CN111428197A - 数据处理方法、装置及设备 - Google Patents

数据处理方法、装置及设备 Download PDF

Info

Publication number
CN111428197A
CN111428197A CN202010192846.5A CN202010192846A CN111428197A CN 111428197 A CN111428197 A CN 111428197A CN 202010192846 A CN202010192846 A CN 202010192846A CN 111428197 A CN111428197 A CN 111428197A
Authority
CN
China
Prior art keywords
employment
data
determining
users
living
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
Application number
CN202010192846.5A
Other languages
English (en)
Other versions
CN111428197B (zh
Inventor
高硕�
茅明睿
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.)
Beijing City Quadrant Technology Co ltd
Original Assignee
Beijing City Quadrant 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 Beijing City Quadrant Technology Co ltd filed Critical Beijing City Quadrant Technology Co ltd
Priority to CN202010192846.5A priority Critical patent/CN111428197B/zh
Publication of CN111428197A publication Critical patent/CN111428197A/zh
Application granted granted Critical
Publication of CN111428197B publication Critical patent/CN111428197B/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
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Economics (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明实施例提供一种数据处理方法、装置及设备，该方法包括：获取网络数据，所述网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置；根据所述网络数据确定多个就业数据和多个居住数据，所述就业数据为指示就业行为的数据，所述居住数据为指示居住行为的数据；根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，所述第一职住比用于指示就业岗位数与居住用户数的比值；根据第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的用户信息，所述用户信息包括就业用户数量和/或非就业用户数量。提高了确定用户信息的准确性。

Description

数据处理方法、装置及设备
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种数据处理方法、装置及设备。
背景技术
目前，在很多应用场景(例如，城市规划、数据统计等)中，需要获取城市中的就业用户数量和非就业用户数量。
在现有技术中，通常采集与人口相关的数据对一个区域中的就业用户和非就业用户数量进行估算。例如，可以获取某区域中使用的手机号码的数量、注册企业提供的岗位数量等进行就业用户和非就业用户的估算。然而，在上述过程中，无法准确的确定得到就业用户和非就业用户的数量，导致无法准确的得到就业用户数量和非就业用户数量，数据的准确性较低。
发明内容
本申请实施例提供一种数据处理方法、装置及设备，提高了获取用户信息的准确性。
第一方面，本申请实施例提供一种数据处理方法，所述方法包括：
获取网络数据，所述网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置；
根据所述网络数据确定多个就业数据和多个居住数据，所述就业数据为指示就业行为的数据，所述居住数据为指示居住行为的数据；
根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，所述第一职住比用于指示就业岗位数与居住用户数的比值；
根据第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的用户信息，所述用户信息包括就业用户数量和/或非就业用户数量。
在一种可能的实施方式中，根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，包括：
根据所述就业数据的第一数量、所述居住数据的第二数量，确定初始职住比，所述初始职住比为所述第一数量与所述第二数量的比值；
根据所述初始职住比和所述移动设备使用率，确定所述第一职住比。
在一种可能的实施方式中，所述移动设备使用率包括居住用户的移动设备使用率和就业用户的移动设备使用率；根据所述就业数据、所述居住数据和所述移动设备使用率，确定所述第一职住比，包括：
将所述居住用户的移动设备使用率与就业用户的移动设备使用率的比值确定为扩样系数；
将所述初始职住比与所述扩样系数的乘积确定为所述第一职住比。
在一种可能的实施方式中，根据所述第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的就业用户数量和非就业用户数量，包括：
根据所述第一区域中的用户数量和所述第一职住比，确定所述第一区域中的第一就业岗位数量；
根据所述网络数据，确定通勤用户数量；
根据所述第一就业岗位数量和所述通勤用户数量，确定所述就业用户数量；
根据所述第一区域中的用户数量和所述就业用户数量，确定所述非就业用户数量。
在一种可能的实施方式中，根据所述第一就业岗位数量和所述通勤用户数量，确定所述就业用户数量，包括：
根据所述第一就业岗位数量和所述通勤用户数量，确定变形系数；
根据所述通勤用户数量和所述变形系数，确定所述就业用户数量。
在一种可能的实施方式中，根据所述网络数据确定多个就业数据，包括：
根据就业行为条件，在所述网络数据中确定多个待选就业数据，所述待选就业数据满足所述就业行为条件；
根据每个待选就业数据对应的移动设备标识和时长，在所述待选就业数据中确定所述多个就业数据；其中，一个移动设备标识在预设时长的时段中对应一个就业数据。
在一种可能的实施方式中，根据所述网络数据确定多个居住数据，包括：
根据居住行为条件，在所述网络数据中确定多个待选居住数据，所述待选居住数据满足所述居住行为条件；
根据每个待选居住数据对应的移动设备标识和时长，在所述待选居住数据中确定所述多个居住数据；其中，一个移动设备标识在预设时长的时段中对应一个居住数据。
在一种可能的实施方式中，所述方法还包括：
获取第二区域对应的网格分布图，所述第二区域中包括多个所述第一区域，所述网格分布图中包括多个网格；
根据所述第二区域中每个第一区域对应的就业用户数量和非就业用户数量，确定每个网格对应的就业用户数量和非就业用户数量。
第二方面，本发明实施例提供一种数据处理装置，包括第一获取模块、第一确定模块、第二确定模块和第三确定模块，其中：
所述第一获取模块用于，获取网络数据，所述网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置；
所述第一确定模块用于，根据所述网络数据确定多个就业数据和多个居住数据，所述就业数据为指示就业行为的数据，所述居住数据为指示居住行为的数据；
所述第二确定块用于，根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，所述第一职住比用于指示就业岗位数与居住用户数的比值；
所诉第三确定模块用于，根据第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的用户信息，所述用户信息包括就业用户数量和/或非就业用户数量。
在一种可能的实施方式中，所述第二确定模块具体用于：
根据所述就业数据的第一数量、所述居住数据的第二数量，确定初始职住比，所述初始职住比为所述第一数量与所述第二数量的比值；
根据所述初始职住比和所述移动设备使用率，确定所述第一职住比。
在另一种可能的实施方式中，所述第二确定模块包具体用于：
将所述居住用户的移动设备使用率与就业用户的移动设备使用率的比值确定为扩样系数；
将所述初始职住比与所述扩样系数的乘积确定为所述第一职住比。
在另一种可能的实施方式中，所述第三确定模块具体用于：
根据所述第一区域中的用户数量和所述第一职住比，确定所述第一区域中的第一就业岗位数量；
根据所述网络数据，确定通勤用户数量；
根据所述第一就业岗位数量和所述通勤用户数量，确定所述就业用户数量；
根据所述第一区域中的用户数量和所述就业用户数量，确定所述非就业用户数量。
在另一种可能的实施方式中，所述第三确定模块具体用于：
根据所述第一就业岗位数量和所述通勤用户数量，确定变形系数；
根据所述通勤用户数量和所述变形系数，确定所述就业用户数量。
在另一种可能的实施方式中，所述第一确定模块具体用于：
根据就业行为条件，在所述网络数据中确定多个待选就业数据，所述待选就业数据满足所述就业行为条件；
根据每个待选就业数据对应的移动设备标识和时长，在所述待选就业数据中确定所述多个就业数据；其中，一个移动设备标识在预设时长的时段中对应一个就业数据。
在另一种可能的实施方式中，所述第一确定模块具体用于：
根据居住行为条件，在所述网络数据中确定多个待选居住数据，所述待选居住数据满足所述居住行为条件；
根据每个待选居住数据对应的移动设备标识和时长，在所述待选居住数据中确定所述多个居住数据；其中，一个移动设备标识在预设时长的时段中对应一个居住数据。
在另一种可能的实施方式中，所述装置还包括，第四确定模块，其中，所述第四确定模块具体用于：
获取第二区域对应的网格分布图，所述第二区域中包括多个所述第一区域，所述网格分布图中包括多个网格；
根据所述第二区域中每个第一区域对应的就业用户数量和非就业用户数量，确定每个网格对应的就业用户数量和非就业用户数量。
第三方面，本申请实施例提供一种数据处理装置，包括：存储器、处理器和通信接口，所述存储器用于存储程序指令，所述处理器用于调用存储器中的程序指令执行如第一方面任一项所述的数据处理方法。
第四方面，本申请实施例提供一种可读存储介质，所述可读存储介质上存储有计算机程序；所述计算机程序用于实现如第一方面任一项所述的数据处理方法。
本发明实施例提供的网络数据的处理方法、装置及设备，在获取网络运营商数据之后，可以对网络数据进行分析，获取第一区域中用户的就业数据、居住数据和移动设备使用率，并根据上述就业数据、居住数据和移动设备使用率确定第一职住比。通过第一区域中的用户数量、网络数据和第一职住比，可以确定第一区域中的就业用户数量和非就业用户数量。在上述过程中，根据网络数据确定得到的就业数据和居住数据体现了用户的就业特性和居住特性，移动设备的设备使用率体现了用户使用移动设备的情况，因此，根据就业数据、居住数据和移动设备使用率可以准确的确定得到第一职住比，进而可以准确的确定得到第一区域的用户信息，提高了确定用户信息的准确性。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明实施例提供的数据处理方法的应用场景图；
图2为本发明实施例提供的数据处理方法的流程示意图；
图3为本发明实施例提供的数据处理方法的流程示意图；
图4为本发明实施例提供的一种数据处理的过程示意图；
图5为本发明实施例提供的另一种数据处理的过程示意图；
图6为本发明实施例提供的一种数据处理装置的结构示意图；
图7为本发明实施例提供的另一种数据处理装置的结构示意图；
图8为本申请提供的数据处理装置的硬件结构示意图。
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，都属于本申请保护的范围。
图1为本发明实施例提供的城市人口合成的处理方法的架构图。请参见图1，包括第一运营商网络101和电子设备102。其中，第一运营商网络101中包括网络数据。例如，网络数据可以包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置。电子设备102可以对获取的网络数据进行处理，得到某一区域的用户信息，例如，用户信息可以包括该区域中的就业用户数量和非就业用户数量。
在本申请中，在电子设备102从第一运营商101获取到网络数据之后，电子设备102可以对网络数据进行分析，获取第一区域中用户的就业数据、居住数据和移动设备使用率，并根据上述就业数据、居住数据和移动设备使用率确定第一职住比。通过第一区域中的用户数量、网络数据和第一职住比，可以确定第一区域中的就业用户数量和非就业用户数量。在上述过程中，根据网络数据确定得到的就业数据和居住数据体现了用户的就业特性和居住特性，移动设备的设备使用率体现了用户使用移动设备的情况，因此，根据就业数据、居住数据和移动设备使用率可以准确的确定得到第一职住比，进而可以准确的确定得到第一区域的用户信息。
下面，通过具体实施例对本申请所示的方案进行详细说明。需要说明的是，下面几个实施例可以独立存在，也可以相互结合，对于相同或相似的内容，在不同的实施例中不再重复说明。
图2为本申请实施例提供的数据处理方法的流程示意图。请参见图2，该方法可以包括：
S201、获取网络数据。
本申请实施例的执行主体可以为电子设备，也可以为设置在电子设备中的数据处理装置。电子设备可以为电脑、服务器等设备。数据处理装置可以通过软件实现，也可以通过软件和硬件的结合实现。
其中，网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置。
移动设备可以为使用第一运营商网络的设备。例如，第一运营商网络可以为移动网络、联通网络或者电信网络等。
移动设备可以为便携式电子设备。例如，移动设备可以为手机、平板电脑等。
移动设备的标识可以唯一标识移动设备。例如，移动设备的标识可以为移动设备所使用的手机号码，或者，移动设备的标识可以为移动设备的硬件标识。
预设时段可以为当前时刻之前预设时长的时段。例如，预设时段可以为当前时刻之前的1个月、2个月等。
在用户使用移动设备的过程中，第一运营商服务器(第一运营商网络对应的服务器)可以实时采集移动设备的位置，并根据各个移动设备在不同时刻的位置生成网络数据，并存储网络数据。例如，网络数据可以如表1所示：
表1
Figure BDA0002416543530000071
需要说明的是，表1只是以示例的形式网络数据，并非对网络数据的限定。
可选的，若第一运营商服务器将网络数据存储至预设数据库，则电子设备可以在预设数据库中获取网络数据。
S202、根据网络数据确定多个就业数据和多个居住数据。
其中，就业数据为指示就业行为的数据。就业数据还可以称为就业锚点。
就业行为是指用户在就业过程中所具备的行为。例如，在工作时段内，在预设区域停留的时长大于预设的时长，则可以将该行为称为就业行为。
可以通过如下方式根据网络数据确定多个就业数据：根据就业行为条件，在网络数据中确定多个待选就业数据，根据每个待选就业数据对应的移动设备标识和时长，在待选就业数据中确定多个就业数据。
可选的，就业行为条件是指将行为确定为就业行为的条件。例如，就业行为条件可以为：行为发生时刻位于工作时段内，且在一个区域中的连续停留时长大于预设的时长。
可以通过如下方式确定多个待选就业数据：在网络数据中确定多个行为数据，再根据就业行为条件在多个行为数据中确定多个待选就业数据。若网络数据中某一部分数据指示某一用户在一个区域中连续停留时长大于预设的时长，则可以将该部分数据称为行为数据。若行为数据满足就业行为条件，则可以将该行为数据确定为待选就业数据。
可选的，在预设时长的时段中，一个移动设备的标识可以对应1个或多个待选就业数据。若在预设时长的时段中，一个移动设备的标识对应多个待选就业数据，每个待选就业数据有其对应的时长，可以将时长最长的待选就业数据确定为就业数据。例如，预设时长的时段可以包括一周、一个月、三个月等。
其中，居住数据为指示居住行为的数据。居住数据还可以称为居住锚点。
居住行为是指用户在居住过程中所具备的行为。例如，在夜间睡眠时段内，在预设区域停留的时长大于预设的时长，则可以将该行为称为居住行为。
可以通过如下方式根据网络数据确定多个居住数据：根据居住行为条件，在网络数据中确定多个待选居住数据，根据每个待选居住数据对应的移动设备标识和时长，在待选居住数据中确定多个居住数据。
可选的，居住行为条件是指将用户行为确定为居住行为的条件。例如，居住行为条件可以为，用户行为发生时刻位于夜间睡眠时段，且在一个区域中的连续停留时长大于第二预设时长。
可以通过如下方式确定多个待选居住数据：在网络数据中确定多个行为数据，再根据就业居住行为条件在多个行为数据中确定多个待选居住数据。若行为数据满足居住行为条件，则可以将该行为数据确定为待选居住数据。
可选的，在预设时长的时段中，一个移动设备的标识可以对应一个或多个待选居住数据。若在预设时长的时段中，一个移动设备的标识对应多个待选居住数据，每个待选居住数据有其对应的时长，可以将时长最长的待选居住数据确定为居住数据。
上述所涉及的行为数据可以为指示用户行为的数据。
用户行为是指用户在预设区域中所进行的活动。例如在某一时间段内，用户在预设区域内活动，则可将该活动称为用户行为。
可以通过如下方式根据网络数据确定多个行为数据：根据用户行为条件，针对任意一个移动设备的标识对应的网络数据，将该网络数据中预设区域内的多个用户行为数据合并，得到预设区域内的重要行为数据。
可选的，可以将用户在预设区域内停留时长大于预设时长的用户行为数据，确定为行为数据。这样可以保证获取的行为数据更加准确。
S203、根据就业数据、居住数据和移动设备使用率，确定第一职住比，第一职住比用于指示就业岗位数与居住用户数的比值。
可选的，移动设备使用率用于指示移动设备数量和用户数量的关系。例如，100位用户中，有80位使用移动设备，则用户的移动设备使用率为80％。
移动设备使用率可以包括居住用户的移动设备使用率和就业用户的移动设备使用率。
居住用户的移动设备使用率可以为居住用户中使用移动设备的概率，例如，居住用户的数量为100，该100个居住用户中使用移动设备的用户数量为30，则居住用户的移动设备使用率为30％。
就业用户的移动设备使用率可以为就业用户中使用移动设备的概率，例如，就业用户的数量为100，该100个就业用户中使用移动设备的用户数量为50，则就业用户的移动设备使用率为50％。
第一职住比用于指示就业岗位数量和居住用户数量的关系。就业岗位数量为预设区域内满足就业条件的可就业岗位数量。例如某地区存在10万个符合就业条件的岗位，即就业岗位数量为10万。居住用户数量为预设区域内满足居住条件的用户数量。例如某地区存在10万个符合居住条件的用户数量，即居住用户数量为10万。
需要说明的是，在图3所示的实施例中对确定第一职住比的方式进行说明，此处不再进行赘述。
可选的，根据初始职住比与扩样系数的乘积确定第一职住比。
S204、根据第一区域中的用户数量、信令数据和第一职住比，确定第一区域中的就业用户数量和非就业用户数量。
其中，第一区域中的用户数量为该区域中的居住人口数量。
可以根据如下方式确定第一区域中的用户数量：通过常住人口数量与本地手机号码占比相除获得第一区域中的用户数量。
可选的，常住人口数量为该区域居住6个月及以上的人口数量，可以通过国家统计数据中获取。本地手机号码占比为该区域本地手机号码在该区域所有手机号码的占比。
第一区域中的就业用户数量可以为该区域中实际存在的就业用户。可以根据第一区域就业岗位数量、通勤用户和变形系数获取第一区域中的就业用户数量。
第一区域中的就业岗位数量可以为该区域实际存在的所有就业岗位数量。可以根据所述第一区域中的用户数量和所述第一职住比确定第一区域中的就业岗位数量。
可以根据所述第一就业岗位数量和通勤用户数量，确定变形系数，其中，通勤用户数量为网络运营商从用户数据中筛选出符合通勤条件的用户，确定为通勤用户。例如，可以筛选职住不同地、工作年龄、通勤距离在阈值以内的为通勤用户。可以根据实际需要设置筛选条件，本发明实施例所述筛选条件不做具体限定。
所述变形系数用于指示网络数据中筛选的就业岗位数量和第一就业岗位数量的关系。
可选的，可通过第一就业岗位数量和通勤用户数量的运算获得变形系数。例如若第一岗位就业数量为1000，通勤用户数量为500，则确定的变形系数为2。
可以根据所述通勤用户数量和所述变形系数，确定就业用户数量。例如，通勤用户数量为10万，所述变形系数为2，则该地区就业用户数量为20万。
非就业用户数量为第一区域中尚未就业的用户数量。根据所述第一区域中的用户数量和所述就业用户数量，确定非就业用户数量。例如，可选的，可以将第一区域中的用户数量与所述就业用户数量的差值确定为所述非就业用户的数量。
本发明实施例提供的网络数据的处理方法，在获取网络运营商数据之后，可以对网络数据进行分析，获取第一区域中用户的就业数据、居住数据和移动设备使用率，并根据上述就业数据、居住数据和移动设备使用率确定第一职住比。通过第一区域中的用户数量、网络数据和第一职住比，可以确定第一区域中的就业用户数量和非就业用户数量。在上述过程中，根据网络数据确定得到的就业数据和居住数据体现了用户的就业特性和居住特性，移动设备的设备使用率体现了用户使用移动设备的情况，因此，根据就业数据、居住数据和移动设备使用率可以准确的确定得到第一职住比，进而可以准确的确定得到第一区域的用户信息。
在上述任意一个实施例的基础上，下面，结合图3，对上述数据处理方法进行详细说明。
图3为本申请实施例提供的另一种数据处理方法的流程示意图。请参见图3，该方法可以包括：
S301、获取网络数据。
其中，网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置。
需要说明的是，S301的执行过程可以参见S201的执行过程，此处不再进行赘述。
S302、根据网络数据确定多个就业数据和多个居住数据，就业数据为指示就业行为的数据，居住数据为指示居住行为的。
需要说明的是，S302的执行过程可以参见S202的执行过程，此处不再进行赘述。
S303、根据就业数据的第一数量、居住数据的第二数量，确定初始职住比。
其中，可选的，可以通过如下公式一确定初始职住比：计算公式为：
Figure BDA0002416543530000121
其中，就业数据第一数量为信令数据中满足就业行为条件的行为数据数量；居住数据第二数量为信令数据中满足居住行为条件的行为数据数量。
S304、根据初始职住比和移动设备使用率，确定第一职住比。
可选的，可以通过如下方式确定第一职住比：将居住用户的移动设备使用率与就业用户的移动设备使用率的比值确定为扩样系数，将初始职住比与扩样系数的乘积确定为第一职住比。
扩样系数还可以称为纠偏系数，用于纠正通过网络数据确定的初始职住比的误差。初始职住比的误差是由于网络数据中仅根据运营商数据中的就业数据数量和居住数据数量确定的，其默认移动设备使用率为用户拥有的移动设备的数量和用户数量的比值，从而导致的数据不准确。例如，在预设区域内存在一位用户使用多部移动设备的现象，导致移动设备的使用率不准确。
可以通过如下方式确定扩样系数：根据居住用户的移动设备使用率与就业用户的移动设备使用率确定扩样系数。例如，根据扩样系数计算公式：
Figure BDA0002416543530000122
其中，μ1为居住用户中的移动设备使用率；μ2为就业用户中的移动设备使用率。
下面，通过具体示例说明确定第一职住比的方式。
例如，假设网络数据为联通运营商，移动设备为手机，则可以通过如下方式计算第一职住比：
Figure BDA0002416543530000123
其中，联通就业数据的第一数量为联通网络中满足就业行为条件的行为数据数量；联通居住数据的第二数量为联通网络中满足居住行为条件的行为数据数量；
Figure BDA0002416543530000124
为在就业用户中联通市场的占有率的倒数；
Figure BDA0002416543530000125
为在居住用户中联通市场的占有率的倒数；
Figure BDA0002416543530000126
为就业用户中的移动设备使用率的倒数；
Figure BDA0002416543530000131
为居住人口中的移动设备使用率的倒数。
假设在居住用户和就业用户中，联通的市场的占有率是相等的，根据上述公式二可以确定第一职住比可以为：
Figure BDA0002416543530000132
其中，μ1为居住用户中的移动设备使用率；μ2为就业用户中的移动设备使用率。
在上述过程中，先根据网络数据确定初始职住比，再根据移动设备使用率对初始职住比进行纠偏，可以得到准确的第一职住比。
S305、根据第一区域中的用户数量和第一职住比，确定第一区域中的第一就业岗位数量。
可选的，第一区域中的第一就业岗位数量可以为第一区域中的用户数量和第一职住比的乘积。
S306、根据网络数据，确定通勤用户数量；
可选的，通勤用户数量可以为网络数据中满足通勤条件的行为数据数量。
S307、根据第一就业岗位数量和通勤用户数量，确定变形系数。
可选的，变形系数可以为第一就业岗位数量和通勤用户数量的比值。
S308、根据通勤用户数量和变形系数，确定就业用户数量。
可选的，就业用户数量可以为通勤用户数量和变形系数的乘积。
S309、根据第一区域中的用户数量和就业用户数量，确定非就业用户数量。
可选的，非就业用户数量可以为第一区域中的用户数量和就业用户数量的差值。
S310、获取第二区域对应的网格分布图。
其中，第二区域中包括多个第一区域，网格分布图中包括多个网格。
其中，第二区域可以为某一个城市地区，网格分布图可以为该城市地区基于网络数据所获取的人口分布数据网格，其可以为250-2000米的网格。例如，通过联通数据获取的精度为300米的人口分布数据网格。
可以通过如下方式确定第二区域对应的网格分布图：通过空间面到面的交叉方法来确定第二区域对应的网格分布图。例如，可以为第二区域与网格分布图相交后所确定的图层。
S311、根据第二区域中每个第一区域对应的就业用户数量和非就业用户数量，确定每个网格对应的就业用户数量和非就业用户数量。
其中，第一区域对应的就业用户数量和非就业用户数量为该区域通过网络数据和上述S202-S204步骤所获取的就业用户数量和非就业用户数量。
每个网格对应的就业用户数量和非就业用户数量是网格分布图每个网格中的就业用户数量和非就业用户数量。
可以通过如下方式确定每个网格对应的就业用户数量和非就业用户数量：根据面积占比和每个第一区域对应的就业用户数量和非就业用户数量确定每个网格对应的就业用户数量和非就业用户数量。
其中，面积占比可以为第一区域的面积与所对应网格面积的比值。
可以根据面积占比与每个第一区域对应的就业用户数量和非就业用户数量的乘积确定每个网格对应的就业用户数量和非就业用户数量。
在图3所示的实施例中，在获取网络运营商数据之后，可以对网络数据进行分析，获取第一区域中用户的就业数据、居住数据和移动设备使用率，并根据上述就业数据、居住数据和移动设备使用率确定第一职住比。通过第一区域中的用户数量、网络数据和第一职住比，可以确定第一区域中的就业用户数量和非就业用户数量。在上述过程中，根据网络数据确定得到的就业数据和居住数据体现了用户的就业特性和居住特性，移动设备的设备使用率体现了用户使用移动设备的情况，因此，根据就业数据、居住数据和移动设备使用率可以准确的确定得到第一职住比，进而可以准确的确定得到第一区域的用户信息。
下面，结合图4，通过具体示例，对S310-S311所示的过程进行详细说明。
图4为本申请实施例提供的网格分布图的示意图。请参见图4，包括网格分布图和第二区域。其中，网格分布图中的网格线条如线条A所示，第二区域的边界线如线条B所示。网格分布图中包括多个网格，每个网格的长度和/或宽度可以为250-2000米。第二区域可以为某一个城市地区，第二区域中包括多个第一区域。例如，第二区域可以为北京市，第一区域可以为朝阳区。
可以通过如下方式确定第二区域对应的网格分布图：将网格分布图的图层叠加在第二区域地图的图层上面，建立网格与区域的对应关系。网络分布图的图层是指图层中的内容为网络分布图，第二区域地图的图层是指图层中的内容为第二区域地图。例如，将网络分布图的图层叠加在北京市地图的图层上面，可以获取北京市对应的网格分布图。
网格与区域之间的对应关系用于指示第二区域中的第一区域与网格分布图中网格的关系。例如，朝阳区可以与网格分布图中的三个网格对应。
可以根据如下的方式确定网格分布图中各网格对应的用户数量：根据网格面积、网格所对应的第一区域面积、第一区域内的用户数量，确定每个网格对应的用户数量。网格面积为网格所在的第一区域内此网格的面积。例如，网格对应的第一区域为朝阳区，则网格的面积为朝阳区内此网格的面积。
例如，可以根据网格面积和第一区域面积确定网格在第一区域的面积占比，并根据第一区域内的用户数量和该面积占比，确定该网格对应的用户数量。
在实际应用过程中，预先计算出网格在对应的区域中的面积占比，例如，预先计算的面积占比可以如图5所示。
图5为本发明实施例提供的面积占比示意图。请参见图5，图5中参数自左到右分别为网格ID-统计单元ID-面积占比。
其中，网格ID为网络分布图中的网格编号，统计单元ID为第二区域中的第一区域ID。
可选的，可以通过如下方式确定网格对应的用户数量：根据第一区域内的用户数量和网格在第一区域内的面积占比的乘积确定网格对应的用户数量。例如图5中，获取的网格ID为63592，其对应的统计单元ID为2，若统计单元ID为2的区域内有100位用户，该网格在对应的统计单元内的面积占比约为0.396，则有40位用户分布在该网格中。
在图4所示的实施例当中，将网格分布图的图层叠加在第二区域地图的图层上面，建立网格与区域的对应关系，获取第二区域对应的网格分布图，然后将网格在第一区域的面积占比作为权重，由此可以获取网格内的用户数量。根据网格在第一区域的面积占比和网格与区域的对应关系，可以合理的将用户分布在网格分布图中。
图6为本发明实施例提供的一种数据处理装置的结构示意图。该装置可以设置在终端设备中。请参见图6，所述数据处理装置10包括第一获取模块11、第一确定模块12、第二确定模块13和第三确定模块14，其中：
所述第一获取模块11用于，获取网络数据，所述网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置；
所述第一确定模块12用于，根据所述网络数据确定多个就业数据和多个居住数据，所述就业数据为指示就业行为的数据，所述居住数据为指示居住行为的数据；
所述第二确定模块13用于，根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，所述第一职住比用于指示就业岗位数与居住用户数的比值；
所诉第三确定模块14用于，根据第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的用户信息，所述用户信息包括就业用户数量和/或非就业用户数量。
在一种可能的实施方式中，所述第二确定模块13具体用于：
根据所述就业数据的第一数量、所述居住数据的第二数量，确定初始职住比，所述初始职住比为所述第一数量与所述第二数量的比值；
根据所述初始职住比和所述移动设备使用率，确定所述第一职住比。
在一种可能的实施方式中，所述第二确定模块13具体用于：
将所述居住用户的移动设备使用率与就业用户的移动设备使用率的比值确定为扩样系数；
将所述初始职住比与所述扩样系数的乘积确定为所述第一职住比。
在一种可能的实施方式中，所述第三确定模块14具体用于：
根据所述第一区域中的用户数量和所述第一职住比，确定所述第一区域中的第一就业岗位数量；
根据所述网络数据，确定通勤用户数量；
根据所述第一就业岗位数量和所述通勤用户数量，确定所述就业用户数量；
根据所述第一区域中的用户数量和所述就业用户数量，确定所述非就业用户数量。
在另一种可能的实施方式中，所述第三确定模块14具体用于：
根据所述第一就业岗位数量和所述通勤用户数量，确定变形系数；
根据所述通勤用户数量和所述变形系数，确定所述就业用户数量。
在一种可能的实施方式中，所述第一确定模块12具体用于：
根据就业行为条件，在所述网络数据中确定多个待选就业数据，所述待选就业数据满足所述就业行为条件；
根据每个待选就业数据对应的移动设备标识和时长，在所述待选就业数据中确定所述多个就业数据；其中，一个移动设备标识在预设时长的时段中对应一个就业数据。
在另一种可能的实施方式中，所述第一确定模块12具体用于：
根据居住行为条件，在所述网络数据中确定多个待选居住数据，所述待选居住数据满足所述居住行为条件；
根据每个待选居住数据对应的移动设备标识和时长，在所述待选居住数据中确定所述多个居住数据；其中，一个移动设备标识在预设时长的时段中对应一个居住数据。
图7为本发明实施例提供的另一种数据处理装置结构示意图，在图6所示实施例的基础上，请参见图7，所述数据处理装置10还包括，第四确定模块15，其中，所述第四确定模块15用于：
获取第二区域对应的网格分布图，所述第二区域中包括多个所述第一区域，所述网格分布图中包括多个网格；
根据所述第二区域中每个第一区域对应的就业用户数量和非就业用户数量，确定每个网格对应的就业用户数量和非就业用户数量。
本发明实施例提供的一种数据处理装置可以执行上述方法实施例所示的技术方案，其实现原理以及有益效果类似，此处不再进行赘述。
图8为本申请提供的数据处理装置的硬件结构示意图。请参见图8，该数据处理装置20可以包括：处理器21和存储器22，其中，处理器21和存储器22可以通信；示例性的，处理器21和存储器22通过通信总线23通信，所述存储器22用于存储程序指令，所述处理器21用于调用存储器中的程序指令执行上述任意方法实施例所示的数据处理方法。
可选的，数据处理装置20还可以包括通信接口，通信接口可以包括发送器和/或接收器。
可选的，上述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)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。
本申请提供一种可读存储介质，所述可读存储介质上存储有计算机程序；所述计算机程序用于实现如上述任意实施例所述的数据处理方法。
本申请实施例提供一种计算机程序产品，所述计算机程序产品包括指令，当所述指令被执行时，使得计算机执行上述数据处理方法。
实现上述各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可读取存储器中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储器(存储介质)包括：只读存储器(英文：read-only memory，缩写：ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文：magnetic tape)、软盘(英文：floppydisk)、光盘(英文：optical disc)及其任意组合。
本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理单元以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理单元执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
在本申请中，术语“包括”及其变形可以指非限制性的包括；术语“或”及其变形可以指“和/或”。本本申请中术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。本申请中，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

Claims (18)

1.一种数据处理方法，其特征在于，包括：
获取网络数据，所述网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置；
根据所述网络数据确定多个就业数据和多个居住数据，所述就业数据为指示就业行为的数据，所述居住数据为指示居住行为的数据；
根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，所述第一职住比用于指示就业岗位数与居住用户数的比值；
根据第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的用户信息，所述用户信息包括就业用户数量和/或非就业用户数量。
2.根据权利要求1所述的方法，其特征在于，根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，包括：
根据所述就业数据的第一数量、所述居住数据的第二数量，确定初始职住比，所述初始职住比为所述第一数量与所述第二数量的比值；
根据所述初始职住比和所述移动设备使用率，确定所述第一职住比。
3.根据权利要求2所述的方法，其特征在于，所述移动设备使用率包括居住用户的移动设备使用率和就业用户的移动设备使用率；根据所述就业数据、所述居住数据和所述移动设备使用率，确定所述第一职住比，包括：
将所述居住用户的移动设备使用率与就业用户的移动设备使用率的比值确定为扩样系数；
将所述初始职住比与所述扩样系数的乘积确定为所述第一职住比。
4.根据权利要求1-3任一项所述的方法，其特征在于，根据所述第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的就业用户数量和非就业用户数量，包括：
根据所述第一区域中的用户数量和所述第一职住比，确定所述第一区域中的第一就业岗位数量；
根据所述网络数据，确定通勤用户数量；
根据所述第一就业岗位数量和所述通勤用户数量，确定所述就业用户数量；
根据所述第一区域中的用户数量和所述就业用户数量，确定所述非就业用户数量。
5.根据权利要求4所述的方法，其特征在于，根据所述第一就业岗位数量和所述通勤用户数量，确定所述就业用户数量，包括：
根据所述第一就业岗位数量和所述通勤用户数量，确定变形系数；
根据所述通勤用户数量和所述变形系数，确定所述就业用户数量。
6.根据权利要求1-5任一项所述的方法，其特征在于，根据所述网络数据确定多个就业数据，包括：
根据就业行为条件，在所述网络数据中确定多个待选就业数据，所述待选就业数据满足所述就业行为条件；
根据每个待选就业数据对应的移动设备标识和时长，在所述待选就业数据中确定所述多个就业数据；其中，一个移动设备标识在预设时长的时段中对应一个就业数据。
7.根据权利要求1-5任一项所述的方法，其特征在于，根据所述网络数据确定多个居住数据，包括：
根据居住行为条件，在所述网络数据中确定多个待选居住数据，所述待选居住数据满足所述居住行为条件；
根据每个待选居住数据对应的移动设备标识和时长，在所述待选居住数据中确定所述多个居住数据；其中，一个移动设备标识在预设时长的时段中对应一个居住数据。
8.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
获取第二区域对应的网格分布图，所述第二区域中包括多个所述第一区域，所述网格分布图中包括多个网格；
根据所述第二区域中每个第一区域对应的就业用户数量和非就业用户数量，确定每个网格对应的就业用户数量和非就业用户数量。
9.一种数据处理装置，其特征在于，包括获取模块、第一确定模块、第二确定模块和第三确定模块，其中：
所述获取模块用于，获取网络数据，所述网络数据中包括多个移动设备的标识、每个移动设备在预设时段内各时刻的位置；
所述第一确定模块用于，根据所述网络数据确定多个就业数据和多个居住数据，所述就业数据为指示就业行为的数据，所述居住数据为指示居住行为的数据；
所述第二确定模块用于，根据所述就业数据、所述居住数据和移动设备使用率，确定第一职住比，所述第一职住比用于指示就业岗位数与居住用户数的比值；
所述第三确定模块用于，根据第一区域中的用户数量、所述网络数据和所述第一职住比，确定所述第一区域中的用户信息，所述用户信息包括就业用户数量和/或非就业用户数量。
10.根据权利要求9所述的装置，其特征在于，所述第二确定模块具体用于：
根据所述就业数据的第一数量、所述居住数据的第二数量，确定初始职住比，所述初始职住比为所述第一数量与所述第二数量的比值；
根据所述初始职住比和所述移动设备使用率，确定所述第一职住比。
11.根据权利要求10所述的装置，其特征在于，所述第二确定模块具体用于：
将所述居住用户的移动设备使用率与就业用户的移动设备使用率的比值确定为扩样系数；
将所述初始职住比与所述扩样系数的乘积确定为所述第一职住比。
12.根据权利要求9-11任一项所述的装置，其特征在于，所述第三确定模块具体用于：
根据所述第一区域中的用户数量和所述第一职住比，确定所述第一区域中的第一就业岗位数量；
根据所述网络数据，确定通勤用户数量；
根据所述第一就业岗位数量和所述通勤用户数量，确定所述就业用户数量；
根据所述第一区域中的用户数量和所述就业用户数量，确定所述非就业用户数量。
13.根据权利要求12所述的装置，其特征在于，所述第三确定模块具体用于：
根据所述第一就业岗位数量和所述通勤用户数量，确定变形系数；
根据所述通勤用户数量和所述变形系数，确定所述就业用户数量。
14.根据权利要求9-13任一项所述的装置，其特征在于，所述第一确定模块具体用于：
根据就业行为条件，在所述网络数据中确定多个待选就业数据，所述待选就业数据满足所述就业行为条件；
根据每个待选就业数据对应的移动设备标识和时长，在所述待选就业数据中确定所述多个就业数据；其中，一个移动设备标识在预设时长的时段中对应一个就业数据。
15.根据权利要求9-13任一项所述的装置，其特征在于，所述第一确定模块具体用于：
根据居住行为条件，在所述网络数据中确定多个待选居住数据，所述待选居住数据满足所述居住行为条件；
根据每个待选居住数据对应的移动设备标识和时长，在所述待选居住数据中确定所述多个居住数据；其中，一个移动设备标识在预设时长的时段中对应一个居住数据。
16.根据权利要求9-13任一项所述的装置，其特征在于，所述装置还包括第四确定模块，其中，所述第四确定模块用于：
获取第二区域对应的网格分布图，所述第二区域中包括多个所述第一区域，所述网格分布图中包括多个网格；
根据所述第二区域中每个第一区域对应的就业用户数量和非就业用户数量，确定每个网格对应的就业用户数量和非就业用户数量。
17.一种数据处理装置，其特征在于，包括：存储器、处理器和通信接口，所述存储器用于存储程序指令，所述处理器用于调用存储器中的程序指令执行如权利要求1-8任一项所述的数据处理方法。
18.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序；所述计算机程序用于实现如权利要求1-8任一项所述的数据处理方法。
CN202010192846.5A 2020-03-18 2020-03-18 数据处理方法、装置及设备 Active CN111428197B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010192846.5A CN111428197B (zh) 2020-03-18 2020-03-18 数据处理方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010192846.5A CN111428197B (zh) 2020-03-18 2020-03-18 数据处理方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111428197A true CN111428197A (zh) 2020-07-17
CN111428197B CN111428197B (zh) 2024-02-09

Family

ID=71546549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010192846.5A Active CN111428197B (zh) 2020-03-18 2020-03-18 数据处理方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111428197B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111866776A (zh) * 2020-08-05 2020-10-30 北京交通发展研究院 一种基于手机信令数据的人口测算方法及装置
CN112819358A (zh) * 2021-02-18 2021-05-18 中国联合网络通信集团有限公司 数据处理方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190132352A1 (en) * 2017-10-31 2019-05-02 Microsoft Technology Licensing, Llc Nearline clustering and propagation of entity attributes in anti-abuse infrastructures
CN110020221A (zh) * 2017-12-11 2019-07-16 腾讯科技（深圳）有限公司 职住分布确认方法、装置、服务器及计算机可读存储介质
CN110473132A (zh) * 2019-08-27 2019-11-19 上海云砥信息科技有限公司 一种基于移动通信数据的区域职住平衡评价方法
CN110659320A (zh) * 2019-09-02 2020-01-07 恩亿科(北京)数据科技有限公司 一种职住地分布的解析方法、解析装置及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190132352A1 (en) * 2017-10-31 2019-05-02 Microsoft Technology Licensing, Llc Nearline clustering and propagation of entity attributes in anti-abuse infrastructures
CN110020221A (zh) * 2017-12-11 2019-07-16 腾讯科技（深圳）有限公司 职住分布确认方法、装置、服务器及计算机可读存储介质
CN110473132A (zh) * 2019-08-27 2019-11-19 上海云砥信息科技有限公司 一种基于移动通信数据的区域职住平衡评价方法
CN110659320A (zh) * 2019-09-02 2020-01-07 恩亿科(北京)数据科技有限公司 一种职住地分布的解析方法、解析装置及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田金玲 等: "上海市典型就业区的通勤特征分析与模式总结——张江、金桥和陆家嘴的案例比较" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111866776A (zh) * 2020-08-05 2020-10-30 北京交通发展研究院 一种基于手机信令数据的人口测算方法及装置
CN112819358A (zh) * 2021-02-18 2021-05-18 中国联合网络通信集团有限公司 数据处理方法、装置及设备
CN112819358B (zh) * 2021-02-18 2023-06-27 中国联合网络通信集团有限公司 数据处理方法、装置及设备

Also Published As

Publication number Publication date
CN111428197B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
CN107547633B (zh) 一种用户常驻点的处理方法、装置和存储介质
CN109413565B (zh) 覆盖场景的服务小区的确定方法、装置及电子设备
CN111428197A (zh) 数据处理方法、装置及设备
CN108632047B (zh) 一种资费数据的确定方法及装置
CN114070791B (zh) 数据流量的限速处理方法及装置
CN110348717B (zh) 基于栅格粒度的基站价值评分方法和装置
CN115862823A (zh) 一种基于移动网络的设备智能调度方法及系统
CN108008973B (zh) 一种关联应用程序的方法、装置及服务器
CN111479321B (zh) 一种网格构建方法、装置、电子设备和存储介质
JP2012054921A (ja) 移動機分布算出システム及び移動機分布算出方法
CN106993309B (zh) 用户价值评价方法及装置
CN116362750A (zh) 数据筛选方法、装置、电子设备及存储介质
CN110428627B (zh) 一种公交出行潜力区域识别方法及识别系统
CN111372286B (zh) 移动终端数据处理方法、介质和电子设备
CN112004234B (zh) 待建基站的位置确定方法、装置、控制设备及存储介质
CN116342087A (zh) 一种事件处理的方法、装置及电子设备
CN112954728B (zh) 一种网络厚度评估方法、装置、存储介质和计算机设备
CN111797181A (zh) 用户职住地的定位方法、装置、控制设备及存储介质
CN113115200B (zh) 用户关系识别方法、装置及计算设备
CN113810992B (zh) 数据处理方法及装置
CN112752252B (zh) 小区归属地识别方法和装置
CN113076451A (zh) 异常行为识别和风险模型库的建立方法、装置及电子设备
CN112714457B (zh) 覆盖质量评价方法、装置、设备及计算机可读存储介质
CN113490144B (zh) 覆盖空洞处理方法、装置及电子设备
CN113301597B (zh) 网络分析方法及设备

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