CN111814055A - 一种基于云平台的智慧城市综合服务方法及系统 - Google Patents
一种基于云平台的智慧城市综合服务方法及系统 Download PDFInfo
- Publication number
- CN111814055A CN111814055A CN202010752085.4A CN202010752085A CN111814055A CN 111814055 A CN111814055 A CN 111814055A CN 202010752085 A CN202010752085 A CN 202010752085A CN 111814055 A CN111814055 A CN 111814055A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- obtaining
- life
- quality
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012549 training Methods 0.000 claims abstract description 80
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 32
- 238000010801 machine learning Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000007477 logistic regression Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
- G06F16/90—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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/906—Clustering; Classification
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云平台的智慧城市综合服务方法,其中,所述方法包括:获得第一用户的基础作息时间信息;获得所述第一用户的消费水平信息;将所述基础作息时间信息和所述消费水平信息输入训练模型,所述多组中的训练数据中的每一组训练数据均包括:基础作息时间信息和消费水平信息和用来标识生活质量等级的标识信息;获得训练模型的输出信息,其中,输出信息包括所述第一用户的生活质量等级信息;获得第一用户的地理位置信息;根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划,解决了现有技术中城市服务综合性差、适用性差等问题,达到城市服务智能性、实用性、便捷性的技术效果。
Description
技术领域
本发明涉及智慧城市综合服务技术领域,尤其涉及一种基于云平台的智慧城市综合服务方法及系统。
背景技术
随着信息技术的不断发展,城市信息化应用水平不断提升,智慧城市建设应运而生。它将城市的系统和服务打通、集成,提升资源运用的效率,优化城市管理和服务,改善市民生活质量。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
智慧城市建设虽然发展迅速,但现有的城市服务还存在综合性差、适用性差等问题,给用户带来了很多麻烦。
发明内容
本申请实施例通过提供一种基于云平台的智慧城市综合服务方法及系统,解决了现有技术中城市服务综合性差、适用性差等问题,达到城市服务智能性、实用性、便捷性的技术效果。
本申请实施例提供了一种基于云平台的智慧城市综合服务方法,其中,所述方法包括:获得第一用户的基础作息时间信息;获得所述第一用户的消费水平信息;将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;获得所述第一用户的地理位置信息;根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。
另一方面,本申请还提供了一种基于云平台的智慧城市综合服务系统,其中,所述装置包括:第一获得单元,所述第一获得单元用于获得第一用户的基础作息时间信息;第二获得单元,所述第二获得单元用于获得所述第一用户的消费水平信息;第一输入单元,所述第一输入单元用于将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;第三获得单元,所述第三获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;第四获得单元,所述第四获得单元用于获得所述第一用户的地理位置信息;第五获得单元,所述第五获得单元用于根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。
另一方面,本申请实施例提供了一种基于云平台的智慧城市综合服务系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
