行关联规则分析，计算出环境数据的类内和类间距离；
设定最低支持度阈值 min_supp 和最低可信度阈值 min_conf，扫描已经聚类好的环境数据中所有环境维度下的数据实体，将独立集合视为 K 个独立项目，
然后对独立集合和待优化项计数，通过两次扫描事务数据集建立 FP 树；
根据 FP 树中的每一项节点再次利用 FP 树的生成方法建立条件模式基树然后不断循环调用挖掘频繁项集，直到单路径时结束；
通过关联分析得到独立单元和待优化数据实体/>之间的多条关联规则，将待优化数据实体合并形成优化后的数据实体路径。
2.如权利要求1所述的一种基于关联规则的路径生成方法，其特征在于：
所述步骤A中工作人员手持巡检设备，进行环境数据采集，具体包括：
所述巡检设备上集成了多种环境数据的传感器采集检测端口和GPS系统，工作人员可以在巡检设备上配置切换采集数据类型，与GPS系统获取的地理位置数据一并上传；
所述多种环境数据的传感器采集端口包括声音采集检测端口、空气采集检测端口和液体采集检测端口；
所述声音采集检测端口用于对声音的音量和声纹类型进行采集分析；
所述空气采集检测端口用于初步对空气的组成进行采集分析；
所述液体采集检测端口用于初步对液体的组成进行采集分析。
3.如权利要求1所述的一种基于关联规则的路径生成方法，其特征在于：
所述步骤C中基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径，包括：在工作人员巡检路线上构建拓扑点，对所有拓扑点基于所述经过关联规则分析后巡检设备采集的环境数据，得到不同的拓扑点集合，并将每个集合中包含的所有拓扑点整合生成一个集散点，基于上述整合生成的集散点以每条路径起点、终点和集散点为节点的有向图数据结构，确定拓扑点之间的弧长，确定工作人员当前位置和目标点距各自所属路径起点与终点间距离，更新该路径上集散点与路径起点和终点之间弧的权值。
4.如权利要求1所述的一种基于关联规则的路径生成方法，其特征在于：
所述步骤D中维护人员手持维护设备上显示经过关联规则分析后的巡检路径数据，具体包括：
通过图层分类的方法来提高地图在移动终端的显示，建好地理数据库后可以根据矢量图层的分类，建立不同的数据集，在数据集中存储基础数据层多种环境数据图层，基于分类号的图层数据显示巡检路径。
5.一种基于关联规则的路径生成系统，其特征在于，包括：
巡检设备模块：由巡检工作人员手持，进行环境数据采集；
服务处理器模块：对巡检工作人员手持巡检设备采集的环境数据进行关联规则分析，并且基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径；
维护设备模块：由维护人员手持，所述维护设备模块上显示经过关联规则分析后的巡检路径数据；
所述服务处理器模块：对巡检工作人员手持巡检设备采集的环境数据进行关联规则分析，具体包括：
依据手持巡检设备对采集到的多种环境数据进行K-means优化聚类分析，采用FP-Growth方法对聚类后的环境分类数据进行关联规则分析，计算出环境数据的类内和类间距离；
所述K-means优化聚类分析主要步骤为：
初始聚类簇数优化，基于环境数据计算来确定聚类簇数，迭代过程优化，先找出环境数据组内平方误差和最大的组,计算出距离该簇质点距离最大的K个点,根据这K个点来对该簇进行二分聚类,然后可以得到K个二分聚类集合,选择平方误差和最小的划分来替换掉原始的簇；
所述初始聚类簇数的计算公式为：
k表示聚类的簇数,n表示所有数据的数量,dis表示两个数据点之间的距离，
表示每个簇之间的质点的平方误差和,这个值越大表示每个簇之间距离越远,数据聚集越明显,聚类的效果越好；
公式表示组内的平方误差和,表示的是每个簇的汇聚情况,这个值越小,表示每个簇里聚类的效果越好；
分别计算环境数据集合中剩余对象与簇中心点之间的距离并将该对象分配到距离最近的簇中；
通过分别计算形成的 K 个簇中所有对象的均值，重新选定均值作为簇中心；
不断迭代直到簇中心不再需要变化；
输出最终聚类结果：
所述聚类结果包括“空气水体污染物类型关联聚类”、“噪声来源类型”和“空气可吸入颗粒类型”聚类结果；
采用FP-Growth方法对聚类后的环境分类数据进行关联规则分析，计算出环境数据的类内和类间距离；
设定最低支持度阈值 min_supp 和最低可信度阈值 min_conf，扫描已经聚类好的环境数据中所有环境维度下的数据实体，将独立集合视为 K 个独立项目，
然后对独立集合和待优化项计数，通过两次扫描事务数据集建立 FP 树；
根据 FP 树中的每一项节点再次利用 FP 树的生成方法建立条件模式基树然后不断循环调用挖掘频繁项集，直到单路径时结束；
通过关联分析得到独立单元和待优化数据实体/>之间的多条关联规则，将待优化数据实体合并形成优化后的数据实体路径。
6.如权利要求5所述的一种基于关联规则的路径生成系统，其特征在于：
所述巡检设备模块：由巡检工作人员手持，进行环境数据采集，具体包括：
所述巡检设备模块上集成了多种环境数据的传感器采集检测端口和GPS系统，工作人员可以在巡检设备模块上配置切换采集数据类型，与GPS系统获取的地理位置数据一并上传；
所述多种环境数据的传感器采集端口包括声音采集检测端口、空气采集检测端口和液体采集检测端口；
所述声音采集检测端口用于对声音的音量和声纹类型进行采集分析；
所述空气采集检测端口用于初步对空气的组成进行采集分析；
所述液体采集检测端口用于初步对液体的组成进行采集分析。
7.如权利要求5所述的一种基于关联规则的路径生成系统，其特征在于：
所述服务处理器模块：基于经过关联规则分析后巡检设备采集的环境数据，生成巡检路径，具体包括：
在工作人员巡检路线上构建拓扑点，对所有拓扑点基于所述经过关联规则分析后巡检设备采集的环境数据，得到不同的拓扑点集合，并将每个集合中包含的所有拓扑点整合生成一个集散点，基于上述整合生成的集散点以每条路径起点、终点和集散点为节点的有向图数据结构，确定拓扑点之间的弧长，确定工作人员当前位置和目标点距各自所属路径起点与终点间距离，更新该路径上集散点与路径起点和终点之间弧的权值。
8.如权利要求5所述的一种基于关联规则的路径生成系统，其特征在于：
所述维护设备模块：由维护人员手持，所述维护设备模块上显示经过关联规则分析后的巡检路径数据，具体包括：
通过图层分类的方法来提高地图在移动终端的显示，建好地理数据库后可以根据矢量图层的分类，建立不同的数据集，在数据集中存储基础数据层多种环境数据图层，基于分类号的图层数据显示巡检路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811563539.2A CN109726258B (zh) | 2018-12-20 | 2018-12-20 | 一种基于关联规则的路径生成方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811563539.2A CN109726258B (zh) | 2018-12-20 | 2018-12-20 | 一种基于关联规则的路径生成方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109726258A CN109726258A (zh) | 2019-05-07 |
| CN109726258B true CN109726258B (zh) | 2023-10-20 |
Family
ID=66296948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811563539.2A Active CN109726258B (zh) | 2018-12-20 | 2018-12-20 | 一种基于关联规则的路径生成方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109726258B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110674265B (zh) * | 2019-08-06 | 2021-03-02 | 上海孚典智能科技有限公司 | 面向非结构化信息的特征判别与信息推荐系统 |
| CN113421356B (zh) * | 2021-07-01 | 2023-05-12 | 北京华信傲天网络技术有限公司 | 一种对复杂环境中设备的巡检系统和方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030208488A1 (en) * | 2000-09-20 | 2003-11-06 | North Dakota State University | System and method for organizing, compressing and structuring data for data mining readiness |
| CN104732322B (zh) * | 2014-12-12 | 2018-08-28 | 国家电网公司 | 电力通信网机房移动运维方法 |
| CN104914866B (zh) * | 2015-05-29 | 2018-06-05 | 国网山东省电力公司电力科学研究院 | 基于拓扑点分类的巡检机器人全局路径规划方法及系统 |
| CN105184422B (zh) * | 2015-09-28 | 2019-10-18 | 华南理工大学 | 一种基于互联网词频的智慧旅游线路规划辅助方法 |
| US10489363B2 (en) * | 2016-10-19 | 2019-11-26 | Futurewei Technologies, Inc. | Distributed FP-growth with node table for large-scale association rule mining |
-
2018
- 2018-12-20 CN CN201811563539.2A patent/CN109726258B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109726258A (zh) | 2019-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Understanding intra-urban trip patterns from taxi trajectory data | |
| CN105718465B (zh) | 地理围栏生成方法及装置 | |
| CN106920387B (zh) | 获取交通道路中路线热度的方法及装置 | |
| CN104902438B (zh) | 一种基于移动通信终端分析客流特征信息的统计方法及其系统 | |
| CN106651603A (zh) | 基于位置服务的风险评估方法及装置 | |
| KR101510458B1 (ko) | 위치정보 표현방법, 위치정보 처리방법, 위치정보모델 생성방법, 및 위치정보처리장치 | |
| CN106918338A (zh) | 基于蓝牙网关的室内定位系统及方法 | |
| Xie et al. | Transforming smart cities with spatial computing | |
| CN106713380A (zh) | 一种基于位置感知的信息共享、推送与交换系统 | |
| CN109726258B (zh) | 一种基于关联规则的路径生成方法和系统 | |
| CN102782519B (zh) | 用于估计蜂窝塔位置的方法和装置 | |
| CN112861972A (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
| Coscia et al. | Optimal spatial resolution for the analysis of human mobility | |
| CN117056823A (zh) | 一种识别共享单车通勤用户职业类型的方法及系统 | |
| CN114881430A (zh) | 一种基于网络地图服务的社区生活便利度评价方法 | |
| CN115880466A (zh) | 基于无人机遥感的城市工程测绘方法及系统 | |
| CN103476113A (zh) | 基于mnl概率辨识室内定位系统及方法、定位模型建立系统 | |
| CN109168131A (zh) | 一种可供互联网平台使用的地理围栏创建方法及系统 | |
| St | Reconstructing trajectories from sparse call detail records | |
| CN111861526A (zh) | 一种分析对象来源的方法和装置 | |
| KR102276659B1 (ko) | 하천공간정보를 활용한 친수 및 치수 시설의 증강현실 표출방법 | |
| CN111352964B (zh) | 获取兴趣点信息的方法、装置、设备及存储介质 | |
| KR102159617B1 (ko) | 위치기반 sns 데이터를 통한 도심권, 역세권, 핫플레이스 자동분석장치 및 자동분석방법 | |
| Huang et al. | Recognition of Functional Areas in an Old City Based on POI: A Case Study in Fuzhou, China | |
| Shad et al. | Precise location acquisition of mobility data using cell-id |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210804 Address after: No. 888, Wenhua Road, Zhangqiu University Town, Jinan City, Shandong Province Applicant after: SHANDONG College OF ELECTRONIC TECHNOLOGY Applicant after: Wang Ruifeng Address before: 250000 Hualong Road 999, Licheng District, Jinan City, Shandong Province Applicant before: Li Sijia Applicant before: Wang Ruifeng |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |