CN105095242B - 一种标记地理区域的方法和装置 - Google Patents
一种标记地理区域的方法和装置 Download PDFInfo
- Publication number
- CN105095242B CN105095242B CN201410183498.XA CN201410183498A CN105095242B CN 105095242 B CN105095242 B CN 105095242B CN 201410183498 A CN201410183498 A CN 201410183498A CN 105095242 B CN105095242 B CN 105095242B
- Authority
- CN
- China
- Prior art keywords
- attribute information
- geographic area
- timeslice
- point position
- sampling point
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/18—Information format or content conversion, e.g. adaptation by the network of the transmitted or received information for the purpose of wireless delivery to users or terminals
- H04W4/185—Information format or content conversion, e.g. adaptation by the network of the transmitted or received information for the purpose of wireless delivery to users or terminals by embedding added-value information into content, e.g. geo-tagging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及电子地图,其提供了一种标记地理区域的方法,该方法包括:获取多个移动对象的属性信息和移动轨迹数据,其中移动轨迹数据包括移动对象的采样时间和对应的采样点位置;根据采样时间与时间片的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置;根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述采样点位置聚类得到的。根据本发明实施例的标记地理区域的方法能够获得地理区域与时间相关的属性信息,获得的地理区域的属性信息可准确标记地理区域随时间片变化而不断变化的特征。
Description
技术领域
本发明涉及电子地图,更具体地,涉及一种标记地理区域的方法和装置。
背景技术
电子地图(Electronic map),即数字地图,是利用计算机技术,以数字方式存储和查阅的地图。电子地图以其实时性、大信息量、丰富的功能,成为传统地图的延伸,同时扩展出无法替代的实用性和功能性。如何对电子地图的地理区域进行标记成为诸多电子地图运营商的竞争利器,成功的标记可以使客户花最少钱得到丰厚的利润回报,降低服务成本,提升客户满意度。
现有的地理区域的标记方法常见的包括在地理区域上标记静态的地理标志,该地理标志可以从地理位置信息数据库中获得,也可以从用户在网络上共享的带有地理位置信息的图片的评论中提取,然后此类属性信息通常反映地理区域的地理特征,且不能反映地理区域与时间相关的属性信息;除了地理标志之外,还希望获得地理区域与时间相关的其他属性信息。
发明内容
根据本发明的一个方面,提供了一种标记地理区域的方法,包括:获取多个移动对象的属性信息和移动轨迹数据,其中移动轨迹数据包括移动对象的采样时间和对应的采样点位置;根据采样时间与时间片的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置;根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述采样点位置聚类得到的。
根据本发明的另一个方面,提供了一种标记地理区域的装置,包括:轨迹数据获取模块,被配置为获取多个移动对象的属性信息和移动轨迹数据,其中移动轨迹数据包括移动对象的采样时间和对应的采样点位置;轨迹数据转换模块,被配置为根据采样时间与时间片的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置;属性信息第一获取模块,被配置为根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述采样点位置聚类得到的。
根据本发明实施例的标记地理区域的方法和装置能够获得地理区域与时间相关的属性信息,获得的地理区域的属性信息可准确标记地理区域随时间片变化而不断变化的特征。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
图2示出根据本发明实施例的标记地理区域的方法。
图3示出根据本发明实施例的根据新移动轨迹数据获得至少一个地理区域针对时间片的属性信息的集合的方法。
图4示出根据本发明实施例的将属性信息集合中的属性信息替换为上位概念的属性信息的流程图。
图5示出根据本发明实施例的属性信息的树状层级结构示例。
图6示出根据本发明实施例的标记地理区域的装置600。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
图1示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图1显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图1所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器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***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,***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(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器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***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器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***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图1未显示,通常称为“硬盘驱动器”)。尽管图1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CD-ROM,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发明各实施例的功能。
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***、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通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器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***/服务器12交互的设备通信,和/或与使得该计算机***/服务器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***/服务器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(LAN),广域网(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***/服务器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***/服务器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***、磁带驱动器以及数据备份存储***等。
现在参看图2,图2示出根据本发明实施例的一种标记地理区域的方法,包括:在步骤S201,获取多个移动对象的属性信息和移动轨迹数据,其中移动轨迹数据包括移动对象的采样时间和对应的采样点位置;在步骤S202,根据采样时间与时间片的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置;在步骤S203,根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述采样点位置聚类得到的。
在步骤S201,获取多个移动对象的属性信息和移动轨迹数据,移动轨迹数据就是时空环境下,通过对多个移动对象运动过程的采样所获得的数据,包括采样点位置、采样时间、速度等,这些采样点数据根据采样按照先后顺序构成了移动轨迹数据。例如具有定位功能的智能手机,移动轨迹数据反映了手机持有者某一时间段的行动状况,移动互联网络可以通过无线信号定位手机所在位置,进而采样记录,通过连接采样点形成手机持有者的移动轨迹数据;GPS定位终端,固定采样频率的记录终端所在位置的经纬度信息,通过无线网络将数据收集到服务器上;RFID标签技术,对物体进行标记,将物体的移动线路通过RFID识别器完成定位和位置数据记录,形成移动对象的移动轨迹。移动对象的属性信息可以包括移动对象的注册信息,例如职业、年龄、爱好等。例如:移动用户1的属性信息包括{程序员,踢足球};移动用户1的移动轨迹数据包括:{(05:18:00Monday,loc1(x1,y1)),(10:23:00Monday,loc1(x1,y1)),(05:56:34Tuesday,loc3(x3,y3)),(10:01:34Tuesday,loc1(x1,y1))}。移动用户2的属性信息包括{程序员,唱歌};移动用户2的移动轨迹数据包括:{(10:08:56Tuesday,loc1(x1,y1)),(10:34:12Tuesday,loc2(x2,y2)),(11:03:23Tuesday,loc2(x2,y2))}。
在步骤S202,根据采样时间与时间片的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置,具体地,获得划分的时间片;确定移动轨迹数据中的采样时间与时间片的对应关系;将移动轨迹数据中的采样时间替换为对应的时间片,从而获得新轨迹数据。例如将一天的时间切分为凌晨(0:00-06:00),上午(06:00-12:00),下午(12:00-18:00),夜晚(18:00-24:00)四个时间范围,同时将日期分为工作日和休息日两种类型,由此共获得8个不同类型的时间片T1(工作日0:00-06:00)、T2(工作日06:00-12:00)、T3(工作日12:00-18:00)、T4(工作日18:00-24:00)、T5(休息日0:00-06:00)、T6(休息日06:00-12:00)、T7(休息日12:00-18:00)、T8(休息日18:00-24:00)。仍以上述的移动用户1和移动用户2为例,将用户1和用户2的移动轨迹数据中的采样时间对应到8个时间片中,得到移动用户1的新移动轨迹数据:{(T1,loc1(x1,y1)),(T2,loc1(x1,y1)),(T1,loc3(x3,y3)),(T2,loc1(x1,y1))};以及移动用户2的新移动轨迹数据:{(T2,loc1(x1,y1)),(T2,loc2(x2,y2)),(T2,loc2(x2,y2))}。
在步骤S203,根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述采样点位置聚类得到的。具体地,图3示出根据本发明实施例的根据新移动轨迹数据获得至少一个地理区域针对时间片的属性信息的集合的方法,在步骤S301,根据多个移动对象的新移动轨迹数据获得针对相同时间片和相同采样点位置的多个移动对象属性信息的集合;在步骤S302,针对相同时间片,根据多个采样点位置之间的相似度对多个采样点位置进行聚类得到至少一个地理区域;在步骤S303,确定至少一个地理区域针对所述时间片的属性信息的集合。
根据本发明实施例获得的地理区域的属性信息可准确标记地理区域随时间片变化而不断变化的特征,例如在不同时间内在地理区域活动的人的职业、爱好,此类属性信息可以反映地理区域的人文特征。
在步骤S301,根据多个移动对象的新移动轨迹数据获得针对相同时间片和相同采样点位置的多个移动对象属性信息的集合包括步骤S401-S403。
在步骤S401,统计每个移动对象在新移动轨迹数据记录的时间片和采样点位置的出现次数,仍以上述的移动用户1和2为例,移动用户1在(T1,loc1(x1,y1))出现1次,在(T2,loc1(x1,y1))出现2次,在(T1,loc3(x3,y3))出现1次。移动用户2在(T1,loc1(x1,y1))出现1次,在(T2,loc2(x2,y2))出现2次。
在步骤S402,对于每个移动对象,获得新移动轨迹数据记录的时间片和采样点位置与属性信息和出现次数的对应关系,即,(时间片,位置)——>(属性1,出现次数)(属性2,出现次数)…。以移动用户1和2为例,移动用户1的对应关系式为:
(T1,loc1(x1,y1))-->{(程序员,1),(踢足球,1)};
(T2,loc1(x1,y1))-->{(程序员,2),(踢足球,2)};
(T1,loc3(x3,y3))-->{(程序员,1),(踢足球,1)}。
移动用户2的对应关系式为:
(T2,loc2(x2,y2))-->{(程序员,2),(唱歌,2)};
(T2,loc1(x1,y1))-->{(程序员,1),(唱歌,1)}。
在步骤S403,根据新移动轨迹数据获得针对相同时间片和相同采样点位置的多个移动对象的属性信息的集合和属性信息的置信度。
根据本发明的实施例,可以利用关联规则获得多个移动对象针对相同时间片和相同采样点位置的属性信息的集合和属性信息的置信度,关联规则(Association rule)是数据挖掘的一个重要课题,用于从大量数据中挖掘出有价值的数据项之间的相关关系。关联规则定义为:假设I={I1,I2,...,Im}是项的集合。给定一个交易数据库D={t1,t2,...,tn},其中每个事务(Transaction)t是I的非空子集,即每一个交易都与一个唯一的标识符TID(Transaction ID)对应。关联规则是形如的蕴涵式,其中且X和Y分别称为关联规则的先导(antecedent)和后继(consequent)。关联规则在D中的支持度(support)是D中事务包含X∪Y的百分比,即概率P(X∪Y);置信度(confidence)是包含X的事务中同时包含Y的百分比,即条件概率P(Y|X)。
根据本发明的实施例,关联规则的先导(antecedent)是时间片和采样点位置,后续(consequent)是属性信息的集合和属性信息的置信度,在此置信度的含义是:在某个时间片和采样点位置的前提下,某个属性出现的概率。在此属性信息的集合是将多个移动对象针对相同时间片和相同采样点位置的属性信息合并得到的。
以(T1,loc1(x1,y1))为例,对应该时间片和采样点位置的只有移动用户1的对应关系(T1,loc1(x1,y1))-->{(程序员,1),(踢足球,1)},则对应(T1,loc1(x1,y1))的属性信息为程序员和踢足球,并且置信度为1/1=1。可获得蕴含式(T1,loc1(x1,y1))-->{(程序员,1),(踢足球,1)}。
再以(T2,loc1(x1,y1))为例,对应该时间片和采样点位置的有移动用户1的对应关系式:(T2,loc1(x1,y1))-->{(程序员,2),(踢足球,2)}和移动用户2的对应关系式(T2,loc1(x1,y1))-->{(程序员,1),(唱歌,1)},则对应(T2,loc1(x1,y1))的属性信息为程序员、踢足球和唱歌。其中,“程序员”在移动用户1和2的对应关系式中都出现,则其置信度为1,“踢足球”只在移动用户1的对应关系式中出现,且对应的出现次数为2,在出现次数为2的移动用户2的对应关系式中没有出现,则“踢足球”的置信度为2/(2+2)=0.5;同理,“唱歌”的置信度也为0.5。最后可获得蕴含式(T2,loc1(x1,y1))-->{(程序员,1),(踢足球,0.5),(唱歌,0.5)}。同理得到所有的蕴含式:
(T1,loc1(x1,y1))-->{(程序员,1),(踢足球,1)};
(T2,loc1(x1,y1))-->{(程序员,1),(踢足球,0.5),(唱歌,0.5)};
(T1,loc3(x3,y3))-->{(程序员,1),(踢足球,1)};
(T2,loc2(x2,y2))-->{(程序员,2),(唱歌,2)}。
在步骤S302,针对相同时间片,根据多个采样点位置之间的相似度对多个采样点位置进行聚类得到至少一个地理区域,其中采样点位置之间的相似度是根据采样点位置之间的空间相似度和多个属性信息集合中包含的属性信息之间的相似度确定的,根据本发明的实施例,可以根据欧几里得度量确定采样点位置的相似度,欧几里得度量(Euclideanmetric)是一个通常采用的距离定义,指在m维空间中两个点之间的真实距离,或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离的就是两点之间的实际距离。计算任意两个采样点位置的空间相似度公式如下:
其中(x1,y1)是采样点位置A的坐标,(x2,y2)是采样点位置B的坐标。
根据本发明的实施例,可以根据余弦相似度来度量多个属性信息的集合中的属性信息的相似度,具体地,通过测量两个属性信息的置信度的向量内积空间的夹角的余弦值来度量属性信息之间的相似性,。计算任意两个属性信息的相似度公式如下:
其中A和B分别为两个属性信息的置信度的向量。
采样点位置的相似度P的计算公式为:
P=αD+βS
其中α为采样点位置之间的空间相似度D的系数,β为属性信息之间的相似度S的系数。
对具有较高相似度的采样点位置进行聚类得到至少一个地理区域,其中所述至少一个地理区域覆盖了具有较高相似度的采样点位置的坐标范围,例如可以设定一个相似度阈值,超过相似度阈值的采样点位置可以认为是具有较高相似度的采样点位置。
在步骤S303,确定所述地理区域针对所述时间片的属性信息的集合。
根据本发明的一个实施例,针对相同时间片,将地理区域包括的采样点位置对应的属性信息的集合中的属性信息合并并去除重复的属性信息,从而获得该地理区域的属性信息的集合。
根据本发明的又一个实施例,根据属性信息的重要性确定所述地理区域针对所述时间片的属性信息的集合,具体地,计算至少一个地理区域的多个属性信息的集合中包含的全部属性信息的全局权重,其中属性信息的全局权重是根据各个地理区域的属性信息的集合中包含的属性信息的区域权重计算得到的,例如,每个地理区域的属性信息的集合中包含的属性信息的区域权重可以根据该地理区域内包含的采样点位置针对某个时间片的属性信息的置信度的累加得到,将对应于记录的所有时间片的至少一个地理区域的属性信息的区域权重累加得到属性信息的全局权重。利用全局权重去调整针对所述时间片和地理区域的属性信息的集合中包含的属性信息的区域权重;根据调整后的属性信息的区域权重的大小确定所述地理区域针对所述时间片的属性信息的集合。
例如在步骤S302,针对时间片T1的两个采样点位置loc1和loc2聚类为地理区域area1,针对时间片T1的两个采样点位置loc3和loc4聚类为地理区域area2,即,
(T1,loc1)——>(属性1,置信度1),(属性2,置信度2)。
(T1,loc2)——>(属性1,置信度1)(属性3,置信度3)。
聚类为(T1,area1)——>(属性1,score1)(属性2,score2)(属性3,score3)
(T1,loc3)——>(属性1,置信度1),(属性2,置信度2)。
(T1,loc4)——>(属性2,置信度2)(属性3,置信度3)。
聚类为(T1,area2)——>(属性1,score4)(属性2,score5)(属性3,score6)
(Score1,Score2,Score3)为地理区域area1的属性信息的区域权重,
(Score4,Score5,Score6)为地理区域area2的属性信息的区域权重,地理区域area1的属性信息的区域权重可以根据两个采样点位置loc1和loc2对应的属性信息的置信度获得,地理区域area2的属性信息的区域权重可以根据两个采样点位置loc3和loc4对应的属性信息的置信度获得,例如将相同属性对应的置信度相加。
地理区域area1的属性信息的区域权重向量Varea1=(Score1,Score2,Score3);
地理区域area2的属性信息的区域权重向量Varea2=(Score4,Score5,Score6);
根据地理区域area1和area2的属性信息的区域权重获得地理区域area1和area2的属性信息的全局权重(W1,W2,W3),例如将相同属性对应的区域权重相加得到该属性的全局权重。
地理区域area1和area2的属性信息的全局权重向量Vglobal=(W1,W2,W3),
用属性信息的全局权重向量Vglobal调整地理区域area1和area2的属性信息的区域权重向量,即用属性信息的全局权重减去区域权重,得到调整后的属性信息的区域权重。
Vglobal-Varea1=(Score1’,Score2’,Score3’);
Vglobal-Varea2=(Score4’,Score5’,Score6’);
(T1,area1)——>(属性1,Score1’),(属性2,Score2’),(属性3,Score3’),
(T1,area2)——>(属性1,Score4’),(属性2,Score5’),(属性3,Score6’),
其中Score1’、Score2’、Score3’、Score4’、Score5’和Score6’是根据Score1、Score2、Score3、Score4、Score5、Score6以及W1、W2和W3计算得到。
根据调整后的属性信息的区域权重的大小确定所述地理区域针对所述时间片的属性信息的集合,例如将区域权重比较大的属性信息保留下来。调整后的属性信息的区域权重的大小,摒除了不同属性信息的全局分布对属性信息的区域权重的大小的影响,更准确地反应了属性信息在所述地理区域针对所属时间片的重要性。
根据本发明的又一个实施例,确定针对地理区域和所述时间片的属性信息进一步包括:获得属性信息的树状层级结构;根据属性信息的树状层级结构将属性信息集合中的属性信息替换为上位概念的属性信息。替换后的属性信息,更明确地标记地理区域的特征,且替换后的属性信息集合中的不同属性信息所表述的地理区域的特征,具有更高的区别性和独特性。
根据本发明的实施例还包括根据获得的至少一个地理区域针对所述时间片的属性信息的集合在所述至少一个地理区域中在所述时间片向与所述属性信息的集合中包含的属性信息有关的移动对象进行信息推荐,从而实现有针对性的信息推荐。
图4示出根据本发明实施例的将属性信息集合中的属性信息替换为上位概念的属性信息的流程图,在步骤S401,获取属性信息的树状层级结构,该树状层级结构按照属性信息的概括层次划分成多个层级,除去最高层级中的根节点,其它每个层级由多个子节点构成,每个子节点对应于一个属性,其父节点是相对于该子节点的属性的上位概念的属性,图5示出根据本发明实施例的属性信息的树状层级结构示例,该树状层级结构由三个层级构成,最低层级包括四个属性的子节点,川菜喜好者、湘菜爱好者、法餐美食家、意大利餐爱好者,其中川菜喜好者、湘菜爱好者的父节点对应于上一层级的中餐爱好者,法餐美食家、意大利餐爱好者的父节点对应于上一层级的西餐爱好者,上一层级的中餐爱好者和法餐美食家的父节点对应于最高层级的根节点美食爱好者;在步骤S402,指定信息熵阈值△;在步骤S403,将目标层级设置为树状层级结构中的最低层级;在步骤S404,计算目标层级中,所有拥有共同父节点的节点中属性的区域权重的信息熵I;在步骤S405,判断I是否小于信息墒阈值△,如果判断结果为否,则在步骤S406,将目标层级中的属性从地理区域的属性信息的集合中删除;在步骤S407,将父节点的属性添加到地理区域的属性信息的集合中并计算该属性的区域权重;在步骤S408,将目标层级设置为当前目标层级的上一层,并返回步骤S404;如果判断结果为是,则流程结束。
根据本发明的一个实施例,还包括根据获得的至少一个地理区域针对所述时间片的属性信息的集合在所述时间片向与所述属性信息的集合中包含的属性信息有关的移动对象进行信息推荐,从而在不同的时间片内根据属性信息有针对性地向相关的移动对象信息推荐。
根据本发明的一个实施例,还包括:根据所述至少一个地理区域针对所述时间片的属性信息的集合中包含的属性信息与所述至少一个地理区域内的地域的相关性,将所述至少一个地理区域划分为多个子地理区域,在所述子地理区域中显示与其相关性大的属性信息。
基于同一发明构思,本发明还提出一种标记地理区域的装置,图6示出根据本发明实施例的标记地理区域的装置600,包括:轨迹数据获取模块601,被配置为获取多个移动对象的属性信息和移动轨迹数据,其中移动轨迹数据包括移动对象的采样时间和对应的采样点位置;轨迹数据转换模块602,被配置为根据采样时间与时间片的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置;属性信息第一获取模块603,被配置为根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述采样点位置聚类得到的。
根据本发明的实施例,其中属性信息第一获取模块603包括:属性信息第二获取模块,被配置为根据新移动轨迹数据获得针对相同时间片和相同采样点位置的多个移动对象的属性信息的集合;聚类模块,被配置为针对相同时间片,根据采样点位置之间的相似度对采样点位置进行聚类得到至少一个地理区域;属性信息第一确定模块,被配置为确定至少一个地理区域针对所述时间片的属性信息的集合。
根据本发明的实施例,其中所述采样点位置之间的相似度是根据采样点位置之间的空间相似度和多个属性信息集合中包含的属性信息之间的相似度确定的。其中所述至少一个地理区域覆盖了具有较高相似度的采样点位置。
根据本发明的实施例,其中属性信息第一确定模块进一步被配置为:将针对所述时间片的所述至少一个地理区域内的采样点位置对应的属性信息的集合中的属性信息合并并去除重复的属性信息,从而获得所述至少一个地理区域的属性信息的集合。
根据本发明的实施例,其中属性信息第一确定模块进一步包括:全局权重计算模块,被配置为计算所述至少一个地理区域针对所述时间片的多个属性信息的集合中包含的全部属性信息的全局权重,其中属性信息的全局权重是根据各个地理区域针对所述时间片的属性信息的集合中包含的属性信息的区域权重计算得到的;区域权重调整模块,被配置为利用全局权重去调整针对所述至少一个地理区域针对所述时间片的的多个属性信息的集合中包含的属性信息的区域权重;以及属性信息第二确定模块,根据调整后的属性信息的区域权重的大小确定所述至少一个地理区域针对所述时间片的属性信息的集合。
根据本发明的实施例,其中属性信息第一确定模块进一步包括:层级结构获取模块,被配置为获得属性信息的树状层级结构;属性信息替换模块,被配置为根据属性信息的树状层级结构将所述至少一个地理区域的属性信息的集合中的属性信息替换为上位概念的属性信息。
根据本发明的实施例,还包括推荐模块,被配置为根据获得的至少一个地理区域针对所述时间片的属性信息的集合在所述至少一个地理区域中在所述时间片向与所述属性信息的集合中包含的属性信息有关的移动对象进行信息推荐。
根据本发明的实施例,还包括显示模块,被配置为根据所述至少一个地理区域针对所述时间片的属性信息的集合中包含的属性信息与所述至少一个地理区域内的地域的相关性,将所述至少一个地理区域划分为多个子地理区域,在所述子地理区域中显示与其相关性大的属性信息。
上述每个模块的具体实现方法参照根据本发明实施例的标记地理区域的方法中的详细描述,在此不一一赘述。
本发明可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (18)
1.一种标记地理区域的方法,包括:
获取多个移动对象的属性信息和移动轨迹数据,其中移动轨迹数据包括移动对象的采样时间和对应的采样点位置;
根据采样时间与时间片、所述属性信息和出现次数的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置,其中所述出现次数是统计所述多个移动对象的每个在新移动轨迹数据记录的时间片和采样点位置的出现次数;
根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述多个移动对象的采样点位置聚类得到的。
2.根据权利要求1所述的方法,其中根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合包括:
根据新移动轨迹数据获得针对相同时间片和相同采样点位置的多个移动对象的属性信息的集合;
针对相同时间片,根据采样点位置之间的相似度对采样点位置进行聚类得到至少一个地理区域;
确定至少一个地理区域针对所述时间片的属性信息的集合。
3.根据权利要求2所述的方法,其中所述采样点位置之间的相似度是根据采样点位置之间的空间相似度和多个属性信息集合中包含的属性信息之间的相似度确定的。
4.根据权利要求2所述的方法,其中所述至少一个地理区域覆盖了具有较高相似度的采样点位置,其中设定相似度阈值,所述具有较高相似度的采样点位置是超过所述相似度阈值的采样点位置。
5.根据权利要求1所述的方法,其中确定至少一个地理区域针对所述时间片的属性信息的集合进一步包括:
将针对所述时间片的所述至少一个地理区域内的采样点位置对应的属性信息的集合中的属性信息合并并去除重复的属性信息,从而获得所述至少一个地理区域的属性信息的集合。
6.根据权利要求5所述的方法,其中确定至少一个地理区域针对所述时间片的属性信息的集合进一步包括:
计算所述至少一个地理区域针对所述时间片的多个属性信息的集合中包含的全部属性信息的全局权重,其中属性信息的全局权重是根据各个地理区域针对所述时间片的属性信息的集合中包含的属性信息的区域权重计算得到的;
利用全局权重去调整针对所述至少一个地理区域针对所述时间片的多个属性信息的集合中包含的属性信息的区域权重;以及
根据调整后的属性信息的区域权重的大小确定所述至少一个地理区域针对所述时间片的属性信息的集合。
7.根据权利要求2-6中任一项所述的方法,其中确定针对地理区域和所述时间片的属性信息进一步包括:获得属性信息的树状层级结构;根据属性信息的树状层级结构将所述至少一个地理区域的属性信息的集合中的属性信息替换为上位概念的属性信息。
8.根据权利要求1所述的方法,还包括根据获得的至少一个地理区域针对所述时间片的属性信息的集合在所述至少一个地理区域中在所述时间片向与所述属性信息的集合中包含的属性信息有关的移动对象进行信息推荐。
9.根据权利要求1至6中任一项所述的方法,还包括:根据所述至少一个地理区域针对所述时间片的属性信息的集合中包含的属性信息与所述至少一个地理区域内的地域的相关性,将所述至少一个地理区域划分为多个子地理区域,在所述子地理区域中显示与其相关性大的属性信息。
10.一种标记地理区域的装置,包括:
轨迹数据获取模块,被配置为获取多个移动对象的属性信息和移动轨迹数据,其中移动轨迹数据包括移动对象的采样时间和对应的采样点位置;
轨迹数据转换模块,被配置为根据采样时间与时间片、所述属性信息和出现次数的对应关系将所述多个移动对象的移动轨迹数据转换为新移动轨迹数据,其中新移动轨迹数据包括时间片和对应的采样点位置,其中所述出现次数是统计所述多个移动对象的每个在新移动轨迹数据记录的时间片和采样点位置的出现次数;
属性信息第一获取模块,被配置为根据新移动轨迹数据获得至少一个地理区域针对所述时间片的属性信息的集合,其中所述至少一个地理区域是对所述采样点位置聚类得到的。
11.根据权利要求10所述的装置,其中属性信息获取模块包括:
属性信息第二获取模块,被配置为根据新移动轨迹数据获得针对相同时间片和相同采样点位置的多个移动对象的属性信息的集合;
聚类模块,被配置为针对相同时间片,根据采样点位置之间的相似度对采样点位置进行聚类得到至少一个地理区域;
属性信息第一确定模块,被配置为确定至少一个地理区域针对所述时间片的属性信息的集合。
12.根据权利要求11所述的装置,其中所述采样点位置之间的相似度是根据采样点位置之间的空间相似度和多个属性信息集合中包含的属性信息之间的相似度确定的。
13.根据权利要求11所述的装置,其中所述至少一个地理区域覆盖了具有较高相似度的采样点位置,其中设定相似度阈值,所述具有较高相似度的采样点位置是超过所述相似度阈值的采样点位置。
14.根据权利要求10所述的装置,其中属性信息第一确定模块进一步被配置为:
将针对所述时间片的所述至少一个地理区域内的采样点位置对应的属性信息的集合中的属性信息合并并去除重复的属性信息,从而获得所述至少一个地理区域的属性信息的集合。
15.根据权利要求14所述的装置,其中属性信息第一确定模块进一步包括:
全局权重计算模块,被配置为计算所述至少一个地理区域针对所述时间片的多个属性信息的集合中包含的全部属性信息的全局权重,其中属性信息的全局权重是根据各个地理区域针对所述时间片的属性信息的集合中包含的属性信息的区域权重计算得到的;
区域权重调整模块,被配置为利用全局权重去调整针对所述至少一个地理区域针对所述时间片的多个属性信息的集合中包含的属性信息的区域权重;以及
属性信息第二确定模块,根据调整后的属性信息的区域权重的大小确定所述至少一个地理区域针对所述时间片的属性信息的集合。
16.根据权利要求11至15中任一项所述的装置,其中属性信息第一确定模块进一步包括:层级结构获取模块,被配置为获得属性信息的树状层级结构;属性信息替换模块,被配置为根据属性信息的树状层级结构将所述至少一个地理区域的属性信息的集合中的属性信息替换为上位概念的属性信息。
17.根据权利要求10所述的装置,还包括推荐模块,被配置为根据获得的至少一个地理区域针对所述时间片的属性信息的集合在所述至少一个地理区域中在所述时间片向与所述属性信息的集合中包含的属性信息有关的移动对象进行信息推荐。
18.根据权利要求10至15中任一项所述的装置,还包括显示模块,被配置为根据所述至少一个地理区域针对所述时间片的属性信息的集合中包含的属性信息与所述至少一个地理区域内的地域的相关性,将所述至少一个地理区域划分为多个子地理区域,在所述子地理区域中显示与其相关性大的属性信息。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410183498.XA CN105095242B (zh) | 2014-04-30 | 2014-04-30 | 一种标记地理区域的方法和装置 |
US14/679,165 US9483467B2 (en) | 2014-04-30 | 2015-04-06 | Tagging geographical areas |
US14/745,936 US9483468B2 (en) | 2014-04-30 | 2015-06-22 | Tagging geographical areas |
US15/259,727 US10136273B2 (en) | 2014-04-30 | 2016-09-08 | Tagging geographical areas |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410183498.XA CN105095242B (zh) | 2014-04-30 | 2014-04-30 | 一种标记地理区域的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105095242A CN105095242A (zh) | 2015-11-25 |
CN105095242B true CN105095242B (zh) | 2018-07-27 |
Family
ID=54356210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410183498.XA Active CN105095242B (zh) | 2014-04-30 | 2014-04-30 | 一种标记地理区域的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (3) | US9483467B2 (zh) |
CN (1) | CN105095242B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105681599B (zh) * | 2016-03-31 | 2019-06-07 | 维沃移动通信有限公司 | 移动终端紧急救助的方法及移动终端 |
CN106060778A (zh) * | 2016-06-30 | 2016-10-26 | 北京奇虎科技有限公司 | 目标位置确定方法及装置 |
US10796036B2 (en) * | 2016-08-08 | 2020-10-06 | International Business Machines Corporation | Prediction of inhalable particles concentration |
US10437840B1 (en) * | 2016-08-19 | 2019-10-08 | Palantir Technologies Inc. | Focused probabilistic entity resolution from multiple data sources |
CN106355203A (zh) * | 2016-08-31 | 2017-01-25 | 无锡知谷网络科技有限公司 | 活动人群的分类方法和*** |
CN108268519B (zh) * | 2016-12-30 | 2022-05-24 | 阿里巴巴集团控股有限公司 | 一种推荐网络对象的方法和装置 |
CN108446281B (zh) * | 2017-02-13 | 2021-03-12 | 北京嘀嘀无限科技发展有限公司 | 确定用户亲密度的方法、装置及存储介质 |
CN107016495A (zh) * | 2017-03-21 | 2017-08-04 | 乐蜜科技有限公司 | 城市区域相关性的确定方法、装置和终端设备 |
KR101808589B1 (ko) * | 2017-04-10 | 2017-12-13 | 한미아이티 주식회사 | 태그정보를 이용한 물품 관리시스템 |
CN108122012B (zh) * | 2017-12-28 | 2020-11-24 | 百度在线网络技术(北京)有限公司 | 常驻点中心点的确定方法、装置、设备及存储介质 |
CN108260155B (zh) * | 2018-01-05 | 2021-05-07 | 西安电子科技大学 | 一种基于时空相似度的无线传感网异常检测方法 |
US10412699B1 (en) * | 2018-04-05 | 2019-09-10 | Polaris Wireless, Inc. | Enhancing an estimate of the location of a wireless terminal by using one or more types of identifiers of a wireless network |
CN109256029B (zh) * | 2018-09-12 | 2021-09-03 | 广州小鹏汽车科技有限公司 | 一种地点属性的自动设置方法及装置 |
CN109684566B (zh) * | 2018-11-08 | 2020-04-28 | 百度在线网络技术(北京)有限公司 | 标签引擎实现方法、装置、计算机设备及存储介质 |
CN110472000B (zh) * | 2019-08-12 | 2022-11-29 | 北京三快在线科技有限公司 | 路网线路确定方法、装置、电子设备及存储介质 |
CN110837582B (zh) * | 2019-11-28 | 2022-06-03 | 重庆紫光华山智安科技有限公司 | 数据关联方法、装置、电子设备和计算机可读存储介质 |
CN112861618A (zh) * | 2020-12-31 | 2021-05-28 | 罗普特科技集团股份有限公司 | 基于人脸轨迹的人员行为标签生成方法、装置及存储介质 |
CN113569937A (zh) * | 2021-01-20 | 2021-10-29 | 廖彩红 | 基于大数据的人工智能模型机器学习方法及服务器 |
CN112559667B (zh) * | 2021-02-23 | 2021-05-25 | 北京简巨科技有限公司 | 地图编辑器、地图引擎、地图编辑***、方法及存储介质 |
CN113179484B (zh) * | 2021-04-28 | 2023-10-10 | 南京邮电大学 | 一种基于车联网模型的idnc网络编码方法 |
CN113127594B (zh) * | 2021-06-17 | 2021-09-03 | 脉策(上海)智能科技有限公司 | 确定地理区域的组团数据的方法、计算设备和存储介质 |
CN114007186B (zh) * | 2021-10-21 | 2022-12-09 | 腾讯科技(深圳)有限公司 | 定位方法及相关产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8335788B1 (en) * | 2008-10-28 | 2012-12-18 | Bank Of America Corporation | Identification of contiguous spaces |
CN103038605A (zh) * | 2010-06-15 | 2013-04-10 | 通腾比利时公司 | 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计 |
CN103313389A (zh) * | 2013-07-02 | 2013-09-18 | 公安部第三研究所 | 基于无线定位技术实现反向寻车停车控制的***及方法 |
CN103324706A (zh) * | 2013-06-17 | 2013-09-25 | 中国矿业大学 | 具有时间约束的轨迹数据热点区域的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8086048B2 (en) | 2008-05-23 | 2011-12-27 | Yahoo! Inc. | System to compile landmark image search results |
US20120046995A1 (en) * | 2009-04-29 | 2012-02-23 | Waldeck Technology, Llc | Anonymous crowd comparison |
US9542471B2 (en) * | 2010-12-30 | 2017-01-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Method of building a geo-tree |
US8429156B2 (en) | 2011-06-17 | 2013-04-23 | Microsoft Corporation | Spatial attribute ranking value index |
US9396275B2 (en) * | 2011-09-15 | 2016-07-19 | Hewlett Packard Enterprise Development Lp | Geographically partitioned online search system |
US9495383B2 (en) * | 2013-08-22 | 2016-11-15 | Microsoft Technology Licensing | Realtime activity suggestion from social and event data |
-
2014
- 2014-04-30 CN CN201410183498.XA patent/CN105095242B/zh active Active
-
2015
- 2015-04-06 US US14/679,165 patent/US9483467B2/en active Active
- 2015-06-22 US US14/745,936 patent/US9483468B2/en active Active
-
2016
- 2016-09-08 US US15/259,727 patent/US10136273B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8335788B1 (en) * | 2008-10-28 | 2012-12-18 | Bank Of America Corporation | Identification of contiguous spaces |
CN103038605A (zh) * | 2010-06-15 | 2013-04-10 | 通腾比利时公司 | 数字地图中的用于障碍物穿越的位置检测、时间表及行进时间估计 |
CN103324706A (zh) * | 2013-06-17 | 2013-09-25 | 中国矿业大学 | 具有时间约束的轨迹数据热点区域的方法 |
CN103313389A (zh) * | 2013-07-02 | 2013-09-18 | 公安部第三研究所 | 基于无线定位技术实现反向寻车停车控制的***及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20150319576A1 (en) | 2015-11-05 |
US20150319575A1 (en) | 2015-11-05 |
US20160381535A1 (en) | 2016-12-29 |
US10136273B2 (en) | 2018-11-20 |
US9483467B2 (en) | 2016-11-01 |
US9483468B2 (en) | 2016-11-01 |
CN105095242A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095242B (zh) | 一种标记地理区域的方法和装置 | |
US10511933B2 (en) | Travel recommendations on online social networks | |
US10665028B2 (en) | Mobile persistent augmented-reality experiences | |
CN111538904B (zh) | 用于推荐兴趣点的方法和装置 | |
CN105532030B (zh) | 用于分析目标实体的移动的装置、***和方法 | |
US20190340538A1 (en) | Identifying entities using a deep-learning model | |
CN101960795B (zh) | 用于递送扩充消息的***和方法 | |
CN106408252B (zh) | 呈现针对当前位置或时间的信息 | |
US20170046802A1 (en) | Travel Itinerary Generation on Online Social Networks | |
US10291737B2 (en) | Identifying and caching content for offline use | |
US20190212977A1 (en) | Candidate geographic coordinate ranking | |
CN110444133A (zh) | 一种旅游景点智能导游的方法和装置 | |
CN108268130A (zh) | 组推荐的虚拟助理生成 | |
WO2020207201A1 (zh) | 用户行为预测模型构建方法、装置、存储介质及电子设备 | |
CN113366489A (zh) | 检测增强现实目标 | |
US20160212591A1 (en) | Exhibition guide apparatus, exhibition display apparatus, mobile terminal, and exhibition guide method | |
CN105580043A (zh) | 用于推荐***的基于强度的建模 | |
EP3188086A1 (en) | Identifying entities using a deep-learning model | |
US20230245002A1 (en) | Stationary Classifier for Geographic Route Trace Data | |
CN112632379A (zh) | 路线推荐方法、装置、电子设备和存储介质 | |
CN109995858B (zh) | 一种基于lbs-sns的景区服务推送方法及*** | |
US10506383B2 (en) | Location prediction using wireless signals on online social networks | |
CN110555174B (zh) | 一种基于r树的轨迹路径推荐方法 | |
CN110553661B (zh) | 一种基于r树的用户位置至目标区域路径推荐方法 | |
US20230186570A1 (en) | Methods and systems to allow three-dimensional maps sharing and updating |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |