CN110909759B - 基于人口大数据的城市区域分级管理系统及方法 - Google Patents

基于人口大数据的城市区域分级管理系统及方法 Download PDF

Info

Publication number
CN110909759B
CN110909759B CN201910959376.8A CN201910959376A CN110909759B CN 110909759 B CN110909759 B CN 110909759B CN 201910959376 A CN201910959376 A CN 201910959376A CN 110909759 B CN110909759 B CN 110909759B
Authority
CN
China
Prior art keywords
geographic
population
data
urban
clustering
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.)
Active
Application number
CN201910959376.8A
Other languages
English (en)
Other versions
CN110909759A (zh
Inventor
吴海涛
李东晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Terminus Technology Co Ltd
Original Assignee
Chongqing Terminus Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Terminus Technology Co Ltd filed Critical Chongqing Terminus Technology Co Ltd
Priority to CN201910959376.8A priority Critical patent/CN110909759B/zh
Publication of CN110909759A publication Critical patent/CN110909759A/zh
Application granted granted Critical
Publication of CN110909759B publication Critical patent/CN110909759B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • 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
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了城市区域分级管理系统，该系统采集和统计城市空间范围内各采集位置在不同时间段的人口数据，并对其进行聚合形成人口大数据，然后基于地理数据建立城市空间范围内不同时间段下各地理对象与采集位置人口数据之间的关联关系，再依据地理数据以及关联关系对地理对象进行聚类，并基于聚类结果将城市空间范围划分为多个城市区域，之后依据城市区域的人口数据的特征对各城市区域进行资源使用类型或级别的划分，最后依据各城市区域的空间位置及城市区域的类型或级别信息，对各城市区域的公共资源进行调配。该系统实现了城市公共资源按照人口特征进行按需分配，以避免资源浪费，提高资源利用率。

Description

基于人口大数据的城市区域分级管理系统及方法
技术领域
本申请涉及城市资源管理调配技术领域，特别涉及基于人口大数据的城市区域分级管理系统及方法。
背景技术
为了保持城市生态的正常运行，城市内会配备有相应的公共资源，例如公共交通资源、公共服务资源、公共能源供应等。由于公共资源是为保障城市人口正常生活而提供的，是城市生态中不可缺少的一部分，因此公共资源的调配和布控很重要。并且由于公共资源的服务主体均是人，因此公共资源的调配和布控在人口特征较为显著的城市尤为重要，例如同时存在人口密集地区和人口高流动性地区的城市。因此，对于城市内人口特征不同的城市区域，其分配的到的公共资源需要进行按需分配，避免出现配置公共资源不足造成不能及时有效地对人口进行服务，以及防止产生过度配置公共资源造成资源浪费的问题。
然而，目前对管理资源的布控方式并不是依据人口特征而动态可变的，因此，亟需一种能够建立城市区域间的人口变化关联并以此为基础对管理资源进行合理布控和调配的方法。
发明内容
(一)申请目的
基于此，为了将人口特征作为城市区域划分的依据，使得城市公共资源受人口特征变化的影响而改变各城市区域的调配方案，实现公共资源的使用效果最大化，本申请公开了以下技术方案。
(二)技术方案
一方面，本申请提供了一种基于人口大数据的城市区域分级管理系统，包括：
GIS基础数据库模块，用于存储城市地理对象的地理数据；
人口大数据聚合模块，用于采集和统计城市空间范围内各采集位置在不同时间段的人口数据，并对其进行聚合形成人口大数据；
对象与人口关联模块，用于基于所述地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与所述采集位置人口数据之间的关联关系；
城市区域聚类模块，用于依据所述地理数据以及所述关联关系对所述地理对象进行聚类，并基于聚类结果将所述城市空间范围划分为多个城市区域；
城市区域分级模块，用于依据所述城市区域的人口数据的特征对各所述城市区域进行资源使用类型或级别的划分；
管理接口模块，用于依据各所述城市区域的空间位置及所述城市区域的类型或级别信息，对各所述城市区域的公共资源进行调配。
在一种可能的实施方式中，所述地理数据包括地理对象的唯一标识、空间位置坐标、类型和描述信息。
在一种可能的实施方式中，所述人口大数据聚合模块接收视频监控设备上传的视频画面，从中提取出人脸图像，并基于识别出的人脸数量形成所述各采集位置在不同时间段的人口数据；以及，所述人口大数据聚合模块接收移动终端上传的IMEI码及实时位置信息，进而计算并形成所述各采集位置在不同时间段的人口数据。
在一种可能的实施方式中，所述对象与人口关联模块包括：
空间范围确定单元，用于依据所述地理对象的地理数据确定该地理对象的空间影响范围；
变化特征分析单元，用于分析得到所述空间影响范围内的每个所述采集位置的人口数据的动态变化特征；
对象匹配判断单元，用于判断出所述空间影响范围内与所述地理对象的人口数据动态变化特征匹配的所述采集位置，并建立所述匹配的采集位置的人口数据与所述地理对象的关联关系。
在一种可能的实施方式中，所述城市区域聚类模块包括：
地理对象确定单元，用于选取一个所述地理对象为中心点，以预设的空间距离阈值为半径划分出设定空间范围，并确定出所述设定空间范围内的所有地理对象；
多维向量聚类单元，用于将所述地理数据包含的部分或全部特征项和具有关联关系的人口数据动态变化特征作为多维度特征向量，对所述设定空间范围内的所有地理对象进行多维向量聚类。
在一种可能的实施方式中，所述多维向量聚类单元包括：
对象初配子单元，用于将所述设定空间范围内的所有地理对象随机分配到K个聚类中，得到聚类集；
中心及权重计算子单元，用于计算各类别的聚类中心，以及各类别的权重；
对象划分子单元，用于计算每个地理对象到各个聚类中心的距离，并将地理对象划入距离最小的类别中；
迭代单元，用于控制所述中心及权重计算子单元和所述对象划分子单元重复执行相应计算和划分，直到地理对象不再改变，得到聚类结果、每个类中各特征的权重值和聚类中心。
在一种可能的实施方式中，所述城市区域分级模块依据的人口数据特征包括人口总量、人口密度和人口动态变化情况中的至少一种。
另一方面，本申请还提供了一种基于人口大数据的城市区域分级管理方法，包括：
采集和统计城市空间范围内各采集位置在不同时间段的人口数据，并对其进行聚合形成人口大数据；
基于城市地理对象的地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与所述采集位置人口数据之间的关联关系；
依据所述地理数据以及所述关联关系对所述地理对象进行聚类，并基于聚类结果将所述城市空间范围划分为多个城市区域；
依据所述城市区域的人口数据的特征对各所述城市区域进行资源使用类型或级别的划分；
依据各所述城市区域的空间位置及所述城市区域的类型或级别信息，对各所述城市区域的公共资源进行调配。
在一种可能的实施方式中，所述地理数据包括地理对象的唯一标识、空间位置坐标、类型和描述信息。
在一种可能的实施方式中，所述采集和统计城市空间范围内各采集位置在不同时间段的人口数据包括：
接收视频监控设备上传的视频画面，从中提取出人脸图像，并基于识别出的人脸数量形成所述各采集位置在不同时间段的人口数据；以及，
接收移动终端上传的IMEI码及实时位置信息，进而计算并形成所述各采集位置在不同时间段的人口数据。
在一种可能的实施方式中，所述基于所述地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与所述采集位置人口数据之间的关联关系，包括：
依据地理对象的地理数据确定该地理对象的空间影响范围；
分析得到所述空间影响范围内的每个所述采集位置的人口数据的动态变化特征；
判断出所述空间影响范围内与所述地理对象的人口数据动态变化特征匹配的所述采集位置，并建立所述匹配的采集位置的人口数据与所述地理对象的关联关系。
在一种可能的实施方式中，所述依据所述地理数据以及所述关联关系对所述地理对象进行聚类，包括：
选取一个所述地理对象为中心点，以预设的空间距离阈值为半径划分出设定空间范围，并确定出所述设定空间范围内的所有地理对象；
将所述地理数据包含的部分或全部特征项和具有关联关系的人口数据动态变化特征作为多维度特征向量，对所述设定空间范围内的所有地理对象进行多维向量聚类，并依据聚类结果将所述设定空间范围划分为多个城市区域。
在一种可能的实施方式中，所述对所述设定空间范围内的所有地理对象进行多维向量聚类，包括：
步骤A1，将所述设定空间范围内的所有地理对象随机分配到K个聚类中，得到聚类集；
步骤A2，计算各类别的聚类中心，以及各类别的权重；
步骤A3，计算每个地理对象到各个聚类中心的距离，并将地理对象划入距离最小的类别中；
步骤A4，重复执行步骤A2和A3，直到地理对象不再改变，得到聚类结果、每个类中各特征的权重值和聚类中心。
在一种可能的实施方式中，所述城市区域分级模块依据的人口数据特征包括人口总量、人口密度和人口动态变化情况中的至少一种。
(三)有益效果
本申请公开的城市区域分级管理系统，在电子地图的GIS信息的基础上，将GIS地理信息系统的每个地理对象关联到人口大数据，然后基于各个地理对象的空间位置，自身地理特征以及人口特征，将地理对象聚合为分级别的城市区域，实现城市区域按照人口特征进行划分，得到人口特征区别显著的各城市区域，进而针对每个城市区域按照其级别进行资源管理调配，实现对城市区域公共资源的调配，对城市区域的各种资源和能源供应、公共服务的配置等，实现了城市公共资源按照人口特征进行按需分配，以避免资源浪费，提高资源利用率。
附图说明
以下参考附图描述的实施例是示例性的，旨在用于解释和说明本申请，而不能理解为对本申请的保护范围的限制。
图1是本申请公开的城市区域分级管理系统实施例的结构框图。
图2是本申请公开的城市区域分级管理方法实施例的流程示意图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行更加详细的描述。
下面参考图1详细描述本申请公开的城市区域分级管理系统实施例。如图1所示，本实施例公开的管理系统主要包括有：GIS基础数据库模块、人口大数据聚合模块、对象与人口关联模块、城市区域聚类模块、城市区域分级模块和管理接口模块。
GIS基础数据库模块用于存储城市地理对象的地理数据。GIS(GeographicInformation System，地理信息系统)是能够用于存储、分析、查询、显示地理数据的系统。一个城市内通常会包括有数量较多的地理对象，地理对象指的是建筑物、构筑物、道路、空地、公交站、地铁站等的城市地理对象。
GIS基础数据库模块内存储有上述地理对象的地理数据。在一种实施方式中，地理数据包括有各个地理对象的唯一标识、空间位置坐标、类型和描述信息等。其中，唯一标识可以采用名称或编号，例如对象名称为XX大厦、XX公交站等，或对象编号为多位十进制数字等。空间位置坐标反映了地理对象的地理位置，例如采用经纬度坐标表示XX大厦的地理位置和空间范围。对象类型例如前述建筑、构筑物、道路、空地、公交站、地铁站等均为地理对象的类型。对象描述信息则因为具体地理对象的不同而不同，例如对于建筑物来说，对象的描述信息可以包括层数、房间数、建筑平米数等信息，再例如对于公交站来说，对象描述信息可以包括在该站停靠的公交车的线路、单位时间的公交车平均停靠次数等信息。
将GIS基础数据图形化则可以生成电子地图，或者可以将GIS基础数据的信息映射到电子地图上表示该地理对象的图标。
GIS基础数据库模块内存储的地理数据会作为划分城市区域的基础依据，被对象与人口关联模块所提取和使用。
人口大数据聚合模块用于采集和统计城市空间范围内各采集位置在不同时间段的人口数据，并对其进行聚合形成人口大数据。人口数据与地理数据一样，会作为划分城市区域的基础依据被对象与人口关联模块所提取和使用。具体的，对于一个待分级的城市，人口大数据聚合模块会采集该城市在地域上的空间范围内的人口数据，并且按照不同时间段进行分别采集。例如将每0.5个小时作为一个时间段，将每0.5个小时采集的人口数据作为城市空间范围内在相应时间段的人口数据。
另外，由于人口数据的采集是通过采集位置上传的数据得到的，因此人口大数据聚合模块采集和统计的人口数据是以采集位置为单位得到的，例如城市空间范围内包含有若干采集位置，在每个时间段内，各采集位置将采集到的人口数据上传至人口大数据聚合模块，人口大数据聚合模块对每个时间段内的各采集位置采集的人口数据进行获取、统计和记录，并对其进行聚合，形成城市空间范围的人口大数据。
在一种实施方式中，人口大数据聚合模块可以接收视频监控设备上传的视频画面，从中提取出人脸图像，并基于识别出的人脸数量形成各采集位置在不同时间段的人口数据。具体的，人口大数据聚合模块与设置于城市空间范围内的门禁监控设备、卡口设备、视频监控设备连接，每个位置不同的上述各种设备作为一个不同采集位置的采集设备，人口大数据聚合模块接收这些设备采集到并上传的拍摄范围内的视频画面，从中识别出人脸，并将时间段内识别出的人脸数量作为相应采集位置的人口数据。
人口大数据聚合模块也可以接收移动终端上传的IMEI码及实时位置信息，进而计算并形成各采集位置在不同时间段的人口数据。具体的，人口大数据聚合模块通过基站与城市空间范围内人员个体所使用的移动终端(例如手机)连接，人口大数据聚合模块接收基站采集到的各手机的国际移动设备识别码(International Mobile Equipment Identity，IMEI)以及手机的位置信息，由于IMEI码是手机的唯一编码，并且可以将每个手机视为一个人员个体，同时手机的位置信息能够用于区分不同的采集位置处的手机数量，因此可以通过统计时间段内基站采集到的不同IMEI码的数量作为各采集位置的人口数据。
对象与人口关联模块用于基于GIS基础数据库模块内预先存储的地理数据，建立城市空间范围内不同时间段下各地理对象与采集位置人口数据之间的关联关系。在对城市空间范围进行区域聚类和划分之前，先要建立地理对象和人口数据之间的关联关系。关联关系能够反映地理对象和采集位置处人口数据的人口特征动态变化关联。具体的，对象与人口关联模块将每个时间段内的各个采集位置的人口数据与地理对象关联起来，进而根据每个时间段的各个采集位置人口数据的采集时间和位置，以及地理对象的地理数据(唯一标识、空间位置坐标、类型和描述信息等)，建立人口数据和地理对象关联关系。
人口大数据聚合模块采集的人口数据按照时间段进行了划分，因此关联关系也可以是按照时间段进行划分的，例如在T1时间段，地理对象O1和人口数据D1存在关联关系，在T2时间段则不存在关联关系；或者关联关系是将综合考虑多个时间段整合后的数据来判断是否存在关联关系的，例如多个时间段中75％以上的人口数据相关联，则地理对象和人口数据具有关联关系，否则不具有关联关系。
进一步的，对象与人口关联模块在建立地理对象和人口数据之间的关联关系之前，先对人口数据进行数据清洗，过滤其中的异常数据，以保证数据的真实性和关联关系的准确性。
在一种实施方式中，对象与人口关联模块包括：空间范围确定单元、变化特征分析单元和对象匹配判断单元。
空间范围确定单元用于依据地理对象的地理数据确定该地理对象的空间影响范围。空间影响范围是该地理对象所能够执行、实施的职能、功能在地域上所能够产生影响波及的范围。假设地理数据包括唯一标识、空间位置坐标、类型和描述信息，则空间范围确定单元可以以空间位置坐标为基础，根据地理对象的对象类型和对象描述信息，确定该地理对象可能的空间影响范围。例如根据地理对象的对象类型和对象描述信息，确定地理对象是一个地铁站，其空间坐标的覆盖区域比较小，但是空间影响范围会比较大；或者地理对象为一个超市，则其覆盖区域较小但影响范围会较大；而对于公交站来说，线路和车次多的公交站影响范围较大。
变化特征分析单元用于分析得到空间影响范围内的每个所述采集位置的人口数据的动态变化特征。人口数据的动态变化特征是指一个时间段内的采集位置的人口数量变化趋势为上升、下降或持平，甚至包括上升、下降的等级或者数量，其中等级越高，上升、下降的数量越多。
对象匹配判断单元用于判断出空间影响范围内与地理对象的人口数据动态变化特征匹配的采集位置，并建立匹配的采集位置的人口数据与地理对象的关联关系。例如，某一超市地理对象S的空间影响范围I内存在有A1-A10共10个采集位置，超市S的人口数据动态变化特征可以采用空间影响范围I内所有采集位置的总人口数据的动态变化特征，或者采用超市S内的视频监控设备、附近的基站等单独计算超市S的人口数据动态变化特征。假设以升降趋势作为动态变化特征，并且超市S的人口数据动态变化特征为上升，则对象匹配判断单元会将A1-A10中人口数据动态变化特征同样呈上升变化的采集位置与超市地理对象S建立关联关系，而不会将呈持平和下降变化的采集位置与超市地理对象S建立关联关系。也就是说，与地理对象建立关联关系的采集位置，其人口数据的动态变化特征与地理对象的动态变化特征具有同步性。
城市区域聚类模块用于依据地理数据以及关联关系对地理对象进行聚类，并基于聚类结果将城市空间范围划分为多个城市区域。在聚类过程中，地理数据代表了地理对象的地理特征，在地理数据包括地理对象的空间位置坐标、类型和描述信息的情况下，城市区域聚类模块基于各个地理对象的空间位置、自身地理特征以及代表人口特征的人口数据关联关系，将地理对象聚合为能够划分级别的城市区域。
对象与人口关联模块建立的关联关系可能是按照时间段划分的，因此聚类结果也可能是按照时间段变化而有所不同的，例如地理对象O1和O2在时间段T1被划分到同一类别，在T2时间则被划分到不同类别。
在一种实施方式中，城市区域聚类模块包括地理对象确定单元和多维向量聚类单元。
地理对象确定单元用于选取一个地理对象为中心点，以预设的空间距离阈值为半径划分出设定空间范围，并确定出设定空间范围内的所有地理对象。由于将空间位置距离太远的地理对象聚合为一个城市区域，可能不太符合实际应用，因此设置空间距离阈值来约束城市区域内地理对象之间的空间位置距离。可以理解的是，设定空间范围也可以是其他形状，例如以预设的空间距离阈值为半径划分出的圆形设定空间范围的外接正方形等。
多维向量聚类单元用于将地理数据包含的部分或全部特征项和具有关联关系的人口数据动态变化特征作为多维度特征向量，对设定空间范围内的所有地理对象进行多维向量聚类。
对于设定空间范围内的任意一个地理对象O，多维向量聚类单元将地理数据中的对象类型、对象描述信息作为地理对象的特征，依据对象类型，对象描述信息，以及对象与人口关联模块建立出的与该地理对象O相关联的人口数据动态变化特征，将地理对象O的以上特征作为一个多维度特征向量，通过多维度特征向量聚类算法，将该设定空间范围作为城市空间聚类为城市区域。例如以地理对象O为中心点，以5KM为空间距离阈值，对设定空间范围内的共计100个地理对象进行聚类，得到10种类型，则设定空间范围被划分为10个城市区域，一个类型对应一个城市区域，且该类型包含的地理对象也在相应的城市区域内。
聚类算法可以采用K-means算法、基于层次的聚类算法、均值漂移聚类算法等。
进一步的，由于设定空间范围内还包含非地理对象，因此在城市区域划分时，若两个不同类所包含的地理对象之间存在非地理对象时，可以依据该两个地理对象之间的中间距离来对地域进行划分。
在一种实施方式中，多维向量聚类单元包括：对象初配子单元、中心及权重计算子单元、对象划分子单元和迭代单元。
假设特征指标包括对象类型、描述信息和人口数据动态变化特征供三项。假设地理对象集合为X＝{xi|i＝1,2…,n}，将每个地理对象的多维特征根据各自的指标数值映射为多维向量V＝(vi1,vi2,vi3,vi4)，v为每个特征所对应的指标数值，vi1、vi4分别为地理对象xi在对象类型和人口数据动态变化特征上对应的数值，vi2、vi3则是地理对象xi在描述信息上对应的数值。
为了使不同特征上的数据具有可比性，也为了方便计算每个属性的贡献度，可以将数据按照每一特征的最大值进行归一化处理。
对象初配子单元用于将设定空间范围内的所有n个地理对象随机分配到K个聚类中，得到聚类集Y＝{C1,C2,…,Ck}。其中，k为类别数量，C为聚类类别。
中心及权重计算子单元用于计算各类别的聚类中心，以及各类别的权重。定义
Figure BDA0002228403340000121
为Ck的聚类中心，通过以下公式计算特征j的中心：
Figure BDA0002228403340000131
其中，
Figure BDA0002228403340000132
为特征j的中心，|Ck|为Ck中地理对象的数量，
Figure BDA0002228403340000133
为地理对象xi在特征j上的指标数值。
对象划分子单元用于计算每个地理对象到各个聚类中心的距离，并将地理对象划入距离最小的类别中。通过以下公式计算Ck中各个特征的权重：
Figure BDA0002228403340000134
其中，
Figure BDA0002228403340000135
为特征j在Ck中的权重，p为特征数量，本实施例中p＝4。
迭代单元用于控制中心及权重计算子单元和对象划分子单元重复执行相应计算和划分，直到地理对象不再改变，得到聚类结果Ck、每个类中各特征的权重值
Figure BDA0002228403340000136
和聚类中心gk。
城市区域分级模块用于依据城市区域的人口数据的特征对各城市区域进行资源使用类型或级别的划分。多维向量聚类单元划分出多个城市区域后，每个城市区域内包括有一个或多个同类型的地理对象，城市区域分级模块将这些地理对象的人口数据特征作为城市区域的人口数据特征，并对各城市区域的资源使用级别进行划分。其中，人口数据特征表明人口资源越多的城市区域，其资源使用级别越高。
城市区域聚类模块的聚类结果可能会因为时间段不同而不同，因此划分的级别或类别也可能按照时间段变化而有所不同的，例如地理对象O1在T1时间段被划分到城市区域A1中并被分为第一级，而在T1时间段被划分到城市区域A2中并被分为第二级。
在一种实施方式中，城市区域分级模块依据的人口数据特征包括人口总量、人口密度和人口动态变化情况中的至少一种。若人口数据特征只采用上述一种，例如采用城市区域内的人口总量，则直接以人口总量作为依据来划分类型，例如将城市区域划分为人口密集城市区域或流动性人口区域等；也可以以人口总量作为依据来划分级别。若人口数据特征采用了上述多种特征来划分类别或级别，则可以通过为多种特征分配权重的方式来计算各城市区域的分值，并依据分值的高低来进行类别或级别的定类定级。
城市区域的类别不同，其人口数量、包含的地理对象对人口的吸引力和影响力等项目中的侧重方向也不同；城市区域的级别越高，其人口数量、包含的地理对象对人口的吸引力和影响力等也相应较高。
管理接口模块用于依据各城市区域的空间位置及城市区域的类型或级别信息，对各城市区域的公共资源进行调配。公共资源包括公共交通资源、公共服务资源、公共能源供应等等，管理接口模块与公共资源相对接，依据城市区域的空间位置及其分级或类别输出给管理系统，从而能够针对每个城市区域按照其级别和类型实现管理。
例如由于高级别的城市区域的人口数量、包含的地理对象对人口的吸引力和影响力等较高，因此在一些方面上会为高级别的城市区域分配比低级别城市区域更多的公共资源，例如警力、巡逻车等，以满足相应人口数量的资源需求，或者对该城市区域的公共交通进行限流，以缓解由于人口较多带来的交通堵塞问题。
再例如，对于流动性人口区域，管理接口模块会为其分配较多的巡逻车、警力等资源，以维护城市治安和稳定；对于人口密集城市区域，管理接口模块会为其分配较多的引导人员、公交车等资源，以缓解拥堵、加快人口流动速度。
本实施例提供的系统，在电子地图的GIS信息的基础上，将GIS地理信息系统的每个地理对象关联到人口大数据，然后基于各个地理对象的空间位置，自身地理特征以及人口特征，将地理对象聚合为分级别的城市区域，实现城市区域按照人口特征进行划分，得到人口特征区别显著的各城市区域，进而针对每个城市区域按照其级别进行资源管理调配，实现对城市区域公共资源的调配，对城市区域的各种资源和能源供应、公共服务的配置等，实现了城市公共资源按照人口特征进行按需分配，以避免资源浪费，提高资源利用率。
下面参考图2细描述本申请公开的城市区域分级管理方法实施例。本实施例用于实施前述的城市区域分级管理系统。如图2所示，本实施例公开的方法包括如下步骤：
步骤100，采集和统计城市空间范围内各采集位置在不同时间段的人口数据，并对其进行聚合形成人口大数据；
步骤200，基于城市地理对象的地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与所述采集位置人口数据之间的关联关系；
步骤300，依据所述地理数据以及所述关联关系对所述地理对象进行聚类，并基于聚类结果将所述城市空间范围划分为多个城市区域；
步骤400，依据所述城市区域的人口数据的特征对各所述城市区域进行资源使用类型或级别的划分；
步骤500，依据各所述城市区域的空间位置及所述城市区域的类型或级别信息，对各所述城市区域的公共资源进行调配。
在一种实施方式中，所述地理数据包括地理对象的唯一标识、空间位置坐标、类型和描述信息。
在一种实施方式中，所述采集和统计城市空间范围内各采集位置在不同时间段的人口数据包括：
接收视频监控设备上传的视频画面，从中提取出人脸图像，并基于识别出的人脸数量形成所述各采集位置在不同时间段的人口数据；以及，
接收移动终端上传的IMEI码及实时位置信息，进而计算并形成所述各采集位置在不同时间段的人口数据。
在一种实施方式中，所述基于所述地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与所述采集位置人口数据之间的关联关系，包括：
依据地理对象的地理数据确定该地理对象的空间影响范围；
分析得到所述空间影响范围内的每个所述采集位置的人口数据的动态变化特征；
判断出所述空间影响范围内与所述地理对象的人口数据动态变化特征匹配的所述采集位置，并建立所述匹配的采集位置的人口数据与所述地理对象的关联关系。
在一种实施方式中，所述依据所述地理数据以及所述关联关系对所述地理对象进行聚类，包括：
选取一个所述地理对象为中心点，以预设的空间距离阈值为半径划分出设定空间范围，并确定出所述设定空间范围内的所有地理对象；
将所述地理数据包含的部分或全部特征项和具有关联关系的人口数据动态变化特征作为多维度特征向量，对所述设定空间范围内的所有地理对象进行多维向量聚类，并依据聚类结果将所述设定空间范围划分为多个城市区域。
在一种实施方式中，所述对所述设定空间范围内的所有地理对象进行多维向量聚类，包括：
步骤A1，将所述设定空间范围内的所有地理对象随机分配到K个聚类中，得到聚类集；
步骤A2，计算各类别的聚类中心，以及各类别的权重；
步骤A3，计算每个地理对象到各个聚类中心的距离，并将地理对象划入距离最小的类别中；
步骤A4，重复执行步骤A2和A3，直到地理对象不再改变，得到聚类结果、每个类中各特征的权重值和聚类中心。
在一种实施方式中，所述城市区域分级模块依据的人口数据特征包括人口总量、人口密度和人口动态变化情况中的至少一种。
本文中的模块、单元或组件的划分仅仅是一种逻辑功能的划分，在实际实现时可以有其他的划分方式，例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元、组件在物理上可以是分开的，也可以是不分开的。作为单元显示的部件可以是物理单元，也可以不是物理单元，即可以位于一个具体地方，也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元来实现实施例的方案。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种基于人口大数据的城市区域分级管理系统，其特征在于，包括：
GIS基础数据库模块，用于存储城市的地理对象的地理数据，其中，所述地理数据包括地理对象的空间位置坐标、类型和描述信息，所述地理对象的类型包括建筑物、构筑物、道路、空地、公交站和地铁站，所述描述信息包括建筑物层数、房间数、建筑平米数、公交站的线路和单位时间平均停靠次数；
人口大数据聚合模块，用于采集和统计城市空间范围内各采集位置在不同时间段的人口数据，并对其进行聚合形成人口大数据；
对象与人口关联模块，用于基于所述地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与采集位置人口数据之间的关联关系；
城市区域聚类模块，用于依据所述地理数据以及所述关联关系对所述地理对象进行聚类，并基于聚类结果将所述城市空间范围划分为多个城市区域；
城市区域分级模块，用于依据所述城市区域的人口数据的特征对各所述城市区域进行资源使用类型的划分，其中，城市区域分级模块依据的人口数据特征包括人口总量、人口密度和人口动态变化情况中的至少一种，所述资源使用类型包括人口密集型或流动性人口型；
管理接口模块，用于依据各所述城市区域的空间位置及所述城市区域的类型信息，对各所述城市区域的公共资源进行调配；其中，所述对象与人口关联模块包括：
空间范围确定单元，用于依据所述地理对象的地理数据确定该地理对象的空间影响范围，所述空间影响范围是该地理对象所能够执行、实施的职能、功能在地域上所能够产生影响波及的范围；
变化特征分析单元，用于分析得到所述空间影响范围内的每个所述采集位置的人口数据的动态变化特征，所述动态变化特征为一个时间段内的采集位置的人口数量变化趋势；
对象匹配判断单元，用于判断出所述空间影响范围内与所述地理对象的人口数据动态变化特征匹配的所述采集位置，并建立所述匹配的采集位置的人口数据与所述地理对象的关联关系，使得与地理对象建立关联关系的采集位置的人口数据动态变化特征与地理对象的动态变化特征具有同步性。
2.如权利要求1所述的系统，其特征在于，所述人口大数据聚合模块接收视频监控设备上传的视频画面，从中提取出人脸图像，并基于识别出的人脸数量形成所述各采集位置在不同时间段的人口数据；以及，所述人口大数据聚合模块接收移动终端上传的IMEI码及实时位置信息，进而计算并形成所述各采集位置在不同时间段的人口数据。
3.如权利要求1所述的系统，其特征在于，所述城市区域聚类模块包括：
地理对象确定单元，用于选取一个所述地理对象为中心点，以预设的空间距离阈值为半径划分出设定空间范围，并确定出所述设定空间范围内的所有地理对象；
多维向量聚类单元，用于将所述地理数据包含的部分或全部特征项和具有关联关系的人口数据动态变化特征作为多维度特征向量，对所述设定空间范围内的所有地理对象进行多维向量聚类。
4.如权利要求3所述的系统，其特征在于，所述多维向量聚类单元包括：
对象初配子单元，用于将所述设定空间范围内的所有地理对象随机分配到K个聚类中，得到聚类集；
中心及权重计算子单元，用于计算各类别的聚类中心，以及各类别的权重；
对象划分子单元，用于计算每个地理对象到各个聚类中心的距离，并将地理对象划入距离最小的类别中；
迭代单元，用于控制所述中心及权重计算子单元和所述对象划分子单元重复执行相应计算和划分，直到地理对象不再改变，得到聚类结果、每个类中各特征的权重值和聚类中心。
5.一种基于人口大数据的城市区域分级管理方法，其是采用权利要求1-4中任一项的系统来实现的,其特征在于，包括：
采集和统计城市空间范围内各采集位置在不同时间段的人口数据，并对其进行聚合形成人口大数据；
基于城市的地理对象的地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与采集位置人口数据之间的关联关系，其中，所述地理数据包括地理对象的空间位置坐标、类型和描述信息，所述地理对象的类型包括建筑物、构筑物、道路、空地、公交站和地铁站，所述描述信息包括建筑物层数、房间数、建筑平米数、公交站的线路和单位时间平均停靠次数；
依据所述地理数据以及所述关联关系对所述地理对象进行聚类，并基于聚类结果将所述城市空间范围划分为多个城市区域；
依据所述城市区域的人口数据的特征对各所述城市区域进行资源使用类型的划分，其中，依据的人口数据特征包括人口总量、人口密度和人口动态变化情况中的至少一种，所述资源使用类型包括人口密集型或流动性人口型；
依据各所述城市区域的空间位置及所述城市区域的类型信息，对各所述城市区域的公共资源进行调配，其中，
基于所述地理数据建立所述城市空间范围内不同所述时间段下各所述地理对象与所述采集位置人口数据之间的关联关系，包括：
依据地理对象的地理数据确定该地理对象的空间影响范围；
分析得到所述空间影响范围内的每个所述采集位置的人口数据的动态变化特征；
判断出所述空间影响范围内与所述地理对象的人口数据动态变化特征匹配的所述采集位置，并建立所述匹配的采集位置的人口数据与所述地理对象的关联关系。
6.如权利要求5所述的方法，其特征在于，所述采集和统计城市空间范围内各采集位置在不同时间段的人口数据包括：
接收视频监控设备上传的视频画面，从中提取出人脸图像，并基于识别出的人脸数量形成所述各采集位置在不同时间段的人口数据；以及，
接收移动终端上传的IMEI码及实时位置信息，进而计算并形成所述各采集位置在不同时间段的人口数据。
7.如权利要求5所述的方法，其特征在于，所述依据所述地理数据以及所述关联关系对所述地理对象进行聚类，包括：
选取一个所述地理对象为中心点，以预设的空间距离阈值为半径划分出设定空间范围，并确定出所述设定空间范围内的所有地理对象；
将所述地理数据包含的部分或全部特征项和具有关联关系的人口数据动态变化特征作为多维度特征向量，对所述设定空间范围内的所有地理对象进行多维向量聚类，并依据聚类结果将所述设定空间范围划分为多个城市区域。
8.如权利要求7所述的方法，其特征在于，所述对所述设定空间范围内的所有地理对象进行多维向量聚类，包括：
步骤A1，将所述设定空间范围内的所有地理对象随机分配到K个聚类中，得到聚类集；
步骤A2，计算各类别的聚类中心，以及各类别的权重；
步骤A3，计算每个地理对象到各个聚类中心的距离，并将地理对象划入距离最小的类别中；
步骤A4，重复执行步骤A2和A3，直到地理对象不再改变，得到聚类结果、每个类中各特征的权重值和聚类中心。
CN201910959376.8A 2019-10-10 2019-10-10 基于人口大数据的城市区域分级管理系统及方法 Active CN110909759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910959376.8A CN110909759B (zh) 2019-10-10 2019-10-10 基于人口大数据的城市区域分级管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910959376.8A CN110909759B (zh) 2019-10-10 2019-10-10 基于人口大数据的城市区域分级管理系统及方法

Publications (2)

Publication Number Publication Date
CN110909759A CN110909759A (zh) 2020-03-24
CN110909759B true CN110909759B (zh) 2020-12-18

Family

ID=69815397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910959376.8A Active CN110909759B (zh) 2019-10-10 2019-10-10 基于人口大数据的城市区域分级管理系统及方法

Country Status (1)

Country Link
CN (1) CN110909759B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI744861B (zh) * 2020-04-15 2021-11-01 財團法人工業技術研究院 應用服務伺服器、基於地域的資訊處理方法及使用者設備
CN112115221A (zh) * 2020-09-08 2020-12-22 浙江嘉兴数字城市实验室有限公司 一种块数据多因子匹配融合方法
CN112115185A (zh) * 2020-09-29 2020-12-22 广州瀚信通信科技股份有限公司 面向政务执法的人口大数据分析方法、系统、设备及介质
CN112328880A (zh) * 2020-11-05 2021-02-05 北京嘀嘀无限科技发展有限公司 地理区域聚类方法、装置、存储介质和电子设备
CN112328724B (zh) * 2020-11-11 2021-10-22 智慧足迹数据科技有限公司 区域人口关联方法、装置、计算机设备和可读存储介质
CN112752292B (zh) * 2020-12-29 2023-08-25 上海掌门科技有限公司 一种基于wifi热点进行城市等级预测的方法与设备
CN112925784B (zh) * 2021-03-29 2023-10-10 广州市规划和自然资源自动化中心(广州市基础地理信息中心) 一种实有人口数据多尺度空间化方法
CN113342873B (zh) * 2021-05-27 2022-07-05 武汉大学 一种基于城市形态与汇聚模式的人口分析单元划分方法
CN114705598B (zh) * 2022-02-21 2022-11-11 中科星通(廊坊)信息技术有限公司 城市群pm2.5污染的分析方法和分析装置
CN116150237B (zh) * 2022-11-02 2024-02-06 北京中科通量科技有限公司 一种新型智能安防系统中的人口热力动态展示方法
CN115423047B (zh) * 2022-11-03 2023-03-24 京华信息科技股份有限公司 一种综合区域群体特征识别方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10991004B2 (en) * 2015-07-29 2021-04-27 Adobe Inc. Utilizing population density to facilitate providing offers
CN106844585A (zh) * 2017-01-10 2017-06-13 广东精规划信息科技股份有限公司 一种基于多源物联网位置感知的时空关系分析系统
CN109902934B (zh) * 2019-01-29 2020-09-11 特斯联（北京）科技有限公司 基于多源大数据的城市人员区域化布控管理方法及系统
CN110297875B (zh) * 2019-05-15 2021-08-10 北京邮电大学 一种评估城市各功能区之间联系需求紧密度的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Achieving differential privacy of trajectory data publishing in participatory sensing;Meng Li等;《Information Sciences》;20170831;第400-401卷;第1-13页 *
基于轨迹和兴趣点数据的城市功能区动态识别与时变规律可视分析;张慧杰等;《计算机辅助设计与图形学学报》;20180930;第30卷(第9期);第1728-1740页 *

Also Published As

Publication number Publication date
CN110909759A (zh) 2020-03-24

Similar Documents

Publication Publication Date Title
CN110909759B (zh) 基于人口大数据的城市区域分级管理系统及方法
CN107134142B (zh) 一种基于多源数据融合的城市道路流量预测方法
US10692028B2 (en) Optimal demand-based allocation
US8532648B2 (en) Generating an OD matrix
CN110503353B (zh) 一种配送区域表达方法及装置
CN109902930B (zh) 一种基于实有人口指标的配套设施规划辅助系统
CN109840452A (zh) 一种栅格覆盖场景自动识别方法及装置
US6975939B2 (en) Mapping patterns of movement based on the aggregation of spatial information contained in wireless transmissions
CN111311193B (zh) 公共服务资源的配置方法和装置
CN112418556B (zh) 一种基于互联网共享平台下的网格化服务系统
EP2831545A1 (en) Digital location-based data methods and product
CN105679010A (zh) 一种基于ads的城市公交集中调度系统
CN105184435A (zh) 一种外勤人员管理方法及系统
CN112566029A (zh) 基于手机定位数据的城市就业中心识别方法及装置
CN114692962A (zh) 一种基于大数据的充电基础设施满足度评估方法和系统
CN114781768A (zh) 基于城市资源数据的停车场设施规划方法、装置及设备
CN111626648A (zh) 查勘任务调度方法、装置、计算机设备和存储介质
CN111309830A (zh) 基于电子地图获取订餐商铺信息的方法、系统及存储介质
CN114386500A (zh) 传染病采样点选取方法、装置、设备及存储介质
CN107622467A (zh) 一种通勤出行模式提取方法及装置
CN116957280A (zh) 基于供需平衡的山地村镇社区生活圈公服设施配置方法
CN113240227B (zh) 一种基于物联网的停车管理方法
CN114009067B (zh) 将地理区域划分为用于动态定价的逻辑区域的系统和方法
KR102241221B1 (ko) 관심 지역공간의 세분화 장치 및 방법
Liu et al. Dynamic balance between demand-and-supply of urban taxis over trajectories

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