CN113159473A - 一种大数据关联指标智能推荐模型及建模方法和建模装置 - Google Patents
一种大数据关联指标智能推荐模型及建模方法和建模装置 Download PDFInfo
- Publication number
- CN113159473A CN113159473A CN202011377292.2A CN202011377292A CN113159473A CN 113159473 A CN113159473 A CN 113159473A CN 202011377292 A CN202011377292 A CN 202011377292A CN 113159473 A CN113159473 A CN 113159473A
- Authority
- CN
- China
- Prior art keywords
- index
- data
- indexes
- city
- decision
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007670 refining Methods 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 claims abstract description 15
- 238000005065 mining Methods 0.000 claims abstract description 15
- 238000012163 sequencing technique Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 42
- 230000000694 effects Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000009411 base construction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 235000013311 vegetables Nutrition 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 150000003839 salts Chemical class 0.000 description 7
- 238000002372 labelling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000011263 association rule mining technique Methods 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting Effects 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
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明公开一种大数据关联指标智能推荐模型及建模方法和建模装置,该建模方法包括:获取建模相关数据到数据池并存储;构建指标体系;细化拆分指标体系的指标数据项,将指标数据项与数据池的数据建立关联关系;挖掘数据池中大数据蕴含的指标的关联关系;对数据指标建立指标标签;构建指标知识库;对指标体系的相关指标进行推荐;对决策措施进行时空维度的评价;对决策措施进行比较排序和推荐;对指标体系的关键指标项或所有指标项进行综合计算,得到城市总体态势指数,进行城市间的指数对比;对城市总体态势指数进行集成展示;根据城市间的指数对比对潜在城市风险进行辨识识别和对城市建设方向进行推荐或评估;循环上述步骤,直到模型建立完成。
Description
技术领域
本发明涉及网络安全技术领域,尤其涉及一种大数据关联指标智能推荐模型及建模方法和建模装置。
背景技术
智慧城市的建设中,对大数据的处理和应用占据重要地位,而大数据领导驾驶舱是以全局掌握城市运营全貌为目标的数据指标的呈现技术,现有的智慧城市运营管理中心IOC和领导驾驶舱的展示一般都是以行业主题为线索,分门别类地进行领域和行业内部的数据展示,比如视频监控、交通、能源或环境等。但是此种建立方式存在以下问题:(1)主题内容分散,不能从整体上给领导决策提供全景的直观展示;(2)城市总体状态不明,没有总体上对城市状态的评估方法; (3)展示指标相互之间的逻辑没有显示出来,展示相关切换非常繁琐。
另外,现有的另一种斯德哥尔摩的五角大楼模型,从经济资本、知识资本、社会超结构、生态资源和地理信息基础设施五个方面的70 个主题指标形成的城市发展水平仪表盘,对城市整体可持续发展和各个方面发展进行评价,可以横向对比不同城市的发展水平状况,也可以时间维度纵向对比不同时期指标的变化。该种呕心存在如下的应用问题:(1)不是针对领导辅助决策的目标设计,只能进行状态和水平对比,不能系统地提供运行管理决策建议参考;(2)辅助决策的来源不完整,不能完整体现一般领导决策的依据,比如群众诉求反映、政策制定导向和重大事件发生等,只能反映与其他城市对比的参数情况的决策依据源。
发明内容
基于上述问题,为了解决城市运行管理宏观过程的大数据建模的技术问题,提出的一种易于理解、逻辑关系强、功能全面且实现方便的城市运行管理大数据的四驱罗盘模型建模技术方法。
为解决上述问题,本发明一个实施例提供了一种大数据关联指标智能推荐模型建模方法,所述方法包括:
S1、获取建模相关数据到数据池,按照数据池统一标准进行存储;
S2、获取预设的数据指标,分别加入到模型指标分类结构中,构成指标体系;
S3、从时间、空间和领域维度细化拆分所述指标体系的指标数据项,并将所述指标数据项与所述数据池的数据建立关联关系;
S4、使用关联规则数据挖掘数据池中大数据蕴含的指标的关联关系;
S5、依据S3得到的细化拆分的指标数据项、S4的大数据蕴含的指标的关联关系和所述数据指标的领域知识对所述数据指标建立指标标签;
S6、依据所述指标标签建立所述数据指标的关联关系,综合所述数据指标的关联关系和领域知识构成指标知识库;
S7、依据所述指标知识库对所述指标体系的相关指标进行推荐;
S8、从所述数据池的数据源、细化拆分的指标数据项和指标知识库三个层次对决策措施进行时空维度的评价;
S9、依据决策措施评价结果对决策措施进行比较排序和推荐;
S10、依据不同的预设参考评价方法,对所述指标体系的关键指标项或所有指标项进行综合计算,得到城市总体态势指数,进行城市间的指数对比;
S11、对所述城市总体态势指数进行集成展示;
S12、根据城市间的指数对比对潜在城市风险进行辨识识别和对城市建设方向进行推荐或评估;
S13、判断模型是否建立完成,是则结束,否则循环步骤1-12,直到模型建立完成。
其中,所述指标体系为树形结构,所述指标体系的一级指标包括城市生命线指标、城市生活线指标、城市事件线指标和社情民意线指标;
所述城市生命线包括基础设施、生态环境、城市安全、城市信用和经济运行;
所述城市生活指标包括人口统计、人民生活、公众出行、社会保障、生活环境、卫生健康、城市旅游和教育文化;
所述城市事件线包括突发事件、城市管理时间和重大活动;
所述社情民意线包括市长热线、舆情信息和公众意见信息。
其中,所述步骤S4具体包括:
从数据池中挖掘与主显示区域显示指标之间支持度不小于最小支持度阈值的频繁项集;
从所述频繁项集中生成满足最小置信度阈值要求的关联规则。
其中,所述细化拆分所述指标体系的指标数据项,具体为:
将所述指标数据项根据引起领导决策的诱因分为指标数据波动或越警戒线、重大事件、重要舆情和政策导向四类;
分别计算四类指标的优先展示指数并做归一化综合计算。
其中,所述步骤S5中,对指标体系建立标签,具体包括:
对所述指标体系的数据指标建立属性标签;
依据S3得到的细化拆分的指标数据项、S4的大数据蕴含的指标的关联关系和所述数据指标的领域知识,计算目标数据指标与所有数据指标的标签相关度,并将满足阈值的数据指标按照相关度进行排序。
其中,所述城市总体态势指数计算,具体包括:
将指标体系的所有数据指标进行归一化处理;
将归一化后的数据指标按照预设的权值分布进行计算,得到城市总体态势指数。
本发明的另一个方面,提供一种大数据关联指标智能推荐模型建模装置,所述装置包括:
数据获取模块,用于获取建模相关数据到数据池,按照数据池统一标准进行存储;
指标定位模块,用于获取预设的数据指标,分别加入到模型指标分类结构中,构成指标体系;
数据接入模块,用于从时间、空间和领域维度细化拆分所述指标体系的指标数据项,并将所述指标数据项与所述数据池的数据建立关联关系;
指标关联模块,用于使用关联规则数据挖掘数据池中大数据蕴含的指标的关联关系;
标签建立模块,用于依据细化拆分的指标数据项、大数据蕴含的指标的关联关系和所述数据指标的领域知识对所述数据指标建立指标标签;
知识库构建模块,用于依据所述指标标签建立所述数据指标的关联关系,综合所述数据指标的关联关系和领域知识构成指标知识库;
相关指标推荐模块,用于依据所述指标知识库对所述指标体系的相关指标进行推荐;
决策措施评价模块,用于从所述数据池的数据源、细化拆分的指标数据项和指标知识库三个层次对决策措施进行时空维度的评价;
决策措施推荐模块,用于依据决策措施评价结果对决策措施进行比较排序和推荐;
城市指标评估模块,用于依据不同的预设参考评价方法,对所述指标体系的关键指标项或所有指标项进行综合计算,得到城市总体态势指数,进行城市间的指数对比;
展示模块,用于对所述城市总体指标态势进行集成展示;
城市风险和建设评估模块,用于根据城市间的指数对比对潜在城市风险进行辨识识别和对城市建设方向进行推荐或评估;
判断模块,用于判断模型是否建设完成,如果否,则发送指令至数据获取模块,直到判断模型建立完成。
其中,所述指标体系为树形结构,所述指标体系的一级指标包括城市生命线指标、城市生活线指标、城市事件线指标和社情民意线指标;
所述城市生命线包括基础设施、生态环境、城市安全、城市信用和经济运行;
所述城市生活指标包括人口统计、人民生活、公众出行、社会保障、生活环境、卫生健康、城市旅游和教育文化;
所述城市事件线包括突发事件、城市管理时间和重大活动;
所述社情民意线包括市长热线、舆情信息和公众意见信息。
其中,所述数据接入模块的细化拆分所述指标体系的指标数据项,具体为:
将所述指标数据项根据引起领导决策的诱因分为指标数据波动或越警戒线、重大事件、重要舆情和政策导向四类;
分别计算四类指标的优先展示指数并做归一化综合计算。
本发明的又一个实施例中,提供一种大数据关联指标智能推荐模型,该模型使用上述的建模方法建成。
本发明的一种大数据关联指标智能推荐模型及建模方法和建模装置,以城市生命线指标、城市生活线指标、城市事件线指标和社情民意线指标思维分类分级呈现大数据指标,是对城市大数据指标展示方式的创新,能够整体展示指标体系围绕领导辅助决策的需求展开。
此外,本发明对于大数据指标分数据波动或越警戒线、重大事件、重要舆情和政策导向四类,分别计算四种指标的优先展示指数并做归一化综合计算的方法,能够提高指标推荐的准确性和推荐效率。
附图说明
图1示出了本发明实施例的四驱罗盘模型示意图;
图2示出了本发明实施例的四驱罗盘模型技术架构图;
图3示出了本发明大数据关联指标智能推荐模型建模方法的流程图;
图4示出了本发明的大数据关联指标智能推荐模型建模装置的结构框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明从辅助领导决策的角度整体上组织城市运行管理的大量数据指标,数量从几百到成千上万,提供呈现操作结构体系;使用数据挖掘及数据指标内容标签技术,打通不同数据指标的相互关联关系,使城市运营管理中心IOC、领导驾驶舱和城市仪表盘等按照指标内在的逻辑关系强度体系化地呈现;所有指标按照统一的状态评估方法整体上反映城市运行状态,并能对时空维度的决策措施进行对比评价验证,对决策效果进行预测评估。
本发明实施例提出了一种易于理解、逻辑关系强、功能全面且实现方便的城市运行管理大数据的四驱罗盘模型建模技术方法。
四驱罗盘模型将城市管理领域从城市领导者的角度分为城市生命线、城市生活线、城市事件线和社情民意线四个主题,每个主题都有行业领域的树形细分数据指标构成,并且每个主题和主题之间的数据指标之间都有相互关联关系,互动关联驱动,形成社会整体形态的综合数据指标表征,如附图1所示。每种决策措施的效果,都可以在时间维度或不同地方的空间维度得到对比评价。四驱罗盘模型继承了按主题分类和五角大楼模型的优点,并应用于城市管理决策领域,创新发展了量化描述和评价城市状态和决策措施的技术方法。
四驱罗盘模型的技术架构首先是获取数据到数据池,从城市各委办局获取数据指标体系,然后从时间/空间/领域维度细化指标的数据项并建立起数据项与数据池之间的数据关联关系;然后从数据池中建立隐含关系的关联规则挖掘过程,结合指标属性标签技术形成对应于细分数据项的标签集合,并在其上建立指标体系的关联关系体系,用于相关指标推荐;指标体系、细分数据项和数据池分别对应于决策措施评价考核机制的不同评价层次。指标及其关联关系和决策措施评价直接支撑城市运营管理中心、城市仪表盘和领导驾驶舱界面展示操作体系,如附图2所示。其中指标体系可以支撑城市状态评价,相关关系体系支撑相关指标推荐,决策措施评价考核机制支撑决策评估效果预测功能。
在当前海量的数据环境下,各类城市数据指标成千上万,在这种情况下,不做分类分级,就会让人迷失在数据指标的丛林里。四驱罗盘模型作为大数据指标导航工具,大大方便了城市管理者了解城市状态和处理城市事件,对比城市发展状态和决策措施,进行方案优选和处理决策。
目前,城市大数据集中展现的研发实施在国内刚刚处于起始阶段,城市领导驾驶舱的大数据关联指标推荐设计还没有先例可以参考。从应用系统中收集和海量的城市互联网信息中收集的大数据的领导角度呈现四驱罗盘模型方法,是目前国内管理复杂和不确定的城市发展功能,以及进行辅助决策的操作工具的首创实现。
四驱罗盘模型是建设大数据平台和领导驾驶舱过程中的实践经验总结。领导驾驶舱建设丰富的指标及其背后的支撑大数据资源,证明了四驱罗盘模型作为“导游”、“秘书”和“参谋”的可行性和实用性,用于城市的平衡选择和辅助决策。
四驱罗盘模型的建设方法和技术是通用的,这种框架模型的实现可以很容易地复制到中国和世界的其他城市中,并且可以在指标的时空比较的基础上生成有效的决策和评价参考线索,以确定城市决策的形式和策略。对于公安、交通、城市管理、环境和能源等不同行业的大数据决策推荐,也极具推广价值。另外四驱罗盘模型的技术方法是落实城市大脑和新型智慧城市建设的有效实践技术,它的推广应用,可以极大地促进城市大脑和新型智慧城市的建设步伐。
本发明的一个实施例中,提供一种大数据关联指标智能推荐模型建模方法,即前述的四驱罗盘模型的建模方法,如图3所示,该方法包括:
S1、获取建模相关数据到数据池,按照数据池统一标准进行存储;
S2、获取预设的数据指标,分别加入到模型指标分类结构中,构成指标体系;
S3、从时间、空间和领域维度细化拆分所述指标体系的指标数据项,并将所述指标数据项与所述数据池的数据建立关联关系;
S4、使用关联规则数据挖掘数据池中大数据蕴含的指标的关联关系;
S5、依据S3得到的细化拆分的指标数据项、S4的大数据蕴含的指标的关联关系和所述数据指标的领域知识对所述数据指标建立指标标签;
S6、依据所述指标标签建立所述数据指标的关联关系,综合所述数据指标的关联关系和领域知识构成指标知识库;
S7、依据所述指标知识库对所述指标体系的相关指标进行推荐;
S8、从所述数据池的数据源、细化拆分的指标数据项和指标知识库三个层次对决策措施进行时空维度的评价;
S9、依据决策措施评价结果对决策措施进行比较排序和推荐;
S10、依据不同的预设参考评价方法,对所述指标体系的关键指标项或所有指标项进行综合计算,得到城市总体态势指数,进行城市间的指数对比;
S11、对所述城市总体指标态势进行集成展示;
S12、根据城市间的指数对比对潜在城市风险进行辨识识别和对城市建设方向进行推荐或评估;
S13、判断模型是否建立完成,是则结束,否则循环步骤1-12,直到模型建立完成。
上述实施例的指标体系中,一级指标项四个,即城市生命线指标、城市生活线指标、城市事件线指标和社情民意线指标;二级指标项十九个,分别是城市生命线包括基础设施、生态环境、城市安全、城市信用和经济运行;城市生活线包括人口统计、人民生活、公众出行、社会保障、生活环境、卫生健康、城市旅游和教育文化;城市事件线包括突发事件、城市管理事件和重大活动;社情民意线包括市长热线、舆情信息和公众意见信息等,二级指标下又分别设有不等数量的三级指标,三级指标下可能又有不同数量的四级指标,…,如此树形向下拆分,直到每小类指标都拆分到具体指标项叶子结点。因为这些数据指标分级分类在圆形显示正如罗盘刻度一般,我们按照一级四个主题分类,命名建设的模型为四驱罗盘模型。
进一步地,在上述建模过程中,指标数据项细分为四大类:指标数据波动或越警戒线、重大事件、重要舆情和政策导向,代表着引起领导决策的诱因。对于指标数据波动或越警戒线类决策诱因,将指标波动和越警戒线的幅度进行归一化处理,使不同数据指标的变化和越界情况在[-1,1]区间的小数表示,不同数据指标可以在同一标准下比较;对于重大事件类决策诱因,按照事件的主要数据属性,比如突发事件伤亡人数,发生地分为敏感地区、繁华地区、城市地区或僻静地区的突发事件都给与不同级别的数据属性值,都依据多标准决策算法归一化处理到[-1,1]区间;对于重要舆情类决策诱因,将依据网络传播数量和引起决策措施的级别进行多属性重要性衡量,这需要依据既往决策数据和资料,对于决策措施的级别等进行数据化赋值,以便进行比较计算。一般而言,引起决策级别越高,比如中央、省、市和区等,级别数值属性越高,类似指标排名越靠前;对于政策导向决策诱因,要识别区分出来不同政策导向的指标数据项,比如整治疏解或者京津冀协同发展,两者的决策的数据值依据一定是从所有指标项中被分别识别出来。识别的方法就是标签技术,通过给指标数据项打属性标签,含有整治疏解和京津冀协同标签的数据项可以被分别识别出来,按照识别的匹配程度分主次显示在主界面和推荐栏目(表示指标高度相关关系)中。
本发明实施例的四驱罗盘模型中,显示模式可以分为多种类型,主显示区分别显示一个或多个细化指标内容,数据指标的向下钻取方式有两种:(a)点击多个细化指标显示模式的某个细化指标显示区; (b)在显示控制区直接点击想要下钻的指标。相关关系栏目的指标项来自和主显示区相关的指标,依据相关度从大到小排序。相关度计算方法有指标关联规则挖掘技术和指标标签相关度计算技术。
本实施例采用的是综合排序的技术,即两种方法分别归一化相关度,然后统一比较。下面分别加以说明:
上述建模中,步骤S4中的使用指标关联规则挖掘技术方法来挖掘数据池中大数据蕴含的指标的管理关系,该方法是从所有指标数据集中分析与主显示区显示指标之间潜在的关联关系,指标关联规则挖掘主要由两个步骤组成:(a)从所有指标数据集中挖掘所有与主显示区显示指标之间支持度不小于最小支持度阈值的频繁项集;(b)从上一步结果中生成满足最小置信度阈值要求的关联规则。指标标签相关度技术是对于指标的属性打标签,然后计算所有指标和主显示区指标标签相关程度的技术方法;
在步骤S5中,通过对数据指标打标签的方式来确定指标关联度,其主要也由两个步骤组成:(a)对所有指标打属性标签,根据指标计算的组成子指标,以及包含目标指标的父指标之间的距离打标签和权值,然后可以根据国家行业分类标准打行业标签,以及技术领域标签,…,总之,能对目标指标进行说明的一切属性应打尽打。(b)计算目标指标和所有指标的标签相关度,并将满足阈值的指标按相关度排序。在实现中,指标相关度的综合计算根据需要选择以关联规则为主,还是以标签相关度为主相互验证、参照和融合。
在步骤S10中,通过城市总体态势指数的计算,来得到城市状态中和评价。
城市指标涵盖了各类城市评价模型的指标,支持各类城市状态评价,比如可持续城市国际评价和中国新型智慧城市评价,四驱罗盘模型全面指标也有城市状态综合评价的方法。即将所有指标进行归一化处理,比如将指标取值范围扩展一定百分比后,在[-1,1]区间映射指标值,然后将所有指标按照正面(好的)和负面(不好的)分为2类,正面的示例有GDP和每年国际会议的次数等,负面的示例有犯罪率和居民消费品价格指数等,接着按照一定权值分布计算指标、行业和总体得分,最后按照行业领域、地区分区和全局得分进行时间维度的展示,也可以对比不同地区、不同行业等的得分进行比较研究,还可以挖掘分析城市状态与负面事件和舆情的关联规则。城市状态综合评价也可以按照国际流行评价模型和国内各类主题城市评价计算状态,进行行业间、国际城市之间、国内城市之间的状态数据对比,寻找不足和差距,这也是领导决策的重要依据之一。
在步骤S8和S9中,对决策效果评价和决策措施的评价,一般而言,领导决策都是在当前的某种数据状态的基础上制定的,但决策措施的效果都是有一定的延迟,并且有一定的范围,在决策执行的某一段时间内相关指标或行业、城市的状态指数变化体现。最常用的方法是对比决策前后一段时间内的指标或指数的变化来评估评价决策效果;另一个应用是寻找类似地方在相似城市状态下的决策措施和效果作为当前城市状态下决策的参考。
以下通过具体实施例来说明本发明的大数据关联指标智能推荐模型建模过程。
实施例一
假设在城市运行管理过程中相继发生了以下事件:城市天气预报连续大雪天气,给出道路结冰红色预警信号;进城高速路连续几天封闭;进城高速路口拥堵指数显示车辆大量排队现象;大量运送城市供给蔬菜车辆无法进城;出现蔬菜供给不足现象;蔬菜价格大幅上扬;社情民意出现舆情波动。在发生以上事件后,根据本发明的大数据关联指标智能推荐模型给出的信息提示,可采取的决策措施有:高速路道路除冰作业,疏通进城高速道路;在社会媒体上公开公布事件发展情况和解决措施,平复民意波动,动用紧急储备蔬菜平抑物价等。
在本实施例中,首先是四驱罗盘模型的事件线里极端天气事件促发的一连串城市生命线、城市生活线、城市事件线和社情民意领域的分级别指标在相应级别上互相联动的变化;再者事件指标持续时间详细落图到空间具体地区和道路,比如道路结冰封闭指标落图到进城高速道路,事件指标的不同级别的时空属性细化;城市蔬菜供给指数标签标记主要运输路线,含道路结冰封闭高速路,这样道路封闭就和蔬菜供给关联起来;连续几天蔬菜供给不足,会导致蔬菜价格指数大幅度上扬,这是一般的生命线和生活线指标的关联关系;蔬菜价格大幅度上扬会导致社情民意的舆情波动,这是生活线和生命线与社情民意的关联关系。
综合上述城市状态指标,城市状态可以显示告警提示,并和政府相应级别的决策措施相对应。四驱罗盘模型计算和保存了相关指标不同级别的关联关系,并应用于推荐栏目中的目录指标推荐算法中。四驱罗盘模型同样保存了不同城市状态下的决策措施,并对决策措施的时空属性进行记录,这样可以从时间(一定时间后,同一地点的指标变化)和空间(同一时间,不同地点的指标变化对比)两个维度进行决策措施的效果评估和验证。
实施例二
假设在城市运行管理过程中相继发生了以下事件:A国向海洋中排放污染物;B国的互联网等信息公开平台上出现不良言论,称沿海食盐将受到影响,进而引起部分群众抢购囤积食盐,导致食盐断货,价格大幅上涨,正常居民食盐使用受到影响。在发生以上事件后,根据本发明的大数据关联指标智能推荐模型给出的信息提示,可采取的决策措施有:在信息公开平台上公开事件情况,消除负面舆情影响;加大市场投入,平抑食盐市场价格,保障正常使用供给。
在本实施例中,四驱罗盘模型事件线发生国际事件,A过发生事件,导致B国国内社情民意线的舆情出现异常言论流行,城市生命线食盐供给出现问题,城市生活线食盐价格大幅上涨。所有的关联关系都被实时标记并在推荐目录中显示,决策措施也和城市状态挂钩关联保存。事件平息流程和周期作为知识档案被记录保存,以备日后可以采用模糊索引查询技术进行多维语义近似事件查询。这个实例示意的关键问题之一是事件的模型触发问题,一般而言,首先国际范围中报异常的是新闻事件或消息;其次国内渠道有下级部门的上报事件;最后是异常舆情蕴含的关联事件。
实施例三
假设在城市运行管理过程中相继发生了以下事件:某地区发布了某项产业政策以后,依据产业政策引进了某项目计划,该地区社情民意舆情流传该项目会产生环境危害,且舆情持续流传,影响范围呈逐渐扩大趋势。在发生以上事件后,可根据本发明的大数据关联指标智能推荐模型对事件的起因、经过及关联事件进行信息的归纳整理,以便于管理部门启动应急处置预案,平息事件并调查事件起因。该事件的关联事件和信息均可在四驱罗盘模型中完整表示。
在本实施例中,本发明的大数据关联指标智能推荐模型可对事件进行存储,并根据事件的具体情况进行关联事件推荐。例如,在上述事件中,某地区关于产业政策发布的事件线新闻和某项目被引进的事件线新闻均会被存储在四驱罗盘模型中,并相互推荐。
再例如,该地区的产业政策是引发该项目被引进的主因之一,项目被引进后的数据指标监督变化是评价决策措施和产业政策的重要途经。四驱罗盘模型可以推过对时空维度相关数据指标的监测来评价决策措施的成效,也可以通过类似决策的效果预估新的决策措施的成效。该地区的产业政策也是决策的内容之一,实施的效果最终也会反映到产业政策决策的评估结果之中。
实施例四
与其他城市数据指标对比,本地人均绿地面积偏少,引起领导决策过程,制定非核心功能疏解的决策措施,城市低端商场被逐步疏解,迁出核心城区,增加绿地面积。影响到房地产业数据下滑,居民生活方便度有一定影响,决策合理布局居民服务点,居民幸福感提升。
在四驱罗盘模型中,上面的实例是城市间数据指标对比引起决策的情况。城市功能疏解的相关指标项被识别出来,包括绿地面积、房地产数据、居民舆情和社情民意指标变化等,都和功能疏解的数据指标相互关联起来。通过相关数据项细分标签技术和关联规则的数据挖掘技术的应用,这些相关关系被识别出来,放到相互关联的显示体系中来。比如,指标计算的组成数据项,认为是一个指标的细分数据项,这个指标就可以打上这个细分数据项的标签。一个具体的例子就是年人均GDP,那么,人口总量、年份和GDP年度总量就可以是年人均 GDP指标的属性标签。关联规则挖掘技术没有这个指导信息,要发现的是相对遥远、隐性的关联关系,比如“啤酒和尿布”的大数据关联经典案例,需要大量持续的数据实验过程。另外一个值得提出的是舆情的度量指数,幸福感的衡量指数等,可以综合相关联的指标数据有一个综合度量。四驱罗盘模型综合了评价和考核功能,为城市指标度量提供了一个普遍的参考数据途径,使度量考评工作有了参考依据,提供了多种新的不同思路选择。
本发明的又一个实施例中,提供一种大数据关联指标智能推荐模型建模装置,如图4所示,所述装置包括:
数据获取模块10,用于获取建模相关数据到数据池,按照数据池统一标准进行存储;
指标定位模块20,用于获取预设的数据指标,分别加入到模型指标分类结构中,构成指标体系;
数据接入模块30,用于从时间、空间和领域维度细化拆分所述指标体系的指标数据项,并将所述指标数据项与所述数据池的数据建立关联关系;
指标关联模块40,用于使用关联规则数据挖掘数据池中大数据蕴含的指标的关联关系;
标签建立模块50,用于依据细化拆分的指标数据项、大数据蕴含的指标的关联关系和所述数据指标的领域知识对所述数据指标建立指标标签;
知识库构建模块60,用于依据所述指标标签建立所述数据指标的关联关系,综合所述数据指标的关联关系和领域知识构成指标知识库;
相关指标推荐模块70,用于依据所述指标知识库对所述指标体系的相关指标进行推荐;
决策措施评价模块80,用于从所述数据池的数据源、细化拆分的指标数据项和指标知识库三个层次对决策措施进行时空维度的评价;
决策措施推荐模块90,用于依据决策措施评价结果对决策措施进行比较排序和推荐;
城市指标评估模块100,用于依据不同的预设参考评价方法,对所述指标体系的关键指标项或所有指标项进行综合计算,得到城市总体态势指数,进行城市间的指数对比;
展示模块110,用于对所述城市总体指标态势进行集成展示;
城市风险和建设评估模块120,用于根据城市间的指数对比对潜在城市风险进行辨识识别和对城市建设方向进行推荐或评估;
判断模块130,用于判断模型是否建设完成,如果否,则发送指令至数据获取模块,直到判断模型建立完成。
本发明的一种大数据关联指标智能推荐模型及建模方法和建模装置,以城市生命线指标、城市生活线指标、城市事件线指标和社情民意线指标思维分类分级呈现大数据指标,是对城市大数据指标展示方式的创新,能够整体展示指标体系围绕领导辅助决策的需求展开。
其中,所述数据接入模块的细化拆分所述指标体系的指标数据项,具体为:将所述指标数据项根据引起领导决策的诱因分为指标数据波动或越警戒线、重大事件、重要舆情和政策导向四类;分别计算四类指标的优先展示指数并做归一化综合计算。
本发明对于大数据指标分数据波动或越警戒线、重大事件、重要舆情和政策导向四类,分别计算四种指标的优先展示指数并做归一化综合计算的方法,能够提高指标推荐的准确性和推荐效率。
上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种大数据关联指标智能推荐模型建模方法,其特征在于,所述方法包括:
S1、获取建模相关数据到数据池,按照数据池统一标准进行存储;
S2、获取预设的数据指标,分别加入到模型指标分类结构中,构成指标体系;
S3、从时间、空间和领域维度细化拆分所述指标体系的指标数据项,并将所述指标数据项与所述数据池的数据建立关联关系;
S4、使用关联规则数据挖掘数据池中大数据蕴含的指标的关联关系;
S5、依据S3得到的细化拆分的指标数据项、S4的大数据蕴含的指标的关联关系和所述数据指标的领域知识对所述数据指标建立指标标签;
S6、依据所述指标标签建立所述数据指标的关联关系,综合所述数据指标的关联关系和领域知识构成指标知识库;
S7、依据所述指标知识库对所述指标体系的相关指标进行推荐;
S8、从所述数据池的数据源、细化拆分的指标数据项和指标知识库三个层次对决策措施进行时空维度的评价;
S9、依据决策措施评价结果对决策措施进行比较排序和推荐;
S10、依据不同的预设参考评价方法,对所述指标体系的关键指标项或所有指标项进行综合计算,得到城市总体态势指数,进行城市间的指数对比;
S11、对所述城市总体态势指数进行集成展示;
S12、根据城市间的指数对比对潜在城市风险进行辨识识别和对城市建设方向进行推荐或评估;
S13、判断模型是否建立完成,是则结束,否则循环步骤S1-S12,直到模型建立完成。
2.如权利要求1所述的方法,其特征在于,所述指标体系为树形结构,所述指标体系的一级指标包括城市生命线指标、城市生活线指标、城市事件线指标和社情民意线指标;
所述城市生命线包括基础设施、生态环境、城市安全、城市信用和经济运行;
所述城市生活指标包括人口统计、人民生活、公众出行、社会保障、生活环境、卫生健康、城市旅游和教育文化;
所述城市事件线包括突发事件、城市管理时间和重大活动;
所述社情民意线包括市长热线、舆情信息和公众意见信息。
3.如权利要求1所述的方法,其特征在于,所述步骤S4具体包括:
从数据池中挖掘与主显示区域显示指标之间支持度不小于最小支持度阈值的频繁项集;
从所述频繁项集中生成满足最小置信度阈值要求的关联规则。
4.如权利要求1所述的方法,其特征在于,所述细化拆分所述指标体系的指标数据项,具体为:
将所述指标数据项根据引起领导决策的诱因分为指标数据波动或越警戒线、重大事件、重要舆情和政策导向四类;
分别计算四类指标的优先展示指数并做归一化综合计算。
5.如权利要求1所述的方法,其特征在于,所述步骤S5中,对指标体系建立标签,具体包括:
对所述指标体系的数据指标建立属性标签;
依据S3得到的细化拆分的指标数据项、S4的大数据蕴含的指标的关联关系和所述数据指标的领域知识,计算目标数据指标与所有数据指标的标签相关度,并将满足阈值的数据指标按照相关度进行排序。
6.如权利要求1所述的方法,其特征在于,所述城市总体态势指数计算,具体包括:
将指标体系的所有数据指标进行归一化处理;
将归一化后的数据指标按照预设的权值分布进行计算,得到城市总体态势指数。
7.一种大数据关联指标智能推荐模型建模装置,其特征在于,所述装置包括:
数据获取模块,用于获取建模相关数据到数据池,按照数据池统一标准进行存储;
指标定位模块,用于获取预设的数据指标,分别加入到模型指标分类结构中,构成指标体系;
数据接入模块,用于从时间、空间和领域维度细化拆分所述指标体系的指标数据项,并将所述指标数据项与所述数据池的数据建立关联关系;
指标关联模块,用于使用关联规则数据挖掘数据池中大数据蕴含的指标的关联关系;
标签建立模块,用于依据细化拆分的指标数据项、大数据蕴含的指标的关联关系和所述数据指标的领域知识对所述数据指标建立指标标签;
知识库构建模块,用于依据所述指标标签建立所述数据指标的关联关系,综合所述数据指标的关联关系和领域知识构成指标知识库;
相关指标推荐模块,用于依据所述指标知识库对所述指标体系的相关指标进行推荐;
决策措施评价模块,用于从所述数据池的数据源、细化拆分的指标数据项和指标知识库三个层次对决策措施进行时空维度的评价;
决策措施推荐模块,用于依据决策措施评价结果对决策措施进行比较排序和推荐;
城市指标评估模块,用于依据不同的预设参考评价方法,对所述指标体系的关键指标项或所有指标项进行综合计算,得到城市总体态势指数,进行城市间的指数对比;
展示模块,用于对所述城市总体态势指数进行集成展示;
城市风险和建设评估模块,用于根据城市间的指数对比对潜在城市风险进行辨识识别和对城市建设方向进行推荐或评估;
判断模块,用于判断模型是否建设完成,如果否,则发送指令至数据获取模块,直到判断模型建立完成。
8.如权利要求7所述的装置,其特征在于,所述指标体系为树形结构,所述指标体系的一级指标包括城市生命线指标、城市生活线指标、城市事件线指标和社情民意线指标;
所述城市生命线包括基础设施、生态环境、城市安全、城市信用和经济运行;
所述城市生活指标包括人口统计、人民生活、公众出行、社会保障、生活环境、卫生健康、城市旅游和教育文化;
所述城市事件线包括突发事件、城市管理时间和重大活动;
所述社情民意线包括市长热线、舆情信息和公众意见信息。
9.如权利要求7所述的装置,其特征在于,所述数据接入模块的细化拆分所述指标体系的指标数据项,具体为:
将所述指标数据项根据引起领导决策的诱因分为指标数据波动或越警戒线、重大事件、重要舆情和政策导向四类;
分别计算四类指标的优先展示指数并做归一化综合计算。
10.一种大数据关联指标智能推荐模型,其特征在于,使用权利要求1-6所述的方法建成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011377292.2A CN113159473B (zh) | 2020-11-30 | 一种大数据关联指标智能推荐模型及建模方法和建模装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011377292.2A CN113159473B (zh) | 2020-11-30 | 一种大数据关联指标智能推荐模型及建模方法和建模装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113159473A true CN113159473A (zh) | 2021-07-23 |
CN113159473B CN113159473B (zh) | 2024-05-14 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115481929A (zh) * | 2022-10-17 | 2022-12-16 | 四川大学华西医院 | 改造措施效度评估方法、装置、终端设备及存储介质 |
CN115619227A (zh) * | 2022-12-19 | 2023-01-17 | 深圳市城市规划设计研究院有限公司 | 可视化的城市更新行动评估方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002288391A (ja) * | 2001-03-27 | 2002-10-04 | Ayumi Tamai | 地方自治体における政策・施策評価システム |
KR20120097935A (ko) * | 2011-02-28 | 2012-09-05 | 충북대학교 산학협력단 | 지주중심 상가개발 도시재생기법 시뮬레이터 시스템 및 이를 이용한 지주중심 상가개발 도시재생기법의 적합성 평가방법 |
WO2016082263A1 (zh) * | 2014-11-28 | 2016-06-02 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台及其实施方法 |
CN106950585A (zh) * | 2017-04-06 | 2017-07-14 | 广州中硕云空间信息技术有限公司 | 基于压力传感器和数字罗盘协同卫星定位的方法及系统 |
US9798788B1 (en) * | 2012-12-27 | 2017-10-24 | EMC IP Holding Company LLC | Holistic methodology for big data analytics |
CN107798466A (zh) * | 2017-10-09 | 2018-03-13 | 中国电子科技集团公司第二十八研究所 | 一种城市运营管理中心系统 |
CN107945081A (zh) * | 2017-10-09 | 2018-04-20 | 中国电子科技集团公司第二十八研究所 | 城市运行展现与监测预警系统 |
KR20190077682A (ko) * | 2017-12-26 | 2019-07-04 | 부경대학교 산학협력단 | 공공 빅 데이터와 sns 데이터를 이용한 도시안전지수 분석 시스템 및 방법 |
CN111209269A (zh) * | 2019-12-16 | 2020-05-29 | 云赛智联股份有限公司 | 一种智慧城市大数据管理系统 |
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002288391A (ja) * | 2001-03-27 | 2002-10-04 | Ayumi Tamai | 地方自治体における政策・施策評価システム |
KR20120097935A (ko) * | 2011-02-28 | 2012-09-05 | 충북대학교 산학협력단 | 지주중심 상가개발 도시재생기법 시뮬레이터 시스템 및 이를 이용한 지주중심 상가개발 도시재생기법의 적합성 평가방법 |
US9798788B1 (en) * | 2012-12-27 | 2017-10-24 | EMC IP Holding Company LLC | Holistic methodology for big data analytics |
WO2016082263A1 (zh) * | 2014-11-28 | 2016-06-02 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于预案的多目标辅助决策平台及其实施方法 |
CN106950585A (zh) * | 2017-04-06 | 2017-07-14 | 广州中硕云空间信息技术有限公司 | 基于压力传感器和数字罗盘协同卫星定位的方法及系统 |
CN107798466A (zh) * | 2017-10-09 | 2018-03-13 | 中国电子科技集团公司第二十八研究所 | 一种城市运营管理中心系统 |
CN107945081A (zh) * | 2017-10-09 | 2018-04-20 | 中国电子科技集团公司第二十八研究所 | 城市运行展现与监测预警系统 |
KR20190077682A (ko) * | 2017-12-26 | 2019-07-04 | 부경대학교 산학협력단 | 공공 빅 데이터와 sns 데이터를 이용한 도시안전지수 분석 시스템 및 방법 |
CN111209269A (zh) * | 2019-12-16 | 2020-05-29 | 云赛智联股份有限公司 | 一种智慧城市大数据管理系统 |
Non-Patent Citations (6)
Title |
---|
吴志强,等: "基于智能城市评价指标体系的城市诊断", 城市规划学刊, vol. 05, no. 02, pages 188 - 191 * |
庄雪芳: "大数据下智慧城市规划模型仿真", 现代电子技术, vol. 41, no. 12, pages 1004 - 1009 * |
张中青扬,等: "智慧城市建设能力评估模型与实证研究", 科技管理研究, vol. 11, no. 02, pages 1 - 5 * |
杨磊,等: "智慧城市ICT参考框架与评价指标研究", 信息技术与标准化, no. 08, 10 August 2016 (2016-08-10), pages 145 - 149 * |
胡伏湘,等: "基于数据仓库的城市生态系统评估体系研究", 福建林业科技, vol. 36, no. 02, pages 1122 - 1126 * |
陈森发,等: "生态城市智能综合评价决策支持系统研究与实现", 信息与控制, vol. 08, no. 04, pages 25 - 29 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115481929A (zh) * | 2022-10-17 | 2022-12-16 | 四川大学华西医院 | 改造措施效度评估方法、装置、终端设备及存储介质 |
CN115481929B (zh) * | 2022-10-17 | 2023-11-24 | 四川大学华西医院 | 改造措施效度评估方法、装置、终端设备及存储介质 |
CN115619227A (zh) * | 2022-12-19 | 2023-01-17 | 深圳市城市规划设计研究院有限公司 | 可视化的城市更新行动评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945081B (zh) | 城市运行展现与监测预警系统 | |
Holopainen et al. | Weak signals: Ansoff today | |
White et al. | Cellular automata and fractal urban form: a cellular modelling approach to the evolution of urban land-use patterns | |
Zhang et al. | Who governs and what is governed in port governance: A review study | |
Jiang et al. | Analysis of motorcycle accidents using association rule mining-based framework with parameter optimization and GIS technology | |
CN113115225B (zh) | 基于危险源监测与人员定位的电子围栏区域生成系统 | |
KR102373276B1 (ko) | 빅데이터 기반의 공공 시설물의 입지 선정 장치 및 방법 | |
Korucuk et al. | Assessment of ideal smart network strategies for logistics companies using an integrated picture fuzzy LBWA–CoCoSo framework | |
CN112036129A (zh) | 一种配电网应急演练方案数字化辅助设计系统及方法 | |
He et al. | Visualization and analysis of mapping knowledge domain of heterogeneous traffic flow | |
Bognár et al. | Factors and conditions that affect the goodness of machine learning models for predicting the success of learning | |
CN112418571A (zh) | 企业环保综合评价的方法和装置 | |
Dordi et al. | Mapping 70 Years of advancements in management research on sustainability | |
Martínez-Torres et al. | Identification of new added value services on intelligent transportation systems | |
Mikkelsen et al. | Transparent and consistent? Aquaculture impact assessments and trade-offs in coastal zone planning in Norway | |
Smarandache et al. | An Operational View in Computational Construction of Information | |
CN113159473B (zh) | 一种大数据关联指标智能推荐模型及建模方法和建模装置 | |
Yeh et al. | Case-based reasoning (CBR) in development control | |
CN113159473A (zh) | 一种大数据关联指标智能推荐模型及建模方法和建模装置 | |
CN112308263A (zh) | 学位资源预测方法、装置、存储介质和芯片 | |
Selvarathi et al. | A visualisation technique of extracting hidden patterns for maintaining road safety | |
Guler et al. | Artificial Intelligence Research in Business and Management: A Literature Review Leveraging Machine Learning and Large Language Models | |
Kriswibowo et al. | Exploring the role of geospatial technology in disaster management of Batu City: Qualitative analysis using RQDA method | |
CN113220773B (zh) | 一种学生评测数据画像的地图可视化方法及系统 | |
Trasanidis | Decision Making Tool for Smart Cities |
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 |