CN117221153A - 一种功能区识别方法及其相关设备 - Google Patents
一种功能区识别方法及其相关设备 Download PDFInfo
- Publication number
- CN117221153A CN117221153A CN202210612512.8A CN202210612512A CN117221153A CN 117221153 A CN117221153 A CN 117221153A CN 202210612512 A CN202210612512 A CN 202210612512A CN 117221153 A CN117221153 A CN 117221153A
- Authority
- CN
- China
- Prior art keywords
- feature
- features
- communication information
- ground
- communication
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004891 communication Methods 0.000 claims abstract description 365
- 230000006870 function Effects 0.000 claims abstract description 279
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003064 k means clustering Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 31
- 238000012545 processing Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 20
- 230000000694 effects Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000005494 condensation Effects 0.000 description 5
- 238000009833 condensation Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000001595 flow curve Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Environmental & Geological Engineering (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种功能区识别方法及其相关设备,可基于通信信息来识别地物的功能,由于通信信息所描述的内容均为客观内容,且可代表地物内的全体用户,故基于通信信息来完成功能区识别,有利于提高识别结果的准确度。本申请的方法包括:当需要确定第一地物的功能时,可先获取第一地物的通信信息以及多个第二地物的通信信息,其中,每个第二地物的功能是预置的。然后,可对第一地物的通信信息以及多个第二地物的通信信息进行处理,从而得到第一地物的特征,第一地物的特征包含第一地物的通信信息与多个第二地物的通信信息之间的相似度。最后,可基于第一地物的特征以及多个第二地物的功能,来确定第一地物的功能。
Description
技术领域
本申请实施例涉及地理信息技术领域,尤其涉及一种功能区识别方法及其相关设备。
背景技术
随着城市化脚步的日益加快以及城市规模的飞速扩张,城市作为一个复杂的社会系统,在各种因素的共同作用下,使得相同类别的城市活动在时空上呈现出高度凝聚的特征。由于不同类别的城市活动往往分散在城市内不同的地物(例如,街区、地块以及建筑等等)进行,促使这些地物按自身的功能被划分成不同类别的功能区。
目前,在识别城市的功能区时,即确定城市内各个地物的功能时,通常先获取用户上传的关于各个地物的信息(例如,地物的图片、地物的文字描述、地物的尺寸、地物的地理位置等等),再利用一定的功能区识别算法对这些信息进行处理,从而得到城市内各个地物的功能。例如,城市内某个地物的功能为居住功能时,可将该地物确定为一个居住区,城市内另一地物的功能为工作功能时,可将该地物确定为一个工作区等等。
然而,用户主动上传的信息通常存在较多的主观内容,甚至还可能存在某些错误的内容,且在收集信息时通常仅能面向部分用户,无法代表全体用户,故此种方式所获取的信息往往不够客观和全面,基于这些信息来识别城市内地物的功能,会导致识别结果的准确度较低。
发明内容
本申请实施例提供了一种功能区识别方法及其相关设备,可基于通信信息来识别地物的功能,由于通信信息所描述的内容均为客观内容,且可代表地物内的全体用户,故基于通信信息来完成功能区识别,有利于提高识别结果的准确度。
本申请实施例的第一方面提供了一种功能区识别方法,该方法包括:
当需要对目标区域进行功能区识别时,即需要确定目标区域中第一地物(也可以理解为待识别功能的地物)的功能时,可先获取第一地物的通信信息。第一地物的通信信息可用于指示第一地物的通信数据与时间之间的对应关系,第一地物的通信数据通常指用户在第一地物中活动时,用户所使用的终端设备与网络设备发生交互所产生的通信数据,由于在不同的时间段内,位于第一地物中的用户均可能使用终端设备与网络设备发生交互,故这些时间段以及位于第一地物的终端设备在这些时间段内所产生的通信数据可构建出一个对应关系。
在获取第一地物的通信信息后,还可获取多个第二地物(也可以理解为作为参考的地物)的通信信息,这多个第二地物的功能是预置的(也就是说,这多个第二地物的功能是已知的)。有关于第二地物的通信信息的介绍,可参考前述第一地物的通信信息的相关说明部分,此处不再赘述。
得到第一地物的通信信息以及多个第二地物的通信信息后,可对这些信息进行处理,从而得到第一地物的特征,第一地物的特征至少包含第一地物的通信信息与多个第二地物的通信信息之间的相似度。那么,可基于第一地物的特征以及多个第二地物的功能,来确定第一地物的功能,从而完成目标区域的功能区识别。
从上述方法可以看出:当需要确定第一地物的功能时,可先获取第一地物的通信信息以及多个第二地物的通信信息,其中,每个第二地物的功能是预置的。然后,可对第一地物的通信信息以及多个第二地物的通信信息进行处理,从而得到第一地物的特征,第一地物的特征包含第一地物的通信信息与多个第二地物的通信信息之间的相似度。最后,可基于第一地物的特征以及多个第二地物的功能,来确定第一地物的功能。前述过程中,第一地物为待识别功能的地物,第二地物为作为参考的地物,在利用作为后者已知的功能来确定前者未知的功能时,是基于二者的通信信息之间的相似度来确定的,由于地物(包含待识别功能的地物和作为参考的地物)的通信信息用于指示地物内用户的终端设备所产生的通信数据与时间之间的对应关系,此类信息所描述的内容均为客观内容,且可代表地物内的全体用户,即此类信息既客观又全面,故基于通信信息来识别地物的功能,有利于提高识别结果的准确度。
在一种可能的实现方式中,第一地物的数量为N个,第二地物的数量为M个,N>M>1,基于第一地物的通信信息以及多个第二地物的通信信息,获取第一地物的特征包括:基于第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度以及第i个第一地物的形状信息,构建第i个第一地物的特征,也就是说,第i个第一地物的特征包含第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度以及第i个第一地物的形状信,i=1,...,N。前述实现方式中,在获取第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的相似度,以及第i个第一地物的形状信息后,可将第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度以及第i个第一地物的形状信息进行拼接,从而得到第i个第一地物的特征。在N个第一地物中,对于除第i个第一地物之外的其余第一地物,功能识别平台也可执行如同对第i个第一地物所执行的操作,故可得到N个第一地物的特征。
在一种可能的实现方式中,第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度为一个包含M个元素的向量,其中,第1个元素为第i个第一地物的标准化后的通信信息与第1个第二地物的通信信息之间的相似度(也就相当于第i个第一地物的功能与第1个第二地物的功能之间的相似度),第2个元素为第i个第一地物的标准化后的通信信息与第2个第二地物的通信信息之间的相似度(也就相当于第i个第一地物的功能与第2个第二地物的功能之间的相似度),...,第M个元素为第i个第一地物的标准化后的通信信息与第M个第二地物的通信信息之间的相似度。进一步地,可通过计算第i个第一地物的通信信息与M个第二地物的通信信息之间的余弦相似度的最大值,并将该值作为第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度。
在一种可能的实现方式中,第i个第一地物的形状信息可以为第i个第一地物的泰森多边形面积的对数值。
在一种可能的实现方式中,获取第一地物的通信信息包括:将目标区域划分为T个子区域,目标区域为N个第一地物所在的区域(即目标区域包含N个第一地物),T>1;在T个子区域中,确定第i个第一地物所在的S个子区域,T>S≥1;对S个子区域中第i个第一地物所占的比例以及S个子区域的通信信息进行计算,得到第i个第一地物的通信信息。前述实现方式中,目标区域被划分为T个子区域后,目标区域的通信信息也就被划分成T个子区域的通信信息。由于第i个第一地物位于构成目标区域的T个子区域中,故可在这T个子区域中,确定第i个第一地物所在的S个子区域,并从T个子区域的通信信息挑选出这S个子区域的通信信息。确定第i个第一地物所在的S个子区域后,对于这S个子区域的任意一个子区域而言,即对于第q个子区域而言(q=1,...,S),可将第q个子区域中第i个第一地物所占的比例以及第q个子区域的通信信息进行相乘,从而得到第q个计算后的通信信息。在这S个子区域中,对于除第q个子区域之外的其余子区域,也可执行相同的操作,故可得到S个计算后的通信信息。然后,再将这S个计算后的通信信息进行相加,可得到第i个第一地物的通信信息。同理,也可对除第i个第一地物之外的其余第一地物执行相同的操作,故可得到N个第一地物的通信信息。
在一种可能的实现方式中,获取多个第二地物的通信信息包括:对N个第一地物的通信信息进行第一聚类,以将N个第一地物划分为M个类别,M个类别与预置的M个功能一一对应;对第j个类别中所有第一地物的通信信息进行计算,得到第j个第二地物的通信信息,j=1,...,M。前述实现方式中,在获取N个第一地物的通信信息后,可对N个第一地物的通信信息进行第一聚类,以将N个第一地物划分为与预置的M个功能一一对应的M个类别(即可先计算N个第一地物的通信信息两两之间的距离,并基于这些距离的大小,按照某种聚类方式将N个第一地物的通信信息划分为M个类别,相当于将N个第一地物划分为M个类别,这M个类别与预置的M个功能一一对应)。在这M个类别中,对于任意一个类别而言,即对于第j个类别(j=1,...,M)而言,可将第j个类别中所有第一地物的标准化后的通信信息进行求平均计算,计算得到的结果可作为第j个第二地物的通信信息,由此可见,在预置的M个功能中,第j个功能即为第j个第二地物的功能。
在一种可能的实现方式中,基于第一地物的特征以及多个第二地物的功能,确定第一地物的功能包括:对N个第一地物的特征进行第二聚类,以将N个第一地物划分为P个类别,P个类别的每个对应于预置的M个功能中的一个(即与所述P个类别一一对应的P个功能基于所述预置的M个功能得到),第h个类别中所有第一地物具有第h个功能,h=1,...,P,P>M。前述实现方式中,得到N个第一地物的特征后,可对N个第一地物的特征进行第二聚类,以将N个第一地物划分为P个类别(即可先计算N个第一地物的特征两两之间的距离,并这些距离的大小,按照另一种聚类方式将N个第一地物的特征划分为P个类别,相当于将N个第一地物划分为P个类别),这P个类别对应于P个功能,对于这P个类别的任意一个类别而言,即对于第h个类别(h=1,...,P)而言,第h个类别中所有第一地物具有第h个功能。对于除第h个类别之外其余类别,也是如此,故可确定N个第一地物的功能。需要说明的是,此处所提及的P个类别的每个对应于预置的M个功能中的一个,也可以理解为:P个类别中每个类别对应的功能可由预置的M个功能中的一个或多个功能来确定。具体地,与P个类别一一对应的P个功能通常是较为细化的功能,预置的M个功能通常是较为粗略的功能,与P个类别一一对应的P个功能可以认为是将预置的M个功能进行交叉组合得到的,也就是说,P个类别中每个类别对应的功能均可使用预置的M个功能中的至少一个功能进行组合得到,例如,P个类别中第1个类别对应的功能为预置的第1个功能,P个类别中第2个类别对应的功能由预置的第1个功能和预置的第3个功能组合得到,...,第P个类别中第P个类别对应的功能由预置的第1个功能至预置的第M个功能组合得到。
可以理解的是,前述P个功能通常是较为细化的功能,前述预置的M个功能通常是较为粗略的功能,且前述P个功能可以认为是将前述预置的M个功能进行交叉组合得到的。
在一种可能的实现方式中,第一聚类为基于k均值聚类算法的聚类。前述实现方式中,第一聚类为基于k均值(k-means)聚类算法的聚类(即前述的某种聚类方式为k均值聚类算法提供的聚类方式),由此可见,可通过k均值聚类算法对N个第一地物的通信信息进行聚类,从而将N个第一地物划分为M个类别。
在一种可能的实现方式中,第二聚类为基于层次凝聚聚类算法的聚类。前述实现方式中,第二聚类为基于层次凝聚聚类算法的聚类(即前述的另一种聚类方式为层次凝聚聚类算法提供的聚类方式),由此可见,可通过层次凝聚聚类算法对N个第一地物的特征进行聚类,从而将N个第一地物划分为P个类别。
在一种可能的实现方式中,地物(包含第一地物和第二地物)的通信信息包括地物在一天中多个时间段的通信数据。
本申请实施例的第二方面提供了一种功能区识别装置,该装置包括:第一获取模块,用于获取第一地物的通信信息以及多个第二地物的通信信息,多个第二地物的功能是预置的,地物的通信信息用于指示地物的通信数据与时间之间的对应关系;第二获取模块,用于基于第一地物的通信信息以及多个第二地物的通信信息,获取第一地物的特征,第一地物的特征包括第一地物的通信信息与多个第二地物的通信信息之间的相似度;确定模块,用于基于第一地物的特征以及多个第二地物的功能,确定第一地物的功能。
从上述装置可以看出:当需要确定第一地物的功能时,可先获取第一地物的通信信息以及多个第二地物的通信信息,其中,每个第二地物的功能是预置的。然后,可对第一地物的通信信息以及多个第二地物的通信信息进行处理,从而得到第一地物的特征,第一地物的特征包括第一地物的通信信息与多个第二地物的通信信息之间的相似度。最后,可基于第一地物的特征以及多个第二地物的功能,来确定第一地物的功能。前述过程中,第一地物为待识别功能的地物,第二地物为作为参考的地物,在利用作为后者已知的功能来确定前者未知的功能时,是基于二者的通信信息之间的相似度来确定的,由于地物(包含待识别功能的地物和作为参考的地物)的通信信息用于指示地物内用户的终端设备所产生的通信数据与时间之间的对应关系,此类信息所描述的内容均为客观内容,且可代表地物内的全体用户,即此类信息既客观又全面,故基于通信信息来识别地物的功能,有利于提高识别结果的准确度。
在一种可能的实现方式中,第一地物的数量为N个,第二地物的数量为M个,N>M>1,第i个第一地物的特征包含第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度以及第i个第一地物的形状信息,i=1,...,N。
在一种可能的实现方式中,第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度包括:第i个第一地物的通信信息与M个第二地物的通信信息之间的余弦相似度的最大值。
在一种可能的实现方式中,第i个第一地物的形状信息包括:第i个第一地物的泰森多边形面积的对数值。
在一种可能的实现方式中,第一获取模块,用于:将目标区域划分为T个子区域,目标区域为N个第一地物所在的区域,T>1;在T个子区域中,确定第i个第一地物所在的S个子区域,T>S≥1;对S个子区域中第i个第一地物所占的比例以及S个子区域的通信信息进行计算,得到第i个第一地物的通信信息。
在一种可能的实现方式中,第一获取模块,用于:对N个第一地物的通信信息进行第一聚类,以将N个第一地物划分为M个类别,M个类别与预置的M个功能一一对应;对第j个类别中所有第一地物的通信信息进行计算,得到第j个第二地物的通信信息,j=1,...,M。
在一种可能的实现方式中,确定模块,用于对N个第一地物的特征进行第二聚类,以将N个第一地物划分为P个类别,P个类别的每个对应于预置的M个功能中的一个,第h个类别中所有第一地物具有第h个功能,h=1,...,P,P>M。
在一种可能的实现方式中,第一聚类为基于k均值聚类算法的聚类。
在一种可能的实现方式中,第二聚类为基于层次凝聚聚类算法的聚类。
在一种可能的实现方式中,地物的通信信息包括地物在一天中多个时间段的通信数据。
本申请实施例的第三方面提供了一种功能区识别装置,该装置包括存储器和处理器;存储器存储有代码,处理器被配置为执行代码,当代码被执行时,该装置执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例的第四方面提供了一种计算机存储介质,该计算机存储介质存储有计算机程序,该程序由计算机执行时,使得计算机实施第一方面或第一方面中任意一种可能的实现方式所述的方法。
本申请实施例的第五方面提供了一种计算机程序产品,计算机程序产品存储有指令,指令在由计算机执行时,使得计算机实施如第一方面或第一方面中任意一种可能的实现方式所述的方法。
从上述方法可以看出:当需要确定第一地物的功能时,可先获取第一地物的通信信息以及多个第二地物的通信信息,其中,每个第二地物的功能是预置的。然后,可对第一地物的通信信息以及多个第二地物的通信信息进行处理,从而得到第一地物的特征,第一地物的特征包括第一地物的通信信息与多个第二地物的通信信息之间的相似度。最后,可基于第一地物的特征以及多个第二地物的功能,来确定第一地物的功能。前述过程中,第一地物为待识别功能的地物,第二地物为作为参考的地物,在利用作为后者已知的功能来确定前者未知的功能时,是基于二者的通信信息之间的相似度来确定的,由于地物(包含待识别功能的地物和作为参考的地物)的通信信息用于指示地物内用户的终端设备所产生的通信数据与时间之间的对应关系,此类信息所描述的内容均为客观内容,且可代表地物内的全体用户,即此类信息既客观又全面,故基于通信信息来识别地物的功能,有利于提高识别结果的准确度。
附图说明
图1为本申请实施例提供的功能区识别架构的一个示意图;
图2为本申请实施例提供的功能区识别系统的一个结构示意图;
图3为本申请实施例提供的功能区识别系统的另一结构示意图;
图4示出了终端设备400的一个示例性的结构示意图;
图5为本申请实施例提供的功能区识别方法的一个流程示意图;
图6为本申请实施例提供的第二地物的通信数据曲线的一个示意图;
图7为本申请实施例提供的第二地物的通信数据曲线的另一示意图;
图8为本申请实施例提供的第二地物的通信数据曲线的另一示意图;
图9为本申请实施例提供的第二地物的通信数据曲线的另一示意图;
图10为本申请实施例提供的第二地物的通信数据曲线的另一示意图;
图11为本申请实施例提供的第二地物的通信数据曲线的另一示意图;
图12为本申请实施例提供的泰森多边形的一个示意图;
图13为本申请实施例提供的层次凝聚聚类结果的一个示意图;
图14为本申请实施例提供的功能识别结果的一个示意图;
图15为本申请实施例提供的功能区识别装置的一个结构示意图;
图16为本申请实施例提供的功能区识别装置的另一结构示意图。
具体实施方式
本申请实施例提供了一种功能区识别方法及其相关设备,可基于通信信息来识别地物的功能,由于通信信息所描述的内容均为客观内容,且可代表地物内的全体用户,故基于通信信息来完成功能区识别,有利于提高识别结果的准确度。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
随着城市化脚步的日益加快以及城市规模的飞速扩张,城市作为一个复杂的社会系统,在各种因素(例如,土地利用和社会经济等等)的共同作用下,使得相同类别的城市活动在时空上呈现出高度凝聚的特征。由于不同类别的城市活动往往分散在城市内不同的地物(例如,街区、地块以及建筑等等)进行,促使这些地物按自身的功能被划分成不同类别的功能区。城市的功能区在空间上的分布与组合模式是衡量城市发展状况的重要依据,因此识别城市内不同的功能区并研究其空间分布特征和相互作用规律,对于把握城市空间结构以及制定科学合理的规划具有重要意义。
目前,在识别城市的功能区时,即确定城市内各个地物的功能时,通常先获取用户上传的关于各个地物的信息(例如,地物的图片、地物的文字描述、地物的尺寸、地物的地理位置等等),再利用某些功能区识别算法或某些功能识别模型对这些信息进行处理,从而得到城市内各个地物的功能。例如,城市内某个地物的功能为居住功能时,可将该地物确定为一个居住区,城市内另一地物的功能为工作功能时,可将该地物确定为一个工作区,城市内另一地物的功能为游憩功能时,可将该地物确定为一个游憩区等等。
然而,用户主动上传的信息通常存在较多的主观内容,甚至还可能存在某些错误的内容,且在收集信息时通常仅能面向部分用户,无法代表全体用户,故此种方式所获取的信息往往不够客观和全面,基于这些信息来识别城市内地物的功能,会导致识别结果的准确度较低。
进一步地,用户主动上传的信息往往无法与用户在地物中进行的活动直接对应,由于这些信息无法直接体现出地物所能进行的城市活动,会影响功能区识别的精度,进一步降低地物功能的识别结果的准确度。
更进一步地,由于用户上传信息的时间点并非是实时的,只能利用某一个时间段内用户上传的信息来实现功能区识别,当需要更新城市的功能区时,往往无法及时更新,更新的时间间隔往往长达1到2年,甚至更久。
为了解决上述问题,本申请实施例提供了一种功能区识别方法,该方法可通过如图1所示的架构实现(图1为本申请实施例提供的功能区识别架构的一个示意图),该架构包含流量自治域(traffic autonomous Zone,TAZ)生成平台、O域平台、地物信息提供平台以及功能识别平台,下面将对这四个平台进行简单的介绍:
TAZ生成平台,该平台内设置有地理信息系统(geographic information system,GIS)数据库,那么,TAZ生成平台可从GIS数据库中获取地图数据,并基于地图数据将地图上的不同地理区域划分为不同的TAZ。例如,TAZ生成平台可将一个城市的东部、西部、南部、北部和中部划分成5个TAZ等等,由此可见,整个世界可被划分成数量众多的TAZ。进一步地,TAZ生成平台还可为每一个TAZ中的每一个地物,生成唯一的TAZ编码(即对于任意一个地物而言,该地物具有唯一的TAZ编码),且将这些TAZ的信息(包含这些TAZ的编码等等)同步到其余三个平台中,故整个架构中的所有平台可共用一套相同的TAZ编码。
O域平台,该平台通常部署于网络侧的设备中(例如,运营商的网络设备等等),且该平台内设置有通信数据库,故该平台从通信数据库中获取栅格级的通信信息或者网格级的通信信息,并提供给功能识别平台。需要说明的是,对于任意一个TAZ,O域平台可将该TAZ划分成多个网格,这多个网格的尺寸均是相同的,那么,该TAZ的通信信息则被划分成多个网格的通信信息。依旧如上述例子,O域平台可将该城市的东部划分为5000个网格,且这5000个网格均为50m×50m的区域。那么,该城市东部的通信信息,则被划分成5000个网格的通信信息。
地物信息提供平台,该平台可向功能识别平台提供第三方信息,包含兴趣点(point of interest,POI)、街景、点评以及规划图则等各种类型的地理数据。需要说明的是,功能识别平台在确定多个地物的功能的过程中,可基于第三方信息,从这多个地物中确定作为参考的地物,此处先不做展开。
功能识别平台,该平台可实现功能区识别。具体地,当功能识别平台需要确定多个地物的功能时,可基于栅格级的通信信息或者网格级的通信信息,确定这多个地物的通信信息以及作为参考的地物的通信信息,再基于这些基于进行处理,从而得到这多个地物的特征,最后基于这多个地物的特征,确定这多个地物的功能。
在图1所示的架构中,功能识别平台可执行本申请实施例提供的功能区识别方法。
应理解,前述四个平台,通常部署不同的物理设备上,其中,功能识别平台以部署于为用户提供服务的网络设备或用户使用的终端设备上,TAZ生成平台可部署于提供TAZ划分服务的网络设备上,O域平台可部署运营商的网络设备上,地物信息提供平台提供第三方服务的网络设备上。
值得注意的是,本申请实施例提供的方法可应用于多种场景中,下文将分别对该方法的应用场景进行介绍:
图2为本申请实施例提供的功能区识别系统的一个结构示意图,该集成电路的馈通系统包括用户设备以及数据处理设备。其中,用户设备包括手机、个人电脑或者信息处理中心等智能终端。用户设备为功能区识别的发起端,作为功能区识别的发起方,通常由用户通过用户设备发起功能区识别请求。
上述数据处理设备部署有前述的功能识别平台,数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端针对目标区域的功能区识别请求,再通过存储数据的存储器以及数据处理的处理器环节针对该目标区域的多个地物,进行基于地物的通信信息以及地物的特征等信息的处理。数据处理设备中的存储器可以是一个统称,包括本地存储以及存储历史数据的数据库,数据库可以在数据处理设备上,也可以在其它网络服务器上。
在图2所示的功能区识别系统中,用户设备可以接收用户的指令,例如用户设备可以获取用户输入/选择的一个目标区域,然后向数据处理设备发起功能识别请求,使得数据处理设备针对用户设备得到的该目标区域执行功能识别应用,从而得到针对该目标区域的功能识别结果,即目标区域的多个地物的功能。示例性的,用户设备可以获取用户输入的一个目标区域,然后向数据处理设备发起该目标区域的功能识别请求,使得数据处理设备针对该目标区域的多个地物,对这多个地物的通信信息进行处理,得到这多个地物的特征,再基于这多个地物的特征,确定这多个地物的功能。
在图2中,数据处理设备可以执行本申请实施例的功能区识别方法。
图3为本申请实施例提供的功能区识别系统的另一结构示意图,在图3中,用户设备自身即可实现前述数据处理设备所能实现的功能(即用户设备自身部署有前述的功能识别平台),该用户设备能够直接获取来自用户的输入并直接由用户设备本身的硬件进行处理,具体过程与图2相似,可参考上面的描述,在此不再赘述。
在图3所示的功能区识别系统中,用户设备可以接收用户的指令,例如,用户设备可以获取用户在用户设备中所选择的一个目标区域,然后再由用户设备自身针对用户设备得到的该目标区域执行功能识别应用,即对该目标区域的多个地物而言,用户设备对这多个地物的通信信息进行处理,得到这多个地物的特征,再基于这多个地物的特征,确定这多个地物的功能。
在图3中,用户设备自身就可以执行本申请实施例的功能区识别方法。
进一步地,对于图2和图3中的用户设备,通常可以是用户所使用的终端设备,例如,手机、笔记本等等。为了便于了解用户所使用的终端设备,下文结合图4对终端设备作进一步的介绍(图4示出了终端设备400的一个示例性的结构示意图)。如图4所示,终端设备400包括:应用处理器401、微控制器单元(microcontroller unit,MCU)403、存储器405、调制解调器(modem)407、射频(radio frequency,RF)模块409、无线保真(Wireless-Fidelity,简称Wi-Fi)模块411、蓝牙模块413、传感器414、定位模块450、输入/输出(input/output,I/O)设备415等部件。这些部件可通过一根或多根通信总线或信号线进行通信。本领域技术人员可以理解,图4中示出的硬件结构并不构成对终端设备的限定,终端设备400可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图4对终端设备400的各个部件进行具体的介绍:
应用处理器401是终端设备400的控制中心,利用各种接口和总线连接终端设备400的各个部件。在一些实施例中,处理器401可包括一个或多个处理单元。
存储器405中存储有计算机程序,诸如图5所示的操作系统461和应用程序463。应用处理器401被配置用于执行存储器405中的计算机程序,从而实现该计算机程序定义的功能,例如应用处理器401执行操作系统461从而在终端设备400上实现操作系统的各种功能。存储器405还存储有除计算机程序之外的其他数据,诸如操作系统461和应用程序463运行过程中产生的数据。存储器405为非易失性存储介质,一般包括内存和外存。内存包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read-Only Memory,ROM),或高速缓存(cache)等。外存包括但不限于闪存(flash memory)、硬盘、光盘、通用串行总线(universal serial bus,USB)盘等。计算机程序通常被存储在外存上,处理器在执行计算机程序前会将该程序从外存加载到内存。
存储器405可以是独立的,通过总线与应用处理器401相连接;存储器405也可以和应用处理器401集成到一个芯片子系统。
MCU 403是用于获取并处理来自传感器414的数据的协处理器,MCU 403的处理能力和功耗小于应用处理器401,但具有“永久开启(always on)”的特点,可以在应用处理器401处于休眠模式时持续收集以及处理传感器数据,以极低的功耗保障传感器的正常运行。在一个实施例中,MCU403可以为sensor hub芯片。传感器414可以包括光传感器、运动传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示器451的亮度,接近传感器可在终端设备400移动到耳边时,关闭显示屏的电源。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向;传感器414还可以包括陀螺仪、气压计、湿度计、温度计、红外线传感器等其它传感器,在此不再赘述。MCU403和传感器414可以集成到同一块芯片上,也可以是分离的元件,通过总线连接。
Modem 407以及射频模块409构成了终端设备400通信子系统,用于实现3GPP、ETSI等无线通信标准协议的主要功能。其中,Modem 407用于编解码、信号的调制解调、均衡等。射频模块409用于无线信号的接收和发送,射频模块409包括但不限于天线、至少一个放大器、耦合器、双工器等。射频模块409配合Modem 407实现无线通信功能。Modem407可以作为单独的芯片,也可以与其他芯片或电路在一起形成系统级芯片或集成电路。这些芯片或集成电路可应用于所有实现无线通信功能的终端设备,包括:手机、电脑、笔记本、平板、路由器、可穿戴设备、汽车、家电设备等。
终端设备400还可以使用Wi-Fi模块411,蓝牙模块413等来进行无线通信。Wi-Fi模块411用于为终端设备400提供遵循Wi-Fi相关标准协议的网络接入,终端设备400可以通过Wi-Fi模块411接入到Wi-Fi接入点,进而访问互联网。在其他一些实施例中,Wi-Fi模块411也可以作为Wi-Fi无线接入点,可以为其他终端设备提供Wi-Fi网络接入。蓝牙模块413用于实现终端设备400与其他终端设备(例如手机、智能手表等)之间的短距离通信。本申请实施例中的Wi-Fi模块411可以是集成电路或Wi-Fi芯片等,蓝牙模块413可以是集成电路或者蓝牙芯片等。
定位模块450用于确定终端设备400的地理位置。可以理解的是,定位模块450具体可以是全球定位系统(global position system,GPS)或北斗卫星导航系统、俄罗斯GLONASS等定位系统的接收器。
Wi-Fi模块411,蓝牙模块413和定位模块450分别可以是单独的芯片或集成电路,也可以集成到一起。例如,在一个实施例中,Wi-Fi模块411,蓝牙模块413和定位模块450可以集成到同一芯片上。在另一个实施例中,Wi-Fi模块411,蓝牙模块413、定位模块450以及MCU 403也可以集成到同一芯片中。
输入/输出设备415包括但不限于:显示器451、触摸屏453,以及音频电路455等等。
其中,触摸屏453可采集终端设备400的用户在其上或附近的触摸事件(比如用户使用手指、触控笔等任何适合的物体在触摸屏453上或在触控屏触摸屏453附近的操作),并将采集到的触摸事件发送给其他器件(例如应用处理器401)。其中,用户在触摸屏453附近的操作可以称之为悬浮触控;通过悬浮触控,用户可以在不直接接触触摸屏453的情况下选择、移动或拖动目标(例如图标等)。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型来实现触摸屏453。
显示器(也称为显示屏)451用于显示用户输入的信息或展示给用户的信息。可以采用液晶显示屏、有机发光二极管等形式来配置显示器。触摸屏453可以覆盖在显示器451之上,当触摸屏453检测到触摸事件后,传送给应用处理器401以确定触摸事件的类型,随后应用处理器401可以根据触摸事件的类型在显示器451上提供相应的视觉输出。虽然在图4中,触摸屏453与显示器451是作为两个独立的部件来实现终端设备400的输入和输出功能,但是在某些实施例中,可以将触摸屏453与显示器451集成而实现手机400的输入和输出功能。另外,触摸屏453和显示器451可以以全面板的形式配置在终端设备400的正面,以实现无边框的结构。
音频电路455、扬声器456、麦克风457可提供用户与终端设备400之间的音频接口。音频电路455可将接收到的音频数据转换后的电信号,传输到扬声器456,由扬声器456转换为声音信号输出;另一方面,麦克风457将收集的声音信号转换为电信号,由音频电路455接收后转换为音频数据,再通过Modem 407和射频模块409将音频数据发送给比如另一终端设备,或者将音频数据输出至存储器405以便进一步处理。
另外,终端设备400还可以具有指纹识别功能。例如,可以在终端设备400的背面(例如后置摄像头的下方)配置指纹采集器件,或者在终端设备400的正面(例如触摸屏453的下方)配置指纹采集器件。又例如,可以在触摸屏453中配置指纹采集器件来实现指纹识别功能,即指纹采集器件可以与触摸屏453集成在一起来实现终端设备400的指纹识别功能。在这种情况下,该指纹采集器件配置在触摸屏453中,可以是触摸屏453的一部分,也可以以其他方式配置在触摸屏453中。本申请实施例中的指纹采集器件的主要部件是指纹传感器,该指纹传感器可以采用任何类型的感测技术,包括但不限于光学式、电容式、压电式或超声波传感技术等。
进一步地,终端设备400搭载的操作系统461可以为或者其它操作系统,本申请实施例对此不作任何限制。
以搭载操作系统的终端设备400为例,如图3所示,终端设备400从逻辑上可划分为硬件层、操作系统461,以及应用层。硬件层包括如上所述的硬件处理器401、微控制器单元405、Modem 407、Wi-Fi模块411、传感器414、定位模块450等硬件资源。应用层包括一个或多个应用程序,比如应用程序463,应用程序463可以为社交类应用、电子商务类应用、浏览器等任意类型的应用程序。操作系统461作为硬件层和应用层之间的软件中间件,是管理和控制硬件与软件资源的计算机程序。
在一个实施例中,操作系统461包括内核,硬件抽象层(hardware abstractionlayer,HAL)、库和运行时(libraries and runtime)以及框架(framework)。其中,内核用于提供底层系统组件和服务,例如:电源管理、内存管理、线程管理、硬件驱动程序等;硬件驱动程序包括Wi-Fi驱动、传感器驱动、定位模块驱动等。硬件抽象层是对内核驱动程序的封装,向框架提供接口,屏蔽低层的实现细节。硬件抽象层运行在用户空间,而内核驱动程序运行在内核空间。
库和运行时也叫做运行时库,它为可执行程序在运行时提供所需要的库文件和执行环境。在一个实施例中,库与运行时包括安卓运行时(Android Runtime,ART),库,以及场景包运行时。ART是能够把应用程序的字节码转换为机器码的虚拟机或虚拟机实例。库是为可执行程序在运行时提供支持的程序库,包括浏览器引擎(比如webkit)、脚本执行引擎(比如JavaScript引擎)、图形处理引擎等。场景包运行时是场景包的运行环境,主要包括页面执行环境(page context)和脚本执行环境(script context),其中,页面执行环境通过调用相应的库解析html、css等格式的页面代码,脚本执行环境通过调用相应的功能库解析执行JavaScript等脚本语言实现的代码或可执行文件。
框架用于为应用层中的各个应用程序提供各种基础的公共组件和服务,比如,窗口管理、位置管理等等。在一个实施例中,框架可包括地理围栏服务,策略服务,通知管理器等等。
以上描述的操作系统461的各个组件的功能均可以由应用处理器401执行存储器405中存储的程序来实现。
图5为本申请实施例提供的功能区识别方法的一个流程示意图,如图5所示,该方法包括:
501、获取第一地物的通信信息,第一地物的通信信息用于指示第一地物的通信数据与时间之间的对应关系。
本实施例中,当功能识别平台需要对目标区域进行功能区识别时,即功能识别平台需要确定目标区域中第一地物(也可以理解为待识别功能的地物)的功能时,可先获取第一地物的通信信息。其中,目标区域通常包含至少一个TAZ,例如,目标区域可以是某一个城市,又如,目标区域也可以是某一个城市的中部等等。第一地物的通信信息可用于指示第一地物的通信数据与时间之间的对应关系,第一地物的通信数据通常指用户在第一地物中活动时,用户所使用的终端设备与网络设备发生交互所产生的通信数据(也可以理解为流量,例如,上行流量和下行流量等等),由于在不同的时间段内,位于第一地物中的用户均可能使用终端设备与网络设备发生交互,故这些时间段以及位于第一地物的终端设备在这些时间段内所产生的通信数据可构建出一个对应关系,那么,第一地物的通信信息则用来指示该对应关系。
具体地,目标区域通常是一个范围较广的地理区域,故目标区域可包含N个第一地物(即目标区域为N个第一地物所在的区域),N>1。那么,在N个第一地物中,对于任意一个第一地物而言,即对于第i个第一地物而言(i=1,...,N),第i个第一地物的通信信息可包括:第i个第一地物在一天中多个时间段的通信数据,即位于第i个第一地物的终端设备,在一天中多个时间段内所产生的通信数据。例如,第i个第一地物的通信信息可呈现为一个包含24个元素的向量,该向量如以下公式所示:
Di=(di,0,di,1,...,di,23) (2)
上式中,di,0表示第i个第一地物在一天中第1个小时内的通信数据(即位于第i个第一地物的终端设备,在一天中第1个小时内所产生的通信数据),di,1表示第i个第一地物在一天中第2个小时内的通信数据(即位于第i个第一地物的终端设备,在一天中第2个小时内所产生的通信数据),...,di,23表示第i个第一地物在一天中第24个小时内的通信数据(即位于第i个第一地物的终端设备,在一天中第24个小时内所产生的通信数据)。
进一步地,功能识别平台可通过以下方式来获取第i个第一地物的通信信息:
(1)由于O域平台已将目标区域划分为T个子区域(也可以理解为T个网格,T>1),故O域平台向功能识别平台提供的这T个子区域的通信信息,可代表目标区域的通信信息。在接收到来自O域平台的这T个子区域的通信信息后,功能识别平台可确定目标区域已被划分成T个子区域。
(2)由于第i个第一地物位于构成目标区域的T个子区域中,故功能识别平台可在这T个子区域中,确定第i个第一地物所在的S个子区域(也可以理解为:第i个第一地物所占据的S个子区域,或,与第i个第一地物存在重叠的S个子区域),并从T个子区域的通信信息,挑选出这S个子区域的通信信息,T>S≥1。
(3)确定第i个第一地物所在的S个子区域后,对于这S个子区域的任意一个子区域而言,即对于第q个子区域而言(q=1,...,S),功能识别平台可将第q个子区域中第i个第一地物所占的比例(例如,面积比例等等)以及第q个子区域的通信信息进行相乘,从而得到第q个计算后的通信信息。在这S个子区域中,对于除第q个子区域之外的其余子区域,功能识别平台也可执行如同对第q个子区域所执行的操作,故可得到S个计算后的通信信息。然后,再将这S个计算后的通信信息进行相加,可得到第i个第一地物的通信信息。
同样地,在N个第一地物中,对于除第i个第一地物之外的其余第一地物,功能识别平台也可执行如同对第i个第一地物所执行的操作(也就是前述的步骤(2)和步骤(3)),故可得到N个第一地物的通信信息。
值得注意的是,由于TAZ生成平台向功能识别平台提供了N个第一地物的TAZ编码,故功能识别平台得到N个第一地物的通信信息后,功能识别平台可将N个第一地物的TAZ编码作为N个第一地物的身份标识,并将N个第一地物的TAZ编码和N个第一地物的通信信息以一定的格式来进行存储,存储结果如表1所示:
表1
此外,为了消除不同第一地物的通信数据之间存在的数量级差异,可对N个第一地物的通信数据进行标准化处理,标准化处理如以下公式所示:
上式中,di,t表示第i个第一地物在一天中第t个小时内的通信数据,sdi,t表示第i个第一地物在一天中第t个小时内标准化后的的通信数据,t=1....,24。μi表示第i个第一地物24小时的通信数据的平均值。σi表示第i个第一地物24小时的通信数据的标准差。
那么,第i个第一地物的标准化后的通信信息如以下公式所示:
Si=(sdi,0,sdi,1,...,sdi,23) (4)
通过公式(4),可将第i个第一地物的标准化后的通信信息sdi,t中的24个元素,拟合成一个二维坐标系中的曲线(二维坐标系中的横坐标为时间,纵坐标为通信数据),故第i个第一地物的标准化后的通信信息sdi,t可呈现为第i个第一地物的通信数据曲线(也可以理解为流量曲线),可以理解的是,第i个第一地物的标准化后的通信信息sdi,t中的24个元素位于第i个第一地物的通信数据曲线上。
同样地,在N个第一地物中,对于除第i个第一地物之外的其余第一地物,功能识别平台也可执行如同对第i个第一地物所执行的操作(也就是前述公式(3)的操作),故可得到N个第一地物的标准化后的通信信息。
应理解,本实施例中,在T个子区域中,任意一个子区域的通信信息包含该子区域在一天中多个时间段的通信数据(例如,该子区域的通信信息可表示为一个包含24个元素的向量),故基于这T个子区域的通信信息所确定的N个第一地物的通信信息,任意一个第一地物的通信信息可包含该第一地物在一天中多个时间段的通信数据。
还应理解,前述的标准化处理是可选的操作,功能识别平台获取N个第一地物的通信信息后,也可以不对这些信息执行标准化处理,直接执行步骤502(即直接基于原始的N个第一地物的通信信息,来获取M个第二地物的通信信息)。
502、获取多个第二地物的通信信息,多个第二地物的功能是预置的,第二地物的通信信息用于指示第二地物的通信数据与时间之间的对应关系。
在获取N个第一地物的标准化后的通信信息后,功能识别平台还可获取M个第二地物(也可以理解为作为参考的地物)的通信信息。需要说明的是,在这M个第二地物中,对于任意一个第二地物而言,即对于第j个第二地物(j=1,...,M)而言,第j个第二地物的功能是预置的,除第j个第二地物之外的其余第二地物,也是如此。值得注意的是,第j个第二地物的通信信息可由功能识别平台对N个第一地物的标准化后的通信信息进行处理得到。
具体地,功能识别平台可通过以下方式获取第j个第二地物的通信信息:
(1)在功能识别平台接收到地物信息提供平台提供的第三方信息后,功能识别平台的使用者可人工分析第三方信息,从N个第一地物中选择功能单一的M个第一地物,并将这M个第一地物的功能作为预置的M个功能,例如,设从N个第一地物中,人工选择了3个第一地物,第1个第一地物的功能为居住功能,第2个第一地物的功能为工作功能,第3个第一地物的功能为游憩功能。那么,可将居住功能、工作功能以及游憩功能作为预置在功能识别平台中的3个功能。
(2)然后,功能识别平台可对N个第一地物的标准化后的通信信息进行第一聚类,以将N个第一地物划分为与预置的M个功能一一对应的M个类别(即功能识别平台可先计算N个第一地物的标准化后的通信信息两两之间的距离,并基于这些距离的大小,按照某种聚类方式将N个第一地物的标准化后的通信信息划分为M个类别,相当于将N个第一地物划分为M个类别,这M个类别与预置的M个功能一一对应)。进一步地,前述的第一聚类为基于k均值(k-means)聚类算法的聚类(即前述的某种聚类方式为k均值聚类算法提供的聚类方式),由此可见,功能识别平台可通过k均值聚类算法对N个第一地物的标准化后的通信信息进行聚类,从而将N个第一地物划分为与预置的M个功能一一对应的M个类别。
(3)确定M个类别后,在这M个类别中,对于任意一个类别而言,即对于第j个类别(j=1,...,M)而言,功能识别平台可将第j个类别中所有第一地物的标准化后的通信信息进行求平均计算,计算得到的结果可作为第j个第二地物的通信信息,由此可见,在预置的M个功能中,第j个功能即为第j个第二地物的功能。其中,求平均计算如以下公式所示:
上式中,nj为第j个类别中第一地物的数量。Sk为第j个类别中第k个第一地物的标准化后的通信信息,k=1,...,nj。Bj为第j个第二地物的通信信息。
同样地,在M个类别中,对于除第j个类别之外的其余类别,功能识别平台也可执行如同对第j个类别所执行的操作(也就是前述公式(5)的操作),故可得到M个第二地物的通信信息。
应理解,前述的步骤(2)中,功能识别平台在完成第一聚类后,实际上得到的类别的数量可能大于M个,设功能识别平台完成第一聚类后,将N个第一地物划分为G个类别(G>M),若这G个类别可与预置的M个功能对应起来,即一个预置的功能可对应G个类别中的至少一个类别,就可将G个类别融合成M个类别。那么,基于前述的步骤(3),基于G个类别可相应得G个第二地物的通信信息,由于这G个第二地物的通信信息可对应于预置的M个功能,在这M个功能中,若某一个功能对应了多个第二地物的通信信息,可将这多个第二地物的通信信息融合成一个新的第二地物的通信信息,若某一个功能仅对应了一个第二地物的通信信息,则保持不变。如此一来,可以将G个第二地物的通信信息融合成M个第二地物的通信信息,且预置的M个功能即为这M个第二地物的功能(即,将G个类别融合成M个类别)。
例如,设G=5,M=3,预置的3个功能为居住功能、工作功能和游憩功能。功能识别平台完成第一聚类后,得到了5个类别,且相应得到了5个第二地物的通信信息(均以通信数据曲线呈现),第1个第二地物的通信数据曲线至第5个第二地物的通信数据曲线分别如图6至图10所示(图6为本申请实施例提供的第二地物的通信数据曲线的一个示意图,图7为本申请实施例提供的第二地物的通信数据曲线的另一示意图,图8为本申请实施例提供的第二地物的通信数据曲线的另一示意图,图9为本申请实施例提供的第二地物的通信数据曲线的另一示意图,图10为本申请实施例提供的第二地物的通信数据曲线的另一示意图),由于第1个第二地物的通信数据曲线、第2个第二地物的通信数据曲线和第5个第二地物的通信数据曲线对应居住功能,第3个第二地物的通信数据曲线对应工作功能,第4个第二地物的通信数据曲线对应游憩功能,功能识别平台可将第1个第二地物的通信数据曲线、第2个第二地物的通信数据曲线和第5个第二地物的通信数据曲线对应居住功能进行融合(例如,进行求平均计算),得到第6个第二地物的通信数据曲线。那么,完成融合后可得到3个第二地物的通信数据曲线(如图11所示,图11为本申请实施例提供的第二地物的通信数据曲线的另一示意图),这3个第二地物的功能分别为居住功能、工作功能和游憩功能。
503、基于第一地物的通信信息以及多个第二地物的通信信息,获取第一地物的特征,第一地物的特征用于指示第一地物的通信信息与多个第二地物的通信信息之间的相似度。
得到M个第二地物的通信信息后,功能识别平台可对N个第一地物的标准化后的通信信息以及M个第二地物的通信信息进行处理,从而得到N个第一地物的特征,其中,第i个第一地物的特征至少用于指示第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的相似度,也就是说,第i个第一地物的特征至少包含第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的相似度。
具体地,功能识别平台可通过以下方式获取第i个第一地物的特征:
(1)功能识别平台获取第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的相似度。需要说明的是,该相似度可以呈现为一个包含M个元素的向量,该向量如以下公式所示:
wi=(wi,1,wi,2,...,wi,M) (6)
上式中,wi,1为第i个第一地物的标准化后的通信信息与第1个第二地物的通信信息之间的相似度(也就相当于第i个第一地物的功能与第1个第二地物的功能之间的相似度),wi,2为第i个第一地物的标准化后的通信信息与第2个第二地物的通信信息之间的相似度(也就相当于第i个第一地物的功能与第2个第二地物的功能之间的相似度),...,wi,M为第i个第一地物的标准化后的通信信息与第M个第二地物的通信信息之间的相似度(也就相当于第i个第一地物的功能与第M个第二地物的功能之间的相似度)。
进一步地,功能识别平台可通过求解第i个第一地物的通信信息与M个第二地物的通信信息之间的余弦相似度的最大值,从而得到第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的相似度wi,求解过程如以下公式所示:
B=(B1,...,BM) (7)
上式中,ε为第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的残差(差别)。
(2)功能识别平台获取第i个第一地物的形状信息。进一步地,功能识别平台可通过计算第i个第一地物的泰森多边形面积(voronoi diagram)的对数值log_areai,作为第i个第一地物的形状信息。例如,图12(图12为本申请实施例提供的泰森多边形的一个示意图)示意出了多个第一地物的泰森多边形,对于某个第一地物的泰森多边形,功能识别平台可计算该第一地物的泰森多边形的面积大小,再取其对数值作为该第一地物的形状信息。
(3)得到第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的相似度wi以及第i个第一地物的形状信息log_areai后,功能识别平台将第i个第一地物的标准化后的通信信息与M个第二地物的通信信息之间的相似度wi以及第i个第一地物的形状信息log_areai进行拼接,从而得到第i个第一地物的特征(即第i个第一地物的特征包含第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度wi以及第i个第一地物的形状信息log_areai),该特征如以下公式所示:
vi=(wi,1,wi,2,...,wi,M,log_areai) (8)。
同样地,在N个第一地物中,对于除第i个第一地物之外的其余第一地物,功能识别平台也可执行如同对第i个第一地物所执行的操作(也就是前述步骤(1)至步骤(3)),故可得到N个第一地物的特征。
504、基于第一地物的特征,确定第一地物的功能。
得到N个第一地物的特征后,功能识别平台可基于N个第一地物的特征,相应确定N个第一地物的功能,从而完成目标区域的功能区识别。
具体地,功能识别平台可通过以下方式确定N个第一地物的功能:
功能识别平台可对N个第一地物的特征进行第二聚类,以将N个第一地物划分为P个类别(即功能识别平台可先计算N个第一地物的特征两两之间的距离,并这些距离的大小,按照另一种聚类方式将N个第一地物的特征划分为P个类别,相当于将N个第一地物划分为P个类别),这P个类别对应于P个功能,对于这P个类别的任意一个类别而言,即对于第h个类别(h=1,...,P)而言,第h个类别中所有第一地物具有第h个功能。对于除第h个类别之外其余类别,也是如此,故可确定N个第一地物的功能。
进一步地,前述的第二聚类为基于层次凝聚聚类算法的聚类(即前述的另一种聚类方式为层次凝聚聚类算法提供的聚类方式),由此可见,功能识别平台可通过层次凝聚聚类算法对N个第一地物的特征进行聚类,从而将N个第一地物划分为P个类别。
需要说明的是,前述与P个类别一一对应的P个功能通常是较为细化的功能,前述预置的M个功能通常是较为粗略的功能,且前述与P个类别一一对应的P个功能可以认为是将前述预置的M个功能进行交叉组合得到的,故P>M。也就是说,P个类别中每个类别对应的功能均可使用预置的M个功能中的至少一个功能进行组合得到,例如,P个类别中第1个类别对应的功能为预置的第1个功能,P个类别中第2个类别对应的功能由预置的第1个功能和预置的第3个功能组合得到,...,第P个类别中第P个类别对应的功能由预置的第1个功能至预置的第M个功能组合得到。为了进一步理解,下文结合图13进行示意性介绍。如图13所示(图13为本申请实施例提供的层次凝聚聚类结果的一个示意图,图13是在图11的基础上绘制得到的),设预置的3个功能分别为居住功能、工作功能和游憩功能,目标区域共包含13270个第一地物。功能识别平台完成第二聚类后,将13270个第一地物分为9个类别,在这9个类别中,任意一个类别包含具备相同功能的若干个第一地物。其中,第1类包含24个第一地物,大多为城中村,第2类包含67个第一地物,均为现代居民小区,第5类包含739个第一地物,大多为具有特殊功能的建筑(例如,音乐厅、少年宫、物流园区等等)或具有混合功能的商业地产建筑(底层开设商铺,高层为写字楼或酒店的建筑等等),第9类包含265个第一地物,打多为体量非常大,且具备特殊功能的建筑物(例如,高铁站、会展中心等等)。
如此一来,目标区域的功能区识别结果如图14所示(图14为本申请实施例提供的功能识别结果的一个示意图,图14是在图13的基础上绘制得到的)。
本申请实施例中,当需要确定第一地物的功能时,可先获取第一地物的通信信息以及多个第二地物的通信信息,其中,每个第二地物的功能是预置的。然后,可对第一地物的通信信息以及多个第二地物的通信信息进行处理,从而得到第一地物的特征,第一地物的特征用于指示第一地物的通信信息与多个第二地物的通信信息之间的相似度。最后,可基于第一地物的特征以及多个第二地物的功能,来确定第一地物的功能。前述过程中,第一地物为待识别功能的地物,第二地物为作为参考的地物,在利用作为后者已知的功能来确定前者未知的功能时,是基于二者的通信信息之间的相似度来确定的,由于地物(包含待识别功能的地物和作为参考的地物)的通信信息用于指示地物内用户的终端设备所产生的通信数据与时间之间的对应关系,此类信息所描述的内容均为客观内容,且可代表地物内的全体用户,即此类信息既客观又全面,故基于通信信息来识别地物的功能,有利于提高识别结果的准确度。
进一步地,地物的通信信息包含位于地物中的用户,在不同时间段内使用终端设备所产生的通信数据,故地物的通信信息可以直接表征用户在地物中的活动情况,那么,基于通信信息来进行功能区识别,有利于提高识别的精度,进一步提高地物功能的识别结果的准确度。
以上是对本申请实施例提供的功能区识别方法所进行的详细说明,以下将对本申请实施例提供的功能区识别装置进行介绍,图15为本申请实施例提供的功能区识别装置的一个结构示意图,如图15所示,该装置包括:
第一获取模块1501,用于获取第一地物的通信信息以及多个第二地物的通信信息,多个第二地物的功能是预置的,地物的通信信息用于指示地物的通信数据与时间之间的对应关系;
第二获取模块1502,用于基于第一地物的通信信息以及多个第二地物的通信信息,获取第一地物的特征,第一地物的特征包含第一地物的通信信息与多个第二地物的通信信息之间的相似度;
确定模块1503,用于基于第一地物的特征以及多个第二地物的功能,确定第一地物的功能。
在一种可能的实现方式中,第一地物的数量为N个,第二地物的数量为M个,N>M>1,第i个第一地物的特征包含第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度以及第i个第一地物的形状信息,i=1,...,N。
在一种可能的实现方式中,第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度包括:第i个第一地物的通信信息与M个第二地物的通信信息之间的余弦相似度的最大值。
在一种可能的实现方式中,第i个第一地物的形状信息包括:第i个第一地物的泰森多边形面积的对数值。
在一种可能的实现方式中,第一获取模块1501,用于:将目标区域划分为T个子区域,目标区域为N个第一地物所在的地区,T>1;在T个子区域中,确定第i个第一地物所在的S个子区域,T>S≥1;对S个子区域中第i个第一地物所占的比例以及S个子区域的通信信息进行计算,得到第i个第一地物的通信信息。
在一种可能的实现方式中,第一获取模块1501,用于:对N个第一地物的通信信息进行第一聚类,以将N个第一地物划分为M个类别,M个类别与预置的M个功能一一对应;对第j个类别中所有第一地物的通信信息进行计算,得到第j个第二地物的通信信息,j=1,...,M。
在一种可能的实现方式中,确定模块1503,用于对N个第一地物的特征进行第二聚类,以将N个第一地物划分为P个类别,P个类别的每个对应于M个功能中的一个,第h个类别中所有第一地物具有第h个功能,h=1,...,P,P>M。
在一种可能的实现方式中,第一聚类为基于k均值聚类算法的聚类。
在一种可能的实现方式中,第二聚类为基于层次凝聚聚类算法的聚类。
在一种可能的实现方式中,地物的通信信息包括地物在一天中多个时间段的通信数据。
需要说明的是,上述装置各模块/单元之间的信息交互、实现过程等内容,由于与本申请方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参考本申请实施例前述所示的方法实施例中的叙述,此处不再赘述。
图16为本申请实施例提供的功能区识别装置的另一结构示意图。如图16所示,该功能区识别装置可以理解为图2所示系统中的数据处理设备,功能区识别装置的一个实施例可以包括一个或一个以上中央处理器1601,存储器1602,输入输出接口1603,有线或无线网络接口1604,电源1605。
存储器1602可以是短暂存储或持久存储。更进一步地,中央处理器1601可以配置为与存储器1602通信,在第一网络设备上执行存储器1602中的一系列指令操作。
本实施例中,中央处理器1601可以执行前述图5所示实施例中的方法步骤,具体此处不再赘述。
本实施例中,中央处理器1601中的具体功能模块划分可以与前述图15中所描述的第一获取模块、第二获取模块以及确定模块的划分方式类似,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (23)
1.一种功能区识别方法,其特征在于,所述方法包括:
获取第一地物的通信信息以及多个第二地物的通信信息,所述多个第二地物的功能是预置的,地物的通信信息用于指示地物的通信数据与时间之间的对应关系;
基于所述第一地物的通信信息以及所述多个第二地物的通信信息,获取所述第一地物的特征,所述第一地物的特征包括所述第一地物的通信信息与所述多个第二地物的通信信息之间的相似度;
基于所述第一地物的特征以及所述多个第二地物的功能,确定所述第一地物的功能。
2.根据权利要求1所述的方法,其特征在于,所述第一地物的数量为N个,所述第二地物的数量为M个,N>M>1,所述第i个第一地物的特征包含第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度以及所述第i个第一地物的形状信息,i=1,...,N。
3.根据权利要求2所述的方法,其特征在于,所述第i个第一地物的通信信息与所述M个第二地物的通信信息之间的相似度包括:所述第i个第一地物的通信信息与所述M个第二地物的通信信息之间的余弦相似度的最大值。
4.根据权利要求2所述的方法,其特征在于,所述第i个第一地物的形状信息包括:所述第i个第一地物的泰森多边形面积的对数值。
5.根据权利要求2至4任意一项所述的方法,其特征在于,所述获取第一地物的通信信息包括:
将目标区域划分为T个子区域,所述目标区域为N个第一地物所在的区域,T>1;
在所述T个子区域中,确定所述第i个第一地物所在的S个子区域,T>S≥1;
对所述S个子区域中所述第i个第一地物所占的比例以及所述S个子区域的通信信息进行计算,得到所述第i个第一地物的通信信息。
6.根据权利要求2至5任意一项所述的方法,其特征在于,所述获取多个第二地物的通信信息包括:
对N个第一地物的通信信息进行第一聚类,以将所述N个第一地物划分为M个类别,所述M个类别与预置的M个功能一一对应;
对第j个类别中所有第一地物的通信信息进行计算,得到第j个第二地物的通信信息,j=1,...,M。
7.根据权利要求6所述的方法,其特征在于,所述基于所述第一地物的特征以及所述多个第二地物的功能,确定所述第一地物的功能包括:
对N个第一地物的特征进行第二聚类,以将所述N个第一地物划分为P个类别,所述P个类别的每个对应于所述M个功能中的一个,第h个类别中所有第一地物具有第h个功能,h=1,...,P,P>M。
8.根据权利要求6所述的方法,其特征在于,所述第一聚类为基于k均值聚类算法的聚类。
9.根据权利要求7所述的方法,其特征在于,所述第二聚类为基于层次凝聚聚类算法的聚类。
10.根据权利要求1至9任意一项所述的方法,其特征在于,地物的通信信息包括地物在一天中多个时间段的通信数据。
11.一种功能区识别装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一地物的通信信息以及多个第二地物的通信信息,所述多个第二地物的功能是预置的,地物的通信信息用于指示地物的通信数据与时间之间的对应关系;
第二获取模块,用于基于所述第一地物的通信信息以及所述多个第二地物的通信信息,获取所述第一地物的特征,所述第一地物的特征包括所述第一地物的通信信息与所述多个第二地物的通信信息之间的相似度;
确定模块,用于基于所述第一地物的特征以及所述多个第二地物的功能,确定所述第一地物的功能。
12.根据权利要求11所述的装置,其特征在于,所述第一地物的数量为N个,所述第二地物的数量为M个,N>M>1,所述第i个第一地物的特征包含第i个第一地物的通信信息与M个第二地物的通信信息之间的相似度以及所述第i个第一地物的形状信息,i=1,...,N。
13.根据权利要求12所述的装置,其特征在于,所述第i个第一地物的通信信息与所述M个第二地物的通信信息之间的相似度包括:所述第i个第一地物的通信信息与所述M个第二地物的通信信息之间的余弦相似度的最大值。
14.根据权利要求12所述的装置,其特征在于,所述第i个第一地物的形状信息包括:所述第i个第一地物的泰森多边形面积的对数值。
15.根据权利要求12至14任意一项所述的装置,其特征在于,所述第一获取模块,用于:
将目标区域划分为T个子区域,所述目标区域为N个第一地物所在的区域,T>1;
在所述T个子区域中,确定所述第i个第一地物所在的S个子区域,T>S≥1;
对所述S个子区域中所述第i个第一地物所占的比例以及所述S个子区域的通信信息进行计算,得到所述第i个第一地物的通信信息。
16.根据权利要求12至15任意一项所述的装置,其特征在于,所述第一获取模块,用于:
对N个第一地物的通信信息进行第一聚类,以将所述N个第一地物划分为M个类别,所述M个类别与预置的M个功能一一对应;
对第j个类别中所有第一地物的通信信息进行计算,得到第j个第二地物的通信信息,j=1,...,M。
17.根据权利要求16所述的装置,其特征在于,所述确定模块,用于对N个第一地物的特征进行第二聚类,以将所述N个第一地物划分为P个类别,所述P个类别的每个对应于所述M个功能中的一个,第h个类别中所有第一地物具有第h个功能,h=1,...,P,P>M。
18.根据权利要求16所述的装置,其特征在于,所述第一聚类为基于k均值聚类算法的聚类。
19.根据权利要求17所述的装置,其特征在于,所述第二聚类为基于层次凝聚聚类算法的聚类。
20.根据权利要求11至19任意一项所述的装置,其特征在于,地物的通信信息包括地物在一天中多个时间段的通信数据。
21.一种功能区识别装置,其特征在于,所述装置包括存储器和处理器;
所述存储器存储有代码,所述处理器被配置为执行所述代码,当所述代码被执行时,所述装置执行如权利要求1至10任一项所述的方法。
22.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,该程序由计算机执行时,使得所述计算机实施权利要求1至10任一项所述的方法。
23.一种计算机程序产品,其特征在于,所述计算机程序产品存储有指令,所述指令在由计算机执行时,使得所述计算机实施权利要求1至10任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612512.8A CN117221153A (zh) | 2022-05-31 | 2022-05-31 | 一种功能区识别方法及其相关设备 |
PCT/CN2023/095086 WO2023231799A1 (zh) | 2022-05-31 | 2023-05-18 | 一种功能区识别方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612512.8A CN117221153A (zh) | 2022-05-31 | 2022-05-31 | 一种功能区识别方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117221153A true CN117221153A (zh) | 2023-12-12 |
Family
ID=89026942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210612512.8A Pending CN117221153A (zh) | 2022-05-31 | 2022-05-31 | 一种功能区识别方法及其相关设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117221153A (zh) |
WO (1) | WO2023231799A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120044589A (ko) * | 2010-10-28 | 2012-05-08 | 주식회사 케이티 | 사용자 위치 기반 지물 정보 제공 방법 및 그 시스템 |
CN107564016B (zh) * | 2017-08-28 | 2019-07-09 | 自然资源部第二海洋研究所 | 一种集成地物光谱信息的多波段遥感图像分割及标记方法 |
US11232115B2 (en) * | 2018-04-11 | 2022-01-25 | Nokia Technologies Oy | Identifying functional zones within a geographic region |
CN112579718B (zh) * | 2020-12-14 | 2023-12-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市用地功能的识别方法、装置及终端设备 |
-
2022
- 2022-05-31 CN CN202210612512.8A patent/CN117221153A/zh active Pending
-
2023
- 2023-05-18 WO PCT/CN2023/095086 patent/WO2023231799A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023231799A1 (zh) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019184600A1 (zh) | 一种基于用户场景感知触发服务的方法、终端设备及系统 | |
WO2019093993A1 (en) | Semantic state based sensor tracking and updating | |
KR20180074316A (ko) | 장소 정보를 제공하기 위한 시스템 및 이를 지원하는 방법 및 전자 장치 | |
US10726613B2 (en) | Creating a three-dimensional map utilizing retrieved RFID tag information | |
CN106416318A (zh) | 确定与邻近计算设备相关联的数据 | |
US11639857B2 (en) | Objective generation of a point of interest score based on quantities of user stops | |
CN110462337A (zh) | 使用传感器可读标签自动生成地图地标 | |
US20190213612A1 (en) | Map based visualization of user interaction data | |
Arsan | Smart systems: from design to implementation of embedded smart systems | |
KR20180063538A (ko) | Poi 정보를 제공하는 방법 및 이를 지원하는 전자 장치 | |
CN111522838A (zh) | 地址相似度计算方法及相关装置 | |
US20220386071A1 (en) | Road side positioning method and apparatus, device, and storage medium | |
EP3686832B1 (en) | Mobile sensor management unit, mobile sensor apparatus, matching apparatus, sensing data distribution system, data provision method, and data provision program | |
CN107861968B (zh) | 用于提供与场景匹配的信息的方法、设备与存储介质 | |
WO2019003182A1 (en) | SYSTEM AND METHOD FOR CORRESPONDING A SERVICE PROVIDER TO A SERVICE REQUESTOR | |
CN110651266B (zh) | 为按需服务提供信息的系统及方法 | |
CN117221153A (zh) | 一种功能区识别方法及其相关设备 | |
KR102194319B1 (ko) | 사용자에게 개인화된 지도 환경에서 장소 기반의 환경 정보를 제공하는 시스템 및 방법 | |
KR20150021168A (ko) | 스마트기기를 이용한 현장 조사 시스템 | |
CN107525508A (zh) | 室内外状态的处理方法、装置、设备及计算机可读存储介质 | |
KR102623712B1 (ko) | 디지털 트윈 기술을 이용하여 농촌 내 유휴공간을 분석하기위한 전자 장치 및 그 동작 방법 | |
JP2019128611A (ja) | 生成装置、生成方法及び生成プログラム | |
US10896533B2 (en) | Automated identification of geographic site boundaries | |
CN111126120A (zh) | 城市区域分类方法、装置、设备和介质 | |
US11153719B2 (en) | Systems and methods for identifying available services at a physical address |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |