CN105893455B - 用于预测位置状况的方法和计算机*** - Google Patents
用于预测位置状况的方法和计算机*** Download PDFInfo
- Publication number
- CN105893455B CN105893455B CN201610080983.3A CN201610080983A CN105893455B CN 105893455 B CN105893455 B CN 105893455B CN 201610080983 A CN201610080983 A CN 201610080983A CN 105893455 B CN105893455 B CN 105893455B
- Authority
- CN
- China
- Prior art keywords
- computer processor
- future
- condition score
- score value
- designated position
- 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 58
- 238000013480 data collection Methods 0.000 claims abstract description 24
- 238000010276 construction Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 6
- 238000012986 modification Methods 0.000 claims description 6
- 230000005389 magnetism Effects 0.000 claims description 3
- 230000000638 stimulation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06Q50/16—Real estate
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Environmental & Geological Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Atmospheric Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
Abstract
提供一种用于预测位置的方法和***。该方法包含从指定位置的用户实时接收与所述指定位置的未来状况相关联的指定未来时间范围。并发地从数据库中检索与所述指定位置的至少一个要素相关联的多个状况数据集，并选择与预测该要素的未来状况相关联的最佳拟合多项式方程。计算与该要素的未来状况相关联的状况分数值。计算和呈交与各个状况分数值的汇总相关联的整体状况分数值。
Description
技术领域
本发明总体涉及预测地理区域的状况的方法，更具体来说，涉及根据图像和模拟过程预测地理区域状况的方法和相关***。
背景技术
确定将来时间点的小区状况通常包括一个可能依赖个人对某小区(neighborhood)当前状况的感知、对某小区过去发生的变化的潜在考虑、以及对某小区未来发展的信念的主观过程。
个人要就某小区的(例如由城市、个人等的)投资、住房拥有、旅游等的适合性提出意见，通常依赖于对特定小区的多次访问。典型的街景测绘(mapping)产品使个人能够通过允许对在数据库中存储的街道级别的图像进行滚动的过程而虚拟地访问各小区。
此外，典型的图像捕获装置可以提供图像之间的相互关系。同样，典型的图像捕获和识别***包括与预定识别值的数据库通信。
因此，现有技术中存在克服上述的至少一些缺陷和限制的需要。
发明内容
本发明的第一个方面提供一种位置状况预测方法，包含：由计算***的计算机处理器从指定位置的用户实时接收与所述指定位置的未来状况相关联的指定未来时间范围(timeframe)；由所述计算机处理器并发地从数据库中检索与所述指定位置的至少一个要素相关联的多个状况数据集；由所述计算机处理器选择与预测所述至少一个要素的未来状况相关联的最佳拟合多项式方程；通过所述计算机处理器针对所述多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述至少一个要素的未来状况相关联的状况分数值；由所述计算机处理器计算与所述状况分数值相关联的整体状况分数值，其中所述整体状况分数值包含所述状况分数值的汇总加权平均；和由所述计算机处理器向用户呈交所述整体状况分数值。
本发明的第二个方面提供一种计算机***，包含与计算机可读存储器单元耦合的计算机处理器，所述存储器单元包含在被该计算机处理器执行时实现一方法的指令，该方法包含：由计算***的计算机处理器从指定位置的用户实时接收与所述指定位置的未来状况相关联的指定未来时间范围；由所述计算机处理器并发地从数据库中检索与所述指定位置的至少一个要素相关联的多个状况数据集；由所述计算机处理器选择与预测所述至少一个要素的未来状况相关联的最佳拟合多项式方程；通过所述计算机处理器针对所述多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述至少一个要素的未来状况相关联的状况分数值；由所述计算机处理器计算与所述状况分数值相关联的整体状况分数值，其中所述整体状况分数值包含所述状况分数值的汇总加权平均；和由所述计算机处理器向用户呈交所述整体状况分数值。
本发明的第三个方面提供一种计算机程序产品，包含存储计算机可读程序代码的计算机可读硬件存储设备，所述计算机可读程序代码包含一算法，该算法被计算机***的计算机处理执行时实现一方法，该方法包含：由计算***的计算机处理器从指定位置的用户实时接收与所述指定位置的未来状况相关联的指定未来时间范围；由所述计算机处理器并发地从数据库中检索与所述指定位置的至少一个要素相关联的多个状况数据集；由所述计算机处理器选择与预测所述至少一个要素的未来状况相关联的最佳拟合多项式方程；通过所述计算机处理器针对所述多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述至少一个要素的未来状况相关联的状况分数值；由所述计算机处理器计算与所述状况分数值相关联的整体状况分数值，其中所述整体状况分数值包含所述状况分数值的汇总加权平均；和由所述计算机处理器向用户呈交所述整体状况分数值。
本发明有益地提供能够确定位置状况的简单方法和相关***。
附图说明
图1例示按照本发明实施例的用于实现预测某地理区域的未来的整体状况的过程的***。
图2例示详细介绍按照本发明实施例的通过图1的***实现的用于检测某地理位置的卫生状况(health)的流程的算法。
图3包括图3A和图3B，例示详细介绍按照本发明实施例的通过图1的***实现的用于预测某地理区域的未来的整体状况的流程的算法。
图4A-4B组合地例示按照本发明实施例的由图1的***执行的用于实现捕获两个不同时间点的图像的过程的实现例子。
图5例示按照本发明实施例的用于实现预测某地理区域的未来的整体状况的流程的图1的***所使用或包含的计算机***。
具体实施方式
图1例示按照本发明实施例的用于实现预测某地理区域的未来的整体状况的过程的***100。各种测绘产品产生的结果，以存储在数据库中的街道级别的图像，让个人能虚拟地访问小区。上述测绘产品可能并不提供随着时间的推移的及时和自动化的状况数据。此外，上述测绘产品也不推测(project)某位置未来的状况。因此，个人可能要通过亲身访问特定地理位置来确定或推测特定地理位置未来的状况。此外，由于信息传播速度慢，往往难以以及时和自动化的方式汇总(例如从上述测绘产品中检索的)感兴趣的数据。因此，***100通过分析图像数据准确地识别并呈现特定地理位置的状况或卫生状况。本公开提供通过预测小区状况来解决这个问题的方法，该方法通过基于情景的方式，利用图像数据来构建历史记录和确定与某小区相关联的实时状况，应用一个算法来推测未来的状况。
***100用(例如来自交通摄像头、闭路电视、个人照相机等的)图像数据作为输入来执行算法，以客观地确定特定地理位置在各种时段的不同状况。用与不同状况相关联的数据来外推(extrapolate)与地理位置相关联的未来状况。图像数据包含的非结构化数据使***100能进行分析，以检索相关要素。此处，将要素(element)定义为包括良好定义的特征的分立的物理对象的代表。例如，窗口是房屋图像内的要素。***100评估图像内的所有要素，以为房屋产生一个整体分数。可以汇总所有计算的房屋分数，产生一个小区分数。要素包含用于任何计算的基本成分，因此，可以用要素的分数来计算汇总的小区分数。例如，可以直接汇总一个小区的(例如所有的窗户、门、树木、草坪、街道、栏杆等的)所有要素分数。
对照包含已知状况的先前要素的数据库，对这些要素进行评估。评估过程可产生用于识别不同要素的各种状况的信息，这些要素包括村庄绿化、居民区景观、道路中留下的碎片，住宅房屋状况(例如需要油漆、屋顶损坏等)等。在图像和数据库要素之间找出的(即在评估过程中找出的)匹配，允许***100提取相关联的状况分数。将根据以前的匹配中检索的所有状况分数都存储在一个数据库中，并实时地分析当前图像。***100根据历史记录，外推关于要素的状况的变化速率(rate of change)。将该变化速率应用到当前的状况，以确定与未来的要素状况相关联的基线情景。此外，***100还允许用户模拟未来对特定要素(例如改善路面的建设项目等)的各种改变。可以将模拟的改变纳入推测(projection)中。
***100执行包括以下步骤的过程：
1.从位于某地理区域(例如某小区)的多个摄像机接收实时视频内容(videofeed)(例如视频流、静止视频图像等)。
2.预先指定一个地理区域状况(例如卫生状况)的测度。
3.通过比较实时视频内容与对应于指定测度的存储的视频图像，处理实时视频内容。
4.根据比较，计算指定测度的数值。
5.外推该地理区域的要素状况的变化速率。将该变化速率应用到当前状况，以确定与未来要素状况相关联的基线情景。
图1的***100包括通过网络7连接到计算***14的设备5a...5n和图像数据***29。网络7可以包括任何类型的网络，包括局域网(LAN)、广域网(WAN)、因特网、无线网络等。设备5a...5n可以包括任何类型的计算设备或软件***，包括计算机(PC)、笔记本电脑、平板电脑、服务器、PDA、智能手机、安全网站，应用等。图像数据***29可以包括用于从摄像机(如交通摄像头、安全摄像机、个人照相机等)、社交网站等检索图像数据(例如视频流、静止视频图像等)的任何类型的图像数据检索***。计算***14可以包括任何类型的计算机***，包括计算机(PC)、笔记本电脑、平板电脑、服务器等。计算***14包括存储器***8。存储器***8可以包括单一的存储器***。或者，存储器***8也可以包括多个存储器***。存储器***8包括数据库8a和软件17。
软件17能实现用于通过分析从图像数据***29检索的图像数据来确定特定位置(例如诸如某小区的指定地理区域)当前的和未来的状况或卫生状况的过程。***100利用图像数据来客观地确定指定地理区域的状况或卫生状况，而非由人亲身地或虚拟地访问该指定地理区域。图像数据***29生成针对相关要素进行过过滤和分析的非结构化数据。对(例如包含地理区域的要素的)非结构化数据进行外推，以确定该指定地理区域的状况。非结构化数据可以确定村庄绿化的状况、居民区景观的状况、在道路中留下的碎片、住宅状况(例如油漆破坏、屋顶损毁等)等。另外，为了确定该地理区域的状况是改善了还是恶化了，还(在例如存储器***8和/或数据图像***29中)保留(该地理区域的)历史卫生状况数据。***100生成与包括旅游、购房等在内的潜在活动相关联的地理区域的个性化评估。此外，***100还(基于对非结构化数据的分析)根据用户定义的参数为(指定地理区域的)每个位置生成分数。所生成的分数可以绘制在可缩放的图、表格或图表中，以供参考。可以确定关于该地理区域的要素的状况的变化速率，并将其应用到当前状况，以确定与未来的要素状况相关联的基线情景。
***100按以下方式实现确定某地理区域的整体状况的过程：
1.捕获与已知位置(地理区域)相关联的图像数据。可以从交通摄像头、安全摄像机、个人相机等捕获图像。可以将图像可以存储在(例如图像数据***和/或存储器***8内的)数据库中。
2.分析图像内的内容，以确定与代表各种环境状况的类别相符的分立要素。例如，***100可以检查每个检索到的图像中的要素(诸如街道、建筑物、汽车、植物等)，并确定相关联的状况(例如街道上的垃圾、建筑物中破碎的窗户等)。
3.相对于确定的“最佳”和“最差”情况的状态为每个要素打分。例如，对于一个展现处于完美状况、街上没有垃圾的街道的图像，可以赋予分数“1”(即最佳状态)。同样，对于展现有一些坑洼和排水沟中有些垃圾的街道的图像，可以赋予分数“4”(即低于平均水平)。此外，一个图像可以包含多个要素，每个要素包括相关联的分数。
4.选择与用户相关的要素。用户可以选择与小区状况的主观视图()有关的要素。例如，用户可以针对街道状况、树木状况等按建筑物和汽车的状况来定义小区状况。
5.计算个性化的小区状况分数。***100根据用户选择的要素和权重，计算与所检索的图像数据相关联的每个位置的分数。
***100可使用不同类型的输入图像，例如：
1.个人(individual)图像。
.没有音频的视频流。
3.包含音频的视频流。
4.包含来自传感器——对热、光、声音、压力、磁性和/或特定运动等物理刺激有反应的设备——的信息的视频流。
***100能实现以预定的频率(例如每24小时、每7天等)分析特定位置的图像以确定状况的过程。将所计算的状况分数存储在数据库(例如数据库8a)中，对个别位置的历史记录应用算法来确定状况变化的速率。***100用这个速率来确定某位置在未来任何时刻的状况。用户可以调整变化速率，创建与反映在某位置进行改善和/或投资的可能相关联的不同的情景。***100可以在地图上显示未来状况，并允许用户在不同的情景(例如给定历史记录的基本情况、给定小区投资的混乱情况等)之间切换。某位置在未来任何时刻的状况，可以由规划未来项目的人进行评估。例如，寻求优化公共投资和更好地了解土木工程的影响的城市规划师；试图了解小区未来的房地产投资者/购房者；调整房屋评估价格的县税务官等。
***100能实现以如下方式预测某地理区域未来的整体状况的过程：
1.将用于确定未来的小区状况的未来时间范围输入到***100。
2.将当前小区状况(如上所确定的多个要素分数)和未来时间范围输入一个三阶多项式方程来确定预测的未来要素分数。
3.将预测的未来要素分数汇总，以生成未来小区状况分数。
下面的描述例示了由***100执行的一个实施例，用于实现预测某地理区域未来的整体状况的过程。下面的数据(即列表)例示指定小区(即地理位置)的要素和/或属性(和相关联的日期)的要素和/或属性分数。
1. 2011年1月1日：分数＝5
2. 2011年7月1日：分数＝7
3. 2012年1月1日：分数＝8
4. 2012年7月1日：分数＝9
5. 2013年1月1日：分数＝10
6. 2013年7月1日：分数＝10
7. 2014年1月1日：分数＝9
8. 2014年7月1日：分数＝9
9. 2015年1月1日：分数＝7
响应于接收上述数据，用以下参数将三阶多项式与这个数据拟合：c＝0、a0＝5、a1＝2、a2＝-0.4、a3＝0.2。所有更高阶的“a”变量(例如a4、a5、a6等)都等于0。因此，2016年1月1日的预测状况被计算为包含估计的状况分数5。
图2例示详细介绍按照本发明实施例的通过图1的***实现的用于检测某地理位置的卫生状况的流程的算法。图2的算法中的每一个步骤都可以通过执行计算机代码的计算机处理器以任意顺序来启用和执行。在步骤200中，(例如从摄像头)获得在特定时间与特定位置相关联的图像。在步骤202中，分析该图像，评估该图像中的要素的状况(例如街道的状况、房屋的状况等)。可以通过将图像分解为分立的要素、将分立的要素与代表各种环境状况的类别匹配并为该状况分配分数来执行步骤202。在步骤204中，将分立的要素和环境状况(即与地理位置、指定时间和日期相关联的)存储在数据库中。在步骤206中，确定是否有另外的图像可用于分析。如果在步骤206中，确定有另外的图像可用于分析，则重复执行步骤200。如果在步骤206中，确定没有另外的图像可用于分析，则在步骤208中，针对获得和分析新的图像的频率标准执行检查；如果已经达到该频率标准，则重复执行步骤200，否则，该过程在步骤210终止。
图2所示的算法可以针对以下的例子实现。(图1的)***100获得来自三个不同的位置的交通摄像头的图像。执行步骤200-206，以捕获和分析三个不同位置的图像和相关的要素。执行步骤208以控制对来自这三个不同位置的图像的下一次分析的时机(例如，如果将频率标准设置为每周一次分析，该算法将每周一次地收集和分析来自这三个不同的位置的图像)。
图3包括图3A和图3B，例示详细介绍按照本发明实施例的通过图1的***实现的用于预测某地理区域的未来的整体状况的流程的算法。图3算法中的每一个步骤都可以通过执行计算机代码的计算机处理器以任意顺序来启用和执行。在步骤300中，检测到用户输入一指定地理位置。在步骤302中，与指定地理位置的未来的状况相关联的特定未来时间范围(例如一年)被输入(即输入诸如图1的计算***14的计算***)。在步骤304中，从数据库中检索与指定地理位置相关联的历史状况数据(即包括描述要素的数据、相关联的状况分数和时间戳)。在步骤306中，执行一个多项式方程，以确定最适合历史状况数据的函数表示(functional representation)。例如，可以执行下面的广义幂级数(generalized powerseries)：
上述广义幂级数中，f(t)表示在时间t的状况分数，a(包括下标)表示系数，c代表常数。变量a(包括下标)和常数C是通过与历史状态数据的最佳拟合找出、并通过诸如最小二乘法(least squares)、卡方(chi squared approach)等方法的标准技术确定的。在步骤308中，使用最佳拟合方程(包括在步骤306中确定的系数)来确定给定要素在未来某时间的状况分数。如果要分析另外的要素，则重复步骤304。如果没有更多另外的要素要分析，则在312步骤中，用加权平均来汇总指定地理位置的多个要素的状况分数，以形成整体的小区(地理区域)状况分数。在步骤314中，把汇总的状况分数呈交用户，以表示随着时间的推移的状况预测。在步骤316中，用户审视指定时间范围的所呈交的状况。在步骤318中，向***输入预期未来对状况和/或要素的改变。在步骤320中，检索与每个改变的要素相关联的信息。在步骤322中，与特定要素的改善相适应地调整特定要素的最佳拟合方程。例如，如果用户是城市规划人员，打算修复特定位置的道路，那么与该道路相关联的状况分数将被调整，以反映在指定的未来时间的改善。在步骤324中，利用最佳拟合方程和用户确定的改善，确定给定的要素在未来某时间的状态分数。如果在步骤326中有另外的要素可用于分析，则重复步骤320。如果在步骤326中没有另外的要素可用于分析，则在步骤328中，用加权平均来汇总指定地理位置的多个要素的状况分数，以形成整体小区状况分数。在步骤330中，把汇总的状况呈交用户，然后，过程在步骤334终止。
图4A-4B组合地例示按照本发明实施例的由图1的***执行的用于实现捕获两个不同时间点的图像的过程的实现例子。图4a-4b中所示的过程检索交通摄像头中的视频数据和智能手机中带地理标记的图像数据，由此表现指定地理区域内的位置的视觉状况。将视觉状况按1至10分的等级排序，其中1分的是最理想的状况，10分的是最不理想的状况。***捕获两个不同时间点的图像400a和400b。图像400a是在2013-5-14捕获的，图像400b是在2014-5-14捕获的。***100分析图像400a和400b，把它们分解成各种要素(例如房子、窗子、草坪等)；对照已知状况为这些要素打分；然后通过加权平均来综合这些要素的分数，结果，为图像400a计算的状况分数为6，为图像400b计算的状况分数为4。因此，***100(即通过利用对与图像400a和400b相关联的分数进行的简单的直线拟合，按相等时间间隔外推)可以推测，图4A和4B中所示的位置在2015年5月14日的状况分数将等于2。
图5例示按照本发明实施例的用于实现预测某地理区域未来的整体状况的计算机***90(例如图1的计算***14)。
本发明的各方面可以采取完全硬件实施例的形式，完全软件实施例(包括固件、驻留软件、微代码等)的形式，或者综合了软件和硬件各方面的在此可以统称为“电路”、“模块”或“***”的实施例。
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、固态驱动器(SDD)、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
图5中所示的计算机***90包括处理器91、耦合到处理器91的输入设备92，耦合到处理器91的输出设备93，和各耦合到处理器91的存储器设备94和95。输入设备92可以是键盘、鼠标、摄像头、触摸屏等。输出装置93可以是打印机、绘图仪、电脑屏幕、磁带、移动硬盘、软盘等。存储器设备94和95可以是硬盘、软盘、磁带、如光盘(CD)或数字视频光盘(DVD)的光存储器、动态随机存取存储器(DRAM)、只读存储器(ROM)等。存储器设备95包含计算机代码97。计算机代码97包括用于预测未来某地理区域的整体状况的算法(例如图2和3的算法)。处理器91执行计算机代码97。存储器设备94包含输入数据96。输入数据96包含计算机代码97所需的输入。输出设备93显示计算机代码97的输出。存储器设备94和95中的任一个或二者(或者一个或多个额外的计算机可读介质，如存储器设备96)可包括图2和3的算法，并可作为计算机可用介质(或计算机可读介质或程序存储设备)，具有在其中体现的计算机可读程序代码以及/或者具有存储在其中的其它数据，其中，计算机可读程序代码包括计算机代码97。一般而言，计算机***90的计算机程序产品(或制造品)可包括计算机可用介质(或程序存储装置)。
