CN111093151A - 人口密度确定设备及方法 - Google Patents
人口密度确定设备及方法 Download PDFInfo
- Publication number
- CN111093151A CN111093151A CN201911374561.7A CN201911374561A CN111093151A CN 111093151 A CN111093151 A CN 111093151A CN 201911374561 A CN201911374561 A CN 201911374561A CN 111093151 A CN111093151 A CN 111093151A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- users
- types
- determining
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种人口密度确定设备及方法，该设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机执行指令，所述处理器执行所述计算机执行指令时实现如下步骤：获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据；从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据；基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型；获得用户类型中每个用户的权重系数；基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
Description
技术领域
本申请实施例涉及计算机技术领域，尤其涉及一种人口密度确定设备及方法。
背景技术
公共场所是人们的重要活动场所，在公共场所中人口密度过大时，存在安全隐患，因此，需要获取公共场所的人口密度信息，以防安全隐患。人口密度是单位土地面积上的人口数量，是衡量人口分布状况的重要指标，可以为区域内的人口疏导提供重要数据依据。
现有的人口密度测算主要通过视频监控对一定区域的用户数进行统计。即通过视频监控设备，监控目标区域内的用户，得到视频画面中的人口数量，通过人口数量与目标区域的面积，获取人口密度。
然而，由于视频监控设备存在视野盲区、多个视频画面重复统计以及受外界环境影响等问题，因此上述人口密度测算方法无法及时、准确地提供人口密度数据，影响人口疏导。
发明内容
本申请实施例提供一种人口密度确定设备及方法，以解决现有的人口密度测算中需要通过视频监控，视频监控设备存在视野盲区、多个视频画面重复统计以及受外界环境影响等问题，无法及时、准确地提供人口密度数据，影响人口疏导的问题。
第一方面，本申请实施例提供一种人口密度确定设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机执行指令，所述处理器执行所述计算机执行指令时实现如下步骤：
获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据；
从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据；所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；
基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型；所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到；
获得用户类型中每个用户的权重系数；
基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
在一种可能的设计中，所述获得用户类型中每个用户的权重系数，包括：
根据预设的用户和权重的对应关系，获取所述用户类型中各用户对应的权重；
根据所述用户类型中各用户对应的权重相加之和，确定所述用户类型中用户的权重和；
根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数。
在一种可能的设计中，所述根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数，包括：
根据所述用户类型的权重和和所述用户类型的用户数量之比，确定所述用户类型中每个用户的平均权重；
基于所述目标区域的社会因子，对所述用户类型中每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数，所述社会因子基于所述目标区域的老龄化用户比例和人均目标终端拥有量获得。
在一种可能的设计中，所述基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度，包括：
基于目标时刻的所述用户类型中每个用户的权重系数和所述用户类型的用户数量，通过预设回归方程组，确定所述用户类型的回归系数；
所述预设回归方程组为
其中，P为所述目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为所述目标时刻第i用户类型的用户权重系数，Nit为所述目标时刻第i用户类型的用户数量；
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度。
在一种可能的设计中，根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度，包括：
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数之积，确定所述用户类型的目标人口数；
根据所述用户类型的目标人口数之和，确定所有所述用户类型的目标人口数；
根据所有所述用户类型的目标人口数与所述目标区域的面积之比，确定所述目标区域的人口密度。
在一种可能的设计中，所述处理器执行所述计算机执行指令时还实现如下步骤：
判断所述目标区域的人口密度是否大于预设阈值；
若所述目标区域的人口密度大于预设阈值，则对所述目标区域进行人口疏导。
第二方面，本申请实施例提供一种人口密度确定方法，包括：
获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据；
从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据；所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；
基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型；所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到；
获得用户类型中每个用户的权重系数；
基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
在一种可能的设计中，所述获得用户类型中每个用户的权重系数，包括：
根据预设的用户和权重的对应关系，获取所述用户类型中各用户对应的权重；
根据所述用户类型中各用户对应的权重相加之和，确定所述用户类型中用户的权重和；
根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数。
在一种可能的设计中，所述根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数，包括：
根据所述用户类型的权重和和所述用户类型的用户数量之比，确定所述用户类型中每个用户的平均权重；
基于所述目标区域的社会因子，对所述用户类型中每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数，所述社会因子基于所述目标区域的老龄化用户比例和人均目标终端拥有量获得。
在一种可能的设计中，所述基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度，包括：
基于目标时刻的所述用户类型中每个用户的权重系数和所述用户类型的用户数量，通过预设回归方程组，确定所述用户类型的回归系数；
所述预设回归方程组为
其中，P为所述目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为所述目标时刻第i用户类型的用户权重系数，Nit为所述目标时刻第i用户类型的用户数量；
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度。
在一种可能的设计中，根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度，包括：
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数之积，确定所述用户类型的目标人口数；
根据所述用户类型的目标人口数之和，确定所有所述用户类型的目标人口数；
根据所有所述用户类型的目标人口数与所述目标区域的面积之比，确定所述目标区域的人口密度。
在一种可能的设计中，还包括：
判断所述目标区域的人口密度是否大于预设阈值；
若所述目标区域的人口密度大于预设阈值，则对所述目标区域进行人口疏导。
第三方面，本申请实施例提供另一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第二方面以及第二方面各种可能的设计所述的人口密度确定方法。
本实施例提供的人口密度确定设备及方法，该设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机执行指令，该处理器执行该计算机执行指令时实现如下步骤：获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个终端与相应基站的交互数据，进而，从各个终端中获得目标终端，以及上述目标终端与相应基站的交互数据，基于目标终端与相应基站的交互数据，通过用户分类模型对目标终端进行分类，获得各个目标终端所对应的用户类型；获得用户类型中每个用户的权重系数；通过分类后的用户类型获得的每个用户的权重系数和该用户类型的用户数量，能够及时、准确地确定目标区域的人口密度，以便依据目标区域的人口密度进行人口疏导。从而无需依赖视频监控来测算人口密度，因此不会受到视野盲区、多个视频画面重复统计以及受外界环境等因素的影响。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的人口密度确定设备的硬件结构示意图；
图2为本申请实施例提供的人口密度确定系统的架构示意图；
图3为本申请实施例提供的一种人口密度确定方法的流程示意图；
图4为本申请实施例提供的另一种人口密度确定方法的流程示意图；
图5为本申请实施例提供的人口密度确定装置的结构示意图。
具体实施方式
为使本申请实施例的目的、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清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请的保护的范围。
现有的人口密度测算主要通过视频监控对一定区域的用户数进行统计。即通过视频监控设备，监控目标区域内的用户，得到视频画面中的人口数量，通过人口数量与目标区域的面积，获取人口密度。
然而，由于视频监控设备存在视野盲区、多个视频画面重复统计以及受外界环境影响等问题，因此上述人口密度测算方法无法及时、准确地提供人口密度数据，影响人口疏导。
因此，考虑到上述问题，本实施例提供一种人口密度确定设备及方法，该设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机执行指令，该处理器执行该计算机执行指令时实现如下步骤：获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个终端与相应基站的交互数据；从各个终端中获得目标终端，并从各个终端与相应基站的交互数据中，获得上述目标终端与相应基站的交互数据；上述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；基于目标终端与相应基站的交互数据，通过用户分类模型对目标终端进行分类，获得各个目标终端所对应的用户类型；获得用户类型中每个用户的权重系数；通过分类后的用户类型获得的每个用户的权重系数和该用户类型的用户数量，能够及时、准确地确定目标区域的人口密度，以便依据目标区域的人口密度进行人口疏导。从而无需依赖视频监控来测算人口密度，因此不会受到视野盲区、多个视频画面重复统计以及受外界环境等因素的影响。
图1为本申请实施例提供的人口密度确定设备的硬件结构示意图。如图1所示，本实施例的人口密度确定设备10包括：存储器101、处理器102以及存储在所述存储器101中并可在所述处理器102上运行的计算机执行指令，所述处理器102执行所述计算机执行指令时实现如下步骤：
获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据；
从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据；所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；
基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型；所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到；
获得用户类型中每个用户的权重系数；
基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
可选地，所述获得用户类型中每个用户的权重系数，包括：
根据预设的用户和权重的对应关系，获取所述用户类型中各用户对应的权重；
根据所述用户类型中各用户对应的权重相加之和，确定所述用户类型中用户的权重和；
根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数。
可选地，所述根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数，包括：
根据所述用户类型的权重和和所述用户类型的用户数量之比，确定所述用户类型中每个用户的平均权重；
基于所述目标区域的社会因子，对所述用户类型中每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数，所述社会因子基于所述目标区域的老龄化用户比例和人均目标终端拥有量获得。
可选地，所述基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度，包括：
基于目标时刻的所述用户类型中每个用户的权重系数和所述用户类型的用户数量，通过预设回归方程组，确定所述用户类型的回归系数；
所述预设回归方程组为
其中，P为所述目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为所述目标时刻第i用户类型的用户权重系数，Nit为所述目标时刻第i用户类型的用户数量；
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度。
可选地，根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度，包括：
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数之积，确定所述用户类型的目标人口数；
根据所述用户类型的目标人口数之和，确定所有所述用户类型的目标人口数；
根据所有所述用户类型的目标人口数与所述目标区域的面积之比，确定所述目标区域的人口密度。
可选地，所述处理器执行所述计算机执行指令时还实现如下步骤：
判断所述目标区域的人口密度是否大于预设阈值；
若所述目标区域的人口密度大于预设阈值，则对所述目标区域进行人口疏导。
可选地，存储器102既可以是独立的，也可以跟处理器101集成在一起。
当存储器102独立设置时，该人口密度确定设备还包括总线103，用于连接所述存储器102和处理器101。
本实施例提供的人口密度确定设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机执行指令，该处理器执行该计算机执行指令时实现如下步骤：获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个终端与相应基站的交互数据；从各个终端中获得目标终端，并从各个终端与相应基站的交互数据中，获得上述目标终端与相应基站的交互数据；上述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；基于目标终端与相应基站的交互数据，通过用户分类模型对目标终端进行分类，获得各个目标终端所对应的用户类型；获得用户类型中每个用户的权重系数；通过分类后的用户类型获得的每个用户的权重系数和该用户类型的用户数量，能够及时、准确地确定目标区域的人口密度，以便依据目标区域的人口密度进行人口疏导。从而无需依赖视频监控来测算人口密度，因此不会受到视野盲区、多个视频画面重复统计以及受外界环境等因素的影响。
本实施例提供一种人口密度确定方法，该方法可以适用于图2所示的人口密度确定系统的架构示意图，如图2所示，本实施例提供的系统包括终端201。终端201包括：接收装置、显示装置、处理器和存储器中至少一个。
其中，接收装置可以接收用户指令，例如接收开始指令或者结束指令等。
显示装置可以显示人口密度确定的过程信息，例如显示用户类型中每个用户的权重系数等信息。
存储器可以存储用户分类模型等信息。
处理器可以获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个终端与相应基站的交互数据；还可以从各个上述终端中获得目标终端，并从各个终端与相应基站的交互数据中，获得目标终端与相应基站的交互数据，其中，目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；也可以基于目标终端与相应基站的交互数据，通过用户分类模型获得各个目标终端对应的用户类型，其中，用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到；同时可以获得用户类型中每个用户的权重系数；并基于用户类型中每个用户的权重系数和用户类型的用户数量，确定该目标区域的人口密度。上述终端可以为手机、平板、电脑等，本申请实施例对此不做限定。上述目标区域为待确定人口密度的区域。
应理解，上述处理器可以通过处理器读取存储器中的指令并执行指令的方式实现，也可以通过芯片电路实现。
上述系统仅为一种示例性系统，具体实施时，可以根据应用需求设置。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图3为本申请实施例提供的一种人口密度确定方法的流程示意图，本实施例的执行主体可以为图2所示实施例中的终端201的处理器。如图3所示，该方法可以包括：
S301：获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据。
其中，上述终端为在一定预设时间段内与目标区域的所有基站连接过的终端，包括目标终端和非目标终端，本实施例对终端类型不做限定。
上述交互数据可以包括但不限于：流量数据、通话数据和短信数据等数据。
S302：从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据。
所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据。
其中，上述目标终端为S301中获取的终端中所包含的目标终端，为反应人口数量的终端类型，例如可以为手机终端。
示例性的，可以通过专家系统，从各个终端中获取目标终端，例如：目标终端以手机终端为例，通过手机终端的流量数据中流量使用大小和流量使用时段，通话数据中通话使用时长和通话使用时段，短信数据中短信收发条数和短信收发时段等特征建立专家系统功能知识库，设定终端的流量大小的第一分界点集{Td1}、通话时长的第一分界点集{Tc1}、短信收发条数的第一分界点集{Tm1}，设置每天的时段分界点集{Tt}。其中基于流量第一分界点集则流量大小分布为Td11～Td12、Td12～Td13…Td1i-1～Td1i，i表示流量大小的第一分界点集中分界点个数；基于通话时长第一分界点集则通话时长分布为Tc11～Tc12、Tc12～Tc13…Tc1j-1～Tc1j，j表示通话时长的第一分界点集中分界点个数；基于短信收发条数第一分界点集则短信收发条数分布为Tm11～Tm12、Tm12～Tm13…Tm1k-1～Tm1k，k表示短信收发条数的第一分界点集中分界点个数；基于时段分界点集{Tt}则时段分为Tt1～Tt2、Tt2～Tt3…Ttn-1～Ttn，n表示每天的时段分界点个数。更进一步的，可建立i*n*j*n*k*n种规则，并基于规则根据手机终端的流量、通话、短信特征识别手机终端。
目标终端更能反应人口数量，因此，通过从各个终端中获得目标终端，后续步骤是基于目标终端，以及目标终端与相应基站的交互数据获得人口密度的确定，因此得到的人口密度更加准确。
S303：基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型。
所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到。
示例性的，上述流量数据包括流量使用大小、流量使用时长和流量使用时段；上述通话数据包括通话使用次数、通话使用时长和通话使用时段、上述短信数据包括短信收发次数和短信收发时段。
上述用户类型可以为一种，也可以为多种。例如：根据根据上述流量使用大小、流量使用时长、流量使用时段、通话使用次数、通话使用时长、通话使用时段、短信收发次数、短信收发时段、终端与基站切换次数和常驻用户标识等信息，可以将用户分为：热点用户、常驻用户、频繁用户、非频繁用户和不频繁用户等五种用户类型，基于此五类用户特征建立用户分类模型，将各个目标终端与相应基站的交互数据输入该用户分类模型，可以输出各个目标终端对应的是热点用户、常驻用户、频繁用户、非频繁用户或者不频繁用户。
S304：获得用户类型中每个用户的权重系数。
可选地，所述获得用户类型中每个用户的权重系数，包括：
根据预设的用户和权重的对应关系，获取所述用户类型中各用户对应的权重；
根据所述用户类型中各用户对应的权重相加之和，确定所述用户类型中用户的权重和；
根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数。
示例性的，用户类型A中用户数量为NA，各用户对应的权重分别为W1、W2……WNA，用户类型A中用户的权重和WA＝WA1+WA2+……+WAN，用户类型A中每个用户的权重系数
通过根据用户类型中各用户对应的权重相加之和，可以得到用户类型中用户的权重和，再根据根据用户类型的权重和和用户类型的用户数量之比，可以准确获得用户类型中每个用户的权重系数。
可选地，所述根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数，包括：
根据所述用户类型的权重和和所述用户类型的用户数量之比，确定所述用户类型中每个用户的平均权重；
基于所述目标区域的社会因子，对所述用户类型中每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数，所述社会因子基于所述目标区域的老龄化用户比例和人均目标终端拥有量获得。
本申请实施例对上述目标区域的社会因子的获取方式不做限定，例如可以从目标区域的统计局获取。
示例性的，A地老龄化用户比例为6.6％，人均目标终端拥有量为1.506部。设定老龄化用户权重为0.8，每个用户的平均权重1.486，更进一步的计算社会因子为(1-1.486/1.506)*100％＝1.32％，可基于该社会因子对每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数。
通过根据老龄化用户比例和人均目标终端拥有量等数据计算区域社会因子，并对每个用户的平均权重进行微调，得到的每个用户的权重系数更符合实际情况，因此后续基于该每个用户的权重系数得到的人口密度更加准确。
S305：基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
可选地，所述基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度，包括：
基于目标时刻的所述用户类型中每个用户的权重系数和所述用户类型的用户数量，通过预设回归方程组，确定所述用户类型的回归系数；
所述预设回归方程组为
其中，P为所述目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为所述目标时刻第i用户类型的用户权重系数，Nit为所述目标时刻第i用户类型的用户数量；
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度。
示例性的，目标时刻为T1，T2，T3，T4，T5时刻，这五个时刻为一段短时间的不同时刻点；
则预设回归方程组为：
以五种用户类型为例，上述预设回归方程组的展开式如下：
T1，T2，T3，T4，T5时刻为一段短时间的不同时刻点，因此，可以认为T1，T2，T3，T4，T5时刻下目标区域的所有用户类型的人口数相同，即PT1＝PT2＝PT3＝PT4＝PT5，且不同时刻下各用户类型中每个用户的权重系数和用户类型的用户数量已知，即WiT1-WiT5和NiT1-NiT5已知，求解方程组可计算出各用户类型的回归系数。
通过根据上述预设回归方程组，可以准确获得用户类型的回归系数，进而保证了后续确定人口密度的准确性。
可选地，根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度，包括：
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数之积，确定所述用户类型的目标人口数；
根据所述用户类型的目标人口数之和，确定所有所述用户类型的目标人口数；
根据所有所述用户类型的目标人口数与所述目标区域的面积之比，确定所述目标区域的人口密度。
示例性的，目标区域中用户类型的目标人口数
其中，P为目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为t时刻第i用户类型的用户权重系数，Nit为t时刻第i用户类型的用户数量。以五种用户类型为例，t时刻目标区域中所有用户类型的目标人口数P＝A1*w1t*N1t+A2*w2t*N2t+A3*w3t*N3t+A4*w4t*N4t+A5*w5t*N5t。目标区域的面积为S，t时刻该目标区域的人口密度D＝P/S。
通过根据用户类型中每个用户的权重系数、用户类型的用户数量和用户类型的回归系数之积，能够准确确定该目标区域中用户类型的目标人口数；进而基于用户类型的目标人口数，确定目标区域中所有用户类型的目标人口数，并根据目标区域中所有用户类型的目标人口数与目标区域的面积之比，能够准确确定的目标区域的人口密度。
本实施例提供的人口密度确定方法，获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个终端与相应基站的交互数据；从各个终端中获得目标终端，并从各个终端与相应基站的交互数据中，获得上述目标终端与相应基站的交互数据；上述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；基于目标终端与相应基站的交互数据，通过用户分类模型对目标终端进行分类，获得各个目标终端所对应的用户类型；获得用户类型中每个用户的权重系数；通过分类后的用户类型获得的每个用户的权重系数和该用户类型的用户数量，能够及时、准确地确定目标区域的人口密度，以便依据目标区域的人口密度进行人口疏导。从而无需依赖视频监控来测算人口密度，因此不会受到视野盲区、多个视频画面重复统计以及受外界环境等因素的影响。
图4为本申请实施例提供的另一种人口密度确定方法的流程示意图，本实施例的执行主体可以为图2所示实施例中的终端201的处理器。如图4所示，该方法可以包括：
S401：获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据。
S402：从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据。
所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据。
S403：基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型。
所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到。
S404：获得用户类型中每个用户的权重系数。
S405：基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
该S401-S405与上述S301-S305实现方式相同，本申请实施例对此不再赘述。
可选地，还包括：
S406：判断所述目标区域的人口密度是否大于预设阈值。
S407：若所述目标区域的人口密度大于预设阈值，则对所述目标区域进行人口疏导。
其中，上述预设阈值可以根据实际应用场景进行设定，本申请实施例对此不做限定。例如：对社会安全较高的公共区域，预设阈值可以设置小些，在该区域的人口密度达到预设阈值后，就及时进行人口疏导，提高该区域的安全性。
通过在目标区域的人口密度大于预设阈值后，则对目标区域进行人口疏导，能够根据人口密度及时进行人口疏导，保证目标区域的安全性。
本实施例提供的人口密度确定方法，获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个终端与相应基站的交互数据；从各个终端中获得目标终端，并从各个终端与相应基站的交互数据中，获得上述目标终端与相应基站的交互数据；上述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；基于目标终端与相应基站的交互数据，通过用户分类模型对目标终端进行分类，获得各个目标终端所对应的用户类型；获得用户类型中每个用户的权重系数；通过分类后的用户类型获得的每个用户的权重系数和该用户类型的用户数量，能够及时、准确地确定目标区域的人口密度，以便依据目标区域的人口密度进行人口疏导。从而无需依赖视频监控来测算人口密度，因此不会受到视野盲区、多个视频画面重复统计以及受外界环境等因素的影响。通过在目标区域的人口密度大于预设阈值后，则对目标区域进行人口疏导，能够根据人口密度及时进行人口疏导，保证目标区域的安全性。
对应于上文实施例的人口密度确定方法，图5为本申请实施例提供的人口密度确定装置的结构示意图。为了便于说明，仅示出了与本申请实施例相关的部分。如图5所示，人口密度确定装置50包括：获取模块501、第一获得模块502、第二获得模块503、第三获得模块504和确定模块505，可选地，还包括判断模块506和疏导模块507。
获取模块501，用于获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据；
第一获得模块502，用于从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据；所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；
第二获得模块503，用于基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型；所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到；
第三获得模块504，用于获得用户类型中每个用户的权重系数；
确定模块505，用于基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
可选地，所述第三获得模块504获得用户类型中每个用户的权重系数，包括：
根据预设的用户和权重的对应关系，获取所述用户类型中各用户对应的权重；
根据所述用户类型中各用户对应的权重相加之和，确定所述用户类型中用户的权重和；
根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数。
可选地，所述第三获得模块504根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数，包括：
根据所述用户类型的权重和和所述用户类型的用户数量之比，确定所述用户类型中每个用户的平均权重；
基于所述目标区域的社会因子，对所述用户类型中每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数，所述社会因子基于所述目标区域的老龄化用户比例和人均目标终端拥有量获得。
可选地，所述确定模块505基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度，包括：
基于目标时刻的所述用户类型中每个用户的权重系数和所述用户类型的用户数量，通过预设回归方程组，确定所述用户类型的回归系数；
所述预设回归方程组为
其中，P为所述目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为所述目标时刻第i用户类型的用户权重系数，Nit为所述目标时刻第i用户类型的用户数量；
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度。
可选地，所述确定模块505根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度，包括：
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数之积，确定所述用户类型的目标人口数；
根据所述用户类型的目标人口数之和，确定所有所述用户类型的目标人口数；
根据所有所述用户类型的目标人口数与所述目标区域的面积之比，确定所述目标区域的人口密度。
所述判断模块506，用于判断所述目标区域的人口密度是否大于预设阈值；
所述疏导模块507，用于若所述目标区域的人口密度大于预设阈值，则对所述目标区域进行人口疏导。
本申请实施例提供的装置，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本申请实施例此处不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的人口密度确定方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的人口密度确定装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本申请各个实施例所述人口密度确定方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)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。结合本申请所公开的人口密度确定方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，简称ISA)总线、外部设备互连(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，简称EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各人口密度确定方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各人口密度确定方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (13)
1.一种人口密度确定设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机执行指令，所述处理器执行所述计算机执行指令时实现如下步骤：
获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据；
从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据；所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；
基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型；所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到；
获得用户类型中每个用户的权重系数；
基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
2.根据权利要求1所述的设备，其特征在于，所述获得用户类型中每个用户的权重系数，包括：
根据预设的用户和权重的对应关系，获取所述用户类型中各用户对应的权重；
根据所述用户类型中各用户对应的权重相加之和，确定所述用户类型中用户的权重和；
根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数。
3.根据权利要求2所述的设备，其特征在于，所述根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数，包括：
根据所述用户类型的权重和和所述用户类型的用户数量之比，确定所述用户类型中每个用户的平均权重；
基于所述目标区域的社会因子，对所述用户类型中每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数，所述社会因子基于所述目标区域的老龄化用户比例和人均目标终端拥有量获得。
4.根据权利要求1所述的设备，其特征在于，所述基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度，包括：
基于目标时刻的所述用户类型中每个用户的权重系数和所述用户类型的用户数量，通过预设回归方程组，确定所述用户类型的回归系数；
所述预设回归方程组为
其中，P为所述目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为所述目标时刻第i用户类型的用户权重系数，Nit为所述目标时刻第i用户类型的用户数量；
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度。
5.根据权利要求4所述的设备，其特征在于，根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度，包括：
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数之积，确定所述用户类型的目标人口数；
根据所述用户类型的目标人口数之和，确定所有所述用户类型的目标人口数；
根据所有所述用户类型的目标人口数与所述目标区域的面积之比，确定所述目标区域的人口密度。
6.根据权利要求1所述的设备，其特征在于，所述处理器执行所述计算机执行指令时还实现如下步骤：
判断所述目标区域的人口密度是否大于预设阈值；
若所述目标区域的人口密度大于预设阈值，则对所述目标区域进行人口疏导。
7.一种人口密度确定方法，其特征在于，包括：
获取在预设时间段内与目标区域的所有基站对应的所有终端，以及各个所述终端与相应基站的交互数据；
从各个所述终端获得目标终端，并从各个所述终端与相应基站的交互数据中，获得所述目标终端与相应基站的交互数据；所述目标终端与相应基站的交互数据包括流量数据、通话数据和短信数据；
基于所述目标终端与相应基站的交互数据，通过用户分类模型获得各个所述目标终端对应的用户类型；所述用户分类模型通过流量数据、通话数据、短信数据及用户类型训练得到；
获得用户类型中每个用户的权重系数；
基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度。
8.根据权利要求7所述的方法，其特征在于，所述获得用户类型中每个用户的权重系数，包括：
根据预设的用户和权重的对应关系，获取所述用户类型中各用户对应的权重；
根据所述用户类型中各用户对应的权重相加之和，确定所述用户类型中用户的权重和；
根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数。
9.根据权利要求8所述的方法，其特征在于，所述根据所述用户类型的权重和和所述用户类型的用户数量之比，获得所述用户类型中每个用户的权重系数，包括：
根据所述用户类型的权重和和所述用户类型的用户数量之比，确定所述用户类型中每个用户的平均权重；
基于所述目标区域的社会因子，对所述用户类型中每个用户的平均权重进行修正，得到用户类型中每个用户的权重系数，所述社会因子基于所述目标区域的老龄化用户比例和人均目标终端拥有量获得。
10.根据权利要求7所述的方法，其特征在于，所述基于所述用户类型中每个用户的权重系数和所述用户类型的用户数量，确定所述目标区域的人口密度，包括：
基于目标时刻的所述用户类型中每个用户的权重系数和所述用户类型的用户数量，通过预设回归方程组，确定所述用户类型的回归系数；
所述预设回归方程组为
其中，P为所述目标时刻所有所述用户类型的人口数，Ai为第i类用户类型的回归系数，wit为所述目标时刻第i用户类型的用户权重系数，Nit为所述目标时刻第i用户类型的用户数量；
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度。
11.根据权利要求10所述的方法，其特征在于，根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数，确定所述目标区域的人口密度，包括：
根据所述用户类型中每个用户的权重系数、所述用户类型的用户数量和所述用户类型的回归系数之积，确定所述用户类型的目标人口数；
根据所述用户类型的目标人口数之和，确定所有所述用户类型的目标人口数；
根据所有所述用户类型的目标人口数与所述目标区域的面积之比，确定所述目标区域的人口密度。
12.根据权利要求7所述的方法，其特征在于，还包括：
判断所述目标区域的人口密度是否大于预设阈值；
若所述目标区域的人口密度大于预设阈值，则对所述目标区域进行人口疏导。
13.一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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求7至12任意一项所述的人口密度确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911374561.7A CN111093151B (zh) | 2019-12-27 | 2019-12-27 | 人口密度确定设备及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911374561.7A CN111093151B (zh) | 2019-12-27 | 2019-12-27 | 人口密度确定设备及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111093151A true CN111093151A (zh) | 2020-05-01 |
| CN111093151B CN111093151B (zh) | 2021-02-26 |
Family
ID=70397600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911374561.7A Active CN111093151B (zh) | 2019-12-27 | 2019-12-27 | 人口密度确定设备及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111093151B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8478289B1 (en) * | 2010-06-01 | 2013-07-02 | Google Inc. | Predicting geographic population density |
| CN104540168A (zh) * | 2014-12-30 | 2015-04-22 | 杭州华为数字技术有限公司 | 一种测量人群拥挤度的方法、装置与系统 |
| CN106295787A (zh) * | 2015-05-29 | 2017-01-04 | 中国移动通信集团浙江有限公司 | 一种基于移动信令的客流统计方法及装置 |
| CN106899932A (zh) * | 2015-12-21 | 2017-06-27 | 清华大学 | 一种活跃人口密度监测方法和系统 |
| CN106982415A (zh) * | 2016-01-19 | 2017-07-25 | 北京栋邦达科技有限公司 | 公共场所人流密度的监测系统和监测方法 |
| CN108271115A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团内蒙古有限公司 | 一种区域人口密度的估计方法及装置 |
| CN110505575A (zh) * | 2018-05-19 | 2019-11-26 | 北京融信数联科技有限公司 | 一种基于基站覆盖扇区网格化的区域人口分布统计方法 |
-
2019
- 2019-12-27 CN CN201911374561.7A patent/CN111093151B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8478289B1 (en) * | 2010-06-01 | 2013-07-02 | Google Inc. | Predicting geographic population density |
| CN104540168A (zh) * | 2014-12-30 | 2015-04-22 | 杭州华为数字技术有限公司 | 一种测量人群拥挤度的方法、装置与系统 |
| CN106295787A (zh) * | 2015-05-29 | 2017-01-04 | 中国移动通信集团浙江有限公司 | 一种基于移动信令的客流统计方法及装置 |
| CN106899932A (zh) * | 2015-12-21 | 2017-06-27 | 清华大学 | 一种活跃人口密度监测方法和系统 |
| CN106982415A (zh) * | 2016-01-19 | 2017-07-25 | 北京栋邦达科技有限公司 | 公共场所人流密度的监测系统和监测方法 |
| CN108271115A (zh) * | 2016-12-30 | 2018-07-10 | 中国移动通信集团内蒙古有限公司 | 一种区域人口密度的估计方法及装置 |
| CN110505575A (zh) * | 2018-05-19 | 2019-11-26 | 北京融信数联科技有限公司 | 一种基于基站覆盖扇区网格化的区域人口分布统计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 魏金金,李俊霖,李倚天: "基于深度学习的稠密人群检测", 《信息通信》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111093151B (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11373205B2 (en) | Identifying and punishing cheating terminals that generate inflated hit rates | |
| CN108386979B (zh) | 一种空调器的控制方法及装置 | |
| EP3543941A1 (en) | Time-factor fusion collaborative filtering method, device, server and storage medium | |
| CN108985489B (zh) | 一种风险预测方法、风险预测装置和终端设备 | |
| CN108363788B (zh) | 帖子智能排位方法、装置以及计算机可读存储介质 | |
| CN109005514B (zh) | 用户位置信息的回填方法、装置、终端设备及存储介质 | |
| CN110061892B (zh) | 实时显示网络状况的方法、系统、存储介质、及电子设备 | |
| CN111126623B (zh) | 一种模型更新方法、装置及设备 | |
| EP3518166A1 (en) | Mobile terminal-based payment method and mobile terminal | |
| CN112734046A (zh) | 模型训练及数据检测方法、装置、设备及介质 | |
| CN108768743B (zh) | 一种用户识别方法、装置及服务器 | |
| CN115696356A (zh) | 小区容量调整方法、装置、电子设备及存储介质 | |
| US9577594B2 (en) | Method and apparatus for exchanging control functions of volume control units, and terminal | |
| CN117275673A (zh) | 一种用于提升分配注意的认知训练设备和方法 | |
| CN109377103B (zh) | 学习平台课程推荐的评估方法及设备 | |
| CN111093151B (zh) | 人口密度确定设备及方法 | |
| CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN113609409A (zh) | 一种推荐浏览信息的方法及其系统、电子设备、存储介质 | |
| CN114173006A (zh) | 通信用户离网预警方法及服务器 | |
| CN108985831B (zh) | 一种线下交易的判别方法、装置、及计算机设备 | |
| CN109582939B (zh) | 一种气泡图展示方法和装置 | |
| CN115348656A (zh) | 一种MiFi设备及其功率调节方法、电子设备和系统 | |
| CN113342762B (zh) | 针对商户好友的共享消息的智能处理方法及相关装置 | |
| CN110033383A (zh) | 一种数据处理方法、设备、介质以及装置 | |
| CN105653645B (zh) | 网络信息关注度评估方法及装置 |
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 |