CN111708859B - 一种基于空间数据的商圈边界识别方法 - Google Patents

一种基于空间数据的商圈边界识别方法 Download PDF

Info

Publication number
CN111708859B
CN111708859B CN202010561194.8A CN202010561194A CN111708859B CN 111708859 B CN111708859 B CN 111708859B CN 202010561194 A CN202010561194 A CN 202010561194A CN 111708859 B CN111708859 B CN 111708859B
Authority
CN
China
Prior art keywords
business
point
circle
business turn
commercial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010561194.8A
Other languages
English (en)
Other versions
CN111708859A (zh
Inventor
张�林
李淼泉
王宝刚
胡磊
苏芳
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.)
China Science Mapuniverse Tchndogy Co ltd
Original Assignee
China Science Mapuniverse Tchndogy 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 China Science Mapuniverse Tchndogy Co ltd filed Critical China Science Mapuniverse Tchndogy Co ltd
Priority to CN202010561194.8A priority Critical patent/CN111708859B/zh
Publication of CN111708859A publication Critical patent/CN111708859A/zh
Application granted granted Critical
Publication of CN111708859B publication Critical patent/CN111708859B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/29—Geographical information databases
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于空间数据的商圈边界识别方法，包括以下步骤：建立商业POI兴趣点数据库、商圈点数据库和道路段数据库；分别得到商圈点Pi的缓冲区、商圈点Pi对应的商业POI兴趣点圆形覆盖面以及商圈道路的外包范围，合并后形成商圈复合面；获得所述商圈复合面的外接矩形；对所述外接矩形进行格网化，然后提取出所述商圈复合面和所述外接矩形相交的所有格网；提取出的所有格网的边界轮廓，即为规则的所述商圈点Pi对应的商圈边界。本发明以商圈点位、商业POI兴趣点、地标性点位、城市道路等空间数据为基础，使用空间分析方法分析商圈空间范围的地理范围边界，具有商圈边界划分的准确性高的优点。

