TWI813296B - 生活圈推估系統與方法 - Google Patents
生活圈推估系統與方法 Download PDFInfo
- Publication number
- TWI813296B TWI813296B TW111118698A TW111118698A TWI813296B TW I813296 B TWI813296 B TW I813296B TW 111118698 A TW111118698 A TW 111118698A TW 111118698 A TW111118698 A TW 111118698A TW I813296 B TWI813296 B TW I813296B
- Authority
- TW
- Taiwan
- Prior art keywords
- map
- consumption
- type
- circle
- living
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 85
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 2
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Landscapes
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
一種生活圈推估系統，包含發票收集模組、發票分析模組以及生活圈範圍分析模組。發票收集模組係用以收集使用者經消費所獲得的發票。發票分析模組連接發票收集模組，用以於地圖中標註各張發票所載之消費地點，以形成消費地圖。生活圈範圍分析模組連接發票分析模組，其儲存有至少一種類型地圖。生活圈範圍分析模組用以將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍。
Description
本發明係關於一種生活圈推估系統與方法，尤指一種利用發票分析單一使用者之生活圈的推估系統與方法。
人的一天，從早起買早餐開始，就開啟了一天的消費產生，且消費皆以有形的紙本發票或者是無形的電子發票紀錄。在這大量利用大數據進行分析以針對消費者進行行為分析之技術的時代，發票更是收集資訊的重要來源。
發票主要可以拆分出「商品」與「消費者」兩種數據。以「商品」為主的數據分析，其目標在於分析眾多消費紀錄中，有哪些商品可能有「共同購買的特性」或者「時間順序上有前後關係」。以「消費者」為主的數據分析，則聚焦於從個人消費紀錄中分析習慣性的消費商品組合、消費頻率、時間、地點的資訊。
針對「消費者」的發票分析，目前分為特定的個人以及不特定的多數人。現有技術中，針對特定的個人之發票分析，發票存摺開發了發票制縣的功能。發票制縣的功能係根據發票中的消費時間及消費縣市，並以此與台灣縣市地圖做關聯，以此記錄消費者的消費足跡。而針對不特定的多數人之發票分析，現有的技術中係根據發票中的消費時間及消費縣
市，並以此與台灣縣市地圖做關聯，以此了解各縣市的消費者在平日、假日的移動變化，藉以分析觀光景點消費熱度。
前述的現有技術都是以大範圍(以縣市為單位)進行分析，然而許多消費者每天的消費多是在同一個城市，導致針對「特定的個人」的發票分析將會變成沒有實質意義。因此，現有的技術中針對「特定的個人」將主要僅對發票中的消費者與商品間的關係進行分析。對此，如何利用發票中的消費地點與消費者做有效關聯，是以確有必須加以改善之課題。
有鑑於此，本發明之一範疇在於提供一種生活圈推估系統以解決現有技術之問題。本發明之生活圈推估系統係用以根據使用者消費而得的複數個發票產生此消費者之生活圈範圍。生活圈推估系統包含發票收集模組、發票分析模組以及生活圈範圍分析模組。發票收集模組係用以收集使用者經消費所獲得的發票。發票分析模組連接發票收集模組。發票分析模組係用以於地圖中標註各張發票所載之消費地點，以形成消費地圖。生活圈範圍分析模組連接發票分析模組。生活圈範圍分析模組儲存有至少一種類型地圖。生活圈範圍分析模組用以將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍。
其中，生活圈範圍分析模組係用以分析消費地圖中各個消費地點的密度，以排序出使用者之主要生活圈及次要生活圈。
其中，消費地圖的密度分析方法包含核密度、點密度以及線密度中之至少一者。
其中，至少一種類型地圖中分別包含有至少一種類型屬性。
類型屬性包含商業區屬性、工業區屬性、住宅區屬性以及旅遊區屬性中之一者。生活圈範圍分析模組係用以將消費地圖與至少一種類型地圖進行疊圖比對，以推估出該使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
其中，至少一種類型地圖中分別包含有至少一種類型屬性。類型屬性包含商業區屬性、工業區屬性、住宅區屬性以及旅遊區屬性中之一者。發票分析模組進一步用以根據各張發票所載之消費時間連接各個消費地點，以於消費地圖上形成消費軌跡。生活圈範圍分析模組係用以將具有消費軌跡之消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