在一些实施例中，所存储的(例如包括图2和3的算法的)计算机程序代码84，不是在硬盘、光盘或其他可写的、可再写的、或可移动的硬件存储设备95被存储和访问，而是可以被存储在静态的、固定的只读存储介质-如只读存储器(ROM)设备85，或可被处理器91直接从这样的静态的、固定的只读介质85中访问。类似地，在一些实施例中，所存储的计算机程序代码84可以计算机可读固件85的形式存储，或可被处理器91直接从这样的固件85中访问，而不是从更动态的或可移动的硬件数据存储设备95-如硬盘驱动器或光盘-中访问。
此外，本发明的任何组成部分，可以由许诺预测某地理区域未来的整体状况的服务供应商创建、集成、托管、维护、部署、管理、服务等。因此，本发明公开了一种部署、创建、整合、托管、维护和/或集成计算基础设施，包括将计算机可读代码集成到计算机系***90的过程，其中该代码与计算机***90相组合能够执行预测某地理区域未来的整体状况的方法。在另一实施例中，本发明提供一种基于订阅、广告和/或费用执行本发明的过程步骤的商业方法。就是说，服务供应商-如解决方案集成商-可能许诺允许用户预测某地理区域未来的整体状况。在这种情况下，服务供应商可以例如创建、维护、支持为一个或多个客户执行本发明的过程步骤的计算机基础设施。作为回报，服务供应商可以按订阅和/或费用协议收到付款，和/或服务供应商可以从向一个或多个第三方付款的广告内容的销售中收到付款。
尽管图5把计算机***90显示为特定的硬件和软件配置，所属技术领域的普通熟练人员应知道，可以用任何硬件和软件配置与图5的计算机***90协力用于上述目的。例如，存储器设备94和95可以是单一存储器设备的局部，而不是分立的存储器设备。
尽管已经为了说明的目的描述了本发明，对于所属技术领域的普通熟练人员来说，显然可以有许多修改和更改。因此，后附的权利要求书旨在包含所有落在本发明的真正精神和范围内这些修改和变化。
Claims (15)
1.一种位置状况预测方法，包含：
由计算***的计算机处理器从指定位置的用户实时接收与所述指定位置的未来状况相关联的指定未来时间范围；
由所述计算机处理器并发地从数据库中检索与所述指定位置的至少一个要素相关联的多个状况数据集，其中所述指定位置的至少一个要素包括与所述指定位置相关的一个建设项目；
由所述计算机处理器从数据库中实时检索包括所述指定位置的实时视频流；
由所述计算机处理器从多个传感器实时检索与所述指定位置的物理条件相关联的传感器的信息，所述传感器的信息包括传感器对热、光、声音、压力、磁性和/或特定运动物理刺激的反应；
由所述计算机处理器基于所述实时视频流和所述传感器的信息确定所述指定位置的与所述建设项目相关的实时状况；
由所述计算机处理器选择与预测所述至少一个要素的未来状况相关联的最佳拟合多项式方程；
通过由所述计算机处理器针对所述实时视频流、所述传感器信息、所述多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述至少一个要素的未来状况相关联的状况分数值；
由所述计算机处理器计算与所述状况分数值相关联的整体状况分数值，其中所述整体状况分数值包含所述状况分数值的汇总加权平均；
由所述计算机处理器向用户呈交所述整体状况分数值；
由所述计算机处理器根据所述实时视频流、所述传感器信息、和与所述至少一个要素的未来状况相关联的状况分数值模拟所述建设项目的变化；和
由所述计算机处理器向所述用户虚拟地呈现所述建设项目的变化。
2.按照权利要求1的方法，其中所述多个状况数据集包含与所述指定位置的所述至少一个要素的当前状况相关联的当前状况数据集。
3.按照权利要求1的方法，其中所述多个状况数据集包含与所述指定位置的所述至少一个要素的当前状况相关联的当前状况数据集和与所述指定位置的所述至少一个要素的先前状况相关联的以前状况数据集。
4.按照权利要求1的方法，其中所述指定位置包含指定地理区域，其中所述至少一个要素与所述指定地理区域内的多个位置相关联，并且其中所述整体状况分数值包含所述指定地理区域的单一整体状况分数值。
5.按照权利要求1的方法，其中所述指定位置包含指定地理区域内的单一位置，其中所述方法进一步包含：
由所述计算机处理器并发地从数据库中检索与所述指定地理区域的多个位置的另外多个要素相关联的另外多个状况数据集；
通过由所述计算机处理器针对所述另外多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述另外多个要素的未来状况相关联的另外的状况分数值；
由所述计算机处理器计算与所述另外的状况分数值和所述整体状况分数值相关联的整体地理位置状况分数值，其中所述整体地理位置状况分数值包含另外的状况分数值和所述整体状况分数值的汇总加权平均；和
由所述计算机处理器向用户呈交所述整体地理位置状况分数值。
6.按照权利要求1的方法，进一步包含：
由所述计算机处理器从所述用户接收描述与所述至少一个要素相关联的预期未来修改的修改数据；
由所述计算机处理器选择与所述至少一个要素的更新的未来状况相关联的更新的最佳拟合多项式方程；
通过由所述计算机处理器针对所述修改数据、多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述至少一个要素的更新的未来状况相关联的更新的状况分数值；
由所述计算机处理器计算与所述更新的状况分数值相关联的更新的整体状况分数值，其中所述更新的整体状况分数值包含所述更新的状况分数值的汇总加权平均值；和
由所述计算机处理器向用户呈交所述更新的整体状况分数值。
7.按照权利要求1的方法，进一步包含：
由所述计算机处理器确定与所述整体状况分数值相关联的置信水平值，其中所述置信水平是基于当前时间与所述指定未来时间范围之间消逝的时间期间的所述状况分数值的数量计算的；和
由所述计算机处理器向用户呈交所述置信水平值。
8.按照权利要求1的方法，进一步包含：提供用于在该计算***中创建、集成、托管、维护和部署计算机可读代码的至少之一的支持服务，所述代码由该计算机处理器执行，以实现所述接收、所述并发地检索、所述选择、所述并发地计算、所述计算和所述呈交。
9.一种计算机***，包含与计算机可读存储器单元耦合的计算机处理器，所述存储器单元包含在被该计算机处理器执行时实现一方法的指令，该方法包含：
由计算***的计算机处理器从指定位置的用户实时接收与所述指定位置的未来状况相关联的指定未来时间范围；
由所述计算机处理器并发地从数据库中检索与所述指定位置的至少一个要素相关联的多个状况数据集，其中所述指定位置的至少一个要素包括与所述指定位置相关的一个建设项目；
由所述计算机处理器从数据库中实时检索包括所述指定位置的实时视频流；
由所述计算机处理器从多个传感器实时检索与所述指定位置的物理条件相关联的传感器的信息，所述传感器的信息包括传感器对热、光、声音、压力、磁性和/或特定运动物理刺激的反应；
由所述计算机处理器基于所述实时视频流和所述传感器的信息确定所述指定位置的与所述建设项目相关的实时状况；
由所述计算机处理器选择与预测所述至少一个要素的未来状况相关联的最佳拟合多项式方程；
通过由所述计算机处理器针对所述实时视频流、所述传感器信息、所述多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述至少一个要素的未来状况相关联的状况分数值；
由所述计算机处理器计算与所述状况分数值相关联的整体状况分数值，其中所述整体状况分数值包含所述状况分数值的汇总加权平均；
由所述计算机处理器向用户呈交所述整体状况分数值；
由所述计算机处理器根据所述实时视频流、所述传感器信息、和与所述至少一个要素的未来状况相关联的状况分数值模拟所述建设项目的变化；和
由所述计算机处理器向所述用户虚拟地呈现所述建设项目的变化。
10.按照权利要求9的计算机***，其中所述多个状况数据集包含与所述指定位置的所述至少一个要素的当前状况相关联的当前状况数据集。
11.按照权利要求9的计算机***，其中所述多个状况数据集包含与所述指定位置的所述至少一个要素的当前状况相关联的当前状况数据集和与所述指定位置的所述至少一个要素的先前状况相关联的以前状况数据集。
12.按照权利要求9的计算机***，其中所述指定位置包含指定地理区域，其中所述至少一个要素与所述指定地理区域内的多个位置相关联，并且其中所述整体状况分数值包含所述指定地理区域的单一整体状况分数值。
13.按照权利要求9的计算机***，其中所述指定位置包含指定地理区域内的单一位置，其中所述方法进一步包含：
由所述计算机处理器并发地从数据库中检索与所述指定地理区域的多个位置的另外多个要素相关联的另外多个状况数据集；
由所述计算机处理器选择与预测所述至少一个要素的未来状况相关联的最佳拟合多项式方程；
通过由所述计算机处理器针对所述另外多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述另外多个要素的未来状况相关联的另外的状况分数值；
由所述计算机处理器计算与所述另外的状况分数值和所述状况分数值相关联的整体地理位置状况分数值，其中所述整体地理位置状况分数值包含另外的状况分数值和所述状况分数值的汇总加权平均；和
由所述计算机处理器向用户呈交所述整体地理位置状况分数值。
14.按照权利要求9的计算机***，其中所述方法进一步包含：
由所述计算机处理器从所述用户接收描述与所述至少一个要素相关联的预期未来修改的修改数据；
由所述计算机处理器选择与所述至少一个要素的更新的未来状况相关联的更新的最佳拟合多项式方程；
通过由所述计算机处理器针对所述修改数据、多个状况数据集和所述指定未来时间范围执行所述最佳拟合多项式方程，并发地计算与所述至少一个要素的更新的未来状况相关联的更新的状况分数值；
由所述计算机处理器计算与所述更新的状况分数值相关联的更新的整体状况分数值，其中所述更新的整体状况分数值包含所述更新的状况分数值的汇总加权平均值；和
由所述计算机处理器向用户呈交所述更新的整体状况分数值。
15.按照权利要求9的计算机***，其中所述方法进一步包含：
由所述计算机处理器确定与所述整体状况分数值相关联的置信水平值，其中所述置信水平是基于当前时间与所述指定未来时间范围之间消逝的时间期间的所述状况分数值的数量计算的；和
由所述计算机处理器向用户呈交所述置信水平值。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/620,353 US10012765B2 (en) | 2015-02-12 | 2015-02-12 | Geographical condition prediction |
| US14/620,353 | 2015-02-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105893455A CN105893455A (zh) | 2016-08-24 |
| CN105893455B true CN105893455B (zh) | 2019-09-10 |
Family
ID=56622325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610080983.3A Active CN105893455B (zh) | 2015-02-12 | 2016-02-05 | 用于预测位置状况的方法和计算机*** |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US10012765B2 (zh) |
| CN (1) | CN105893455B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107895328B (zh) * | 2017-10-31 | 2023-12-01 | 山东雅博科技股份有限公司 | 一种智慧屋面安全运营及风险预测***及其工作方法 |
| WO2019099023A1 (en) * | 2017-11-17 | 2019-05-23 | Google Llc | Locations impressions application programming interface |
| US10776695B1 (en) | 2019-03-08 | 2020-09-15 | Ai Concepts, Llc | Intelligent recognition and alert methods and systems |
| US11699078B2 (en) * | 2019-03-08 | 2023-07-11 | Ai Concepts, Llc | Intelligent recognition and alert methods and systems |
| WO2020250549A1 (ja) * | 2019-06-11 | 2020-12-17 | ソニー株式会社 | 情報処理装置、情報処理方法およびプログラム |
| WO2024020298A1 (en) * | 2022-07-18 | 2024-01-25 | Ai Concepts, Llc | Intelligent recognition and alert methods and systems |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6697103B1 (en) | 1998-03-19 | 2004-02-24 | Dennis Sunga Fernandez | Integrated network for monitoring remote objects |
| US20040153330A1 (en) * | 2003-02-05 | 2004-08-05 | Fidelity National Financial, Inc. | System and method for evaluating future collateral risk quality of real estate |
| US20130163823A1 (en) | 2006-04-04 | 2013-06-27 | Cyclops Technologies, Inc. | Image Capture and Recognition System Having Real-Time Secure Communication |
| JP5097077B2 (ja) | 2008-10-10 | 2012-12-12 | キヤノン株式会社 | 撮像装置及びその制御方法及びプログラム |
| US20140012720A1 (en) * | 2012-07-03 | 2014-01-09 | William H. O'Kane | Integrated property mortgage and property improvement loan application system and method |
-
2015
- 2015-02-12 US US14/620,353 patent/US10012765B2/en active Active
-
2016
- 2016-02-05 CN CN201610080983.3A patent/CN105893455B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| Divergent Pathways of Gentrification：Racial Inequality and the Social Order of Renewal in Chicago Neighborhoods;Jackelyn Hwang等;《American Sociological Review》;20140612;第726-751页 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10012765B2 (en) | 2018-07-03 |
| CN105893455A (zh) | 2016-08-24 |
| US20160239750A1 (en) | 2016-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105893455B (zh) | 用于预测位置状况的方法和计算机*** | |
| US11842416B2 (en) | Data collection, storage, and processing system using one or more inputs | |
| JP6770125B2 (ja) | 建築物改装に伴う損害防止の推定 | |
| US10719882B2 (en) | Systems and methods for certified location data collection, management, and utilization | |
| US9129219B1 (en) | Crime risk forecasting | |
| JP2020126670A (ja) | 情報処理装置、情報処理方法およびプログラム | |
| Corbane et al. | Pan-European seismic risk assessment: a proof of concept using the Earthquake Loss Estimation Routine (ELER) | |
| US20180150683A1 (en) | Systems, methods, and devices for information sharing and matching | |
| US11468377B2 (en) | System and method for creating a census hub in resource constrained regions | |
| Xu et al. | Web-based geospatial platform for the analysis and forecasting of sedimentation at culverts | |
| Liu et al. | Satellite image collection modeling for large area hazard emergency response | |
| Liu et al. | Optimizing large area coverage from multiple satellite-sensors | |
| JP7224133B2 (ja) | インフラ設備点検支援システム、インフラ設備点検支援方法及びプログラム | |
| Weaver et al. | Analysis of a multipronged community development initiative in two distressed neighbourhoods | |
| Surminski et al. | Current knowledge on relevant methodologies and data requirements as well as lessons learned and gaps identified at different levels, in assessing the risk of loss and damage associated with the adverse effects of climate change | |
| di Bella et al. | Smart Security: Integrated systems for security policies in urban environments | |
| Thomopoulos | Chapter Risk Assessment and Automated Anomaly Detection Using a Deep Learning Architecture | |
| KR102445142B1 (ko) | 인공지능 및 gis에 기반한 전기차충전소 입지의 분석 방법 및 장치 | |
| US20220261931A1 (en) | System and method for stormwater utility management | |
| Naqvi et al. | Street mapping, object detection and traffic load assessment from SVIs and field data using YOLOv3, machine learning and GIS | |
| DE102021122503A1 (de) | Analysieren von empfangenen daten und berechnen eines beschädigungsrisikos für ein paket für die zustellung | |
| KR102247674B1 (ko) | Ai를 활용한 교통량 계수 수행 프로그램 및 이의 동작 방법 | |
| US20160344827A1 (en) | Systems, Methods, and Devices for Information Sharing and Matching | |
| Tapia-McClung et al. | A Methodology for Defining Smart Camera Surveillance Locations in Urban Settings | |
| Heaton | GPS Monitoring Practices in Community Supervision and the Potential Impact of Advanced Analyticis |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211202 Address after: USA New York Patentee after: Qindarui Co. Address before: USA New York Patentee before: International Business Machines Corp. |
|
| TR01 | Transfer of patent right |