CN112085250A - 一种人口空间分布模拟方法、终端设备及存储介质 - Google Patents

一种人口空间分布模拟方法、终端设备及存储介质 Download PDF

Info

Publication number
CN112085250A
CN112085250A CN202010747751.5A CN202010747751A CN112085250A CN 112085250 A CN112085250 A CN 112085250A CN 202010747751 A CN202010747751 A CN 202010747751A CN 112085250 A CN112085250 A CN 112085250A
Authority
CN
China
Prior art keywords
population
grid
county
age
administrative district
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
CN202010747751.5A
Other languages
English (en)
Other versions
CN112085250B (zh
Inventor
张国钦
黄毅熠
吝涛
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.)
Institute of Urban Environment of CAS
Original Assignee
Institute of Urban Environment of CAS
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 Institute of Urban Environment of CAS filed Critical Institute of Urban Environment of CAS
Priority to CN202010747751.5A priority Critical patent/CN112085250B/zh
Publication of CN112085250A publication Critical patent/CN112085250A/zh
Application granted granted Critical
Publication of CN112085250B publication Critical patent/CN112085250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)

Abstract

本发明涉及一种人口空间分布模拟方法、终端设备及存储介质，该方法中包括：S1：采集行政区中各年龄段的常住人口数量和该行政区的环境参数；S2：构建多个随机森林模型，根据采集的数据对每个随机森林模型进行训练，得到各年龄段对应的人口数量预测模型；S3：以行政区的边界作为边界来生成格网，采集每个格网对应的环境参数，将采集的每个格网对应的环境参数输入各年龄段对应的人口数量预测模型，预测得到每个格网对应的各年龄段的人口数量模拟值；S4：通过分区密度制图法对预测的每个格网对应的各年龄段的人口数量模拟值进行修正后，得到该行政区每个格网对应的各年龄段的人口空间分布模拟结果。本发明实现了精细尺度上的人口属性数据的空间化。

