CN110471959A - 一种基于大数据的卷烟零售市场监管难度系数的测算方法 - Google Patents
一种基于大数据的卷烟零售市场监管难度系数的测算方法 Download PDFInfo
- Publication number
- CN110471959A CN110471959A CN201910773697.9A CN201910773697A CN110471959A CN 110471959 A CN110471959 A CN 110471959A CN 201910773697 A CN201910773697 A CN 201910773697A CN 110471959 A CN110471959 A CN 110471959A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- degree
- difficulty
- cigarette
- 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
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 29
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims abstract description 10
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims abstract description 10
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims abstract description 10
- 241000208125 Nicotiana Species 0.000 claims description 7
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 3
- 108010014173 Factor X Proteins 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims 2
- 229910052742 iron Inorganic materials 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 241000282327 Felis silvestris Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Probability & Statistics with Applications (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及市场监管技术领域,尤其是一种基于大数据的卷烟零售市场监管难度系数的测算系统,包括数据采集模块,所述数据采集模块将收集到的数据传递至云端数据库模块中,同时云端数据库模块与算法模型构造模块连接,所述算法模型构造模块包括数据接收模块,数据接收模块将云端数据库模块收集到的数据进行接收,并将接收到的信号传递至ADAS芯片模块中进行数据的导入,数据经过幂函数模块以及加权平均法模块计算后通过数据导出模块进行数据的导出。本发明避免当前“一刀切”的评价方式,充分考虑各区域市场环境的差异性,结合算法和全样本取值,从多维度来评价,整体更加科学、合理、公平,为优化各市场监管绩效考核提供可靠参考。
Description
技术领域
本发明涉及市场监管技术领域,尤其涉及一种基于大数据的卷烟零售市场监管难度系数的测算方法。
背景技术
近年来,部分烟草专卖行政主管部门对下级单位开展卷烟零售市场监管工作的评价指标主要为市场净化率。其测算方式为发现公开摆卖、暗中售卖非法卷烟或者无证经营等行为的数量除以暗访调查样本数量,形成一个百分率对卷烟市场监管效能进行量化评估。例如,某市烟草专卖行政主管部门给下级所有单位下达的市场净化质量目标为不低于96%,每月对下属各县级局暗访40户卷烟经营户,如发现存在非法经营的户数为2户,则此辖区的市场净化率为95%,这种市场净化率指标的设定既没有依据各区域市场的监管难度进行精细化的测算,也没有考虑下级单位达到统一水平所付出的难度和努力,绩效评估的科学性和公正性有所欠缺。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法。
为了实现上述目的,本发明采用了如下技术方案:
设计一种基于大数据的卷烟零售市场监管难度系数的测算系统,包括数据采集模块,所述数据采集模块将收集到的数据传递至云端数据库模块中,同时云端数据库模块与算法模型构造模块连接,所述算法模型构造模块包括数据接收模块,数据接收模块将云端数据库模块收集到的数据进行接收,并将接收到的信号传递至ADAS芯片模块中进行数据的导入,同时借助于ADAS芯片模块分别建立了幂函数模块以及加权平均法模块,数据经过幂函数模块以及加权平均法模块计算后通过数据导出模块进行数据的导出。
优选的,所述数据采集模块包括数据接发模块,通过数据接发模块将数据进行采集并接收,将接收的数据传递至中央处理器模块中,同时中央处理器模块分别设置有数据分类模块以及数据清洗模块,且通过数据分类模块与数据清洗模块之间的相互配合,实现对数据的初步处理。
优选的,所述云端数据库模块还连接有数据储存模块。
优选的,所述数据储存模块包括数据转换器模块,通过数据转换器模块将信号由光信号转化为电信号,同时转化后的信号数据传递至数据压缩模块中进行压缩,压缩后的数据信息通过无线传输模块连接数据备份模块,从而实现数据的备份。
本发明还提供了一种基于大数据的卷烟零售市场监管难度系数的测算方法,具体包括如下步骤:
S1、测算模型思路的构建:本文在具体测算时,先梳理出影响烟草专卖部门市场监管效果的主要因素,同时结合大数据技术,选取全样本值用作子因素系数的测算,降低样品选取不适当引起测算偏差过大的问题,首先,根据所辖单位的物流企业、寄递站点、火车站、汽车站的数据量等因素的难度系数测算取值,取值区间为1-1.20;再用幂函数回归方程的方式修正取值,得出每个单项指标的难度系数;最后进行加权平均得出了企业的难度系数;
S2、测算模型的指标选取具体包括如下几点:
M1、辖区物流企业、寄递站点、火车站、汽车站的数量,非法卷烟主要通过物流快递、铁路和公路等方式进行流通,交通物流运输体系越发达,辖区可能出现的非法卷烟会越多,监管难度将越大;
M2、销售规模:辖区所在的市场商业越繁华,卷烟市场需求量越大,非法卷烟冲击的可能性越大,监管难度越大;
M3、辖区面积:对同一个城市类型而言,面积越大,监管难度越大;
M4、辖区的持证卷烟户数越多,监管难度越大,通过对三年历史数据进行分析,梳理出具有较高违规比例和较重违规历史的重点区域、重点业态、重点群体,确定为重点户。由于重点户具有反复违规的特性,其绝对数量越多,监管难度越大;历史查获的非法卷烟数量,在辖区查获的非法卷烟数量越多,说明违规行为发生的比例越高,监管难度越大;
S3、测算模型的算法构造:借助于ADAS芯片将市场监管难度系数设为函数Y,各因素对应的市场监管难度系数为Yi(i=1-9)、权重为Wi(i=1-9),各因素的数据值为Xi(i=1-9),其中每个因素X值选取,是基于大数据的全样本,避免样本选取偏差,造成测算结果的偏差;
Y=∑Wi·Yi
公式说明,通过多个维度,不同权重共同测算最终的监管难度系数,避免单个维度的片面性和较大的波动性等问题;
Yi=Mi·XiNi
公式说明:从各影响因素和难度系统之间是递增关系,也就是说影响因子越大,难度系统也相应增大,基于这样的特性,我们选择幂函数来表述二者之间的关系;
ln(Yi)=ln(Mi)+Ni·ln(Xi)
公式说明:取对数之后不会改变数据的性质和相关关系,不仅可以将乘法变为加法,更重要的是压缩了变量的尺度和数据的绝对值数据更加平稳;
S4、根据S3的测算结果进行等级的划分。
优选的,所述对S3测算结果进行等级的划分时需要划分成五个等级。
优选的,所述该五个等级分别为一档、二档、三档、四挡以及五档。
本发明提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法,有益效果在于:该基于大数据的卷烟零售市场监管难度系数的测算方法避免当前“一刀切”的评价方式,充分考虑各区域市场环境的差异性,结合算法和全样本取值,从多维度来评价,整体更加科学、合理、公平,为优化各市场监管绩效考核提供可靠参考。
附图说明
图1为本发明提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法的系统框图。
图2为本发明提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法的数据采集模块的系统框图。
图3为本发明提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法的算法模型构造模块的系统框图。
图4为本发明提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法的数据储存模块的系统框图。
图5为本发明提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法的13个区辖市烟草专卖局年度相关数据表。
图6为本发明提出的一种基于大数据的卷烟零售市场监管难度系数的测算方法的13个区辖市烟草专卖局年度市场监管难度系数等别划分表。
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。
参照图1-6,一种基于大数据的卷烟零售市场监管难度系数的测算系统,包括数据采集模块,所述数据采集模块将收集到的数据传递至云端数据库模块中,同时云端数据库模块与算法模型构造模块连接,所述算法模型构造模块包括数据接收模块,数据接收模块将云端数据库模块收集到的数据进行接收,并将接收到的信号传递至ADAS芯片模块中进行数据的导入,同时借助于ADAS芯片模块分别建立了幂函数模块以及加权平均法模块,数据经过幂函数模块以及加权平均法模块计算后通过数据导出模块进行数据的导出,数据采集模块包括数据接发模块,通过数据接发模块将数据进行采集并接收,将接收的数据传递至中央处理器模块中,同时中央处理器模块分别设置有数据分类模块以及数据清洗模块,且通过数据分类模块与数据清洗模块之间的相互配合,实现对数据的初步处理,端数据库模块还连接有数据储存模块,数据储存模块包括数据转换器模块,通过数据转换器模块将信号由光信号转化为电信号,同时转化后的信号数据传递至数据压缩模块中进行压缩,压缩后的数据信息通过无线传输模块连接数据备份模块,从而实现数据的备份。
本发明还提供了一种基于大数据的卷烟零售市场监管难度系数的测算方法具体包括如下步骤:
S1、测算模型思路的构建:本文在具体测算时,先梳理出影响烟草专卖部门市场监管效果的主要因素,同时结合大数据技术,选取全样本值用作子因素系数的测算,降低样品选取不适当引起测算偏差过大的问题,首先,根据所辖单位的物流企业、寄递站点、火车站、汽车站的数据量等因素的难度系数测算取值,取值区间为1-1.20;再用幂函数回归方程的方式修正取值,得出每个单项指标的难度系数;最后进行加权平均得出了企业的难度系数;
S2、测算模型的指标选取具体包括如下几点:
M1、辖区物流企业、寄递站点、火车站、汽车站的数量,非法卷烟主要通过物流快递、铁路和公路等方式进行流通,交通物流运输体系越发达,辖区可能出现的非法卷烟会越多,监管难度将越大;
M2、销售规模:辖区所在的市场商业越繁华,卷烟市场需求量越大,非法卷烟冲击的可能性越大,监管难度越大;
M3、辖区面积:对同一个城市类型而言,面积越大,监管难度越大;
M4、辖区的持证卷烟户数越多,监管难度越大,通过对三年历史数据进行分析,梳理出具有较高违规比例和较重违规历史的重点区域、重点业态、重点群体,确定为重点户。由于重点户具有反复违规的特性,其绝对数量越多,监管难度越大;历史查获的非法卷烟数量,在辖区查获的非法卷烟数量越多,说明违规行为发生的比例越高,监管难度越大;
S3、测算模型的算法构造:借助于ADAS芯片将市场监管难度系数设为函数Y,各因素对应的市场监管难度系数为Yi(i=1-9)、权重为Wi(i=1-9),各因素的数据值为Xi(i=1-9),其中每个因素X值选取,是基于大数据的全样本,避免样本选取偏差,造成测算结果的偏差;
Y=∑Wi·Yi
公式说明,通过多个维度,不同权重共同测算最终的监管难度系数,避免单个维度的片面性和较大的波动性等问题;
Yi=Mi·XiNi
公式说明:从各影响因素和难度系统之间是递增关系,也就是说影响因子越大,难度系统也相应增大,基于这样的特性,我们选择幂函数来表述二者之间的关系;
ln(Yi)=ln(Mi)+Ni·ln(Xi)
公式说明:取对数之后不会改变数据的性质和相关关系,不仅可以将乘法变为加法,更重要的是压缩了变量的尺度和数据的绝对值数据更加平稳;
S4、根据S3的测算结果进行等级的划分,测算结果进行等级的划分时需要划分成五个等级,该五个等级分别为一档、二档、三档、四挡以及五档。
该基于大数据的卷烟零售市场监管难度系数的测算方法避免当前“一刀切”的评价方式,充分考虑各区域市场环境的差异性,结合算法和全样本取值,从多维度来评价,整体更加科学、合理、公平,为优化各市场监管绩效考核提供可靠参考。
以上所述,仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于大数据的卷烟零售市场监管难度系数的测算系统,包括数据采集模块,其特征在于,所述数据采集模块将收集到的数据传递至云端数据库模块中,同时云端数据库模块与算法模型构造模块连接,所述算法模型构造模块包括数据接收模块,数据接收模块将云端数据库模块收集到的数据进行接收,并将接收到的信号传递至ADAS芯片模块中进行数据的导入,同时借助于ADAS芯片模块分别建立了幂函数模块以及加权平均法模块,数据经过幂函数模块以及加权平均法模块计算后通过数据导出模块进行数据的导出。
2.根据权利要求1所述的一种基于大数据的卷烟零售市场监管难度系数的测算系统,其特征在于,所述数据采集模块包括数据接发模块,通过数据接发模块将数据进行采集并接收,将接收的数据传递至中央处理器模块中,同时中央处理器模块分别设置有数据分类模块以及数据清洗模块,且通过数据分类模块与数据清洗模块之间的相互配合,实现对数据的初步处理。
3.根据权利要求1所述的一种基于大数据的卷烟零售市场监管难度系数的测算系统,其特征在于,所述云端数据库模块还连接有数据储存模块。
4.根据权利要求3所述的一种基于大数据的卷烟零售市场监管难度系数的测算系统,其特征在于,数据储存模块包括数据转换器模块,通过数据转换器模块将信号由光信号转化为电信号,同时转化后的信号数据传递至数据压缩模块中进行压缩,压缩后的数据信息通过无线传输模块连接数据备份模块,从而实现数据的备份。
5.一种根据权利要求1-4所述的基于大数据的卷烟零售市场监管难度系数的测算方法,其特征在于,具体包括如下步骤:
S1、测算模型思路的构建:本文在具体测算时,先梳理出影响烟草专卖部门市场监管效果的主要因素,同时结合大数据技术,选取全样本值用作子因素系数的测算,降低样品选取不适当引起测算偏差过大的问题,首先,根据所辖单位的物流企业、寄递站点、火车站、汽车站的数据量等因素的难度系数测算取值,取值区间为1-1.20;再用幂函数回归方程的方式修正取值,得出每个单项指标的难度系数;最后进行加权平均得出了企业的难度系数;
S2、测算模型的指标选取具体包括如下几点:
M1、辖区物流企业、寄递站点、火车站、汽车站的数量,非法卷烟主要通过物流快递、铁路和公路等方式进行流通,交通物流运输体系越发达,辖区可能出现的非法卷烟会越多,监管难度将越大;
M2、销售规模:辖区所在的市场商业越繁华,卷烟市场需求量越大,非法卷烟冲击的可能性越大,监管难度越大;
M3、辖区面积:对同一个城市类型而言,面积越大,监管难度越大;
M4、辖区的持证卷烟户数越多,监管难度越大,通过对三年历史数据进行分析,梳理出具有较高违规比例和较重违规历史的重点区域、重点业态、重点群体,确定为重点户;
S3、测算模型的算法构造:借助于ADAS芯片将市场监管难度系数设为函数Y,各因素对应的市场监管难度系数为Yi(i=1-9)、权重为Wi(i=1-9),各因素的数据值为Xi(i=1-9),其中每个因素X值选取,是基于大数据的全样本,避免样本选取偏差,造成测算结果的偏差;
Y=∑Wi·Yi
公式说明,通过多个维度,不同权重共同测算最终的监管难度系数,避免单个维度的片面性和较大的波动性等问题;
Yi=Mi·XiNi
公式说明:从各影响因素和难度系统之间是递增关系,也就是说影响因子越大,难度系统也相应增大,基于这样的特性,我们选择幂函数来表述二者之间的关系;
ln(Yi)=ln(Mi)+Ni·ln(Xi)
公式说明:取对数之后不会改变数据的性质和相关关系,不仅可以将乘法变为加法,更重要的是压缩了变量的尺度和数据的绝对值数据更加平稳;
S4、根据S3的测算结果进行等级的划分。
6.根据权利要求5所述的一种基于大数据的卷烟零售市场监管难度系数的测算方法,其特征在于,所述对S3测算结果进行等级的划分时需要划分成五个等级。
7.根据权利要求6所述的一种基于大数据的卷烟零售市场监管难度系数的测算方法,其特征在于,该五个等级分别为一档、二档、三档、四挡以及五档。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910773697.9A CN110471959A (zh) | 2019-08-21 | 2019-08-21 | 一种基于大数据的卷烟零售市场监管难度系数的测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910773697.9A CN110471959A (zh) | 2019-08-21 | 2019-08-21 | 一种基于大数据的卷烟零售市场监管难度系数的测算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110471959A true CN110471959A (zh) | 2019-11-19 |
Family
ID=68513226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910773697.9A Pending CN110471959A (zh) | 2019-08-21 | 2019-08-21 | 一种基于大数据的卷烟零售市场监管难度系数的测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471959A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858946A (zh) * | 2020-08-06 | 2020-10-30 | 中国烟草总公司四川省公司 | 一种烟草专卖市场监管大数据e-r模型的构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408194A (zh) * | 2016-09-26 | 2017-02-15 | 贵州电网有限责任公司输电运行检修分公司 | 一种基于gis网格化输电线路运维难度量化评估方法 |
CN106529765A (zh) * | 2016-09-30 | 2017-03-22 | 百度在线网络技术(北京)有限公司 | 采集作业的绩效评估方法和装置 |
CN106846194A (zh) * | 2016-12-27 | 2017-06-13 | 广东小天才科技有限公司 | 一种评价课程难度的方法及装置 |
CN107784424A (zh) * | 2017-06-26 | 2018-03-09 | 平安科技(深圳)有限公司 | 任务管理方法、装置、计算机设备及存储介质 |
CN107918655A (zh) * | 2017-11-16 | 2018-04-17 | 重庆三峡学院 | 一种试卷生成管理控制系统及控制方法 |
CN109492843A (zh) * | 2017-09-11 | 2019-03-19 | 智慧互通科技有限公司 | 一种城市停车难度指数的确定方法及装置 |
-
2019
- 2019-08-21 CN CN201910773697.9A patent/CN110471959A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408194A (zh) * | 2016-09-26 | 2017-02-15 | 贵州电网有限责任公司输电运行检修分公司 | 一种基于gis网格化输电线路运维难度量化评估方法 |
CN106529765A (zh) * | 2016-09-30 | 2017-03-22 | 百度在线网络技术(北京)有限公司 | 采集作业的绩效评估方法和装置 |
CN106846194A (zh) * | 2016-12-27 | 2017-06-13 | 广东小天才科技有限公司 | 一种评价课程难度的方法及装置 |
CN107784424A (zh) * | 2017-06-26 | 2018-03-09 | 平安科技(深圳)有限公司 | 任务管理方法、装置、计算机设备及存储介质 |
CN109492843A (zh) * | 2017-09-11 | 2019-03-19 | 智慧互通科技有限公司 | 一种城市停车难度指数的确定方法及装置 |
CN107918655A (zh) * | 2017-11-16 | 2018-04-17 | 重庆三峡学院 | 一种试卷生成管理控制系统及控制方法 |
Non-Patent Citations (1)
Title |
---|
王笑天: ""抚顺市卷烟专卖市场监管体系建设研究"" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111858946A (zh) * | 2020-08-06 | 2020-10-30 | 中国烟草总公司四川省公司 | 一种烟草专卖市场监管大数据e-r模型的构建方法 |
CN111858946B (zh) * | 2020-08-06 | 2024-04-23 | 中国烟草总公司四川省公司 | 一种烟草专卖市场监管大数据e-r模型的构建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108022043B (zh) | 一种异常用电行为的识别方法、装置及中央服务器 | |
Juaneda et al. | Pricing the time and location of a stay at a hotel or apartment | |
CN102663616A (zh) | 一种基于多触点归因模型的网络广告效果衡量方法和系统 | |
CN103310353B (zh) | 一种抗攻击的数据过滤优化系统和方法 | |
CN102663501A (zh) | 智能电网评价系统及方法 | |
Arias-Londoño et al. | A chronological literature review of electric vehicle interactions with power distribution systems | |
CN105574606A (zh) | 一种基于负荷特性指标体系的用电避峰方法 | |
CN115600824B (zh) | 一种碳排放的预警方法及装置、存储介质、电子设备 | |
CN109816266A (zh) | 使用时间维度进行工程经济数据实时对比的方法及系统 | |
CN105913320A (zh) | 对具有资产转让信息的数据进行处理的方法和装置 | |
CN107220781A (zh) | 一种充电设施使用率评估方法及装置 | |
JP2023509102A (ja) | 最終価格算定部を有する土地時価推定システム及び推定方法 | |
CN109636465A (zh) | 一种基于电量等效价值波动的微电网售电套餐设计方法 | |
CN110471959A (zh) | 一种基于大数据的卷烟零售市场监管难度系数的测算方法 | |
CN105354664A (zh) | 一种输变电工程项目造价风险评价指标体系优化的方法 | |
CN107977855A (zh) | 一种管理用户信息的方法及装置 | |
WO2004114064A2 (en) | Method and system for collection and analysis of shareholder information | |
CN109858756A (zh) | 一种服务质量缺陷诊断方法和装置 | |
Leung et al. | Spatio-temporal analysis of Australia Post parcel locker use during the initial system growth phase in Queensland (2013–2017) | |
CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
CN111882123B (zh) | 一种大数据智能决策的智慧社区物流终端选址方法 | |
Baltputnis et al. | Estimating the Benefit from Independent Aggregation in the Day-Ahead Market | |
CN109754265B (zh) | 一种数据处理方法及装置 | |
Puckett et al. | Freight stakeholders’ sensitivities under road user charging: a latent class approach | |
CN116937816B (zh) | 一种智能边缘计算网关 |
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 |
Application publication date: 20191119 |