其中，至少一種類型地圖分別包含類型資料，該類型資料係各店家之經濟部工商登記資料、住宅區分布資料、不動產實價登錄資料以及旅遊景點資料中之至少一者，並且該至少一類型地圖分別根據對應的類型資料被分類為工業區類型地圖、商業區類型地圖、住宅區類型地圖或旅遊區類型地圖。
本發明之另一範疇在於提供一種生活圈推估方法以解決現有技術之問題。生活圈推估方法係用以透過計算機系統根據使用者消費而得的複數個發票產生消費者之生活圈範圍。生活圈推估方法包含以下步驟：計算機系統之發票收集模組收集使用者經消費所獲得的那些發票；計算機系統之發票分析模組於地圖中標註各張發票所載之消費地點，以形成消費地圖；計算機系統之生活圈範圍分析模組將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍。
其中，於計算機系統之生活圈範圍分析模組於將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍之步驟中，更包含以下子步驟：生活圈範圍分析模組分析消費地圖中複數個消費地點的密度，以排序出使用者之主要生活圈及次要生活圈。
其中，於計算機系統之生活圈範圍分析模組於將消費地圖與該至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍之步驟中，更包含以下子步驟：生活圈範圍分析模組根據消費地圖上各個消費地點比對消費地圖與至少一種類型地圖。其中，至少一種類型地圖中分別包含有至少一種類型屬性。類型屬性包含商業區屬性、工業區屬性、住宅區屬性以及旅遊區屬性中之一者。將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
其中，於計算機系統之生活圈範圍分析模組於將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍之步驟中，更包含以下子步驟：發票分析模組根據各張發票所載之消費時間連接那些消費地點，以於消費地圖上形成消費軌跡；生活圈範圍分析模組將具有消費軌跡之消費地圖與至少一種類型地圖進行疊圖比對。其中，至少一種類型地圖中分別包含有至少一種類型屬性。類型屬性包含商業區屬性、工業區屬性、住宅區屬性以及旅遊區屬性中之一者。將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
相較於現有技術，本發明之生活圈推估系統及方法利用使用
者每天每筆消費所產生的發票進行分析。本發明之生活圈推估系統及方法根據發票上所載之店家地點及消費時間中至少一者搭配類型地圖進行疊圖分析，進而得到此使用者的生活圈。其中，生活圈包含有主要生活圈及次要生活圈，並對此進行類型屬性的分析，藉以得知主要生活圈及次要生活圈的類型。本發明之生活圈推估系統及方法藉由以上的分析結果，可以得到專屬於該名使用者所相關的數據，以供後續的大數據分析及專屬資訊推播使用。
1:生活圈推估系統
11:發票收集模組
12:發票分析模組
13:生活範圍分析模組
S1-S3:步驟
S31-S332:子步驟
圖1為根據本發明之一具體實施例之生活圈推估系統的功能方塊圖。
圖2為根據本發明之一具體實施例之生活圈推估方法的步驟流程圖。
圖3為根據本發明之一具體實施利之生活圈推估方法進一步的步驟流程圖。
圖4為使用者之生活圈分析結果。
圖5為圖4中A區消費密度示意圖。
圖6為圖4中B區消費密度示意圖。
圖7為根據本發明之再一具體實施例之生活圈推估方法的步驟流程圖。
圖8為圖4中A區與類型地圖的疊圖。
圖9為根據本發明之又一具體實施例之生活圈推估方法的步驟流程圖。
為了讓本發明的優點，精神與特徵可以更容易且明確地了解，後續將以實施例並參照所附圖式進行詳述與討論。值得注意的是，這些實施例僅為本發明代表性的實施例。但是其可以許多不同的形式來實
現，並不限於本說明書所描述的實施例。相反地，提供這些實施例的目的是使本發明的公開內容更加透徹且全面。
在本發明公開的各種實施例中使用的術語僅用於描述特定實施例的目的，並非用於限制本發明所公開的各種實施例。如在此所使用單數形式係也包括複數形式，除非上下文清楚地另外指示。除非另有限定，否則在本說明書中使用的所有術語(包含技術術語和科學術語)具有與本發明公開的各種實施例所屬領域普通技術人員通常理解的涵義的相同涵義。上述術語(諸如在一般使用的辭典中限定的術語)將被解釋為具有與在相同技術領域中的語境涵義相同的涵義，並且將不被解釋為具有理想化的涵義或過於正式的涵義，除非在本發明公開的各種實施例中被清楚地限定。
請參閱圖1，圖1為根據本發明之一具體實施例之生活圈推估系統1的功能方塊圖。如圖1所示，本具體實施例之生活圈推估系統1包含發票收集模組11、發票分析模組12以及生活圈範圍分析模組13。發票收集模組11係用以收集使用者經消費所獲得的發票。發票分析模組12連接發票收集模組11，其係用以於地圖中標註各張發票所載之消費地點，以形成消費地圖。生活圈範圍分析模組13連接發票分析模組12，其儲存有至少一種類型地圖。生活圈範圍分析模組13用以將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍。於實務中，計算機裝置包含但不限於電腦、平板及行動通訊裝置等。發票收集模組可包含網路連線裝置，藉由網路連接電子發票資料庫以取得發票資料，或包含輸入裝置(例如鍵盤、觸控螢幕、相機等)供使用者輸入紙本發票資料或掃描紙本發票上之QR code以收集紙本發票，並且發票收集模組也可包含如硬碟等儲存裝置以儲存
所取得的發票資料。發票分析模組及生活圈範圍分析模組於實務中可為任何具有計算、分析功能之裝置以對發票資料進行分析，舉例來說，發票分析模組及生活圈範圍分析模組可一同建立於中央處理器、微處理器或整合晶片之中。
請參閱圖2，圖2為根據本發明之一具體實施例之生活圈推估方法的步驟流程圖。本具體實施例之生活圈推估方法係用以根據使用者消費而得的複數個發票產生消費者之生活圈範圍，其可藉由圖1之生活圈推估系統1而達成。如圖2所示，本具體實施例之生活圈推估方法包含以下步驟：步驟S1：發票收集模組收集使用者經消費所獲得的那些發票；步驟S2：發票分析模組於地圖中標註各張發票所載之消費地點，以形成消費地圖；步驟S3：生活圈範圍分析模組將消費地圖與至少一種類型地圖進行疊圖比對，以推估出使用者之生活圈範圍。於實際應用中，步驟S2中之發票分析模組可藉由爬蟲、斷字等方式擷取對應資訊(如：消費時間及消費地點)以進行分析。
於實際應用中，生活圈範圍分析模組係用以分析消費地圖中各個消費地點的密度，以排序出使用者之主要生活圈及次要生活圈。請參閱圖3，圖3為根據本發明之一具體實施利之生活圈推估方法進一步的步驟流程圖。如圖3所示，本具體實施例與前述具體實施例不同處在於步驟S3中，更包含以下子步驟：子步驟S31：生活圈範圍分析模組分析消費地圖中複數個消費地點的密度，以排序出使用者之主要生活圈及次要生活圈。請注意，本具體實施例之方法中的其他步驟，係與前述具體實施例之對應步驟大致相同，故於此不再贅述。
消費地圖的密度分析方法包含核密度、點密度以及線密度中之至少一者。密度分析用於表示每單位面積中某樣本數量的分布情形。主要可針對點或線圖層，利用其屬性與其在空間上的分布情形來產生另一個連續的網格資料。分析時必須先設定輸出網格資料的網格大小與範圍。預設輸出的網格資料範圍會以包含所有樣本的最長與最寬的矩形範圍為基準。核密度分析係使用核函式根據點或線要素計算每單位面積的量值以將各個點或折線擬合為光滑錐狀表面。點密度分析係用於計算每個輸出柵格像元周圍的點要素的密度。從概念上講，每個柵格像元中心的周圍都定義了一個鄰域，將鄰域內點的數量相加，然後除以鄰域面積，即得到點要素的密度。線密度分析係用於計算每個輸出柵格像元鄰域內的線狀要素的密度。密度的計量單位為長度單位/面積單位。核密度(Kernel)所計算出來的連續面較點密度平滑。相同的搜尋半徑越大，核密度輸出的密度網格概括化、平滑化的程度就越高；搜尋半徑越小，核密度輸出的密度網格所呈現的數值就越詳細。
詳細來說，請一併參閱圖4至圖6，圖4為使用者之生活圈分析結果；圖5為圖4中A區消費密度示意圖；圖6為圖4中B區消費密度示意圖。如圖4所示，將使用者發票的消費地點標註於地圖上形成消費地圖。將各消費地點或更進一步搭配消費次數進行密度分析即可得到如圖4所示之A、B、C區。為了清楚了解A、B、C區的密度圖示，將以圖5及圖6進行說明。如圖5所示，其包含有a、b、c、d、e五個層級的密度，由a至e所涵蓋的範圍越來越小，其代表密度越來越高。相對於圖5，圖6僅包含有a、b、c三個層級的密度。比較圖5與圖6，圖5中的消費密度較圖6高，因此圖5為主要生活圈，
而圖6為次要生活圈。據此，圖4中所包含的A、B、C三個區域，其密度排序由大至小為A、B、C區，則A區為此使用者之主要生活圈，B區及C區則為次要生活圈。
為了將使用者的生活圈進行分類，可以將消費地圖與各種不同的類型地圖進行疊圖。類型地圖分別包含類型資料。類型資料可以包含有各店家之經濟部工商登記資料、住宅區分布資料、不動產實價登錄資料以及旅遊景點資料中之至少一者，並且該至少一類型地圖分別根據對應的類型資料被分類為工業區類型地圖、商業區類型地圖、住宅區類型地圖或旅遊區類型地圖。類型地圖中分別包含有至少一種類型屬性。類型屬性包含商業區屬性、工業區屬性、住宅區屬性以及旅遊區屬性中之一者。生活圈範圍分析模組係用以將消費地圖與至少一種類型地圖進行疊圖比對，以推估出該使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
請參閱圖7及圖8，圖7為根據本發明之再一具體實施例之生活圈推估方法的步驟流程圖。圖8為圖4中A區與類型地圖的疊圖。如圖7所示，本具體實施例與前述具體實施例不同處在於步驟S3中，更包含以下子步驟：子步驟S32：生活圈範圍分析模組根據消費地圖上各個消費地點比對消費地圖與至少一種類型地圖，以推估出使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。如圖8所示，圖8為圖7之消費地圖的A區與都市計畫使用分區進行疊圖的結果。其中a為機關用地；b為商業用地；c為住宅用地；d為公園綠地。圖8之虛線圈選範圍為消費地點密度分布最高之區域，可以看出其為商業用地。由此可以推估出，此使用者之主要生活圈應為商業區屬性之辦公生活圈。換句話說，若當生活圈位於商業用地、
工業用地等，即可推估此為辦公生活圈。若當生活圈位於住宅用地，即可推估此為居住生活圈。當生活圈位於旅遊景點時，則可推估此為旅遊生活圈。請注意，本具體實施例之方法中的其他步驟，係與前述具體實施例之對應步驟大致相同，故於此不再贅述。
為了增加生活圈推估系統及方法的準確性，發票分析模組可進一步根據各張發票所載之消費時間連接各個消費地點，以於消費地圖上形成消費軌跡。生活圈範圍分析模組係用以將具有消費軌跡之消費地圖與類型地圖進行疊圖比對，以推估出使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。請參閱圖9，圖9為根據本發明之又一具體實施例之生活圈推估方法的步驟流程圖。本具體實施例與前述具體實施例不同處在於步驟S3中，更包含以下子步驟：子步驟S331：發票分析模組根據各張發票所載之消費時間連接那些消費地點，以於消費地圖上形成消費軌跡；子步驟S332：生活圈範圍分析模組將具有消費軌跡之消費地圖與至少一種類型地圖進行疊圖比對。將發票上所載之消費時間及消費地點進行關聯所得到的消費軌跡，可以更明確的分析生活圈的類性。於實際應用中，若使用者是住在住宅區及商業區混合的區域時，則會發生此使用者有兩個生活圈是具有商業屬性。將消費時間列入參考時，則可將白天長時間具有商業屬性的生活圈推估為辦公生活圈，而將晚上長時間具有住宅區及商業區混合屬性的生活圈推估為居住生活圈。請注意，本具體實施例之方法中的其他步驟，係與前述具體實施例之對應步驟大致相同，故於此不再贅述。
由於不同的類型地圖可以用來判斷不同屬性，因此可以藉由各種不同的類型地圖搭配使用，藉以提高推估生活圈類型的準確性。於實
際應用中，類型地圖亦可包含但不限於國土利用現況調查成果圖、都市計畫使用分區圖、全國人行道圖、災害潛勢相關圖資等。
相較於現有技術，本發明之生活圈推估系統及方法係藉由使用者消費所得之發票進行分析，並針對發票中的消費時間及消費地點分析出專屬於該名使用者的生活圈。除此之外，本發明之生活圈推估系統及方法更進一步對各個生活圈做屬性的定義，藉此得到更多關於該名使用者的”有效資訊”，以供後續的大數據分析及專屬資訊推播使用。
藉由以上具體實施例之詳述，係希望能更加清楚描述本發明之特徵與精神，而並非以上述所揭露的具體實施例來對本發明之範疇加以限制。相反地，其目的是希望能涵蓋各種改變及具相等性的安排於本發明所欲申請之專利範圍的範疇內。
1:生活圈推估系統
11:發票收集模組
12:發票分析模組
13:生活範圍分析模組
Claims (8)
- 一種生活圈推估系統，用以根據一使用者消費而得的複數個發票產生該消費者之一生活圈範圍，該生活圈推估系統包含：一發票收集模組，用以收集該使用者經消費所獲得的該些發票；一發票分析模組，連接該發票收集模組，用以於一地圖中標註各該些發票所載之一消費地點，以形成一消費地圖；以及一生活圈範圍分析模組，連接該發票分析模組，該生活圈範圍分析模組儲存有至少一類型地圖，用以將該消費地圖與該至少一類型地圖進行疊圖比對，其中該至少一類型地圖中分別包含有至少一類型屬性，該類型屬性包含商業區屬性、工業區屬性、住宅區屬性以及旅遊區屬性中之一者，以推估出該使用者之該生活圈範圍，該生活圈範圍包含居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
- 如申請專利範圍第1項所述之生活圈推估系統，其中該生活圈範圍分析模組係用以分析該消費地圖中該些消費地點的密度，以排序出該使用者之主要生活圈及次要生活圈。
- 如申請專利範圍第2項所述之生活圈推估系統，其中該消費地圖的密度分析方法包含核密度、點密度以及線密度中之至少一者。
- 如申請專利範圍第1項所述之生活圈推估系統，其中該發票分析模組進一步用以根據各該些發票所載之消費時間連接該些消費地點，以於該消費地圖上形成一消費軌跡，該生活圈範圍分析模組係用以將具有該消費軌跡之該消費地圖與該至少一類型地圖進行疊圖比對，以推估出該使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
- 如申請專利範圍第1項所述之生活圈推估系統，其中該至少一類型地圖分別包含一類型資料，該類型資料係各店家之經濟部工商登記資料、住宅區分布資料、不動產實價登錄資料以及旅遊景點資料中之至少一者，並且該至少一類型地圖分別根據對應的該類型資料被分類為工業區類型地圖、商業區類型地圖、住宅區類型地圖或旅遊區類型地圖。
- 一種生活圈推估方法，用以透過一計算機系統根據一使用者消費而得的複數個發票產生該消費者之一生活圈範圍，該生活圈推估方法包含以下步驟：該計算機系統之一發票收集模組收集該使用者經消費所獲得的該些發票；該計算機系統之一發票分析模組於一地圖中標註各該些發票所載之一消費地點，以形成一消費地圖；以及該計算機系統之一生活圈範圍分析模組將該消費地圖與至少一類型地圖進行疊圖比對，其中該至少一類型地圖中分別包含有至少一類型屬性，該類型屬性包含商業區屬性、工業區屬性、住宅區屬性以及旅遊區屬性中之一者，以推估出該使用者之該生活圈範圍，該生活圈範圍包含居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
- 如申請專利範圍第6項所述之生活圈推估方法，其中於該計算機系統之該生活圈範圍分析模組於將該消費地圖與該至少一類型地圖進行疊圖比對，以推估出該使用者之該生活圈範圍之步驟中，更包含以下子步驟：該生活圈範圍分析模組分析該消費地圖中該些消費地點的密度，以 排序出該使用者之主要生活圈及次要生活圈。
- 如申請專利範圍第6項所述之生活圈推估方法，其中於該計算機系統之該生活圈範圍分析模組於將該消費地圖與該至少一類型地圖進行疊圖比對，以推估出該使用者之該生活圈範圍之步驟中，更包含以下子步驟：該發票分析模組根據各該些發票所載之消費時間連接該些消費地點，以於該消費地圖上形成一消費軌跡；以及該生活圈範圍分析模組將具有該消費軌跡之該消費地圖與該至少一類型地圖進行疊圖比對，將該消費地圖與該至少一類型地圖進行疊圖比對，以推估出該使用者之居住生活圈、辦公生活圈以及旅遊生活圈中之至少一者。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111118698A TWI813296B (zh) | 2022-05-19 | 2022-05-19 | 生活圈推估系統與方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111118698A TWI813296B (zh) | 2022-05-19 | 2022-05-19 | 生活圈推估系統與方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI813296B true TWI813296B (zh) | 2023-08-21 |
| TW202347219A TW202347219A (zh) | 2023-12-01 |
Family
ID=88585780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111118698A TWI813296B (zh) | 2022-05-19 | 2022-05-19 | 生活圈推估系統與方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI813296B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130268340A1 (en) * | 2012-04-10 | 2013-10-10 | American Express Travel Related Services Company, Inc. | Method and System for Geographically Mapping Financial Transaction Data |
| CN108304454A (zh) * | 2017-11-27 | 2018-07-20 | 大象慧云信息技术有限公司 | 基于大数据的发票数据实时聚合装置 |
| CN111144943A (zh) * | 2019-12-26 | 2020-05-12 | 北京数衍科技有限公司 | 获取消费数据的方法、装置和服务器 |
| TWM599429U (zh) * | 2020-03-31 | 2020-08-01 | 睿點行動股份有限公司 | 結合消費熱度的地理資訊系統 |
-
2022
- 2022-05-19 TW TW111118698A patent/TWI813296B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130268340A1 (en) * | 2012-04-10 | 2013-10-10 | American Express Travel Related Services Company, Inc. | Method and System for Geographically Mapping Financial Transaction Data |
| CN108304454A (zh) * | 2017-11-27 | 2018-07-20 | 大象慧云信息技术有限公司 | 基于大数据的发票数据实时聚合装置 |
| CN111144943A (zh) * | 2019-12-26 | 2020-05-12 | 北京数衍科技有限公司 | 获取消费数据的方法、装置和服务器 |
| TWM599429U (zh) * | 2020-03-31 | 2020-08-01 | 睿點行動股份有限公司 | 結合消費熱度的地理資訊系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202347219A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Functional urban land use recognition integrating multi-source geospatial data and cross-correlations | |
| Zhai et al. | Beyond Word2vec: An approach for urban functional region extraction and identification by combining Place2vec and POIs | |
| Toch et al. | Analyzing large-scale human mobility data: a survey of machine learning methods and applications | |
| Liu et al. | Categorisation of cultural tourism attractions by tourist preference using location-based social network data: The case of Central, Hong Kong | |
| Ye et al. | Urban function recognition by integrating social media and street-level imagery | |
| Liu et al. | Social sensing: A new approach to understanding our socioeconomic environments | |
| Zheng et al. | Understanding the tourist mobility using GPS: How similar are the tourists? | |
| Jianxiao et al. | Using multi-source data to assess livability in Hong Kong at the community-based level: A combined subjective-objective approach | |
| Webster | GIS and the scientific inputs to urban planning. Part 1: description | |
| Zhu | Multidimensional quality-of-life measure with an application to Fortune's best cities | |
| US9123259B2 (en) | Discovering functional groups of an area | |
| Sherren et al. | Digital archives, big data and image-based culturomics for social impact assessment: Opportunities and challenges | |
| US20090287546A1 (en) | System and method for organizing hotel-related data | |
| CN112131490A (zh) | 一种知识图谱驱动下区域敏感的兴趣点推荐方法 | |
| CN101276347A (zh) | 数据信息的可视化系统及方法 | |
| Yuan et al. | Exploring the effectiveness of location‐based social media in modeling user activity space: A case study of Weibo | |
| Lai et al. | A name‐led approach to profile urban places based on geotagged Twitter data | |
| CN112819544A (zh) | 基于大数据的广告投放方法、装置、设备及存储介质 | |
| Lansley et al. | Challenges to representing the population from new forms of consumer data | |
| Liu et al. | Study on urban spatial function mixture and individual activity space from the perspectives of resident activity | |
| Pereira et al. | crowdsensing in the web: Analyzing the citizen experience in the urban space | |
| Wang et al. | Correlating Twitter use with disaster resilience at two spatial scales: A case study of Hurricane Sandy | |
| TWI813296B (zh) | 生活圈推估系統與方法 | |
| JP2004240887A (ja) | 検索情報表示システム及び検索キーワード情報表示方法及び検索キーワード情報表示プログラム | |
| Cai et al. | Discovering common semantic trajectories from geo-tagged social media |