CN114399202A - 一种城市社区大数据可视化系统 - Google Patents
一种城市社区大数据可视化系统 Download PDFInfo
- Publication number
- CN114399202A CN114399202A CN202210048897.XA CN202210048897A CN114399202A CN 114399202 A CN114399202 A CN 114399202A CN 202210048897 A CN202210048897 A CN 202210048897A CN 114399202 A CN114399202 A CN 114399202A
- Authority
- CN
- China
- Prior art keywords
- community
- data
- city
- module
- big data
- 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
- 238000013079 data visualisation Methods 0.000 title claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000012800 visualization Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 11
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000003062 neural network model Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000013523 data management Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000013439 planning Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000013316 zoning 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
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市社区大数据可视化系统,其特征在于,包括服务器和客户端;服务器包括:城市地图管理模块,用于管理城市数字地图数据;城市社区管理模块,用于对社区划分数据进行管理;社区资源统计模块,用于根据社区划分数据和数字地图数据,以社区为统计单元,对各个社区内的资源信息进行统计;社区价值评估模块,用于根据各社区资源统计数据,基于预先训练的社区价值评估模型,进行价值评估;客户端包括:社区大数据可视化模块,用于获取指定城市范围内的社区分布及价值评估等级,并进行可视化。本发明能够实现城市社区多维度的信息可视化,一方面有助于政府部门进一步的规划决策,另一方面,对于有买房或租房需求的用户,具有参考价值。
Description
技术领域
本发明属于信息可视化技术领域,尤其涉及一种城市社区大数据可视 化系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构 成在先技术。
社区是城市居民生活和城市治理的基本单元,社区基础设施建设质量、 水平直接关系人民群众的获得感、幸福感、安全感,因此社区基础设施的 建设成为买房或租房时考虑的必要因素。目前相关的软件均是首先获取用 户感兴趣区域,然后针对这个区域进行房屋推荐,根据用户对户型、价位 等条件的选择进行结果筛选,但是,这种推荐方法需要用户事先通过查询 各个社区的相关基础设施情况进行综合了解,有时还需要实地考察,费时费力。即,没有一个能够让用户从宏观上了解各个社区差异的工具。
目前关于小区舒适度的相关研究,均是通过选取评价指标,通过实地 调研或调查问卷等形式获取各评价指标的取值,然后通过加权求和的形式 得到小区的评分,这种方式对于针对特定小区评价的情况较为适用,当要 评价的小区非常多时,可操作性差。
发明内容
为克服上述现有技术的不足,本发明提供了一种城市社区大数据可视 化系统,能够实现城市社区多维度的信息可视化,一方面有助于政府部门 进一步的规划决策,另一方面,对于有买房或租房需求的用户,具有参考 价值。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
一种城市社区大数据可视化系统,包括服务器和客户端;所述服务器 被配置为包括:
城市地图管理模块,用于管理城市数字地图数据;
城市社区管理模块,用于对社区划分数据进行管理;
社区资源统计模块,用于根据社区划分数据和数字地图数据,以社区 为统计单元,对各个社区内的资源信息进行统计;
社区价值评估模块,用于根据各社区资源统计数据,基于预先训练的 社区价值评估模型,进行价值评估;所述社区价值评估模型基于联合分类 器神经网络模型训练得到;
所述客户端被配置为包括:
社区大数据可视化模块,用于获取指定城市范围内的社区分布及价值 评估等级,并进行可视化。
进一步地,所述服务器还包括:房产数据管理模块,用于对待销售或 待出租的房产数据进行管理。
进一步地,所述联合分类器神经网络模型包括级联的两个分类器,记 为一级分类器和二级分类器,两个分类器均包括BP神经网络和softmax分 类器,并且,一级分类器softmax分类器的输入连接二级分类器的BP神经 网络。
进一步地,所述资源信息包括客观指标和主观指标;所客观指标包括 各类基础设施数量及规模、与主管道距离,以及绿化覆盖率;所述主观指 标包括基础设施完善程度和社区舒适度。
进一步地,所述客观指标的统计方法为:
根据社区划分数据,为每个社区构建缓冲区,将社区范围和缓冲区范 围作为一个整体作为社区可达范围;
对于每个社区可达范围,根据数字地图数据获取所述社区范围内的基 础设施的数量,并统计相应面积,将同类基础设施的面积总和作为该类基 础设施的规模;
基于数字地图数据获取主干道中心线和所述社区中心点,计算所述主 干道中心线与所述社区中心点之间的距离,作为社区与主干道距离;
基于数字地图数据获取植被覆盖数据,统计社区的植被覆盖率,作为 社区绿化程度。
进一步地,所述客户端还包括:社区评价模块,用于接收用户对指定 社区的评价。
进一步地,所述主观指标的统计方法为:经由客户端获取社区评价数 据,并基于语义分析确定评价倾向及程度。
进一步地,所述客户端还包括:社区评价模块,管理员模块,用于对 社区资源统计模块得到的统计数据进行核实和修正。
进一步地,所述社区大数据可视化模块还包括:
社区数字地图选择单元,用于获取所述指定城市范围内的指定数字地 图类型,并进行可视化。
进一步地,所述社区大数据可视化模块还包括:
所述房产信息可视化单元,用于获取所述指定城市范围内的房产信息, 并进行可视化。
以上一个或多个技术方案存在以下有益效果:
能够实现城市社区多维度的信息可视化,一方面有助于政府部门进一 步的规划决策,另一方面,对于有买房或租房需求的用户,具有参考价值。
基于数字地图获取社区的基础设施资源数据,效率高,且便于更新, 能够为社区价值的评估提供准确的数据基础。
通过采用联合分类器神经网络,能够基于社区基础设施资源数据对社 区价值进行有效分级,为用户的决策提供了参考。
能够实现社区位置分布、社区价值分布和多类数字地图的多维度信息 可视化,用户可以根据具体需求选择其中的一个或多个维度进行叠加展示, 使得用户能够多方面了解社区情况。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解, 本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不 当限定。
图1为本发明实施例中社区价值评估的技术路线图;
图2为本发明实施例中联合分类器神经网络的结构示意图;
图3为本发明实施例中联合分类器神经网络模型架构图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的 说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属 技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非 意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文 另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的 是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步 骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组 合。
实施例一
本实施例公开了一种城市社区大数据可视化系统,包括服务器和客户 端,所述服务器和客户端通信连接。
所述服务器,被配置为包括:
城市地图管理模块,用于管理城市数字地图数据,所述数字地图数据 包括行政区划数据、数字高程数据、高分辨率遥感影像,以及土地利用数 据。其中,所述土地利用数据为矢量图形数据,根据地类种类划分图层, 本实施例中包括:水体、道路、居住用地、公园用地、学校用地等,上述 图层为点、线、面三种要素形式中的一种或多种。所述矢量图形数据的每 个图层均对应一个属性表,用于记录该图层上每个图形单元的所有属性。
城市社区管理模块,用于对社区划分数据进行管理,所述社区划分数 据采用面状矢量图形数据进行管理。
社区资源统计模块,用于从城市社区管理模块调取社区划分数据,从 城市地图管理模块中调取数字地图数据,以社区为统计单元,对各个社区 内的资源信息进行统计。所述资源信息包括客观指标和主观指标,客观指 标包括社区规模、各类基础设施的数量和规模、距离主干道距离、基础设 施完善程度和社区绿化程度等。所述基础设施包括公交地铁站数量、学校、 商场、社区规模、便利店和医院等。主观指标包括基础设施完善程度、社 区舒适度等。
具体地,所述社区资源统计模块被配置为包括以下步骤:
(1)根据社区划分数据,为每个社区构建缓冲区,将社区范围和缓冲 区范围作为一个整体作为社区可达范围;
(2)对于每个社区可达范围,根据数字地图数据获取所述社区范围内 的公交地铁站数量、学校数量、商场数量、便利店数量和医院数量等基础 设施的数量;
(3)对于上述基础设施,分别基于数字地图数据统计其相应面积,并 将同类基础设施的面积总和作为所述基础设施的规模;
(4)基于数字地图数据获取主干道中心线和所述社区中心点,计算所 述主干道中心线与所述社区中心点之间的距离,作为社区与主干道距离; 若存在多个主干道,选取其中最小的距离作为社区与主干道距离;
(5)基于数字地图数据获取植被覆盖数据,统计社区的植被覆盖率, 作为社区绿化程度;
(6)对于基础设施完善程度、社区舒适度等主观指标,通过网络爬取 与社区相关的评价数据,或从客户端获取。作为通过客户端获取的一种实 现方式,管理员可实现通过调查问卷等方式获取专家打分,或语言描述, 然后进行录入;作为另一种实现方式,经由客户端获取用户对社区舒适度 等指标的评价数据,所述评价数据可以为分值,也可以为文本,若为文本, 通过语义分析获取评价倾向及程度。
(7)对获取的资源统计数据进行归一化,统一量纲。
所述社区资源统计模块得到的统计数据,可以经由管理员客户端进行 核实和修正。
房产数据管理模块,用于对待销售或待出租的房产数据进行管理。所 述房产数据包括房产所在社区名称、小区名称、楼层、类别(新房或二手 房)和其他说明。
社区价值评估模块,用于根据各社区资源统计数据,基于预先训练的 社区价值评估模型,进行价值评估。其中,所述社区价值评估模型基于联 合分类器神经网络JCN-Net(Joint Classifier Neural-Network)训练得到。
具体地,如图2所示,所述联合分类器神经网络模型包括级联的两个 分类器,记为一级分类器和二级分类器,两个分类器均包括BP神经网络和 softmax分类器,并且,一级分类器softmax分类器的输入连接二级分类器 的BP神经网络。所述联合分类器神经网络模型以多个社区资源统计指标为 输入,以评估等级为输出训练得到。所述联合分类器神经网络模型首先对 多属性输入值进行单特征评估,得到单特征的价值表述,然后将输出结果 作为输入经过二级分类器进行综合分析,通过将BP神经网络与softmax分 类结合,提高了分类结果的效率和准确度。由一层输入、两层特征处理经 过softmax分析得到不同标签下的概率,本实施例中,分为三个标签。
所述联合分类器神经网络模型训练过程具体包括:
(1)获取多个社区资源统计指标数据,对每个指标均进行标签标定表 示价值等级,得到训练数据集;
(2)根据带标签的多个社区资源统计指标数据,训练所述联合分类器 神经网络模型,得到社区价值评估模型。具体地,将采集的数据输入网络 模型中进行训练,直到得到最优参数,首先使用默认参数进行训练,根据 训练中间结果,对初始权值、训练速率和迭代次数不断进行调整,直到所 述模型以达到最优的分类效果。首先对数据集中单项数据进行标签标定表 示价值等级,使用一级分类器对数据集进行单独分类,然后使用二级分类 器对一级分类器结果再次分类,最终得到社区价值等级。本实施例设计社 区价值分高、中、低等级,针对某一社区的价值评定选择其在社区价值估 计时其属于高级分类的概率作为评分。
所述客户端,被配置为:
管理员模块,用于对社区资源统计模块得到的统计数据进行核实和修 正;
社区评价模块,用于接收用户对指定社区的评价;
社区大数据可视化模块,包括:城市范围选择单元、社区数字地图选 择单元、社区价值可视化单元和房产信息可视化单元;
所述城市范围选择单元,用于获取指定城市范围;
所述社区数字地图选择单元,用于获取所述指定城市范围内的指定数 字地图类型(遥感图像或矢量地图),并进行可视化;
所述社区价值可视化单元,用于获取所述指定城市范围内的社区分布 及价值评估等级,并进行可视化;作为一种实现方式,不同等级的社区采 用不同的颜色区分;
所述房产信息可视化单元,用于获取所述指定城市范围内的房产信息, 并进行可视化;作为一种实现方式,还从网络上获取相关价格信息。
上述多个可视化单元可根据用户需求选择其中一个或多个,同时进行 数字地图和社区价值可视化,或数字地图、社区价值和房产信息的可视化。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用 的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来 实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它 们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成 单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本 发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案 的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或 变形仍在本发明的保护范围以内。
Claims (10)
1.一种城市社区大数据可视化系统,其特征在于,包括服务器和客户端;所述服务器被配置为包括:
城市地图管理模块,用于管理城市数字地图数据;
城市社区管理模块,用于对社区划分数据进行管理;
社区资源统计模块,用于根据社区划分数据和数字地图数据,以社区为统计单元,对各个社区内的资源信息进行统计;
社区价值评估模块,用于根据各社区资源统计数据,基于预先训练的社区价值评估模型,进行价值评估;所述社区价值评估模型基于联合分类器神经网络模型训练得到;
所述客户端被配置为包括:
社区大数据可视化模块,用于获取指定城市范围内的社区分布及价值评估等级,并进行可视化。
2.如权利要求1所述的一种城市社区大数据可视化系统,其特征在于,所述服务器还包括:房产数据管理模块,用于对待销售或待出租的房产数据进行管理。
3.如权利要求1所述的一种城市社区大数据可视化系统,其特征在于,所述联合分类器神经网络模型包括级联的两个分类器,记为一级分类器和二级分类器,两个分类器均包括BP神经网络和softmax分类器,并且,一级分类器softmax分类器的输入连接二级分类器的BP神经网络。
4.如权利要求1所述的一种城市社区大数据可视化系统,其特征在于,所述资源信息包括客观指标和主观指标;所客观指标包括各类基础设施数量及规模、与主管道距离,以及绿化覆盖率;所述主观指标包括基础设施完善程度和社区舒适度。
5.如权利要求4所述的一种城市社区大数据可视化系统,其特征在于,所述客观指标的统计方法为:
根据社区划分数据,为每个社区构建缓冲区,将社区范围和缓冲区范围作为一个整体作为社区可达范围;
对于每个社区可达范围,根据数字地图数据获取所述社区范围内的基础设施的数量,并统计相应面积,将同类基础设施的面积总和作为该类基础设施的规模;
基于数字地图数据获取主干道中心线和所述社区中心点,计算所述主干道中心线与所述社区中心点之间的距离,作为社区与主干道距离;
基于数字地图数据获取植被覆盖数据,统计社区的植被覆盖率,作为社区绿化程度。
6.如权利要求4所述的一种城市社区大数据可视化系统,其特征在于,所述客户端还包括:社区评价模块,用于接收用户对指定社区的评价。
7.如权利要求6所述的一种城市社区大数据可视化系统,其特征在于,所述主观指标的统计方法为:经由客户端获取社区评价数据,并基于语义分析确定评价倾向及程度。
8.如权利要求1所述的一种城市社区大数据可视化系统,其特征在于,所述客户端还包括:社区评价模块,管理员模块,用于对社区资源统计模块得到的统计数据进行核实和修正。
9.如权利要求1所述的一种城市社区大数据可视化系统,其特征在于,所述社区大数据可视化模块还包括:
社区数字地图选择单元,用于获取所述指定城市范围内的指定数字地图类型,并进行可视化。
10.如权利要求2所述的一种城市社区大数据可视化系统,其特征在于,所述社区大数据可视化模块还包括:
所述房产信息可视化单元,用于获取所述指定城市范围内的房产信息,并进行可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048897.XA CN114399202A (zh) | 2022-01-17 | 2022-01-17 | 一种城市社区大数据可视化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210048897.XA CN114399202A (zh) | 2022-01-17 | 2022-01-17 | 一种城市社区大数据可视化系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399202A true CN114399202A (zh) | 2022-04-26 |
Family
ID=81231402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210048897.XA Pending CN114399202A (zh) | 2022-01-17 | 2022-01-17 | 一种城市社区大数据可视化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399202A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076691A (zh) * | 2023-10-16 | 2023-11-17 | 青岛文达通科技股份有限公司 | 一种面向智慧社区的商品资源知识图谱算法模型 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108921734A (zh) * | 2018-07-18 | 2018-11-30 | 北京航空航天大学 | 一个基于多源异构数据的房地产信息可视化系统 |
CN110909951A (zh) * | 2019-11-29 | 2020-03-24 | 青岛理工大学 | 一种历史名城新城区规划辅助设计系统 |
CN111523043A (zh) * | 2020-07-03 | 2020-08-11 | 口碑(上海)信息技术有限公司 | 资源信息展示、管理方法及装置 |
CN112380425A (zh) * | 2020-10-23 | 2021-02-19 | 华南理工大学 | 社区推荐方法、系统、计算机设备及存储介质 |
CN112884224A (zh) * | 2021-02-20 | 2021-06-01 | 杭州比智科技有限公司 | 实体对象的选址方法、装置、计算设备及计算机存储介质 |
-
2022
- 2022-01-17 CN CN202210048897.XA patent/CN114399202A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108921734A (zh) * | 2018-07-18 | 2018-11-30 | 北京航空航天大学 | 一个基于多源异构数据的房地产信息可视化系统 |
CN110909951A (zh) * | 2019-11-29 | 2020-03-24 | 青岛理工大学 | 一种历史名城新城区规划辅助设计系统 |
CN111523043A (zh) * | 2020-07-03 | 2020-08-11 | 口碑(上海)信息技术有限公司 | 资源信息展示、管理方法及装置 |
CN112380425A (zh) * | 2020-10-23 | 2021-02-19 | 华南理工大学 | 社区推荐方法、系统、计算机设备及存储介质 |
CN112884224A (zh) * | 2021-02-20 | 2021-06-01 | 杭州比智科技有限公司 | 实体对象的选址方法、装置、计算设备及计算机存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117076691A (zh) * | 2023-10-16 | 2023-11-17 | 青岛文达通科技股份有限公司 | 一种面向智慧社区的商品资源知识图谱算法模型 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Analyzing driving factors of land values in urban scale based on big data and non-linear machine learning techniques | |
Jelokhani-Niaraki et al. | A group multicriteria spatial decision support system for parking site selection problem: A case study | |
Jeong et al. | Integrating buildings into a rural landscape using a multi-criteria spatial decision analysis in GIS-enabled web environment | |
Wu et al. | Using geometrical, textural, and contextual information of land parcels for classification of detailed urban land use | |
CA2561195A1 (en) | Retail deployment model | |
CN110503485B (zh) | 地理区域分类方法及装置、电子设备、存储介质 | |
CN109949063A (zh) | 一种地址确定方法、装置、电子设备及可读存储介质 | |
CN109191181B (zh) | 一种基于神经网络和Huff模型的数字标牌广告受众人群分类方法 | |
CN112861972A (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
Huang et al. | Bi-level GA and GIS for multi-objective TSP route planning | |
CN106021622A (zh) | 一种基于大数据的信息定量分析系统 | |
Dadashpour Moghaddam et al. | A GIS-based assessment of urban tourism potential with a branding approach utilizing hybrid modeling | |
CN114943462A (zh) | 酒店群数据处理方法、系统、设备及存储介质 | |
CN114399202A (zh) | 一种城市社区大数据可视化系统 | |
CN110633401A (zh) | 一种门店数据的预测模型及其建立方法 | |
López‐Fernández et al. | The effect of micro‐territorial networks on industrial small and medium enterprises' innovation: A case study in the Spanish region of Cantabria | |
Huang | Simulating individual work trips for transit-facilitated accessibility study | |
CN112767126A (zh) | 基于大数据的抵押物评级方法和装置 | |
Lagarias | Exploring land use policy scenarios with the use of a cellular automata-based model: urban sprawl containment and sustainable development in Thessaloniki | |
CN117079148A (zh) | 城市功能区的识别方法、装置、设备和介质 | |
KR20070097939A (ko) | 서버 및 클라이언트 단말기를 이용한 부동산 정보 제공방법 및 이를 수행하는 컴퓨터 프로그램이 기록된컴퓨터에서 판독 가능한 기록 매체 | |
US20090099907A1 (en) | Performance management | |
Young et al. | Development of railway station choice models to improve the representation of station catchments in rail demand models | |
Ismail | Hedonic modelling of housing markets using geographical information system (gis) and spatial statistic:; a case study of glasgow, scotland | |
CN113487341B (zh) | 一种城市商业策略数据处理方法 |
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 |