CN110659433A - Poi价值评估的方法、装置、设备和计算机存储介质 - Google Patents

Poi价值评估的方法、装置、设备和计算机存储介质 Download PDF

Info

Publication number
CN110659433A
CN110659433A CN201910706799.9A CN201910706799A CN110659433A CN 110659433 A CN110659433 A CN 110659433A CN 201910706799 A CN201910706799 A CN 201910706799A CN 110659433 A CN110659433 A CN 110659433A
Authority
CN
China
Prior art keywords
poi
value
model
peripheral
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.)
Granted
Application number
CN201910706799.9A
Other languages
English (en)
Other versions
CN110659433B (zh
Inventor
范淼
黄际洲
卓安
李莹
李平
王海峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910706799.9A priority Critical patent/CN110659433B/zh
Publication of CN110659433A publication Critical patent/CN110659433A/zh
Priority to US16/936,190 priority patent/US11468349B2/en
Application granted granted Critical
Publication of CN110659433B publication Critical patent/CN110659433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • 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
    • G06F16/29—Geographical information databases
    • 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
    • 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
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种POI(兴趣点)价值评估的方法、装置、设备和计算机存储介质，其中方法包括：获取一定区域范围内已知价值的各第一POI的信息和未知价值的各第二POI的信息；构建价值评估模型；价值重估模型用于利用第一POI的周边POI的价值，对第一POI的价值进行重估，周边POI包括距离该第一POI预设距离范围内的其他第一POI和第二POI，并利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整周边POI中第二POI的价值；训练价值评估模型至误差最小化；从价值评估模型获取第二POI的价值。这种方式相比较通过人工逐一对POI的价值进行评估的方式，大大降低了对人力的要求，提高了评估效率。

Description

POI价值评估的方法、装置、设备和计算机存储介质
【技术领域】
本发明涉及计算机应用技术领域，特别涉及一种POI价值评估的方法、装置、设备和计算机存储介质。
【背景技术】
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就被认为是现有技术。
POI(Point of Interest)指的是兴趣点，是地理信息系统中的一个术语，泛指一切可以抽象为点的地理对象，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站、一所学校、一个医院，等等。POI的主要用途是对事物或事件的位置进行描述，从而增强对事物或事件位置的描述能力和查询能力。
在互联网地图类应用中，POI扮演了非常重要的角色。因为POI信息的采集是一个非常费时费力的工作，例如需要地图测绘人员携带精密的测绘仪去获取一个兴趣点的经纬度，然后再标记下来。因此POI的数量和质量在一定程度上代表整个互联网地图类应用的价值。
随着地图类应用功能的不断丰富和用户需求的不断提高，希望能够对各POI的价值进行客观的评估和展现。对POI的价值评估需要专业的评估人员参考多方面的因素给出评估结果，一方面对于评估人员的知识背景要求较高，另一方面对地图类应用中海量的POI逐一依靠评估人员进行评估显然费时费力，甚至不可能完成。
【发明内容】
有鉴于此，本发明提供了一种POI价值评估的方法、装置、设备和计算机存储介质，以便于降低对人力的要求，提高评估效率。
具体技术方案如下：
一方面，本发明提供了一种POI价值评估的方法，该方法包括：
获取一定区域范围内已知价值的各第一POI的信息和未知价值的各第二POI的信息；
构建价值评估模型；所述价值重估模型用于利用第一POI的周边POI的价值，对第一POI的价值进行重估，所述周边POI包括距离该第一POI预设距离范围内的其他第一POI和第二POI，并利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值；
训练所述价值评估模型至所述误差最小化；
从所述价值评估模型获取第二POI的价值。
根据本发明一优选实施方式，所述价值评估模型为多元回归模型，采用梯度下降算法进行训练。
根据本发明一优选实施方式，所述价值评估模型的训练过程包括：
初始化各第二POI的价值；
利用第一POI的周边POI的价值，对第一POI的价值进行重估；
利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值，重新转至所述利用第一POI的周边POI的价值，对第一POI的价值进行重估，直至所述误差值满足预设要求。
根据本发明一优选实施方式，所述利用第一POI的周边POI的价值，对第一POI的价值进行重估包括：
利用第一POI的周边POI的价值、各周边POI对第一POI的价值影响函数、第一POI的属性特征以及各属性特征对第一POI的价值影响函数，对第一POI的价值进行重估；
在训练所述价值评估模型的过程中，调整所述周边POI对第一POI的价值影响函数中的参数值、所述属性特征对第一POI的价值影响函数中的参数值以及第二POI的价值。
根据本发明一优选实施方式，所述周边POI对第一POI的价值影响函数取决于各周边POI与第一POI之间的距离。
根据本发明一优选实施方式，采用MapReduce方式训练所述价值评估模型。
根据本发明一优选实施方式，采用MapReduce方式训练所述价值评估模型包括：
将各实例分配给多个计算节点分别执行所述重估和所述误差的确定，其中每个实例包括第一POI的信息和该第一POI的周边POI的信息；
收集和整合各计算节点针对各实例确定的模型参数和第二POI的价值的调整值，分别针对各模型参数和第二POI的价值重新确定对应的调整值。
根据本发明一优选实施方式，该方法还包括：
将从所述价值评估模型获取的第二POI的价值存储于数据库。
根据本发明一优选实施方式，该方法还包括：
接收到针对第二POI的查询请求后，查询所述数据库并返回请求查询的第二POI的价值信息。
根据本发明一优选实施方式，所述第一POI为房产类POI，所述第二POI为公共设施类POI。
第二方面，本发明提供了一种POI价值评估的装置，该装置包括：
获取单元，用于获取一定区域范围内已知价值的各第一POI的信息和未知价值的各第二POI的信息；
构建单元，用于构建价值评估模型；所述价值重估模型用于利用第一POI的周边POI的价值，对第一POI的价值进行重估，所述周边POI包括距离该第一POI预设距离范围内的其他第一POI和第二POI，并利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值；
训练单元，用于训练所述价值评估模型至所述误差最小化；
输出单元，用于从所述价值评估模型获取第二POI的价值。
根据本发明一优选实施方式，所述价值评估模型为多元回归模型，采用梯度下降算法进行训练。
根据本发明一优选实施方式，所述价值评估模型利用第一POI的周边POI的价值、各周边POI对第一POI的价值影响函数、第一POI的属性特征以及各属性特征对第一POI的价值影响函数，对第一POI的价值进行重估；
所述训练单元在训练所述价值评估模型的过程中，调整所述周边POI对第一POI的价值影响函数中的参数值、所述属性特征对第一POI的价值影响函数中的参数值以及第二POI的价值。
根据本发明一优选实施方式，所述周边POI对第一POI的价值影响函数取决于各周边POI与第一POI之间的距离。
根据本发明一优选实施方式，所述训练单元采用MapReduce方式训练所述价值评估模型，具体执行：
将各实例分配给多个计算节点分别执行所述重估和所述误差的确定，其中每个实例包括第一POI的信息和该第一POI的周边POI的信息；
收集并整合各计算节点针对各实例确定的模型参数和第二POI的价值的调整值，分别针对各模型参数和第二POI的价值重新确定对应的调整值。
根据本发明一优选实施方式，该装置还包括：
存储单元，用于将从所述价值评估模型获取的第二POI的价值存储于数据库。
根据本发明一优选实施方式，该装置还包括：
查询单元，用于接收到针对第二POI的查询请求后，查询所述数据库并返回请求查询的第二POI的价值信息。
根据本发明一优选实施方式，所述第一POI为房产类POI，所述第二POI为公共设施类POI。
第三方面，本发明提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一所述的方法。
第四方面，本发明提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上任一所述的方法。
由以上技术方案可以看出，本发明在训练价值评估模型的过程中，利用周边未知价值的第二POI的价值对已知价值的第一POI的价值进行重估，利用第一POI的重估价值和已知价值的误差对第二POI的价值进行调整，以此不断迭代得到各第二POI的价值。这种方式相比较通过人工逐一对POI的价值进行评估的方式，大大降低了对人力的要求，提高了评估效率。
【附图说明】
图1示出了可以应用本发明实施例的方法或装置的示例性系统架构；
图2为本发明实施例提供的主要方法流程图；
图3a和图3b为本发明实施例提供的POI分布的示例图；
图4为本发明实施例提供的POI价值评估的装置结构示意图；
图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器的框图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
图1示出了可以应用本发明实施例的方法或装置的示例性系统架构。如图1所示，该系统架构可以包括终端设备101和102，网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101和102通过网络103与服务器104交互。终端设备101和102上可以安装有各种应用，例如地图类应用、网页浏览器应用、通信类应用等。
终端设备101和102可以是能够运行地图类应用的各类用户设备。包括但不限于智能手机、平板电脑、PC、智能电视等等。本发明所提供的POI价值评估的装置可以设置并运行于上述服务器104中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块，在此不做具体限定。服务器104可以与数据库105之间进行交互，具体地，服务器104可以从数据库105中获取数据，也可以将数据存储于数据库105中。
例如，POI价值评估的装置设置并运行于上述服务器104中，服务器104采用本发明实施例提供的方法进行POI价值评估，然后将得到的POI的价值的相关数据存储于数据库105。服务器104能够响应于终端设备101、102的查询请求，查询数据库105，并向终端设备101、102返回所查询POI的价值信息。或者，服务器104也可以将数据库105中存储的POI的价值的相关数据导出给特定的终端设备101、102。具体应用场景将在后续实施例中详述。
服务器104可以是单一服务器，也可以是是多个服务器构成的服务器群组。另外104除了以服务器的形式存在之外，也可以是具有较高计算性能的其他计算机系统或处理器。应该理解，图1中的终端设备、网络、服务器和数据库的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络、服务器和数据库。
在地图类应用采集的各POI中，往往已经存在一些已知价值的POI，这些POI的价值可以是由市场决定的，也可以是经过一些权威机构确定的，等等。本发明的核心思想在于，利用已知价值的POI和未知价值的POI之间基于位置关系的相互影响来构建模型，从而评估未知价值的POI的价值。下面结合实施例对本发明进行详细描述。
图2为本发明实施例提供的主要方法流程图，该方法可以由计算机系统或处理器执行。如图2中所示，该方法可以包括以下步骤：
在201中，获取一定区域范围内已知价值的各第一POI的信息和未知价值的各第二POI的信息。
在本发明实施例中，将已知价值的POI称为第一POI，将未知价值的POI称为第二POI。需要说明的是，本发明实施例中涉及的“第一”、“第二”仅仅为了在名称上对已知价值的POI和位置价值的POI进行区分，并不具有顺序、数量等含义的限定。
本步骤中涉及的“一定区域范围”指的是本次POI价值评估所涉及的范围，例如当针对一个城市进行POI的价值评估时，该一定区域范围指的就是该城市所覆盖的地理区域。同理，该区域范围还可以是一个国家、一个省、一个区等其他行政区划的范围。除此之外，该区域范围还可以是任意指定的地理区域，例如以特定经纬度作为界限所划出的地理区域的范围。
本步骤中并不限于已知价值的各第一POI的信息和未知价值的各第二POI的信息的获取方式。其中，第一POI的价值可以是市场所决定的价值，也可以是权威机构所确定的价值，也可以是其他方式所确定出的价值。
作为一种优选的实施方式，上述第一POI可以为房产类POI，第二POI为公共设施类POI。众所周知地，往往房产类POI的价值体现为房价，通常是由市场决定的。而公共设施类POI的价值往往难以评估，在本发明实施例中，就可以利用已知的房价对公共设施类POI的价值进行评估。
其中，本发明中涉及的公共设施类POI指的是用于为市民提供公共服务产品的各种公共性、服务性设施。例如包括学校、幼儿园、培训机构等的教育类设施的POI，包括医院、诊所、康复机构等的医疗卫生类设施的POI，包括机场、火车站、公交站等的交通类设施的POI，包括体育场、游泳馆、健身房等体育类设施的POI，包括商场、电影院、银行等商业金融服务类POI，包括通信服务中心、供电局等社会福利与保障类设施的POI，等等。
在202中，构建价值评估模型。其中，价值重估模型用于利用第一POI的周边POI的价值，对第一POI的价值进行重估，并利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值。
在构建价值评估模型时，对于第一POI的价值，一方面考虑第一POI的周边POI对该第一POI所产生的价值影响，其中周边POI包括距离该第一POI预设距离范围内的其他第一POI和第二POI。另一方面考虑第一POI自身的属性对该第一POI所产生的价值影响。可以基于这两方面的考虑构建多元回归模型，利用第一POI的周边POI的价值、各周边POI对第一POI的价值影响函数、第一POI的属性特征以及各属性特征对第一POI的价值影响函数，对第一POI的价值进行重估。在后续训练价值评估模型的过程中，调整周边POI对第一POI的价值影响函数中的参数值、所述属性特征对第一POI的价值影响函数中的参数值以及第二POI的价值。
具体地，假设第一POI周围半径l公里的所有POI的价值表示为向量w，其中向量w∈Rk，R代表实数，k代表向量w的维度，l为预设的正整数。由于第一POI的周边除了第二POI之外，也可能包含其他第一POI，因此w可以表示为向量v和u的拼接：
Figure BDA0002152403810000081
其中，向量v表示第一POI周边的其他第一POI的价值向量，向量u表示第一POI周边的第二POI的价值向量。
如图3a中所示，对于已知价值的房产1来说，其周围半径3公里范围内包括学校、公园、加油站、购物中心等未知价值的公共设施类POI，也包括已知价值的房产2。因此房产1的周边POI的价值向量w构成为上述公共设施类POI的价值向量u和房产2的价值向量v的拼接。
周边POI的价值会不同程度的影响中心处第一POI的价值。这种价值影响的程度通常取决于地理空间的距离。假设定义一个以空间距离作为变量的价值影响函数用于衡量每一个周边POI对中心处第一POI的价值所产生的影响，则该价值影响函数F(D；φ)可以表示为：
Figure BDA0002152403810000082
其中，softmax()为指数化归一函数，φ为模型参数，D∈Rt×k，D代表周边k个POI到中心处第一POI的t种距离，该距离可以包括但不限于：空间直线距离、街区距离、步行距离、驾车距离、骑行距离等等。
对于第一POI而言，其属性特征表示为向量x，其中属性特征向量可以包括但不限于：建筑年代、建筑类型、产权类型、开发商、物业公司等等。这些属性对于该第一POI的价值有一定的折扣效应，这个折扣效应就是其属性特征对第一POI的价值影响函数S(x；Θ)，可以采用：
Figure BDA0002152403810000091
其中sigmoid()为S型函数，θ为模型参数。
综合两方面考虑后，对第一POI进行价值重估后得到的第一POI的价值可以采用以下公式：
Figure BDA0002152403810000093
在203中，训练价值评估模型至重估的第一POI的价值与该第一POI的已知价值之间的误差最小化。
对于构建的价值评估模型，从上述公式(4)中可以看出，模型参数φ、θ以及向量u是模型训练过程中需要学习更新的变量。也就是说，在模型训练过程中，迭代调整模型参数φ、θ以及向量u，使得第一POI的重估价值与已知价值之间的误差最小化：
Figure BDA0002152403810000094
其中，i指代第i个实例，是实例的编号，n为实例的总数目。对于步骤201获取的信息，可以将每个第一POI的信息和该第一POI的周边POI的信息构成一个实例。在训练模型时，利用每个实例作为训练样本来进行训练。
Figure BDA0002152403810000095
是第i个实例的第一POI信息的重估价值，其确定方式采用公式(4)，h(i)是第i个实例的第一POI信息的已知价值。
具体的训练过程可以针对每一个实例分别执行以下处理：
S1、初始化各第二POI的价值。
S2、利用第一POI的周边POI的价值，对第一POI的价值进行重估。
S3、利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值，重新转至S2，直至所述误差值满足预设要求，例如误差值小于预设阈值。
其中，周边POI中第二POI的价值也作为多元回归模型中的参数进行调整，除此之外一并进行调整的还包括上述模型参数φ、θ。
在训练模型的过程中，可以采用梯度下降算法进行训练。由于梯度下降算法是已有比较成熟的算法，在此不做详述。
在某些情况下，一定区域范围内的实例数量非常巨大，这需要非常强大的计算资源且耗时较长。为了解决这一问题，本发明实施例中可以采用MapReduce方式训练该价值评估模型。
具体地，可以将各实例分配给多个计算节点(称为Map任务节点)分别执行所述重估和所述误差的确定的处理，针对各实例确定出模型参数和第二POI的价值的调整值。然后由一个计算节点(称为Reduce任务节点)收集各计算节点针对各实例确定的模型参数和第二POI的价值的调整值，分别针对各模型参数和第二POI的价值重新确定对应的调整值。
其中，之所以需要一个Reduce任务节点重新确定调整值，是因为可能存在这样一个问题：一个第二POI在作为一个第一POI的周边POI的同时，其还可能是另外一个第一POI的周边POI。也就是说，一个第二POI可能存在于多个实例中。如图3b中所示，学校分别出现在以房产1为中心的实例以及以房产2为中心的实例中。那么经过多个实例确定出的第二POI的调整值可能并不相同，那么就需要进行整合处理。
具体地，Reduce任务节点可以将同一模型参数的调整值进行求和后得到该模型参数的调整值，将同一第二POI的价值的调整值进行求和后得到该第二POI的价值的调整值。然后将Reduce任务节点确定的模型参数的调整值和第二POI的价值的调整值用于调整对应的模型参数和第二POI的价值后，再由各Map任务节点执行重估和误差确定的处理，以此重复迭代，直至误差均满足预设要求时，输出对应的第二POI的价值。
在204中，从价值评估模型获取第二POI的价值。
经过不断调整模型参数和各第二POI的价值，价值评估模型逐渐趋于收敛。即各实例的误差值满足预设要求，输出此时价值评估模型中各第二POI的价值。
在205中，将从价值评估模型获取的第二POI的价值存储于数据库。
在本发明实施例中，对于一定区域范围内的第二POI可以采用上述方式确定价值，然后将其存储于数据库。由于第一POI的价值已知，因此可以直接存储于数据库。这样数据库中就具有该一定区域范围内各POI的价值数据。
数据库中这些POI的数据可以部分或整体的导出并提供给特定用户。例如，若采用上述方式通过城市的房价评估出各公共设施类POI的价值，则可以将该城市各公共设施类POI的价值提供给政府机构，作为政府机构建设公共设施POI的经济参考。再例如，提供给商业客户，作为其进行POI选址和POI类型方面的投资参考。
在206中，接收到针对第二POI的查询请求后，查询所述数据库并返回请求查询的第二POI的价值信息。
在一些场景下，服务器会接收到来自终端设备的查询请求，该查询请求中包含要查询的第二POI的信息，可以包括但不限于以下场景：
场景一、用户希望查询某个特定第二POI的价值，则将该第二POI的标识信息或名称或位置信息等携带在查询请求中，服务器接收到该查询请求后，在数据库中查询该第二POI对应的价值信息并返回给终端设备。终端设备可以在地图类应用的界面上显示该第二POI的价值信息。
场景二，用户希望查询某个区域范围内的第二POI的价值，则可以将该区域范围的信息携带在查询请求中，服务器接收到该查询请求后，可以利用该区域范围的信息确定该区域范围内的第二POI的信息，例如第二POI的标识信息、名称或位置信息等，查询数据库并返回对应的第二POI的价值信息给终端设备。终端设备可以在地图类应用的界面上显示该区域范围内第二POI的价值信息。
场景三，用户希望查询某个类型的第二POI的价值，则可以将该类型的信息携带在查询请求中，服务器接收到该查询请求后，查询数据库，将该类型的所有第二POI的价值信息返回给终端设备。终端设备可以在地图类应用的界面上显示该类型的所有第二POI的价值信息。
上述查询以第二POI的价值为例，当然如果数据库中保存有第一POI的价值，也可以实现针对第一POI的价值查询。
图4为本发明实施例提供的POI价值评估的装置结构示意图，如图4中所示，该装置可以包括：获取单元01、构建单元02、训练单元03和输出单元04，还可以进一步包括存储单元05和查询单元06。其中各组成单元的主要功能如下：
获取单元01负责获取一定区域范围内已知价值的各第一POI的信息和未知价值的各第二POI的信息。
构建单元02负责构建价值评估模型；价值重估模型用于利用第一POI的周边POI的价值，对第一POI的价值进行重估，周边POI包括距离该第一POI预设距离范围内的其他第一POI和第二POI，并利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整周边POI中第二POI的价值。
训练单元03负责训练价值评估模型至误差最小化。
其中，构建单元02构建的价值评估模型可以为多元回归模型，其中第二POI的价值也作为多元回归模型中需要迭代调整的参数。训练单元03可以采用梯度下降算法进行训练。
其中，价值评估模型利用第一POI的周边POI的价值、各周边POI对第一POI的价值影响函数(周边POI对第一POI的价值影响函数取决于各周边POI与第一POI之间的距离，可以采用方法实施例中的公式(2))、第一POI的属性特征以及各属性特征对第一POI的价值影响函数(可以采用方法实施例中的公式(3))，对第一POI的价值进行重估。具体重估的方式可以采用方法实施例中的公式(4)。
训练单元03在训练价值评估模型的过程中，调整周边POI对第一POI的价值影响函数中的参数值、属性特征对第一POI的价值影响函数中的参数值以及第二POI的价值。
为了提高模型训练的效率，优选地，训练单元03可以采用MapReduce方式训练价值评估模型，具体执行：
将各实例分配给多个计算节点(Map任务节点)分别执行重估和误差的确定，其中每个实例包括第一POI的信息和该第一POI的周边POI的信息；由一个计算节点(Reduce任务节点)收集并整合各计算节点针对各实例确定的模型参数和第二POI的价值的调整值，分别针对各模型参数和第二POI的价值重新确定对应的调整值。
具体地，Reduce任务节点可以将同一模型参数的调整值进行求和后得到该模型参数的调整值，将同一第二POI的价值的调整值进行求和后得到该第二POI的价值的调整值。然后将Reduce任务节点确定的模型参数的调整值和第二POI的价值的调整值用于调整对应的模型参数和第二POI的价值后，再由各Map任务节点执行重估和误差确定的处理，以此重复迭代，直至误差均满足预设要求时，输出对应的第二POI的价值。
输出单元04负责从价值评估模型获取第二POI的价值。
存储单元05负责将从价值评估模型获取的第二POI的价值存储于数据库，同时也可以将各已知价值的第一POI的价值也存储于数据库。
查询单元06负责接收到针对第二POI的查询请求后，查询数据库并返回请求查询的第二POI的价值信息。
作为一种优选的实施方式，上述第一POI为房产类POI，第二POI为公共设施类POI。
图5示出了适于用来实现本发明实施方式的示例性计算机系统/服务器012的框图。图5显示的计算机系统/服务器012仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统/服务器012以通用计算设备的形式表现。计算机系统/服务器012的组件可以包括但不限于：一个或者多个处理器或者处理单元016，系统存储器028，连接不同系统组件(包括系统存储器028和处理单元016)的总线018。
总线018表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器012典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器012访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器028可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)030和/或高速缓存存储器032。计算机系统/服务器012可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统034可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线018相连。存储器028可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块042的程序/实用工具040，可以存储在例如存储器028中，这样的程序模块042包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块042通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器012也可以与一个或多个外部设备014(例如键盘、指向设备、显示器024等)通信，在本发明中，计算机系统/服务器012与外部雷达设备进行通信，还可与一个或者多个使得用户能与该计算机系统/服务器012交互的设备通信，和/或与使得该计算机系统/服务器012能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口022进行。并且，计算机系统/服务器012还可以通过网络适配器020与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器020通过总线018与计算机系统/服务器012的其它模块通信。应当明白，尽管图5中未示出，可以结合计算机系统/服务器012使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元016通过运行存储在系统存储器028中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的方法流程。
上述的计算机程序可以设置于计算机存储介质中，即该计算机存储介质被编码有计算机程序，该程序在被一个或多个计算机执行时，使得一个或多个计算机执行本发明上述实施例中所示的方法流程和/或装置操作。例如，被上述一个或多个处理器执行本发明实施例所提供的方法流程。
随着时间、技术的发展，介质含义越来越广泛，计算机程序的传播途径不再受限于有形介质，还可以直接从网络下载等。可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
由以上描述可以看出，本发明实施例提供的方法、装置、设备和计算机存储介质可以具备以下优点：
1)本发明在训练价值评估模型的过程中，利用周边未知价值的第二POI的价值对已知价值的第一POI的价值进行重估，利用第一POI的重估价值和已知价值的误差对第二POI的价值进行调整，以此不断迭代得到各第二POI的价值。这种方式相比较通过人工逐一对POI的价值进行评估的方式，大大降低了对人力的要求，提高了评估效率。
2)本发明可以利用房产类POI这种价值通过市场决定的POI，分析得到公共设施类POI的价值，弥补了现有技术中无法对公共设施类POI的价值进行合理评估的技术缺陷。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (20)

1.一种兴趣点POI价值评估的方法，其特征在于，该方法包括：
获取一定区域范围内已知价值的各第一POI的信息和未知价值的各第二POI的信息；
构建价值评估模型；所述价值重估模型用于利用第一POI的周边POI的价值，对第一POI的价值进行重估，所述周边POI包括距离该第一POI预设距离范围内的其他第一POI和第二POI，并利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值；
训练所述价值评估模型至所述误差最小化；
从所述价值评估模型获取第二POI的价值。
2.根据权利要求1所述的方法，其特征在于，所述价值评估模型为多元回归模型，采用梯度下降算法进行训练。
3.根据权利要求1所述的方法，其特征在于，所述价值评估模型的训练过程包括：
初始化各第二POI的价值；
利用第一POI的周边POI的价值，对第一POI的价值进行重估；
利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值，重新转至所述利用第一POI的周边POI的价值，对第一POI的价值进行重估，直至所述误差值满足预设要求。
4.根据权利要求1所述的方法，其特征在于，所述利用第一POI的周边POI的价值，对第一POI的价值进行重估包括：
利用第一POI的周边POI的价值、各周边POI对第一POI的价值影响函数、第一POI的属性特征以及各属性特征对第一POI的价值影响函数，对第一POI的价值进行重估；
在训练所述价值评估模型的过程中，调整所述周边POI对第一POI的价值影响函数中的参数值、所述属性特征对第一POI的价值影响函数中的参数值以及第二POI的价值。
5.根据权利要求4所述的方法，其特征在于，所述周边POI对第一POI的价值影响函数取决于各周边POI与第一POI之间的距离。
6.根据权利要求1所述的方法，其特征在于，采用MapReduce方式训练所述价值评估模型。
7.根据权利要求6所述的方法，其特征在于，采用MapReduce方式训练所述价值评估模型包括：
将各实例分配给多个计算节点分别执行所述重估和所述误差的确定，其中每个实例包括第一POI的信息和该第一POI的周边POI的信息；
收集和整合各计算节点针对各实例确定的模型参数和第二POI的价值的调整值，分别针对各模型参数和第二POI的价值重新确定对应的调整值。
8.根据权利要求1所述的方法，其特征在于，该方法还包括：
将从所述价值评估模型获取的第二POI的价值存储于数据库。
9.根据权利要求8所述的方法，其特征在于，该方法还包括：
接收到针对第二POI的查询请求后，查询所述数据库并返回请求查询的第二POI的价值信息。
10.根据权利要求1所述的方法，其特征在于，所述第一POI为房产类POI，所述第二POI为公共设施类POI。
11.一种POI价值评估的装置，其特征在于，该装置包括：
获取单元，用于获取一定区域范围内已知价值的各第一POI的信息和未知价值的各第二POI的信息；
构建单元，用于构建价值评估模型；所述价值重估模型用于利用第一POI的周边POI的价值，对第一POI的价值进行重估，所述周边POI包括距离该第一POI预设距离范围内的其他第一POI和第二POI，并利用重估的第一POI的价值与该第一POI的已知价值之间的误差，调整所述周边POI中第二POI的价值；
训练单元，用于训练所述价值评估模型至所述误差最小化；
输出单元，用于从所述价值评估模型获取第二POI的价值。
12.根据权利要求11所述的装置，其特征在于，所述价值评估模型为多元回归模型，采用梯度下降算法进行训练。
13.根据权利要求11所述的装置，其特征在于，所述价值评估模型利用第一POI的周边POI的价值、各周边POI对第一POI的价值影响函数、第一POI的属性特征以及各属性特征对第一POI的价值影响函数，对第一POI的价值进行重估；
所述训练单元在训练所述价值评估模型的过程中，调整所述周边POI对第一POI的价值影响函数中的参数值、所述属性特征对第一POI的价值影响函数中的参数值以及第二POI的价值。
14.根据权利要求13所述的装置，其特征在于，所述周边POI对第一POI的价值影响函数取决于各周边POI与第一POI之间的距离。
15.根据权利要求11所述的装置，其特征在于，所述训练单元采用MapReduce方式训练所述价值评估模型，具体执行：
将各实例分配给多个计算节点分别执行所述重估和所述误差的确定，其中每个实例包括第一POI的信息和该第一POI的周边POI的信息；
收集并整合各计算节点针对各实例确定的模型参数和第二POI的价值的调整值，分别针对各模型参数和第二POI的价值重新确定对应的调整值。
16.根据权利要求11所述的装置，其特征在于，该装置还包括：
存储单元，用于将从所述价值评估模型获取的第二POI的价值存储于数据库。
17.根据权利要求16所述的装置，其特征在于，该装置还包括：
查询单元，用于接收到针对第二POI的查询请求后，查询所述数据库并返回请求查询的第二POI的价值信息。
18.根据权利要求11所述的装置，其特征在于，所述第一POI为房产类POI，所述第二POI为公共设施类POI。
19.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。
20.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一所述的方法。
CN201910706799.9A 2019-08-01 2019-08-01 Poi价值评估的方法、装置、设备和计算机存储介质 Active CN110659433B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910706799.9A CN110659433B (zh) 2019-08-01 2019-08-01 Poi价值评估的方法、装置、设备和计算机存储介质
US16/936,190 US11468349B2 (en) 2019-08-01 2020-07-22 POI valuation method, apparatus, device and computer storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910706799.9A CN110659433B (zh) 2019-08-01 2019-08-01 Poi价值评估的方法、装置、设备和计算机存储介质

Publications (2)

Publication Number Publication Date
CN110659433A true CN110659433A (zh) 2020-01-07
CN110659433B CN110659433B (zh) 2020-12-18

Family

ID=69036943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910706799.9A Active CN110659433B (zh) 2019-08-01 2019-08-01 Poi价值评估的方法、装置、设备和计算机存储介质

Country Status (2)

Country Link
US (1) US11468349B2 (zh)
CN (1) CN110659433B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111563666A (zh) * 2020-04-24 2020-08-21 武汉理工大学 一种基于网络热度的城市公共服务设施空间配置评价方法
CN112559663A (zh) * 2020-12-15 2021-03-26 北京百度网讯科技有限公司 Poi数据处理方法、装置、设备、存储介质和程序产品

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11132514B1 (en) * 2020-03-16 2021-09-28 Hong Kong Applied Science and Technology Research Institute Company Limited Apparatus and method for applying image encoding recognition in natural language processing
US11244411B2 (en) * 2020-03-30 2022-02-08 Sharp Nec Display Solutions. Ltd. Information processing system, method, and computer readable medium for graphical user interface

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1422631A2 (en) * 2002-11-25 2004-05-26 Simmonds Precision Products, Inc. Method and apparatus for fast interpolation of multi-dimensional functions with non-rectangular data sets
CN102254277A (zh) * 2011-06-27 2011-11-23 中国建设银行股份有限公司 一种用于房地产估值的数据处理系统与方法
CN102933938A (zh) * 2010-02-08 2013-02-13 通腾波兰股份有限公司 用于评估兴趣点的属性的方法及设备
CN103823900A (zh) * 2014-03-17 2014-05-28 北京百度网讯科技有限公司 信息点重要性确定方法和装置
CN105243136A (zh) * 2015-09-30 2016-01-13 北京奇虎科技有限公司 一种挖掘互联网中的兴趣点poi数据的方法和装置
JP2016018237A (ja) * 2014-07-04 2016-02-01 日本電信電話株式会社 訪問ｐｏｉ推定装置およびその動作方法
CN105321131A (zh) * 2015-11-06 2016-02-10 厦门均达网络科技有限公司 一种房地产价值评估系统及评估方法
CN105608112A (zh) * 2015-12-10 2016-05-25 北京奇虎科技有限公司 衡量地图poi数据的质量的方法和装置
CN105956885A (zh) * 2016-05-16 2016-09-21 温州市鹿城区中津先进科技研究院 车辆广告投放计价参考值的计算方法及装置
CN108572988A (zh) * 2017-03-13 2018-09-25 阿里巴巴集团控股有限公司 一种房产评估数据生成方法和装置
CN108985598A (zh) * 2018-06-29 2018-12-11 中国地质大学（武汉） 一种基于用户生成内容的poi空间影响力评价方法及系统
CN109190053A (zh) * 2018-07-04 2019-01-11 南京邮电大学 一种基于兴趣点重要性和用户权威性的兴趣点推荐方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8676680B2 (en) * 2006-02-03 2014-03-18 Zillow, Inc. Automatically determining a current value for a home
US10984489B1 (en) * 2014-02-13 2021-04-20 Zillow, Inc. Estimating the value of a property in a manner sensitive to nearby value-affecting geographic features
US11093982B1 (en) * 2014-10-02 2021-08-17 Zillow, Inc. Determine regional rate of return on home improvements
EP3282271A1 (de) * 2016-08-08 2018-02-14 Siemens Healthcare GmbH Verfahren zu einem einstellen und/oder anpassen von einem parameterwert von zumindest einem parameter eines magnetresonanzprotokolls für zumindest eine magnetresonanzsequenz
US20200118228A1 (en) * 2018-10-11 2020-04-16 Andrew John Harrington Crex agent, a pattern matching real estate valuation platform

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1422631A2 (en) * 2002-11-25 2004-05-26 Simmonds Precision Products, Inc. Method and apparatus for fast interpolation of multi-dimensional functions with non-rectangular data sets
CN102933938A (zh) * 2010-02-08 2013-02-13 通腾波兰股份有限公司 用于评估兴趣点的属性的方法及设备
CN102254277A (zh) * 2011-06-27 2011-11-23 中国建设银行股份有限公司 一种用于房地产估值的数据处理系统与方法
CN103823900A (zh) * 2014-03-17 2014-05-28 北京百度网讯科技有限公司 信息点重要性确定方法和装置
JP2016018237A (ja) * 2014-07-04 2016-02-01 日本電信電話株式会社 訪問ｐｏｉ推定装置およびその動作方法
CN105243136A (zh) * 2015-09-30 2016-01-13 北京奇虎科技有限公司 一种挖掘互联网中的兴趣点poi数据的方法和装置
CN105321131A (zh) * 2015-11-06 2016-02-10 厦门均达网络科技有限公司 一种房地产价值评估系统及评估方法
CN105608112A (zh) * 2015-12-10 2016-05-25 北京奇虎科技有限公司 衡量地图poi数据的质量的方法和装置
CN105956885A (zh) * 2016-05-16 2016-09-21 温州市鹿城区中津先进科技研究院 车辆广告投放计价参考值的计算方法及装置
CN108572988A (zh) * 2017-03-13 2018-09-25 阿里巴巴集团控股有限公司 一种房产评估数据生成方法和装置
CN108985598A (zh) * 2018-06-29 2018-12-11 中国地质大学（武汉） 一种基于用户生成内容的poi空间影响力评价方法及系统
CN109190053A (zh) * 2018-07-04 2019-01-11 南京邮电大学 一种基于兴趣点重要性和用户权威性的兴趣点推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈逸霖 等: ""基于POI大数据的地铁站点土地价值绩效性评估"", 《城市建筑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111563666A (zh) * 2020-04-24 2020-08-21 武汉理工大学 一种基于网络热度的城市公共服务设施空间配置评价方法
CN111563666B (zh) * 2020-04-24 2023-04-25 武汉理工大学 一种基于网络热度的城市公共服务设施空间配置评价方法
CN112559663A (zh) * 2020-12-15 2021-03-26 北京百度网讯科技有限公司 Poi数据处理方法、装置、设备、存储介质和程序产品
CN112559663B (zh) * 2020-12-15 2024-03-08 北京百度网讯科技有限公司 Poi数据处理方法、装置、设备、存储介质和程序产品

Also Published As

Publication number Publication date
US11468349B2 (en) 2022-10-11
US20210034993A1 (en) 2021-02-04
CN110659433B (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN110659433B (zh) Poi价值评估的方法、装置、设备和计算机存储介质
WO2016150407A1 (zh) 一种基于地址解析数据的建设用地类型快速识别方法
Pettit et al. A new toolkit for land value analysis and scenario planning
CN110008414B (zh) 地理信息点的确定方法和装置
Wang et al. A back‐propagation neural network‐based approach for multi‐represented feature matching in update propagation
Koschinsky et al. The welfare benefit of a home’s location: an empirical comparison of spatial and non-spatial model estimates
Liu et al. A generalized framework for measuring pedestrian accessibility around the world using open data
CN110633726A (zh) 一种房源识别方法、装置、存储介质及电子设备
WO2021203728A1 (zh) 一种展业区域的选址方法、装置、计算机设备和介质
US9626796B2 (en) Method to optimize the visualization of a map's projection based on data and tasks
CN107506499A (zh) 兴趣点与建筑物之间建立逻辑关系的方法、装置及服务器
CN104320848B (zh) 基于云计算实现室内定位的系统及方法
CN112052848B (zh) 街区标注中样本数据的获取方法及装置
CN108898244B (zh) 一种耦合多源要素的数字标牌位置推荐方法
CN110765280A (zh) 地址识别方法和装置
Cetl et al. A comparison of address geocoding techniques–case study of the city of Zagreb, Croatia
CN114693351A (zh) 信息预测方法、装置以及电子设备
CN114757518A (zh) 资产评估方法、装置、设备及介质
CN111126422A (zh) 行业模型的建立及行业的确定方法、装置、设备及介质
Haldorson High demand for local area level statistics–How do National Statistical Institutes respond?
Naser et al. From traditional house price appraisal to computer vision-based: A survey
CN115438719A (zh) 数据处理方法、装置、服务器及存储介质
CN114925680A (zh) 物流兴趣点信息生成方法、装置、设备和计算机可读介质
CN108021656B (zh) 比对坐标的生成方法、装置、服务器及存储介质
CN114329236A (zh) 一种数据处理方法及装置

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