Description

一种人口空间分布模拟方法、终端设备及存储介质
技术领域
本发明涉及地理信息领域，尤其涉及一种人口空间分布模拟方法、终端设备及存储介质。
背景技术
人口空间分布数据是最重要的社会经济数据，可以很好地同资源环境、社会经济等背景数据相结合，作为灾害评估、公共卫生、基础服务设施建设和城市规划的重要参考，因此国内外都定期开展人口普查工作。然而精细化调查的成本高昂，因此传统的人口调查往往是通过普查、统计、逐级汇总得到一定行政单元内的人口状况，在空间上仅考虑了居住点位，无法反映整个人群在空间上的动态分布，且无法做到实时更新。
国内外的学者已经构建了多种人口数据空间化的方法。区域内的人口空间分布受到当地自然条件和社会经济因素的共同作用，通过寻找指示因子与人口统计数据的关系并建立模型，可以模拟人口的时空分布。根据实现原理，传统的人口数据空间化可分为面插值法和统计模型法。面插值法利用源区域的人口普查数据求解目标区域人口，基于两区域的重叠面积及地形、交通网络等辅助参考信息，使人口普查数据从一类空间单元转换到另一类空间单元，实现普查数据的区域转换。统计模型法的基本思路是根据各因子权重及其空间分布，通过相关分析求得最佳拟合模型。
目前，人口数据空间化方法主要针对的是人口总量数据的空间化，尚未见能够实现人口年龄结构空间化的方法。分年龄结构人口密度的空间分布数据能为经济决策、重大公共卫生事件、基础服务设施建设等诸多领域提供更有针对性的决策支持。我国十年一次的人口普查数据费时费力，虽然精确度高，但是时效性差，且只能反映县级的人口年龄结构，无法满足更精细化尺度、更高时间分辨率的需求。
发明内容
为了解决在精细尺度上面缺乏人口属性数据的问题，本发明提出了一种人口空间分布模拟方法、终端设备及存储介质。
具体方案如下：
一种人口空间分布模拟方法，包括以下步骤：
S1：采集行政区中各年龄段的常住人口数量和该行政区的环境参数；
S2：构建多个随机森林模型，将采集的环境参数作为每个随机森林模型的输入，各年龄段的常住人口数量分别作为每个随机森立模型的输出，对每个随机森林模型进行训练，得到各年龄段对应的人口数量预测模型；
S3：以行政区的边界作为边界来生成格网，采集每个格网对应的环境参数，将采集的每个格网对应的环境参数输入各年龄段对应的人口数量预测模型，预测得到每个格网对应的各年龄段的人口数量模拟值；
S4：通过分区密度制图法对预测的每个格网对应的各年龄段的人口数量模拟值进行修正后，得到该行政区每个格网对应的各年龄段的人口空间分布模拟结果。
进一步的，行政区中各年龄段的常住人口数量从统计年鉴中采集。
进一步的，所述环境参数为对不同年龄的人口分布具有影响的自然和社会经济因素，包括：夜晚灯光数据、土地利用数据、POI、数字高程数据和路网数据中的多者。
进一步的，采集的环境参数中的所有空间数据均转换至统一坐标系。
进一步的，环境参数的具体采集过程包括以下步骤：
S11：在全国县级行政区矢量文件的属性表中生成分别代表每个年龄段的常住人口数量的多个字段，并将采集的县级行政区内各个年龄阶段的常住人口数量赋值给对应的字段；
S12：在全国县级行政区矢量文件的属性表中生成代表夜晚灯光均值的字段，计算一年中全国各县级行政区内的夜晚灯光均值，并赋值给对应字段；
S13：在全国县级行政区矢量文件的属性表中生成分别代表“农用地”、“林地”、“草地”、“水体”、“建设用地”和“未利用地”的多个字段，统计一年中全国各县级行政区内的各类土地利用比例，并赋值给对应字段；
S14：在全国县级行政区矢量文件的属性表中生成分别代表不同类型的POI数量的多个字段，统计县级行政区内的各类POI数量，并赋值给对应字段；
S15：在全国县级行政区矢量文件属性表中生成代表海拔均值的字段，计算一年中全国各县级行政区内的海拔均值，并赋值给对应字段；
S16：在全国县级行政区矢量文件属性表中生成代表路网密度的字段，统计一年中县级行政区内的道路总长度，并除以各行政区面积，获得道路密度，并赋值给对应字段。
进一步的，通过分区密度制图法进行修正后的每个格网对应的某个年龄段的人口数量模拟值的计算公式为：
Ai＝Bj×Ri/Rj
其中，Ai表示格网i内该年龄段的最终人口数量模拟值，Bj表示格网i所在的县级行政区j在该年龄段的人口统计值，Ri表示格网i内通过步骤S3预测得到该年龄段的人口数量模拟值，Rj表示格网i所在的县级行政区j所包含的所有网格通过步骤S3预测得到该年龄段的人口数量模拟值之和。
一种人口空间分布模拟终端设备，包括处理器、存储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程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案，通过选择与不同年龄段人口相关的地理空间要素，结合随机森林算法构建预测模型，生成地理格网，提取格网内的模型预测要素，计算格网的人口预测值，并通过分区密度制图法来修正格网中的人口预测值，最终得到研究区域内不同年龄结构的人口模拟值，实现了人口属性数据的空间化。
附图说明
图1所示为本发明实施例一的流程图。
图2所示为该实施例中厦门市2010年1km网格幼年人口分布示意图。
图3所示为该实施例中厦门市2010年1km网格幼年人口分布示意图。
图4所示为该实施例中厦门市2010年1km网格幼年人口分布示意图。
图5所示为该实施例中厦门市2010年1km网格幼年人口分布示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一：
本发明实施例提供了一种人口空间分布模拟方法，如图1所示，所述方法包括以下步骤：
S1：采集行政区中各年龄段的常住人口数量和该行政区的环境参数，构建为基础数据库。
该实施例中行政区以厦门为例进行说明，其中，各年龄段的常住人口数量从统计年鉴中采集。采集的数据位2010年的数据。
该实施例中包括四个年龄段，分别为：幼年(0-14岁)、青年(15-34岁)、中年(35-59岁)和老年(大于60岁)。
所述环境参数为对不同年龄的人口分布具有影响的自然和社会经济因素，包括但不限于夜晚灯光数据、土地利用数据、POI、数字高程数据和路网数据中的多者。
