CN111178945B - 果品价格的时空聚集可视化分析方法及装置 - Google Patents
果品价格的时空聚集可视化分析方法及装置 Download PDFInfo
- Publication number
- CN111178945B CN111178945B CN201911296338.5A CN201911296338A CN111178945B CN 111178945 B CN111178945 B CN 111178945B CN 201911296338 A CN201911296338 A CN 201911296338A CN 111178945 B CN111178945 B CN 111178945B
- Authority
- CN
- China
- Prior art keywords
- space
- time
- price
- fruit
- analysis
- 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
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 233
- 238000004458 analytical method Methods 0.000 title claims abstract description 137
- 230000002776 aggregation Effects 0.000 title claims abstract description 76
- 238000004220 aggregation Methods 0.000 title claims abstract description 76
- 230000000007 visual effect Effects 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 79
- 238000004519 manufacturing process Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 50
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000009826 distribution Methods 0.000 claims description 17
- 238000012800 visualization Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 235000013569 fruit product Nutrition 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 235000021022 fresh fruits Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 244000241257 Cucumis melo Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
- G06Q30/0284—Time or distance, e.g. usage of parking meters or taximeters
Landscapes
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种果品价格的时空聚集可视化分析方法及装置,该方法包括:获取果品市场的位置信息和果品价格;获取果品价格波动异常的位置点;利用随时间空间增大的时空柱体,对分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取果品价格异常事件时空聚集区域,并在地图上进行绘制。还包括根据产地和销地确定网络的边,并根据产销价格之差确定边的权重,构建有向产销价格空间传递网络,并将所述产销价格空间传递网络的边、边的权重和价格传递方向进行可视化。该方法能够得到准确的果品价格时空聚集区域,以及能够直观展现果品价格产销市场间传递过程,为果品销售、市场流通提供科学依据。
Description
技术领域
本发明涉及果品价格分析领域,尤其涉及一种果品价格的时空聚集可视化分析方法及装置。
背景技术
近年来,水果市场价格逐步进入高位运行阶段,并且市场价格波动幅度有所加强,波动频率逐渐加快。例如,2019年6月份,***公布数据显示,鲜果价格同比上涨42.7%,价格水平处于历史高位。合格的水果价格关系到水果产业的稳定和健康发展,同时也影响果农和消费者的种植收益。因此,探索水果价格的波动规律及其传导路径,对促进水果产业稳定和健康发展具有重要意义。
由于水果的产销特点和长途运销需要,水果批发市场分为产地市场与销地市场两大类。水果产销的特点是分散生产、分散消费,同时随着农业生产的区域化和社会结构发展的城市化,水果的生产地和消费地又越来越集中。这种双重分散、双重集中的产销格局要求水果流通必须采用由分散到集中、再由集中到分散的流程,即采用以批发市场为核心的流通模式。而水果产、销异地的特点,决定了解决水果位移的长途运销在流通中的主体地位。为了不断降低长途运输的成本,减少中间环节,缩短流通时间,在可能的情况下,一般都要求由产地成批量地直运往水果批发市场。因此,除了本地产销之外,水果的“集散”过程必须分别由产、销两地分别进行,也就是说,产地市场和销地市场都不可或缺,同等重要。
目前对果品价格分析内容包括果品价格的时间对比、区域对比、类别对比或是各类指标等组合对比,如单个品种单个/多个市场的价格走势、多个产品单个市场的价格对比、单个产品多个区域的价格对比等。常用的果品价格可视化分析主要针对果品价格的时间属性和空间属性进行可视化,基于时间趋势的可视化技术手段包括折线图、柱状图、散点图等统计图表,基于空间位置的可视化技术手段包括各类专题地图。但是这些传统方法无法分析果品价格异常波动现象的聚集程度,导致果品生产销售经营等人员无法准确掌握果品价格的时空特征与规律。
发明内容
为了解决上述问题,本发明实施例提供一种果品价格的时空聚集可视化分析方法及装置。
第一方面,本发明实施例提供一种果品价格的时空聚集可视化分析方法,包括:获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格;获取果品价格波动异常的位置点;利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域;通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制。
进一步地,所述获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格,包括:通过网络获取果品市场的相关数据,所述相关数据包括时间、产地价格、销地价格、产地市场和销地市场的位置文本;根据所述位置文本,从三级行政区划的标准库中,得到所述位置文本对应的第三级区划的位置信息,作为所述果品市场的位置信息。
进一步地,所述获取果品价格波动异常的位置点,包括:获取在分析时间段内,果品最高价对数与最低价对数之差,大于预设阈值的位置点,作为价格波动异常的位置点。
进一步地,所述利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,包括:以预设的子区域为基本单位,将所述分析区域划分为多个子区域;时空柱体以每个子区域的中心点为圆心,分别以半径从0到最大近邻点距离变动,时间从果品的最短保鲜期到所述分析时间段变动,进行扫描;其中,所述最大近邻点距离为以各位置点为起点保证所有位置点都至少有N个近邻点的距离,N为大于等于1的预设值。进一步地,所述采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,包括:对于每个空间窗口,无效假设H0为,果品价格异常事件在空间、时间上的分布为完全随机,似然函数L0为:
L0=Πp(xi)=(A/B)A(1-A/B)B-A;
备择假设H1为,果品价格异常事件在扫描窗口内存在时空聚集性分布,似然函数L1为:
L1=Πp(xi)=pa(1-p)b-aqA-a(1-q)(B-b)-(A-a);
将满足LLR>0,且p>q的时空窗口作为满足时空聚集性的窗口:
其中,p(xi)为异常价格事件的概率,A为果品价格异常事件总数,B为分析区域内果品价格记录总数;a为扫描窗口内果品价格异常事件数,b为扫描窗口内果品价格记录总数;p=a/b为扫描窗口内果品价格异常事件比例;q=(A-a)/(B-b)为扫描窗口外果品价格异常事件比例。
进一步地,所述通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制之后,还包括:根据产地和销售地确定网络的边,并根据产地价格和销售地价格的差值确定边的权重,构建具有方向的产销价格空间传递网络,并将所述产销价格空间传递网络的边、边的权重和价格传递方向进行可视化。
进一步地,所述根据产地和销售地确定网络的边,包括:选取销售地的报价时间与产地的报价时间差值小于预设时间阈值,且销售地与产地的空间距离小于预设的空间阈值的销售地和产地,作为网络的边。
第二方面,本发明实施例提供一种果品价格的时空聚集可视化分析装置,包括:第一获取模块,用于获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格;第二获取模块,用于获取果品价格波动异常的位置点;处理模块,用于利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域;可视化模块,用于通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现本发明第一方面果品价格的时空聚集可视化分析方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明第一方面果品价格的时空聚集可视化分析方法的步骤。
本发明实施例提供的果品价格的时空聚集可视化分析方法及装置,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,能够得到准确的时空聚集性的时空区域。通过可视图表展示蕴藏在果品价格文本数据中的时空分布规律,能够帮助市场分析人员获取果品产销价格异常波动事件发生的空间特征和时间特征,实现果品价格异常事件的时空发现,有助于提高果品市场行情规律发现的能力,为果品销售、市场流通等提供科学依据。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的果品价格的时空聚集可视化分析方法流程图;
图2为本发明另一实施例提供的果品价格的时空聚集可视化分析方法流程图;
图3为本发明实施例提供的果品产销价格网络传递示意图;
图4为本发明实施例提供的果品价格的时空聚集可视化分析装置结构图;
图5为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提出一种果品产地价格和销地价格的时空聚集分布和产销价格空间传递过程的可视化方法,通过该方法能够直观地展现果品市场产销价格的时空分布特征,探测价格异常事件的时空聚集程度,并进一步获取果品价格在产销市场间的传递过程关系,从而揭示果品价格的时空分布特点和市场传递规律。需要说明的是,该方法也可应用于果品以外的其它农产品作物。
不同水果的主产区、主销区分布差异显著,水果的耐储性各不相同,水果价格与跨区域运输距离关系密切,而现有技术方法未结合果品的空间位置信息和果品价格的产地/销地信息等特征,对果品价格在各个区域的波动分布情况和市场空间传递过程进行可视化分析。因此,需要结合果品价格的时间、空间属性等因素来设计可视化视图,对果品价格在各个市场间的价格涨跌过程和传递关系进行建模,挖掘果品市场数据中隐藏的内在规律及模式,帮助果品生产、市场经销人员等用可视分析方式进行数据探索和知识发现,对水果产销价格异常波动事件分布、传递网络形成形象化的认知,为降低水果价格波动,提高价格传递路径的畅通程度提供科学依据。
图1为本发明实施例提供的果品价格的时空聚集可视化分析方法流程图,如图1所示,本发明实施例提供一种果品价格的时空聚集可视化分析方法,包括:
101、获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格。
分析时间段和分析区域,分别为时空聚集性分析的时间段长度和分析区域,分析区域可以是多个省构成的区域或者全国区域。以下均以分析时间段为前提进行描述,可通过网络数据,获取分析区域内的所有果品市场的位置信息和果品价格。
102、获取果品价格波动异常的位置点。
在102中,找到所有价格波动异常的果品市场,即价格波动异常的位置点,可通过预设阈值判断来实现。
103、利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域。
本实施例中,采用时空重排扫描方法分析果品价格异常波动事件的时空聚集性。时空重排扫描统计综合考虑时间和空间因素,常用于探讨事件的时空聚集性。时空重排扫描统计主要采用移动窗口法(moving windows),建立活动的圆柱形扫描窗口,窗口为圆柱体,空间大小为圆柱底,时间长度对应圆柱的高,对果品价格异常事件发生率进行扫描,计算每一个圆柱形扫描窗口的价格异常事件数。
例如,以区县为基本空间单位,设定在分析区域内,某区县c的某果品价格,在某一时间段其果品价格异常事件的数目为Ac,t,在整个分析区域内所有时间范围t内的果品价格异常事件量A为/>
在分析区域内定义一个扫描窗口,底面代表空间聚集区,高代表时间聚集段,构成一个时空柱体,且随时间、空间不断扩大,直至窗口设定的上限。
窗口的圆心在地图沿区县中心位置变动,变动过程中,计算窗口内外区域之间的果品价格异常事件差异。果品价格异常事件属于二分类数据,只有正常和发生异常两类,因此基于事件的概率分布构建扫描统计量,采用伯努利(Bernoulli)模型进行扫描统计分析,选出具有时空聚集性的时空区域,其检验方法采用对数似然比(Log Likehood Ratio,LLR)。
104、通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制。
例如,应用Satscan 9.3等GIS软件,以区县为空间扫描单位,进行单纯空间扫描统计分析;以日、周、旬、月等为时间扫描单位,进行单纯时间扫描统计分析;或者,以周、月等为时间扫描单位,以区县为空间扫描单位,按照上述方法,进行时空扫描统计分析,提取具有统计意义的果品价格异常事件时空聚集区域,运用GIS软件在地图上进行绘制,可直观地反映果品价格异常事件聚集的时空分布情况。
本实施例提供的果品价格的时空聚集可视化分析方法,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,能够得到准确的时空聚集性的时空区域。通过可视图表展示蕴藏在果品价格文本数据中的时空分布规律,能够帮助市场分析人员获取果品产销价格异常波动事件发生的空间特征和时间特征,实现果品价格异常事件的时空发现,有助于提高果品市场行情规律发现的能力,为果品销售、市场流通等提供科学依据。
基于上述实施例的内容,作为一种可选实施例,获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格,包括:通过网络获取果品市场的相关数据,相关数据包括时间、产地价格、销地价格、产地市场和销地市场的位置文本;根据位置文本,从三级行政区划的标准库中,得到位置文本对应的第三级区划的位置信息,作为果品市场的位置信息。
首先,可利用网络爬虫等工具从互联网的果品市场行情网站上抓取果品市场行情相关数据,包括果品类别、品种、时间、产地价格、销地价格、产地市场、销地市场等。产地市场和销地市场均为地址文本,需要将地址文本转换为空间位置信息。考虑到后续的可视化过程,需要将果品市场价格数据转换为地图的点要素和面要素,因此可分别采用两种方法对果品市场文本信息进行空间转换。
(1)使用地图软件的地址解析工具,对果品产地市场和销地市场的文本信息进行地址转换,批量获取果品产地市场和销地市场的经纬度信息,从而定位到地图上,生成果品价格点图层要素。若无法获取,则进行人工判断,根据市场所在的行政区划信息定位到所在最低行政区划级别的空间范围内。若人工仍无法判断,则认为是缺失位置信息,将其剔除。
(2)空间位置匹配:果品批发市场名称一般由“省/直辖市+地级市+区/县+市场名称”组成,但由于上报的果品市场信息没有统一要求,部分数据信息不完整,存在着信息缺漏、空间尺度不统一的问题。如“沧州红枣交易市场”包含地区级信息,没有省级信息,“甘肃靖远县瓜果蔬菜批发市场”包含省级和县级的信息,没有市级的信息。
首先根据国家行政地名标准建立省、地级市、县的三级行政区划地名标准库。然后分析果品批发市场名称的字符串结构,根据不同的行政区划和批发市场名称组合方法,定义相应的正则表达式,逐个对市场名称字符串进行匹配。正则表达式中,主要依据特征字进行划分,行政区划第一级为省或直辖市,第二级为地级市,第三级为区或县级市,批发市场的结束词包括“批发市场/交易市场/市场/中心/交易中心/有限公司/有限责任公司/大市场/合作社”等。
通过上述步骤,将果品批发市场的地址文本转换为空间位置,既包括批发市场的经纬度信息,也包括批发市场所在的最低级别的行政区划的中心点位置。至此,果品价格可以定位在果品批发市场的点要素,也可以定位在最低级别的行政区划的面要素,一般为区县级。
本实施例提供的果品价格的时空聚集可视化分析方法,通过网络获取果品市场的价格数据和位置文本,并根据位置文本,从三级行政区划的标准库中,得到位置文本对应的第三级区划的位置信息,实现了果品市场的位置信息利于可视化的准确定位。
基于上述实施例的内容,作为一种可选实施例,获取果品价格波动异常的位置点,包括:获取在分析时间段内,果品最高价对数与最低价对数之差,大于预设阈值的位置点,作为价格波动异常的位置点。
果品价格异常波动问题始终是社会各界关注的热点话题,评估果品价格是否异常增高,研究果品价格异常波动事件在时间、空间以及时空上是否存在聚集性,检验异常价格事件在时空的发生是否为随机分布,有助于从客观的角度分析果品价格不同时间和区域的差异,查找价格异常事件可能聚集的地区。
本发明实施例中,采用价格波动幅度定义果品市场价格波动,即一段时间段内最高价对数与最低价对数之差:
Rt=lnht-lnlt;
Rt、ht、lt分别为第t个时间段内价格波动幅度、最高价和最低价。设定σp为价格波动幅度阈值,当Rt>σp时,认为发生果品市场价格异常波动事件。
基于上述实施例的内容,作为一种可选实施例,利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,包括:以预设的子区域为基本单位,将分析区域划分为多个子区域;时空柱体以每个子区域的中心点为圆心,分别以半径从0到最大近邻点距离变动,时间从果品的最短保鲜期到分析时间段变动,进行扫描;其中,所述最大近邻点距离为以各位置点为起点保证所有位置点都至少有N个近邻点的距离,N为大于等于1的预设值。。
子区域可以设置为区县,即第三级行政区划。空间扫描窗口的最大空间上限采用所有异常价格波动事件所在位置的最大近邻点距离,即以各异常事件为起点,并确保所有事件都至少有N个邻近点的距离。例如,N=1的时候,最大近邻点距离可以取所有异常位置点相邻点距离的最大值。时间扫描窗口的最大值不得超过总分析时间段长度,优选不超过总分析时间段长度的80%,时间窗口下限设定,根据果品的最短保鲜期限确定。
窗口的圆心在地图沿区县中心位置变动,扫描半径按最大近邻点距离为上限,具体从0至最大近邻点距离值之间变动,变动过程中,计算窗口内外区域之间的果品价格异常事件差异。
基于上述实施例的内容,作为一种可选实施例,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,包括:对于每个空间窗口,无效假设H0为,果品价格异常事件在空间、时间上的分布为完全随机,似然函数L0为:
L0=Πp(xi)=(A/B)A(1-A/B)B-A;
备择假设H1为,果品价格异常事件在扫描窗口内存在时空聚集性分布,似然函数L1为:
L1=Πp(xi)=pa(1-p)b-aqA-a(1-q)(B-b)-(A-a);
将满足LLR>0,且p>q的时空窗口作为满足时空聚集性的窗口:
其中,p(xi)为异常价格事件的概率,A为果品价格异常事件总数,B为分析区域内果品价格记录总数;a为扫描窗口内果品价格异常事件数,b为扫描窗口内果品价格记录总数;p=a/b为扫描窗口内果品价格异常事件比例;q=(A-a)/(B-b)为扫描窗口外果品价格异常事件比例。
LLR反映窗口内事件聚集的可能性,使用公式上述LLR公式计算,即在该空间位置(圆心坐标及圆的半径)和时间区间的LLR越大,发生果品价格异常事件聚集的可能性越高。满足LLR>0,且p>q的窗口存在时空聚集性。
图2为本发明另一实施例提供的果品价格的时空聚集可视化分析方法流程图,如图2所示,考虑到传统方法无法分析产地销地价格的传递过程,基于上述实施例的内容,作为一种可选实施例,通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制之后,还包括:根据产地和销售地确定网络的边,并根据产地价格和销售地价格的差值确定边的权重,构建具有方向的产销价格空间传递网络,并将产销价格空间传递网络的边、边的权重和价格传递方向进行可视化。
果品产销价格空间传递网络的数据模型表示:网络由若干个节点(即产地市场和销地市场)和若干个边(产销价格关系)构成。节点的集合表示为V={V1,V2,...,Vn},其中n是节点的数量,边的集合表示为E={E1,E2,...,Em},m是边的数量。
果品产销价格空间传递网络构建:以某一品种的果品为例,如红富士苹果。设定,代表第i个果品产地批发市场,/>为该果品在该产地批发市场的产地价格,/>为报送该产地价格的时间,/>和/>分别为该产地批发市场的地理位置坐标;/>代表第j个果品销地批发市场,/>为该果品在该销地批发市场的销地价格,/>为报送该销地价格的日期,/>和/>分别为该产地批发市场的地理位置坐标。
产销价格传递网络构建思路如下,以某一品种的果品产地批发市场为起点,以该果品的销地价格为终点,起点连接终点的线构成网络的边,边的权重由两个节点的价格差异决定。
根据上述步骤,构建果品产销价格传递网络,网络的有向性反映果品产销价格传递的方向,节点之间连边的权重反映产销价格变化的幅度,分析这些节点之间的方向和变化幅度,可以定量分析和可视化产销价格的空间传递过程。
运用Gephi软件对果品产销价格空间传递网络进行可视化,具体步骤如下:
1)构建数据集:根据上述果品产销价格传递网络建模方法,构建网络数据集,数据字段包括Source、Target、Weight等,其中Source是产地批发市场,Target是销地批发市场,即构成网络的节点,由Source指向Target,构成网络的边,Weight则为该边的权重。上述数据整理完毕后得到N行数据,将上述N行数据保存为csv格式。
2)绘制网络节点和节点的度:将上述构建的果品产销价格传递网络数据集导入Gephi软件,形成有向加权图,计算每个节点的度数。度用以表示与节点直接相连的边的数目,反映了节点之间相互连接的情况,是反映网络拓扑特性的重要统计指标。
通过调整节点颜色及大小来渲染每个节点的度数。所有节点之间相连的线为果品产销价格传递网络的边,通过调整边的粗细表示每条边权重的大小。在Gephi软件中运用GeoLayout布局,导入产地批发市场和销地批发市场的经纬度信息longitude、latitude,网络节点即按照地理位置信息定位,从而实现果品产销价格传递空间网络的地图可视化,能够直观地掌握果品产销价格传递网络的空间构成,定量化获取果品价格在产销市场之间的传递关系。
本实施例提供的果品价格的时空聚集可视化分析方法,针对果品市场价格数据在产地销地的传递过程进行建模,对传递过程设计出可视表示方法,实现在地图上展现果品价格传递过程,进一步有助于提高果品市场行情规律发现的能力,为果品销售、市场流通等提供科学依据。该方法能够直观展现果品价格产销市场间传递过程,使得分析者更易理解果品价格的时空特征分布和传递过程。分析结果中涵盖时间、空间及与市场相关的多维度信息,有助于掌握果品价格的时空分布特征和价格传递规律。
基于上述实施例的内容,作为一种可选实施例,根据产地和销售地确定网络的边,包括:选取销售地的报价时间与产地的报价时间差值小于预设时间阈值,且销售地与产地的空间距离小于预设的空间阈值的销售地和产地,作为网络的边。
由于果品运输需要考虑到流通成本和时间消耗,特别是生鲜水果,所以产地批发市场与销地批发市场的连接,即边的构建要满足一定的时空邻近关系。使用表示时间距离,/>表示空间距离,即:
原则上,销地价格的时间晚于产地价格,销地市场与产地市场使用欧式距离计算。当销地价格与产地价格的时间距离小于预设时间阈值θt,并且/>小于预设空间阈值θd时,则该果品的产地价格/>与销地价格/>满足时空邻近关系,将这2个市场节点相连形成边,边的方向由产地市场指向销地市场,边的权重计算如下:
其中,为满足产地价格/>时空邻近关系的所有销地价格的平均值。图3为本发明实施例提供的果品产销价格网络传递示意图,如图3所示。
本实施例提供的果品价格的时空聚集可视化分析方法,选取销售地的报价时间与产地的报价时间差值小于预设时间阈值,且销售地与产地的空间距离小于预设的空间阈值的销售地和产地,作为网络的边,能够实现更精确的价格传递关系的可视化。
图4为本发明实施例提供的果品价格的时空聚集可视化分析装置结构图,如图3所示,该果品价格的时空聚集可视化分析装置包括:第一获取模块401、第二获取模块402、处理模块403和可视化模块404。其中,第一获取模块401用于获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格;第二获取模块402用于获取果品价格波动异常的位置点;处理模块403用于利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域;可视化模块404用于通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的,具体流程和详细内容请参照上述方法实施例,此处不再赘述。
本发明实施例提供的果品价格的时空聚集可视化分析装置,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,能够得到准确的时空聚集性的时空区域。通过可视图表展示蕴藏在果品价格文本数据中的时空分布规律,能够帮助市场分析人员获取果品产销价格异常波动事件发生的空间特征和时间特征,实现果品价格异常事件的时空发现,有助于提高果品市场行情规律发现的能力,为果品销售、市场流通等提供科学依据。
图5为本发明实施例提供的一种电子设备的实体结构示意图,如图5所示,该电子设备可以包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和总线504,其中,处理器501,通信接口502,存储器503通过总线504完成相互间的通信。通信接口502可以用于电子设备的信息传输。处理器501可以调用存储器503中的逻辑指令,以执行包括如下的方法:获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格;获取果品价格波动异常的位置点;利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域;通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制。
此外,上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法,例如包括:获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格;获取果品价格波动异常的位置点;利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域;通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种果品价格的时空聚集可视化分析方法,其特征在于,包括:
获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格;
获取果品价格波动异常的位置点;
利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域;
通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制;
所述利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,包括:
以预设的子区域为基本单位,将所述分析区域划分为多个子区域;
时空柱体以每个子区域的中心点为圆心,分别以半径从0到最大近邻点距离变动,时间从果品的最短保鲜期到所述分析时间段变动,进行扫描;
其中,所述最大近邻点距离为以各位置点为起点保证所有位置点都至少有N个近邻点的距离,N为大于等于1的预设值;
所述采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,包括:
对于每个空间窗口,无效假设H0为,果品价格异常事件在空间、时间上的分布为完全随机,似然函数L0为:
L0=Πp(xi)=(A/B)A(1-A/B)B-A;
备择假设H1为,果品价格异常事件在扫描窗口内存在时空聚集性分布,似然函数L1为:
L1=Πp(xi)=pa(1-p)b-aqA-a(1-q)(B-b)-(A-a);
将满足LLR>0,且p>q的时空窗口作为满足时空聚集性的窗口:
其中,p(xi)为异常价格事件的概率,A为果品价格异常事件总数,B为分析区域内果品价格记录总数;a为扫描窗口内果品价格异常事件数,b为扫描窗口内果品价格记录总数;p=a/b为扫描窗口内果品价格异常事件比例;q=(A-a)/(B-b)为扫描窗口外果品价格异常事件比例;
所述通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制之后,还包括:
根据产地和销售地确定网络的边,并根据产地价格和销售地价格的差值确定边的权重,构建具有方向的产销价格空间传递网络,并将所述产销价格空间传递网络的边、边的权重和价格传递方向进行可视化;
其中,所述具有方向的产销价格空间传递网络由节点和边构成;
所述可视化包括:通过调整颜色及大小来渲染每个节点的度数,通过调整所述边的粗细表示所述边的权重的大小。
2.根据权利要求1所述的果品价格的时空聚集可视化分析方法,其特征在于,所述获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格,包括:
通过网络获取果品市场的相关数据,所述相关数据包括时间、产地价格、销地价格以及产地市场和销地市场的位置文本;
根据所述位置文本,从三级行政区划的标准库中,得到所述位置文本对应的第三级区划的位置信息,作为所述果品市场的位置信息。
3.根据权利要求1所述的果品价格的时空聚集可视化分析方法,其特征在于,所述获取果品价格波动异常的位置点,包括:
获取在分析时间段内,果品最高价对数与最低价对数之差,大于预设阈值的位置点,作为价格波动异常的位置点。
4.根据权利要求1所述的果品价格的时空聚集可视化分析方法,其特征在于,所述根据产地和销售地确定网络的边,包括:
选取销售地的报价时间与产地的报价时间差值小于预设时间阈值,且销售地与产地的空间距离小于预设的空间阈值的销售地和产地,作为网络的边。
5.一种果品价格的时空聚集可视化分析装置,其特征在于,包括:
第一获取模块,用于获取分析时间段的分析区域内,所有果品市场的位置信息和果品价格;
第二获取模块,用于获取果品价格波动异常的位置点;
处理模块,用于利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,作为具有时空聚集性的时空区域;
可视化模块,用于通过GIS软件,将满足时空聚集性的时空区域在地图上进行绘制;
所述处理模块还用于:
所述利用随时间空间增大的时空柱体,对分析时间段的分析区域内的所有异常位置点进行时间和/或空间的扫描,包括:
以预设的子区域为基本单位,将所述分析区域划分为多个子区域;
时空柱体以每个子区域的中心点为圆心,分别以半径从0到最大近邻点距离变动,时间从果品的最短保鲜期到所述分析时间段变动,进行扫描;
其中,所述最大近邻点距离为以各位置点为起点保证所有位置点都至少有N个近邻点的距离,N为大于等于1的预设值;
所述采用伯努利模型的对数似然分析,获取对数似然比满足分析条件的时空区域,包括:
对于每个空间窗口,无效假设H0为,果品价格异常事件在空间、时间上的分布为完全随机,似然函数L0为:
L0=Πp(xi)=(A/B)A(1-A/B)B-A;
备择假设H1为,果品价格异常事件在扫描窗口内存在时空聚集性分布,似然函数L1为:
L1=Πp(xi)=pa(1-p)b-aqA-a(1-q)(B-b)-(A-a);
将满足LLR>0,且p>q的时空窗口作为满足时空聚集性的窗口:
其中,p(xi)为异常价格事件的概率,A为果品价格异常事件总数,B为分析区域内果品价格记录总数;a为扫描窗口内果品价格异常事件数,b为扫描窗口内果品价格记录总数;p=a/b为扫描窗口内果品价格异常事件比例;q=(A-a)/(B-b)为扫描窗口外果品价格异常事件比例;
所述可视化模块还用于:
根据产地和销售地确定网络的边,并根据产地价格和销售地价格的差值确定边的权重,构建具有方向的产销价格空间传递网络,并将所述产销价格空间传递网络的边、边的权重和价格传递方向进行可视化;
其中,所述具有方向的产销价格空间传递网络由节点和边构成;
所述可视化包括:通过调整颜色及大小来渲染每个节点的度数,通过调整所述边的粗细表示所述边的权重的大小。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述果品价格的时空聚集可视化分析方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述果品价格的时空聚集可视化分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911296338.5A CN111178945B (zh) | 2019-12-16 | 2019-12-16 | 果品价格的时空聚集可视化分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911296338.5A CN111178945B (zh) | 2019-12-16 | 2019-12-16 | 果品价格的时空聚集可视化分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178945A CN111178945A (zh) | 2020-05-19 |
CN111178945B true CN111178945B (zh) | 2023-12-05 |
Family
ID=70650158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911296338.5A Active CN111178945B (zh) | 2019-12-16 | 2019-12-16 | 果品价格的时空聚集可视化分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178945B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749619A (zh) * | 2020-11-20 | 2021-05-04 | 北京林业大学 | 一种松材线虫病时空聚集性的探测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7315835B1 (en) * | 1999-07-08 | 2008-01-01 | Sony Corporation | Price fluctuation predicting device and predicting method, price fluctuation warning device and method, and program providing medium |
CN107798482A (zh) * | 2017-11-16 | 2018-03-13 | 中国农业科学院农业信息研究所 | 一种农产品市场异常波动风险监测方法及*** |
CN108230016A (zh) * | 2017-12-22 | 2018-06-29 | 北京农业信息技术研究中心 | 一种农产品市场价格传递分析方法及分析装置 |
-
2019
- 2019-12-16 CN CN201911296338.5A patent/CN111178945B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7315835B1 (en) * | 1999-07-08 | 2008-01-01 | Sony Corporation | Price fluctuation predicting device and predicting method, price fluctuation warning device and method, and program providing medium |
CN107798482A (zh) * | 2017-11-16 | 2018-03-13 | 中国农业科学院农业信息研究所 | 一种农产品市场异常波动风险监测方法及*** |
CN108230016A (zh) * | 2017-12-22 | 2018-06-29 | 北京农业信息技术研究中心 | 一种农产品市场价格传递分析方法及分析装置 |
Non-Patent Citations (1)
Title |
---|
时空统计量在感染性钉螺分布预警中的应用研究;高风华 等;《中国血吸虫病防治杂志》;第25卷(第04期);第353-356页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111178945A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11238065B1 (en) | Systems and methods for generating and implementing knowledge graphs for knowledge representation and analysis | |
US11188935B2 (en) | Analyzing consumer behavior based on location visitation | |
US7774227B2 (en) | Method and system utilizing online analytical processing (OLAP) for making predictions about business locations | |
US20170097963A1 (en) | Data Analysis | |
US9043302B1 (en) | Campaign and competitive analysis and data visualization based on search interest data | |
Xia et al. | Identifying hotel competitiveness based on hotel feature ratings | |
CN106528643B (zh) | 一种基于社交网络的多维度综合推荐方法 | |
Nilakanta et al. | Dimensional issues in agricultural data warehouse designs | |
CN108256032B (zh) | 一种对时空数据的共现模式进行可视化的方法及装置 | |
Roberts et al. | Visualising business data: A survey | |
Melo et al. | Voronoi diagrams and spatial analysis of crime | |
WO2012150107A1 (en) | Network analysis tool | |
Berrahou et al. | A quality-aware spatial data warehouse for querying hydroecological data | |
Tan et al. | Urban spatial organization, multifractals, and evolutionary patterns in large cities | |
Desjardins et al. | A space–time parallel framework for fine-scale visualization of pollen levels across the Eastern United States | |
Gür et al. | GeoSemOLAP: Geospatial OLAP on the Semantic Web made easy | |
CN111178945B (zh) | 果品价格的时空聚集可视化分析方法及装置 | |
Ilhan et al. | Collaboration in design research: An analysis of co-authorship in 13 design research journals, 2000–2015 | |
CN114693367A (zh) | 一种农产品价格大数据监测与可视化***及方法 | |
Halpern et al. | Dimensions of uncertainty: a spatiotemporal review of five COVID-19 datasets | |
Deng et al. | Improving small-area population estimation: An integrated geographic and demographic approach | |
Yang | RETRACTED ARTICLE: The application of big data in the analysis of factors affecting agricultural business and product marketing in the intelligent agricultural platform | |
Dong et al. | Identification of international trade patterns of agricultural products: The evolution of communities and their core countries | |
Brida et al. | Analyzing the performance of the South Tyrolean hospitality sector: a dynamic approach | |
Jiao et al. | Analyzing the spatial autocorrelation of regional urban datum land price |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |