CN116384844B - 基于地理信息云平台的决策方法及装置 - Google Patents
基于地理信息云平台的决策方法及装置 Download PDFInfo
- Publication number
- CN116384844B CN116384844B CN202310666589.8A CN202310666589A CN116384844B CN 116384844 B CN116384844 B CN 116384844B CN 202310666589 A CN202310666589 A CN 202310666589A CN 116384844 B CN116384844 B CN 116384844B
- Authority
- CN
- China
- Prior art keywords
- geographic
- decision
- data
- target
- label
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 238000012795 verification Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000013439 planning Methods 0.000 claims description 18
- 239000003673 groundwater Substances 0.000 claims description 12
- 238000012876 topography Methods 0.000 claims description 10
- 238000000586 desensitisation Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000028659 discharge Diseases 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开提出了一种基于地理信息云平台的决策方法及装置，包括：获取与候选地区关联的多种类型的地理数据；将每种类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征；基于预设的规则、每个类型对应的决策影响指标，以及地理特征，确定每个地理特征的决策得分；根据各个地理特征所对应的决策得分，对多种类型的地理数据进行处理，以将地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个标签对应的决策数据；响应于接收到决策指令，对决策指令进行验证；在验证通过的情况下，从数据库中获取与决策指令中的目标标签所对应的目标决策数据，并将目标决策数据发送给终端。
Description
技术领域
本公开涉及大数据技术领域，尤其涉及一种基于地理信息云平台的决策方法及装置。
背景技术
随着社会进步，云计算、大数据分析和空间模型等新技术逐渐发展并成熟，可以利用地理数据实现对海量和复杂的地理信息进行集成、处理和分析，从而为多领域的决策提供精准、快速的参考依据。从而为地区提供多维度的优化方案，有助于实现资源的高效利用和均衡分配，比如城市管理、灾害管理、环境管理很多个方面进行应急预案和资源配置。然而，相关技术中，由于地理数据非常的海量和庞杂，整合难度非常高，缺少对地理数据的决策性数据分类。因而，如何高效的为城市的相关决策提供专门可靠的决策数据，从而为地区的决策提供数据支持，是目前亟需解决的问题。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
本公开第一方面实施例提出了一种基于地理信息云平台的决策方法，包括：
获取与候选地区关联的多种类型的地理数据；
将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征；
基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分；
根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据；
响应于接收到决策指令，对所述决策指令进行验证；
在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端。
本公开第二方面实施例提出了一种基于地理信息云平台的决策装置，包括：
第一获取模块，用于获取与候选地区关联的多种类型的地理数据；
第二获取模块，用于将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征；
确定模块，用于基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分；
处理模块，用于根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据；
验证模块，用于响应于接收到决策指令，对所述决策指令进行验证；
第三获取模块，用于在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端。
本公开第三方面实施例提出了一种电子设备，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控制程序，所述处理器执行所述程序时，实现如本公开第一方面实施例提出的基于地理信息云平台的决策方法。
本公开提供的基于地理信息云平台的决策方法及装置，存在如下有益效果：
本公开实施例中，该装置首先获取与候选地区关联的多种类型的地理数据，之后将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征，然后基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分，之后根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据，然后响应于接收到决策指令，对所述决策指令进行验证，最后在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端。由此，能够在管理人员在进行决策时，能够为管理人员查询到与决策的标签相对应的决策数据，查到的决策数据不仅数据量比较小，便于计算，并且具有一定的针对性，能够反应决策需求，从而使得决策能够更加的准确和有效，有助于实现资源的高效利用和均衡分配，帮助政府、企业和公众更准确地进行决策制定，为多领域的决策提供精准、快速的参考依据。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本公开实施例所提供的一种基于地理信息云平台的决策方法的流程示意图；
图2为本公开实施例所提供的一种基于地理信息云平台的决策装置的结构框图；
图3示出了适于用来实现本公开实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
下面参考附图描述本公开实施例的基于地理信息云平台的决策方法、装置、设备和存储介质。
需要说明的是，本公开实施例中的基于地理信息云平台的决策方法的执行主体为基于地理信息云平台的决策装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在任意电子设备中。在本公开提出的场景中，下面将以“基于地理信息云平台的决策装置”作为执行主体对本公开实施例中提出的基于地理信息云平台的决策方法进行说明，在此不进行限定。
图1为本公开实施例所提供的基于地理信息云平台的决策方法的流程示意图。
如图1所示，该基于地理信息云平台的决策方法可以包括以下步骤：
步骤101，获取与候选地区关联的多种类型的地理数据。
其中，地理数据可以是由各种传感器以及卫星遥感、GPS等技术获取的候选地区的地理数据，包括地形、气象、水文等方面的信息，在此不做限定。需要说明的是，可以对采集到的地理数据划分为不同的类型，比如可以为地形类型数据、气象类型数据、水文类型数据，在此不做限定。或者，也可以是地形特征数据、行政区域规划特征数据、生态环境特征数据、地下水资源特征数据、人口特征数据，在此不做限定。
可选的，可以对地理数据进行数据清洗和数据脱敏处理。
进一步地，在监测得到各种类型的地理数据之后，需要对数据进行数据清洗，从而确保地理数据的准确性、完整性和可靠性，包括去除重复值、纠正错误、填补缺失值等。具体方法可以采用数据清洗软件或编写脚本等方式进行处理。进一步地，还可以进行数据脱敏处理，其中，地理数据的脱敏处理主要目的是保护个人隐私信息，避免地理数据中的敏感数据（比如个人住址、地图信息）被非法获取和滥用。具体方法常见的有：匿名化处理：使用替代值或通用代码来替换原始数据，例如实际地址可以转换为经纬度坐标。聚合处理：将数个点或区域聚合成一个代表性点或区域，以保护隐私和数据安全。降维处理：通过降低精度或分辨率等方式减少数据泄露风险，同时保持其基本特征不受影响。
其中，候选地区是待进行决策的地区。本公开实施例中，可以首先收集候选地区的地理数据，之后对地理数据进行处理，从而可以为候选地区的相关决策提供数据支持。
步骤102，将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征。
其中，地理特征提取模型用于对地理数据进行处理，从而得到与地理数据相对应的地理特征。需要说明的是，地理特征提取模型可以有多个，分别对不同类型的地理数据进行处理。
需要说明的是，由于不同类型的地理数据的特点不同，且格式也有所区别，因而在对地理数据进行数据整合之后，可以将地理数据规范化，从而可以作为输入数据。其中，不同类型的地理数据在进行特征提取时，用到的地理特征提取模型也是有所区别的。比如，有的地理数据是图片信息，需要进行图像处理，有的地理数据是文字信息，需要进行自然语言处理，有的地理数据是方言信息，需要进行音频识别处理，在此不做限定。除此之外，同一种类型的数据，比如道路交通图像（地理数据中的一种），在对其进行特征提取时，需要从不同的角度对其进行提取，比如识别障碍物、识别行人、识别信号灯的工作状态、识别道路的拥挤程度、识别道路的类型等等，因而需要使用不同的地理特征提取模型进行特征提取。
比如说，若地理数据现在有8种类型，分别为a、b、c、d、e、f、g、h，其中，a、b、c、d、e、f、g、h可以分别有对应的地理特征提取模型进行特征提取。或者，也可以将a、b、c，或者b、c、d，或者两个或者多个地理数据的组合输入至对应的地理特征提取模型进行特征提取。具体可以根据实际需要进行设定，在此不做限定。
需要说明的是，还需要首先确定网络结构：根据地理特征提取模型的类型，选取对应的训练数据，并根据训练数据的特点和问题要求，选择适合的神经网络结构，如卷积神经网络（CNN）、循环神经网络（RNN）等，并确定各种网络层的数量、大小和参数设置。之后训练网络模型：将预处理好的训练数据输入到网络中，不断优化网络模型的权重和偏置，在误差逐渐减小的过程中提高模型的准确性。为此，通常使用反向传播算法和优化器来更新网络参数。然后可以进行模型评估与调整：当模型训练完成后，需要进行模型评估和调整，以检查网络模型的性能和精度。这些评价指标可能包括准确率、召回率、精度、F1得分等。最后，基于已训练好的地理特征提取模型，进行地图分类、拓扑特征分析、地理信息提取等。
其中，地理特征可以有地势起伏特征、水系分布特征、陆地特征、绿地分布特征等等，在此不做限定。
步骤103，基于预设的规则、每个类型对应的决策影响指标，以及地理特征，确定每个地理特征的决策得分。
其中，决策影响指标至少包含有地形指标、气象指标、行政规划指标、地下水资源指标和生态环境指标。
需要说明的是，对于不同的候选地区，通常需要对其进行多种地理方面和行政方面的地理规划，比如城市规划、资源管理、环境保护、灾害预防等等，因而需要进行多种决策。为了提高决策的可靠性和提高决策效率，可以为候选地区预先确定好其对应的决策影响指标。不同候选地区的条件不同，因而决策时需要考虑的内容也不同，因而决策影响指标也有所不同。
可选的，可以首先确定与每个类型对应的决策影响指标关联的至少一个地理特征。其中，地形指标可以包含有地势起伏特征、水系分布特征、陆地特征等，在此不做限定。地形对城市规划、资源管理、环境保护和灾害预防等方面有着重要的影响，决定了城市交通流动、水资源利用、自然生态等。其中，气象指标，会对城市的气候状况和天气情况对城市规划、资源管理、环境保护和灾害预防等都会产生影响，如平均气温特征、降雨量特征、风力特征等。其中，行政区划指标，行政区划确定了不同区域的政治地位和管理职责，掌握行政区划信息可以更好地了解各个区域在建设和资源分配中的地位和需求。其中，行政区划指标关联的地理特征可以有人口聚集特征、交通特征、土地利用特征，在此不做限定。其中，城市的发展需要足够的水资源，而地下水资源则是城市中重要的一部分。地下水资源指标可以关联的地理特征有岩性特征、渗透性特征和地下水含量特征、地址构造特征，在此不做限定。其中，生态环境特征关联的地理特征有水源特征、地理环境特征、城市绿化特征、动物特征，在此不做限定。
然后根据预设的规则，确定每个决策影响指标对应的第二排序，之后根据每个决策影响指标关联的至少一个地理特征，以及对应的所述第二排序，计算每个所述地理特征对应的第一关联度得分，然后基于历史决策数据，确定每个所述地理特征对应的第二关联度得分，最后根据第一关联度得分和所述第二关联度得分，计算每个地理特征的决策得分。
其中，不同的决策影响指标的排序也是不同的。决策影响指标是指在执行决策时，对决策的结论会产生影响的指标。
比如说，地形指标、气象指标、行政规划指标、地下水资源指标和生态环境指标在进行决策时的影响也是不相同的，比如气象指标和地下水资源指标通常的影响力比较小，而地形指标、行政规划指标和生态环境指标通常的影响力比较大，因而可以预先对各个决策影响指标进行排序，这个排序可以是根据预设的规则所确定的。预设的规则可以是由不同领域的规划决策专家们预先制定的。因而可以为不同的决策影响指标确定不同的排序方式。比如说，对于山区A，其对应的地形指标、气象指标、行政规划指标、地下水资源指标和生态环境指标对应的排序为地形指标、行政规划指标、生态环境指标、气象指标、地下水资源指标，进一步的，可以根据每个决策影响指标关联的至少一个地理特征，将各个地理特征进行排序，进而可以为排序靠前的地理特征分配较高的第一关联度得分，为排序靠后的地理特征分配较低的第一关联度得分。第一关联度得分表征对决策的影响程度。举例来说，地区w对应的决策影响指标有2个，分别为u1和u2，对应的第二排序为u1、u2，其中，u1对应的地理特征为r1、r2、r3，u2对应的地理特征为r4、r5，则可以将r1、r2、r3对应的第一关联度得分设置为高于u2的第一关联度得分，在此不做限定。
其中，历史决策数据可以包含有历史决策所使用的地理数据。比如若历史决策有4个，分别为a1、a2、a3、a4，其中，a1、a2、a3、a4所使用的地理数据分别为A1、A2、A3、A4。其中，A1所使用的地理数据所对应的地理特征分别为A01、A02、A03、A04，A2所使用的地理数据所对应的地理特征分别为A11、A02、A03、A14，在此不做限定。
可选的，可以根据每个地理特征所对应的决策使用频率，计算每个地理特征的第二关联度得分。也即是说，地理特征在历史决策中的使用频率越高，则第二关联度得分越高，地理特征在历史决策中的使用频率越低，则第二关联度得分越低。具体的，可以首先得到每个地理特征所对应的决策使用频率，进而将决策使用频率进行归一化，从而可以得到第二关联度得分。
进一步的，可以将第一关联度得分和所述第二关联度得分直接相加，以计算每个地理特征的决策得分，或者也可以将第一关联度得分和所述第二关联度得分加权相加，以计算每个地理特征的决策得分，其中，第一关联度得分的权重大于第二关联度得分的权重。
步骤104，根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据。
具体的，可以首先确定每个地理特征与标签的关联度，之后确定与每个标签的关联度大于预设阈值的目标地理特征，然后确定与每个标签对应的目标地理特征所对应的目标地理数据，之后根据各个标签对应的目标地理数据，对多种类型的地理数据进行归类，然后根据每个标签对应的目标地理特征的关联度，以及目标地理特征对应的决策得分，对每个标签对应的目标地理特征进行排序，以得到每个标签对应的第一排序，其中，第一排序是标签对应的目标地理特征的顺序，之后将每个标签对应的第一排序，以及第一排序中每个目标地理特征对应的地理数据进行关联存储，最后确定与每个标签关联存储的地理数据为标签对应的决策数据。
具体的，标签可以为对同一类型的待决策事件的标签。决策事件有很多，有些事件的决策考察的类型是相同的。需要说明的是，同一地理特征与不同的标签的关联度是不同的。比如道路信息这个地理特征与道路规划相关的决策事件的关联度较高，而与城市人口管理相关的决策事件的关联度较低。具体的，可以通过模版匹配的方法，或者余弦相似度的方法计算标签与地理特征之间的相似度。其中，预设阈值可以为0.8，也即可以将与任一标签的关联度大于80%的地理特征作为该任一标签对应的目标地理特征。进一步的，可以获取与该目标地理特征对应的地理数据作为目标地理数据。具体的，若标签有3个，分别为X1、X2、X3，其中，X1、X2、X3关联的目标地理特征分别为[w1、w2、w3、w4]、[w5、w3、w7、w6]、[w8、w2、w9、w4]。其中，w1、w2、w3、w4与X1的关联度分别为0.8、0.81、0.82、0.83，而w1、w2、w3、w4分别对应的决策得分为80分、90分、55分、63分，则可以综合w1、w2、w3、w4分别对应的决策得分，以及w1、w2、w3、w4与X1的关联度，计算w1、w2、w3、w4的第一排序。其中，将w1、w2、w3、w4分别对应的决策得分归一化到0-1，则分别为0.8、0.9、0.55、0.63，将决策得分和关联度相加，从而得到的得分是，1.6、1.71、1.37、1.46，从而可以将w1、w2、w3、w4排序为w2、w1、w4、w3。之后，则可以将标签X1和对应的第一排序w2、w1、w4、w3，以及w2、w1、w4、w3关联的目标地理数据进行关联存储，从而可以提供与标签X1对应的决策数据，也即w2、w1、w4、w3关联的目标地理数据，并且是预先做好排序的，可以显示不同目标地理数据的重要程度，可以更加辅助标签X1相关事件的决策。由此，可以使得提供的决策数据不仅仅是单一的数据，并且能够为用户提供优先级的参考，提升用户体验，对决策的促进作用很高。
步骤105，响应于接收到决策指令，对所述决策指令进行验证。
其中，决策指令包含有标签信息。
可选的，对标签信息进行处理，以判断标签信息是否为目标标签，以及标签信息是否符合预设的数据格式，之后在标签信息为目标标签，且标签信息符合预设的数据格式的情况下，确定决策指令验证通过。
其中，目标标签是预先进行标记的标签。其中，决策指令中包含有对标签信息，其中，标签信息可以为目标标签或者非目标标签。若为目标标签，则需要查询与目标标签关联的决策数据。其中，目标标签是需要进行决策的事情标签，比如对某个社区的道路规划，对某个公园的绿化规划，对污水排放的处理等等，在此不做限定。其中，需要对标签信息进行验证，从而判断其是否合法，从而避免误触发。其中，标签信息的数据格式可以是预先约定的。其中，标签信息处理包括数据抓取、ETL（Extract-Transform-Load）处理以及数据标准化等；这可以通过编写脚本、使用专业软件等方式来完成，并可以采用多种协议与目标系统进行对接。其中，标签校验：对于已经抓取到的标签信息，可采用正则表达式或其他匹配算法进行筛选和判断。如果标签信息符合预期的数据格式，则可以被认为是目标标签之一。对于不决策指令验证，一旦确认标签信息是目标标签并且符合预设的数据格式，就需要进行决策指令的检查和验证。此过程通常涉及多个模块，包括逻辑分析、数据建模和预测模型等。通过对标签信息进行处理和决策验证，可以提高智能化和自动化水平，同时也可以减少人为操作和出错率，提高工作效率和决策质量，为提供更可靠、高效的数据支撑服务。同时，该过程对于标签管理、标签描述和标签分类等工作，也具有重要的参考意义和促进作用。
步骤106，在验证通过的情况下，从数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端。
其中，目标决策数据可以是与目标标签关联的决策数据。其中，终端可以为具有一定的标记的终端，比如管理人员的，政府人员的终端设备，可以为手机，或者电脑，在此不做限定。之后可以利用终端设备利用目标决策数据对目标标签进行决策。
本公开实施例中，该装置首先获取与候选地区关联的多种类型的地理数据，之后将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征，然后基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分，之后根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据，然后响应于接收到决策指令，对所述决策指令进行验证，最后在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端。由此，能够在管理人员在进行决策时，能够为管理人员查询到与决策的标签相对应的决策数据，查到的决策数据不仅数据量比较小，便于计算，并且具有一定的针对性，能够反应决策需求，从而使得决策能够更加的准确和有效，有助于实现资源的高效利用和均衡分配，帮助政府、企业和公众更准确地进行决策制定，为多领域的决策提供精准、快速的参考依据。通过地理数据和地理特征提取模型等技术手段，自动获取并处理各种类型的地理数据，从而实现对不同区域的自动识别、分类、判别等，大大减少了人工操作和出错率。基于预设的规则和各个类别所对应的决策影响指标，结合各地理特征的得分进行统一评估，产生更加可靠的决策结果。此过程可以快速建立出针对特定目标标签的相关决策数据，以进行后续决策支持。通过内置的验证流程和立体化的决策数据库，决策指令的验证步骤更加规范和严谨，有效避免误操作和低质量决策出现的情况，提升了决策的准确性和可信度。采用可视化界面，操作简单易懂，方便用户进行交互式设置和优化调整，另外也容易移植和扩展至其他领域的应用。
图2为本公开第二实施例所提供的基于地理信息云平台的决策装置的结构框图。
如图2所示，该基于地理信息云平台的决策装置200可以包括：
第一获取模块210，用于获取与候选地区关联的多种类型的地理数据；
第二获取模块220，用于将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征；
确定模块230，用于基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分；
处理模块240，用于根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据；
验证模块250，用于响应于接收到决策指令，对所述决策指令进行验证；
第三获取模块260，用于在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端。
可选的，所述第二获取模块，还用于：
对所述地理数据进行数据清洗和数据脱敏处理。
可选的，所述确定模块，具体用于：
其中，所述决策影响指标至少包含有地形指标、气象指标、行政规划指标、地下水资源指标和生态环境指标；
确定与每个所述类型对应的决策影响指标关联的至少一个地理特征；
根据所述预设的规则，确定每个所述决策影响指标对应的第二排序；
根据每个所述决策影响指标关联的至少一个地理特征，以及对应的所述第二排序，计算每个所述地理特征对应的第一关联度得分；
基于历史决策数据，确定每个所述地理特征对应的第二关联度得分；
根据所述第一关联度得分和所述第二关联度得分，计算每个所述地理特征的决策得分。
可选的，所述处理模块，具体用于：
确定每个所述地理特征与所述标签的关联度；
确定与每个所述标签的所述关联度大于预设阈值的目标地理特征；
确定与每个所述标签对应的所述目标地理特征所对应的目标地理数据；
根据各个所述标签对应的所述目标地理数据，对所述多种类型的地理数据进行归类；
根据每个所述标签对应的目标地理特征的关联度，以及所述目标地理特征对应的决策得分，对每个所述标签对应的目标地理特征进行排序，以得到每个所述标签对应的第一排序，其中，所述第一排序是所述标签对应的目标地理特征的顺序；
将每个所述标签对应的所述第一排序，以及所述第一排序中每个所述目标地理特征对应的地理数据进行关联存储；
确定与每个所述标签关联存储的所述地理数据为所述标签对应的决策数据。
可选的，所述验证模块，具体用于：
其中，所述决策指令包含有标签信息；
对所述标签信息进行处理，以判断所述标签信息是否为所述目标标签，以及所述标签信息是否符合预设的数据格式；
在所述标签信息为所述目标标签，且所述标签信息符合预设的数据格式的情况下，确定所述决策指令验证通过。
本公开实施例中，该装置首先获取与候选地区关联的多种类型的地理数据，之后将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征，然后基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分，之后根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据，然后响应于接收到决策指令，对所述决策指令进行验证，最后在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端。由此，能够在管理人员在进行决策时，能够为管理人员查询到与决策的标签相对应的决策数据，查到的决策数据不仅数据量比较小，便于计算，并且具有一定的针对性，能够反应决策需求，从而使得决策能够更加的准确和有效，有助于实现资源的高效利用和均衡分配，帮助政府、企业和公众更准确地进行决策制定，为多领域的决策提供精准、快速的参考依据。
为了实现上述实施例，本公开还提出一种非临时性计算机可读存储介质，存储有控制程序，控制程序被处理器执行时实现如本公开前述实施例提出的基于地理信息云平台的决策方法。
图3示出了适于用来实现本公开实施方式的示例性计算机设备的框图。图3显示的计算机设备12仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储器28，连接不同系统组件（包括存储器28和处理单元16）的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构（Industry StandardArchitecture；以下简称：ISA）总线，微通道体系结构（Micro Channel Architecture；以下简称：MAC）总线，增强型ISA总线、视频电子标准协会（Video Electronics StandardsAssociation；以下简称：VESA）局域总线以及外围组件互连（Peripheral ComponentInterconnection；以下简称：PCI）总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器（Random Access Memory；以下简称：RAM）30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质（图3未显示，通常称为“硬盘驱动器”）。尽管图3中未示出，可以提供用于对可移动非易失性磁盘（例如“软盘”）读写的磁盘驱动器，以及对可移动非易失性光盘（例如：光盘只读存储器（Compact Disc Read OnlyMemory；以下简称：CD-ROM）、数字多功能只读光盘（Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM）或者其它光介质）读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组（例如至少一个）程序模块，这些程序模块被配置以执行本公开各实施例的功能。
具有一组（至少一个）程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14（例如键盘、指向设备、显示器24等）通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备（例如网卡，调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络（例如局域网（Local Area Network；以下简称：LAN），广域网（Wide Area Network；以下简称：WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
Claims (6)
1.一种基于地理信息云平台的决策方法，其特征在于，包括：
获取与候选地区关联的多种类型的地理数据；
将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征；
基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分；
根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据；
响应于接收到决策指令，对所述决策指令进行验证；
在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端；
所述基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分，包括：
其中，所述决策影响指标至少包含有地形指标、气象指标、行政规划指标、地下水资源指标和生态环境指标；
确定与每个所述类型对应的决策影响指标关联的至少一个地理特征；
根据所述预设的规则，确定每个所述决策影响指标对应的第二排序；
根据每个所述决策影响指标关联的至少一个地理特征，以及对应的所述第二排序，计算每个所述地理特征对应的第一关联度得分；
基于历史决策数据，确定每个所述地理特征对应的第二关联度得分；
根据所述第一关联度得分和所述第二关联度得分，计算每个所述地理特征的决策得分；
所述根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中包建立每个所述标签对应的决策数据，包括：
确定每个所述地理特征与所述标签的关联度；
确定与每个所述标签的所述关联度大于预设阈值的目标地理特征；
确定与每个所述标签对应的所述目标地理特征所对应的目标地理数据；
根据各个所述标签对应的所述目标地理数据，对所述多种类型的地理数据进行归类；
根据每个所述标签对应的目标地理特征的关联度，以及所述目标地理特征对应的决策得分，对每个所述标签对应的目标地理特征进行排序，以得到每个所述标签对应的第一排序，其中，所述第一排序是所述标签对应的目标地理特征的顺序；
将每个所述标签对应的所述第一排序，以及所述第一排序中每个所述目标地理特征对应的地理数据进行关联存储；
确定与每个所述标签关联存储的所述地理数据为所述标签对应的决策数据。
2.根据权利要求1所述的方法，其特征在于，在所述将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征之前，还包括：
对所述地理数据进行数据清洗和数据脱敏处理。
3.根据权利要求1所述的方法，其特征在于，所述对所述决策指令进行验证，包括：
其中，所述决策指令包含有标签信息；
对所述标签信息进行处理，以判断所述标签信息是否为所述目标标签，以及所述标签信息是否符合预设的数据格式；
在所述标签信息为所述目标标签，且所述标签信息符合预设的数据格式的情况下，确定所述决策指令验证通过。
4.一种基于地理信息云平台的决策装置，其特征在于，包括：
第一获取模块，用于获取与候选地区关联的多种类型的地理数据；
第二获取模块，用于将每种所述类型的地理数据输入至预先训练生成的地理特征提取模型中，以获取对应的地理特征；
确定模块，用于基于预设的规则、每个所述类型对应的决策影响指标，以及所述地理特征，确定每个所述地理特征的决策得分；
处理模块，用于根据各个所述地理特征所对应的决策得分，对所述多种类型的地理数据进行处理，以将所述地理数据基于预设的各个标签进行归类、排序以及存储，以在数据库中建立每个所述标签对应的决策数据；
验证模块，用于响应于接收到决策指令，对所述决策指令进行验证；
第三获取模块，用于在验证通过的情况下，从所述数据库中获取与所述决策指令中的目标标签所对应的目标决策数据，并将所述目标决策数据发送给终端；
所述确定模块，具体用于：
其中，所述决策影响指标至少包含有地形指标、气象指标、行政规划指标、地下水资源指标和生态环境指标；
确定与每个所述类型对应的决策影响指标关联的至少一个地理特征；
根据所述预设的规则，确定每个所述决策影响指标对应的第二排序；
根据每个所述决策影响指标关联的至少一个地理特征，以及对应的所述第二排序，计算每个所述地理特征对应的第一关联度得分；
基于历史决策数据，确定每个所述地理特征对应的第二关联度得分；
根据所述第一关联度得分和所述第二关联度得分，计算每个所述地理特征的决策得分；
所述处理模块，具体用于：
确定每个所述地理特征与所述标签的关联度；
确定与每个所述标签的所述关联度大于预设阈值的目标地理特征；
确定与每个所述标签对应的所述目标地理特征所对应的目标地理数据；
根据各个所述标签对应的所述目标地理数据，对所述多种类型的地理数据进行归类；
根据每个所述标签对应的目标地理特征的关联度，以及所述目标地理特征对应的决策得分，对每个所述标签对应的目标地理特征进行排序，以得到每个所述标签对应的第一排序，其中，所述第一排序是所述标签对应的目标地理特征的顺序；
将每个所述标签对应的所述第一排序，以及所述第一排序中每个所述目标地理特征对应的地理数据进行关联存储；
确定与每个所述标签关联存储的所述地理数据为所述标签对应的决策数据。
5.根据权利要求4所述的装置，其特征在于，所述第二获取模块，还用于：
对所述地理数据进行数据清洗和数据脱敏处理。
6.根据权利要求4所述的装置，其特征在于，所述验证模块，具体用于：
其中，所述决策指令包含有标签信息；
对所述标签信息进行处理，以判断所述标签信息是否为所述目标标签，以及所述标签信息是否符合预设的数据格式；
在所述标签信息为所述目标标签，且所述标签信息符合预设的数据格式的情况下，确定所述决策指令验证通过。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666589.8A CN116384844B (zh) | 2023-06-07 | 2023-06-07 | 基于地理信息云平台的决策方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666589.8A CN116384844B (zh) | 2023-06-07 | 2023-06-07 | 基于地理信息云平台的决策方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116384844A CN116384844A (zh) | 2023-07-04 |
| CN116384844B true CN116384844B (zh) | 2023-09-08 |
Family
ID=86967971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310666589.8A Active CN116384844B (zh) | 2023-06-07 | 2023-06-07 | 基于地理信息云平台的决策方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116384844B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116883950A (zh) * | 2023-08-15 | 2023-10-13 | 广东省科学院广州地理研究所 | 基于遥感卫星数据的乡村人居环境动态监测方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108959580A (zh) * | 2018-07-06 | 2018-12-07 | 深圳市彬讯科技有限公司 | 一种标签数据的优化方法及系统 |
| CN110263021A (zh) * | 2019-06-25 | 2019-09-20 | 浪潮卓数大数据产业发展有限公司 | 一种基于个性化标签体系的主题库生成方法 |
| CN110519231A (zh) * | 2019-07-25 | 2019-11-29 | 浙江公共安全技术研究院有限公司 | 一种跨域数据交换监管系统及方法 |
| CN115879824A (zh) * | 2023-01-06 | 2023-03-31 | 上海市研发公共服务平台管理中心 | 基于集成学习的辅助专家决策方法、装置、设备和介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11068656B2 (en) * | 2019-04-10 | 2021-07-20 | International Business Machines Corporation | Displaying text classification anomalies predicted by a text classification model |
-
2023
- 2023-06-07 CN CN202310666589.8A patent/CN116384844B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108959580A (zh) * | 2018-07-06 | 2018-12-07 | 深圳市彬讯科技有限公司 | 一种标签数据的优化方法及系统 |
| CN110263021A (zh) * | 2019-06-25 | 2019-09-20 | 浪潮卓数大数据产业发展有限公司 | 一种基于个性化标签体系的主题库生成方法 |
| CN110519231A (zh) * | 2019-07-25 | 2019-11-29 | 浙江公共安全技术研究院有限公司 | 一种跨域数据交换监管系统及方法 |
| CN115879824A (zh) * | 2023-01-06 | 2023-03-31 | 上海市研发公共服务平台管理中心 | 基于集成学习的辅助专家决策方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116384844A (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110364008B (zh) | 路况确定方法、装置、计算机设备和存储介质 | |
| CN109840660B (zh) | 一种车辆特征数据处理方法及车辆风险预测模型训练方法 | |
| WO2020228706A1 (zh) | 基于围栏地址的坐标数据处理方法、装置和计算机设备 | |
| US20180053110A1 (en) | Method of predicting crime occurrence in prediction target region using big data | |
| US20150347478A1 (en) | Systems and methods for context-aware and personalized access to visualizations of road events | |
| Ma et al. | A real-time crack detection algorithm for pavement based on CNN with multiple feature layers | |
| CN110782120B (zh) | 一种交通流模型的评测方法、系统、设备及介质 | |
| WO2021082464A1 (zh) | 预测车辆的目的地的方法和装置 | |
| US11966424B2 (en) | Method and apparatus for dividing region, storage medium, and electronic device | |
| CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
| CN116384844B (zh) | 基于地理信息云平台的决策方法及装置 | |
| CN111428558A (zh) | 一种基于改进YOLOv3方法的车辆检测方法 | |
| CN111353380A (zh) | 一种基于机器图像识别技术的城市道路积水图像识别系统 | |
| Wang et al. | Tracking natural events through social media and computer vision | |
| Kuffer et al. | Do we underestimate the global slum population? | |
| WO2021169174A1 (zh) | 道路拥堵程度预测方法、装置、计算机设备及可读存储介质 | |
| Zhang et al. | Social media meets big urban data: A case study of urban waterlogging analysis | |
| CN114418175A (zh) | 一种人员管理方法、装置、电子设备及存储介质 | |
| CN112836590B (zh) | 洪涝灾害监测方法、装置、电子设备及存储介质 | |
| CN110765900A (zh) | 一种基于dssd的自动检测违章建筑方法及系统 | |
| Ismail | Hedonic modelling of housing markets using geographical information system (gis) and spatial statistic:; a case study of glasgow, scotland | |
| CN115203354A (zh) | 一种车码轨迹预关联方法、装置、计算机设备及存储介质 | |
| KR20190138350A (ko) | 웨어러블 기기에서 수집한 생체 정보 및 행동 패턴을 활용한 개인별 범죄 피해 확률 예측 시스템 | |
| CN112732446B (zh) | 一种任务处理方法、装置及存储介质 | |
| CN114218383A (zh) | 重复事件的判定方法、装置及应用 |
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 |