基于百度热力图的人口活动数量提取方法、装置及介质
技术领域
本发明涉及大数据处理技术领域,尤其涉及一种基于百度热力图的人口活动数量提取方法、装置及介质。
背景技术
人口活动特征是城市规划的重要基础信息和决策依据,如何高效准确获取数据是城市人口研究的一个关键问题。传统的人口数据获取方式通常采用人口普查和调查访谈,但随着城市规模的扩大,城市人口分布也日益复杂,导致数据获取途径难、更新速度慢、时间相对滞后。近年来,随着大数据的应用推广,手机信令数据、公交刷卡数据,以及基于互联网的百度热力图、微信热力图、微博签到等数据在城市人口研究中得到了大量的应用。
百度热力图由百度公司推出,是一款以智能手机用户在使用百度相关搜索引擎或具有定位位置信息的手机百度软件为基础的数据产品,通过空间聚集方式以不同的颜色及亮度来动态反映人口活动空间聚集程度,能弥补传统统计数据的时效性或动态性不足等问题,同时相较于手机信令数据、公交刷卡数据更易于获取,尽管百度热力图不是准确的人口分布数据,但它能较好的体现人口活动空间聚集程度,因此在城市规划领域的价值不断被挖掘。
然而,发明人在实施本发明的过程中发现,由于百度热力图是一种图片数据,属于栅格数据类型,并不能直接显示或读取人口活动数量来应用于城市人口研究,因此急需一种基于百度热力图的人口活动数量提取方法来满足城市人口研究的需求。
发明内容
本发明实施例提供一种基于百度热力图的人口活动数量提取方法、装置及介质,能够将百度热力图划分为若干个子区域,并提取各子区域内的人口活动数量。
为了实现上述目的,本发明实施例提供了一种基于百度热力图的人口活动数量提取方法,包括:
接收导入的百度热力图数据;
根据预设投影坐标系对所述百度热力图数据进行预处理,得到预处理后的百度热力图;其中,所述预处理的方式包括配准和投影;
基于像素值范围与人口活动密度值之间的对应关系,对所述预处理后的百度热力图的第四通道中各像元的像素值进行重新赋值,得到重分类后的百度热力图;
计算所述重分类后的百度热力图的像元大小值;
根据预设的子区域尺寸,将所述重分类后的百度热力图划分为若干个带有唯一编号的子区域;
建立人口活动密度值频数表;其中,所述人口活动密度值频数表用于表示各子区域的第四通道内的每个像素值对应的像元个数;
根据所述人口活动密度值频数表和所述像元大小值,计算各子区域的人口活动数量。
作为上述方案的改进,所述基于百度热力图的人口活动数量提取方法还包括步骤:
根据各子区域的编号,将各子区域的人口活动数量显示在所述重分类后的百度热力图中。
作为上述方案的改进,所述根据各子区域的编号,将各子区域的人口活动数量显示在所述重分类后的百度热力图中,具体包括:
在各子区域的图层属性中添加人口活动数量字段;
以各子区域的编号为键、各子区域的人口活动数量为值,生成字典数据;
根据各子区域的编号,将所述字典数据中各子区域的人口活动数量与各子区域的图层属性中的人口活动数量字段进行关联,以将各子区域的图层属性中的人口活动数量字段的值更新为各子区域的人口活动数量;
将各子区域的图层属性中的人口活动数量字段标注在所述重分类后的百度热力图的各子区域上,以将各子区域的人口活动数量显示在所述重分类后的百度热力图中。
作为上述方案的改进,在将所述字典数据中各子区域的人口活动数量与各子区域的图层属性中的人口活动数量字段进行关联后,还包括步骤:
将各子区域转换为点要素。
作为上述方案的改进,所述根据预设的子区域尺寸,将所述重分类后的百度热力图划分为若干个带有唯一编号的子区域,具体包括:
计算所述重分类后的百度热力图的坐标范围;
根据所述坐标范围和预设的子区域尺寸,对所述重分类后的百度热力图进行区域划分,得到若干个子区域,并为每个子区域分配唯一编号。
作为上述方案的改进,所述根据所述人口活动密度值频数表和所述像元大小值,计算各子区域的人口活动数量,具体包括:
对所述人口活动密度值频数表进行DataFrame格式转换,得到DataFrame格式的人口活动密度值频数表;
根据所述DataFrame格式的人口活动密度值频数表和所述像元大小值进行计算,得到各子区域的人口活动数量。
本发明实施例还提供了一种基于百度热力图的人口活动数量提取装置,包括:
数据获取模块,用于接收导入的百度热力图数据;
数据预处理模块,用于根据预设投影坐标系对所述百度热力图数据进行预处理,得到预处理后的百度热力图;其中,所述预处理的方式包括配准和投影;
重分类模块,用于基于像素值范围与人口活动密度值之间的对应关系,对所述预处理后的百度热力图的第四通道中各像元的像素值进行重新赋值,得到重分类后的百度热力图;
像元大小计算模块,用于计算所述重分类后的百度热力图的像元大小值;
子区域划分模块,用于根据预设的子区域尺寸,将所述重分类后的百度热力图划分为若干个子区域;其中,每个子区域都分配有唯一编号;
频数表建立模块,用于建立人口活动密度值频数表;其中,所述人口活动密度值频数表用于表示各子区域的第四通道内的每个像素值对应的像元个数;
人口活动数量计算模块,用于根据所述人口活动密度值频数表和所述像元大小值,计算各子区域的人口活动数量。
本发明实施例还提供了一种基于百度热力图的人口活动数量提取装置,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上任意一项所述的基于百度热力图的人口活动数量提取方法。
本发明实施例还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如上任意一项所述的基于百度热力图的人口活动数量提取方法。
与现有技术相比,本发明提供的一种基于百度热力图的人口活动数量提取方法、装置及介质,首先接收导入的百度热力图数据;再根据预设投影坐标系对获取到的百度热力图数据进行预处理,得到预处理后的百度热力图;接着基于像素值范围与人口活动密度值之间的对应关系,对所述预处理后的百度热力图的第四通道中各像元的像素值进行重新赋值,得到重分类后的百度热力图;再接着计算所述重分类后的百度热力图的像元大小值;然后根据预设的子区域尺寸,将所述重分类后的百度热力图划分为若干个带有唯一编号的子区域;再然后建立用于表示各子区域的第四通道内的每个像素值对应的像元个数的人口活动密度值频数表;最后根据所述人口活动密度值频数表和所述像元大小值,计算各子区域的人口活动数量,以实现基于百度热力图的人口活动数量提取。采用本发明能够将百度热力图划分为若干个子区域,并提取各子区域内的人口活动数量,并且,由于提取得到的人口活动数量是以子区域为尺度的,因此数据颗粒度小、精度高,使得提取到的人口活动数量既能用于宏观城市层面的人口活动特征研究,也能满足中微观层面的研究精度要求,从而拓展了百度热力图数据在城市人口研究中的使用广度。
附图说明
图1是本发明实施例1提供的一种基于百度热力图的人口活动数量提取方法的流程示意图。
图2是本发明实施例2提供的一种基于百度热力图的人口活动数量提取方法的流程示意图。
图3是本发明实施例3提供的一种基于百度热力图的人口活动数量提取装置的结构示意图。
图4是本发明实施例4提供的一种基于百度热力图的人口活动数量提取装置的结构示意图。
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1提供的一种基于百度热力图的人口活动数量提取方法的流程示意图。
如图1所示的基于百度热力图的人口活动数量提取方法,包括步骤S11至步骤S17,具体如下:
S11、接收导入的百度热力图数据。
S12、根据预设投影坐标系对所述百度热力图数据进行预处理,得到预处理后的百度热力图;其中,所述预处理的方式包括配准和投影。
其中,根据预设投影坐标系对百度热力图数据进行预处理的目的是生成投影坐标,以方便后续进行像元大小和热力图范围的计算。具体实施时,预设投影坐标系可根据实际需要进行选择,在此不做限定。
S13、基于像素值范围与人口活动密度值之间的对应关系,对所述预处理后的百度热力图的第四通道中各像元的像素值进行重新赋值,得到重分类后的百度热力图。
其中,由于百度热力图的第四通道中各像元的像素值与颜色存在对应关系,而不同颜色又代表了不同的人口活动密度,因此本发明实施例根据百度热力图中颜色的不同与人口活动密度值之间的关系,划分像素值范围与人口活动密度值之间的对应关系。优选的,可以是将范围为0-205的像素值分成对应的8个区间,像素值范围与人口活动密度值(人/万m2)之间的对应关系具体如下:像素值范围为0-59时,人口活动密度值为0;像素值范围为59-132时,人口活动密度值为5;像素值范围为132-138时,人口活动密度值为8;像素值范围为138-151时,人口活动密度值为10;像素值范围为151-163时,人口活动密度值为15;像素值范围为163-170时,人口活动密度值为30;像素值范围为170-179时,人口活动密度值为50;像素值范围为179-205时,人口活动密度值为60。以上述像素值范围与人口活动密度值之间的对应关系为例,预处理后的百度热力图的第四通道中的某一像元的像素值为50,那么基于像素值范围与人口活动密度值之间的对应关系,对该像元的像素值进行重新赋值,使得该像元的像素值变为0。
S14、计算所述重分类后的百度热力图的像元大小值。
其中,由于在步骤S12中已对百度热力图数据进行了预处理,所以像元大小值即为该像元实际面积。具体实施时,由于同一百度热力图中所有的像元大小完全一致,所以对于像元大小的计算只需要统计一次即可。
S15、根据预设的子区域尺寸,将所述重分类后的百度热力图划分为若干个带有唯一编号的子区域。
其中,在具体实施时,子区域尺寸可以是根据实际需要进行预先设置,在此不做限定,但需要说明的是,子区域尺寸的设定可以是考虑研究区域面积和数据处理效率两方面因素,子区域尺寸越小,划分得到的子区域越多,提取到的人口活动数量的数据精度越大,但同时会增加数据处理时间,反之子区域尺寸越大处理时间越短,但提取到的人口活动数量的数据精度越小。在实际应用时,城市层面或分区层面通常将子区域尺寸设定为1000m×1000m,街区或街道层面通常将渔网单元大小设定为50m×50m。通过根据预设的子区域尺寸,将重分类后的百度热力图划分为若干个带有唯一编号的子区域以用于后续的人口活动数量计算,能有效缩小提取得到的人口活动数量的数据颗粒度,以得到更加微观的统计结果。
S16、建立人口活动密度值频数表;其中,所述人口活动密度值频数表用于表示各子区域的第四通道内的每个像素值对应的像元个数。
以上述优选的对应关系作为像素值范围与人口活动密度值之间的对应关系为例,人口活动密度值频数表可以是以如下格式建立:共有8行,每行代表1个重新赋值后的像素值(即人口活动密度值)在各个子区域的第四通道内的总像元个数,除了各子区域的编号和人口活动密度值标签外,其它各列代表一个子区域,列名与各子区域的编号成一一对应关系,每列代表该各子区域范围的第四通道内0、5、8、10、15、30、50、60共8个重新赋值后的像素值(即人口活动密度值)的总像元个数。
S17、根据所述人口活动密度值频数表和所述像元大小值,计算各子区域的人口活动数量。
其中,对于每个子区域的第四通道内的像元来说,像元大小值和该像元重新赋值后的像素值(即人口活动密度值)的乘积即为该像元范围内的人口活动数量,将每个子区域的第四通道内的每个像素值(即人口活动密度值)和与其对应的像元数量及步骤S14中得到的像元大小值相乘并求和,即得到各子区域的人口活动数量。以某个子区域为例,该子区域的第四通道内0、5、8、10、15、30、50、60共8个重新赋值后的像素值(即人口活动密度值(人/万m2))对应的总像元个数分别为1000、0、0、1422、179、0、0、0,像元大小值为15.19平方米,则该子区域的人口活动数量为(0×1000+5×0+8×0+10×1422+15×179+30×0+50×0+60×0)×15.19/10000=26人。
本发明实施例提供的基于百度热力图的人口活动数量提取方法,能够将百度热力图划分为若干个子区域,并提取各子区域内的人口活动数量,并且,由于提取得到的人口活动数量是以子区域为尺度的,因此数据颗粒度小、精度高,使得提取到的人口活动数量既能用于宏观城市层面的人口活动特征研究,也能满足中微观层面的研究精度要求,从而拓展了百度热力图数据在城市人口研究中的使用广度。
参见图2,是本发明实施例2提供的一种基于百度热力图的人口活动数量提取方法的流程示意图。
在上述实施例1的基础上,如图2所示的基于百度热力图的人口活动数量提取方法还包括步骤S18:
S18、根据各子区域的编号,将各子区域的人口活动数量显示在所述重分类后的百度热力图中。
在本发明实施例中,在计算得到各子区域的人口活动数量后,根据各子区域的编号,将各子区域的人口活动数量显示在重分类后的百度热力图中,以将各子区域的人口活动数量可视化,以便于人口活动数量在城市人口研究中的使用。
进一步地,所述根据各子区域的编号,将各子区域的人口活动数量显示在所述重分类后的百度热力图中,具体包括步骤S181至步骤184,具体如下:
S181、在各子区域的图层属性中添加人口活动数量字段;
S182、以各子区域的编号为键、各子区域的人口活动数量为值,生成字典数据;
S183、根据各子区域的编号,将所述字典数据中各子区域的人口活动数量与各子区域的图层属性中的人口活动数量字段进行关联,以将各子区域的图层属性中的人口活动数量字段的值更新为各子区域的人口活动数量;
S184、将各子区域的图层属性中的人口活动数量字段标注在所述重分类后的百度热力图的各子区域上,以将各子区域的人口活动数量显示在所述重分类后的百度热力图中。
其中,可以是先在各子区域的图层属性中添加人口活动数量字段,并且,利用Python创建一个空字典数据,以各子区域的编号为键、各子区域的人口活动数量为值,将数据添加到上述的空字典数据中,从而生成字典数据;在生成字典数据后,根据各子区域的编号,将字典数据中各子区域的人口活动数量与各子区域的图层属性中的人口活动数量字段进行关联,利用游标更新图层属性表中的人口活动数量字段的值;然后将各子区域的图层属性中的人口活动数量字段标注在重分类后的百度热力图的各子区域上,以将各子区域的人口活动数量显示在重分类后的百度热力图中,从而实现人口活动数量的可视化。
再进一步地,在上述步骤S183之后,还包括步骤S185:
S185、将各子区域转换为点要素。
其中,在各子区域的图层属性中的人口活动数量字段的值更新为各子区域的人口活动数量后,保留各子区域的编号和图层属性中的人口活动数量字段,将各子区域转换为点要素,以便于后续在ArcGIS中利用提取得到的各子区域的人口活动数量进行空间分析、核密度分析、空间叠加等,从而让百度热力图数据在城市人口研究中的使用更加深入。其中保留的人口活动数量字段的值与步骤S183更新后的各子区域的图层属性中的人口活动数量字段的值完全一致,代表了该点周边的活动人口数量。
在上述实施例1或2的基础上,作为优选的实施方式,上述步骤S15,具体包括:
S151、计算所述重分类后的百度热力图的坐标范围;
S152、根据所述坐标范围和预设的子区域尺寸,对所述重分类后的百度热力图进行区域划分,得到若干个子区域,并为每个子区域分配唯一编号。
在本优选实施方式中,先获取重分类后的百度热力图的坐标范围,包含左、右、上、下四个值,该坐标范围将用于后续区域细分;再根据坐标范围和预设的子区域尺寸,对重分类后的百度热力图进行区域划分,并为每个子区域分配唯一编号,从而将重分类后的百度热力图划分为若干个带有唯一编号的子区域,能有效提高区域划分及编号的效率,从而提高人口活动数量提取的效率。
在上述实施例1或2的基础上,作为优选的实施方式,上述步骤S17,具体包括:
S171、对所述人口活动密度值频数表进行DataFrame格式转换,得到DataFrame格式的人口活动密度值频数表;
S172、根据所述DataFrame格式的人口活动密度值频数表和所述像元大小值进行计算,得到各子区域的人口活动数量。
在本优选实施方式中,先将步骤S16建立的人口活动密度值频数表转换为DataFrame表单,从而得到DataFrame格式的人口活动密度值频数表,以优化人口活动密度值频数表的数据结构,使得后续根据DataFrame格式的人口活动密度值频数表和像元大小值进行各子区域的人口活动数量的计算的效率更高。优选地,可以是采用Python的Pandas模块来根据DataFrame格式的人口活动密度值频数表和像元大小值进行各子区域的人口活动数量的计算,从而充分地利用了Python的Pandas模块在表格数据处理上的优势,进一步提高各子区域的人口活动数量的计算效率,从而提高了人口活动数量提取的效率。
可以理解的,上述优选实施方式可以任意结合,以得到本发明的更优选实施方式。
为了更好地说明本发明实施例提供的基于百度热力图的人口活动数量提取方法的实施流程,以下将具体举例加以说明,本举例是基于ArcGIS软件和Python实施的:
第一步、接收导入的百度热力图数据。
第二步、数据预处理:
在ArcGIS中根据预设投影坐标,利用投影栅格工具对百度热力图数据进行配准或投影等预处理,得到预处理后的百度热力图。
第三步、数据重分类:
基于像素值范围与人口活动密度值之间的对应关系,调用Arcpy的sa.RemapRange方法,对预处理后的百度热力图的第四通道中各像元的像素值进行重新赋值,将每个像元的像素值更改为像元颜色对应的人口活动密度值。
第四步、计算像元大小:
调用Arcpy的GetRasterProperties_management方法,计算重分类后的百度热力图的像元大小值,其中,像元大小值与属性中的像元大小x和y值的乘积一致。
第五步、计算坐标范围:
调用Arcpy的GetRasterProperties_management方法,获取经第三步重分类后的百度热力图的坐标范围,包含左、右、上、下四个值。
第六步、区域划分:
根据研究需要设置子区域尺寸,根据第五步计算得到的坐标范围和预设的子区域尺寸,调用Arcpy的CreateFishnet_management方法创建渔网,从而对重分类后的百度热力图进行区域划分,生成的各渔网单元即为各子区域,自动生成的渔网单元从0开始编号,从而将重分类后的百度热力图划分为若干个带有唯一编号的子区域。
第七步、建立人口活动密度值频数表:
调用Arcpy的sa.ZonalHistogram方法,以第六步生成的渔网为输入要素,渔网编号为区域字段,重分类后的百度热力图为输入栅格,计算得到每个子区域的第四通道中不同像素值对应的像元数量,以建立人口活动密度值频数表。
第八步、生成Framedata表单:
调用Python的Pandas模块的DataFrame方法将人口活动密度值频数表转换为DataFrame表单,生成的DataFrame表单与人口活动密度值频数表数据形式完全一致。
第九步、统计人口活动数量:
调用Pandas模块对DataFrame表单进行处理,以子区域的编号为分类字段,将每个子区域的第四通道中每个像素值(即人口活动密度值)和与其对应的像元数量及像元大小值相乘并求和,计算各子区域人口活动数量。
第十步、生成人口活动数量字典数据:
利用Python创建一个空字典数据,以各子区域的编号为键,对应的人口活动数量为值,将其添加到字典数据中,该字典数据将用于根据各子区域的编号来关联更新各子区域内的人口活动数量。
第十一步、渔网添加人口活动数量字段:
调用Arcpy的AddField_management方法,在各子区域的图层属性中添加人口活动数量字段,用于存储人口活动数量。
第十二步、更新人口活动数量字段:
调用Arcpy的da.UpdateCursor方法,根据各子区域的编号,将字典数据中各子区域的人口活动数量与各子区域的图层属性中的人口活动数量字段进行关联,利用游标更新各子区域的图层属性中的人口活动数量字段的值,并将各子区域的图层属性中的人口活动数量字段标注在重分类后的百度热力图的各子区域上,以将各子区域的人口活动数量显示在重分类后的百度热力图中。
第十三步、点要素提取:
调用Arcpy的FeatureToPoint_management方法,将更新后的各子区域转换为点要素,并保留编号和人口活动数量字段,使得能从百度热力图中直观看到各点上的人口活动数量,人口活动聚集越强的位置,相应的点要素上的人口活动数量越大。
需要说明的是,还可以基于上述流程,在ArcGIS中创建脚本,生成百度热力图人口活动数量提取工具,从而实现数据批量化、自动化提取,大大降低了数据获取的难度。
本发明实施例还提供了一种基于百度热力图的人口活动数量提取装置,能够实施上述各个基于百度热力图的人口活动数量提取方法的所有流程。
参见图3,是本发明实施例3提供的一种基于百度热力图的人口活动数量提取装置的结构示意图。
如图3所示的基于百度热力图的人口活动数量提取装置20,包括:
数据获取模块21,用于接收导入的百度热力图数据;
数据预处理模块22,用于根据预设投影坐标系对所述百度热力图数据进行预处理,得到预处理后的百度热力图;其中,所述预处理的方式包括配准和投影;
重分类模块23,用于基于像素值范围与人口活动密度值之间的对应关系,对所述预处理后的百度热力图的第四通道中各像元的像素值进行重新赋值,得到重分类后的百度热力图;
像元大小计算模块24,用于计算所述重分类后的百度热力图的像元大小值;
子区域划分模块25,用于根据预设的子区域尺寸,将所述重分类后的百度热力图划分为若干个子区域;其中,每个子区域都分配有唯一编号;
频数表建立模块26,用于建立人口活动密度值频数表;其中,所述人口活动密度值频数表用于表示各子区域的第四通道内的每个像素值对应的像元个数;
人口活动数量计算模块27,用于根据所述人口活动密度值频数表和所述像元大小值,计算各子区域的人口活动数量。
该基于百度热力图的人口活动数量提取装置实现基于百度热力图的人口活动数量提取的原理与上述实施例相同,在此不再赘述。
本发明实施例提供的基于百度热力图的人口活动数量提取装置,能够将百度热力图划分为若干个子区域,并提取各子区域内的人口活动数量,并且,由于提取得到的人口活动数量是以子区域为尺度的,因此数据颗粒度小、精度高,使得提取到的人口活动数量既能用于宏观城市层面的人口活动特征研究,也能满足中微观层面的研究精度要求,从而拓展了百度热力图数据在城市人口研究中的使用广度。
参见图4,是本发明实施例4提供的一种基于百度热力图的人口活动数量提取装置的结构示意图。
本发明实施例提供的一种基于百度热力图的人口活动数量提取装置30,包括处理器31、存储器32以及存储在所述存储器中且被配置为由所述处理器31执行的计算机程序,所述处理器31执行所述计算机程序时实现如上任一实施例所述的基于百度热力图的人口活动数量提取方法。
另外,本发明实施例还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如上任一实施例所述的基于百度热力图的人口活动数量提取方法。
所述处理器31执行所述计算机程序时实现上述基于百度热力图的人口活动数量提取方法实施例中的步骤,例如图1所示的基于百度热力图的人口活动数量提取方法的所有步骤。或者,所述处理器31执行所述计算机程序时实现如图3所示的百度热力图的人口活动数量提取装置20的各模块的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器32中,并由所述处理器31执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述基于百度热力图的人口活动数量提取装置30中的执行过程。例如,所述计算机程序可以被分割成数据获取模块、数据预处理模块、重分类模块、像元大小计算模块、子区域划分模块、频数表建立模块和人口活动数量计算模块,各模块具体功能如下:数据获取模块,用于接收导入的百度热力图数据;数据预处理模块,用于根据预设投影坐标系对所述百度热力图数据进行预处理,得到预处理后的百度热力图;重分类模块,用于基于像素值范围与人口活动密度值之间的对应关系,对所述预处理后的百度热力图的第四通道中各像元的像素值进行重新赋值,得到重分类后的百度热力图;像元大小计算模块,用于计算所述重分类后的百度热力图的像元大小值;子区域划分模块,用于根据预设的子区域尺寸,将所述重分类后的百度热力图划分为若干个子区域;其中,每个子区域都分配有唯一编号;频数表建立模块,用于建立人口活动密度值频数表;其中,所述人口活动密度值频数表用于表示各子区域的第四通道内的每个像素值对应的像元个数;人口活动数量计算模块,用于根据所述人口活动密度值频数表和所述像元大小值,计算各子区域的人口活动数量。
所述基于百度热力图的人口活动数量提取装置30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。所述基于百度热力图的人口活动数量提取装置30可包括,但不仅限于,处理器31、存储器32。本领域技术人员可以理解,所述示意图仅仅是基于百度热力图的人口活动数量提取装置30的示例,并不构成对基于百度热力图的人口活动数量提取装置30的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述基于百度热力图的人口活动数量提取装置30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器31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)、现成可编程门阵列(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31是所述基于百度热力图的人口活动数量提取装置30的控制中心,利用各种接口和线路连接整个基于百度热力图的人口活动数量提取装置30的各个部分。
所述存储器32可用于存储所述计算机程序和/或模块,所述处理器31通过运行或执行存储在所述存储器32内的计算机程序和/或模块,以及调用存储在存储器32内的数据,实现所述基于百度热力图的人口活动数量提取装置30的各种功能。所述存储器32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等;存储数据区可存储根据基于百度热力图的人口活动数量提取装置30的使用所创建的数据等。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,所述基于百度热力图的人口活动数量提取装置30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。
以上所述仅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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。