計算前端的位置信息_怎樣通過車前端判斷位置

❶ 前端百度地圖如何實現點擊添加創建點並獲取該點的信息

網路地圖api里有點擊事件，在回調函數里創建點就行了

❷ js中如何得到客戶端的地理位置

手機WEB定位方法：代碼。

var getLocation = function (successFunc, errorFunc) { //successFunc獲取定位成功回調函數，errorFunc獲取定位失敗回調

//首先設置默認城市

var defCity = {

id: '000001',

date: curDateTime()//獲取當前時間方法

};

//默認城市

$.cookie('VPIAO_MOBILE_DEFAULTCITY', JSON.stringify(defCity), { expires: 1, path: '/' });

if (navigator.geolocation) {

navigator.geolocation.getCurrentPosition(function (position) {

var lat = position.coords.latitude;

var lon = position.coords.longitude;

//var map = new BMap.Map("container"); // 創建Map實例

var point = new BMap.Point(lon, lat); // 創建點坐標

var gc = new BMap.Geocoder();

gc.getLocation(point, function (rs) {

var addComp = rs.addressComponents;

var curCity = {

id: '',

date: curDateTime()

};

//當前定位城市

$.cookie('VPIAO_MOBILE_CURRENTCITY', JSON.stringify(curCity), { expires: 7, path: '/' });

//alert(addComp.province + ", " + addComp.city + ", " + addComp.district + ", " + addComp.street);

if (successFunc != undefined)

successFunc(addComp);

});

function (error) {

switch (error.code) {

case 1:

alert("位置服務被拒絕。");

break;

case 2:

alert("暫時獲取不到位置信息。");

break;

case 3:

alert("獲取位置信息超時。");

break;

default:

alert("未知錯誤。");

break;

}

var curCity = {

id: '000001',

date: curDateTime()

};

//默認城市

$.cookie('VPIAO_MOBILE_DEFAULTCITY', JSON.stringify(curCity), { expires: 1, path: '/' });

if (errorFunc != undefined)

errorFunc(error);

}, { timeout: 5000, enableHighAccuracy: true });

} else {

alert("你的瀏覽器不支持獲取地理位置信息。");

if (errorFunc != undefined)

errorFunc("你的瀏覽器不支持獲取地理位置信息。");

}

};

var showPosition = function (position) {

var lat = position.coords.latitude;

var lon = position.coords.longitude;

//var map = new BMap.Map("container"); // 創建Map實例

var point = new BMap.Point(lon, lat); // 創建點坐標

var gc = new BMap.Geocoder();

gc.getLocation(point, function (rs) {

var addComp = rs.addressComponents;

var curCity = {

id: '',

date: curDateTime()

};

//當前定位城市

$.cookie('VPIAO_MOBILE_CURRENTCITY', JSON.stringify(curCity), { expires: 7, path: '/' });

//alert(addComp.province + ", " + addComp.city + ", " + addComp.district + ", " + addComp.street);

});

};

var showPositionError = function (error) {

switch (error.code) {

case 1:

alert("位置服務被拒絕。");

break;

case 2:

alert("暫時獲取不到位置信息。");

break;

case 3:

alert("獲取位置信息超時。");

break;

default:

alert("未知錯誤。");

break;

}

var curCity = {

id: '000001',

date: curDateTime()

};

//默認城市

$.cookie('VPIAO_MOBILE_DEFAULTCITY', JSON.stringify(curCity), { expires: 1, path: '/' });

};.

前提要引入網路API：<script src="http://api.map..com/api?v=1.4"
type="text/javascript"></script>。

2. PC端通過IP實現方法：

採用騰訊提供的介面，這個目前已經不能使用。

document.write(IPData[0]); //顯示IP地址

document.write(IPData[2]); //顯示省

document.write(IPData[3]); //顯示市

</script>

3 .獲取客戶端IP方法

var url = 'http://chaxun.1616.net/s.php?type=ip&output=json&callback=?&_=' + Math.random();

$.getJSON(url, function(data) {

alert(data.Ip);

});

</script>

❸ WiFi如何實現室內定位功能

基於WiFi技術的室內定位有兩種，一種是直接基於WiFi技術繼而實現室內定位功能，還有一種是基於集成了WiFi和BLE藍牙兩種無線通信方式的藍牙網關室內定位方案，相比前者，

WiFi室內定位技術定位原理：

一種是通過移動設備和三個無線網路接入點的無線信號強度，通過差分演算法，來比較精準地對人和車輛的進行三角定位。另一種是事先記錄巨量的確定位置點的信號強度，通過用新加入的設備的信號強度對比擁有巨量數據的資料庫，來確定位置(「指紋」定位)。

藍牙網關/探針室內定位原理：

以集成了WiFi和藍牙BLE兩種無線通信方式的藍牙網關(藍牙探針)TD05A為例，藍牙網關室內定位方案也就是我們常說的網路測定位方案，旨在讓別人知道所在的位置，屬於被動定位，在很大程度上能夠滿足室內資產的定位需求。

藍牙網關是一個集成BLE低功耗藍牙和WiFi的網關設備，藍牙網關內置WiFi和BLE低功耗藍牙兩種無線通信方式，WiFi與BLE藍牙之間通過串口實現通信。

藍牙網關的工作原理：

① 移動的藍牙設備進入某個藍牙網關的范圍，和藍牙網關的藍牙部分進行連接，並將傳輸當前數據；

② 藍牙網關的藍牙部分接收到數據，和WiFi模塊通過串口連接並傳輸數據；

③ 1、藍牙網關WiFi部分通過無線路由器將數據上傳到伺服器(此時藍牙網關需要DC_5V供電) ；

2、藍牙網關WiFi部分通過RJ45連接POE交換機將數據上傳到伺服器（此時藍牙網關可直接用POE供電）；

④控制端載入伺服器數據，並對當前的情況進行控制修改；

⑤伺服器經過計算和分析將藍牙設備的定位信息在前端顯示，控制指令也可通過伺服器傳給藍牙網關的WiFi，WiFi傳輸給藍牙，藍牙傳輸給藍牙設備實現控制。

TD05A實際應用

（1）應用於室內定位，可以實現後台的主動定位，在後台看到被定位對象的位置，移動軌跡，歷史軌跡回放等；

（2）應用於數據抓取，比如養老行業，用於抓取老人佩戴的手環、胸卡等數據上傳後台等。

基於SKYLAB藍牙網關的藍牙定位技術已經運用於醫院、養老院以及監獄等場所，並提供一整套的室內定位解決方案，為醫院、養老院以及監獄等場所完善人員管理機制，希望能夠幫助到您。

❹ 前端框架如何實現定位

前端bug主要分為3個類別：HTML,CSS,Javascript三類問題

給個最大的區別方式方法：

出現樣式的問題基本都是CSS的bug
出現文本的問題基本都是html的bug
出現交互類的問題基本都是Javascript的bug

現在以淘寶的前端人員工作為例進行相關bug定位的剖析

判斷前後台問題的區分方法：

FF, 打開錯誤控制台

區分前後台交互：查看網路請求

a) Html中如果有鏈接，有相應的情況下，基本可以定位到是屬於前端的問題

b) 如果為空，或者有出現error錯誤信息，我們就可以定位到屬於後台開發的問題

TMS對應的VM模板，出現的一些截斷控制，轉換功能都屬於前端的問題

一、HTML

最常見的HTML的問題—就是標簽的問題了，最常見的排查和解決辦法就是查看頁面源代碼，然後通過檢查標簽的工具，現在暫時提供idea.exe進行檢查，有其他更好的工具再進行推薦。

常見問題類別：

標簽閉合—表象，頁面中出現大范圍的混亂，就是少了標簽的情況，導致標簽未閉合
標簽浮出—例如滑鼠移動到文本位置，浮出全名的這種浮出形式都屬於標簽浮出的問題
標簽在不同的瀏覽器的一種解析方式的不同導致的前端bug例如如下結構

該部分可以看做為一個大的框即是標簽<a> 內嵌標題的標簽<p>，裡面再有這些個內容<ing>,那麼在不同的瀏覽器中，可能ie和FF的解析會產生不同，假設IE解析為<a><p><ing></ing></a></p>的一種形式，但在FF 下可能解析為

<p></p>

的兩行的形式從而導致前端在復古鞋/板鞋這塊ing裡面的格式產生混亂

結構可看為：

頁面定點的問題：最明顯的前端功能，在於點擊某個鏈接將頁面位置定位到對應的位置

a) 我們可以通過右鍵，查看元素的工具進行定位到毛點所定位到的位置，如果出現問題這種問題很直觀，並且能通過這種方法直接定位到問題

頁面的跳轉，也屬於html的問題，大家在出現點擊未跳轉或者跳轉方式不正確的問題，直接可以定位到跳轉屬性的問題，找到對應的跳轉對應的塊提供給開發人員即可

二、CSS，產生樣式問題。例如：排版，布局，顏色，背景等

css的bug主要分為：兼容型bug 、業務性bug 和內容型bug

兼容型bug

a) 表現：僅在少數幾個瀏覽器上出現

b) 原因：瀏覽器的解析不一致

c) 解決：根據實際情況進行前端代碼的通用性

d) 類別：

腳本兼容型問題：在出現對應交互的問題就基本可以定位到腳本兼容型bug，例如DIV的顯示和層結構。實際可以參考聚劃算的幾個商品滑鼠移動到小圖的時候，對應大圖展示的功能。
頁面樣式兼容型問題：直接表象在樣式上，都是基於框架的頁面展示錯誤，很容易定位
業務性bug

a) 表現：在所有瀏覽器下都有該問題

b) 原因：對業務不熟悉

c) 解決：根據需求進行修改達到業務要求

該類型的定位，主要在和實現的要求不一致，最直接表現在頁面的友好型，用戶的可用性的bug，可以定位為該類型

內容型bug

a) 表現：前端自測正確，但在填入內容後，出現的錯誤，內容消失等

b) 原因：擴展性未考慮周全

c) 解決：進行overflow test

輸入內容的長度限制等功能可定位為內容型bug

三、Javascript

最直接的判斷方法，刷新頁面，出現滯後顯示的一些模塊基本都為腳本的輸出塊。該部分的一些問題可以參照兼容型bug中類別的腳本兼容型bug。

有產生交互類的問題，大多數都可以定位到是屬於javascript產生的問題，該部分大多不會報錯
有錯誤提示類的。頁面左下方有出現javascript的錯誤提示；有彈出錯誤信息提示的bug；瀏覽器返回的一些錯誤彈出框都屬於javascript的bug

❺ 前端怎麼判斷是否獲取到地理位置

可以從請求跟響應這一過程判斷，如果前端已經把數據發送給了後端，後端沒有返回數據則是後端問題，如果前端在用戶輸入數據之後發送請求，前端沒有帶數據在請求中就是前端的問題，或者說後台已經傳回來了數據，但是到前端沒有顯示出來。這個也是前端問題。具體的話可以在瀏覽器中debug調試看看

❻ 前端定位的幾種方式

前端技術的發展是互聯網自身發展變化的一個縮影。
前端技術指通過瀏覽器到用戶端計算機的統稱，存貯於伺服器端的統稱為後端技術。
前端開發主要職能就是把網站的界面更好地呈現給用戶。
以前會Photoshop和Dreamweaver就可以製作網頁，隨著網站開發難度加大、開發方式多樣，網頁製作更接近傳統的網站後台開發，網頁製作更多被稱為Web前端開發。前端技術包括4個部分：前端美工、瀏覽器兼容、CSS、HTML「傳統」技術與Adobe AIR、Google Gears,以及概念性較強的互動式設計，藝術性較強的視覺設計等。
在Web1.0時代，由於網速和終端能力的限制，大部分網站只能呈現簡單的圖文信息，並不能滿足用戶在界面上的需求，對界面技術的要求也不高。隨著硬體的完善、高性能瀏覽器的出現和寬頻的普及，技術可以在用戶體驗方面實現更多種可能，前端技術領域迸發出旺盛的生命力。
2005年以後，互聯網進入Web2.0時代，各種類似桌面軟體的Web應用大量涌現，前端由此發生了翻天覆地的變化。網頁不再只是承載單一的文字和圖片，各種富媒體讓網頁的內容更加生動，網頁上軟體化的交互形式為用戶提供了更好的使用體驗，這些都是基於前端技術實現的。

❼ 如何在sqlServer中獲取前端連接的IP地址，計算機名等信息

如果你對SqlServer的系統函數或視圖不太了解，這個功能看起來好像比較復雜，而實際上， SqlServer的動態管理視圖已經給我們提供了這些信息，下面我們來看兩個動態管理視圖。1、Sys.dm_exec_Sessions 這個視圖中提供了所有連接sqlserver的客戶端的一些信息，下面是Sys.dm_exec_Sessions返回的列：列名數據類型說明Session_idsmallint標識與每個活動主連接關聯的會話。login_timedatetime建立會話的時間。host_namenvarchar(128)與會話關聯的主機。program_namenvarchar(128)與會話關聯的程序。host_process_idint與會話關聯的進程 ID。client_versionint客戶端連接到伺服器所用的介面版本。client_interface_namenvarchar(32)客戶端連接到伺服器所用的介面名稱。security_idvarbinary(85)與登錄名關聯的 Microsoft Windows 安全 ID。login_namenvarchar(128)與會話關聯的 SQL 登錄名。nt_domainnvarchar(128)從中建立會話連接的域。nt_user_namenvarchar(128)與會話關聯的用戶名。statusnvarchar(30)會話的狀態。可能的值： 1,運行 - 當前正在運行一個或多個請求 2,睡眠 - 當前沒有運行任何請求 3,休眠 - 會話處於登錄前狀態 context_infovarbinary(128)會話的 CONTEXT_INFO 值。cpu_timeint該會話所佔用的 CPU 時間（毫秒）。memory_usageint該會話所佔用的 8 KB 內存頁數。total_scheled_timeint計劃內含請求的會話的執行所耗用的總計時間（毫秒）。total_elapsed_timeint自會話建立以來已耗用的時間（毫秒）。endpoint_idint與會話關聯的端點的 ID。last_request_start_timedatetime最近一次會話請求的開始時間。這包括當前正在執行的請求。last_request_end_timedatetime最近一次會話請求的完成時間。readsbigint在該會話期間該會話中的請求所執行的讀取次數。Writesbigint在該會話期間該會話中的請求所執行的寫入次數。logical_readsbigint已對該會話執行的邏輯讀取數。is_user_processbit如果會話是系統會話，則為 0。否則，為 1。text_sizeint會話的 TEXTSIZE 設置。languagenvarchar(128)會話的 LANGUAGE 設置。date_formatnvarchar(3)會話的 DATEFORMAT 設置。date_firstsmallint會話的 DATEFIRST 設置。quoted_identifierbit會話的 QUOTED_IDENTIFIER 設置。arithabortbit會話的 ARITHABORT 設置。ansi_null_dflt_onbit會話的 ANSI_NULL_DFLT_ON 設置。ansi_defaultsbit會話的 ANSI_DEFAULTS 設置。ansi_warningsbit會話的 ANSI_WARNINGS 設置。ansi_paddingbit會話的 ANSI_PADDING 設置。ansi_nullsbit會話的 ANSI_NULLS 設置。concat_null_yields_nullbit會話的 CONCAT_NULL_YIELDS_NULL 設置。transaction_isolation_levelsmallint會話的事務隔離級別。 0 = 未指定 1 = 未提交讀取 2 = 已提交讀取 3 = 可重復 4 = 可序列化 5 = 快照lock_timeoutint會話的 LOCK_TIMEOUT 設置。該值以毫秒計。deadlock_priorityint會話的 DEADLOCK_PRIORITY 設置。row_countbigint到目前為止會話返回的行數。prev_errorint會話返回的最近一個錯誤的 ID。比如說，我們要看那些主機有連接到了sqlserver伺服器，可以使用下面的sql語句： select distinct host_name from sys.dm_exec_Sessions要看那些用戶已連接到sqlserver伺服器： select distinct login_name from sys.dm_exec_Sessions當然，利用上面的列，我們可以獲得更多想要的客戶端信息2、Sys.dm_exec_connections 這個視圖返回了連接sqlserver伺服器上面的每個連接的詳細信息，下面是Sys.dm_exec_connections返回的列：列名數據類型說明Session_idint標識與此連接關聯的會話。most_recent_Session_idint顯示與此連接關聯的最近請求的會話 ID。connect_timedatetime連接建立時的時間戳。net_transportnvarchar(40)說明該連接使用的物理傳輸協議。protocol_typenvarchar(40)指定負載的協議類型。此參數當前可區分 TDS (TSQL) 和 SOAP。protocol_versionint與此連接關聯的數據訪問協議的版本。endpoint_idint與此連接關聯的端點的唯一標識符。此 endpoint_id 可用於查詢 sys.endpoints 視圖。encrypt_optionnvarchar(40)說明是否為此連接啟用了加密的布爾值。auth_schemenvarchar(40)指定與此連接一起使用的 SQL Server/NT 身份驗證。node_affinitysmallint顯示與此連接關聯的 SOS 節點。num_readsint此連接中已發生的讀包次數。num_writesint此連接中已發生的寫數據包次數。last_readdatetime此連接中上一次發生讀操作的時間戳。last_writedatetime此連接中上一次發生寫操作的時間戳。net_packet_sizeint用於信息和數據的網路包的大小。client_net_addressvarchar(40)與此伺服器連接的客戶端的主機地址。client_tcp_portint與該連接關聯的客戶機上的埠號。local_net_addressvarchar(40)顯示此連接的目標伺服器的 IP 地址。只對使用 TCP 傳輸提供程序的連接可用。

❽ 介紹有關計算機的一種前端技術

大數據基礎概念

「很多人還沒搞清楚什麼是PC互聯網，移動互聯網來了，我們還沒搞清楚移動互聯的時候，大數據時代又來了。」——馬雲卸任演講

本文嘗試從三大產業的角度將大數據的核心商業價值分類討論。
首先例舉一些大數據的典型應用，然後解釋大數據的定義，最後總結大數據的價值。

我們知道：
第一次工業革命以煤炭為基礎，蒸汽機和印刷術為標志，
第二次工業革命以石油為基礎，內燃機和電信技術為標志，
第三次工業革命以核能基礎，互聯網技術為標志，
第四次工業革命以可再生能源為基礎，_________為標志。
空白處你會填上什麼？歡迎大家討論。但是目前可以預測的是，數據和內容作為互聯網的核心，不論是傳統行業還是新型行業，誰率先與互聯網融合成功，能夠從大數據的金礦中發現暗藏的規律，就能夠搶佔先機，成為技術改革的標志。

一、大數據的應用
大數據挖掘商業價值的方法主要分為四種：
客戶群體細分，然後為每個群體量定製特別的服務。
模擬現實環境，發掘新的需求同時提高投資的回報率。
加強部門聯系，提高整條管理鏈條和產業鏈條的效率。
降低服務成本，發現隱藏線索進行產品和服務的創新。

Mckinsey列出了各個行業利用大數據價值的難易度以及發展潛力。《Big data: The next frontier for innovation, competition, and proctivity》

各種Data之間的關系圖，注意Open Data是完全包含了Open government data（政府開放數據）

Mckinsey也列出了Open Data時代里七大行業潛在的經濟價值，自上而下分別是教育，運輸，消費品、電力、石油與天然氣、醫療護理、消費金融。（感謝知友安陽提供的補充鏈接資料）

大數據的類型大致可分為三類：
傳統企業數據（Traditional enterprise data）：包括 CRM systems的消費者數據，傳統的ERP數據，庫存數據以及賬目數據等。
機器和感測器數據（Machine-generated /sensor data）：包括呼叫記錄（Call Detail Records），智能儀表，工業設備感測器，設備日誌（通常是Digital exhaust），交易數據等。
社交數據（Social data）：包括用戶行為記錄，反饋數據等。如Twitter，Facebook這樣的社交媒體平台。

從理論上來看：所有產業都會從大數據的發展中受益。但由於數據缺乏以及從業人員本身的原因，第一、第二產業的發展速度相對於第三產業來說會遲緩一些。

(2).第二產業
2013年9月，工業和信息化部發布了《關於印發信息化和工業化深度融合專項行動計劃（2013-2018年）》的通知。明確提出推動物聯網在工業領域的集成創新和應用：
實施物聯網發展專項，在重點行業組織開展試點示範，以感測器和感測器網路、RFID、工業大數據的應用為切入點，重點支持生產過程式控制制、生產環境檢測、製造供應鏈跟蹤、遠程診斷管理等物聯網應用，促進經濟效益提升、安全生產和節能減排。

大數據的業務多是數據驅動型，具有數據量大、種類多、實時性高的特點。工業企業對數據的記錄以往看來主要分為兩種方法：傳統的紙筆和Excel電子表格記錄。這些操作起來看似簡單的數據管理方式為企業生產及質量監控埋下了巨大的隱患，也讓數據挖掘無從談起。

隨著信息化與工業化的融合發展，信息技術滲透到了工業企業產業鏈的各個環節。例如Sensor、RFID、Barcode、物聯網等技術已經在企業中得到初步應用，工業大數據也開始逐漸得到積累。企業中生產線高速運轉時機器所產生的數據量不亞於計算機數據，而且數據類型多是非結構化數據，對數據的實時性要求也更高。因此工業大數據所面臨的問題和挑戰很多，所以通用電氣公司（General Electric）的副總裁兼全球技術總監William Ruh認為相對於工業大數據來說，工業互聯網（Instrial Internet）才是當前急需的，因為大數據本身並沒有讓信息的提取更加智能，業務比數據本身更加重要。他舉了一個核磁共振成像掃描的例子：
Here』s an example. An MRI scan is the best way to see inside the human body. While effective in helping to diagnose multiple sclerosis, brain tumors, torn ligaments and strokes, the data proced by an MRI machine is disconnected from the person that needs it the most.
At a very simplistic level, there are many indivials working as a team to make the scan happen. A nurse administers medications or contrast agents that may be needed for the exam; an MRI technologist operates the scanner; and a radiologist identifies the imaging sequences to be used and interprets the images. This information is then given to the nurse, who then passes it to the primary doctor to review and take action accordingly. This is Big Data, but it is not making information more intelligent.

又如在工業中，壓力、溫度等數據的特點是需要語境才能理解的。燃氣輪機排氣裝置上的溫度讀數與一台機車的內部溫度是完全不同的。燃氣輪機改善熱敷需要使用非常復雜的演算法運行模型。在筆記本電腦上，一個典型的查詢要獲得答案一般需要三個星期。在基於大數據的分布式系統上發布同樣的查詢執行一種計算只需要不到一秒鍾。

第三方認證機構（TÜV NORD GROUP），工業
德國漢德技術監督服務有限公司的前身是德國鍋爐檢驗協會（簡稱TÜV）早在1869年，德國鍋爐檢驗協會就承擔了德國國內所有鍋爐運行安全的檢驗工作，保證了鍋爐生產的安全。漸漸的，德國鍋爐檢驗協會取得了德國政府的授權，開展對其他產品的檢驗工作，從采礦，電力系統開始，到壓力容器，機動車輛，醫療設備，環境保護，宇航工業，醫療產品等等，現在的德國漢德技術監督服務有限公司已經成為了許許多多產品的安全代號。主要體系認證包括企業質量管理體系，生產環境體系，生產碳排放方案等。TÜV當前從建築綠色標准體系方面提出了對於大數據能源管理的探索，以微軟新總部，蒂森克虜伯電梯總部為例，在整個項目實施中引入大數據能源管理，在建築的設計規劃階段、施工階段、運營階段等多個階段通過數據化的能源管理系統，實現建築的低碳、綠色、智能。

工業自動化軟體商（Wonderware ），工業
Wonderware作為系統軟體涉及的專業企業，對於大數據的計算和運用是從比較「IT」的角度出發的。Wonderware 的實時數據管理軟體能夠提供一個工廠所需要的從建立到報廢的所有實時數據。目前已經退出移動版本，工程總監在手機上就能夠隨時隨地監控設備的運行狀況。目前全球超過三分之一的工廠應用Wonderware公司的軟體解決方案。

了解更多：
大數據在電力行業的應用前景有哪些？

(3).第三產業
這一個部分的內容比較多。這里只提出一些典型的應用例子，歡迎補充。
健康與醫療：Fitbit® Official Site: Flex, One and Zip Wireless Activity and Sleep Trackers的健身腕帶可以收集有關我們走路或者慢跑的數據，例如行走步數、卡路里消耗、睡眠時長等數據與健康記錄來改善我們的健康狀況；Early Detection of Patient Deterioration等公司正在開發床墊監測感測器，自動監測和記錄心臟速率、呼吸速率、運動和睡眠活動。該感測器收集的數據以無線方式被發送到智能手機和平板電腦進行進一步分析；美國公共衛生協會（APHA: American Public Health Association）開發Flu Near You用來的症狀，通過大數據分析生成報告顯示用戶所在地區的流感活動。

視頻：互聯網電視能夠追蹤你正在看的內容，看了多長時間，甚至能夠識別多少人坐在電視機前，來確定這個頻道的流行度。Netflix 美國國內規模最大的商業視頻流供應商，收集的數據包括用戶在看什麼、喜歡在什麼時段觀看、在哪裡觀看以及使用哪些設備觀看等。甚至記錄用戶在哪視頻的哪個時間點後退、快進或者暫停，乃至看到哪裡直接將視頻關掉等信息。典型的應用是Netflix公司利用數據說服BBC重新翻拍了電視連結劇《紙牌屋》，而且成功的挖掘出演員Kevin Spacey和導演David Fincher的支持者與原劇集粉絲的關聯性，確定新劇拍攝的最佳人選。
When the program, a remake of a BBC miniseries, was up for purchase in 2011 with David Fincher and Kevin Spacey attached, the folks at Netflix simply looked at their massive stash of data. Subscribers who watched the original series, they found, were also likely to watch movies directed by David Fincher and enjoy ones that starred Kevin Spacey. Considering the material and the players involved, the company was sure that an audience was out there.

交通：《車來了》通過分析公交車上GPS定位系統每天的位置和時間數據，結合時刻表預測出每一輛公交車的到站時間；WNYC開發的Transit Time NYC通過開源行程平台（Github：OpenTripPlanner和MTA ）獲取的數據將紐約市劃分成2930個六邊形，模擬出從每一個六邊形中點到邊緣的時間（地鐵和步行，時間是上午九點），最終建模出4290985條虛擬線路。用戶只需點擊地圖或者輸入地址就能知道地鐵到達每個位置的時間；實時交通數據採集商INRIX-Traffic的口號是（永不遲到！^^），通過記錄每位用戶在行駛過程中的實時數據例如行駛車速，所在位置等信息並進行數據匯總分析，而後計算出最佳線路，讓用戶能夠避開擁堵。

電子商務：Decide 是一家預測商品價格並為消費者提出購買時間建議的創業公司，通過抓取亞馬遜、百思買、新蛋及全球各大網站上數以十億計的數據進行分析，最終整合在一個頁面中方便消費者對比查看，並且能夠預測產品的價格趨勢，幫助用戶確定商品的最好購買時機。已經於2013年被 eBay收購。

政治：奧巴馬在總統競選中使用大數據分析來收集選民的數據，讓他可以專注於對他最感興趣的選民，谷歌執行董事長Eric Schmidt當時向奧巴馬的大數據分析團隊投資數百萬美元並聚攏核心成員成立了Civis Analytics咨詢公司，該公司將會將在奧巴馬連任競選中所獲得的經驗應用到商業和非營利行業中。（了解更多可以看看MIT technology的文章The Definitive Story of How President Obama Mined Voter Data to Win A Second Term）

金融：ZestFinance | Big Data Underwriting 是由是Google的前任 CIO，Douglas Merrill創立金融數據分析服務提供商，使用機器學習演算法和大數據為放款者提供承保模式，旨在為那些個人信用不良或者不滿足傳統銀行貸款資格的個人提供服務。公司使用分析模型對每位信貸申請人的上萬條原始信息數據進行分析，只需幾秒時間便可以得出超過十萬個行為指標。目前違約率比行業平均水平低 60%左右。另外一個不得不提到的是風險管理先驅者FICO | Predictive Analytics, Big Data Analytics and FICO Credit Scores，通過大數據分析為銀行和信用卡發卡機構、保險、醫療保健、政府和零售行業提供服務。FICO 信用分計算的基本思想是：把借款人過去的信用歷史資料與資料庫中的全體借款人的信用習慣相比較，檢查借款人的發展趨勢跟經常違約、隨意透支、甚至申請破產等各種陷入財務困境的借款人的發展趨勢是否相似。FICO 已經為三分之二的世界 100 強銀行提供服務，提高了客戶忠誠度和盈利率、減少欺詐損失、管理信貸風險、滿足監管與競爭要求並快速獲取市場份額。想了解更多的企業可以看看附錄中《經濟學人》的文章《Big data: Crunching the numbers》。

電信：美國T-mobiles採用Informatica - The Data Integration Company平台開展大數據工作，通過集成數據綜合分析客戶流失的原因，根據分析結果優化網路布局為客戶提供了更好的體驗，在一個季度內將流失率減半；韓國 SK telecom新成立一家公司SK Planet，通過大數據分析用戶的使用行為，在用戶做出決定之前推出符合用戶興趣的業務防止用戶流失。美國AT&T 公司將記錄用戶在Wifi網路中的地理位置、網路瀏覽歷史記錄以及使用的應用等數據銷售給廣告客戶。比如當用戶距離商家很近時，就有可能收到該商家提供的折扣很大的電子優惠券。英國BT - Broadband公司發布了新的安全數據分析服務Assure Analytics—BT news releases，幫助企業收集、管理和評估大數據集，將這些數據通過可視化的方式呈現給企業，幫助企業改進決策。

一般來說盈利性質的商業公司和企業都不會輕易泄露自己的數據、建模方法和分析過程，所以還有很多大家不知道的神秘應用潛伏在黑暗裡，如同《三體》中的」黑暗森林法則「。
宇宙就是一座黑暗森林，每個文明都是帶槍的獵人，像幽靈般潛行於林間，輕輕撥開擋路的樹枝，竭力不讓腳步發出一點兒聲音，連呼吸都必須小心翼翼：他必須小心，因為林中到處都有與他一樣潛行的獵人，如果他發現了別的生命，能做的只有一件事：開槍消滅之。在這片森林中，他人就是地獄，就是永恆的威脅，任何暴露自己存在的生命都將很快被消滅，這就是宇宙文明的圖景，這就是對費米悖論的解釋。

二、大數據的定義
大數據(Big Data)是指「無法用現有的軟體工具提取、存儲、搜索、共享、分析和處理的海量的、復雜的數據集合。」業界通常用4個V(即Volume、Variety、Value、Velocity)來概括大數據的特徵。

數據體量巨大(Volume)。截至目前，人類生產的所有印刷材料的數據量是200PB，而歷史上全人類說過的所有的話的數據量大約是5EB(1EB=210PB)。
數據類型繁多(Variety)。相對於以往便於存儲的以文本為主的結構化數據，非結構化數據越來越多，包括網路日誌、音頻、視頻、圖片、地理位置信息等，這些多類型的數據對數據的處理能力提出了更高要求。
價值密度低(Value)。價值密度的高低與數據總量的大小成反比。如何通過強大的機器演算法更迅速地完成數據的價值「提純」成為目前大數據背景下亟待解決的難題。
處理速度快(Velocity)。大數據區分於傳統數據挖掘的最顯著特徵。根據IDC的「數字宇宙」的報告，預計到2020年，全球數據使用量將達到35.2ZB。

看看專家們怎麼說。

舍恩伯格，大數據時代 (豆瓣)
不是隨機樣本，而是全體數據；不是精確性，而是混雜性；不是因果關系，而是相關關系。

埃里克·西格爾，大數據預測 (豆瓣)
大數據時代下的核心，預測分析已在商業和社會中得到廣泛應用。隨著越來越多的數據被記錄和整理，未來預測分析必定會成為所有領域的關鍵技術。

城田真琴，大數據的沖擊 (豆瓣)
從數據的類別上看，「大數據」指的是無法使用傳統流程或工具處理或分析的信息。它定義了那些超出正常處理范圍和大小、迫使用戶採用非傳統處理方法的數據集。

三、大數據的價值
了解了大數據的典型應用，理解了大數據的定義。這時相信在每個人的心中，關於大數據的價值都有了自己的答案。

2010年《Science》上刊登了一篇文章指出，雖然人們的出行的模式有很大不同，但我們大多數人同樣是可以預測的。這意味著我們能夠根據個體之前的行為軌跡預測他或者她未來行蹤的可能性，即93%的人類行為可預測。
Limits of Predictability in Human Mobility
A range of applications, from predicting the spread of human and electronic viruses to city planning and resource management in mobile communications, depend on our ability to foresee the whereabouts and mobility of indivials, raising a fundamental question: To what degree is human behavior predictable? Here we explore the limits of predictability in human dynamics by studying the mobility patterns of anonymized mobile phone users. By measuring the entropy of each indivial』s trajectory, we find a 93% potential predictability in user mobility across the whole user base. Despite the significant differences in the travel patterns, we find a remarkable lack of variability in predictability, which is largely independent of the distance users cover on a regular basis.

而大數定理告訴我們，在試驗不變的條件下，重復試驗多次，隨機事件的頻率近似於它概率。「有規律的隨機事件」在大量重復出現的條件下，往往呈現幾乎必然的統計特性。
舉個例子，我們向上拋一枚硬幣，硬幣落下後哪一面朝上本來是偶然的，但當我們上拋硬幣的次數足夠多後，達到上萬次甚至幾十萬幾百萬次以後，我們就會發現，硬幣每一面向上的次數約占總次數的二分之一。偶然中包含著某種必然。

隨著計算機的處理能力的日益強大，你能獲得的數據量越大，你能挖掘到的價值就越多。

實驗的不斷反復、大數據的日漸積累讓人類發現規律，預測未來不再是科幻電影里的讀心術。

如果銀行能及時地了解風險，我們的經濟將更加強大。
如果政府能夠降低欺詐開支，我們的稅收將更加合理。
如果醫院能夠更早發現疾病，我們的身體將更加健康。
如果電信公司能夠降低成本，我們的話費將更加便宜。
如果交通動態天氣能夠掌握，我們的出行將更加方便。
如果商場能夠動態調整庫存，我們的商品將更加實惠。

最終，我們都將從大數據分析中獲益。

四、結束語。

Here's the thing about the future.關於未來有一個重要的特徵
Every time you look at it,每一次你看到了未來
it changes because you looked at it.它會跟著發生改變因為你看到了它
And that changes everything else.然後其它事也跟著一起改變了

數據本身不產生價值，如何分析和利用大數據對業務產生幫助才是關鍵。

祝每一個DMer都挖掘到金礦和快樂：）

❾ 前端代碼DIV+CSS關於定位

<!DOCTYPEhtmlPUBLIC"-//W3C//DTDXHTML1.0Transitional//EN""http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<htmlxmlns="http://www.w3.org/1999/xhtml">
<head>
<metahttp-equiv="Content-Type"content="text/html;charset=gb2312"/>
<title>關於定位</title>
<styletype="text/css">
body{
margin-left:0px;
margin-top:0px;
margin-right:00px;
}
#header{
width:800px;
height:30px;
background-color:#9F9;
}
#main{
width:800px;
height:auto;
background-color:#FF6;
position:relative;
}
#one{
width:300px;
height:200px;
background-color:#F30;
position:absolute;
left:0px;
top:0px;
}
#tow{
width:490px;
height:200px;
background-color:#93F;
position:absolute;
left:310px;
top:0px;
}
#three{
width:400px;
height:200px;
background-color:#390;
position:absolute;
left:0px;
top:210px;
}
#four{
width:390px;
height:200px;
background-color:#66F;
position:absolute;
left:410px;
top:210px;
}
#foot{
width:960px;
height:30px;
background-color:#3C9;
}
</style>
<scripttype="text/javascript"src="https://code.jquery.com/jquery-1.11.3.js"></script>
</head>
<body>
<divalign="center">
<divid="header"align="center">頭部</div>
<divid="main">
<divid="one">one</div>
<divid="tow">tow</div>
<divid="three">three</div>
<divid="four">four</div>
</div>
<divid="foot"align="left">版權</div>
</div>
</body>
<scripttype="text/javascript">
$(document).ready(function(){
varlast=$("#main>div").last();
vartop=last.css("top").replace("px","");
top=parseInt(top);
varheight=last.css("height").replace("px","");
height=parseInt(height);
varmainHeight=top+height;
$("#main").css("height",mainHeight+"px");
});
</script>
</html>

你的布局style都不用改，只需要在頁面載入完成後，計算出div#main中的div佔用的實際高度，並賦值給div#main。

計算原理：div#main中的每一個div都是設置了固定的top和height的，那麼最後一個div的top+height肯定就是div#main的實際佔用高度。

代碼中，我引用了jquery的css方法，你如果不jquery也可以自己用js原生寫。還有什麼問題就追問哈。

❿ 怎樣通過車前端判斷位置

判斷轎車前端與人的距離：
以轎車為例，假設前方有一個身高1.7至1.8米左右的人，腳面高在10厘米左右，膝蓋高在45厘米左右，臀部在70厘米左右。
1、當你看到車前端由地面向人體腳面或腳跟上移並停留此處時，車前端與人體之間的距離為3米。
2、當你看到車前端升高到人體膝蓋高度處時，車前端與人體距離為1米。
3、當你看到車前端升高到人體臀部下端時，車前端與人體之間的距離為0.3米。
判斷前車距離：
1、從擋風玻璃下沿看到前車保險杠上沿時約一米；
2、從擋風玻璃下沿看到前車保險杠下沿（人的腳膝蓋）時約兩米；
3、從擋風玻璃下沿看到前車後輪胎下沿（或看到地面）時約三米；
4、左後視鏡下緣看到的相對地面的橫線就是自己車頭位置。
右後視鏡判斷後車距離：
1、後車影占後視鏡全部時，車距約3米；
2、後車影占後視鏡三分之二時，車距約5米；
3、後車影占後視鏡二分之一時，車距約9米；
4、後車影占後視鏡三分之一時，車距約12米；
5、左後視鏡看到後輪蓋罩中間（後門手握柄、車身橫線或後視鏡底線反射）相對地面就是車尾位置。
6、通過車內後視鏡透視過後窗擋風玻璃下沿判斷後車距離：若看到後車大燈上緣,則後尾箱距後車為三米半左右；若看到後車機倉蓋與前擋玻璃交界處，則後尾箱距後車為一米；若看到後車前擋玻璃的水平三分之一，則基本靠上了。
判斷車輛位置（車輪位置、前後位置）：
1、判斷路邊在擋風玻璃中的位置（左輪在擋風玻璃左柱往右10-15cm位置；右輪在擋風玻璃中心線往左5-10cm位置）；離路邊距離可以從後視鏡看到。
2、判斷右輪位置（車頭中部或右雨刮器）：在車頭蓋板右邊三分一處的相對地面。
以下才是車子上路應變技巧，希望大家細細看完對你可能有益。

計算前端的位置信息

與計算前端的位置信息相關的內容