CN106504359A - 一种基于位置和运动状态的智能考勤***及其实现方法 - Google Patents
一种基于位置和运动状态的智能考勤***及其实现方法 Download PDFInfo
- Publication number
- CN106504359A CN106504359A CN201610962196.1A CN201610962196A CN106504359A CN 106504359 A CN106504359 A CN 106504359A CN 201610962196 A CN201610962196 A CN 201610962196A CN 106504359 A CN106504359 A CN 106504359A
- Authority
- CN
- China
- Prior art keywords
- mobile terminal
- attendance
- information
- itself
- kinestate
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于位置和运动状态的智能考勤***及其实现方法,其***,包括:GPS卫星模块、基站模块、Wi‑Fi模块、移动终端、考勤管理云平台;移动终端,根据GPS卫星模块提供的全球卫星定位导航***的信号,获得自身的GPS定位数据;根据不同基站信号通过三角法计算出自身的当前位置信息;根据Wi‑Fi模块提供的Wi‑Fi热点,获得自身的当前位置信息并计算自身的位移信息;考勤管理云平台,根据移动终端所提供的自身的当前位置信息和位移信息,对该用户进行智能考勤管理,从而解决外勤工作中的考勤管理有效性难题,不需要依赖额外投入,运用现在人人都有的移动终端,实现智能化的考勤管理,特别是可识别出存在的代打卡行为,杜绝了常用移动考勤管理中的漏洞。
Description
技术领域
本发明涉及智能考勤技术领域,尤其涉及一种基于位置和运动状态的智能考勤***及其实现方法。
背景技术
很多企事业单位的业务运作中,会涉及外勤环节,典型的如销售、巡查、维修等;这类企事业单位普遍存在对外勤人员管理的难点,是否按计划执行外勤工作?工作分派是否合理?一线信息如何快速掌握等诸如此类的问题。运用现有的移动互联网技术,提供一个有效的考勤管理***,是客户的迫切需求。
现有的考勤技术主要包括一卡通考勤***、手机位置+拍照上传考勤。
一卡通考勤***,一卡通采用当今最先进的感应射频卡“厂内***”进行企业内部的考勤、餐饮、购物等消费活动,彻底解决了传统打卡钟机械故障率高,数据大、计算复杂、管理难、漏洞多的弊端,是企业理想的管理工具。员工上下班的考勤刷卡,在企业刷卡地点安装考勤机,具体数量视打卡人数而定,打卡人员先到人事部办卡,由操作人员将考勤***、姓名等信息录入电脑;打卡时,只须将考勤卡在考勤机前一晃,考勤机便记录下该人员***及打卡时间,月末由操作人员将考勤数据传到PC机,通过考勤软件对数据进行分析计算,结果一目了然。
一卡通考勤***需要安装专用的考勤机,适合于工作地点固定的场所;对于外勤工作这类工作地点变动很大的,在所有可能的地点安装考勤机是不可能的事。
手机位置+拍照上传考勤,外勤人员可以随时利用手机上报位置打卡考勤,必要时可提交拍照;领导可以随时查看员工的考勤情况,请假、调休、出差、加班流程,随时可以通过手机审批;后台还可以实时统计考勤数据,考勤员再也不用为统计考勤数据而烦恼。考勤时利用定位技术,员工打卡时记录打卡位置,并可以与考勤点位置做对比。
手机位置+拍照上传的考勤结果需要专人管理审核,对于员工众多、外勤工作活动范围大的企事业单位,这就不是一件轻松的工作,了解各个员工的工作计划,比对考勤数据、主要是位置信息的数据以及现场照片,人工处理效率低、难以避免疏漏,对于代打卡考勤这种情况基本无法发现,而且可能存在人情请托这种情况发生。
发明内容
本发明要解决的技术问题是提供一种基于运动状态智能分析辅助定位的***及其实现方法。
本发明的目的在于提供一种基于运动状态智能分析辅助定位的***,包括:GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台;
所述GPS卫星模块,用于提供全球卫星定位导航***的信号;
所述基站模块,用于提供移动网络基站信号;
所述Wi-Fi模块,用于提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;
所述移动终端,用于根据所述GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,所述GPS定位数据包括自身的当前经纬度、海拔高度、速度信息;用于根据所述基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;用于根据所述Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;用于与所述考勤管理云平台交互完成混合定位;以及用于计算自身的位移信息,并提供所述计算得到的自身的位移信息到所述考勤管理云平台;
所述考勤管理云平台,用于根据所述移动终端所提供的自身的当前位置信息,与所述移动终端交互完成混合定位;以及用于根据所述混合定位信息和所述移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理。
其中,所述移动终端,包括加速度传感器,用于计算所述移动终端的位移信息,并提供所述计算得到的所述移动终端的位移信息到所述考勤管理云平台。
其中,所述加速度传感器,用于计算所述移动终端的位移信息,包括:
用于测量出所有施加在所述移动终端上的力所产生的加速度的负值包括重力加速度,加速度所使用的单位是m/sec^2,数值是加速度的负值;
SensorEvent.values[0]:加速度在X轴的负值;
SensorEvent.values[1]:加速度在Y轴的负值
SensorEvent.values[2]:加速度在Z轴的负值;
记录sqrt(X^2+Y^2+Z^2);
通过记录对比加速度感应的变化,判断出所述移动终端处于静止或者运动状态,计算出所述移动终端的位移信息,判断出用户的运动状态包括静止、步行、乘车。
其中,所述考勤管理云平台,用于根据所述混合定位信息和所述移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理,包括:
所述考勤管理云平台,用于根据所述混合定位信息和所述移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据;
对比同样工作其他员工的考勤数据,包括位置信息和运动状态;对比所述移动终端的用户以往的考勤数据,包括位置信息和运动状态;
对于同样的工作,导入上述数据采用K均值聚类算法找出其存在的聚类,不同的工作地点会出现同样数量的不同的聚类,出现异常的聚类则判断为没有正常完成考勤工作,一致的数据点则判断为是代打卡。
其中,所述考勤管理云平台,采用K均值聚类算法找出其存在的聚类,包括:
初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心,设定迭代中止条件包括最大循环次数或者聚类中心收敛误差容限;
进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;
更新聚类中心,以每一类的平均向量作为新的聚类中心,重新分配数据对象;
反复执行进行迭代和更新聚类中心的过程,直至满足中止条件;
评价标准:
所述评价标准包括M个数据源,C个聚类中心,μc为聚类中心,所述评价标准包括将每个类中的数据与每个聚类中心做差的平方和,J最小时分割的效果最好。
本发明的目的在于还提供一种基于位置和运动状态的智能考勤***的实现方法,所述基于位置和运动状态的智能考勤***包括GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台,其特征在于,包括:
GPS卫星模块提供全球卫星定位导航***的信号,所述基站模块提供移动网络基站信号,Wi-Fi模块提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;
移动终端根据GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,所述GPS定位数据包括自身的当前经纬度、海拔高度、速度信息;根据基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;根据Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;与混合定位云平台交互完成混合定位;以及计算自身的位移信息,并提供所述计算得到的自身的位移信息到考勤管理云平台;
混合定位云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位;以及根据所述混合定位信息和移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理。
其中,所述在考勤管理云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位之前,还包括:
移动终端包括加速度传感器,加速度传感器计算移动终端的位移信息,并提供所述计算得到的移动终端的位移信息到考勤管理云平台。
其中,所述加速度传感器计算移动终端的位移信息,包括:
测量出所有施加在移动终端上的力所产生的加速度的负值包括重力加速度,加速度所使用的单位是m/sec^2,数值是加速度的负值;
SensorEvent.values[0]:加速度在X轴的负值;
SensorEvent.values[1]:加速度在Y轴的负值
SensorEvent.values[2]:加速度在Z轴的负值;
记录sqrt(X^2+Y^2+Z^2);
通过记录对比加速度感应的变化,判断出移动终端处于静止或者运动状态,计算出移动终端的位移信息,判断出用户的运动状态包括静止、步行、乘车。
其中,所述考勤管理云平台根据所述混合定位信息和移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理,包括:
所述考勤管理云平台根据所述混合定位信息和移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据;
对比同样工作其他员工的考勤数据,包括位置信息和运动状态;对比所述移动终端的用户以往的考勤数据,包括位置信息和运动状态;
对于同样的工作,导入上述数据采用K均值聚类算法找出其存在的聚类,不同的工作地点会出现同样数量的不同的聚类,出现异常的聚类则判断为没有正常完成考勤工作,一致的数据点则判断为是代打卡。
其中,所述考勤管理云平台采用K均值聚类算法找出其存在的聚类,包括:
初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心,设定迭代中止条件包括最大循环次数或者聚类中心收敛误差容限;
进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;
更新聚类中心,以每一类的平均向量作为新的聚类中心,重新分配数据对象;
反复执行进行迭代和更新聚类中心的过程,直至满足中止条件;
评价标准:
所述评价标准包括M个数据源,C个聚类中心,μc为聚类中心,所述评价标准包括将每个类中的数据与每个聚类中心做差的平方和,J最小时分割的效果最好。
本发明提供的基于位置和运动状态的智能考勤***,包括:GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台;GPS卫星模块,用于提供全球卫星定位导航***的信号;基站模块,用于提供移动网络基站信号;Wi-Fi模块,用于提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;移动终端,用于根据GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,该GPS定位数据包括自身的当前经纬度、海拔高度、速度等信息;用于根据基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;用于根据Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;用于与考勤管理云平台交互完成混合定位;以及用于计算自身的位移信息,并提供该计算得到的自身的位移信息到考勤管理云平台;考勤管理云平台,用于根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位;以及用于根据该混合定位信息和移动终端所提供的自身的位移信息,获取该移动终端的用户的考勤数据,对该用户进行智能考勤管理;本发明提供的基于位置和运动状态的智能考勤***利用基于位置和运动状态的智能考勤技术,解决外勤工作中的考勤管理有效性难题,并且不需要依赖于大量的额外投入,运用现在几乎人人都有的移动终端如智能手机,实现了智能化的考勤管理,特别是可以识别出存在的代打卡行为,杜绝了常用移动考勤管理中的漏洞。
本发明提供的基于位置和运动状态的智能考勤***的实现方法,该基于位置和运动状态的智能考勤***包括GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台,本发明基于位置和运动状态的智能考勤***的实现方法,包括:GPS卫星模块提供全球卫星定位导航***的信号,基站模块提供移动网络基站信号,Wi-Fi模块提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;移动终端根据GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,该GPS定位数据包括自身的当前经纬度、海拔高度、速度等信息;根据基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;根据Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;与考勤管理云平台交互完成混合定位;以及计算自身的位移信息,并提供该计算得到的自身的位移信息到考勤管理云平台;考勤管理云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位;以及根据该混合定位信息和移动终端所提供的自身的位移信息,获取该移动终端的用户的考勤数据,对该用户进行智能考勤管理;本发明提供的基于位置和运动状态的智能考勤***的实现方法利用基于位置和运动状态的智能考勤技术,解决外勤工作中的考勤管理有效性难题,并且不需要依赖于大量的额外投入,运用现在几乎人人都有的移动终端如智能手机,实现了智能化的考勤管理,特别是可以识别出存在的代打卡行为,杜绝了常用移动考勤管理中的漏洞。
附图说明
图1,为本发明基于位置和运动状态的智能考勤***的示意图;
图2,为加速度传感器计算移动终端的位移信息的示意图;
图3,为本发明基于位置和运动状态的智能考勤***的实现方法的示意图。
具体实施方式
本发明提供一种基于位置和运动状态的智能考勤***及其实现方法,应用于智能考勤技术领域,本发明基于位置和运动状态的智能考勤***,包括:GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台;GPS卫星模块,用于提供全球卫星定位导航***的信号;基站模块,用于提供移动网络基站信号;Wi-Fi模块,用于提供Wi-Fi热点的服务集标识符(SSID)和媒体访问控制(MAC)地址信息;移动终端,用于根据GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,该GPS定位数据包括自身的当前经纬度、海拔高度、速度等信息;用于根据基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;用于根据Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;用于与考勤管理云平台交互完成混合定位;以及用于计算自身的位移信息,并提供该计算得到的自身的位移信息到考勤管理云平台;考勤管理云平台,用于根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位;以及用于根据该混合定位信息和移动终端所提供的自身的位移信息,获取该移动终端的用户的考勤数据,对该用户进行智能考勤管理;本发明提供的基于位置和运动状态的智能考勤***利用基于位置和运动状态的智能考勤技术,解决外勤工作中的考勤管理有效性难题,并且不需要依赖于大量的额外投入,运用现在几乎人人都有的移动终端如智能手机,实现了智能化的考勤管理,特别是可以识别出存在的代打卡行为,杜绝了常用移动考勤管理中的漏洞。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种基于位置和运动状态的智能考勤***。
请参见图1,图1为本发明基于位置和运动状态的智能考勤***的示意图,本发明基于位置和运动状态的智能考勤***10,包括:GPS卫星模块101、基站模块102、Wi-Fi模块103、移动终端104、考勤管理云平台105;
GPS卫星模块101,用于提供全球卫星定位导航***的信号;
基站模块102,用于提供移动网络基站信号;
Wi-Fi模块103,用于提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;
移动终端104,用于根据GPS卫星模块101提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,该GPS定位数据包括自身的当前经纬度、海拔高度、速度等信息;用于根据基站模块102提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;用于根据Wi-Fi模块103提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;用于与考勤管理云平台105交互完成混合定位;以及用于计算自身的位移信息,并提供该计算得到的自身的位移信息到考勤管理云平台105;
考勤管理云平台105,用于根据移动终端104所提供的自身的当前位置信息,与移动终端104交互完成混合定位;以及用于根据该混合定位信息和移动终端104所提供的自身的位移信息,获取该移动终端104的用户的考勤数据,对该用户进行智能考勤管理。
其中,移动终端104,包括加速度传感器(图中标标示),用于计算移动终端104的位移信息,并提供该计算得到的移动终端104的位移信息到考勤管理云平台105。
其中,请参见图2,图2为加速度传感器计算移动终端104的位移信息的示意图,加速度传感器,用于计算移动终端104的位移信息,包括:
用于测量出所有施加在移动终端104上的力所产生的加速度的负值包括重力加速度,加速度所使用的单位是m/sec^2,数值是加速度的负值;
SensorEvent.values[0]:加速度在X轴的负值;
SensorEvent.values[1]:加速度在Y轴的负值
SensorEvent.values[2]:加速度在Z轴的负值;
记录sqrt(X^2+Y^2+Z^2);
通过记录对比加速度感应的变化,判断出移动终端104处于静止或者运动状态,计算出移动终端104的位移信息,判断出用户的运动状态包括静止、步行、乘车等。
其中,考勤管理云平台105,用于根据该混合定位信息和移动终端104所提供的自身的位移信息,获取该移动终端104的用户的考勤数据,对该用户进行智能考勤管理,包括:
考勤管理云平台105,用于根据该混合定位信息和移动终端104所提供的自身的位移信息,获取该移动终端104的用户的考勤数据;
对比同样工作其他员工的考勤数据,包括位置信息和运动状态;对比该移动终端104的用户以往的考勤数据,包括位置信息和运动状态;
对于同样的工作,导入上述数据采用K均值聚类算法找出其存在的聚类,不同的工作地点会出现同样数量的不同的聚类,出现异常的聚类则判断为没有正常完成考勤工作,一致的数据点则判断为是代打卡。
其中,考勤管理云平台105,采用K均值聚类算法找出其存在的聚类,包括:
初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心,设定迭代中止条件包括最大循环次数或者聚类中心收敛误差容限等;
进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;
更新聚类中心,以每一类的平均向量作为新的聚类中心,重新分配数据对象;
反复执行进行迭代和更新聚类中心的过程,直至满足中止条件;
评价标准:
该评价标准包括M个数据源,C个聚类中心,μc为聚类中心,该评价标准包括将每个类中的数据与每个聚类中心做差的平方和,J最小时分割的效果最好。
其中,移动终端104,包括:手机、平板电脑等。
本发明还提供一种基于位置和运动状态的智能考勤***的实现方法。
请参见图3,图3为本发明基于位置和运动状态的智能考勤***的实现方法的示意图,该基于位置和运动状态的智能考勤***包括GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台,本发明基于位置和运动状态的智能考勤***的实现方法,包括:
S31、GPS卫星模块提供全球卫星定位导航***的信号,基站模块提供移动网络基站信号,Wi-Fi模块提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;
S32、移动终端根据GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,该GPS定位数据包括自身的当前经纬度、海拔高度、速度等信息;根据基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;根据Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;与考勤管理云平台交互完成混合定位;以及计算自身的位移信息,并提供该计算得到的自身的位移信息到考勤管理云平台;
S33、考勤管理云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位;以及根据该混合定位信息和移动终端所提供的自身的位移信息,获取该移动终端的用户的考勤数据,对该用户进行智能考勤管理。
其中,在考勤管理云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位之前,还包括:
移动终端包括加速度传感器,加速度传感器计算移动终端的位移信息,并提供该计算得到的移动终端的位移信息到考勤管理云平台。
其中,加速度传感器计算移动终端的位移信息,包括:
测量出所有施加在移动终端104上的力所产生的加速度的负值包括重力加速度,加速度所使用的单位是m/sec^2,数值是加速度的负值;
SensorEvent.values[0]:加速度在X轴的负值;
SensorEvent.values[1]:加速度在Y轴的负值
SensorEvent.values[2]:加速度在Z轴的负值;
记录sqrt(X^2+Y^2+Z^2);
通过记录对比加速度感应的变化,判断出移动终端104处于静止或者运动状态,计算出移动终端104的位移信息,判断出用户的运动状态包括静止、步行、乘车等。
其中,考勤管理云平台根据该混合定位信息和移动终端所提供的自身的位移信息,获取该移动终端的用户的考勤数据,对该用户进行智能考勤管理,包括:
考勤管理云平台根据该混合定位信息和移动终端所提供的自身的位移信息,获取该移动终端的用户的考勤数据;
对比同样工作其他员工的考勤数据,包括位置信息和运动状态;对比该移动终端的用户以往的考勤数据,包括位置信息和运动状态;
对于同样的工作,导入上述数据采用K均值聚类算法找出其存在的聚类,不同的工作地点会出现同样数量的不同的聚类,出现异常的聚类则判断为没有正常完成考勤工作,一致的数据点则判断为是代打卡。
其中,考勤管理云平台采用K均值聚类算法找出其存在的聚类,包括:
初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心,设定迭代中止条件包括最大循环次数或者聚类中心收敛误差容限等;
进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;
更新聚类中心,以每一类的平均向量作为新的聚类中心,重新分配数据对象;
反复执行进行迭代和更新聚类中心的过程,直至满足中止条件;
评价标准:
该评价标准包括M个数据源,C个聚类中心,μc为聚类中心,该评价标准包括将每个类中的数据与每个聚类中心做差的平方和,J最小时分割的效果最好。
其中,移动终端,包括:手机、平板电脑等。
本发明提供的基于位置和运动状态的智能考勤***10,包括:GPS卫星模块101、基站模块102、Wi-Fi模块103、移动终端104、考勤管理云平台105;GPS卫星模块101,用于提供全球卫星定位导航***的信号;基站模块102,用于提供移动网络基站信号;Wi-Fi模块103,用于提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;移动终端104,用于根据GPS卫星模块101提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,该GPS定位数据包括自身的当前经纬度、海拔高度、速度等信息;用于根据基站模块102提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;用于根据Wi-Fi模块103提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;用于与考勤管理云平台105交互完成混合定位;以及用于计算自身的位移信息,并提供该计算得到的自身的位移信息到考勤管理云平台105;考勤管理云平台105,用于根据移动终端104所提供的自身的当前位置信息,与移动终端104交互完成混合定位;以及用于根据该混合定位信息和移动终端104所提供的自身的位移信息,获取该移动终端104的用户的考勤数据,对该用户进行智能考勤管理;本发明提供的基于位置和运动状态的智能考勤***10利用基于位置和运动状态的智能考勤技术,解决外勤工作中的考勤管理有效性难题,并且不需要依赖于大量的额外投入,运用现在几乎人人都有的移动终端如智能手机,实现了智能化的考勤管理,特别是可以识别出存在的代打卡行为,杜绝了常用移动考勤管理中的漏洞。
