CN111667026A - 一种多媒体设备地理位置的排错方法及装置 - Google Patents
一种多媒体设备地理位置的排错方法及装置 Download PDFInfo
- Publication number
- CN111667026A CN111667026A CN202010623304.9A CN202010623304A CN111667026A CN 111667026 A CN111667026 A CN 111667026A CN 202010623304 A CN202010623304 A CN 202010623304A CN 111667026 A CN111667026 A CN 111667026A
- Authority
- CN
- China
- Prior art keywords
- category
- area
- multimedia
- center point
- geographic
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种多媒体设备地理位置的排错方法及装置,所述方法包括:获取待排查区域内各个多媒体设备的地理位置,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的;将待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,n为正整数;分别获取n类排查类别中每类排查类别的类别中心点的地理位置;判断各类别中心点的地理位置是否都属于所述待排查区域;若否,将不属于所述待排查区域的类别中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出。本发明避免了采用人工核查多媒体设备地理位置所带来的工作量大,效率低和人工成本高的问题,不仅大大的提高了排查效率,还降低了人工成本。
Description
技术领域
本发明涉及电梯媒体技术领域,具体涉及一种多媒体设备地理位置的排错方法及装置。
背景技术
随着4G、5G和物联网技术的兴起,新一代多媒体广告媒介正逐渐走进人们的日常生活中。电梯媒体成为新一代多媒体广告媒介的标志性成果,电梯媒体主要以电梯多媒体设备为主(如电梯播放屏),其用于投放各种广告,而电梯多媒体设备的位置(也称为点位)准确性对于分析点位上刊率、点位成本、剔除低效点位和维持产品的竞争性都有较大的价值。
目前,对于各个电梯多媒体设备的位置统计都是基于楼盘,而信息的录入全靠线下人员手工记录再上传系统,存在记录错误和上传错误的可能,对于后续的数据分析会产生一系列的不利影响,所以,为了保证电梯多媒体地理位置的准确性,需要对系统上的数据进行核实,而目前基本都需要人员手工核对,且非常依赖于检查频次,不仅工作量大,效率低,还需要花费较高的人工成本。所以,如何进行电梯多媒体设备地理位置的快速核查,成为一个亟待解决的问题。
发明内容
为了解决现有电梯多媒体设备的地理位置核实使用人工所存在的工作量大、效率低和成本高的问题,本发明的目的在于提供一种能够对电梯多媒体设备的地理位置进行快速核查的排错方法、装置和计算机可读存储介质。
第一方面,本发明提供了一种多媒体设备地理位置的排错方法,包括:
获取待排查区域内各个多媒体设备的地理位置,其中,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的;
将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,其中,n为正整数;
分别获取所述n类排查类别中每类排查类别的类别中心点的地理位置;
判断各类别中心点的地理位置是否都属于所述待排查区域;
若否,将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,其中,所述第一核查中心点中的每个第一核查中心点为地理位置不属于所述待排查区域的类别中心点。
基于上述公开的内容,本发明通过多媒体设备本身的地理位置,利用数据聚类,将待排查区域中所有多媒体设备的地理位置进行分类,通过获取每个类别的类别中心点的地理位置,来代表对应类别中包含的所有多媒体设备的地理位置,最后,只需判别每个类别的类别中心点的地理位置是否属于待排查区域(即类别中心点的地理位置是否在待排查区域内),即可得出对应类别内所有多媒体设备的地理位置是否属于待排查区域,进而实现多媒体设备地理位置的快速核查与排错。
通过上述设计,本发明避免了采用人工核查多媒体设备地理位置所带来的工作量大,效率低和人工成本高的问题,不仅大大的提高了排查效率,还降低了人工成本。
在一个可能的设计中,将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,包括:
判断所述每个第一核查中心点所属排查类别中所有多媒体设备的地理位置是否都属于所述待排查区域;
若否,将不属于所述待排查区域的所述多媒体设备的地理位置,作为错误数据,进行输出。
基于上述公开的内容,本发明在判断出有类别中心点的地理位置不属于待排查区域后,还会进行二次判断,即将每一个不属于待排查区域的类别中心点所对应的排查类别中所有的多媒体设备的地理位置分别进行逐一排查,进而判断各个多媒体设备的地理位置是否都属于待排查区域,最后,只将不属于待排查区域的多媒体设备的地理位置,作为错误数据,进行输出;而对于属于待排查区域的多媒体设备的地理位置,则说明在第一次判断中判断出错,可以进行取消输出操作,以便出现排查出错。通过上述设计,可进一步的提高位置核实的准确性,保证排错结果的可靠性。
在一个可能的设计中,在将不属于所述待排查区域的所述多媒体设备的地理位置,作为错误数据,进行输出后,所述方法还包括:
根据所述多媒体设备对应的所述楼盘信息,得到所述多媒体设备的实际地理位置;
将所述多媒体设备的实际地理位置发送至客户端,以供所述客户端的用户根据所述实际地理位置对对应多媒体设备进行位置更正。
基于上述公开的内容,本发明在输出错误数据后,还可通过各个多媒体设备对应的楼盘信息,获取其实际位置(即楼盘所属哪个地区,其内部安装的所有多媒体设备均属于该地区),当然,获取楼盘位置的方式可以通过第三方接口(如百度地图、高德地图和谷歌地图等现有工具),最后,将多媒体设备的实际地理位置发送至客户端,即可使客户端的用户根据实际地理位置对错误的多媒体设备进行位置更正,保证数据的准确性,便于运营商进行上刊率的分析等工作。
在一个可能的设计中,所述方法还包括:
若是,则根据所述各类别中心点所属排查类别中各个多媒体设备对应的所述楼盘信息,得出各个多媒体设备的所属楼盘地理位置;
判断所述楼盘地理位置中的每个楼盘地理位置是否都属于所述待排查区域;
若否,将不属于所述待排查区域的所述楼盘地理位置对应的多媒体设备的地理位置,作为所述错误数据,进行输出。
基于上述公开的内容,在判断出各类排查类别的类别中心点的地理位置属于待排查区域时,为了保证位置排查的准确性,还需对各类别中心点对应的排查类别中所有多媒体设备的地理位置进行一一核实,即利用各个多媒体设备对应的楼盘信息,得到其所属楼盘的楼盘地理位置,最后,只需核查楼盘地理位置是否属于待排查区域即可(即楼盘地理位置属于待排查区域,则说明该楼盘内所有多媒体设备的地理位置均属于待排查区域,反之,则不属于,为错误数据)。通过上述设计,能够避免属于待排查区域中的排查类别中包含有错误的地理位置,进一步的提高了地理位置核实和排错的准确性。
在一个可能的设计中,将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,包括:
将所述待排查区域内所有多媒体设备的地理位置进行N次K均值聚类,得到N个初步排查类别组,其中,所述N次K均值聚类中每次K均值聚类时的K的取值均不相同;
计算所述N个初步排查类别组中每个初步排查类别组的轮廓系数,得到N个轮廓系数,其中,所述N个轮廓系数中轮廓系数最大的初步排查类别组对应的排查类别为所述n类排查类别。
基于上述公开的内容,本发明给出了数据聚类的一种具体的算法,即采用K均值聚类,进而可对待排查区域内所有的多媒体设备的地理位置进行N次分类,得到N个初步排查类别组,最后,再使用轮廓系数对分类结果进行评价,选择轮廓系数最大的初步排查类别组作为最优组,而最优组内包含的排查类别,即为n类排查类别。当然,上述公开的分类方法仅仅为数据聚类中的一种分类方法。
在一个可能的设计中,所述楼盘信息包括楼盘地理位置和楼盘内所有多媒体设备的安装数据,其中,每个楼盘中各个多媒体设备的地理位置分别为对应楼盘的所述楼盘地理位置。
在一个可能的设计中,当所述待排查区域的总个数大于预设值时,判断各类别中心点的地理位置是否都属于所述待排查区域,包括:
判断所述各个类别中心点的地理位置是否属于所述待排查区域中的任意一个待排查区域;
若否,则将第二核查中心点所属排查类别中所有多媒体设备的地理位置作为所述错误数据,进行输出,其中,所述第二核查中心点中的每个第二核查中心点为地理位置不属于任意一个所述待排查区域的类别中心点。
基于上述公开的内容,本发明还提出了另一种排错方法,即针对待排查区域的数量较多时,即可采用本方法,当然,本方法的原理与上述公开的方法一致,仅仅是进行各个类别中心点的地理位置判断时,将不属于任意一个待排查区域的类别中心点对应的排查类别中所有多媒体设备的地理位置,作为错误数据,进行输出。通过上述设计,可减少计算量,提高排错效率。
第二方面,本发明提供了一种多媒体设备地理位置的排错装置,包括:第一获取单元、数据聚类单元、第二获取单元、第一判断单元和输出单元;
所述第一获取单元,用于获取待排查区域内各个多媒体设备的地理位置,其中,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的;
所述数据聚类单元,用于将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,其中,n为正整数;
所述第二获取单元,用于分别获取所述n类排查类别中每类排查类别的类别中心点的地理位置;
所述第一判断单元,用于判断各类别中心点的地理位置是否都属于所述待排查区域;
所述输出单元,在所述第一判断单元判断为否时,将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,其中,所述第一核查中心点中的每个第一核查中心点为地理位置不属于所述待排查区域的类别中心点。
在一个可能的设计中,所述多媒体设备地理位置的排错装置,还包括:第二判断单元;
所述第二判断单元,用于判断所述每个第一核查中心点所属排查类别中所有多媒体设备的地理位置是否都属于所述待排查区域;
所述输出单元,在所述第二判断单元判断为否时,将不属于所述待排查区域的所述多媒体设备的地理位置,作为错误数据,进行输出。
在一个可能的设计中,所述多媒体设备地理位置的排错装置,还包括:第三获取单元和发送单元;
所述第三获取单元,用于在所述输出单元输出错误数据后,根据所述多媒体设备对应的所述楼盘信息,得到所述多媒体设备的实际地理位置;
所述发送单元,用于将所述多媒体设备的实际地理位置发送至客户端,以供所述客户端的用户根据所述实际地理位置对对应多媒体设备进行位置更正。
在一个可能的设计中,所述多媒体设备地理位置的排错装置,还包括:第三判断单元;
所述第三获取单元,用于在所述第一判断单元判断为是时,根据所述各类别中心点所属排查类别中各个多媒体设备对应的所述楼盘信息,得出各个多媒体设备的所属楼盘地理位置;
所述第三判断单元,用于判断所述楼盘地理位置中的每个楼盘地理位置是否都属于所述待排查区域;
所述输出单元,还用于在所述第三判断单元判断为否时,将不属于所述待排查区域的所述楼盘地理位置对应的多媒体设备的地理位置,作为所述错误数据,进行输出。
在一个可能的设计中:
所述数据聚类单元,具体用于将所述待排查区域内所有多媒体设备的地理位置进行N次K均值聚类,得到N个初步排查类别组,其中,所述N次K均值聚类中每次K均值聚类时的K的取值均不相同;
所述数据聚类单元,还具体用于计算所述N个初步排查类别组中每个初步排查类别组的轮廓系数,得到N个轮廓系数,其中,所述N个轮廓系数中轮廓系数最大的初步排查类别组对应的排查类别为所述n类排查类别。
在一个可能的设计中:
所述第一判断单元,还用于在所述待排查区域的总个数大于预设值时,判断所述各个类别中心点的地理位置是否属于所述待排查区域中的任意一个待排查区域;
所述输出单元,还用于在所述第一判断单元判断为否时,将第二核查中心点所属排查类别中所有多媒体设备的地理位置作为所述错误数据,进行输出,其中,所述第二核查中心点中的每个第二核查中心点为地理位置不属于任意一个所述待排查区域的类别中心点。
第三方面,本发明提供了另一种多媒体设备地理位置的排错装置,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意一种可能设计的所述多媒体设备地理位置的排错方法。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意一种可能设计的所述多媒体设备地理位置的排错方法。
第五方面,本发明提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任意一种可能设计的所述多媒体设备地理位置的排错方法。
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是本发明提供的第一种多媒体设备地理位置的排错方法的流程示意图。
图2是本发明提供的第二种多媒体设备地理位置的排错方法的流程示意图。
图3是本发明提供的多媒体设备地理位置的排错装置的结构示意图。
图4是本发明提供的另一种多媒体设备地理位置的排错装置的结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于下述实施例的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其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,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
应当理解,在本文中若将单元称作与另一个单元“连接”、“相连”或“耦合”时,它可以与另一个单元直相连接或耦合,或中间单元可以存在。相対地,在本文中若将单元称作与另一个单元“直接相连”或“直接耦合”时,表示不存在中间单元。另外,应当以类似方式来解释用于描述单元之间的关系的其他单词(例如,“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。
应当理解,本文使用的术语仅用于描述特定实施例,并不意在限制本发明的示例实施例。若本文所使用的,单数形式“一”、“一个”以及“该”意在包括复数形式,除非上下文明确指示相反意思。还应当理解,若术语“包括”、“包括了”、“包含”和/或“包含了”在本文中被使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解,还应当注意到在一些备选实施例中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以不必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
实施例
如图1所示,本实施例第一方面所提供的多媒体设备地理位置的排错方法,适用于各种多媒体设备的位置快速核实和排错,例如:电梯广告屏、车载广告屏、影院广告屏以及各种户外广告播放屏等,可以但不限于包括有如下步骤S101~S105。
在本实施例中,步骤S101~S105适用于从多个区域(可以为城市、县、乡镇等)中随机抽取一个作为待排查区域,进行区域内多媒体设备的位置核实与排错。例如,当区域共计有90个时,在进行排错时,是从90个区域中随机选取一个,然后使用本实施例第一方面所提供的方法进行多媒体设备位置的核实与排错;一个区域核查完毕后,再次随机选取一个,作为待排查区域,然后进行重复的操作,即对90个区域一个一个的进行位置核实。
在本实施例第一方面中,当区域的总个数小于100时,优选用步骤S101~S105实现多媒体设备的位置核实与排错。
S101.获取待排查区域内各个多媒体设备的地理位置,其中,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的。
步骤S101则是获取哪些区域需要进行多媒体设备点位核实的过程,即获取待排查区域,以及待排查区域内所有多媒体设备的地理位置。
在本实施例中,待排查区域以及待排查区域内所有多媒体设备的地理位置可以但不限于:从新媒体运营商的运营系统获得。
在本实施例中,举例待排查区域可以但不限于为:城市、县和乡镇。而在前述就已说明,多媒体设备的地理位置统计一般都是基于楼盘,所以,只需要统计楼盘的楼盘信息即可得到多媒体设备的地理位置。在本实施例中,楼盘信息包括楼盘地理位置和楼盘内所有多媒体设备的安装数据,即一座楼盘内所有多媒体设备的地理位置均为该楼盘的地理位置。
在本实施例中,举例多媒体设备的安装数据包括有设备安装编号、安装地点和机器编码等。
例如,以多媒体设备为电梯广告屏;待排查区域为城市举例,待排查区域D中有D1、D2和D3三个楼盘,其中,D1楼盘的地理位置为:经度xx纬度xx(根据GPS定位可得具体位置为:D城市xx区xx街道xx号),D1楼盘中安装有100个电梯广告屏。
所以,D1楼盘内部安装的所有电梯广告屏的地理位置均为经度xx纬度xx,同时,每个电梯广告屏均会有对应的安装编号(如1号、2号和3号等)、安装地址(如D1楼盘B1栋3号电梯)和机器编码(如STxxxxxx)。
通过上述公开的内容,即可通过楼盘信息,得到该楼盘中所有多媒体设备的地理位置。地理位置获取完毕后,即可进行步骤S102。
S102.将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,其中,n为正整数。
步骤S102则是对待排查区域进行数据聚类,即将待排查区域中所有多媒体设备的地理位置进行数据分割,形成具有地域特征值的数据聚类,最后得到n类排查类别,为后续进行地理位置判断提供数据基础。
在本实施例中,数据聚类为一种现有技术,其是基于静态数据分析的一门技术,对样品或指标进行分类的一种多元统计分析方法。
在本实施例中,举例具体采用数据聚类中的K均值聚类得到最后的排查类别,可以但不限于包括如下步骤:S102a~S102b。
S102a.将所述待排查区域内所有多媒体设备的地理位置进行N次K均值聚类,得到N个初步排查类别组,其中,所述N次K均值聚类中每次K均值聚类时的K的取值均不相同。
步骤S102a则是对待排查区域内所有的多媒体设备进行初步分类的过程,由于K均值聚类是一种迭代求解的聚类分析算法,其步骤是将数据(即多媒体设备的地理位置)分为K组,然后随机选取K个对象作为初始的聚类中心,最后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心,这样,就可以将多媒体设备的地理位置分配给不同的聚类中心(即类别中心点),以完成分类功能。
例如,将聚类类别K设置为从3~15抽样取值,其中,具体取[3,5,8,10,15],即N为5,按照上述条件进行K均值聚类后,最后分类的结果就有5种。
第一种:将待排查区域内所有多媒体设备的地理位置分为3类,例如,以上述举例为基础,D城市中,D1、D2和和D3楼盘中共有300个电梯广告屏,而3类分别为a排查类别、b排查类别和c排查类别,即将300个电梯广告屏的地理位置分配至a排查类别、b排查类别和c排查类别,可以但不限于为:a排查类别有150个地理位置;b排查类别有100个地理位置;c排查类别有50个地理位置。
第二种:将待排查区域内所有多媒体设备的地理位置分为5类。原理与第一种分类相同,于此不再举例赘述。
第三种:将待排查区域内所有多媒体设备的地理位置分为8类。
第四种:将待排查区域内所有多媒体设备的地理位置分为10类。
第五种:将待排查区域内所有多媒体设备的地理位置分为15类。
通过K均值聚类对待排查区域内的多媒体设备的地理位置进行分类后,即可得到多种初步排查类别组(即上述举例的5种分类)。由于最后需要得到一个最可靠的分类,保证数据分类的准确性,在本实施例中,还设置有如下步骤S102b,以得到最为可靠的分类。
S102b.计算所述N个初步排查类别组中每个初步排查类别组的轮廓系数,得到N个轮廓系数,其中,所述N个轮廓系数中轮廓系数最大的初步排查类别组对应的排查类别为所述n类排查类别。
