CN109840695A - 一种污染企业的管理方法和服务器 - Google Patents
一种污染企业的管理方法和服务器 Download PDFInfo
- Publication number
- CN109840695A CN109840695A CN201910024391.3A CN201910024391A CN109840695A CN 109840695 A CN109840695 A CN 109840695A CN 201910024391 A CN201910024391 A CN 201910024391A CN 109840695 A CN109840695 A CN 109840695A
- Authority
- CN
- China
- Prior art keywords
- user
- current
- xdr data
- data
- xdr
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施例提供了一种污染企业的管理方法和服务器,涉及企业管理技术领域,解决了如何判别污染企业是否私自开工的问题。该方法包括,获取预设时间段内参考区域的当前XDR数据以及参考区域的历史XDR数据;其中,参考区域包括指定污染企业;根据当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体;其中,目标用户群体包括企业职工用户;根据历史XDR数据和当前XDR数据,确定目标用户群体的开工状态得分;其中,开工状态得分用于指示目标用户群体处于上班状态的概率;根据开工状态得分,确定指定污染企业的开工率;其中,开工率用于指示污染企业处于开工状态的概率。
Description
技术领域
本发明涉及企业管理技术领域,尤其涉及一种污染企业的管理方法和服务器。
背景技术
大气环境是人类赖以生存的环境,由于大气环境的破坏不可逆,因此,治理大气污染要比采取有效措施防治大气污染付出更大的代价。
现有技术中,对于污染型企业的环保督查耗费了大量的人力、物力、警力、财力,但污染企业仍存在违规私自开工的现象。
由上述可知,如何判别污染企业是否私自开工成为了一个亟待解决的问题。
发明内容
本发明的实施例提供一种污染企业的管理方法和服务器,解决了如何判别污染企业是否私自开工的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面、本发明的实施例提供一种污染企业的管理方法,包括:获取预设时间段内参考区域的当前XDR数据以及参考区域的历史XDR数据;其中,参考区域包括指定污染企业;根据当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体;其中,目标用户群体包括企业职工用户;根据历史XDR数据和当前XDR数据,确定目标用户群体的开工状态得分;其中,开工状态得分用于指示目标用户群体处于上班状态的概率;根据开工状态得分,确定指定污染企业的开工率;其中,开工率用于指示指定污染企业处于开工状态的概率。
由上述方案可知,本发明的实施例提供的污染企业的管理方法,通过对参考区域的用户进行分析,从而可以根据当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体;由于目标用户群体为企业职工用户,因此可以根据历史XDR数据和当前XDR数据,确定目标用户群体的开工状态得分,从而可以确定该目标用户群体处于上班状态的概率;同时根据开工状态得分,确定指定污染企业的开工率,从而可以根据企业职工用户处于上班状态的概率来确定该指定污染业务处于开工状态的概率,使得计算的准确性更高,解决了如何判别污染企业是否私自开工的问题。
第二方面、本发明的实施例提供一种服务器,包括获取单元,用于获取预设时间段内参考区域的当前XDR数据以及参考区域的历史XDR数据;其中,参考区域包括指定污染企业;处理单元,用于根据获取单元获取的当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体;其中,目标用户群体包括企业职工用户;处理单元,还用于根据获取单元获取的历史XDR数据和获取单元获取的当前XDR数据,确定目标用户群体的开工状态得分;其中,开工状态得分用于指示目标用户群体处于上班状态的概率;处理单元,还用于根据开工状态得分,确定指定污染企业的开工率;其中,开工率用于指示指定污染企业处于开工状态的概率。
第三方面,本发明的实施例提供一种服务器,包括:通信接口、处理器、存储器、总线;存储器用于存储计算机执行指令,处理器与存储器通过总线连接,当服务器运行时,处理器执行存储器存储的计算机执行指令,以使服务器执行如上述第一方面提供的方法。
第四方面,本发明的实施例提供一种计算机存储介质,包括指令,当其在计算机上运行时,使得计算机执行如上述第一方面提供的方法。
可以理解地,上述提供的任一种服务器用于执行上文所提供的第一方面对应的方法,因此,其所能达到的有益效果可参考上文第一方面的方法以及下文具体实施方式中对应的方案的有益效果,此处不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的实施例提供的一种污染企业的管理方法的网络架构图;
图2为本发明的实施例提供的一种污染企业的管理方法的流程示意图之一;
图3为本发明的实施例提供的一种污染企业的管理方法的流程示意图之二;
图4为本发明的实施例提供的一种污染企业的管理方法的流程示意图之三;
图5为本发明的实施例提供的一种污染企业的管理方法的流程示意图之四;
图6为本发明的实施例提供的一种污染企业的管理方法的流程示意图之五;
图7为本发明的实施例提供的一种服务器的结构示意图之一;
图8为本发明的实施例提供的一种服务器的结构示意图之二。
附图标记:
服务器-10;
获取单元-101;处理单元-102。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于清楚描述本发明实施例的技术方案,在本发明的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分,本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
在本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本发明实施例的描述中,除非另有说明,“多个”的含义是指两个或两个以上。例如,多个网络是指两个或两个以上的网络。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系,例如A/B表示A或者B。
随着我国经济的快速发展,环境承载能力已经达到或接近上限,生态文明建设和生态环境保护面临前所未有的挑战。我国传统的空气污染防控手段仍存在诸多局限性。重污染天气下,对于污染型企业的环保督查耗费了大量的人力、物力、警力、财力,但污染企业违规私自开工的现象仍然存在。与此同时,为了保证“蓝天率”,环保部门对于污染企业的停产、限产管理存在“一刀切”的现象,对社会经济效益造成了较大影响。
在此背景下,本发明提出了一种污染企业的管理方法。通过对污染企业范围内的用户进行画像,可对企业生产、限产、停产情况进行识别,从而达到判别该污染企业处于开工状态的概率,从而可以辅助环保督查部门及时掌握污染企业的生产状况。同时,根据空气污染物溯源及预测信息,可以精准识别造成空气污染的原因及污染物排放量,从而有针对性地对污染企业产能进行动态合理规划,在保障空气质量的同时,提高经济效益,具体的实现方式如下:
图1是本发明的实施例提供的污染企业的管理方法的网络架构图。参见图1,该网络架构图包括参考区域1、指定污染企业2、基站3、用户4、核心网5和服务器6;其中,参考区域1中包括该指定污染企业2以及该指定污染企业周边指定公里数的区域;在实际的应用中,用户通过用户设备(User Equipment,简称:UE)与通信小区建立连接,当进入指定污染企业2上班时,会与覆盖该指定污染企业2的基站3进行交互,从而本发明的实施例提供的服务器可以从核心网5中获取到对应该参考区域1的业务呼叫记录(英文全称:X DetailRecord,简称:XDR),同时本发明的实施例提供的服务器还可以从核心网中获取该参考区域1的历史XDR数据,从而可以对比参考区域1中用户的当前状态与历史不同阶段参考区域1中用户的历史状态,从而可以分析出参考区域1中企业职工用户当前处于上班状态的概率,进而根据企业职工用户当前处于上班状态的概率确定指定污染企业的开工率,从而可以根据企业职工用户处于上班状态的概率来确定该指定污染业务处于开工状态的概率,使得计算的准确性更高,解决了如何判别污染企业是否私自开工的问题;其中,该UE可以为智能移动终端。该智能移动终端为具有操作系统的移动终端。该智能移动终端可以为:智能手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)、智能手表、智能手环等终端设备,或者该智能移动终端还可以为其他类型的智能移动终端,本发明实施例不作具体限制。
实施例一
本发明的实施例提供一种污染企业的管理方法,如图2所示包括:
S11、获取预设时间段内参考区域的当前XDR数据以及参考区域的历史XDR数据;其中,参考区域包括指定污染企业。
需要说明的是,在实际的应用中,指定污染企业中的员工通常居住在该指定污染企业的周边;因此,将该污染企业以及该指定污染企业周边指定距离设定为参考区域(以该指定污染企业为圆心,指定距离为半径形成的区域),从而可以通过分析该参考区域内用户的状态来分析该指定污染企业的状态。
示例性的,将指定污染企业及周边5公里范围内区域设定为参考区域,选取连续7天作为为预设时间段;同时获取在该参考区域、该预设时间段内出现过的用户为参考用户。由于每个参考用户在该参考区域以及该预设时间段内会向基站请求相应的业务,从而根据每个参考用户生成的XDR数据,确定该预设时间段内参考区域的当前XDR数据。
S12、根据当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体;其中,目标用户群体包括企业职工用户。
可选的,根据当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体,如图3所示包括:
S120、根据当前XDR数据,确定当前XDR数据中每个用户的用户画像。
S121、根据K-means聚类算法和每个用户的用户画像,确定每个用户归属的目标用户群体。
可选的,根据当前XDR数据,确定当前XDR数据中每个用户的用户画像,如图4所示包括:
S1201、根据当前XDR数据,确定当前XDR数据中每个用户的第一关键指标;其中,第一关键指标包括通信小区总数、平均驻留时长和停留时间,通信小区总数由用户在预设时间段内途经参考区域内的通信小区数确定的,平均驻留时长由用户在预设时间段内途经参考区域内的每个通信小区数的总时长确定的,停留时间由用户在参考区域内停留的时长确定的。
S1202、根据用户的第一关键指标,建立用户的用户画像。
需要说明的是,在实际的应用中,通过XDR数据可以分析出每个参考用户的驻留区域、迁徙轨迹等行为特征进行画像及建模,从而有效地实现用户身份识别;进一步地,可以将参考用户分别归类为企业职工用户、路过通行用户及常住居民用户,具体实现过程如下:
参考用户的驻留区域、迁徙轨迹均通过运营支撑系统(英文全称:OperationSupport System,简称:OSS)获取参考用户的XDR数据。其中,对参考用户进行用户画像时需要的关键指标如表1所示:
表1用户画像的关键指标列表
具体的,预设时间段的设置时间越长,根据参考用户的XDR数据确定的用户画像越准确;其中,如果预设时间段仅包含早高峰(6:00-9:00)时,则关键指标只取早高峰(6:00-9:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长,以及白天(9:00-18:00)在参考区域内的驻留时长;如果预设时间段仅包含中午11:00-13:00)时,则关键指标只取中午(11:00-13:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长,以及白天(9:00-18:00)在参考区域内的驻留时长;如果预设时间段仅包含晚高峰(16:30-19:30)时,则关键指标只取晚高峰(16:30-19:30)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长,以及白天(9:00-18:00)在参考区域内的驻留时长;如果预设时间段包含早高峰(6:00-9:00)和中午(11:00-13:00)时,则关键指标取早高峰(6:00-9:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、中午(11:00-13:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长,以及白天(9:00-18:00)在参考区域内的驻留时长;如果预设时间段包含中午(11:00-13:00)和晚高峰(16:30-19:30)时,则关键指标取中午(11:00-13:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、晚高峰(16:30-19:30)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、以及白天(9:00-18:00)在参考区域内的驻留时长;如果预设时间段包含早高峰(6:00-9:00)、中午11:00-13:00)和晚高峰(16:30-19:30)时,则关键指标取早高峰(6:00-9:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、中午(11:00-13:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、晚高峰(16:30-19:30)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、以及白天(9:00-18:00)在参考区域内的驻留时长;如果预设时间段还包括深夜(22:00-5:00)时,则关键指标还需增加深夜(22:00-5:00)在参考区域内的驻留时长;从而可以通过多个方面确定用户的画像。
具体的,以该预设时间段为一周为例,此时需要根据每个参考用户的XDR数据,确定早高峰(6:00-9:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、中午(11:00-13:00)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、晚高峰(16:30-19:30)在参考区域内途径的通信小区数以及在每个通信小区的平均驻留时长、白天(9:00-18:00)在参考区域内的驻留时长以及深夜(22:00-5:00)在参考区域内的驻留时长,并对以上指标分别进行量化,从而定义出每个参考用户的特征向量F={F1,F2,F3,F4,F5,F6,F7,F8},便于进行后续分析。其中,F1向量代表参考用户早高峰途径通信小区的总数,F2向量代表参考用户早高峰途经每个通信小区的平均驻留时长,F3向量代表参考用户中午途径通信小区的总数,F4向量代表参考用户中午途经每个通信小区的平均驻留时长,F5向量代表参考用户晚高峰途径通信小区的总数,F6向量代表参考用户晚高峰途经每个通信小区的平均驻留时长,F7向量代表参考用户白天在参考区域内的驻留时长,F8向量代表参考用户深夜在参考区域内的驻留时长。对于用户i,f1 i代表该用户早高峰在参考区域途径通信小区的总数,f2 i代表该用户早高峰在参考区域途经每个通信小区的平均驻留时长,以此类推。
具体的,采用机器学习算法中的K-means聚类算法对该参考用户群体进行建模。其中k=3,即将参考用户分为三类:企业职工用户、路过通行用户及常住居民用户。
具体的,采用机器学习算法中的K-means聚类算法对该参考用户群体进行建模,包括:
根据K-means聚类算法对每一个参考用户的特征向量F进行聚类,初始聚类时选取任意3个参考用户的特征向量F作为初始聚类中心,进行聚类,并计算该初始分类中每个分类的分类中心;然后,每次根据上一次计算的分类中心进行聚类,并重新计算分类中心;当相邻两次每个分类(这里将用户分为3类,因此对应3个分类)的分类中心均不变(即相邻两次相同分类的分类中心均相同)时,此时完成的对每一个参考用户的特征向量F的聚类。进一步地,根据每个分类中用户的特征向量F的相似特征,从而可以确定每个分类归属的目标用户群体,该目标用户群体包括企业职工用户、路过通行用户及常住居民用户。
由于本发明仅针对企业职工用户进行分析,因此这里将归属于企业职工用户的参考用户提取出来,作为后续分指定污染企业处于开工状态的基础。
S13、根据历史XDR数据和当前XDR数据,确定目标用户群体的开工状态得分;其中,开工状态得分用于指示目标用户群体处于上班状态的概率。
具体的,开工状态得分越大表示目标用户群体处于上班状态的概率越大。
可选的,历史XDR数据包括开工状态下的XDR数据和停工状态下的XDR数据;
根据历史XDR数据和当前XDR数据,确定目标用户群体的开工状态得分,如图5所示包括:
S130、根据当前XDR数据,确定目标用户群体的第二关键指标;其中,目标用户群体包括至少一个目标用户,第二关键指标包括参考区域目标用户密度、单站去重用户数、参考区域数据业务总量、目标用户人均数据使用量、参考区域语音话务总量、目标用户人均语音话务量、目标用户人均视频业务使用量、目标用户人均视频业务人均使用频次、目标用户即时通信业务人均使用量、目标用户即时通信业务人均使用频次、目标用户浏览业务人均使用量和目标用户浏览业务人均使用频次。
S131、根据开工状态下的XDR数据,确定目标用户群体的第二关键指标。
S132、根据停工状态下的XDR数据,确定目标用户群体的第二关键指标。
S133、根据当前XDR数据确定的第二关键指标、开工状态下的XDR数据确定的第二关键指标和停工状态下的XDR数据确定的第二关键指标,确定目标用户群体的开工状态得分。
具体的,将步骤S12筛选出来的企业职工用户作为目标用户群体,通过分析目标用户群体中目标用户的聚集情况、数据业务使用情况、语音业务使用情况、业务偏好进行综合分析判断,并与企业历史停工、历史开工情况进行对比,从而可以实现对于目标用户群体工作状态的识别,进而可以判断指定污染企业的开工率,具体的实现过程如下:
首先,通过OSS域中用户的XDR数据,在对目标用户的工作状态进行识别时需要考虑的关键特征及指标如表2所示。
表2目标用户工作状态识别的关键特征及关键指标列表
根据当前XDR数据,从而可以计算出该目标用户群体的第二关键指标;同时,需要根据参考区域的历史XDR数据,其中该历史XDR数据包括了不同阶段该参考区域的XDR数据,因此可以分别根据该参考区域在不同阶段的XDR数据,计算每个阶段中的目标用户群体以及该目标用户群体的第二关键指标;从而通过对比根据当前XDR数据确定的第二关键指标以及根据历史XDR数据确定的第二关键指标,从而可以分析出该目标用户群体当前所处的状态;具体的,根据参考区域的历史XDR数据,确定历史目标用户群体,以及历史目标用户群体的第二关键指标包括:根据开工状态下的XDR数据,确定目标用户群体的第二关键指标;根据停工状态下的XDR数据,确定目标用户群体的第二关键指标。
具体的,服务器可以将每次计算的该参考区域的目标用户群体的第二关键指标存储起来,后续再进行对比时无需再根据历史XDR数据再进行运算,从而可以更快的确定该目标用户群体所处的状态。
具体的,根据该参考区域在不同阶段的XDR数据,计算每个阶段中的目标用户群体;其中,这里的目标用户群体内包含的参考用户的数量可能不同,但是由于企业职工用户有比较规律的上下班以及作息时间,因此在不同阶段企业职工用户的状态大致应该保持不变。
具体的,可以将历史开工状态下的参考区域目标用户密度记作User_densitypast_operation、历史停工状态下的参考区域目标用户密度记作User_densitypast_shutdown、当前的参考区域目标用户密度记作User_densitycurrent_status、历史开工状态下的单站去重用户数记作User_per_sitepast_operation、历史停工状态下的单站去重用户数记作User_per_sitepast_shutdown、当前的单站去重用户数记作User_per_sitecurrent_status、历史开工状态下的参考区域数据业务总量记作Data_volumepast_operation、历史停工状态下的参考区域数据业务总量记作Data_volumepast_shutdown、当前的参考区域数据业务总量记作Data_volumecurrent_status、历史开工状态下的目标用户人均数据使用量记作Data_per_userpast_operation、历史停工状态下的目标用户人均数据使用量记作Data_per_userpast_shutdown、当前的目标用户人均数据使用量记作Data_per_usercurrent_status、历史开工状态下的参考区域语音话务总量记作Voice_durationpast_operation、历史停工状态下的参考区域语音话务总量记作Voice_durationpast_shutdown、当前的参考区域语音话务总量记作Voice_durationcurrent_status、历史开工状态下的目标用户人均语音话务量记作Voice_per_userpast_operation、历史停工状态下的目标用户人均语音话务量记作Voice_per_userpast_shutdown、当前的目标用户人均语音话务量记作Voice_per_usercurrent_status、历史开工状态下的目标用户人均视频业务使用量记作Video_volumepast_operation、历史停工状态下的目标用户人均视频业务使用量记作Video_volumepast_shutdown、当前的目标用户人均视频业务使用量记作Video_volumecurrent_status、历史开工状态下的目标用户人均视频业务人均使用频次记作Video_frequencypast_operation、历史停工状态下的目标用户人均视频业务人均使用频次记作Video_frequencypast_shutdown、当前下的目标用户人均视频业务人均使用频次记作Video_frequencycurrent_status、历史开工状态下的目标用户即时通信业务人均使用量记作IM_volumepast_operation、历史停工状态下的目标用户即时通信业务人均使用量记作IM_volumepast_shutdown、当前的目标用户即时通信业务人均使用量记作IM_volumecurrent_status、历史开工状态下的目标用户即时通信业务人均使用频次记作IM_frequencypast_operation、历史停工状态下的目标用户即时通信业务人均使用频次记作IM_frequencypast_shutdown、当前的目标用户即时通信业务人均使用频次记作IM_frequencycurrent_status、历史开工状态下的目标用户浏览业务人均使用量记作Web_volumepast_operation、历史停工状态下的目标用户浏览业务人均使用量记作Web_volumepast_shutdown、当前的目标用户浏览业务人均使用量记作Web_volumecurrent_status、历史开工状态下的目标用户浏览业务人均使用频次记作Web_frequencypast_operation、历史停工状态下的目标用户浏览业务人均使用频次记作Web_frequencypast_shutdown、当前的目标用户浏览业务人均使用频次记作Web_frequencycurrent_status。
以上各个第二关键指标中,历史全面开工状态下取值记作100分,历史全面停工状态下取值记作0分,当前状态的取值与历史开工状态和历史停工状态进行对比,进行得分量化。
具体的,以参考区域目标用户密度的得分Score_user_density为例进行说明,具体计算方法如下:
由于单站去重用户数的得分Score_user_per_site、参考区域数据业务总量的得分Score_data_volume、目标用户人均数据使用量的得分Score_data_per_user、参考区域语音话务总量的得分Score_voice_duration、目标用户人均语音话务量的得分Score_voice_per_user、目标用户即时通信业务人均使用量的得分Score_IM_volume、目标用户即时通信业务人均使用频次的得分Score_IM_frequency的计算方式与参考区域目标用户密度的得分Score_user_density的计算方式相同,此处不再赘述。
具体的,以目标用户浏览业务人均使用量的得分Score_Web_volume为例,具体计算方法如下:
由于目标用户人均视频业务使用量的得分Score_Video_volume、目标用户人均视频业务人均使用频次的得分Score_Video_frequency和目标用户浏览业务人均使用频次的得分Score_Web_frequency的计算方式与目标用户浏览业务人均使用量的得分Score_Web_volume的计算方式相同,此处不再赘述。
具体的,根据以上每个第二关键指标的得分,汇总得出该目标用户群体的开工状态得分Score_current_status,具体的计算方式如下:
其中,Wi为各关键特征的权重值,Scorei表示每个关键特征的得分;其中,Score1表示关键特征目标用户聚集情况的得分,Score2表示关键特征数据业务使用情况的得分,Score3表示关键特征语音业务使用情况的得分,Score4表示关键特征用户业务偏好的得分,W1表示关键特征目标用户聚集情况的权重值、W2表示关键特征数据业务使用情况的权重值、W3表示关键特征语音业务使用情况的权重值、W4表示关键特征用户业务偏好的权重值,并且W1+W2+W3+W4=1,其中,
Score1=Wuser_density×Score_user_density+Wuser_per_site×Score_user_per_site,
Score2=Wdata_volume×Score_data_volume+Wdata_per_user×Score_data_per_user,
Score3=Wvoice_duration×Score_voice_duration+Wvoice_per_user×Score_voice_per_user,
其中,Wuser_density表示参考区域目标用户密度的权重值,Wuser_per_site表示单站去重用户数的权重值,并且Wuser_density+Wuser_per_site=1;
Wdata_volume表示参考区域数据业务总量的权重值,Wdata_per_user表示目标用户人均数据使用量的权重值,并且Wdata_volume+Wdata_per_user=1;
Wvolume-1表示目标用户即时通信业务人均使用量的权重值,Wfrequency-1表示目标用户即时通信业务人均使用频次的权重值,并且Wvolume-1+Wfrequency-1=1;
Wvolume-2表示目标用户浏览业务人均使用量的权重值,Wfrequency-2表示目标用户浏览业务人均使用频次的权重值,并且Wvolume-2+Wfrequency-2=1;
Wvolume-3表示目标用户人均视频业务使用量的权重值,Wfrequency-3表示目标用户人均视频业务人均使用频次的权重值,并且Wvolume-3+Wfrequency-3=1;
WIM表示即时通信业务的权重值,WWeb表示浏览业务的权重值,WVideo表示视频业务的权重值,并且WIM+WWeb+WVideo=1。
S14、根据开工状态得分,确定指定污染企业的开工率;其中,开工率用于指示指定污染企业处于开工状态的概率。
具体的,根据开工状态得分,确定指定污染企业的开工率Poperation,包括:
因此,用户可以通过污染企业的开工率,可以实现对企业生产、限产、停产情况的识别,从而达到辅助环保督查的目标,节省了大量的人力、物力;其中,开工率的取值越大表示指定污染企业处于开工状态的概率越大。
可选的,如图6所示该方法还包括:
S15、获取环保大数据预测信息;其中,环保大数据预测数据包括参考区域在未来指定时间段内的污染物浓度。
S16、根据指定污染企业排放的污染物和环保大数据预测信息,确定指定污染企业的建议开工率;建议开工率用于指示指定污染企业的最大开工状态。
具体的,为了更加合理的规划该指定污染企业的生产状态,可以根据污染企业所在地未来几日内的污染物溯源及预测信息,可以精准识别造成空气污染的原因及污染物排放量,从而实现对污染企业产能的动态合理规划。
示例性的,假设指定污染企业的污染排放物主要为CO、NO2、PM10、PM2.5、SO2,几种污染物相应占比分别为WCO、WNO2、WPM10、WPM2.5、WSO2,并且WCO+WNO2+WPM10+WPM2.5+WSO2=1。其中,环保大数据预测信息中未来指定时间段内的污染物浓度(单位为ppm,表示一百万体积的空气中所含污染物的体积数)的预测结果分别为ValueCO、ValueNO2、ValuePM10、ValuePM2.5、ValueSO2。通过查询预测结果中的污染物的预测浓度与得分关系表(表3),从而可以确定不同污染物在不同的预测浓度下的得分;因此,可以得到该指定污染企业的污染排放物中各个污染物的得分ScoreCO、ScoreNO2、ScorePM10、ScorePM25、ScoreSO2。
表3污染物的预测浓度与得分关系表
由此可以计算得出,污染企业未来几日最大建议开工率Pfuture:
其中,ScoreH表示污染物H的得分,污染物H至少包括CO、NO2、PM10、PM2.5、SO2中的任一项,X1表示污染物H的预测浓度N1所在的污染物浓度区间对应的得分区间的最大值,X2表示污染物H的预测浓度N1所在的污染物浓度区间对应的得分区间的最小值,N2表示污染物H的预测浓度N1所在的污染物浓度区间的最大值,N3表示污染物H的预测浓度N1所在的污染物浓度区间的最小值。
具体的,以计算污染物CO的得分为了例进行说明,具体的实现过程如下:
假设污染物CO的预测浓度为5,则根据表3可知预测浓度为5时对应的污染物浓度区间为3.5~7.5,预测浓度对应的污染物浓度区间对应的得分区间为90~80;因此,污染物CO的得分为:
具体的,污染物NO2、污染物PM10、污染物PM2.5、污染物SO2的得分计算方式与污染物CO的得分计算方式相同,此处不再赘述。
具体的,Pfuture为对大气环境不产生负面影响的情况下,污染企业允许的最大开工状态,可以辅助环保部门决策,避免了污染天气下对于污染企业停工管理“一刀切”的情况,在保障空气质量的同时,提高了经济效益。
由上述方案可知,本发明的实施例提供的污染企业的管理方法,通过对参考区域的用户进行分析,从而可以根据当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体;由于目标用户群体为企业职工用户,因此可以根据历史XDR数据和当前XDR数据,确定目标用户群体的开工状态得分,从而可以确定该目标用户群体处于上班状态的概率;同时根据开工状态得分,确定指定污染企业的开工率,从而可以根据企业职工用户处于上班状态的概率来确定该指定污染业务处于开工状态的概率,使得计算的准确性更高,解决了如何判别污染企业是否私自开工的问题。
实施例二
本发明的实施例提供一种服务器10,如图7所示包括:
获取单元101,用于获取预设时间段内参考区域的当前XDR数据以及参考区域的历史XDR数据;其中,参考区域包括指定污染企业。
处理单元102,用于根据获取单元101获取的当前XDR数据,确定当前XDR数据中每个用户归属的目标用户群体;其中,目标用户群体包括企业职工用户。
处理单元102,还用于根据获取单元101获取的历史XDR数据和获取单元101获取的当前XDR数据,确定目标用户群体的开工状态得分;其中,开工状态得分用于指示目标用户群体处于上班状态的概率。
处理单元102,还用于根据开工状态得分,确定指定污染企业的开工率;其中,开工率用于指示指定污染企业处于开工状态的概率。
可选的,处理单元102,具体用于根据获取单元101获取的当前XDR数据,确定当前XDR数据中每个用户的用户画像;处理单元102,具体用于根据K-means聚类算法和每个用户的用户画像,确定每个用户归属的目标用户群体。
可选的,处理单元102,具体用于根据获取单元101获取的当前XDR数据,确定当前XDR数据中每个用户的第一关键指标;其中,第一关键指标包括通信小区总数、平均驻留时长和停留时间,通信小区总数由用户在预设时间段内途经参考区域内的通信小区数确定的,平均驻留时长由用户在预设时间段内途经参考区域内的每个通信小区数的总时长确定的,停留时间由用户在参考区域内停留的时长确定的;处理单元102,具体用于根据用户的第一关键指标,建立用户的用户画像。
可选的,历史XDR数据包括开工状态下的XDR数据和停工状态下的XDR数据;处理单元102,具体用于根据获取单元101获取的当前XDR数据,确定目标用户群体的第二关键指标;其中,目标用户群体包括至少一个目标用户,第二关键指标包括参考区域目标用户密度、单站去重用户数、参考区域数据业务总量、目标用户人均数据使用量、参考区域语音话务总量、目标用户人均语音话务量、目标用户人均视频业务使用量、目标用户人均视频业务人均使用频次、目标用户即时通信业务人均使用量、目标用户即时通信业务人均使用频次、目标用户浏览业务人均使用量和目标用户浏览业务人均使用频次;处理单元102,具体用于根据获取单元获取的开工状态下的XDR数据,确定目标用户群体的第二关键指标;处理单元102,具体用于根据获取单元获取的停工状态下的XDR数据,确定目标用户群体的第二关键指标;处理单元102,具体用于根据当前XDR数据确定的第二关键指标、开工状态下的XDR数据确定的第二关键指标和停工状态下的XDR数据确定的第二关键指标,确定目标用户群体的开工状态得分。
可选的,获取单元101,还用于获取环保大数据预测信息;其中,环保大数据预测数据包括参考区域在未来指定时间段内的污染物浓度;处理单元102,还用于根据指定污染企业排放的污染物和获取单元101获取的环保大数据预测信息,确定指定污染企业的建议开工率;建议开工率用于指示指定污染企业的最大开工状态。
其中,上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,其作用在此不再赘述。
在采用集成的模块的情况下,服务器包括:存储单元、处理单元以及获取单元。处理单元用于对服务器的动作进行控制管理,例如,处理单元用于支持服务器执行图2中的过程S11、S12、S13和S14;获取单元用于支持服务器与其他设备的信息交互。存储单元,用于存储服务器的程序代码和数据。
其中,以处理单元为处理器,存储单元为存储器,获取单元为通信接口为例。其中,服务器参照图8中所示,包括通信接口501、处理器502、存储器503和总线504,通信接口501、处理器502通过总线504与存储器503相连。
处理器502可以是一个通用中央处理器(Central Processing Unit,CPU),微处理器,特定应用集成电路(Application-Specific Integrated Circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
存储器503可以是只读存储器(Read-Only Memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(Random Access Memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(ElectricallyErasable Programmable Read-only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器503用于存储执行本申请方案的应用程序代码,并由处理器502来控制执行。通讯接口501用于与其他设备进行信息交互,例如与遥控器的信息交互。处理器502用于执行存储器503中存储的应用程序代码,从而实现本申请实施例中所述的方法。
此外,还提供一种计算存储媒体(或介质),包括在被执行时进行上述实施例中的服务器执行的方法操作的指令。另外,还提供一种计算机程序产品,包括上述计算存储媒体(或介质)。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:read-only memory,英文简称:ROM)、随机存取存储器(英文全称:random access memory,英文简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
可以理解地,上述提供的任一种服务器用于执行上文所提供的实施例一对应的方法,因此,其所能达到的有益效果可参考上文实施例一的方法以及下文具体实施方式中对应的方案的有益效果,此处不再赘述。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (12)
1.一种污染企业的管理方法,其特征在于,包括:
获取预设时间段内参考区域的当前XDR数据以及所述参考区域的历史XDR数据;其中,所述参考区域包括指定污染企业;
根据所述当前XDR数据,确定所述当前XDR数据中每个用户归属的目标用户群体;其中,所述目标用户群体包括企业职工用户;
根据所述历史XDR数据和所述当前XDR数据,确定所述目标用户群体的开工状态得分;其中,所述开工状态得分用于指示所述目标用户群体处于上班状态的概率;
根据所述开工状态得分,确定所述指定污染企业的开工率;其中,所述开工率用于指示所述指定污染企业处于开工状态的概率。
2.根据权利要求1所述的污染企业的管理方法,其特征在于,所述根据所述当前XDR数据,确定所述当前XDR数据中每个用户归属的目标用户群体,包括:
根据所述当前XDR数据,确定所述当前XDR数据中每个用户的用户画像;
根据K-means聚类算法和每个所述用户的用户画像,确定每个所述用户归属的目标用户群体。
3.根据权利要求2所述的污染企业的管理方法,其特征在于,所述根据所述当前XDR数据,确定所述当前XDR数据中每个用户的用户画像,包括:
根据所述当前XDR数据,确定所述当前XDR数据中每个用户的第一关键指标;其中,所述第一关键指标包括通信小区总数、平均驻留时长和停留时间,所述通信小区总数由所述用户在所述预设时间段内途经所述参考区域内的通信小区数确定的,所述平均驻留时长由所述用户在所述预设时间段内途经所述参考区域内的每个通信小区数的总时长确定的,所述停留时间由所述用户在所述参考区域内停留的时长确定的;
根据所述用户的第一关键指标,建立所述用户的用户画像。
4.根据权利要求1所述的污染企业的管理方法,其特征在于,所述历史XDR数据包括开工状态下的XDR数据和停工状态下的XDR数据;
所述根据所述历史XDR数据和所述当前XDR数据,确定所述目标用户群体的开工状态得分,包括:
根据所述当前XDR数据,确定所述目标用户群体的第二关键指标;其中,所述目标用户群体包括至少一个目标用户,所述第二关键指标包括参考区域目标用户密度、单站去重用户数、参考区域数据业务总量、目标用户人均数据使用量、参考区域语音话务总量、目标用户人均语音话务量、目标用户人均视频业务使用量、目标用户人均视频业务人均使用频次、目标用户即时通信业务人均使用量、目标用户即时通信业务人均使用频次、目标用户浏览业务人均使用量和目标用户浏览业务人均使用频次;
根据所述开工状态下的XDR数据,确定所述目标用户群体的第二关键指标;
根据所述停工状态下的XDR数据,确定所述目标用户群体的第二关键指标;
根据所述当前XDR数据确定的第二关键指标、所述开工状态下的XDR数据确定的第二关键指标和所述停工状态下的XDR数据确定的第二关键指标,确定所述目标用户群体的开工状态得分。
5.根据权利要求1所述的污染企业的管理方法,其特征在于,所述方法还包括:
获取环保大数据预测信息;其中,所述环保大数据预测数据包括所述参考区域在未来指定时间段内的污染物浓度;
根据所述指定污染企业排放的污染物和所述环保大数据预测信息,确定所述指定污染企业的建议开工率;所述建议开工率用于指示所述指定污染企业的最大开工状态。
6.一种服务器,其特征在于,包括
获取单元,用于获取预设时间段内参考区域的当前XDR数据以及所述参考区域的历史XDR数据;其中,所述参考区域包括指定污染企业;
处理单元,用于根据所述获取单元获取的所述当前XDR数据,确定所述当前XDR数据中每个用户归属的目标用户群体;其中,所述目标用户群体包括企业职工用户;
所述处理单元,还用于根据所述获取单元获取的所述历史XDR数据和所述获取单元获取的所述当前XDR数据,确定所述目标用户群体的开工状态得分;其中,所述开工状态得分用于指示所述目标用户群体处于上班状态的概率;
所述处理单元,还用于根据所述开工状态得分,确定所述指定污染企业的开工率;其中,所述开工率用于指示所述指定污染企业处于开工状态的概率。
7.根据权利要求6所述的服务器,其特征在于,所述处理单元,具体用于根据所述获取单元获取的所述当前XDR数据,确定所述当前XDR数据中每个用户的用户画像;
所述处理单元,具体用于根据K-means聚类算法和每个所述用户的用户画像,确定每个所述用户归属的目标用户群体。
8.根据权利要求7所述的服务器,其特征在于,所述处理单元,具体用于根据所述获取单元获取的所述当前XDR数据,确定所述当前XDR数据中每个用户的第一关键指标;其中,所述第一关键指标包括通信小区总数、平均驻留时长和停留时间,所述通信小区总数由所述用户在所述预设时间段内途经所述参考区域内的通信小区数确定的,所述平均驻留时长由所述用户在所述预设时间段内途经所述参考区域内的每个通信小区数的总时长确定的,所述停留时间由所述用户在所述参考区域内停留的时长确定的;
所述处理单元,具体用于根据所述用户的第一关键指标,建立所述用户的用户画像。
9.根据权利要求6所述的服务器,其特征在于,所述历史XDR数据包括开工状态下的XDR数据和停工状态下的XDR数据;
所述处理单元,具体用于根据所述获取单元获取的所述当前XDR数据,确定所述目标用户群体的第二关键指标;其中,所述目标用户群体包括至少一个目标用户,所述第二关键指标包括参考区域目标用户密度、单站去重用户数、参考区域数据业务总量、目标用户人均数据使用量、参考区域语音话务总量、目标用户人均语音话务量、目标用户人均视频业务使用量、目标用户人均视频业务人均使用频次、目标用户即时通信业务人均使用量、目标用户即时通信业务人均使用频次、目标用户浏览业务人均使用量和目标用户浏览业务人均使用频次;
所述处理单元,具体用于根据所述获取单元获取的所述开工状态下的XDR数据,确定所述目标用户群体的第二关键指标;
所述处理单元,具体用于根据所述获取单元获取的所述停工状态下的XDR数据,确定所述目标用户群体的第二关键指标;
所述处理单元,具体用于根据所述当前XDR数据确定的第二关键指标、所述开工状态下的XDR数据确定的第二关键指标和所述停工状态下的XDR数据确定的第二关键指标,确定所述目标用户群体的开工状态得分。
10.根据权利要求6所述的服务器,其特征在于,所述获取单元,还用于获取环保大数据预测信息;其中,所述环保大数据预测数据包括所述参考区域在未来指定时间段内的污染物浓度;
所述处理单元,还用于根据所述指定污染企业排放的污染物和所述获取单元获取的所述环保大数据预测信息,确定所述指定污染企业的建议开工率;所述建议开工率用于指示所述指定污染企业的最大开工状态。
11.一种计算机存储介质,其特征在于,包括指令,当其在计算机上运行时,使得计算机执行如上述权利要求1-5任一项所述的污染企业的管理方法。
12.一种服务器,其特征在于,包括:通信接口、处理器、存储器、总线;存储器用于存储计算机执行指令,处理器与存储器通过总线连接,当服务器运行时,处理器执行存储器存储的计算机执行指令,以使服务器执行如上述权利要求1-5任一项所述的污染企业的管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024391.3A CN109840695A (zh) | 2019-01-10 | 2019-01-10 | 一种污染企业的管理方法和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910024391.3A CN109840695A (zh) | 2019-01-10 | 2019-01-10 | 一种污染企业的管理方法和服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109840695A true CN109840695A (zh) | 2019-06-04 |
Family
ID=66883743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910024391.3A Pending CN109840695A (zh) | 2019-01-10 | 2019-01-10 | 一种污染企业的管理方法和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840695A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807725A (zh) * | 2019-11-06 | 2020-02-18 | 软通动力信息技术有限公司 | 一种大气污染溯源方法、装置、计算设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106934627A (zh) * | 2015-12-28 | 2017-07-07 | 中国移动通信集团公司 | 一种电商行业作弊行为的检测方法及装置 |
US10003945B2 (en) * | 2014-11-13 | 2018-06-19 | Mobiltron, Inc. | Systems and methods for real time detection and reporting of personal emergencies |
CN108711284A (zh) * | 2018-05-23 | 2018-10-26 | 中国联合网络通信集团有限公司 | 道路人流量的确定方法及装置 |
CN108718440A (zh) * | 2018-03-19 | 2018-10-30 | 中国联合网络通信集团有限公司 | 一种敏感区域的安防方法及平台 |
-
2019
- 2019-01-10 CN CN201910024391.3A patent/CN109840695A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10003945B2 (en) * | 2014-11-13 | 2018-06-19 | Mobiltron, Inc. | Systems and methods for real time detection and reporting of personal emergencies |
CN106934627A (zh) * | 2015-12-28 | 2017-07-07 | 中国移动通信集团公司 | 一种电商行业作弊行为的检测方法及装置 |
CN108718440A (zh) * | 2018-03-19 | 2018-10-30 | 中国联合网络通信集团有限公司 | 一种敏感区域的安防方法及平台 |
CN108711284A (zh) * | 2018-05-23 | 2018-10-26 | 中国联合网络通信集团有限公司 | 道路人流量的确定方法及装置 |
Non-Patent Citations (1)
Title |
---|
贾玉玮 等: "基于大数据的污染企业环保督查及产能规划指导方案", 《邮电涉及技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807725A (zh) * | 2019-11-06 | 2020-02-18 | 软通动力信息技术有限公司 | 一种大气污染溯源方法、装置、计算设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aggarwal et al. | Event detection in social streams | |
CN102208992B (zh) | 面向互联网的不良信息过滤系统及其方法 | |
US8914371B2 (en) | Event mining in social networks | |
Gilbert et al. | Communities and hierarchical structures in dynamic social networks: analysis and visualization | |
Mehrotra et al. | Understanding the role of places and activities on mobile phone interaction and usage patterns | |
CN109598434A (zh) | 异常预警方法、装置、计算机装置及存储介质 | |
CN110198555A (zh) | 一种网络切片的配置方法和装置 | |
CN108011928A (zh) | 一种信息推送方法、终端设备及计算机可读介质 | |
WO2023142054A1 (zh) | 一种面向容器微服务的性能监控告警方法及告警系统 | |
US11042525B2 (en) | Extracting and labeling custom information from log messages | |
CN111614690A (zh) | 一种异常行为检测方法及装置 | |
CN101447984A (zh) | 一种自反馈垃圾信息过滤方法 | |
CN110689385A (zh) | 一种基于知识图谱的电力客服用户画像构建方法 | |
CN107995006A (zh) | 一种云环境下基于消息触发的实时计费系统 | |
CN111475545A (zh) | 用于智慧城市的城市基础数据库系统 | |
CN112001443A (zh) | 网络行为数据的监控方法、装置、存储介质及电子设备 | |
Benedetti et al. | Identification of spatially constrained homogeneous clusters of COVID‐19 transmission in Italy | |
CN107645740A (zh) | 一种移动监测方法及终端 | |
CN102184196A (zh) | 一种信访综合管理信息系统 | |
CN112468551A (zh) | 一种基于业务优先级的智能调度工作方法 | |
CN109840695A (zh) | 一种污染企业的管理方法和服务器 | |
Zinman et al. | Utilizing digital traces of mobile phones for understanding social dynamics in urban areas | |
CN107748697A (zh) | 应用关闭方法、装置、存储介质及电子设备 | |
Saravanan et al. | Analyzing and labeling telecom communities using structural properties | |
Doran | On the discovery of social roles in large scale social systems |
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: 20190604 |