本发明提供的基于位置和运动状态的智能考勤***的实现方法,该基于位置和运动状态的智能考勤***包括GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台,本发明基于位置和运动状态的智能考勤***的实现方法,包括:GPS卫星模块提供全球卫星定位导航***的信号,基站模块提供移动网络基站信号,Wi-Fi模块提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;移动终端根据GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,该GPS定位数据包括自身的当前经纬度、海拔高度、速度等信息;根据基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;根据Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;与考勤管理云平台交互完成混合定位;以及计算自身的位移信息,并提供该计算得到的自身的位移信息到考勤管理云平台;考勤管理云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位;以及根据该混合定位信息和移动终端所提供的自身的位移信息,获取该移动终端的用户的考勤数据,对该用户进行智能考勤管理;本发明提供的基于位置和运动状态的智能考勤***的实现方法利用基于位置和运动状态的智能考勤技术,解决外勤工作中的考勤管理有效性难题,并且不需要依赖于大量的额外投入,运用现在几乎人人都有的移动终端如智能手机,实现了智能化的考勤管理,特别是可以识别出存在的代打卡行为,杜绝了常用移动考勤管理中的漏洞。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。而且,术语“包含”、“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一***要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个、、、、、、”限定的要素,并不排除在包括所述要素的过程、方法、物品、设备或者装置中还存在另外的相同要素。
对于本发明基于位置和运动状态的智能考勤***及其实现方法,实现的形式是多种多样的。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于位置和运动状态的智能考勤***,其特征在于,包括:
GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台;
所述GPS卫星模块,用于提供全球卫星定位导航***的信号;
所述基站模块,用于提供移动网络基站信号;
所述Wi-Fi模块,用于提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;
所述移动终端,用于根据所述GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,所述GPS定位数据包括自身的当前经纬度、海拔高度、速度信息;用于根据所述基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;用于根据所述Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;用于与所述考勤管理云平台交互完成混合定位;以及用于计算自身的位移信息,并提供所述计算得到的自身的位移信息到所述考勤管理云平台;
所述考勤管理云平台,用于根据所述移动终端所提供的自身的当前位置信息,与所述移动终端交互完成混合定位;以及用于根据所述混合定位信息和所述移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理。
2.如权利要求1所述的基于位置和运动状态的智能考勤***,其特征在于,所述移动终端,包括加速度传感器,用于计算所述移动终端的位移信息,并提供所述计算得到的所述移动终端的位移信息到所述考勤管理云平台。
3.如权利要求2所述的基于位置和运动状态的智能考勤***,其特征在于,所述加速度传感器,用于计算所述移动终端的位移信息,包括:
用于测量出所有施加在所述移动终端上的力所产生的加速度的负值包括重力加速度,加速度所使用的单位是m/sec^2,数值是加速度的负值;
SensorEvent.values[0]:加速度在X轴的负值;
SensorEvent.values[1]:加速度在Y轴的负值
SensorEvent.values[2]:加速度在Z轴的负值;
记录sqrt(X^2+Y^2+Z^2);
通过记录对比加速度感应的变化,判断出所述移动终端处于静止或者运动状态,计算出所述移动终端的位移信息,判断出用户的运动状态包括静止、步行、乘车。
4.如权利要求1或3所述的基于位置和运动状态的智能考勤***,其特征在于,所述考勤管理云平台,用于根据所述混合定位信息和所述移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理,包括:
所述考勤管理云平台,用于根据所述混合定位信息和所述移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据;
对比同样工作其他员工的考勤数据,包括位置信息和运动状态;对比所述移动终端的用户以往的考勤数据,包括位置信息和运动状态;
对于同样的工作,导入上述数据采用K均值聚类算法找出其存在的聚类,不同的工作地点会出现同样数量的不同的聚类,出现异常的聚类则判断为没有正常完成考勤工作,一致的数据点则判断为是代打卡。
5.如权利要求4所述的基于位置和运动状态的智能考勤***,其特征在于,所述考勤管理云平台,采用K均值聚类算法找出其存在的聚类,包括:
初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心,设定迭代中止条件包括最大循环次数或者聚类中心收敛误差容限;
进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;
更新聚类中心,以每一类的平均向量作为新的聚类中心,重新分配数据对象;
反复执行进行迭代和更新聚类中心的过程,直至满足中止条件;
评价标准:
所述评价标准包括M个数据源,C个聚类中心,μc为聚类中心,所述评价标准包括将每个类中的数据与每个聚类中心做差的平方和,J最小时分割的效果最好。
6.一种基于位置和运动状态的智能考勤***的实现方法,所述基于位置和运动状态的智能考勤***包括GPS卫星模块、基站模块、Wi-Fi模块、移动终端、考勤管理云平台,其特征在于,包括:
GPS卫星模块提供全球卫星定位导航***的信号,所述基站模块提供移动网络基站信号,Wi-Fi模块提供Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息;
移动终端根据GPS卫星模块提供的全球卫星定位导航***的信号,获得一个自身的GPS定位数据,所述GPS定位数据包括自身的当前经纬度、海拔高度、速度信息;根据基站模块提供的移动网络基站信号,根据不同基站信号通过三角法计算出自身的当前位置信息;根据Wi-Fi模块提供的Wi-Fi热点的服务集标识符SSID和媒体访问控制MAC地址信息,获得自身的当前位置信息;与混合定位云平台交互完成混合定位;以及计算自身的位移信息,并提供所述计算得到的自身的位移信息到考勤管理云平台;
混合定位云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位;以及根据所述混合定位信息和移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理。
7.如权利要求6所述的基于位置和运动状态的智能考勤***的实现方法,其特征在于,所述在考勤管理云平台根据移动终端所提供的自身的当前位置信息,与移动终端交互完成混合定位之前,还包括:
移动终端包括加速度传感器,加速度传感器计算移动终端的位移信息,并提供所述计算得到的移动终端的位移信息到考勤管理云平台。
8.如权利要求6所述的基于位置和运动状态的智能考勤***的实现方法,其特征在于,所述加速度传感器计算移动终端的位移信息,包括:
测量出所有施加在移动终端上的力所产生的加速度的负值包括重力加速度,加速度所使用的单位是m/sec^2,数值是加速度的负值;
SensorEvent.values[0]:加速度在X轴的负值;
SensorEvent.values[1]:加速度在Y轴的负值
SensorEvent.values[2]:加速度在Z轴的负值;
记录sqrt(X^2+Y^2+Z^2);
通过记录对比加速度感应的变化,判断出移动终端处于静止或者运动状态,计算出移动终端的位移信息,判断出用户的运动状态包括静止、步行、乘车。
9.如权利要求6或8所述的基于位置和运动状态的智能考勤***的实现方法,其特征在于,所述考勤管理云平台根据所述混合定位信息和移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据,对所述用户进行智能考勤管理,包括:
所述考勤管理云平台根据所述混合定位信息和移动终端所提供的自身的位移信息,获取所述移动终端的用户的考勤数据;
对比同样工作其他员工的考勤数据,包括位置信息和运动状态;对比所述移动终端的用户以往的考勤数据,包括位置信息和运动状态;
对于同样的工作,导入上述数据采用K均值聚类算法找出其存在的聚类,不同的工作地点会出现同样数量的不同的聚类,出现异常的聚类则判断为没有正常完成考勤工作,一致的数据点则判断为是代打卡。
10.如权利要求9所述的基于位置和运动状态的智能考勤***的实现方法,其特征在于,所述考勤管理云平台采用K均值聚类算法找出其存在的聚类,包括:
初始化,输入基因表达矩阵作为对象集X,输入指定聚类类数N,并在X中随机选取N个对象作为初始聚类中心,设定迭代中止条件包括最大循环次数或者聚类中心收敛误差容限;
进行迭代,根据相似度准则将数据对象分配到最接近的聚类中心,从而形成一类,初始化隶属度矩阵;
更新聚类中心,以每一类的平均向量作为新的聚类中心,重新分配数据对象;
反复执行进行迭代和更新聚类中心的过程,直至满足中止条件;
评价标准:
所述评价标准包括M个数据源,C个聚类中心,μc为聚类中心,所述评价标准包括将每个类中的数据与每个聚类中心做差的平方和,J最小时分割的效果最好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610962196.1A CN106504359B (zh) | 2016-10-28 | 2016-10-28 | 一种基于位置和运动状态的智能考勤***及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610962196.1A CN106504359B (zh) | 2016-10-28 | 2016-10-28 | 一种基于位置和运动状态的智能考勤***及其实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106504359A true CN106504359A (zh) | 2017-03-15 |
CN106504359B CN106504359B (zh) | 2020-03-17 |
Family
ID=58322613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610962196.1A Active CN106504359B (zh) | 2016-10-28 | 2016-10-28 | 一种基于位置和运动状态的智能考勤***及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504359B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952358A (zh) * | 2017-03-20 | 2017-07-14 | 昆山登云科技职业学院 | 签到管理*** |
CN107316350A (zh) * | 2017-07-07 | 2017-11-03 | 成都恒高科技有限公司 | 一种基于定位***的考勤作弊行为检测方法 |