步骤S102b则是对分类结果进行筛选,得到最优分类的过程。在本实施例中,举例采用轮廓系数来评判各个分类的可靠性。轮廓系数是聚类效果好坏的一种评价方式,其中,轮廓系数的值越大则表明其可靠性越高,所以,在本步骤取轮廓系数值最大的初步排查类别组作为最终的分类结果,将其内部对应的排查类别作为最终的n类排查类别。
例如,分成3类的初步排查组的轮廓系数最大,那么最终的排查类别就对应为a、b和c排查类别,而n则为3。
在本实施例中,进行K均值聚类时,K的值可由用户预设。
在进行数据聚类时,每一个排查类别均会有一个类别中心点,类别中心点的位置即代表了对应排查类别中所有多媒体设备的地理位置,所以,在后续进行地理位置判断时,只需判断类别中心点的地理位置是否在待排查区域内即可,即如步骤S103和步骤S104所示。
S103.分别获取所述n类排查类别中每类排查类别的类别中心点的地理位置。
步骤S103则是获取每个排查类别中类别中心点地理位置的过程。在本实施例中,举例可以但不限于从第三方接口(如百度地图、高德地图和谷歌地图等)获得。
在上述举例的基础上,例如,a排查类别的类别中心点的地理位置为经度x1纬度x2;b排查类别的类别中心点的地理位置为经度x3纬度x4;c排查类别的类别中心点的地理位置为经度x5纬度x6。那么就可以根据经纬度数据,从百度地图上得出具体的地理位置。如经度x1纬度x2对应为D城市F区E街道123号。
在得到各个类别中心点的地理位置后,即可进行位置的判断,如步骤S104所示。
S104.判断各类别中心点的地理位置是否都属于所述待排查区域。
步骤S104则是进行位置判断的过程,即判断各类别中心点的地理位置是否都属于待排查区域,若是,则说明所有类别中心点对应的排查类别内所有多媒体设备的位置均在待排查区域内,数据是准确的,一旦有类别中心点的地理位置不属于待排查区域,则说明该类别中心点对应排查类别中所有多媒体设备的地理位置均不属于待排查区域,数据是错误的,需要进行核实。
例如,在上述举例的基础上,D城市中,a排查类别的类别中心点为a1;b排查类别的类别中心点为b1;c排查类别的类别中心点为c1,而D城市为北京,那么只需判断a1、b1和c1的地理位置是否都属于北京即可,若都属于,则说明a、b和c内所有的多媒体设备的地理位置均是正确的,若a1和b1不属于,则说明a和c内所有的多媒体设备的地理位置不属于北京,是错误的。
判断完毕后,即可进行步骤S105。
S105.将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,其中,所述第一核查中心点中的每个第一核查中心点为地理位置不属于所述待排查区域的类别中心点。
步骤S105则是将不属于待排查区域的类别中心点所属排查类别中所有多媒体设备的地理位置,作为错误数据,进行输出的过程。当然,在本实施例中,还可设置相应的显示终端,以便进行错误数据的展示,便于工作人员进行核实。
由此通过步骤S101~S105所提供的多媒体设备地理位置的排错方法,本发明通过多媒体设备本身的地理位置,利用数据聚类,将待排查区域中所有多媒体设备的地理位置进行分类,通过获取每个类别的类别中心点的地理位置,来代表对应类别中包含的所有多媒体设备的地理位置,最后,只需判别每个类别的类别中心点的地理位置是否属于待排查区域,即可得出对应类别内所有多媒体设备的地理位置是否属于待排查区域,进而实现多媒体设备地理位置的快速核查与排错。通过上述设计,本发明避免了采用人工核查多媒体设备地理位置所带来的工作量大,效率低和人工成本高的问题,不仅大大的提高了排查效率,还降低了人工成本。
在本实施例中,为了保证地理位置排错的可靠性,还设置有如下步骤S106~S107,以进行地理位置的二次判断。
S106.判断所述每个第一核查中心点所属排查类别中所有多媒体设备的地理位置是否都属于所述待排查区域。
步骤S106则是进行错误数据二次判断的过程,由于采用数据聚类得出类别中心点后,本方法是直接判断类别中心点的地理位置是否在待排查区域内,所以,为了避免存在类别中心点对应排查类别中有多媒体设备的地理位置属于待排查区域而导致数据排错不准确的问题,在本实施例中,在判断出类别中心点的地理位置不属于待排查区域后,还需要对不属于待排查区域的每个类别中心点对应的排查类别中所有的多媒体设备的地理位置进行一一核查(即对每个第一核查中心点所属排查类别中所有的多媒体设备的地理位置进行一一核查)。
例如,a排查类别的类别中心点的地理位置不属于待排查区域,即a排查类别则为第一核查中心点,那么在本步骤中,还需要对a排查类别中所有多媒体设备的地理位置进行一一核实,判断是否属于待排查区域。
S107.若否,将不属于所述待排查区域的所述多媒体设备的地理位置,作为错误数据,进行输出。
步骤S107则是进行纠错的过程,若类别中心点所属排查类别中有部分多媒体设备的地理位置是属于待排查区域,说明这部分多媒体设备的地理位置是正确的,最后只需要将不属于待排查区域的多媒体设备的地理位置作为错误数据,进行输出。
在本实施例中,对于属于待排查区域的多媒体设备的地理位置,可进行取消输出操作,进而保证输出的错误数据的准确性。
通过步骤S106和步骤S107,能够对判断结果进行核实,以避免判断出错的问题,进一步的提高了多媒体设备的地理位置排错的准确性。
同时,在判断出类别中心点属于待排查区域后,在本实施例中,还设置有如下步骤S108~S110,用于对判断出正确的地理位置进行二次核实,进一步的保证地理位置排错的可靠性。
S108.若是,则根据所述各类别中心点所属排查类别中各个多媒体设备对应的所述楼盘信息,得出各个多媒体设备的所属楼盘地理位置。
步骤S108则是根据类别中心点对应的排查类别,获取排查类别中所有多媒体设备的所属楼盘信息,进而根据所属楼盘信息获得楼盘地理位置的过程。由于在前述就已说明,一个楼盘内所有多媒体设备的地理位置均为该楼盘的地理位置,所以,只需判断出楼盘地理位置是否属于待排查区域即可。
即楼盘地理位置属于待排查区域,那么其内部所有的多媒体设备的地理位置均属于待排查区域,而若楼盘地理位置不属于待排查区域,那么该楼盘内部所有的多媒体设备的地理位置均不属于待排查区域,均需要作为错误数据进行输出,如步骤S109和S110所示。
S109.判断所述楼盘地理位置中的每个楼盘地理位置是否都属于所述待排查区域。
S110.若否,将不属于所述待排查区域的所述楼盘地理位置对应的多媒体设备的地理位置,作为所述错误数据,进行输出。
通过前述步骤S108~S110,能够避免属于待排查区域中的排查类别中包含有错误的地理位置,进一步的提高了数据筛选排错的准确性。
另外,在本实施例中,得出错误数据后,还设置有如下步骤S111~S112,用于获取多媒体设备的正确地理位置,进而使运营商进行位置的快速更正。