另一方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了以生活作息时间和消费水平综合信息输入训练模型,从而来获得用户生活质量等级的方式,使用户生活质量等级的评定更加准确,进而结合用户的地理位置信息为用户提供综合服务计划,使为用户提供的综合服务计划综合性好、适用性强,解决了现有技术中城市服务综合性差、适用性差等问题,实现城市服务智能性、实用性、便捷性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于云平台的智慧城市综合服务方法的流程示意图;
图2为本申请实施例一种基于云平台的智慧城市综合服务方法中获得所述第一用户的综合服务计划的流程示意图;
图3为本申请实施例一种基于云平台的智慧城市综合服务方法中获得等级分类子库的流程示意图;
图4为本申请实施例一种基于云平台的智慧城市综合服务方法中获得第一用户的基础作息时间信息的流程示意图;
图5为本申请实施例一种基于云平台的智慧城市综合服务方法中修正所述第一用户的基础作息时间信息的流程示意图;
图6为本申请实施例一种基于云平台的智慧城市综合服务方法中获得所述第一用户的消费水平信息的流程示意图;
图7为本申请实施例一种基于云平台的智慧城市综合服务方法中获得第一用户的消费水平信息的流程示意图;
图8为本申请实施例一种基于云平台的智慧城市综合服务方法所述训练模型的流程示意图;
图9为本申请实施例一种基于云平台的智慧城市综合服务系统的结构示意图;
图10为本申请实施例示例性电子设备的结构示意图;
附图标记说明:第一获得单元11,第二获得单元12,第一输入单元13,第三获得单元14,第四获得单元15,第五获得单元16,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本申请实施例通过提供一种基于云平台的智慧城市综合服务方法及系统,解决了现有技术中城市服务综合性差、适用性差等问题,实现城市服务智能性、实用性、便捷性的技术效果。下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
随着科技的不断进步,城市在飞速发展,相应的城市服务逐渐的开始走进我们的生活。它将城市的系统和服务打通,来改善市民生活质量,但现有的城市服务还存在综合性差,适用性差等问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种基于云平台的智慧城市综合服务方法,其中,所述方法包括:获得第一用户的基础作息时间信息;获得所述第一用户的消费水平信息;将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;获得所述第一用户的地理位置信息;根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供了一种基于云平台的智慧城市综合服务方法,其中,所述方法包括:
步骤S100:获得第一用户的基础作息时间信息;
具体而言,第一用户是智慧城市服务的具体对象,比如可以是城市固定居住居民、城市临时居住居民等,这里不做具体限定。第一用户的基础作息时间信息具体为获得第一用户在不同时间的作息习惯,通过将收集的作息时间进行整理,对所述作息习惯进行过滤,获得第一用户的基础作息时间信息。通过将用户的作息时间进行分析的方式,并过滤掉不规则信息,使得收集到用户作息时间更具有代表性,进而来根据作息时间获得综合服务计划,达到提升综合服务计划的准确性、适用性的效果。
步骤S200:获得所述第一用户的消费水平信息;
具体而言,第一用户的消费水平信息具体为第一用户的收入信息,第一用户的消费信息,具体而言,第一用户的消费信息可以进一步的分类为第一用户在衣、食、住、行上的详细消费情况。通过对用户工资收入信息和年度银行流水的信息,排除掉异常收入信息及异常消费信息,获得所述第一用户的准确的消费水平信息。通过对第一用户在衣食住行上的消费情况及消费所占比重信息等的分析,使得获得的综合服务计划更加适合第一用户,达到匹配的综合服务计划对用户具有适用性好、实用性强的效果。
步骤S300:将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;
具体而言,所述训练模型为一机器学习模型,所述机器学习模型能通过大量数据不断的学习,进而不断地修正模型,最终获得满意的经验来处理其他数据。
进一步而言,所述机器模型通过多组训练数据训练获得,所述神经网络模型通过训练数据训练的过程本质上为监督学习的过程。所述多组训练数据具体为:基础作息时间信息,消费水平信息,和用来标识生活质量等级的标识信息。通过输入基础作息时间信息、消费水平信息,机器学习模型会输出生活质量等级信息,通过标识的生活质量等级信息来对机器学习模型输出的生活质量等级信息进行校验,如果输出的生活质量等级信息同标识的生活质量等级信息相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果输出的生活质量信息同标识的生活质量等级信息不一致,则机器学习模型自身进行调整,直到机器学习模型达到预期的准确率后,进行下一组数据的监督学习。通过训练数据使机器学习模型自身不断地修正、优化,通过监督学习的过程来提高机器学习模型处理所述数据的准确性,进而使得生活质量等级信息准确,通过对生活质量信息进行准确的评定,来提升综合服务的准确性,进而达到提升综合服务计划的准确性、适用性的效果。
进一步而言,为了进一步提升获得的生活质量信息的评定准确性,还可以采用逻辑回归模型来适配机器学习模型的方式。详细来说,将所述作息时间信息和消费水平信息分别作为横纵坐标,建立坐标系。通过上述坐标系,获得逻辑回归线,所述逻辑回归线用于将所述生活质量等级进行初步分类:所述逻辑回归线一侧代表生活质量等级高;所述逻辑回归线另一侧代表生活质量等级低。通过多组监督数据对所述逻辑回归模型进行监督学习,即对比所述逻辑回归模型输出的生活质量信息和标识信息,如一致则进行下一组数据监督学习;若不一致则所述逻辑回归模型进行自我调整,直至获得的输出结果和标识信息一致,进行下一组数据监督学习。通过逻辑回归线对所述生活质量信息进行一个初步分类,再根据所述初步分类进行细化分析,进而获得所述生活质量信息的详细分类的手段,进一步的提升了获得的生活质量信息的评定准确性,提升综合服务的准确性,进而达到提升综合服务计划的准确性、适用性的效果。
步骤S400:获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;
具体而言,所述生活质量等级信息具为根据用户的作息时间和消费水平,对用户进行生活质量等级进行评定,所述生活质量等级可分为两大板块:生活质量等级高和生活质量等级低。根据这两大板块,在进行详细分类,如所述生活质量等级高详细分为:等级1、等级2、等级3,所述生活质量等级低可详细分为:等级4、等级5、等级6。根据基础作息时间信息和消费水平信息输入训练模型,获得生活质量等级信息的方式,使得获得的生活质量等级信息准确,进而为提供适用的、准确的综合服务计划夯实了基础,进而达到提升综合服务计划的准确性、适用性的效果。
步骤S500:获得所述第一用户的地理位置信息;
具体而言,第一用户的位置信息为第一用户所居住小区的详细位置信息,根据所述小区位置信息和小区周边环境、设施,为用户定制和环境相匹配的综合服务计划,来达到定制的综合服务计划更具有适用性的效果。
步骤S600:根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。
具体而言,所述为用户提供的综合服务计划不仅仅是基于作息时间信息和消费水品信息来获得生活质量信息考虑,更多的是结合生活质量等级信息和所述用户所处环境信息进行综合考量,来获得适和用户和适应环境的综合服务计划。通过位置信息的获得,来将用户生活质量和用户实际所处环境相互结合,达到提升综合服务计划的适用性的效果。
进一步来说,所述第一用户所在社区存在各项服务项目,根据用户生活质量等级信息为其匹配各类服务项目,进而获得综合服务计划,通过将生活质量和服务项目的有机的结合,使得服务项目更加的贴合用户,更加的适合用户,从而达到提升综合服务计划的适用性的效果。
如图2所示,为了达到综合服务计划适用性好的效果,本申请实施例步骤S600还包括:
步骤S610:获得第一预定距离;
步骤S620:根据所述第一用户的地理位置信息为中心,以所述第一预定距离为半径,获得第一服务区域;
步骤S630:建立综合服务数据库,所述综合服务数据库包含所述第一服务区域内的各项服务项目;
步骤S640:根据所述综合服务数据库,获得等级分类子库;
步骤S650:从与所述第一用户的生活质量等级对应的等级分类子库中获得对应服务项目;
步骤S660:根据所述对应服务项目,获得所述第一用户的综合服务计划。
具体而言,所述服务区域是根据所述用户位置信息获得的,通过获得所述位置信息和一预定距离,来约束所述服务区域相对于第一用户的距离。进一步来说,所述综合服务区域的综合服务项目都被统计在综合服务数据库中,所述综合服务数据库根据生活质量等级分为与其一一对应的等级分类子库。通过所述生活质量等级来获得与其对应的等级分类子库,从相应的等级分类子库中获得对应的服务项目,通过获得的服务项目获得第一用户的综合服务计划。通过对服务区域相对用户距离进行约束,减少用户与综合服务的区域的相对距离,为用户提供更加合理的服务计划。通过等级分类子库与生活质量等级信息一一对应的设计,使得根据获得生活质量等级信息后获得综合服务计划效率提升,达到综合服务的适用性好的效果。
如图3所示,为了达到使等级分类子库和生活质量等级一一对应的效果,本申请实施例步骤S640还包括:
步骤S641:建立综合服务数据库,所述综合服务数据库包含所述第一服务区域内的各项服务项目;
步骤S642:对所述综合服务数据库中的各项服务项目按照功能进行分类,获得第一分类结果;
步骤S643:对所述第一分类结果按照所述生活质量等级进行等级划分,获得等级分类子库;
具体而言,所述综合服务数据库为一存储了第一服务区域内的各项服务项目的数据库,所述数据库根据各项服务项目的衣食住行划分出不同类别,并针对不同类别进行等级划分,获得第一分类结果,所述第一分类结果按照所述生活质量等级划分,获得等级分类子库,所述等级分类子库与生活质量等级相互匹配,可以根据生活质量等级来一一对应所述等级分类子库,获得与之对应的综合服务项目,使得根据获得生活质量等级信息后获得综合服务计划效率提升,达到综合服务的适用性好的效果。
如图4所示,为了达到提升综合服务计划的准确性、适用性的效果,本申请实施例步骤S100还包括:
步骤S110:获得所述第一用户在第一预定时段内的作息时间信息;
步骤S120:对所述第一预定时段内的作息时间信息进行过滤,获得所述第一用户的基础作息时间信息;
具体而言,所述第一预定时段可以是一个星期、一个月或是一个季度,这不做具体限定,根据所述预定间间断内用户的作息时间,将明显区别于日常作息规律的异常信息过滤后,获得第一用户的基础作息时间信息。
如图5所示,为了获得更准确的用户基础作息时间信息,所述步骤S120 还包括:
步骤S121:获得第一用户的假期信息;
步骤S122:根据所述第一用户的假期信息,产生第一修正参数;
步骤S123:所述第一修正参数用于修正所述第一用户的基础作息时间信息。
具体而言:第一用户在假期时间的作息时间相比于工作时的作息时间有一定的差异性,而此时的差异性不应该作为区别于日常的基础作息时间信息予以过滤。获得用户的假期信息后,对所述假期日期的基础作息时间信息进行修正,当遇到假期情况,则所述基础作息时间信息则应修正为假期基础作息时间信息,所述假期基础作息时间信息是根据所述第一用户在假期期间的基础作息时间信息进行收集后,过滤掉明显区别于假期基础作息时间信息后获得的。通过将假期的基础作息时间与日常基础作息时间信息区别的方式,使得获得的基础作息时间信息更加合理、准确,进而来根据作息时间获得综合服务计划,达到提升综合服务计划的准确性、适用性的效果。
如图6所示,为了获得更准确的第一用户的消费水平信息,达到提升综合服务的适用性的效果,本申请实施例步骤S200还包括:
步骤S210:获得第一预定时间段;
步骤S220:获得所述第一用户在所述第一预定时间段内的工资收入信息;
步骤S230:获得所述第一用户在所述第一预定时间段内的年度银行流水信息;
步骤S240:根据所述第一用户在所述第一预定时间段内的工资收入信息和所述银行流水信息,获得所述第一用户在所述第一预定时间段内的消费水平信息;
具体而言,所述第一预定时间段可以是一个月,也可以是一个季度,这里不具体进行限定。工资收入信息即所述第一用户的工资收入情况,银行流水信息为用户的消费情况。根据用户在所述时间段内的收入情况和消费情况,排除掉异常收入信息及异常消费信息,获得用户的准确的在所述时间段内的消费水平信息。通过采用将用户的工资收入与流水来判断判断用户消费水平的手段,来更加准确的获得用户的消费水平信息,进而对用户消费水平做出准确判断,达到提升综合服务的适用性的效果。
如图7所示,为了获得用户年度流水的准确性,获得更准确的第一用户的消费水平信息,达到提升综合服务的适用性的效果,本申请实施例步骤S220 还包括:
步骤S221:根据所述第一用户的银行流水信息,判断所述第一用户是否具有贷款项;
步骤S222:如果所述第一用户具有所述贷款项,根据所述贷款项,获得第一影响参数;
步骤S223:根据所述第一影响参数,修正所述消费水平信息;
具体而言,获得用户年度流水的过程中,还需要判断用户是否有贷款行为。如果用户有贷款行为,则产生第一影响参数,所述第一影响参数对所述消费水平信息进行修正。详细来说,当判断用户有贷款项时,则不能单纯根据所述流水信息与收入信息进行判断用户的消费水平,需要根据用户的贷款金额及每月应还金额对用户的消费水平信息做适应性调整。通过对用户的消费水平信息进行进一步的细化修正,使得用户的消费水平信息更加准确,进而对用户生活质量等级信息判断更准确,从而达到提高综合服务的准确性、适用性的效果。
如图8所示,为了对用户生活质量等级信息判断准确,达到提升综合服务计划的准确性、适用性的效果,本申请实施例步骤S300还包括:
步骤S310:第一监督数据,所述第一监督数据是所述基础作息时间信息和所述消费水平信息输入时的监督数据;
步骤S320:利用所述第一监督数据对所述基础作息时间信息和所述消费水平信息输入所述训练模型的过程进行监督学习,使所述训练模型的输出信息达到收敛状态;
具体而言,所述训练模型为机器学习模型,所述每一组监督数据具体包括:基础作息时间信息、消费水平信息及用来标识生活质量等级的标识信息。将所述监督数据输入所述机器学习模型进行监督学习,通过标识的生活质量等级信息对所述机器学习模型输出结果进行对比,当一致时,本组数据监督学习完成,进行下一组数据监督学习;当不一致时,则机器学习模型进行自我修正,直至其输出结果与标识的生活质量信息一致,本组监督学习完成,进行下一组数据监督学习;通过大量数据的监督学习,使得机器学习模型的输出结果达到收敛状态,则监督学习完成。通过对训练模型进行进一步的监督学习的过程,使得训练模型输出的生活质量等级信息更加准确,从而提高了输出的生活质量等级信息的准确度,达到提升综合服务计划的准确性、适用性的效果。