CN107370837A (zh) * | 2017-09-14 | 2017-11-21 | 深圳市小亿网络有限公司 | 一种基于地理位置的服务签到方法及*** |
CN108537510A (zh) * | 2018-03-16 | 2018-09-14 | 湖北乐叮企业孵化器有限公司 | 一种孵化器管理*** |
CN108805307A (zh) * | 2018-04-13 | 2018-11-13 | 荆门品创通信科技有限公司 | 一种多功能孵化器大楼会客管理*** |
CN109118603A (zh) * | 2018-07-25 | 2019-01-01 | 天津鑫恩华创业服务有限公司 | 基于产业孵化器管理***的智能打卡方法及装置 |
CN109547624A (zh) * | 2017-09-22 | 2019-03-29 | 高德信息技术有限公司 | 一种运动状态检测方法及装置 |
CN110008856A (zh) * | 2019-03-20 | 2019-07-12 | 联想(北京)有限公司 | 定位方法和电子设备 |
CN110111062A (zh) * | 2018-09-03 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 一种基于大数据的伪装考勤场景识别方法及装置 |
CN112053458A (zh) * | 2020-09-30 | 2020-12-08 | Oppo广东移动通信有限公司 | 打卡记录生成方法及相关装置 |
CN112991568A (zh) * | 2021-02-08 | 2021-06-18 | 南昌市合迅科技有限公司 | 一种基于北斗定位的考勤数据获取方法及*** |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115062197A (zh) * | 2022-06-30 | 2022-09-16 | 北京瑞莱智慧科技有限公司 | 考勤数据检测方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120161971A1 (en) * | 2010-12-22 | 2012-06-28 | Verizon Patent And Licensing, Inc. | Automated attendance tracking and event notification |
CN102592161A (zh) * | 2011-01-06 | 2012-07-18 | 深圳市合智创盈电子有限公司 | 电子工牌及基于电子工牌的出勤管理*** |
CN103426208A (zh) * | 2013-08-23 | 2013-12-04 | 上海同城信息科技有限公司 | 基于WiFi信号的手机考勤*** |
CN104036360A (zh) * | 2014-06-19 | 2014-09-10 | 中国科学院软件研究所 | 一种基于磁卡考勤行为的用户数据处理***及处理方法 |
CN104282050A (zh) * | 2013-07-13 | 2015-01-14 | 海南大学 | 基于智能手机数字证书和时间位置验证的考勤*** |
CN105472737A (zh) * | 2015-12-31 | 2016-04-06 | 上海华为技术有限公司 | 一种终端定位方法及服务器 |
CN105869224A (zh) * | 2015-01-19 | 2016-08-17 | 北京艾博纳信息技术有限公司 | 一种基于智能终端 wlan 的课堂签到方法和*** |
-
2016
- 2016-10-28 CN CN201610962196.1A patent/CN106504359B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120161971A1 (en) * | 2010-12-22 | 2012-06-28 | Verizon Patent And Licensing, Inc. | Automated attendance tracking and event notification |
CN102592161A (zh) * | 2011-01-06 | 2012-07-18 | 深圳市合智创盈电子有限公司 | 电子工牌及基于电子工牌的出勤管理*** |
CN104282050A (zh) * | 2013-07-13 | 2015-01-14 | 海南大学 | 基于智能手机数字证书和时间位置验证的考勤*** |
CN103426208A (zh) * | 2013-08-23 | 2013-12-04 | 上海同城信息科技有限公司 | 基于WiFi信号的手机考勤*** |
CN104036360A (zh) * | 2014-06-19 | 2014-09-10 | 中国科学院软件研究所 | 一种基于磁卡考勤行为的用户数据处理***及处理方法 |
CN105869224A (zh) * | 2015-01-19 | 2016-08-17 | 北京艾博纳信息技术有限公司 | 一种基于智能终端 wlan 的课堂签到方法和*** |
CN105472737A (zh) * | 2015-12-31 | 2016-04-06 | 上海华为技术有限公司 | 一种终端定位方法及服务器 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952358A (zh) * | 2017-03-20 | 2017-07-14 | 昆山登云科技职业学院 | 签到管理*** |
CN107316350A (zh) * | 2017-07-07 | 2017-11-03 | 成都恒高科技有限公司 | 一种基于定位***的考勤作弊行为检测方法 |
CN107316350B (zh) * | 2017-07-07 | 2019-07-05 | 成都四相致新科技有限公司 | 一种基于定位***的考勤作弊行为检测方法 |
CN107370837B (zh) * | 2017-09-14 | 2020-10-09 | 深圳市小亿网络有限公司 | 一种基于地理位置的服务签到方法及*** |
CN107370837A (zh) * | 2017-09-14 | 2017-11-21 | 深圳市小亿网络有限公司 | 一种基于地理位置的服务签到方法及*** |
