CN112288238A - 基于多源数据的城市公园社会效用评价方法 - Google Patents
基于多源数据的城市公园社会效用评价方法 Download PDFInfo
- Publication number
- CN112288238A CN112288238A CN202011091213.1A CN202011091213A CN112288238A CN 112288238 A CN112288238 A CN 112288238A CN 202011091213 A CN202011091213 A CN 202011091213A CN 112288238 A CN112288238 A CN 112288238A
- Authority
- CN
- China
- Prior art keywords
- data
- evaluation
- park
- social utility
- social
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000013499 data model Methods 0.000 claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000011835 investigation Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 230000011664 signaling Effects 0.000 claims abstract description 16
- 238000007619 statistical method Methods 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000004630 mental health Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源数据的城市公园社会效用评价方法，其步骤为：首先利用层次分析法，建立城市公园社会效用评价指标体系，确定指标体系各因子权重，然后构建指标体系所用数据模型，建立数据模型所需数据分布矩阵，提取通过网络、无人机、监控设施、手机信令、热力地图(LBS)和现场调查途径获取需要的数据，再将提取的数据注入数据模型，然后按照评价因子给出不同权重，接着对模型输出数据进行统计分析，生成评价量表，最终得到城市公园社会效用评价结果。本发明可充分利用现有各种先进技术手段和设施提供的海量数据，使得城市公园社会效用评价指标体系的构建更加科学，提高了效率，适用于不同城市公园的社会效用评价。
Description
技术领域
本发明涉及城市公园社会效用评价，尤其涉及一种基于多源数据的城市公园社会效用评价方法。
背景技术
在这个可持续发展和生态文明愈加受到重视的时代，随着现代城市化进程，城市公园在城市人居环境中发挥的作用越来越大，如城市公园中的绿地是城市居民欣赏美景、接触自然的场所；城市公园中的游乐设施是休闲娱乐、社会交往的所在；城市公园中的运动设施是城市居民运动、休憩的所在；有些城市公园还具备避震救灾、应急避难、社会教育等功能。所以针对不同城市公园发挥的功能、效用，提供的社会效益、经济效益、环境效益等需要进行不断地评估，以期为城市公园建设，设施配备，城市规划等提供科学的参考。城市公园社会效用的评价是城市公园评价中十分重要的一部分，其通过调查的方法针对城市公园的可达性、人流量、设施的使用、城市公园内人员的行为、对使用者身心健康的影响等各个方面进行评价，最终形成社会效用的评价，用以指导城市公园的改建、调整并对新的城市公园建设给出指导性建议。
传统的城市公园社会效用评价是通过数据收集的方法实现的，常用数据收集方法包括访谈法、问卷法、观察法、影像法和文献法等，其中访谈法和问卷法是使用较多的方法，但这两种方法均属于介入式方法，需要大量人力物力，效率较低，时间跨度较短，样本数有限，信息延展性较差，其优点是其评价信息更主观，面向调查对象更精准。
2015年联合国发布了名为“Big Data for Development：Challenge andOpportunity”的白皮书，宣告了大数据时代的来临。IBM提出了大数据的5V特点：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。当前不断增加的信息量引发了人们思维和行为模式的变革，也推动了规划领域、环境及建筑评估领域中涌现出许多新理念和新技术，相应数据的采集存储管理、分析方式、评价模式、方法，以及与社会学相关的主观评价信息的处理等都因这些新技术而不同。针对城市公园社会效用评价，可用的大数据包括网络数据、监控设施数据、无人机数据、手机信令数据、热力地图(LBS)数据、环境数据等，这些数据的优点是数据量大，时间跨度大，信息量大，动态性好，但是这些大数据提供的信息有的颗粒度过大，还有很多包含多余误差信息，每一种数据都存在其局限性。
发明内容
本发明的目的在于提供一种基于多源数据的城市公园社会效用评价方法，避免了采用单一数据和方法的局限性，提高了获取大量数据的效率，使得城市公园社会效用评价指标体系的构建更加科学。
实现本发明目的的技术解决方案为：一种基于多源数据的城市公园社会效用评价方法，包括如下步骤：
根据城市公园社会效用评价，利用层次分析法，建立评价指标体系；利用文献资料结合专家咨询法，确定指标体系各因子权重；
根据评价指标体系和指标体系各因子权重，构建所需数据模型；
根据构建的数据模型，构建数据矩阵；
将数据矩阵所需数据映射到对应的多个数据源，数据源包括网络数据、无人机数据、监控设施数据、手机信令数据、热力地图数据和现场调查数据；
根据映射结果，通过网络、无人机、监控设施、手机信令、热力地图和现场调查获取所需数据；并对获取的数据进行筛选、清洗得到数据模型所需数据，将数据矩阵中的数据注入到数据模型中；
根据指标体系各因子权重，对模型输出数据按统一尺度进行归一化加权处理；
对处理后的数据整理形成评价量表；
对评价量表中的数据通过统计分析软件进行多源数据统计分析，得到城市公园社会效用评价的结论。
与现有技术相比，本发明的显著优点为：
1)本发明充分利用现有各种先进技术手段和设施提供的海量数据，避免了采用单一数据和方法的局限性，节约大量人力物力和调查时间，提高了效率；
2)本发明中多源数据的使用，使得城市公园社会效用评价指标体系的构建更加科学，保证了指标体系层次结构的合理性；
3)本发明根据城市公园社会效用评价指标体系的影响因子，创建了数序模型和数据矩阵，科学筛选不同数据源的不同数据，最终得到城市公园社会效用评价结论。
附图说明
图1为本发明的效用评价方法概括示意图。
图2为本发明的效用评价方法流程图。
图3为本发明中数据矩阵所需数据和数据源映射关系示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。同时，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种基于多源数据的城市公园社会效用评价方法，基于多种数据源获取数据，然后通过统计分析系统对获取的大量数据分析，得到公园的社会效用评价结论；具体方法流程如图2所示，方法思路上采用“总—分—总”的模式实施；具体包括如下步骤：
根据城市公园社会效用评价，利用层次分析法，建立评价指标体系；利用文献资料结合专家咨询法，确定指标体系各因子权重；
根据评价指标体系和指标体系各因子权重，构建所需数据模型；
根据构建的数据模型，构建数据矩阵；
如图3所示，将数据矩阵所需数据映射到对应的多个数据源，数据源包括网络数据、无人机数据、监控设施数据、手机信令数据、热力地图数据和现场调查数据；
根据映射结果，通过网络、无人机、监控设施、手机信令、热力地图和现场调查获取所需数据；并对获取的数据进行筛选、清洗得到数据模型所需数据，将数据矩阵中的数据注入到数据模型中；
根据指标体系各因子权重，对模型输出数据按统一尺度进行归一化加权处理；
对处理后的数据整理形成评价量表；
对评价量表中的数据通过统计分析软件进行多源数据统计分析，得到城市公园社会效用评价的结论。
进一步地，所述评价指标体系为表格形式，包含目标层和评价指标层；评价指标层包含m个评价层，每个评价层对应n个指标层；所述数据模型为：
CR为评价指数，Bi表示第i个评价层，Bij表示第i个评价层里对应的第j个指标层；其中WBi为评价层权重系数，WBij为指标层权重系数，TBij为各指标层统计数据，k为采用的评分标准。
进一步地，所述数据矩阵为：
矩阵中，T*为各指标层统计数据。
进一步地，所述通过网络获取所需数据具体指：利用网络媒体数据和社交网络数据，通过网络爬虫进行数据获取，然后对获取的大量数据进行清洗、转换、数据挖掘，最后通过主题语义和评价语义分析，从中获取调查所需数据。
进一步地，所述通过无人机获取所需数据为：针对被调查城市公园社会效用的评价目标体系，设定无人机飞行路线、区域和时间，同时设定获取动态和静态视频信息，对获取的数据进行人员识别、轨迹跟踪、流量统计，得到所需数据。。
进一步地，所述通过监控设施获取所需数据为：利用被调查城市公园已有监控设施，根据其所处节点，选取相关监控视频动态和静态影像，通过机器学习和神经网络算法，进行人脸识别、实时跟踪、行为分析，筛选出调查评价所需数据。
进一步地，所述通过热力地图获取所需数据指通过对热力地图信息的读取获取公园总体人口密度大尺度信息和人员流动动态信息，对获取的数据提取、筛选，得到所需数据。
进一步地，所述通过手机信令获取所需数据指从运营商获取手机信令数据，从中提取对应城市公园的个人时空行为、人员行为轨迹和活动时间，对获取的数据提取、筛选得到所需数据。
进一步地，所述通过现场调查获取所需数据指根据评价指标体系，设计现场访谈统计数据表和调查问卷，选取不同时间段、不同场所节点，针对不同受访人群，进行现场访谈、问卷调查及数据统计，通过回收的问卷、访谈记录和统计表格，得到现场调查数据。
进一步地，所述统计分析软件为SPSS软件。
下面结合实施例对本发明进行详细说明。
实施例
一种基于多源数据的城市公园社会效用评价方法为：
第一步：根据被调查城市公园社会效用评价目标建立评价指标体系，总体初步核定所需数据信息，如下：
首先利用文献调查法结合层次分析法，建立被调查城市公园社会效用评价指标体系；如表1所示；在根据指标体系，利用文献资料结合专家咨询法，对指标体系各因子确定权重，确定的各层次权重表如表2所示；
表1：城市公园社会效用评价指标体系表
表2：城市公园社会效用评价指标体系权重表
根据被调查城市公园社会效用评价指标体系构建数据模型；通过城市公园社会效用评价指标体系表和城市公园社会效用评价指标体系权重表,构建城市公园社会效用评价的数据模型如下所示：
CR为评价指数，城市公园社会效用的综合评价结果有上式中CR指数体现，变量i，j为指标层对应的下标；其中WBi为评价层权重系数，WBij为指标层分层权重系数，TBij为指标层统计数据结果，采用5分制评分标准。此数学模型中，CR的范围为0～1，数值越高，评价越好，数值越低则相反；
然后根据数据模型构建所需数据分布矩阵；
参照表2和上述数学模型，城市公园社会效用评价的数据矩阵按下式构建：
矩阵中，T*为多元数据为城市公园社会效用评价各指标层统计数据结果；
如图3所示，根据所需数据分布矩阵，分配数据信息到不同数据源；例如服务设施数据分配到网络数据和调查数据；游玩设施分配到网络数据、无人机数据、调查数据、监控设施数据，身心健康分配到网络数据、调查数据、监控设施数据；
第二步：根据所需信息进行分类数据信息获取，如下：
(1)首先获取不同信息源数据；数据获取按如下实施：
选取网络数据中网络媒体数据和社交网络数据，网络媒体例如大众点评、百度糯米、美团，社交网络例如微信、QQ；利用网络爬虫模块，针对调查城市公园对象，采用文本挖掘技术，获取被调查城市公园的环境评价信息、可达性评价信息、游乐设施评价信息、管理评价信息等；
针对被调查城市公园对象环境，设置无人机调查飞行路线、区域、时间，同时设定获取动态、静态视频信息，利用后续视频处理软件，对获取的信息进行人员识别、轨迹跟踪、流量统计，最终得到城市公园人流量统计、人员行为分析、不同场所人流量信息、人员活动轨迹等；
针对被调查城市公园对象，调取城市公园出入口、游乐场所、重要交通节点、主要景观带、卫生间、商业场所等节点监控设施数据，利用后续计算机视觉处理软件，通过机器学习、神经网络算法，分析提取获得被调查城市公园人员流量统计信息、人员活动轨迹评价，配套设施利用信息等；
本发明采用热力地图信息的方式。热力地图是反应人群聚集情况的大数据可视化产品，它以用户在使用定位功能时的地理位置数据为基础，通过一定的空间计算，叠加到地图上，通过不同颜色来反映不同的聚集程度。针对被调查城市公园对象，热力地图包括百度地图、高德地图和腾讯地图，通过LBS(Location Based Service)获取人员流量聚集信息，通过对热力量地图信息的读取，从中获取得到城市公园总体人口密度大尺度信息、人员流动动态信息等，为评价城市公园不同时间点、城市公园不同位置人口信息提供数据；
针对被调查城市公园对象，从运营商获取手机信令数据，通过数据分析软件，从中提取人员活动轨迹、出行方式、活动时间评估信息；
根据被调查城市公园对象社会效用评价指标体系，设计调查问卷和现场访谈统计表，选取不同时间段、不同场所节点，针对不同受访人群，进行问卷和访谈、统计，通过回收的问卷、访谈记录、统计表格，获取被调查对象的主观评价信息，包括休闲体验、环境评估、城市公园设施评估、可达性评估、受访对象信息、身心健康感受等；
然后根据各信息源被分配的数据，从获取的海量数据中筛选所需指标层数据；如针对网络获取的大量数据，存在众多冗余数据，无效数据，则根据信息源被分配的数据，例如可达性评价，选取关键词；如公交方便、驾车停车便捷、路程短等，采用文本分析法结合词频分析，多网络大数据进行筛选，其余数据比照类比进行筛选；
(2)将数据筛选后注入数据模型中。
第三步：对模型输出数据精细化处理、修正、平衡，步骤如下：
对输出数据进行按统一尺度进行归一化处理；
对归一化后的数据生成评价量表；
利用统计分析软件对评价量表得到城市公园社会效用评价结论；即，根据被调查城市公园对象社会效用评价指标体系，综合上述所获取的信息，利用多源信息统计分析方法和统计分析软件SPSS，从主观评价、客观评价等多尺度、多角度，得到被调查城市公园的社会效用评价结论。
虽然结合附图对本发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (10)
1.一种基于多源数据的城市公园社会效用评价方法，其特征在于，包括如下步骤：
根据城市公园社会效用评价，利用层次分析法，建立评价指标体系；利用文献资料结合专家咨询法，确定指标体系各因子权重；
根据评价指标体系和指标体系各因子权重，构建所需数据模型；
根据构建的数据模型，构建数据矩阵；
将数据矩阵所需数据映射到对应的多个数据源，数据源包括网络数据、无人机数据、监控设施数据、手机信令数据、热力地图数据和现场调查数据；
根据映射结果，通过网络、无人机、监控设施、手机信令、热力地图和现场调查获取所需数据；并对获取的数据进行筛选、清洗得到数据模型所需数据，将数据矩阵中的数据注入到数据模型中；
根据指标体系各因子权重，对模型输出数据按统一尺度进行归一化加权处理；
对处理后的数据整理形成评价量表；
对评价量表中的数据通过统计分析软件进行多源数据统计分析，得到城市公园社会效用评价的结论。
2.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述评价指标体系为表格形式，包含目标层和评价指标层；评价指标层包含m个评价层，每个评价层对应n个指标层；所述数据模型为：
CR为评价指数，Bi表示第i个评价层，Bij表示第i个评价层里对应的第j个指标层；其中WBi为评价层权重系数，WBij为指标层权重系数，TBij为各指标层统计数据，k为采用的评分标准。
3.根据权利要求2所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述构建的数据矩阵为：
矩阵中，T*为各指标层统计数据。
4.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述通过网络获取所需数据具体指：利用网络媒体数据和社交网络数据，通过网络爬虫进行数据获取，然后对获取的大量数据进行清洗、转换、数据挖掘，最后通过主题语义和评价语义分析，从中获取调查所需数据。
5.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述通过无人机获取所需数据为：针对被调查城市公园社会效用的评价目标体系，设定无人机飞行路线、区域和时间，同时设定获取动态和静态视频信息，对获取的数据进行人员识别、轨迹跟踪、流量统计，得到所需数据。
6.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述通过监控设施获取所需数据为：利用被调查城市公园已有监控设施，根据其所处节点，选取相关监控视频动态和静态影像，通过机器学习和神经网络算法，进行人脸识别、实时跟踪、行为分析，筛选出调查评价所需数据。
7.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述通过热力地图获取所需数据具体为：通过对热力地图信息的读取获取公园总体人口密度大尺度信息和人员流动动态信息，对获取的数据提取、筛选，得到所需数据。
8.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，通过手机信令获取所需数据具体为：从运营商获取手机信令数据，从中提取对应城市公园的个人时空行为、人员行为轨迹和活动时间，对获取的数据提取、筛选得到所需数据。
9.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述通过现场调查获取所需数据具体为：根据评价指标体系，设计现场访谈统计数据表和调查问卷，选取不同时间段、不同场所节点，针对不同受访人群，进行现场访谈、问卷调查及数据统计，通过回收的问卷、访谈记录和统计表格，得到现场调查数据。
10.根据权利要求1所述的基于多源数据的城市公园社会效用评价方法，其特征在于，所述统计分析软件为SPSS软件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011091213.1A CN112288238A (zh) | 2020-10-13 | 2020-10-13 | 基于多源数据的城市公园社会效用评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011091213.1A CN112288238A (zh) | 2020-10-13 | 2020-10-13 | 基于多源数据的城市公园社会效用评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112288238A true CN112288238A (zh) | 2021-01-29 |
Family
ID=74497838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011091213.1A Pending CN112288238A (zh) | 2020-10-13 | 2020-10-13 | 基于多源数据的城市公园社会效用评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288238A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592184A (zh) * | 2021-08-05 | 2021-11-02 | 中国科学院地理科学与资源研究所 | 一种预测适宜运动空间的方法和系统 |
| CN117596551A (zh) * | 2024-01-19 | 2024-02-23 | 浙江大学建筑设计研究院有限公司 | 一种基于手机信令数据的绿道网用户行为还原方法及装置 |
-
2020
- 2020-10-13 CN CN202011091213.1A patent/CN112288238A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592184A (zh) * | 2021-08-05 | 2021-11-02 | 中国科学院地理科学与资源研究所 | 一种预测适宜运动空间的方法和系统 |
| CN117596551A (zh) * | 2024-01-19 | 2024-02-23 | 浙江大学建筑设计研究院有限公司 | 一种基于手机信令数据的绿道网用户行为还原方法及装置 |
| CN117596551B (zh) * | 2024-01-19 | 2024-04-09 | 浙江大学建筑设计研究院有限公司 | 一种基于手机信令数据的绿道网用户行为还原方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109034448B (zh) | 基于车辆轨迹语义分析和深度信念网络的轨迹预测方法 | |
| Chen et al. | Learning deep representation from big and heterogeneous data for traffic accident inference | |
| White et al. | Cellular automata and fractal urban form: a cellular modelling approach to the evolution of urban land-use patterns | |
| O’Connor et al. | Geo-temporal tracking and analysis of tourist movement | |
| Carton et al. | Citizen-sensor-networks to confront government decision-makers: Two lessons from the Netherlands | |
| Li et al. | Statistical analysis of tourist flow in tourist spots based on big data platform and DA-HKRVM algorithms | |
| Bao et al. | Spatial analysis of bikeshare ridership with smart card and POI data using geographically weighted regression method | |
| CN112288238A (zh) | 基于多源数据的城市公园社会效用评价方法 | |
| Mercea | Transnational activism in support of national protest: questions of identity and organization | |
| Chakim et al. | RETRACTED: The Relationship Between Smart Cities and Smart Tourism: Using a Systematic Review | |
| Khan et al. | Explainable event recognition | |
| Liu et al. | Simulated impacts of 3D urban morphology on urban transportation in megacities: case study in Beijing | |
| CN110633890A (zh) | 一种土地利用效率判断方法和系统 | |
| Ferreira et al. | A Systematic Review of Forensic Approaches to Disasters: Gaps and Challenges | |
| Liu et al. | Comparing regional sustainability and transportation sustainability at the metropolitan level in the US using artificial neural network clustering techniques | |
| Du et al. | Landscape image layout optimization extraction simulation of 3D pastoral complex under big data analysis | |
| Ahmed et al. | A university leader selection novel intelligent system based on Fuzzy-AHP and PROMETTEE II | |
| Jia | Garden landscape design method in public health urban planning based on big data analysis technology | |
| Serebrennikov et al. | A tale of four cities: Exploring environmental characteristics of CCTV equipment placement | |
| Wang | The digital presentation of human-oriented urban design | |
| Yao et al. | Social-spatial structure of Beijing: a spatial-temporal analysis | |
| Sun et al. | How urban environments affect public sentiment and physical activity using a cognitive computing framework | |
| Huang | A network model of happiness at destinations | |
| Cifolelli et al. | Exploring the interceptions between Smart Cities and Digitalization for Urban Development–a Systematic Literature Review and future research agenda | |
| Gong | Study on tourism development income index calculation of finite element ordinary differential mathematical equation |
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 |