需要说明的是,本发明实施例所提供的一种基于云平台的智慧城市综合服务方法运用于一城市大脑的数据平台中,该数据平台与城市的各个数据中心进行数据关联,比如银行系统,交通系统,信用系统,教育系统等。本发明实施例中所获得的各类数据均是通过计算机通信技术自动从上述诸如银行系统中自动匹配,关联,处理后予以获得。通过计算机技术可以高效、自动匹配,关联,处理进而解决本发明所要解决的技术问题,实现本发明的技术效果。
1、由于采用了将作息时间信息和消费水平信息输入训练模型,由训练模型输出生活质量等级信息的方式,基于训练模型自身能不断优化学习、获得“经验”来处理数据更准确的特点,使得对生活质量等级信息判断更准确,通过对生活质量等级信息的准确判断,提升数综合服务计划的准确性,进而达到升综合服务计划的准确性、适用性的效果。
2、由于采用了根据用户地理位置信息不同,获取就近的服务区域,将服务区域提供的服务根据所述生活质量等级一一对应分类,获得与之对应的分类子库的方式,达到提升根据生活质量信息获得相应的服务计划的速度及准确性的效果,进而达到提高综合服务的准确性、适用性的效果。
3、由于采用了对用户基础作息时时间信息通过假期信息修正的方式,达到了对用户基础作息时间信息更加合理、准确的效果,为对判断用户生活质量等级信息夯实了基础,使得对用户生活质量等级信息判断更准确,从而达到提高综合服务的准确性、适用性的效果。
4、由于采用了通过第一用户的贷款项对消费水平信息进行修正的方式,对用户的消费水平信息进行进一步的细化修正,使得用户的消费水平信息更加准确,进而对用户生活质量等级信息判断更准确,从而达到提高综合服务的准确性、适用性的效果。
实施例二
基于与前述实施例中一种用于智慧城市的数据共享方法同样发明构思,本发明还提供了一种用于智慧城市的数据共享系统,如图9所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于获得第一用户的基础作息时间信息;
第二获得单元12,所述第二获得单元12用于获得所述第一用户的消费水平信息;
第一输入单元13,所述第一输入单元13用于将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;
第三获得单元14,所述第三获得单元14用于用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;
第四获得单元15,所述第四获得单元15用于获得所述第一用户的地理位置信息;
第五获得单元16,所述第五获得单元16用于根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划;
进一步的,所述装置还包括:
第六获得单元,所述第六获得单元用于获得第一预定距离;
第七获得单元,所述第七获得单元用于根据所述第一用户的地理位置信息为中心,以所述第一预定距离为半径,获得第一服务区域;
第八获得单元,所述第八获得单元用于建立综合服务数据库,所述综合服务数据库包含所述第一服务区域内的各项服务项目;根据所述综合服务数据库,获得等级分类子库;
第九获得单元,所述第九获得单元用于从与所述第一用户的生活质量等级对应的等级分类子库中获得对应服务项目;
第十获得单元,所述第十获得单元用于根据所述对应服务项目,获得所述第一用户的综合服务计划;
进一步的,所述装置还包括:
第十一获得单元,所述第十一获得单元用于建立综合服务数据库,所述综合服务数据库包含所述第一服务区域内的各项服务项目;
第十二获得单元,所述第十二获得单元用于对所述综合服务数据库中的各项服务项目按照功能进行分类,获得第一分类结果;
第十三获得单元,所述第十三获得单元用于对所述第一分类结果按照所述生活质量等级进行等级划分,获得等级分类子库;
进一步的,所述装置还包括:
第十四获得单元,所述第十四获得单元用于获得所述第一用户在第一预定时段内的作息时间信息;
第十五获得单元,所述第十五获得单元用于对所述第一预定时段内的作息时间信息进行过滤,获得所述第一用户的基础作息时间信息;
进一步的,所述装置还包括:
第十六获得单元单元,所述第十六获得单元用于获得第一预定时间段;
第十七获得单元,所述第十七获得单元用于获得所述第一用户在所述第一预定时间段内的工资收入信息;
第十八获得单元,所述第十八获得单元用于获得所述第一用户在所述第一预定时间段内的年度银行流水信息;
第十九获得单元,所述第十九获得单元用于根据所述第一用户在所述第一预定时间段内的工资收入信息和所述银行流水信息,获得所述第一用户在所述第一预定时间段内的消费水平信息;
进一步的,所述装置还包括:
第一判断单元,所述第一判断单元用于根据所述第一用户的银行流水信息,判断所述第一用户是否具有贷款项;
第二十获得单元,所述第二十获得单元用于如果所述第一用户具有所述贷款项,根据所述贷款项,获得第一影响参数;
第一修正单元,所述第一修正单元用于根据所述第一影响参数,修正所述消费水平信息;
进一步的,所述装置还包括:
第二十一获得单元,所述第二十一获得单元用于获得第一监督数据,所述第一监督数据是所述基础作息时间信息和所述消费水平信息输入时的监督数据;
第一监督学习单元,所述第一监督学习单元用于利用所述第一监督数据对所述基础作息时间信息和所述消费水平信息输入所述训练模型的过程进行监督学习,使所述训练模型的输出信息达到收敛状态;
前述图1实施例一中的一种基于云平台的智慧城市综合服务方法的各种变化方式和具体实例同样适用于本实施例的一种基于云平台的智慧城市综合服务系统,通过前述对一种基于云平台的智慧城市综合服务方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于云平台的智慧城市综合服务系统的实施方法,所以为了说明书的简洁,在此不再详述。
示例性电子设备
下面参考图10来描述本申请实施例的电子设备。
图10图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于云平台的智慧城市综合服务方法的发明构思,本发明还提供一种基于云平台的智慧城市综合服务系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种基于云平台的智慧城市综合服务方法的任一方法的步骤。
其中,在图10中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301 和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
示例性可读存储介质
基于与前述实施例中一种基于云平台的智慧城市综合服务方法同样的发明构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
获得第一用户的基础作息时间信息;获得所述第一用户的消费水平信息;将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;获得所述第一用户的地理位置信息;根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。
本发明实施例提供的一种基于云平台的智慧城市综合服务方法,其中所述方法包括:获得第一用户的基础作息时间信息;获得所述第一用户的消费水平信息;将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;获得所述第一用户的地理位置信息;根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。解决了现有技术中城市服务综合性差、适用性差等问题,达到城市服务智能性、实用性、便捷性的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于云平台的智慧城市综合服务方法,其中,所述方法包括:
获得第一用户的基础作息时间信息;
获得所述第一用户的消费水平信息;
将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;
获得所述第一用户的地理位置信息;
根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。
2.如权利要求1所述的方法,其中,所述根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划,包括:
获得第一预定距离;
根据所述第一用户的地理位置信息为中心,以所述第一预定距离为半径,获得第一服务区域;
建立综合服务数据库,所述综合服务数据库包含所述第一服务区域内的各项服务项目;
根据所述综合服务数据库,获得等级分类子库;
从与所述第一用户的生活质量等级对应的等级分类子库中获得对应服务项目;
根据所述对应服务项目,获得所述第一用户的综合服务计划。
3.如权利要求2所述的方法,其中,所述根据所述综合服务数据库,获得等级分类子库,包括:
建立综合服务数据库,所述综合服务数据库包含所述第一服务区域内的各项服务项目;
对所述综合服务数据库中的各项服务项目按照功能进行分类,获得第一分类结果;
对所述第一分类结果按照所述生活质量等级进行等级划分,获得等级分类子库。
4.如权利要求1所述的方法,其中,所述获得第一用户的基础作息时间信息,包括:
获得所述第一用户在第一预定时段内的作息时间信息;
对所述第一预定时段内的作息时间信息进行过滤,获得所述第一用户的基础作息时间信息。
5.如权利要求1所述的方法,其中,所述获得所述第一用户的消费水平信息,包括:
获得第一预定时间段;
获得所述第一用户在所述第一预定时间段内的工资收入信息;
获得所述第一用户在所述第一预定时间段内的年度银行流水信息;
根据所述第一用户在所述第一预定时间段内的工资收入信息和所述银行流水信息,获得所述第一用户在所述第一预定时间段内的消费水平信息。
6.如权利要求5所述的方法,其中,所述获得第一用户的消费水平信息,包括:
根据所述第一用户的银行流水信息,判断所述第一用户是否具有贷款项;
如果所述第一用户具有所述贷款项,根据所述贷款项,获得第一影响参数;
根据所述第一影响参数,修正所述消费水平信息。
