CN110659314A - 一种人口热力数据统计方法、装置、系统及存储介质 - Google Patents
一种人口热力数据统计方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN110659314A CN110659314A CN201910843354.5A CN201910843354A CN110659314A CN 110659314 A CN110659314 A CN 110659314A CN 201910843354 A CN201910843354 A CN 201910843354A CN 110659314 A CN110659314 A CN 110659314A
- Authority
- CN
- China
- Prior art keywords
- data
- population
- thermal
- unit area
- demographic
- 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.)
- Pending
Links
- 238000007619 statistical method Methods 0.000 title abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims description 24
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006837 decompression Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Computer Security & Cryptography (AREA)
- Fuzzy Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种人口热力数据统计方法、装置、系统及存储介质，该方法包括：获取多条人口热力数据；将每一条人口热力数据分别与预构建的点阵数据表进行匹配；统计每一条人口热力数据所属的单位区域。将人口热力数据分别与预构建的点阵数据表进行匹配后，可以轻易的确定每一条人口热力数据所属的单位区域。通过该种方式，将会更加容易、快速的确定某一个区域的人口密集度，便于后续灾害评估时，针对不同的区域采取不同的有效措施。
Description
技术领域
本发明实施例涉及数据处理技术领域，具体涉及一种人口热力数据统计方法、装置、系统及存储介质。
背景技术
常规的灾害评估在人口分析上用的是静态统计数据。由于人们活动属于动态的，所以这种统计数据并不能反映出人口数据在时间上的变化。例如北上广深等大城市在重大节假日期间人口会出现上万人的起落变化，如果这时灾评仅用统计数据显然不准确。统计数据一般以人口普查数据为主，所以更新速度缓慢，频次也低，在实际应用中严重影响灾评的准确性。目前人口热力的数据是从“腾讯位置大数据”网站获取的。其中，数据的特点是：每5分钟就会有一组数据产生，系统在后台有相应的程序实时抓取数据；每组数据有40～70万条记录，数据的分布涵盖了全球范围。所以从数据的特点上看，人口热力数据量很大，且如果要对每组数据做处理，处理就必须在5分钟之内完成，这就给数据处理提出了一个时限要求，处理不完就必然影响到下一组数据的处理，从而产生链式效应。
灾害评估中，对于人口变化的统计基于受灾区域，这就需要对获取的全量人口热力数据进行分区。而对于数据分区的传统方式是利用拓扑几何算法来计算处理。如果待判断的点不多，或者目标多边形只有一个时，速度还是可以的，但面对人口热力数据却显得非常吃力。
传统方法处理完一组数据，按每组最多70万个点来算，可能需要12分钟左右。如果数据每隔5分钟就会有一组产生的话，必然会造成数据处理上的堵塞。数据处理速度慢，累积量大，对系统也将会造成严重的影响。因此，亟需研发一种更加快速更加有效的数据处理方法。
发明内容
为此，本发明实施例提供一种人口热力数据统计方法、装置、系统及存储介质，以解决现有技术中人口热力数据量大，在灾害评估时直接调用人口热力数据进行评估，数据处理速率低，进而导致评估速度慢等的技术问题。
为了实现上述目的，本发明实施例提供如下技术方案：
根据本发明实施例的第一方面，提供了一种人口热力数据统计方法，该方法包括：
周期性获取实时的人口热力数据，其中，人口热力数据包括多条；
将每一条人口热力数据分别与预构建的点阵数据表进行匹配，所述点阵数据表为以单位区域为基准构建的点阵数据表；
统计每一条人口热力数据所属的单位区域。
进一步地，所述人口热力数据包括产生热力值的位置对应的位置信息，以及热力值，所述单位区域包括至少两个，每一个单位区域对应一个点阵数据表，所述点阵数据表包括与单位区域内的预设数量定位点对应的位置信息；所述将每一条人口热力数据分别与预构建的点阵数据表进行匹配，具体包括：
将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域。
进一步地，所述与单位区域内的预设数量定位点对应的位置信息将以结构化形式存储于所述点阵数据表中，且所述点阵数据表中包括与所述预设数量定位点对应的位置信息存在映射关系的索引。
进一步地，所述获取多条人口热力数据为浮点型数据，所述将每一条人口热力数据分别与预构建的点阵数据表进行匹配之前，所述方法还包括：
将所述浮点型数据转换为字符型数据。
进一步地，所述获取多条人口热力数据后，所述方法还包括：
采用磁盘压缩技术，对所述多条人口热力数据进行磁盘压缩存储。
进一步地，将所述浮点型数据转换为字符型数据，具体包括：
采用SQL的FORMAT函数将所述浮点型数据转换为字符型数据。
进一步地，所述将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域，具体包括：
运行SQL的IN语句，执行将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域。
根据本发明实施例的第二方面，提供了一种人口热力数据统计装置，该装置包括：
获取单元，用于周期性获取实时的人口热力数据，其中，人口热力数据包括多条；
处理单元，用于执行如上一种人口热力数据统计方法中的任一方法步骤。
根据本发明实施例的第三方面，提供了一种人口热力数据统计系统，该系统包括：处理器和存储器；
存储器用于存储一个或多个程序指令；
处理器，用于运行一个或多个程序指令，用以执行如上一种人口热力数据统计方法中的任一方法步骤。
根据本发明实施例的第四方面，提供了一种计算机存储介质，该计算机存储介质中包含一个或多个程序指令，一个或多个程序指令用于被一种人口热力数据统计系统执行如上一种人口热力数据统计方法中的任一方法步骤。
本发明实施例具有如下优点：获取人口热力数据，然后将人口热力数据分别与预构建的点阵数据表进行匹配，点阵数据表是人为的事先以单位区域为基准构建的点阵数据表，例如以城镇为单位或者行政区域为单位区域，构建每一个区域分别对应的点阵数据表。将人口热力数据分别与预构建的点阵数据表进行匹配后，可以轻易的确定每一条人口热力数据所属的单位区域。利用人口热力数据取代传统的普查数据作为人口密度分析，将会更加真实的反映人口分布情况，通过该种方式，将会更加容易、快速的确定某一个区域的人口密集度，即，大数据处理效率相较于传统方式将会更高。便于后续灾害评估时，针对不同的区域采取不同的有效措施。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例1提供的一种人口热力数据统计方法流程示意图；
图2为本发明实施例2提供的一种人口热力数据统计装置结构示意图；
图3为本发明实施例3提供的一种人口热力数据统计系统结构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，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做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。
本发明实施例1提供了一种人口热力数据统计方法，具体如图1所示，该方法步骤如下：
步骤110，周期性获取实时的人口热力数据。
热力数据中包括产生热力值的位置对应的位置信息，以及热力值。具体参见表1所示，表1为部分热力数据的部分统计表，表1中示出了产生热力值的位置对应的位置信息和热力值。图1中示出的位置信息以经纬度为基准。其中，lng对应的列为经度数据，lat对应的列为纬度数据，val对应的列为热力值。
| lng | Lat | val |
| 124.87 | 47.18 | 56 |
| 117.41 | 23.78 | 1 |
| 108.87 | 11.36 | 1 |
| 121.65 | 31.6 | 1 |
| 116.04 | 39.29 | 2 |
| 38.83 | 47.22 | 2 |
| 110.65 | 27.21 | 2 |
表1
热力数据来源于提供位置服务(Location Based Service，简称LBS)网络服务商，在国内例如百度、腾讯和高德等等，LBS服务能为客户端提供地理位置相关的网络服务，其中最大的客户端群是移动终端。移动终端调用了LBS服务后，服务端会把这个访问记录写入数据库，而这条访问记录里就包括了客户端的地理位置信息。把数据库里的这些信息，按照一定的时间间隔(例如5分钟、10分钟)，一定的数据精度(例如把经纬信息截取到小数点后两位)进行聚合统计，就能得出一批网格状的统计数据，这些数据就是热力值，每个数据代表了当前网格点的访问统计值，它不能代表当前网格点的人口数量，但却能够真实反映当前网格点的人口密集程度。
人口热力数据量非常大，例如腾讯的数据是5分钟一组数据，每组数据有40～70万条数据，仅存储一天的数据就需2～2.5G的存储空间。如果不考虑其数据存储问题，将不利于数据的快速处理和数据的使用。因此，在执行步骤110后，该方法还可以包括：
采用关系型数据库来存储数据，使得数据能够被结构化存储，为后面的步骤实现提供基础。本发明选用的数据库软件为MySQL。有了数据库软件支持，对数据的操作可以通过SQL语句来完成，这样在编程开发时大部分繁复的数据操作都可转化为简单易懂的SQL语言，更有利于系统的维护与开发。并且，使用第三方的数据库管理软件可以轻松接入数据库，可以对数据直观地编辑修改，这样更有利于管理员在后台对数据的维护。
采用磁盘压缩技术，对数据文件进行磁盘压缩存储，从而提高磁盘的利用率。
磁盘压缩技术是一种可以增加硬盘存储信息量的技术，与常用的文件压缩软件不同的是数据的压缩和解压缩是在系统的驱动层完成，用户在使用时无需参与其压缩和解压缩操作，就像使用正常的磁盘文件系统一样。例如在我们实际的系统运行中，磁盘的物理容量是1TB，使用Windows的NTFS分区，开启了压缩功能，存有1.28TB的热力数据，系统显示的剩余空间还有111GB，所以空间的利用率达到≥136％。
步骤120，将每一个人口热力数据分别与预构建的点阵数据表进行匹配，所述点阵数据表为以单位区域为基准构建的点阵数据表。
具体的，预构建的点阵数据表实际是以单位区域为基准构建的点阵数据表。单位区域例如是以城镇为单位、以乡村为单位或者以行政区域为单位等的区域。点阵数据可通过GIS工具对该单位区域做矩形点阵扫描来生成，每张数据表代表一个单位区域，表中的内容即单位区域内的点阵。点阵数据表中的经纬度精度由源人口热力数据的经纬度精度决定，也就是说如果源人口热力的经纬度精度是小数点后两位的话，那么在生成点阵表时，表内的经纬度也要以小数点后两位的精度来扫描。
以北京市为例，可以以丰台区、海淀区、昌平区、朝阳区以及大兴区等等不同的区域分别作为一个单位区域，并针对每一个单位区域生成一个点阵数据表。点阵数据表中每一行数据即为一个坐标点，所有点都位于该单位区域内。经纬度精度由源人口热力数据的经纬度精度所决定。
那么，将人口热力数据分别与预构建的点阵数据表进行匹配，具体包括：
将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域。
为了保证匹配的效率，该方法还可以包括：
将点阵数据表进行结构化存储，经纬度不以浮点型存储，而采用字符型，并且按经纬度建立索引。具体通过数据库软件MySQL实现。
进一步可选的，源人口热力数据的经纬度在数据库中以浮点型存储。但是点阵数据表中的经纬度不能以浮点型存储，鉴于在数据库里浮点数的比对耗时较长，影响运算性能，数据类型必须为字符型，因为纯ASCII码的比对速度是非常快的。所以在执行步骤120之前，为了实现热力数据与点阵数据的快速匹配，该方法还包括：将热力数据的经纬度从浮点型转换为字符型。具体的转换方式包括：采用SQL的FORMAT函数即可将所述浮点型数据转换为字符型数据。
进一步可选的，在执行将每一条人口热力数据的位置信息分别与每一个单位区域内的坐标点的位置信息进行匹配时，具体包括：
运行SQL的IN语句，执行将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域。
步骤130，统计每一个人口热力数据所属的单位区域。
通过步骤120所述的方法，可以精确的对人口热力数据划分区域，确定每一条人口热力数据所属的单位区域，通过SQL语言的SUM函数可以直接对单位区域内的热力值做统计，最终根据统计结果确定每一个单位区域在一定时间间隔内的热力值，以便于其他应用系统直接调用数据使用。在灾害评估的应用场景中，因为静态的人口统计数据无法反映人口在时间上的变化关系，而把这个统计结果存储起来，分析其在日周期、周周期、月周期、年周期、长期平均值和短期平均值等变化规律，可得出一系列结论系数。结论系数反映的就是单位区域在某个时间段的人口变化系数，用这些系数来校正人口统计数据，即可让人口灾评具有时间属性，更加真实地反映灾区的人口伤亡情况。
当然，本实施例仅仅是一个灾害评估的应用场景为例进行说明，并不代表本申请的方法不能应用于其他应用场景。凡是适用于本实施例方法的应用场景都应该被保护在内。
经使用本实施例方法和传统方法相比较，对人口热力数据做分区域统计的处理时长，以全国376个城市为例，传统方式处理完全部热力数据差不多需要12分钟，而在同样的硬件和软件环境下，本实施的方法则仅需两分钟左右即可完成。
本发明实施例提供的一种人口热力数据统计方法，周期性的获取人口热力数据，然后将人口热力数据分别与预构建的点阵数据表进行匹配，点阵数据表是人为的事先以单位区域为基准构建的点阵数据表，例如以城镇为单位或者行政区域为单位区域，构建每一个区域分别对应的点阵数据表。将人口热力数据分别与预构建的点阵数据表进行匹配后，可以轻易的确定每一条人口热力数据所属的单位区域。利用人口热力数据取代传统的人口普查数据作为人口密度分析，将会更加真实的反映人口分布情况，通过该种方式，将会更加容易、快速的确定某一个区域的人口密集度，即，大数据处理效率相较于传统方式将会更高。便于后续灾害评估时，针对不同的区域采取不同的有效措施。
与上述实施例相对应的，本发明实施例2还提供了一种人口热力数据统计装置，具体如图2所示，该装置包括：获取单元201和处理单元202。
获取单元201，用于周期性获取实时的人口热力数据，其中，人口热力数据包括多条。
处理单元202，用于执行如上实施例所述的任一方法步骤。
本发明实施例提供的一种人口热力数据统计装置，周期性的获取人口热力数据，然后将人口热力数据分别与预构建的点阵数据表进行匹配，点阵数据表是人为的事先以单位区域为基准构建的点阵数据表，例如以城镇为单位或者行政区域为单位区域，构建每一个区域分别对应的点阵数据表。将人口热力数据分别与预构建的点阵数据表进行匹配后，可以轻易的确定每一条人口热力数据所属的单位区域。利用人口热力数据取代传统的普查数据作为人口密度分析，将会更加真实的反映人口分布情况，通过该种方式，将会更加容易、快速的确定某一个区域的人口密集度，即，大数据处理效率相较于传统方式将会更高。便于后续灾害评估时，针对不同的区域采取不同的有效措施。
与上述实施例相对应的，本发明实施例3还提供了一种人口热力数据统计系统，具体如图3所示，该系统包括：处理器301和存储器302；
存储器302用于存储一个或多个程序指令；
处理器301，用于运行一个或多个程序指令，用以执行如上实施例所介绍的一种人口热力数据统计方法中的任一方法步骤。
本发明实施例提供的一种人口热力数据统计系统，周期性的获取人口热力数据，然后将人口热力数据分别与预构建的点阵数据表进行匹配，点阵数据表是人为的事先以单位区域为基准构建的点阵数据表，例如以城镇为单位或者行政区域为单位区域，构建每一个区域分别对应的点阵数据表。将人口热力数据分别与预构建的点阵数据表进行匹配后，可以轻易的确定每一条人口热力数据所属的单位区域。利用人口热力数据取代传统的普查数据作为人口密度分析，将会更加真实的反映人口分布情况，通过该种方式，将会更加容易、快速的确定某一个区域的人口密集度，即，大数据处理效率相较于传统方式将会更高。便于后续灾害评估时，针对不同的区域采取不同的有效措施。
与上述实施例相对应的，本发明实施例还提供了一种计算机存储介质，该计算机存储介质中包含一个或多个程序指令。其中，一个或多个程序指令用于被一种人口热力数据统计系统执行如上所介绍的一种人口热力数据统计方法。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (10)
1.一种人口热力数据统计方法，其特征在于，所述方法包括：
周期性获取实时的人口热力数据，所述人口热力数据包括多条；
将每一条人口热力数据分别与预构建的点阵数据表进行匹配，所述点阵数据表为以单位区域为基准构建的点阵数据表；
统计每一条人口热力数据所属的单位区域。
2.根据权利要求1所述的方法，其特征在于，所述人口热力数据包括产生热力值的位置对应的位置信息，以及热力值，所述单位区域包括至少两个，每一个单位区域对应一个点阵数据表，所述点阵数据表包括与单位区域内的预设数量定位点对应的位置信息；所述将每一条人口热力数据分别与预构建的点阵数据表进行匹配，具体包括：
将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域。
3.根据权利要求2所述的方法，其特征在于，所述与单位区域内的预设数量定位点对应的位置信息将以结构化形式存储于所述点阵数据表中，且所述点阵数据表中包括与所述预设数量定位点对应的位置信息存在映射关系的索引。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述获取多条人口热力数据为浮点型数据，所述将每一条人口热力数据分别与预构建的点阵数据表进行匹配之前，所述方法还包括：
将所述浮点型数据转换为字符型数据。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述获取多条人口热力数据后，所述方法还包括：
采用磁盘压缩技术，对所述多条人口热力数据进行磁盘压缩存储。
6.根据权利要求4所述的方法，其特征在于，所述将所述浮点型数据转换为字符型数据，具体包括：
采用SQL的FORMAT函数将所述浮点型数据转换为字符型数据。
7.根据权利要求2所述的方法，其特征在于，所述将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域，具体包括：
运行SQL的IN语句，执行将每一个热力数据的位置信息分别与每一个单位区域内的预设数量的定位点的位置信息进行匹配，确定所述热力数据所属的单位区域。
8.一种人口热力数据统计装置，其特征在于，所述装置包括：获取单元，用于周期性获取实时的人口热力数据，所述人口热力数据包括多条；
处理单元，用于执行如权利要求1-7任一项所述的人口热力数据统计方法。
9.一种人口热力数据统计系统，其特征在于，所述系统包括：处理器和存储器；
所述存储器用于存储一个或多个程序指令；
所述处理器，用于运行一个或多个程序指令，用以执行如权利要求1-7任一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于被一种人口热力数据统计系统执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910843354.5A CN110659314A (zh) | 2019-09-06 | 2019-09-06 | 一种人口热力数据统计方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910843354.5A CN110659314A (zh) | 2019-09-06 | 2019-09-06 | 一种人口热力数据统计方法、装置、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110659314A true CN110659314A (zh) | 2020-01-07 |
Family
ID=69037997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910843354.5A Pending CN110659314A (zh) | 2019-09-06 | 2019-09-06 | 一种人口热力数据统计方法、装置、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110659314A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150154640A1 (en) * | 2013-12-04 | 2015-06-04 | Alibaba Group Holding Limited | Method and system for collecting resource access information |
| CN105488120A (zh) * | 2015-11-23 | 2016-04-13 | 上海川昱信息科技有限公司 | 基于手机大数据实时采集人口空间分布与大客流预警方法 |
| CN106991808A (zh) * | 2017-02-28 | 2017-07-28 | 广州地理研究所 | 基于汽车电子标识的车辆出行热力图构建方法及装置 |
| CN107067189A (zh) * | 2017-05-12 | 2017-08-18 | 北京辰安科技股份有限公司 | 预警策略确定方法和预警策略确定装置 |
| CN109213949A (zh) * | 2017-06-19 | 2019-01-15 | 北京嘀嘀无限科技发展有限公司 | 热力图的绘制方法和装置 |
-
2019
- 2019-09-06 CN CN201910843354.5A patent/CN110659314A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150154640A1 (en) * | 2013-12-04 | 2015-06-04 | Alibaba Group Holding Limited | Method and system for collecting resource access information |
| CN105488120A (zh) * | 2015-11-23 | 2016-04-13 | 上海川昱信息科技有限公司 | 基于手机大数据实时采集人口空间分布与大客流预警方法 |
| CN106991808A (zh) * | 2017-02-28 | 2017-07-28 | 广州地理研究所 | 基于汽车电子标识的车辆出行热力图构建方法及装置 |
| CN107067189A (zh) * | 2017-05-12 | 2017-08-18 | 北京辰安科技股份有限公司 | 预警策略确定方法和预警策略确定装置 |
| CN109213949A (zh) * | 2017-06-19 | 2019-01-15 | 北京嘀嘀无限科技发展有限公司 | 热力图的绘制方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10097420B2 (en) | Method and apparatus for determining area in which IP address is located | |
| JP6689515B2 (ja) | ユーザ地理的ロケーションのタイプを識別するための方法および装置 | |
| US10909554B2 (en) | Analyzing big data to determine a data plan | |
| CN110569321B (zh) | 基于城市地图的网格划分处理方法、装置和计算机设备 | |
| US20210406313A1 (en) | Poi recommendation method and device based on graph database, and storage medium | |
| CN110543504A (zh) | 基于时空匹配的人口热力数据统计方法、系统及存储介质 | |
| Gupta et al. | Faster as well as early measurements from big data predictive analytics model | |
| WO2013182736A1 (en) | Determination of context-aware user preferences | |
| CN114580178B (zh) | 一种蚊虫分布预测方法、装置、设备和存储介质 | |
| CN110012436B (zh) | 用户位置确定方法、装置、设备及计算机可读存储介质 | |
| KR20140056828A (ko) | 사용자 단말을 이용한 유동 인구 분석 장치, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
| CN112699102B (zh) | 格点数据的处理方法及其相关设备 | |
| CN110851758B (zh) | 一种网页访客数量统计方法及装置 | |
| CN106372213B (zh) | 一种位置分析方法 | |
| CN110659314A (zh) | 一种人口热力数据统计方法、装置、系统及存储介质 | |
| CN111241113A (zh) | 一种基于PaaS架构的统计图数据实时计算系统及方法 | |
| CN111611337B (zh) | 终端数据处理系统 | |
| CN115905435A (zh) | 一种基于时空聚合中间态的信令数据分析方法及装置 | |
| CN114791914A (zh) | 基于Bitmap位图的用户行为统计方法、装置、设备及介质 | |
| CN111797181B (zh) | 用户职住地的定位方法、装置、控制设备及存储介质 | |
| WO2005088556A2 (en) | System and method for producing a flexible geographical grid | |
| CN112101800A (zh) | 闪电数据的分析方法、装置、计算机设备和存储介质 | |
| US11609915B2 (en) | Efficient set operation execution on streaming data using sketches | |
| CN115965460B (zh) | 异常业务识别方法、装置、计算机设备和存储介质 | |
| CN110136043B (zh) | 一种基于位置大数据的交通小区人口推算方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |
|
| RJ01 | Rejection of invention patent application after publication |