Description

一种基于空间数据的商圈边界识别方法
技术领域
本发明属于地理大数据分析技术领域，具体涉及一种基于空间数据的商圈边界识别方法。
背景技术
在大数据及地理商业智能领域，商圈是一种具有极高价值的数据。基于商圈的空间及属性信息，结合区域人口、商业、通信等数据进行数据挖掘分析，可以实现商业选址、精准营销等商业手段，进而实现商业价值。
现有技术中，主要采用经验方法确定商圈边界，例如，采用样本调查的方法，即通过对商圈客流进行抽样调查，确定商圈吸引顾客的平均最远距离，从而作为商圈的范围。
以上方法存在较大的主观考虑、受调查样本大小影响等问题，并不能客观、准确的反映商圈边界的大小。
发明内容
针对现有技术存在的缺陷，本发明提供一种基于空间数据的商圈边界识别方法，可有效解决上述问题。
本发明采用的技术方案如下：
本发明提供一种基于空间数据的商圈边界识别方法，包括以下步骤：
步骤1，建立商业POI兴趣点数据库、商圈点数据库和道路段数据库，方法为：
步骤1.1，收集研究范围内的多个商业POI兴趣点，对于每个商业POI兴趣点，包括商业POI兴趣点属性；所述商业POI兴趣点属性包括商业POI兴趣点名称和商业POI兴趣点经纬度位置；
将所述商业POI兴趣点属性存储到商业POI兴趣点数据库；
步骤1.2，从研究范围内的多个商业POI兴趣点中，提取出若干个地标建筑性质的商业POI兴趣点，作为商圈点；对于每个商圈点，包括商圈点属性；所述商圈点属性包括商圈点名称、商圈点经纬度位置以及商圈点等级；
将所述商圈点属性存储到商圈点数据库；
步骤1.3，获得研究范围内的城市道路；对所述城市道路进行分段处理，得到若干个道路段；其中，分段处理方式为：将城市道路在相交的交点处打断，进而形成若干个道路段；
对于每个道路段，包括道路段属性；所述道路段属性包括道路段名称、道路段轮廓以及道路段经纬度位置；
将所述道路段属性存储到道路段数据库；
步骤2，对于商圈点数据库中任意一个商圈点，表示为商圈点Pi，采用以下方法确定商圈点Pi对应的商圈边界：
步骤2.1，预建立商圈点等级与商圈点缓冲距离之间的映射关系；根据商圈点Pi的商圈点等级，得到商圈点Pi的缓冲距离；
步骤2.2，以商圈点Pi的中心为圆心，以商圈点Pi的缓冲距离为半径作圆，从而得到商圈点Pi的缓冲区；
步骤2.3，查找所述商业POI兴趣点数据库，筛选出商圈点Pi的缓冲区内的商业POI兴趣点，得到第一商业POI兴趣点集合；
在第一商业POI兴趣点集合中，进一步筛选出与商圈点Pi具有强关系的商业POI兴趣点，得到第二商业POI兴趣点集合；
步骤2.4，采用空间聚合方法对第二商业POI兴趣点集合中的商业POI兴趣点按距离聚合，形成若干个多边形形状的聚合面；
步骤2.5，在步骤2.4得到的多个多边形形状的聚合面中，选择与商圈点Pi距离最近的一个多边形形状的聚合面，表示为Vi；然后，计算多边形形状的聚合面Vi的最小外接圆形，得到商圈点Pi对应的商业POI兴趣点圆形覆盖面；
步骤2.6，查找所述道路段数据库，筛选出距离商圈点Pi设定距离内的所有道路段，即为商圈内所有道路段；
步骤2.7，合并步骤2.6得到的所有道路段计算凸包，得到商圈道路的外包范围，即为道路通达范围；
步骤2.8，合并步骤2.2得到的所述商圈点Pi的缓冲区、步骤2.5得到的商圈点Pi对应的商业POI兴趣点圆形覆盖面以及步骤2.7得到的商圈道路的外包范围，形成商圈复合面；
步骤2.9，获得所述商圈复合面的外接矩形；对所述外接矩形进行格网化，然后提取出所述商圈复合面和所述外接矩形相交的所有格网；提取出的所有格网的边界轮廓，即为规则的所述商圈点Pi对应的商圈边界。
优选的，步骤2.1中，预建立商圈点等级与商圈点缓冲距离之间的映射关系，是指：商圈点等级与商圈点缓冲距离成正比关系，商圈点等级越高，商圈点缓冲距离越大。
优选的，步骤2.3中，筛选出与商圈点Pi具有强关系的商业POI兴趣点是指：超市POI兴趣点、商铺POI兴趣点、餐馆POI兴趣点和娱乐场景POI兴趣点。
本发明提供的一种基于空间数据的商圈边界识别方法具有以下优点：
本发明以商圈点位、商业POI兴趣点、地标性点位、城市道路等空间数据为基础，使用空间分析方法分析商圈空间范围的地理范围边界，具有商圈边界划分的准确性高的优点。
附图说明
图1为本发明提供的一种基于空间数据的商圈边界识别方法的流程示意图；
图2为本发明提供的商圈复合面的外接矩形的示意图；
图3为本发明提供的商圈边界的一种示意图；
图4为本发明提供的商圈边界识别结果的示意图。
实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本发明提供一种基于空间数据的商圈边界识别方法，利用空间分析技术，综合考虑商圈点、城市道路、商业POI兴趣点等多种与商圈边界形成有关的地理要素，结合商业POI兴趣点的聚集、道路的联通及延伸、著名地标点位等信息，运用空间数据的缓冲分析、空间聚合、距离判断、叠置分析、格网分析等空间分析方法，研究出一种计算商圈空间范围边界的方法，划定商圈地理边界，并且，得到的商圈边界具有规则的范围，提高了商圈定位的准确性，提高商圈边界划分时的准确性，可供商业分析、规划等领域使用。
参考图1，基于空间数据的商圈边界识别方法包括以下步骤：
步骤1，建立商业POI兴趣点数据库、商圈点数据库和道路段数据库，方法为：
步骤1.1，收集研究范围内的多个商业POI兴趣点，对于每个商业POI兴趣点，包括商业POI兴趣点属性；所述商业POI兴趣点属性包括商业POI兴趣点名称和精确的商业POI兴趣点经纬度位置；
将所述商业POI兴趣点属性存储到商业POI兴趣点数据库；
步骤1.2，从研究范围内的多个商业POI兴趣点中，提取出若干个地标建筑性质的商业POI兴趣点，作为商圈点；对于每个商圈点，包括商圈点属性；所述商圈点属性包括商圈点名称、商圈点经纬度位置以及商圈点等级；将所述商圈点属性存储到商圈点数据库；
例如，从商业POI兴趣点中提取著名地标、著名商场大厦、地铁站、健身公园、旅游景点等作为商圈点，并按照其影响范围分为不同等级。如，地标、商场大厦等级为一，地铁站等级为二，健身公园、旅游景点等级为三。
步骤1.3，获得研究范围内的城市道路；对所述城市道路进行分段处理，得到若干个道路段；其中，分段处理方式为：将城市道路在相交的交点处打断，进而形成若干个道路段；对于每个道路段，包括道路段属性；所述道路段属性包括道路段名称、道路段轮廓以及道路段经纬度位置；将所述道路段属性存储到道路段数据库；
具体的，将研究范围内的城市道路的城市主干道路提取出来，并在主干道相交叉的地方进行打断，从而得到多个道路段，避免出现横跨整个城区的道路。
步骤2，对于商圈点数据库中任意一个商圈点，表示为商圈点Pi，采用以下方法确定商圈点Pi对应的商圈边界：
步骤2.1，预建立商圈点等级与商圈点缓冲距离之间的映射关系；根据商圈点Pi的商圈点等级，得到商圈点Pi的缓冲距离；
其中，预建立商圈点等级与商圈点缓冲距离之间的映射关系，是指：商圈点等级与商圈点缓冲距离成正比关系，商圈点等级越高，商圈点缓冲距离越大。
步骤2.2，以商圈点Pi的中心为圆心，以商圈点Pi的缓冲距离为半径作圆，从而得到商圈点Pi的缓冲区；
具体的，对商圈点Pi进行缓冲分析，形成商圈缓冲区。缓冲距离由步骤1.2中的商圈点的等级决定，等级为一的缓冲距离为800米，等级为二的缓冲距离为600米，等级为三的缓冲距离为500米，距离参数可根据城市规模等进行调节。
在具体实现上，将商圈点属性收集入库，必须包含的字段有：商圈点名称、商圈点经纬度、商圈点等级。对商圈点进行缓冲分析，伪代码如下：
st_buffer(geom,dis)
其中：st_buffer函数是缓冲区分析函数，在不同的组件中可能有不同的名称；参数geom为商圈点，包含地理坐标信息；dis参数是指缓冲距离，该值需要根据商圈点的等级进行指定。地标、商场大厦等级为一，距离为800米；地铁站等级为二，距离为600米；健身公园、旅游景点等级为三，距离为500米,距离参数可根据城市规模等信息进行调节。
进行以上操作后获得不同等级商圈点的缓冲区。
步骤2.3，查找所述商业POI兴趣点数据库，筛选出商圈点Pi的缓冲区内的商业POI兴趣点，得到第一商业POI兴趣点集合；
在第一商业POI兴趣点集合中，进一步筛选出与商圈点Pi具有强关系的商业POI兴趣点，得到第二商业POI兴趣点集合；其中，筛选出与商圈点Pi具有强关系的商业POI兴趣点是指：超市POI兴趣点、商铺POI兴趣点、餐馆POI兴趣点和娱乐场景POI兴趣点。
步骤2.4，采用空间聚合方法对第二商业POI兴趣点集合中的商业POI兴趣点按距离聚合，形成若干个多边形形状的聚合面；
步骤2.5，在步骤2.4得到的多个多边形形状的聚合面中，选择与商圈点Pi距离最近的一个多边形形状的聚合面，表示为Vi；然后，计算多边形形状的聚合面Vi的最小外接圆形，得到商圈点Pi对应的商业POI兴趣点圆形覆盖面；
步骤2.6，查找所述道路段数据库，筛选出距离商圈点Pi设定距离内的所有道路段，即为商圈内所有道路段；
步骤2.7，合并步骤2.6得到的所有道路段计算凸包，得到商圈道路的外包范围，即为道路通达范围；
例如，对道路段和商圈点Pi进行距离判断，将直线距离小于500米的道路段筛选出来，距离参数可根据城市规模等调节，再通过外包范围分析，求出商圈点附近道路段所围成的空间范围。
步骤2.8，合并步骤2.2得到的所述商圈点Pi的缓冲区、步骤2.5得到的商圈点Pi对应的商业POI兴趣点圆形覆盖面以及步骤2.7得到的商圈道路的外包范围，形成商圈复合面；
步骤2.9，获得所述商圈复合面的外接矩形；对所述外接矩形进行格网化，然后提取出所述商圈复合面和所述外接矩形相交的所有格网；提取出的所有格网的边界轮廓，即为规则的所述商圈点Pi对应的商圈边界。
例如，如图2所示，A-B-C-D围成的四边形，为商圈复合面；A-B-E-F围成的矩形，为商圈复合面的外接矩形；如图3所示，A-B-H1-H2-H3-H4-H5-H6-A的连线，即为商圈复合面和外接矩形相交的格网的边界轮廓，即为规则的所述商圈点Pi对应的商圈边界。
作为一种示例，如图4所示，为通过上述分析步骤生成的某城市商圈边界。在图4中，一共有五个商圈，分别为商圈C1、商圈C2、商圈C3、商圈C4和商圈C5。
由此可见，本发明提供的基于空间数据的商圈边界识别方法具有以下优点：
本发明以商圈点位、商业POI兴趣点、地标性点位、城市道路等空间数据为基础，使用空间分析方法分析商圈空间范围的地理范围边界，具有商圈边界划分的准确性高的优点。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (3)

1.一种基于空间数据的商圈边界识别方法，其特征在于，包括以下步骤：
步骤1，建立商业POI数据库、商圈点数据库和道路段数据库，方法为：
步骤1.1，收集研究范围内的多个商业POI，对于每个商业POI，包括商业POI属性；所述商业POI属性包括商业POI名称和商业POI经纬度位置；
将所述商业POI属性存储到商业POI数据库；
步骤1.2，从研究范围内的多个商业POI中，提取出若干个地标建筑性质的商业POI，作为商圈点；对于每个商圈点，包括商圈点属性；所述商圈点属性包括商圈点名称、商圈点经纬度位置以及商圈点等级；
将所述商圈点属性存储到商圈点数据库；
步骤1.3，获得研究范围内的城市道路；对所述城市道路进行分段处理，得到若干个道路段；其中，分段处理方式为：将城市道路在相交的交点处打断，进而形成若干个道路段；
对于每个道路段，包括道路段属性；所述道路段属性包括道路段名称、道路段轮廓以及道路段经纬度位置；
将所述道路段属性存储到道路段数据库；
步骤2，对于商圈点数据库中任意一个商圈点，表示为商圈点Pi，采用以下方法确定商圈点Pi对应的商圈边界：
步骤2.1，预建立商圈点等级与商圈点缓冲距离之间的映射关系；根据商圈点Pi的商圈点等级，得到商圈点Pi的缓冲距离；
步骤2.2，以商圈点Pi的中心为圆心，以商圈点Pi的缓冲距离为半径作圆，从而得到商圈点Pi的缓冲区；
步骤2.3，查找所述商业POI数据库，筛选出商圈点Pi的缓冲区内的商业POI，得到第一商业POI集合；
在第一商业POI集合中，进一步筛选出与商圈点Pi具有强关系的商业POI，得到第二商业POI集合；
步骤2.4，采用空间聚合方法对第二商业POI集合中的商业POI按距离聚合，形成若干个多边形形状的聚合面；
步骤2.5，在步骤2.4得到的多个多边形形状的聚合面中，选择与商圈点Pi距离最近的一个多边形形状的聚合面，表示为Vi；然后，计算多边形形状的聚合面Vi的最小外接圆形，得到商圈点Pi对应的商业POI圆形覆盖面；
步骤2.6，查找所述道路段数据库，筛选出距离商圈点Pi设定距离内的所有道路段，即为商圈内所有道路段；
步骤2.7，合并步骤2.6得到的所有道路段计算凸包，得到商圈道路的外包范围，即为道路通达范围；
步骤2.8，合并步骤2.2得到的所述商圈点Pi的缓冲区、步骤2.5得到的商圈点Pi对应的商业POI圆形覆盖面以及步骤2.7得到的商圈道路的外包范围，形成商圈复合面；
步骤2.9，获得所述商圈复合面的外接矩形；对所述外接矩形进行格网化，然后提取出所述商圈复合面和所述外接矩形相交的所有格网；提取出的所有格网的边界轮廓，即为规则的所述商圈点Pi对应的商圈边界。
2.根据权利要求1所述的一种基于空间数据的商圈边界识别方法，其特征在于，步骤2.1中，预建立商圈点等级与商圈点缓冲距离之间的映射关系，是指：商圈点等级与商圈点缓冲距离成正比关系，商圈点等级越高，商圈点缓冲距离越大。
3.根据权利要求1所述的一种基于空间数据的商圈边界识别方法，其特征在于，步骤2.3中，筛选出与商圈点Pi具有强关系的商业POI是指：超市POI、商铺POI、餐馆POI和娱乐场景POI。
CN202010561194.8A 2020-06-18 2020-06-18 一种基于空间数据的商圈边界识别方法 Active CN111708859B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010561194.8A CN111708859B (zh) 2020-06-18 2020-06-18 一种基于空间数据的商圈边界识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010561194.8A CN111708859B (zh) 2020-06-18 2020-06-18 一种基于空间数据的商圈边界识别方法

Publications (2)

Publication Number Publication Date
CN111708859A CN111708859A (zh) 2020-09-25
CN111708859B true CN111708859B (zh) 2023-04-25

Family

ID=72542722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010561194.8A Active CN111708859B (zh) 2020-06-18 2020-06-18 一种基于空间数据的商圈边界识别方法

Country Status (1)

Country Link
CN (1) CN111708859B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112766718A (zh) * 2021-01-18 2021-05-07 华南理工大学 城市商圈边界识别方法、系统、计算机设备及存储介质
CN112907275A (zh) * 2021-01-21 2021-06-04 长沙市到家悠享网络科技有限公司 商圈围栏配置方法、服务信息分配方法及设备、介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204118A (zh) * 2016-06-30 2016-12-07 百度在线网络技术（北京）有限公司 一种用于商圈发现的方法与装置
CN106649331A (zh) * 2015-10-29 2017-05-10 阿里巴巴集团控股有限公司 商圈识别方法及设备
CN106682313A (zh) * 2016-12-29 2017-05-17 华南师范大学 一种基于时空二维的视频布局规划方法
CN107153888A (zh) * 2017-04-26 2017-09-12 浙江大学 一种基于极限学习机的最优化连锁店选址方法
CN109933638A (zh) * 2019-03-19 2019-06-25 腾讯科技（深圳）有限公司 基于电子地图的目标区域轮廓确定方法、装置及存储介质
CN110087185A (zh) * 2019-03-16 2019-08-02 平安城市建设科技(深圳)有限公司 商圈围栏生成方法、装置、设备及计算机可读存储介质
CN111160471A (zh) * 2019-12-30 2020-05-15 腾讯云计算（北京）有限责任公司 一种兴趣点数据处理方法、装置、电子设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190242720A1 (en) * 2018-02-07 2019-08-08 Topos Inc. Systems and methods for constructing spatial activity zones

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106649331A (zh) * 2015-10-29 2017-05-10 阿里巴巴集团控股有限公司 商圈识别方法及设备
CN106204118A (zh) * 2016-06-30 2016-12-07 百度在线网络技术（北京）有限公司 一种用于商圈发现的方法与装置
CN106682313A (zh) * 2016-12-29 2017-05-17 华南师范大学 一种基于时空二维的视频布局规划方法
CN107153888A (zh) * 2017-04-26 2017-09-12 浙江大学 一种基于极限学习机的最优化连锁店选址方法
CN110087185A (zh) * 2019-03-16 2019-08-02 平安城市建设科技(深圳)有限公司 商圈围栏生成方法、装置、设备及计算机可读存储介质
CN109933638A (zh) * 2019-03-19 2019-06-25 腾讯科技（深圳）有限公司 基于电子地图的目标区域轮廓确定方法、装置及存储介质
CN111160471A (zh) * 2019-12-30 2020-05-15 腾讯云计算（北京）有限责任公司 一种兴趣点数据处理方法、装置、电子设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Land use classification in construction areas based on volunteered geographic information;Chenru Chen等;《2016 Fifth International Conference on Agro-Geoinformatics (Agro-Geoinformatics)》;20160929;全文 *
多维特征融合的城市商圈划分方法;郝斌等;《地理与地理信息科学》;20170915(第05期);全文 *
广州市主城区商业空间集聚特征研究;何舒慧;《中国优秀硕士论文电子期刊网》;20200115;全文 *
武汉市道路结构与商业集聚空间关联分析;韩宇瑶等;《地理科学进展》;20171130;全文 *

Also Published As

Publication number Publication date
CN111708859A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
US9946939B2 (en) Guided geometry extraction for localization of a device
JP6813703B2 (ja) 装置の位置特定のための幾何学的指紋法
JP6619023B2 (ja) マルチラテレーションを用いた装置の位置特定
CN108427965B (zh) 一种基于路网聚类的热点区域挖掘方法
JP6666358B2 (ja) 装置の位置特定のための特徴ジオメトリーの選択
US9792521B2 (en) Extracting feature geometries for localization of a device
CN107392245A (zh) 一种出租车载客轨迹聚类算法Tr‑OPTICS
CN102521973A (zh) 一种手机切换定位的道路匹配方法
CN111708859B (zh) 一种基于空间数据的商圈边界识别方法
CN110413855B (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN105844031B (zh) 一种基于手机定位数据的城市交通廊道识别方法
CN109800903A (zh) 一种基于出租车轨迹数据的盈利路线规划方法
CN108710996A (zh) 基于旅游出行时空耦合的酒店集聚区域酒店选址评估方法
CN116644809B (zh) 一种集成地理大数据和机器学习的城镇开发边界划定方法
Peng et al. Identification and spatio-temporal characterization of urban functional areas based on POI data
Min A Study on the Spatial Distribution of Tourist Attractions above 3A Level in Hangzhou Based on POI Extraction
CN115794977A (zh) 一种移动目标离散轨迹的建立方法
Koleilat et al. Automatic Radial Routing Protocol for Public Transport System
CN115235495A (zh) 一种基于游客兴趣的景区三维导航方法及系统

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Method for Identifying Business District Boundary Based on Spatial Data

Effective date of registration: 20230904

Granted publication date: 20230425

Pledgee: Zhongguancun Beijing technology financing Company limited by guarantee

Pledgor: CHINA SCIENCE MAPUNIVERSE TCHNDOGY Co.,Ltd.

Registration number: Y2023990000439

PE01 Entry into force of the registration of the contract for pledge of patent right