7.如权利要求1所述的方法,其中,所述训练模型包括:
第一监督数据,所述第一监督数据是所述基础作息时间信息和所述消费水平信息输入时的监督数据;
利用所述第一监督数据对所述基础作息时间信息和所述消费水平信息输入所述训练模型的过程进行监督学习,使所述训练模型的输出信息达到收敛状态。
8.一种基于云平台的智慧城市综合服务系统,其中,所述装置包括:
第一获得单元,所述第一获得单元用于获得第一用户的基础作息时间信息;
第二获得单元,所述第二获得单元用于获得所述第一用户的消费水平信息;
第一输入单元,所述第一输入单元用于将所述基础作息时间信息和所述消费水平信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述基础作息时间信息和所述消费水平信息和用来标识生活质量等级的标识信息;
第三获得单元,所述第三获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一用户的生活质量等级信息;
第四获得单元,所述第四获得单元用于获得所述第一用户的地理位置信息;
第五获得单元,所述第五获得单元用于根据所述第一用户的地理位置信息和所述第一用户的生活质量等级信息,获得所述第一用户的综合服务计划。
9.一种基于云平台的智慧城市综合服务系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752085.4A CN111814055A (zh) | 2020-07-30 | 2020-07-30 | 一种基于云平台的智慧城市综合服务方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010752085.4A CN111814055A (zh) | 2020-07-30 | 2020-07-30 | 一种基于云平台的智慧城市综合服务方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111814055A true CN111814055A (zh) | 2020-10-23 |
Family
ID=72862887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010752085.4A Withdrawn CN111814055A (zh) | 2020-07-30 | 2020-07-30 | 一种基于云平台的智慧城市综合服务方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814055A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102139A (zh) * | 2020-11-10 | 2020-12-18 | 工福(北京)科技发展有限公司 | 一种闲置物品交易扶贫管理方法及系统 |
CN112289136A (zh) * | 2020-11-10 | 2021-01-29 | 南通市第一人民医院 | 一种危险预知强化护理实践技能训练方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303597A (zh) * | 2015-05-20 | 2017-01-04 | 天脉聚源(北京)科技有限公司 | 一种电视广告推送方法和系统 |
CN109658152A (zh) * | 2018-12-21 | 2019-04-19 | 重庆锐云科技有限公司 | 房地产营销广告投放方法、装置、服务器 |
CN109767270A (zh) * | 2019-01-17 | 2019-05-17 | 建信养老金管理有限责任公司 | 基于人工智能的存房养老信息推荐方法及系统 |
CN109934619A (zh) * | 2019-02-13 | 2019-06-25 | 北京三快在线科技有限公司 | 用户画像标签建模方法、装置、电子设备及可读存储介质 |
CN110414980A (zh) * | 2019-06-26 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种风险防控数据处理方法及装置 |
CN110490632A (zh) * | 2019-07-01 | 2019-11-22 | 广州阿凡提电子科技有限公司 | 一种潜在客户识别方法、电子设备及存储介质 |
-
2020
- 2020-07-30 CN CN202010752085.4A patent/CN111814055A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303597A (zh) * | 2015-05-20 | 2017-01-04 | 天脉聚源(北京)科技有限公司 | 一种电视广告推送方法和系统 |
CN109658152A (zh) * | 2018-12-21 | 2019-04-19 | 重庆锐云科技有限公司 | 房地产营销广告投放方法、装置、服务器 |