CN109547624B (zh) * | 2017-09-22 | 2021-01-29 | 阿里巴巴(中国)有限公司 | 一种运动状态检测方法及装置 |
CN109547624A (zh) * | 2017-09-22 | 2019-03-29 | 高德信息技术有限公司 | 一种运动状态检测方法及装置 |
CN108537510A (zh) * | 2018-03-16 | 2018-09-14 | 湖北乐叮企业孵化器有限公司 | 一种孵化器管理*** |
CN108805307A (zh) * | 2018-04-13 | 2018-11-13 | 荆门品创通信科技有限公司 | 一种多功能孵化器大楼会客管理*** |
CN109118603A (zh) * | 2018-07-25 | 2019-01-01 | 天津鑫恩华创业服务有限公司 | 基于产业孵化器管理***的智能打卡方法及装置 |
CN109118603B (zh) * | 2018-07-25 | 2021-08-31 | 天津鑫恩华创业服务有限公司 | 基于产业孵化器管理***的智能打卡方法及装置 |
CN110111062A (zh) * | 2018-09-03 | 2019-08-09 | 中国平安人寿保险股份有限公司 | 一种基于大数据的伪装考勤场景识别方法及装置 |
CN110008856A (zh) * | 2019-03-20 | 2019-07-12 | 联想(北京)有限公司 | 定位方法和电子设备 |
CN110008856B (zh) * | 2019-03-20 | 2021-08-17 | 联想(北京)有限公司 | 定位方法和电子设备 |
CN112053458A (zh) * | 2020-09-30 | 2020-12-08 | Oppo广东移动通信有限公司 | 打卡记录生成方法及相关装置 |
CN112053458B (zh) * | 2020-09-30 | 2022-06-07 | Oppo广东移动通信有限公司 | 打卡记录生成方法及相关装置 |
CN112991568A (zh) * | 2021-02-08 | 2021-06-18 | 南昌市合迅科技有限公司 | 一种基于北斗定位的考勤数据获取方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106504359B (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504359A (zh) | 一种基于位置和运动状态的智能考勤***及其实现方法 | |
TWI647628B (zh) | 利用基於位置的資訊來影響商業工作流程的方法和系統以及電腦程式產品 | |
Jiang et al. | A labor consumption measurement system based on real-time tracking technology for dam construction site | |
CN105975721A (zh) | 事故重现碰撞仿真建立方法及基于车辆实时运动状态的事故重现碰撞仿真方法 | |
US20200098041A1 (en) | Determining attribution for an electronic credit application | |
CN111210201B (zh) | 职业标签建立方法、装置、电子设备及存储介质 | |
CN107783979A (zh) | 里程桩信息制作方法及装置、地理信息采集设备及导航芯片 | |
CN114691932A (zh) | 用于生成合成数据的***、方法和计算机程序产品 | |
CN109102324A (zh) | 模型训练方法、基于模型的红包物料铺设预测方法及装置 | |
CN111698645A (zh) | 位置信息获取方法、装置、计算机设备及存储介质 | |
CN103678925A (zh) | 基于辅助信源的航迹分类方法 | |
CN117252340A (zh) | 一种基于卫星数据确权的土地延包网签*** | |
Gavanas et al. | Integration of LUTI models into sustainable urban mobility plans (SUMPs) | |
Ríos-Aguilar et al. | A mobile business information system for the control of local and remote workforce through reactive and behavior-based monitoring | |
CN115034686A (zh) | 作业行为量化方法、装置、计算机设备和存储介质 | |
CN110765226A (zh) | 货主匹配方法、装置、设备和介质 | |
CN115860562A (zh) | 一种软件工作量合理性评判方法、装置及设备 | |
CN205787135U (zh) | Gps静态观测数据质量实时检测*** | |
Yadav et al. | Function point based estimation of effort and cost in agile software development | |
CN109118603B (zh) | 基于产业孵化器管理***的智能打卡方法及装置 | |
Li et al. | Carbon dioxide emission evaluation in construction operations using DES: A case study of carwash construction | |
Sánchez et al. | Probabilistic time‐driven activity‐based costing | |
CN109978637B (zh) | ***防抽逃方法 | |
Abouorban et al. | A Framework Approach to Utilize Real-Time Spatial Labor Data from Construction Sites | |
Sivakumar et al. | Client Management with Finger Printing and GPS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |