CN107993179A - 一种警务平台人口房屋数据筛查登记方法 - Google Patents
一种警务平台人口房屋数据筛查登记方法 Download PDFInfo
- Publication number
- CN107993179A CN107993179A CN201810007479.XA CN201810007479A CN107993179A CN 107993179 A CN107993179 A CN 107993179A CN 201810007479 A CN201810007479 A CN 201810007479A CN 107993179 A CN107993179 A CN 107993179A
- Authority
- CN
- China
- Prior art keywords
- population
- data
- house
- target area
- service platform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 10
- 230000005611 electricity Effects 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims description 32
- 238000012216 screening Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 8
- 239000000567 combustion gas Substances 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 2
- 230000001373 regressive effect Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 12
- 230000008859 change Effects 0.000 abstract description 4
- 241001622623 Coeliadinae Species 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000007667 floating Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000007493 shaping process 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
- 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种警务平台人口房屋数据筛查登记方法,从人员衣食住行各类数据入手,通过水电气数据、快递数据、房屋中介等信息,确定在目标区域新出现、且未登记的暂住人口信息;并根据实时数据,分析已登记暂住人口现已离开目标区域,需要及时撤销暂住证。由此,有针对性的提高暂住人口管理的效率。通过大数据分析,以四个特色功能,及时精准地掌握实有人口的具体变化和管控空白,从而大幅度减轻基层民警基础工作负担,提高公安工作效益。
Description
技术领域
本发明涉及一种警务平台人口房屋数据筛查登记方法,属于数据智能检测筛查技术领 域。
背景技术
实有人口管理是公安工作中最基础的工作,在实有人口登记管理中存在三点难点:1、 人员流动性大,流动人口频繁更换暂住地址,办理居住证后与实际居住地不符,不及时变 更、不及时注销带来很多虚假或无用信息。2、登记手段单一,实有人口登记手段单一落 后,主要还是依靠人力登记,而流动人口常常昼伏夜出,生活不规律,登记难度达、效率低。3、寄住人口、房屋出租户掌控有一定难度。除此之外,还普遍存在以下三个问题:
(一)开门问题无法破解。多年来,社区民警、协管员在实际工作中都面临着入户调查登记的最后一道门进不去这一难题。一方面,随着物质文化生活的丰富,很多流动人口早出晚归或者生活作息没有规律,日常工作中经常存在上门碰不到人的情况;另一方面,部分流动人员对于入户调查的民警或协管员存在抵触情绪或者防备心理,常常有人在家也拒绝开门,很多有价值的人员信息难以容易采集登记。
(二)房屋状态底数不清。随着经济发展,南京的外来人员逐年增加,由此带来的房屋出租引发的人户分离等情况越来越普遍,房屋出租状况的掌控难度日益增加。哪些房屋出租了、房屋租给了什么人、实际住了多少人等信息难以第一时间掌握。
(三)信息更新存在滞后。由于人员流动性变大,部分人员频繁更换暂住地址,人员实际居住情况难以及时掌控,仅仅靠有限的警力挨家挨户的核查登记,无法赶上人员流动的速度,公安机关掌控的信息往往被动滞后,再加上核查信息不及时录入,更新、注销严 重滞后导致平台里有很多虚假或无用信息。
因此,城市发展迅速,人户分离,出租房屋等情况与日普遍,给辖区人口管控带来一 定难度。
发明内容
本发明所要解决的技术问题是提供一种警务平台人口房屋数据筛查登记方法,针对房 屋与人口数据实现创新式智能筛查处理,能够有效减轻民警工作强度,提高人口房屋登记 工作效率。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种警务平台人口房 屋数据筛查登记方法,包括活动人口筛查方法,用于实现目标区域内活动人口对应本地居 住概率的获取,并针对目标区域居住者进行登记,包括如下步骤:
步骤A.根据预设各类人口活动因素,获取目标区域内的各个活动人口,并进一步获 取各个活动人口分别对应预设各类人口活动因素的数据,构建目标区域活动人口集合,然 后进入步骤B;
步骤B.根据预设各类人口活动因素的上位原则,针对各个活动人口分别对应预设各 类人口活动因素的数据,进行因子分析,并降维操作,获得各个活动人口分别对应各类上 位人口活动因素的数据,更新目标区域活动人口集合,然后进入步骤C;
步骤C.针对目标区域活动人口集合,获取各类上位人口活动因素相对目标区域的权 重;并结合各个活动人口分别对应各类上位人口活动因素的数据,采用加权方法,获得各 个活动人口分别对应的加权值,再通过归一化处理,获得各个活动人口分别相对目标区域 的得分,然后进入步骤D;
步骤D.基于身份证号码,实现目标区域活动人口集合与警务平台目标区域已登记居 住人口的匹配,并将目标区域活动人口集合中已匹配的活动人口标识为居住状态;接着针 对目标区域活动人口集合中为未匹配的活动人口,通过民警排查方式,确认其中目标区域 居住的活动人口,并标识为居住状态,目标区域活动人口集合中剩余活动人口标识为非居 住状态,然后进入步骤E;
步骤E.针对目标区域活动人口集合,根据活动人口的居住状态与非居住状态,以及 各个活动人口相对目标区域的得分,获得目标区域活动人口居住筛选模型,并进入步骤F;
步骤F.采用目标区域活动人口居住筛选模型,针对目标区域新增活动人口进行筛选, 获得各个新增活动人口相对目标区域居住的概率,并由民警根据该概率进行选择性筛查, 对目标区域居住者进行登记。
作为本发明的一种优选技术方案:所述步骤A中,预设各类人口活动因素包括上网信 息、涉警信息、市民卡申领、电动自行车采购、燃气使用量、水使用量、五险缴纳、公积 金缴费人员信息、公共自行车租赁、快递收发、电使用量、有限电视缴费、二手机交易信 息、医保卡刷卡信息。
作为本发明的一种优选技术方案:所述步骤B中,根据预设各类人口活动因素的上位 原则,针对上网信息、涉警信息、市民卡申领、电动自行车采购、燃气使用量、水使用量、五险缴纳、公积金缴费人员信息、公共自行车租赁、快递收发、电使用量、有限电视缴费、 二手机交易信息、医保卡刷卡信息,上位为居住因子、娱乐因子、出行因子、物流因子、 活动因子、消费因子和生活因子七类上位人口活动因素,并基于此,针对各个活动人口分 别对应预设各类人口活动因素的数据,进行因子分析,并降维操作,获得各个活动人口分 别对应各类上位人口活动因素的数据。
作为本发明的一种优选技术方案:所述步骤B中,针对各个活动人口分别对应预设各 类人口活动因素的数据,采用主成分分析法进行因子分析。
作为本发明的一种优选技术方案:所述步骤C中,针对目标区域活动人口集合,采用 因子抽取与因子旋转方法,获取各类上位人口活动因素相对目标区域的权重。
作为本发明的一种优选技术方案:所述步骤E中,针对目标区域活动人口集合,根据 活动人口的居住状态与非居住状态,以及各个活动人口相对目标区域的得分,通过二元回 归分析方法,获得目标区域活动人口居住筛选模型。
作为本发明的一种优选技术方案:还包括房屋筛查方法,用于实现目标区域内房屋的 筛查,包括如下步骤:
步骤Ⅰ.获取目标区域中各房屋分别所对应的拿房数据与警务平台已登记居住数据, 然后进入步骤Ⅱ;
步骤Ⅱ.分别针对目标区域中的各房屋,根据预设因素数据的匹配,实现拿房数据与 警务平台已登记居住数据之间的匹配,其中,匹配结果如下:
若拿房数据与警务平台已登记居住数据之间匹配成功,则判定该房屋为自住房屋;
若拿房数据与警务平台已登记居住数据之间匹配不成功,则判定该房屋为出租房屋;
若拿房数据存在,且警务平台已登记居住数据不存在,则判定该房屋为待查房屋,由 民警进行核查;
若拿房数据与警务平台已登记居住数据均为不存在,则判定该房屋为空置房屋。
作为本发明的一种优选技术方案:若房屋被判定为出租房屋,则针对该房屋所对应警 务平台已登记居住数据,与公路铁路民航数据进行匹配,若匹配成功,则据此判定该房屋 租客的活动区域,并列为待核查人员。
作为本发明的一种优选技术方案:所述步骤Ⅱ中,分别针对目标区域中的各房屋,根 据身份证号码、姓名、手机号的多项同时匹配,实现拿房数据与警务平台已登记居住数据 之间的匹配。
本发明所述一种警务平台人口房屋数据筛查登记方法采用以上技术方案与现有技术 相比,具有以下技术效果:本发明所设计警务平台人口房屋数据筛查登记方法,从人员衣 食住行各类数据入手,通过水电气数据、快递数据、房屋中介等信息,确定在目标区域新 出现、且未登记的暂住人口信息;并根据实时数据,分析已登记暂住人口现已离开目标区 域,需要及时撤销暂住证。由此,有针对性的提高暂住人口管理的效率。通过大数据分析, 以四个特色功能,及时精准地掌握实有人口的具体变化和管控空白,从而大幅度减轻基层 民警基础工作负担,提高公安工作效益。
附图说明
图1是本发明所设计警务平台人口房屋数据筛查登记方法中活动人口筛查方法的流程图;
图2是本发明所设计警务平台人口房屋数据筛查登记方法中房屋筛查方法的流程图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
如图1所示,本发明设计了一种警务平台人口房屋数据筛查登记方法,实际应用中, 包括活动人口筛查方法和房屋筛查方法,其中,活动人口筛查方法用于实现目标区域内活 动人口对应本地居住概率的获取,并针对目标区域居住者进行登记,其中,
常住人口信息、暂住人口信息、邮政快递信息数据、电话号码库信息、水、电、燃气户主信息、缴费信息、我的南京缴费信息、社区医院登记信息、网吧上网信息、房产中介 信息、市民涉警记录、公共自行车使用、市民卡申领等信息进行碰撞比对,挖掘出在辖区 内出现的人员信息。这些数据都属于基本数据类型(以整形、字符型为主),数据结构均 为关系型数据,可直接通过数据库存储和读取。通过对数据信息初步筛选,采用因子分析 法对特征指标进行融合,对数据进行预处理,给出全面丰富的训练集,以训练出更加优越 的分类器。利用测试样本来测试准确度,当达到要求后,对常住人口、寄住人口、流动人 口进行判别。
具体包括如下步骤:
步骤A.根据预设各类人口活动因素,诸如上网信息、涉警信息、市民卡申领、电动自行车采购、燃气使用量、水使用量、五险缴纳、公积金缴费人员信息、公共自行车租赁、 快递收发、电使用量、有限电视缴费、二手机交易信息、医保卡刷卡信息,获取目标区域 内的各个活动人口,并进一步获取各个活动人口分别对应预设各类人口活动因素的数据, 构建目标区域活动人口集合,实际应用中,诸如下表1所示,然后进入步骤B。
表1
步骤B.采用SPSS软件,如下表2所示,根据预设各类人口活动因素的上位原则,针对上网信息、涉警信息、市民卡申领、电动自行车采购、燃气使用量、水使用量、五险缴 纳、公积金缴费人员信息、公共自行车租赁、快递收发、电使用量、有限电视缴费、二手 机交易信息、医保卡刷卡信息,上位为居住因子、娱乐因子、出行因子、物流因子、活动 因子、消费因子和生活因子七类上位人口活动因素,并基于此,针对各个活动人口分别对 应预设各类人口活动因素的数据,采用主成分分析法进行因子分析,并降维操作,获得各 个活动人口分别对应各类上位人口活动因素的数据,更新目标区域活动人口集合,然后进 入步骤C
表2
步骤C.针对目标区域活动人口集合,采用因子抽取与因子旋转方法,获取各类上位 人口活动因素相对目标区域的权重,如下表3所示。
表3
并结合各个活动人口分别对应各类上位人口活动因素的数据FAC1_2、...、FAC7_2, 采用加权方法,获得各个活动人口分别对应的加权值,如下表4所示。
表4
再利用插值法,针对得分进行归一化处理,获得各个活动人口分别相对目标区域的得 分,然后进入步骤D。
步骤D.基于身份证号码,实现目标区域活动人口集合与警务平台目标区域已登记居 住人口的匹配,并将目标区域活动人口集合中已匹配的活动人口标识为居住状态;接着针 对目标区域活动人口集合中为未匹配的活动人口,通过民警排查方式,确认其中目标区域 居住的活动人口,并标识为居住状态,目标区域活动人口集合中剩余活动人口标识为非居 住状态,然后进入步骤E。
步骤E.针对目标区域活动人口集合,根据活动人口的居住状态与非居住状态,以及 各个活动人口相对目标区域的得分,通过二元回归分析方法,获得目标区域活动人口居住 筛选模型,并进入步骤F。
步骤F.采用目标区域活动人口居住筛选模型,针对目标区域新增活动人口进行筛选, 获得各个新增活动人口相对目标区域居住的概率,并由民警根据该概率进行选择性筛查, 对目标区域居住者进行登记。
将上述所设计警务平台人口房屋数据筛查登记方法中的活动人口筛查方法,应用于实 际当中,在对目标区域中新增人口相对目标区域居住的预测过程中,结合强化学习的相关 理论,即在学习系统的控制行为与实际反馈的状态及评价的反复的交互作用中,以学习的 方式不断修改从状态到动作的映射策略(参数值的调整),以达到优化系统性能目的(提 高预测准确度),具体应用是根据管理员的反馈结果,不断训练因子权重的相关参数,使 得模型对客户类别的预测更准确,具体应用中,将模型运算出目标区域居住概率在95%以 上的400条人员信息推送给社区民警进行核查登记,最后核准录入381条有效信息,数据模型的准确率达到95.25%,符合我们的预期。所设计数据模型还大大的提高了社区民警的工作效率。过去每人每小时仅能登记0.3人;经过我们模型推送,每人每小时登记2人, 效率提升6.4倍,相当于一个人可以干6个人的活。
除了活动人口筛查方法,如图2所示,房屋筛查方法,用于实现目标区域内房屋的筛 查,具体包括如下步骤:
步骤Ⅰ.获取目标区域中各房屋分别所对应的拿房数据与警务平台已登记居住数据, 然后进入步骤Ⅱ。
步骤Ⅱ.分别针对目标区域中的各房屋,根据身份证号码、姓名、手机号的多项同时 匹配,实现拿房数据与警务平台已登记居住数据之间的匹配,其中,匹配结果如下:
若拿房数据与警务平台已登记居住数据之间匹配成功,则判定该房屋为自住房屋。
若拿房数据与警务平台已登记居住数据之间匹配不成功,则判定该房屋为出租房屋, 进一步针对该房屋所对应警务平台已登记居住数据,与公路铁路民航数据进行匹配,若匹 配成功,则据此判定该房屋租客的活动区域,并列为待核查人员。
若拿房数据存在,且警务平台已登记居住数据不存在,则判定该房屋为待查房屋,由 民警进行核查。
若拿房数据与警务平台已登记居住数据均为不存在,则判定该房屋为空置房屋。
上述技术方案所设计警务平台人口房屋数据筛查登记方法,从人员衣食住行各类数据 入手,通过水电气数据、快递数据、房屋中介等信息,确定在目标区域新出现、且未登记 的暂住人口信息;并根据实时数据,分析已登记暂住人口现已离开目标区域,需要及时撤 销暂住证。由此,有针对性的提高暂住人口管理的效率。通过大数据分析,以四个特色功能,及时精准地掌握实有人口的具体变化和管控空白,从而大幅度减轻基层民警基础工作负担,提高公安工作效益。可实现全市社区民警对辖区内人员的动态管控,以科技的手段辅助实有人口登记管理,及时把握辖区实有人口变化情况,强化人口管理的基础工作。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方 式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做 出各种变化。
Claims (9)
1.一种警务平台人口房屋数据筛查登记方法,其特征在于:包括活动人口筛查方法,用于实现目标区域内活动人口对应本地居住概率的获取,并针对目标区域居住者进行登记,包括如下步骤:
步骤A. 根据预设各类人口活动因素,获取目标区域内的各个活动人口,并进一步获取各个活动人口分别对应预设各类人口活动因素的数据,构建目标区域活动人口集合,然后进入步骤B;
步骤B. 根据预设各类人口活动因素的上位原则,针对各个活动人口分别对应预设各类人口活动因素的数据,进行因子分析,并降维操作,获得各个活动人口分别对应各类上位人口活动因素的数据,更新目标区域活动人口集合,然后进入步骤C;
步骤C. 针对目标区域活动人口集合,获取各类上位人口活动因素相对目标区域的权重;并结合各个活动人口分别对应各类上位人口活动因素的数据,采用加权方法,获得各个活动人口分别对应的加权值,再通过归一化处理,获得各个活动人口分别相对目标区域的得分,然后进入步骤D;
步骤D. 基于身份证号码,实现目标区域活动人口集合与警务平台目标区域已登记居住人口的匹配,并将目标区域活动人口集合中已匹配的活动人口标识为居住状态;接着针对目标区域活动人口集合中为未匹配的活动人口,通过民警排查方式,确认其中目标区域居住的活动人口,并标识为居住状态,目标区域活动人口集合中剩余活动人口标识为非居住状态,然后进入步骤E;
步骤E. 针对目标区域活动人口集合,根据活动人口的居住状态与非居住状态,以及各个活动人口相对目标区域的得分,获得目标区域活动人口居住筛选模型,并进入步骤F;
步骤F. 采用目标区域活动人口居住筛选模型,针对目标区域新增活动人口进行筛选,获得各个新增活动人口相对目标区域居住的概率,并由民警根据该概率进行选择性筛查,对目标区域居住者进行登记。
2.根据权利要求1所述一种警务平台人口房屋数据筛查登记方法,其特征在于:所述步骤A中,预设各类人口活动因素包括上网信息、涉警信息、市民卡申领、电动自行车采购、燃气使用量、水使用量、五险缴纳、公积金缴费人员信息、公共自行车租赁、快递收发、电使用量、有限电视缴费、二手机交易信息、医保卡刷卡信息。
3.根据权利要求2所述一种警务平台人口房屋数据筛查登记方法,其特征在于:所述步骤B中,根据预设各类人口活动因素的上位原则,针对上网信息、涉警信息、市民卡申领、电动自行车采购、燃气使用量、水使用量、五险缴纳、公积金缴费人员信息、公共自行车租赁、快递收发、电使用量、有限电视缴费、二手机交易信息、医保卡刷卡信息,上位为居住因子、娱乐因子、出行因子、物流因子、活动因子、消费因子和生活因子七类上位人口活动因素,并基于此,针对各个活动人口分别对应预设各类人口活动因素的数据,进行因子分析,并降维操作,获得各个活动人口分别对应各类上位人口活动因素的数据。
4.根据权利要求1或3所述一种警务平台人口房屋数据筛查登记方法,其特征在于:所述步骤B中,针对各个活动人口分别对应预设各类人口活动因素的数据,采用主成分分析法进行因子分析。
5.根据权利要求1所述一种警务平台人口房屋数据筛查登记方法,其特征在于:所述步骤C中,针对目标区域活动人口集合,采用因子抽取与因子旋转方法,获取各类上位人口活动因素相对目标区域的权重。
6.根据权利要求1所述一种警务平台人口房屋数据筛查登记方法,其特征在于:所述步骤E中,针对目标区域活动人口集合,根据活动人口的居住状态与非居住状态,以及各个活动人口相对目标区域的得分,通过二元回归分析方法,获得目标区域活动人口居住筛选模型。
7.根据权利要求1所述一种警务平台人口房屋数据筛查登记方法,其特征在于:还包括房屋筛查方法,用于实现目标区域内房屋的筛查,包括如下步骤:
步骤Ⅰ. 获取目标区域中各房屋分别所对应的拿房数据与警务平台已登记居住数据,然后进入步骤Ⅱ;
步骤Ⅱ. 分别针对目标区域中的各房屋,根据预设因素数据的匹配,实现拿房数据与警务平台已登记居住数据之间的匹配,其中,匹配结果如下:
若拿房数据与警务平台已登记居住数据之间匹配成功,则判定该房屋为自住房屋;
若拿房数据与警务平台已登记居住数据之间匹配不成功,则判定该房屋为出租房屋;
若拿房数据存在,且警务平台已登记居住数据不存在,则判定该房屋为待查房屋,由民警进行核查;
若拿房数据与警务平台已登记居住数据均为不存在,则判定该房屋为空置房屋。
8.根据权利要求7所述一种警务平台人口房屋数据筛查登记方法,其特征在于:若房屋被判定为出租房屋,则针对该房屋所对应警务平台已登记居住数据,与公路铁路民航数据进行匹配,若匹配成功,则据此判定该房屋租客的活动区域,并列为待核查人员。
9.根据权利要求7或8所述一种警务平台人口房屋数据筛查登记方法,其特征在于:所述步骤Ⅱ中,分别针对目标区域中的各房屋,根据身份证号码、姓名、手机号的多项同时匹配,实现拿房数据与警务平台已登记居住数据之间的匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810007479.XA CN107993179B (zh) | 2018-01-04 | 2018-01-04 | 一种警务平台人口房屋数据筛查登记方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810007479.XA CN107993179B (zh) | 2018-01-04 | 2018-01-04 | 一种警务平台人口房屋数据筛查登记方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107993179A true CN107993179A (zh) | 2018-05-04 |
CN107993179B CN107993179B (zh) | 2021-11-23 |
Family
ID=62040914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810007479.XA Active CN107993179B (zh) | 2018-01-04 | 2018-01-04 | 一种警务平台人口房屋数据筛查登记方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107993179B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086829A (zh) * | 2018-08-14 | 2018-12-25 | 东方网力科技股份有限公司 | 一种社会人口治理的方法及装置 |
CN109214863A (zh) * | 2018-08-27 | 2019-01-15 | 西北工业大学 | 一种基于快递数据预测城市房屋需求的方法 |
CN109741227A (zh) * | 2019-01-07 | 2019-05-10 | 巩志远 | 一种基于最近邻算法预测人房一致性处理方法及系统 |
CN110097126A (zh) * | 2019-05-07 | 2019-08-06 | 江苏优聚思信息技术有限公司 | 基于dbscan聚类算法的核查重点人员、房屋漏登记的方法 |
CN110675206A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 群租发现方法、装置、设备及计算机可读介质 |
CN110969361A (zh) * | 2019-12-06 | 2020-04-07 | 深圳前海微众银行股份有限公司 | 空置率评估方法、装置、设备及计算机可读存储介质 |
CN112118548A (zh) * | 2020-07-29 | 2020-12-22 | 福建慧政通信息科技有限公司 | 一种大数据识别常住人口与流动人口的方法和存储设备 |
CN115470250A (zh) * | 2022-11-15 | 2022-12-13 | 中关村科学城城市大脑股份有限公司 | 人员信息处理方法、装置、电子设备和计算机可读介质 |
CN116150230A (zh) * | 2023-03-02 | 2023-05-23 | 重庆市规划和自然资源信息中心 | 基于多空间尺度进行动态住房人口登记监测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100096739A (ko) * | 2009-02-25 | 2010-09-02 | 오리엔탈종합전자(주) | 클래스구별 특징벡터 기반 서포트벡터머신 및 이를 이용한 얼굴 등록자 인증 방법 |
US20150332297A1 (en) * | 2010-09-22 | 2015-11-19 | The Nielsen Company (Us), Llc | Methods and apparatus to analyze and adjust demographic information |
CN105427223A (zh) * | 2015-12-22 | 2016-03-23 | 安徽瑞信软件有限公司 | 流动人口居住登记管理系统 |
CN106980930A (zh) * | 2017-03-20 | 2017-07-25 | 山东浪潮云服务信息科技有限公司 | 一种运用大数据多点碰撞技术进行人口迁徙分析的方法 |
-
2018
- 2018-01-04 CN CN201810007479.XA patent/CN107993179B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100096739A (ko) * | 2009-02-25 | 2010-09-02 | 오리엔탈종합전자(주) | 클래스구별 특징벡터 기반 서포트벡터머신 및 이를 이용한 얼굴 등록자 인증 방법 |
US20150332297A1 (en) * | 2010-09-22 | 2015-11-19 | The Nielsen Company (Us), Llc | Methods and apparatus to analyze and adjust demographic information |
CN105427223A (zh) * | 2015-12-22 | 2016-03-23 | 安徽瑞信软件有限公司 | 流动人口居住登记管理系统 |
CN106980930A (zh) * | 2017-03-20 | 2017-07-25 | 山东浪潮云服务信息科技有限公司 | 一种运用大数据多点碰撞技术进行人口迁徙分析的方法 |
Non-Patent Citations (1)
Title |
---|
林丽洁等: "人口统计数据空间化模型综述", 《亚热带资源与环境学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675206A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术(北京)有限公司 | 群租发现方法、装置、设备及计算机可读介质 |
CN110675206B (zh) * | 2018-07-03 | 2023-03-14 | 百度在线网络技术(北京)有限公司 | 群租发现方法、装置、设备及计算机可读介质 |
CN109086829A (zh) * | 2018-08-14 | 2018-12-25 | 东方网力科技股份有限公司 | 一种社会人口治理的方法及装置 |
CN109214863B (zh) * | 2018-08-27 | 2021-08-03 | 西北工业大学 | 一种基于快递数据预测城市房屋需求的方法 |
CN109214863A (zh) * | 2018-08-27 | 2019-01-15 | 西北工业大学 | 一种基于快递数据预测城市房屋需求的方法 |
CN109741227A (zh) * | 2019-01-07 | 2019-05-10 | 巩志远 | 一种基于最近邻算法预测人房一致性处理方法及系统 |
CN109741227B (zh) * | 2019-01-07 | 2020-12-08 | 巩志远 | 一种基于最近邻算法预测人房一致性处理方法及系统 |
CN110097126A (zh) * | 2019-05-07 | 2019-08-06 | 江苏优聚思信息技术有限公司 | 基于dbscan聚类算法的核查重点人员、房屋漏登记的方法 |
CN110097126B (zh) * | 2019-05-07 | 2023-04-21 | 江苏优聚思信息技术有限公司 | 基于dbscan聚类算法的核查重点人员、房屋漏登记的方法 |
CN110969361A (zh) * | 2019-12-06 | 2020-04-07 | 深圳前海微众银行股份有限公司 | 空置率评估方法、装置、设备及计算机可读存储介质 |
CN110969361B (zh) * | 2019-12-06 | 2024-05-14 | 深圳前海微众银行股份有限公司 | 空置率评估方法、装置、设备及计算机可读存储介质 |
CN112118548A (zh) * | 2020-07-29 | 2020-12-22 | 福建慧政通信息科技有限公司 | 一种大数据识别常住人口与流动人口的方法和存储设备 |
CN115470250A (zh) * | 2022-11-15 | 2022-12-13 | 中关村科学城城市大脑股份有限公司 | 人员信息处理方法、装置、电子设备和计算机可读介质 |
CN116150230A (zh) * | 2023-03-02 | 2023-05-23 | 重庆市规划和自然资源信息中心 | 基于多空间尺度进行动态住房人口登记监测方法 |
CN116150230B (zh) * | 2023-03-02 | 2023-08-29 | 重庆市规划和自然资源信息中心 | 基于多空间尺度进行动态住房人口登记监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107993179B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993179A (zh) | 一种警务平台人口房屋数据筛查登记方法 | |
Twinam | Danger zone: Land use and the geography of neighborhood crime | |
CN110781308B (zh) | 一种基于大数据构建知识图谱的反欺诈系统 | |
Hart et al. | Reference data and geocoding quality: Examining completeness and positional accuracy of street geocoded crime incidents | |
CN109285092A (zh) | 网上房地产信息提供系统,房地产放心交易服务提供系统 | |
He et al. | Extracting human perceptions from street view images for better assessing urban renewal potential | |
Li et al. | Delineation of an urban community life circle based on a machine-learning estimation of spatiotemporal behavioral demand | |
CN114418175A (zh) | 一种人员管理方法、装置、电子设备及存储介质 | |
CN109712291A (zh) | 电子闸门的开启方法、装置及服务器 | |
CN107705019A (zh) | 一种智慧城市惠民服务水平评价方法 | |
Chung et al. | Investigating the effects of POI-based land use on traffic accidents in Suzhou Industrial Park, China | |
CN1889130A (zh) | 一种矿山安全指纹管理控制方法及系统 | |
Mc Evoy et al. | A review of knowledge management in the public sector: A taxonomy | |
CN112395482A (zh) | 一种食品安全事件预警平台 | |
US20190362432A1 (en) | Compliance Aware Crime Risk Avoidance System | |
Alshar'e et al. | A face recognition method in machine learning (ml) for enhancing security in smart home | |
Bai et al. | Siamese-like convolutional neural network for fine-grained income estimation of developed economies | |
CN115587128A (zh) | 一种用于小区的实有人口积分管理系统 | |
Chiew et al. | A spatial analysis of the relationship between socio-demographic characteristics with burglar behaviours on burglary crime | |
US20230377068A1 (en) | Methods and systems for social assistance review of smart city based on internet of things | |
Knorre et al. | Shootings and land use | |
Simon | Poland Enters the Eighties | |
KR102561926B1 (ko) | 도시가스 데이터와 부동산 관련 데이터를 이용한 대안 부동산 감정평가 시스템 | |
Prokhin | The Concept of" Smart City" as a Main Element for Improving the Efficiency of Urban Infrastructure | |
JP2022108348A (ja) | 紙幣需要予測プログラム |
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 |