CN109767270A (zh) * | 2019-01-17 | 2019-05-17 | 建信养老金管理有限责任公司 | 基于人工智能的存房养老信息推荐方法及系统 |
CN109934619A (zh) * | 2019-02-13 | 2019-06-25 | 北京三快在线科技有限公司 | 用户画像标签建模方法、装置、电子设备及可读存储介质 |
CN110414980A (zh) * | 2019-06-26 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种风险防控数据处理方法及装置 |
CN110490632A (zh) * | 2019-07-01 | 2019-11-22 | 广州阿凡提电子科技有限公司 | 一种潜在客户识别方法、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102139A (zh) * | 2020-11-10 | 2020-12-18 | 工福(北京)科技发展有限公司 | 一种闲置物品交易扶贫管理方法及系统 |
CN112289136A (zh) * | 2020-11-10 | 2021-01-29 | 南通市第一人民医院 | 一种危险预知强化护理实践技能训练方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guide Jr et al. | Managing product returns for remanufacturing | |
CN110222880B (zh) | 业务风险的确定方法、模型训练方法和数据处理方法 | |
CN105894359A (zh) | 订单推送方法、装置及系统 | |
CN110717671B (zh) | 一种确定参与方贡献度的方法及装置 | |
CN111814055A (zh) | 一种基于云平台的智慧城市综合服务方法及系统 | |
CN109582550B (zh) | 一种获取全量业务场景故障集合的方法、装置及服务器 | |
CN110458726A (zh) | 用于工程项目全过程咨询服务增值的方法 | |
CN110738523A (zh) | 一种维修订单量预测方法及装置 | |
CN111949795A (zh) | 工单自动分类方法及装置 | |
CN115829124A (zh) | 充电桩选址方法、装置、设备及存储介质 | |
CN117333290B (zh) | 一种一体化多尺度风控模型构建方法 | |
CN114219350A (zh) | 一种自然资源建设项目用地智能选址方法及装置 | |
Hanne | Meta decision problems in multiple criteria decision making | |
CN112767126A (zh) | 基于大数据的抵押物评级方法和装置 | |
CN109993562A (zh) | 一种满意度仿真方法、装置及终端设备 | |
Berger et al. | Orienteering the landscape of urban water sustainability indicators | |
CN110751589A (zh) | 一种ppp项目投资决策分析系统 | |
CN115860562A (zh) | 一种软件工作量合理性评判方法、装置及设备 | |
CN114548554A (zh) | 差异化收费策略效果预测方法、装置、设备及存储介质 | |
CN111753926B (zh) | 一种用于智慧城市的数据共享方法及系统 | |
WO2022010380A1 (ru) | Способ и автоматизированная система решения задач | |
Mattiaa et al. | Modelling and evaluating an environmental damage scenario: Discussing an assessment model predicted through a geographical information system procedure | |
Kularathna et al. | Multi-objective optimisation using optimizer WSS to support operation and planning decisions of Melbourne water supply system | |
CN112116197A (zh) | 一种基于供应商评价体系的不良行为预警方法及系统 | |
CN112541514A (zh) | 事件发布方法、服务器、终端及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201023 |
|
WW01 | Invention patent application withdrawn after publication |