Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 同济大学杨超获国家专利权

同济大学杨超获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉同济大学申请的专利基于多源数据融合的个体时空大数据非通勤活动识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119357765B

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411236015.8,技术领域涉及:G06F18/241;该发明授权基于多源数据融合的个体时空大数据非通勤活动识别方法是由杨超;陈明垟;袁泉设计研发完成,并于2024-09-04向国家知识产权局提交的专利申请。

基于多源数据融合的个体时空大数据非通勤活动识别方法在说明书摘要公布了:本发明涉及一种基于多源数据融合的个体时空大数据非通勤活动识别方法。该方法从包含栅格空间信息的个体时空大数据、居民出行调查数据中分别提取第一、第二个人属性特征与单日活动属性特征;基于包含栅格空间信息的个体时空大数据、居民出行调查数据和城市POI数据提取第一、第二建成环境特征;基于预处理后的第二个人属性特征、单日活动属性特征与建成环境特征训练测试多种待评价模型;选性能最佳的待评价模型作为最终的个体时空大数据非通勤活动识别模型;基于预处理后的第一个人属性特征、单日活动属性特征与建成环境特征,利用个体时空大数据非通勤活动识别模型获取识别结果。与现有技术相比,本发明具有提高次要活动类别推断的准确性等优点。

本发明授权基于多源数据融合的个体时空大数据非通勤活动识别方法在权利要求书中公布了:1.一种基于多源数据融合的个体时空大数据非通勤活动识别方法,其特征在于,包括以下步骤: S1,基于预设的城市栅格数据,获取包含栅格空间信息的个体时空大数据、居民出行调查数据和城市POI数据; S2,基于所述个体时空大数据,提取第一个人属性特征与第一单日活动属性特征; 所述S2具体包括: 基于包含栅格空间信息的个体时空大数据,直接提取第一个人属性特征,同时获取用户ID、活动开始日期、活动结束日期、活动开始时间以及活动结束时间,所述第一个人属性特征包括用户的个人年龄、性别、职业; 根据所述用户ID、所述活动开始日期、所述活动结束日期、所述活动开始时间以及所述活动结束时间进行排序,得到每位用户的单日活动序列信息; 基于所述单日活动序列信息,计算第一单日活动属性特征,所述第一单日活动属性特征包括本次活动开始时间、本次活动持续时间、上一次活动是否为居家、上一次活动是否为工作、与家的直线距离、家和工作地的直线距离、活动开始日期是否为工作日以及本次活动在该居民一天中活动的顺序; S3,基于所述居民出行调查数据,提取第二个人属性特征与第二单日活动属性特征; 所述S3具体包括: 基于包含栅格空间信息的个体时空大数据,直接提取第二个人属性特征,同时获取被调查者ID、活动开始日期、活动结束日期、活动开始时间以及活动结束时间,所述第二个人属性特征包括被调查者的个人年龄、性别、职业; 根据所述被调查者ID、所述活动开始日期、所述活动结束日期、所述活动开始时间以及所述活动结束时间进行排序,得到每位被调查者的单日活动序列信息; 基于所述单日活动序列信息,计算第二单日活动属性特征,所述第二单日活动属性特征包括本次活动开始时间、本次活动持续时间、上一次活动是否为居家、上一次活动是否为工作、与家的直线距离、家和工作地的直线距离、活动开始日期是否为工作日以及本次活动在该居民一天中活动的顺序; S4,基于所述个体时空大数据与所述城市POI数据,提取第一建成环境特征,并基于所述居民出行调查数据与所述城市POI数据,提取第二建成环境特征; 所述S4具体包括: 基于包含栅格空间信息的城市POI数据,计算每种POI类型所在栅格的POI密度; 基于包含栅格空间信息的个体时空大数据、包含栅格空间信息的居民出行调查数据,分别直接提取活动地、居住地及工作地所在栅格; 关联所述POI密度与相应的活动地、居住地及工作地所在栅格,分别得到第一建成环境特征、第二建成环境特征; S5,对所述第二个人属性特征、所述第二单日活动属性特征与所述第二建成环境特征进行预处理; S6,基于预处理后的第二个人属性特征、第二单日活动属性特征与第二建成环境特征,训练并测试多种待评价非通勤活动识别模型; S7,基于测试结果,选取性能最佳的待评价非通勤活动识别模型作为最终的个体时空大数据非通勤活动识别模型; S8,对所述第一个人属性特征、所述第一单日活动属性特征与所述第一建成环境特征进行预处理; S9,基于预处理后的第一个人属性特征、第一单日活动属性特征与第一建成环境特征,利用所述个体时空大数据非通勤活动识别模型获取个体时空大数据中非通勤活动的识别结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人同济大学,其通讯地址为:200092 上海市杨浦区四平路1239号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。