S111.根据所述多媒体设备对应的所述楼盘信息,得到所述多媒体设备的实际地理位置。
S112.将所述多媒体设备的实际地理位置发送至客户端,以供所述客户端的用户根据所述实际地理位置对对应多媒体设备进行位置更正。
通过楼盘信息获得实际地理位置的过程在前述就已说明,即是根据经纬度数据在百度地图、高德地图或谷歌地图等地图工具上,获取经纬度数据对应的实际地理位置,即具体地址,进而即可得到各个多媒体设备的实际地理位置,最后,将实际地理位置发送至运营商的客户端,即可帮助运营商进行多媒体设备位置的快速更正。
如图2所示,本实施例第二方面提供了另一种多媒体设备地理位置的排错方法,其适用于区域的总个数大于预设值时,其与实施例第一方面的不同之处在于:可获取多个待排查区域,然后将多个待排查区域内的多媒体设备的地理位置进行融合,然后进行一次数据聚类,得出排错结果,且对类别中心点的位置判断时,也存在相应的不同,如以下步骤S201~S207。
在本实施例中,举例预设值可以但不限于为:100。
在本实施例中,当区域的总个数大于100时,第一步获取待排查区域也不仅仅只获取一个,这是与实施例第一方面的不同之一。
S201.获取A个待排查区域,以及每个待排查区域内各个多媒体设备的地理位置,其中,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的。
步骤S201与步骤S101获取的数据相同,获取方式也相同,于此不多加赘述。
在本实施例中,举例A≥4。例如,区域总计有200个,那么步骤S201则是在200个中随机抽取A个区域(如4个、5个和6个等)作为待排查区域的过程。
同时,在本实施例,还对A个待排查区域中任意两个区域之间的距离有要求,即至少要大于预设距离。在本实施例中,设置距离要求是为了避免区域之间相互干扰,例如,D区域和F区域隔得太近,容易造成错误结果,即将本属于D区域的地理位置,放入到F区域中。
在本实施例中,举例预设距离值100公里,即A个区域中,任意两个区域之间的距离要大于100公里。
在本实施例中,当获取的区域之间的距离不能满足预设距离值时,可以降低A的数量,当A的数量少于3个时,可直接使用本实施例第一方面中提供的方法。
S202.将A个待排查区域中所有的多媒体设备的地理位置进行数据聚类,得到m类排查类别,其中,m为正整数,且m﹥A。
步骤S202则是进行数据聚类的过程,在本实施例中,也举例采用K均值聚类,其原理与实施例第一方面所阐述的相同,于此不多加赘述。
在进行K均值聚类时,与实施例第一方面不同之处在于:K的取值不同,在本实施例中,将聚类类别K设置为从5~15抽样取值,其中,具体取[5,8,10,15],按照上述条件进行K均值聚类后,最后分类的结果就有4种,同时,是将A个区域中所有的多媒体设备的地理位置一起且同时进行数据聚类,而不是分为每个区域进行。
聚类完毕后,即可进行步骤S203、S204和S205。
S203.分别获取所述m类排查类别中每类排查类别的类别中心点的地理位置。
S204.判断所述各个类别中心点的地理位置是否属于A个所述待排查区域中的任意一个待排查区域。
S205.若否,则将第二核查中心点所属排查类别中所有多媒体设备的地理位置作为所述错误数据,进行输出,其中,所述第二核查中心点中的每个第二核查中心点为地理位置不属于任意一个所述待排查区域的类别中心点。
步骤S203~S205的原理与步骤S103~S105相同,只是在进行类别中心点的地理位置判断时,只要类别中心点的地理位置满足属于A个区域中任意一个,即可认为数据正确,而只有当类别中心点的地理位置不属于A个区域中的全部区域时,才会将对应类别中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出。
例如,得到h、j、k和l四类排查类别,其中,四类排查类别的类别中心点依次为h1、j1、k1和l1,待排查区域举例为V、X、Z和P,那么只要h1属于V、X、Z和P四个区域中的任意一个,即可认为h类别中所有多媒体设备的地理位置是正确的,反之,若h1都不属于V、X、Z和P四个区域,那么h1则为第二核查中心点,需要将h1所属类别中所有的多媒体设备的地理位置作为错误数据,进行输出,即将h类别中所有多媒体设备的地理位置进行输出。
同理,在判断出错误数据和正确数据后,本实施例第二方面也会进行错误数据和正确数据二次核验,原理与实施例第一方面中相同,不再赘述。
通过前述步骤S201~S205,本发明能够在待排查区域数量较多时,减少计算量,提高排错效率。
如图3所示,本实施例第三方面提供了一种实现实施例第一方面和第二方面中所述多媒体设备地理位置的排错方法的硬件装置,包括:第一获取单元、数据聚类单元、第二获取单元、第一判断单元和输出单元。
所述第一获取单元,用于获取待排查区域内各个多媒体设备的地理位置,其中,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的。
所述数据聚类单元,用于将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,其中,n为正整数。
所述第二获取单元,用于分别获取所述n类排查类别中每类排查类别的类别中心点的地理位置。
所述第一判断单元,用于判断各类别中心点的地理位置是否都属于所述待排查区域。
所述输出单元,在所述第一判断单元判断为否时,将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,其中,所述第一核查中心点中的每个第一核查中心点为地理位置不属于所述待排查区域的类别中心点。
在一个可能的设计中,所述多媒体设备地理位置的排错装置,还包括:第二判断单元。
所述第二判断单元,用于判断所述每个第一核查中心点所属排查类别中所有多媒体设备的地理位置是否都属于所述待排查区域。
所述输出单元,在所述第二判断单元判断为否时,将不属于所述待排查区域的所述多媒体设备的地理位置,作为错误数据,进行输出。
在一个可能的设计中,所述多媒体设备地理位置的排错装置,还包括:第三获取单元和发送单元。
所述第三获取单元,用于在所述输出单元输出错误数据后,根据所述多媒体设备对应的所述楼盘信息,得到所述多媒体设备的实际地理位置。
所述发送单元,用于将所述多媒体设备的实际地理位置发送至客户端,以供所述客户端的用户根据所述实际地理位置对对应多媒体设备进行位置更正。
在一个可能的设计中,所述多媒体设备地理位置的排错装置,还包括:第三判断单元。
所述第三获取单元,用于在所述第一判断单元判断为是时,根据所述各类别中心点所属排查类别中各个多媒体设备对应的所述楼盘信息,得出各个多媒体设备的所属楼盘地理位置。
所述第三判断单元,用于判断所述楼盘地理位置中的每个楼盘地理位置是否都属于所述待排查区域。
所述输出单元,还用于在所述第三判断单元判断为否时,将不属于所述待排查区域的所述楼盘地理位置对应的多媒体设备的地理位置,作为所述错误数据,进行输出。
在一个可能的设计中:
所述数据聚类单元,具体用于将所述待排查区域内所有多媒体设备的地理位置进行N次K均值聚类,得到N个初步排查类别组,其中,所述N次K均值聚类中每次K均值聚类时的K的取值均不相同。
所述数据聚类单元,还具体用于计算所述N个初步排查类别组中每个初步排查类别组的轮廓系数,得到N个轮廓系数,其中,所述N个轮廓系数中轮廓系数最大的初步排查类别组对应的排查类别为所述n类排查类别。
在一个可能的设计中:
所述第一判断单元,还用于在所述待排查区域的总个数大于预设值时,判断所述各个类别中心点的地理位置是否属于所述待排查区域中的任意一个待排查区域。
所述输出单元,还用于在所述第一判断单元判断为否时,将第二核查中心点所属排查类别中所有多媒体设备的地理位置作为所述错误数据,进行输出,其中,所述第二核查中心点中的每个第二核查中心点为地理位置不属于任意一个所述待排查区域的类别中心点。
本实施例提供的硬件装置的工作过程、工作细节和技术效果,可以参见实施例第一方面和第二方面,于此不再赘述。
如图4所示,本实施例第四方面还提供了另一种执行实施例第一方面和第二方面中所述的多媒体设备地理位置的排错方法的硬件装置,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如实施例第一方面和第二方面所述的多媒体设备地理位置的排错方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(RAM)、只读存储器(ROM)、闪存(Flash Memory)、先进先出存储器(FIFO)和/或先进后出存储器(FILO)等等;所述处理器可以不限于采用型号为STM32F105系列的微处理器、ARM(Advanced RISCMachines)、X86等架构处理器或集成NPU(neural-network processing units)的处理器;所述收发器可以但不限于为WiFi(无线保真)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。此外,所述装置还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例提供的硬件装置的工作过程、工作细节和技术效果,可以参见实施例第一方面和第二方面,于此不再赘述。
本实施例第五方面提供了一种存储包含有实施例第一方面和第二方面所述的多媒体设备地理位置的排错方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面和第二方面所述的多媒体设备地理位置的排错方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例提供的计算机可读存储介质的工作过程、工作细节和技术效果,可以参见实施例第一方面和第二方面,于此不再赘述。
本实施例第六方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如实施例第一方面和第二方面所述的多媒体设备地理位置的排错方法,其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
以上所描述的多个实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备执行各个实施例或者实施例的某些部分所述的方法。
本发明不局限于上述可选实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是落入本发明权利要求界定范围内的技术方案,均落在本发明的保护范围之内。
Claims (10)
1.一种多媒体设备地理位置的排错方法,其特征在于,包括:
获取待排查区域内各个多媒体设备的地理位置,其中,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的;
将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,其中,n为正整数;
分别获取所述n类排查类别中每类排查类别的类别中心点的地理位置;
判断各类别中心点的地理位置是否都属于所述待排查区域;
若否,将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,其中,所述第一核查中心点中的每个第一核查中心点为地理位置不属于所述待排查区域的类别中心点。
2.如权利要求1所述的方法,其特征在于,将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,包括:
判断所述每个第一核查中心点所属排查类别中所有多媒体设备的地理位置是否都属于所述待排查区域;
若否,将不属于所述待排查区域的所述多媒体设备的地理位置,作为错误数据,进行输出。
3.如权利要求2所述的方法,其特征在于,在将不属于所述待排查区域的所述多媒体设备的地理位置,作为错误数据,进行输出后,所述方法还包括:
根据所述多媒体设备对应的所述楼盘信息,得到所述多媒体设备的实际地理位置;
将所述多媒体设备的实际地理位置发送至客户端,以供所述客户端的用户根据所述实际地理位置对对应多媒体设备进行位置更正。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
若是,则根据所述各类别中心点所属排查类别中各个多媒体设备对应的所述楼盘信息,得出各个多媒体设备的所属楼盘地理位置;
判断所述楼盘地理位置中的每个楼盘地理位置是否都属于所述待排查区域;
若否,将不属于所述待排查区域的所述楼盘地理位置对应的多媒体设备的地理位置,作为所述错误数据,进行输出。
5.如权利要求1所述的方法,其特征在于,将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,包括:
将所述待排查区域内所有多媒体设备的地理位置进行N次K均值聚类,得到N个初步排查类别组,其中,所述N次K均值聚类中每次K均值聚类时的K的取值均不相同;
计算所述N个初步排查类别组中每个初步排查类别组的轮廓系数,得到N个轮廓系数,其中,所述N个轮廓系数中轮廓系数最大的初步排查类别组对应的排查类别为所述n类排查类别。
6.如权利1所述的方法,其特征在于,当所述待排查区域的总个数大于预设值时,判断各类别中心点的地理位置是否都属于所述待排查区域,包括:
判断所述各个类别中心点的地理位置是否属于所述待排查区域中的任意一个待排查区域;
若否,则第二核查中心点所属排查类别中所有多媒体设备的地理位置作为所述错误数据,进行输出,其中,所述第二核查中心点中的每个第二核查中心点为地理位置不属于任意一个所述待排查区域的类别中心点。
7.如权利要求1所述的方法,其特征在于:所述楼盘信息包括楼盘地理位置和楼盘内所有多媒体设备的安装数据,其中,每个楼盘中各个多媒体设备的地理位置分别为对应楼盘的所述楼盘地理位置。
8.一种多媒体设备地理位置的排错装置,其特征在于,包括:第一获取单元、数据聚类单元、第二获取单元、第一判断单元和输出单元;
所述第一获取单元,用于获取待排查区域内各个多媒体设备的地理位置,其中,所述各个多媒体设备的地理位置是根据对应所属楼盘的楼盘信息得到的;
所述数据聚类单元,用于将所述待排查区域内所有多媒体设备的地理位置进行数据聚类,得到n类排查类别,其中,n为正整数;
所述第二获取单元,用于分别获取所述n类排查类别中每类排查类别的类别中心点的地理位置;
所述第一判断单元,用于判断各类别中心点的地理位置是否都属于所述待排查区域;
所述输出单元,在所述第一判断单元判断为否时,将第一核查中心点所属排查类别中所有多媒体设备的地理位置作为错误数据,进行输出,其中,所述第一核查中心点中的每个第一核查中心点为地理位置不属于所述待排查区域的类别中心点。
9.一种多媒体设备地理位置的排错装置,其特征在于,包括:依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~7任意一项所述的多媒体设备地理位置的排错方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~7任意一项所述的多媒体设备地理位置的排错方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010623304.9A CN111667026B (zh) | 2020-06-30 | 2020-06-30 | 一种多媒体设备地理位置的排错方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010623304.9A CN111667026B (zh) | 2020-06-30 | 2020-06-30 | 一种多媒体设备地理位置的排错方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667026A true CN111667026A (zh) | 2020-09-15 |
CN111667026B CN111667026B (zh) | 2022-11-25 |
Family
ID=72391176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010623304.9A Active CN111667026B (zh) | 2020-06-30 | 2020-06-30 | 一种多媒体设备地理位置的排错方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667026B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299834A (zh) * | 2008-06-24 | 2008-11-05 | 中国移动通信集团四川有限公司 | 基站位置核查的方法 |
US8700633B1 (en) * | 2012-03-22 | 2014-04-15 | Google Inc. | Determining categories for geographic data |
CN103856893A (zh) * | 2012-12-05 | 2014-06-11 | 腾讯科技(深圳)有限公司 | 一种过滤定位信息的方法及装置 |
US20160323706A1 (en) * | 2015-05-01 | 2016-11-03 | The Nielsen Company (Us), Llc | Methods and Apparatus to Associate Geographic Locations with User Devices |
CN106156804A (zh) * | 2016-08-16 | 2016-11-23 | 浙江工业大学 | 一种基于K‑means聚类的移动疑似危险人群分类方法 |
CN106951927A (zh) * | 2017-04-01 | 2017-07-14 | 合肥工业大学 | 基于材力形心法选取中心点的K‑means聚类优化方法和装置 |
CN107798636A (zh) * | 2017-04-11 | 2018-03-13 | 平安科技(深圳)有限公司 | 楼盘信息处理方法、装置、计算机设备及存储介质 |
CN109451532A (zh) * | 2018-11-16 | 2019-03-08 | 中国联合网络通信集团有限公司 | 一种基站位置的核查方法及装置 |
CN109522895A (zh) * | 2018-11-15 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 兴趣点位置校验方法、装置、服务器和计算机可读介质 |
CN109522374A (zh) * | 2018-09-14 | 2019-03-26 | 北京三快在线科技有限公司 | 一种定位方法、装置、电子设备及可读存储介质 |
CN110166991A (zh) * | 2019-01-08 | 2019-08-23 | 腾讯大地通途(北京)科技有限公司 | 用于定位电子设备的方法、设备、装置以及存储介质 |
CN110213714A (zh) * | 2019-05-10 | 2019-09-06 | 中国联合网络通信集团有限公司 | 终端定位的方法及装置 |
CN110413707A (zh) * | 2019-07-22 | 2019-11-05 | 百融云创科技股份有限公司 | 互联网中欺诈团伙关系的挖掘与排查方法及其系统 |
CN110740180A (zh) * | 2019-10-17 | 2020-01-31 | 北京奇艺世纪科技有限公司 | 一种多媒体资源调度方法、装置及调度服务器 |
CN111325561A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团北京有限公司 | 智能投诉处理方法、装置、电子设备及存储介质 |
-
2020
- 2020-06-30 CN CN202010623304.9A patent/CN111667026B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101299834A (zh) * | 2008-06-24 | 2008-11-05 | 中国移动通信集团四川有限公司 | 基站位置核查的方法 |
US8700633B1 (en) * | 2012-03-22 | 2014-04-15 | Google Inc. | Determining categories for geographic data |
CN103856893A (zh) * | 2012-12-05 | 2014-06-11 | 腾讯科技(深圳)有限公司 | 一种过滤定位信息的方法及装置 |
US20160323706A1 (en) * | 2015-05-01 | 2016-11-03 | The Nielsen Company (Us), Llc | Methods and Apparatus to Associate Geographic Locations with User Devices |
CN106156804A (zh) * | 2016-08-16 | 2016-11-23 | 浙江工业大学 | 一种基于K‑means聚类的移动疑似危险人群分类方法 |
CN106951927A (zh) * | 2017-04-01 | 2017-07-14 | 合肥工业大学 | 基于材力形心法选取中心点的K‑means聚类优化方法和装置 |
CN107798636A (zh) * | 2017-04-11 | 2018-03-13 | 平安科技(深圳)有限公司 | 楼盘信息处理方法、装置、计算机设备及存储介质 |
CN109522374A (zh) * | 2018-09-14 | 2019-03-26 | 北京三快在线科技有限公司 | 一种定位方法、装置、电子设备及可读存储介质 |
CN109522895A (zh) * | 2018-11-15 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 兴趣点位置校验方法、装置、服务器和计算机可读介质 |
CN109451532A (zh) * | 2018-11-16 | 2019-03-08 | 中国联合网络通信集团有限公司 | 一种基站位置的核查方法及装置 |
CN111325561A (zh) * | 2018-12-14 | 2020-06-23 | 中国移动通信集团北京有限公司 | 智能投诉处理方法、装置、电子设备及存储介质 |
CN110166991A (zh) * | 2019-01-08 | 2019-08-23 | 腾讯大地通途(北京)科技有限公司 | 用于定位电子设备的方法、设备、装置以及存储介质 |
CN110213714A (zh) * | 2019-05-10 | 2019-09-06 | 中国联合网络通信集团有限公司 | 终端定位的方法及装置 |
CN110413707A (zh) * | 2019-07-22 | 2019-11-05 | 百融云创科技股份有限公司 | 互联网中欺诈团伙关系的挖掘与排查方法及其系统 |
CN110740180A (zh) * | 2019-10-17 | 2020-01-31 | 北京奇艺世纪科技有限公司 | 一种多媒体资源调度方法、装置及调度服务器 |
Non-Patent Citations (3)
Title |
---|
孙国道 等: "高维时空房地产数据的可视分析", 《计算机辅助设计与图形学学报》 * |
赵文冲 等: "一种影响空间下的快速K-means 聚类算法", 《小型微型计算机系统》 * |
陈翠卓: "移动平台下基于K-means的租房信息聚类算法研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111667026B (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114173356B (zh) | 网络质量的检测方法、装置、设备及存储介质 | |
CN108616900B (zh) | 一种室内外测量报告的区分方法及网络设备 | |
CN107368480B (zh) | 一种兴趣点数据错误类型定位、重复识别方法及装置 | |
EP3764705B1 (en) | Positioning method, positioning device, server, and computer-readable storage medium | |
CN112469066B (zh) | 5g网络覆盖评估方法及装置 | |
CN111294730B (zh) | 一种网络问题投诉信息处理的方法及装置 | |
CN112566167B (zh) | 网络质量故障识别方法、装置及服务器 | |
CN111078818A (zh) | 地址分析方法、装置、电子设备及存储介质 | |
CN108256020B (zh) | 异常路线的检测方法、装置、服务器及存储介质 | |
US20120218150A1 (en) | Management server, population information calculation management server, non-populated area management method, and population information calculation method | |
CN103167605B (zh) | 一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法 | |
CN114374449A (zh) | 一种干扰源确定方法、装置、设备及介质 | |
CN108734393A (zh) | 房源信息的匹配方法、用户设备、存储介质及装置 | |
CN111667026B (zh) | 一种多媒体设备地理位置的排错方法及装置 | |
CN113055927B (zh) | 基站经纬度定位方法、装置、计算设备及计算机存储介质 | |
CN115979215B (zh) | 一种楼层识别方法、装置及计算机可读存储介质 | |
CN112182132A (zh) | 一种地铁用户的识别方法、系统、设备和存储介质 | |
CN108133234B (zh) | 基于稀疏子集选择算法的社区检测方法、装置及设备 | |
CN113032514B (zh) | 兴趣点数据处理方法及装置 | |
CN109874170B (zh) | 地理坐标系盲检测方法、装置、设备及介质 | |
CN113282844A (zh) | 一种优先级的确定方法和装置 | |
CN115087023A (zh) | 道路网络的分析方法及装置 | |
CN111182575A (zh) | 一种基于ott大数据的道路质量评估方法 | |
CN114125864A (zh) | 基于mdt的邻区检测方法及装置 | |
CN113132891A (zh) | 一种基于移动信令的客流统计方法和系统 |
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 |