CN110826786A - 目的地点人口数量的预测方法、装置及存储介质 - Google Patents
目的地点人口数量的预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110826786A CN110826786A CN201911033208.2A CN201911033208A CN110826786A CN 110826786 A CN110826786 A CN 110826786A CN 201911033208 A CN201911033208 A CN 201911033208A CN 110826786 A CN110826786 A CN 110826786A
- Authority
- CN
- China
- Prior art keywords
- population
- destination
- population number
- starting
- place
- 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
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种目的地点人口数量的预测方法,包括:设置基准位置,根据基准位置构建待预测地区的泰森多边形网络;记录在待预测地区范围内,从起始地点到目的地点的所有可行路径;根据目的地点的原总人口数量以及所有可行路径之间的人口数量,计算从起始地点出发的人口到目的地点的概率值;根据起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及概率值,得到目标时刻下目的地点的总人口数量。本发明公开的一种目的地点人口数量的预测方法能够基于动态的数据预测目的地点的人口数量,在预测过程中体现人口的流动情况,提高目的地人口预测的准确性。本发明实施例还公开了一种目的地点人口数量的预测装置及存储介质。
Description
技术领域
本发明涉及人口预测技术领域,尤其涉及一种目的地点人口数量的预测方法、装置及存储介质。
背景技术
随着社会的发展和人口的增长,针对当前移动用户大数据获取成为可能,利用移动用户的人口人不在空间的流动构建空间交互流量矩阵已经成为可能。
在现有技术中,预测人口数量的模型有:介入机会模型、人口权重机会模型、辐射模型等。
本发明人在实施本发明的过程中发现,现有技术中存在以下技术问题:
介入机会模型、人口权重机会模型、辐射模型均是以一个个体对目的地的远近决策、空间距离以及人口分布决策为假设,因此预测出来的模型是基于静态数据的静态的模型,无法体现人口的流动情况。
发明内容
本发明实施例提供一种目的地点人口数量的预测方法、装置及存储介质,能够基于动态的数据预测目的地点的人口数量,在预测过程中体现人口的流动情况,提高目的地人口预测的准确性。
本发明实施例一提供一种目的地点人口数量的预测方法,包括:
设置基准位置,根据所述基准位置构建待预测地区的泰森多边形网络;
记录在所述待预测地区范围内,从起始地点到目的地点的所有可行路径;
根据所述目的地点的原总人口数量以及所有所述可行路径之间的人口数量,计算从所述起始地点出发的人口到所述目的地点的概率值;
根据所述起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及所述概率值,得到目标时刻下所述目的地点的总人口数量。
作为上述方案的改进,所述根据所述目的地点的原总人口数量以及所有所述可行路径之间的人口数量,计算从所述起始地点出发的人口到所述目的地点的概率值,具体包括:
根据如下式(1)计算所述概率值:
Pij=(mj/Sij)*(1+y/rj) (1)
式中,Pij为所述概率值,mj为所述目的地点的原总人口数量,Sij为所有所述可行路径之间的人口数量,y为从起始地点i到目的地点j的动态记忆强度因子,rj为目的地点j的吸引力排序;
其中,所述动态记忆强度因子为从所述起始地点到所述目的地点的人口数量对目标时刻下所述目的地点的总人口数量的影响因子。
作为上述方案的改进,根据如下式(2)计算所述动态记忆强度因子y:
y=a1*b1 T-t1+a2*b2 T-t2+a3*b3 T-t3+a4*b4 T-t4 (2)
式中,a1、a2、a3和a4为时间衰减因子,且a1+a2+a3+a4=1,T为当前时刻,t1、t2、t3和t4分别对应根据预设的周期将当前时刻T之前的一个周期分成的四个时段,b1、b2、b3和b4分别为t1、t2、t3和t4时段内从所述起始地点到目的地点的人口数量。
作为上述方案的改进,所述根据所述起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及所述概率值,得到目标时刻下所述目的地点的总人口数量,具体包括:
根据所述概率值与所述起始地点的原总人口数量之积计算所述目的地点的流入人口数量;
根据当前时刻到目标时刻内,所述目的地点的原总人口数量与目的地点的流出人口数量之差计算所述目的地点的停留人口数量;
根据所述目的地点的流入人口数量与所述目的地点的停留人口数量之和得到目标时刻下所述目的地点的总人口数量。
作为上述方案的改进,所述基准位置为通信基站。
作为上述方案的改进,所述可行路径之间的人口数量为所述可行路径经过的所有泰森多边形内的人口数量之和。
本发明实施例二对应提供了一种目的地点人口数量的预测装置,包括:
网络构建模块,用于设置基准位置,根据所述基准位置构建待预测地区的泰森多边形网络;
路径记录模块,用于记录在所述待预测地区范围内,从起始地点到目的地点的所有可行路径;
概率计算模块,用于根据所述目的地点的原总人口数量以及所有所述可行路径之间的人口数量,计算从所述起始地点出发的人口到所述目的地点的概率值;
人口预测模块,用于根据所述起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及所述概率值,得到目标时刻下所述目的地点的总人口数量。
本发明实施例三对应提供了一种目的地点人口数量的预测装置,包括:处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例一所述的一种目的地点人口数量的预测方法。
本发明实施例四提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述发明实施例所述的一种目的地点人口数量的预测方法。
本发明实施例提供的一种目的地点人口数量的预测方法,与现有技术相比,具有如下有益效果:
通过记录从起始地点到目的地点的所有可行路径,并获取所有可行路径的人口数量,从大数据获取人口流动的可能性,突破传统预测模型的主观推测,得到了更客观、更准确的从起始地点出发的人口到目的地点的概率值;通过采用泰森多边形网络对待预测地区进行面状区域划分,能够进一步提高概率值计算的准确性;
通过时间衰减因子计算不同时间段对当前人口流入的动态记忆因子的影响,能够动态地观测人口流动情况,以在预测过程中体现人口的流动情况,提高目的地人口预测的准确性;
通过将通信基站设为基准位置,根据该通信基站的运营商的用户数量统计各个地点的人口数量,能够提高人口数量统计和预测的效率;
根据不同时刻人员空间交互流量的特点和目标时刻的人口数量,能够为通信网络设计,例如不同时间段设置不同地点的通信基站启动或者关闭提供数据支撑,从而实现节能减排,提高通信基站的使用效率;以及为交通轨道设计以及疾病传播提供有效的数据支撑。
附图说明
图1是本发明实施例一提供的一种目的地点人口数量的预测方法的流程示意图。
图2是本发明实施例一提供的一种目的地点人口数量的预测方法的泰森多边形网络示意图。
图3是本发明实施例二提供的一种目的地点人口数量的预测装置的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
参见图1,是本发明实施例一提供的一种目的地点人口数量的预测方法的流程示意图,包括:
S101、设置基准位置,根据基准位置构建待预测地区的泰森多边形网络;
S102、记录在待预测地区范围内,从起始地点到目的地点的所有可行路径;
S103、根据目的地点的原总人口数量以及所有可行路径之间的人口数量,计算从起始地点出发的人口到目的地点的概率值;
S104、根据起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及概率值,得到目标时刻下目的地点的总人口数量。
进一步的,对于S103,根据目的地点的原总人口数量以及所有可行路径之间的人口数量,计算从起始地点出发的人口到目的地点的概率值,具体包括:
根据如下式(1)计算概率值:
Pij=(mj/Sij)*(1+y/rj) (1)
式中,Pij为概率值,mj为目的地点的原总人口数量,Sij为所有可行路径之间的人口数量,y为从起始地点i到目的地点j的动态记忆强度因子,rj为目的地点j的吸引力排序;
其中,动态记忆强度因子为从起始地点到目的地点的人口数量对目标时刻下目的地点的总人口数量的影响因子。
具体地,从某一起始地点出发的人可能会将上述的目的地点j作为目的地,也有可能将其他地点作为目的地。通过目的地点j的原总人口数量mj与为所有可行路径之间的人口数量Sij之商,能够准确计算出所有可行路径中有多少人的目的地是上述的目的地点j,进一步提高从起始地点出发的人口到目的地点的概率值计算的准确性。
进一步的,根据如下式(2)计算动态记忆强度因子y:
y=a1*b1 T-t1+a2*b2 T-t2+a3*b3 T-t3+a4*b4 T-t4 (2)
式中,a1、a2、a3和a4为时间衰减因子,且a1+a2+a3+a4=1,T为当前时刻,t1、t2、t3和t4分别对应根据预设的周期将当前时刻T之前的一个周期分成的四个时段,b1、b2、b3和b4分别为t1、t2、t3和t4时段内从起始地点到目的地点的人口数量。
在具体的实施方式中,可选地,将一个周期设置为4个小时,将4个小时分成各为1小时的四个时段,t1、t2、t3和t4分别对应当前时刻T的前1个小时、前2个小时、前3个小时和前4个小时;由于t1最靠近当前时刻T,因此a1的权重相对较大,可选地,将a1、a2、a3和a4分别设置为0.4、0.3、0.2和0.1。由于靠近当前时刻的事情对当前时刻的影响更大,通过设置不同占比的时间衰减因子,能够体现人口数量的动态性,提高预测的准确性。
优选的,目的地点j的吸引力排序为当前时刻T的前一时间段中,所有去目的地点j的人数中,从起始地点i到目的地点j的人数的排名情况。
进一步的,对于S104,根据起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及概率值,得到目标时刻下目的地点的总人口数量,具体包括:
根据概率值与起始地点的原总人口数量之积计算目的地点的流入人口数量;
根据当前时刻到目标时刻内,目的地点的原总人口数量与目的地点的流出人口数量之差计算目的地点的停留人口数量;
根据目的地点的流入人口数量与目的地点的停留人口数量之和得到目标时刻下目的地点的总人口数量。
进一步的,基准位置为通信基站。
在具体的实施方式中,将通信基站作为基准位置后,可以根据该通信基站的运营商的用户数量统计各个地点的人口数量,即通过该运营商的用户数量除以该运营商的市场份额,可得到各个地点的总人口数量,从而提高了人口数量统计的效率。
进一步的,可行路径之间的人口数量为可行路径经过的所有泰森多边形内的人口数量之和。
参见图2,是本发明实施例一提供的一种目的地点人口数量的预测方法的泰森多边形网络示意图。图中的路径为从起始地点i到目的地点j的部分可行路径。通过构建泰森多边形网络对待预测地区进行面状区域划分,由于泰森多边形内的点到相应离散点的距离最近,因此将可行路径经过的所有泰森多边形内的人口数量之和作为可行路径之间的人口数量,能够准确地计算出从某一起始地点出发的人口到该目的地点的概率值。
本发明实施例提供的一种目的地点人口数量的预测方法,与现有技术相比,具有如下有益效果:
通过记录从起始地点到目的地点的所有可行路径,并获取所有可行路径的人口数量,从大数据获取人口流动的可能性,突破传统预测模型的主观推测,得到了更客观、更准确的从起始地点出发的人口到目的地点的概率值;通过采用泰森多边形网络对待预测地区进行面状区域划分,能够进一步提高概率值计算的准确性;
通过时间衰减因子计算不同时间段对当前人口流入的动态记忆因子的影响,能够动态地观测人口流动情况,以在预测过程中体现人口的流动情况,提高目的地人口预测的准确性;
通过将通信基站设为基准位置,根据该通信基站的运营商的用户数量统计各个地点的人口数量,能够提高人口数量统计和预测的效率;
根据不同时刻人员空间交互流量的特点和目标时刻的人口数量,能够为通信网络设计,例如不同时间段设置不同地点的通信基站启动或者关闭提供数据支撑,从而实现节能减排,提高通信基站的使用效率;以及为交通轨道设计以及疾病传播提供有效的数据支撑。
参见图3,是本发明实施例二提供的一种目的地点人口数量的预测装置的结构示意图,包括:
网络构建模块201,用于设置基准位置,根据所述基准位置构建待预测地区的泰森多边形网络;
路径记录模块202,用于记录在所述待预测地区范围内,从起始地点到目的地点的所有可行路径;
概率计算模块203,用于根据所述目的地点的原总人口数量以及所有所述可行路径之间的人口数量,计算从所述起始地点出发的人口到所述目的地点的概率值;
人口预测模块204,用于根据所述起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及所述概率值,得到目标时刻下所述目的地点的总人口数量。
本发明实施例三对应提供了一种目的地点人口数量的预测装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例一所述的目的地点人口数量的预测方法。所述目的地点人口数量的预测装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述目的地点人口数量的预测装置可包括,但不仅限于,处理器、存储器。
本发明实施例四对应提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如本发明实施例一所述的目的地点人口数量的预测方法。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述目的地点人口数量的预测装置的控制中心,利用各种接口和线路连接整个目的地点人口数量的预测装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述目的地点人口数量的预测装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述目的地点人口数量的预测装置集成的模块/单元如果以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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述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。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种目的地点人口数量的预测方法,其特征在于,包括:
设置基准位置,根据所述基准位置构建待预测地区的泰森多边形网络;
记录在所述待预测地区范围内,从起始地点到目的地点的所有可行路径;
根据所述目的地点的原总人口数量以及所有所述可行路径之间的人口数量,计算从所述起始地点出发的人口到所述目的地点的概率值;
根据所述起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及所述概率值,得到目标时刻下所述目的地点的总人口数量。
2.如权利要求1所述的一种目的地点人口数量的预测方法,其特征在于,所述根据所述目的地点的原总人口数量以及所有所述可行路径之间的人口数量,计算从所述起始地点出发的人口到所述目的地点的概率值,具体包括:
根据如下式(1)计算所述概率值:
Pij=(mj/Sij)*(1+y/rj) (1)
式中,Pij为所述概率值,mj为所述目的地点的原总人口数量,Sij为所有所述可行路径之间的人口数量,y为从起始地点i到目的地点j的动态记忆强度因子,rj为目的地点j的吸引力排序;
其中,所述动态记忆强度因子为从所述起始地点到所述目的地点的人口数量对目标时刻下所述目的地点的总人口数量的影响因子。
3.如权利要求2所述的一种目的地点人口数量的预测方法,其特征在于,根据如下式(2)计算所述动态记忆强度因子y:
y=a1*b1 T-t1+a2*b2 T-t2+a3*b3 T-t3+a4*b4 T-t4 (2)
式中,a1、a2、a3和a4为时间衰减因子,且a1+a2+a3+a4=1,T为当前时刻,t1、t2、t3和t4分别对应根据预设的周期将当前时刻T之前的一个周期分成的四个时段,b1、b2、b3和b4分别为t1、t2、t3和t4时段内从所述起始地点到目的地点的人口数量。
4.如权利要求2所述的一种目的地点人口数量的预测方法,其特征在于,所述根据所述起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及所述概率值,得到目标时刻下所述目的地点的总人口数量,具体包括:
根据所述概率值与所述起始地点的原总人口数量之积计算所述目的地点的流入人口数量;
根据当前时刻到目标时刻内,所述目的地点的原总人口数量与目的地点的流出人口数量之差计算所述目的地点的停留人口数量;
根据所述目的地点的流入人口数量与所述目的地点的停留人口数量之和得到目标时刻下所述目的地点的总人口数量。
5.如权利要求1所述的一种目的地点人口数量的预测方法,其特征在于,所述基准位置为通信基站。
6.如权利要求1所述的一种目的地点人口数量的预测方法,其特征在于,所述可行路径之间的人口数量为所述可行路径经过的所有泰森多边形内的人口数量之和。
7.一种目的地点人口数量的预测装置,其特征在于,包括:
网络构建模块,用于设置基准位置,根据所述基准位置构建待预测地区的泰森多边形网络;
路径记录模块,用于记录在所述待预测地区范围内,从起始地点到目的地点的所有可行路径;
概率计算模块,用于根据所述目的地点的原总人口数量以及所有所述可行路径之间的人口数量,计算从所述起始地点出发的人口到所述目的地点的概率值;
人口预测模块,用于根据所述起始地点的原总人口数量、目的地点的原总人口数量、目的地点的流出人口数量以及所述概率值,得到目标时刻下所述目的地点的总人口数量。
8.一种目的地点人口数量的预测装置,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的一种目的地点人口数量的预测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的一种目的地点人口数量的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911033208.2A CN110826786A (zh) | 2019-10-28 | 2019-10-28 | 目的地点人口数量的预测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911033208.2A CN110826786A (zh) | 2019-10-28 | 2019-10-28 | 目的地点人口数量的预测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110826786A true CN110826786A (zh) | 2020-02-21 |
Family
ID=69551065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911033208.2A Pending CN110826786A (zh) | 2019-10-28 | 2019-10-28 | 目的地点人口数量的预测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826786A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163717A (zh) * | 2020-10-20 | 2021-01-01 | 腾讯科技(深圳)有限公司 | 人口数据预测方法、装置、计算机设备及介质 |
CN112465231A (zh) * | 2020-12-01 | 2021-03-09 | 平安医疗健康管理股份有限公司 | 地区人口健康状态预测方法、设备和可读存储介质 |
CN113642807A (zh) * | 2021-09-01 | 2021-11-12 | 智慧足迹数据科技有限公司 | 人口流动预测方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020128858A1 (en) * | 2001-01-06 | 2002-09-12 | Fuller Douglas Neal | Method and system for population classification |
CN1736065A (zh) * | 2002-11-13 | 2006-02-15 | 特伦诺有限公司 | 在动态网络中从源节点向目的地节点路由发送消息的方法 |
CN107396304A (zh) * | 2017-06-29 | 2017-11-24 | 毛国强 | 基于智能手机的实时城市人口密度及人群流动估计方法 |
CN108024207A (zh) * | 2017-12-06 | 2018-05-11 | 南京华苏科技有限公司 | 基于三层防控圈的人流量监控方法 |
CN109376969A (zh) * | 2018-12-14 | 2019-02-22 | 中南大学 | 基于深度学习的城市精细化人口分布动态预测方法及装置 |
-
2019
- 2019-10-28 CN CN201911033208.2A patent/CN110826786A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020128858A1 (en) * | 2001-01-06 | 2002-09-12 | Fuller Douglas Neal | Method and system for population classification |
CN1736065A (zh) * | 2002-11-13 | 2006-02-15 | 特伦诺有限公司 | 在动态网络中从源节点向目的地节点路由发送消息的方法 |
CN107396304A (zh) * | 2017-06-29 | 2017-11-24 | 毛国强 | 基于智能手机的实时城市人口密度及人群流动估计方法 |
CN108024207A (zh) * | 2017-12-06 | 2018-05-11 | 南京华苏科技有限公司 | 基于三层防控圈的人流量监控方法 |
CN109376969A (zh) * | 2018-12-14 | 2019-02-22 | 中南大学 | 基于深度学习的城市精细化人口分布动态预测方法及装置 |
Non-Patent Citations (1)
Title |
---|
王逢: "用于通信规划设计的移动用户动态空间交互网络构建", 《移动通信》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163717A (zh) * | 2020-10-20 | 2021-01-01 | 腾讯科技(深圳)有限公司 | 人口数据预测方法、装置、计算机设备及介质 |
CN112163717B (zh) * | 2020-10-20 | 2023-01-10 | 腾讯科技(深圳)有限公司 | 人口数据预测方法、装置、计算机设备及介质 |
CN112465231A (zh) * | 2020-12-01 | 2021-03-09 | 平安医疗健康管理股份有限公司 | 地区人口健康状态预测方法、设备和可读存储介质 |
CN112465231B (zh) * | 2020-12-01 | 2023-02-03 | 深圳平安医疗健康科技服务有限公司 | 地区人口健康状态预测方法、设备和可读存储介质 |
CN113642807A (zh) * | 2021-09-01 | 2021-11-12 | 智慧足迹数据科技有限公司 | 人口流动预测方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11026047B2 (en) | Associating multiple user devices with a single user | |
Zhao et al. | Budget-feasible online incentive mechanisms for crowdsourcing tasks truthfully | |
CN111931949A (zh) | 联邦学习环境中的通信 | |
US10356164B2 (en) | Load balancing for points of interest | |
CN110826786A (zh) | 目的地点人口数量的预测方法、装置及存储介质 | |
US10909554B2 (en) | Analyzing big data to determine a data plan | |
RU2615059C2 (ru) | Способ отображения маркера в услуге карты | |
CN105283845A (zh) | 显示对象预生成 | |
US10325332B2 (en) | Incentivizing human travel patterns to reduce traffic congestion | |
CN108654092B (zh) | 一种同步云游戏档案的方法和装置 | |
CN109788489A (zh) | 一种基站规划方法及装置 | |
CN110162292A (zh) | 语音播报方法及装置 | |
CN107241380A (zh) | 用于基于时间调整的负载均衡的方法和设备 | |
CN105103573A (zh) | 图案标记 | |
US20170178172A1 (en) | Event traffic management system | |
US10037386B1 (en) | Data replication optimization for online social network cloud computing | |
CN112052096A (zh) | 资源处理方法、装置、服务器及终端 | |
US9659282B2 (en) | Generating a visitation schedule | |
CN110322295A (zh) | 关系强度确定方法及系统、服务器、计算机可读介质 | |
US10592839B2 (en) | Employing real-time performance feedback to manage resource collection | |
CN108875032B (zh) | 区域类型确定方法及装置 | |
US20210233002A1 (en) | Integrated schedule management apparatus and integrated schedule management method | |
CN114466005A (zh) | 物联网设备编排 | |
CN109271438A (zh) | 一种数据库访问方法及其系统 | |
US11289076B2 (en) | Assisting meeting participants via conversation loop detection and resolution using conversation visual representations and time-related topic usage |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200221 |