POI为现代网络通讯技术产生的与人类活动密切相关的大数据，其可以作为模拟人口空间分布的重要依据，由于大数据覆盖全，实时更新，获取容易，因此可以满足低成本、全覆盖和精细化的人口空间分布模拟，为传统的定期人口普查提供优良的数据补充。
采集的环境参数中的所有空间数据均需转换至统一坐标系，该实施例中采用Krasovsky_1940_Albers坐标系。
环境参数的具体采集过程如下：
S11：在全国县级行政区矢量文件的属性表中生成分别代表幼年、青年、中年和老年的常住人口数量的四个字段：“POPA1”、“POPA2”、“POPA3”和“POPA4”，并将从统计年鉴中采集的县级行政区内四个年龄阶段的常住人口数量赋值给对应的字段。
S12：在全国县级行政区矢量文件的属性表中生成代表夜晚灯光均值的“light”字段，计算2010年全国各县级行政区内的夜晚灯光均值，并赋值给“light”字段。
S13：在全国县级行政区矢量文件的属性表中生成分别代表“农用地”、“林地”、“草地”、“水体”、“建设用地”和“未利用地”的“NYD”、“LD”、“CD”、“ST”、“JSYD”、“WLYD”字段，统计2010年全国各县级行政区内的各类土地利用比例，并赋给对应字段。
S14：在全国县级行政区矢量文件的属性表中生成分别代表不同类型的POI数量(如表1所示)的多个字段，统计县级行政区内的各类POI数量，并将其赋值给对应字段。
表1
Figure BDA0002608927190000061
Figure BDA0002608927190000071
S15：在全国县级行政区矢量文件的属性表中生成代表海拔均值的“dem”字段，计算2010年全国各县级行政区内的海拔均值，并赋值给“dem”字段。
S16：在全国县级行政区矢量文件的属性表中生成代表路网密度“road”字段，统计2010年县级行政区内的道路总长度，并除以各行政区面积，获得道路密度，并将结果赋予“road”字段。
S2：构建多个随机森林模型，将采集的环境参数作为每个随机森林模型的输入，各年龄段的常住人口数量分别作为每个随机森立模型的输出，对每个随机森林模型进行训练，得到各年龄段对应的人口数量预测模型。
S3：以厦门市行政区的边界作为边界来生成格网，采集每个格网对应的环境参数，将采集的每个格网对应的环境参数输入各年龄段对应的人口数量预测模型，预测得到每个格网对应的各年龄段的人口数量模拟值。
所述格网的大小本领域技术人员可以根据需求自行设定，该实施例中设定格网的大小为1km×1km。
S4：通过分区密度制图法对预测的每个格网对应的各年龄段的人口数量模拟值进行修正后，得到该行政区每个格网对应的各年龄段的人口空间分布模拟结果。
通过分区密度制图法进行修正后的每个格网对应的某个年龄段的人口数量模拟值的计算公式为：
Ai＝Bj×Ri/Rj
其中，Ai表示格网i内该年龄段的最终人口数量模拟值，Bj表示格网i所在的县级行政区j在该年龄段的人口统计值，Ri表示格网i内通过步骤S3预测得到该年龄段的人口数量模拟值，Rj表示格网i所在的县级行政区j所包含的所有网格通过步骤S3预测得到该年龄段的人口数量模拟值之和。
本实施例最终得到的厦门市幼年、青年、中年和老年的人口空间分布模拟结果如图2、图3、图4和图5所示。
本发明实施例一通过选择与不同年龄段人口相关的地理空间要素，结合随机森林算法构建预测模型，生成地理格网，提取格网内的模型预测要素，计算格网的人口预测值，并通过分区密度制图法来修正格网中的人口预测值，最终得到研究区域内不同年龄结构的人口模拟值，实现了人口属性数据的空间化。
本实施例中引入了新型的POI数据，POI数据可以反映不同类型人群的需求，结合新数据的模型可以更好地模拟不同年龄人口的空间分布特征，改进了传统研究只能模拟人口总量的不足，该研究结果不仅可以为优化城市功能分区提供参考，还能用于特定类型的商业选址和特殊疾病预测，应用前景广泛。
实施例二：
本发明还提供一种人口空间分布模拟终端设备，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程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地，作为一个可执行方案，所述人口空间分布模拟终端设备可以是pc机、手机、掌上电脑及云端服务器等计算设备。所述人口空间分布模拟终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述人口空间分布模拟终端设备的组成结构仅仅是人口空间分布模拟终端设备的示例，并不构成对人口空间分布模拟终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述人口空间分布模拟终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，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，所述处理器是所述人口空间分布模拟终端设备的控制中心，利用各种接口和线路连接整个人口空间分布模拟终端设备的各个部分。
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，实现所述人口空间分布模拟终端设备的各种功能。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；存储数据区可存储根据手机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(Secure Digital,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。
本发明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存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述人口空间分布模拟终端设备集成的模块/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-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (8)

1.一种人口空间分布模拟方法，其特征在于，包括以下步骤：
S1：采集行政区中各年龄段的常住人口数量和该行政区的环境参数；
S2：构建多个随机森林模型，将采集的环境参数作为每个随机森林模型的输入，各年龄段的常住人口数量分别作为每个随机森立模型的输出，对每个随机森林模型进行训练，得到各年龄段对应的人口数量预测模型；
S3：以行政区的边界作为边界来生成格网，采集每个格网对应的环境参数，将采集的每个格网对应的环境参数输入各年龄段对应的人口数量预测模型，预测得到每个格网对应的各年龄段的人口数量模拟值；
S4：通过分区密度制图法对预测的每个格网对应的各年龄段的人口数量模拟值进行修正后，得到该行政区每个格网对应的各年龄段的人口空间分布模拟结果。
2.根据权利要求1所述的人口空间分布模拟方法，其特征在于：行政区中各年龄段的常住人口数量从统计年鉴中采集。
3.根据权利要求1所述的人口空间分布模拟方法，其特征在于：所述环境参数为对不同年龄的人口分布具有影响的自然和社会经济因素，包括：夜晚灯光数据、土地利用数据、POI、数字高程数据和路网数据中的多者。
4.根据权利要求1所述的人口空间分布模拟方法，其特征在于：采集的环境参数中的所有空间数据均转换至统一坐标系。
5.根据权利要求1所述的人口空间分布模拟方法，其特征在于：环境参数的具体采集过程包括以下步骤：
S11：在全国县级行政区矢量文件的属性表中生成分别代表每个年龄段的常住人口数量的多个字段，并将采集的县级行政区内各个年龄阶段的常住人口数量赋值给对应的字段；
S12：在全国县级行政区矢量文件的属性表中生成代表夜晚灯光均值的字段，计算一年中全国各县级行政区内的夜晚灯光均值，并赋值给对应字段；
S13：在全国县级行政区矢量文件的属性表中生成分别代表“农用地”、“林地”、“草地”、“水体”、“建设用地”和“未利用地”的多个字段，统计一年中全国各县级行政区内的各类土地利用比例，并赋值给对应字段；
S14：在全国县级行政区矢量文件的属性表中生成分别代表不同类型的POI数量的多个字段，统计县级行政区内的各类POI数量，并赋值给对应字段；
S15：在全国县级行政区矢量文件属性表中生成代表海拔均值的字段，计算一年中全国各县级行政区内的海拔均值，并赋值给对应字段；
S16：在全国县级行政区矢量文件属性表中生成代表路网密度的字段，统计一年中县级行政区内的道路总长度，并除以各行政区面积，获得道路密度，并赋值给对应字段。
6.根据权利要求1所述的人口空间分布模拟方法，其特征在于：通过分区密度制图法进行修正后的每个格网对应的某个年龄段的人口数量模拟值的计算公式为：
Ai＝Bj×Ri/Rj
其中，Ai表示格网i内该年龄段的最终人口数量模拟值，Bj表示格网i所在的县级行政区j在该年龄段的人口统计值，Ri表示格网i内通过步骤S3预测得到该年龄段的人口数量模拟值，Rj表示格网i所在的县级行政区j所包含的所有网格通过步骤S3预测得到该年龄段的人口数量模拟值之和。
7.一种人口空间分布模拟终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～6中任一所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～6中任一所述方法的步骤。
CN202010747751.5A 2020-07-30 2020-07-30 一种人口空间分布模拟方法、终端设备及存储介质 Active CN112085250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010747751.5A CN112085250B (zh) 2020-07-30 2020-07-30 一种人口空间分布模拟方法、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010747751.5A CN112085250B (zh) 2020-07-30 2020-07-30 一种人口空间分布模拟方法、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN112085250A true CN112085250A (zh) 2020-12-15
CN112085250B CN112085250B (zh) 2024-02-13

Family

ID=73735966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010747751.5A Active CN112085250B (zh) 2020-07-30 2020-07-30 一种人口空间分布模拟方法、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN112085250B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112527867A (zh) * 2020-12-18 2021-03-19 重庆师范大学 一种非农就业岗位供给能力识别方法，存储装置，及服务器
CN113626426A (zh) * 2021-07-06 2021-11-09 佛山市禅城区政务服务数据管理局 一种生态网格数据的采集传输方法及系统
CN113723654A (zh) * 2020-12-31 2021-11-30 京东城市(北京)数字科技有限公司 基于多源数据的救灾物资需求评估方法、装置及计算机设备
CN116980833A (zh) * 2023-09-22 2023-10-31 北京融信数联科技有限公司 一种基于信令数据的区域人口年龄段识别方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170011780A (ko) * 2015-07-24 2017-02-02 울산과학기술원 인구통계 시뮬레이션 방법
CN106650618A (zh) * 2016-11-15 2017-05-10 中山大学 一种基于随机森林模型的人口数据空间化方法
CN108537265A (zh) * 2018-03-30 2018-09-14 中南大学 基于夜间灯光遥感数据的城镇人口时空分布估计方法
CN109978249A (zh) * 2019-03-19 2019-07-05 广州大学 基于分区建模的人口数据空间化方法、系统及介质
CN110458333A (zh) * 2019-07-18 2019-11-15 华南农业大学 一种基于POIs数据的人口空间分布预测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170011780A (ko) * 2015-07-24 2017-02-02 울산과학기술원 인구통계 시뮬레이션 방법
CN106650618A (zh) * 2016-11-15 2017-05-10 中山大学 一种基于随机森林模型的人口数据空间化方法
CN108537265A (zh) * 2018-03-30 2018-09-14 中南大学 基于夜间灯光遥感数据的城镇人口时空分布估计方法
CN109978249A (zh) * 2019-03-19 2019-07-05 广州大学 基于分区建模的人口数据空间化方法、系统及介质
CN110458333A (zh) * 2019-07-18 2019-11-15 华南农业大学 一种基于POIs数据的人口空间分布预测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨桂元: "《数学建模竞赛优秀论文评析》", 中国科学技术大学出版社, pages: 198 - 201 *
江苏省城市规划设计研究院: "《营城方略 城市总体规划实践与创新》", 31 December 2017, 东南大学出版社, pages: 140 *
肖东升,杨松: "基于夜间灯光数据的人口空间分布研究综述", 《国土资源遥感》, vol. 31, no. 3, 30 September 2019 (2019-09-30), pages 10 - 19 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112527867A (zh) * 2020-12-18 2021-03-19 重庆师范大学 一种非农就业岗位供给能力识别方法，存储装置，及服务器
CN112527867B (zh) * 2020-12-18 2023-10-13 重庆师范大学 一种非农就业岗位供给能力识别方法，存储装置，及服务器
CN113723654A (zh) * 2020-12-31 2021-11-30 京东城市(北京)数字科技有限公司 基于多源数据的救灾物资需求评估方法、装置及计算机设备
CN113723654B (zh) * 2020-12-31 2024-07-19 京东城市(北京)数字科技有限公司 基于多源数据的救灾物资需求评估方法、装置及计算机设备
CN113626426A (zh) * 2021-07-06 2021-11-09 佛山市禅城区政务服务数据管理局 一种生态网格数据的采集传输方法及系统
CN116980833A (zh) * 2023-09-22 2023-10-31 北京融信数联科技有限公司 一种基于信令数据的区域人口年龄段识别方法及系统
CN116980833B (zh) * 2023-09-22 2024-01-23 北京融信数联科技有限公司 一种基于信令数据的区域人口年龄段识别方法及系统

Also Published As

Publication number Publication date
CN112085250B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
CN112085250B (zh) 一种人口空间分布模拟方法、终端设备及存储介质
CN107563803B (zh) 一种基于耗费距离栅格的商圈划分方法
Guan et al. The concept of urban intensity and China's townization policy: Cases from Zhejiang Province
CN111401692B (zh) 一种度量城市空间功能紧凑度的方法
Dmowska et al. High resolution dasymetric model of US demographics with application to spatial distribution of racial diversity
CN112819319A (zh) 一种城市活力与空间社会特征相关性的测度方法及应用
CN107133900A (zh) 城市土地混合利用特征格网计算方法及装置
Domingo et al. Long-term changes in 3D urban form in four Spanish cities
Wu et al. Establishing a" dynamic two-step floating catchment area method" to assess the accessibility of urban green space in Shenyang based on dynamic population data and multiple modes of transportation
CN112508332B (zh) 一种顾及多维特征的渐进式乡村聚落整治分区方法
CN107506433A (zh) 城市发展空间格局情景模拟系统
Saifullah et al. Spatial modelling of land use/cover change (LUCC) in South Tangerang City, Banten
Gao et al. Improving the accuracy of extant gridded population maps using multisource map fusion
CN116976692A (zh) 一种基于适应性循环路径的传统村落分类分区保护控制方法
CN109684425A (zh) 保单用户地址匹配方法及装置
Ortega et al. The influence of spatial data allocation procedures on accessibility results: The case of high-speed rail networks
CN111798032A (zh) 支撑国土空间规划双评价的精细化网格评价方法
Tu et al. Quantitative analysis of urban polycentric interaction using nighttime light data: A case study of Shanghai, China
CN112950079B (zh) 绿地供需数据处理方法、系统、计算机设备及存储介质
Bracken An extensive surface model database for population-related information: concept and application
Nunna et al. Understanding the impact of tourism on spatial growth for sustainable development of tourist destinations through the measure of land use efficiency
Liu et al. Population spatialization in Zhengzhou city based on multi-source data and random forest model
Kim et al. Optimizing urban park locations with addressing environmental justice in park access and utilization by using dynamic demographic features derived from mobile phone data
Crols et al. Downdating high-resolution population density maps using sealed surface cover time series
CN116153088A (zh) 交通需求预测方法、装置和电子设备

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