CN112527867B - 一种非农就业岗位供给能力识别方法，存储装置，及服务器 - Google Patents

一种非农就业岗位供给能力识别方法，存储装置，及服务器 Download PDF

Info

Publication number
CN112527867B
CN112527867B CN202011507436.1A CN202011507436A CN112527867B CN 112527867 B CN112527867 B CN 112527867B CN 202011507436 A CN202011507436 A CN 202011507436A CN 112527867 B CN112527867 B CN 112527867B
Authority
CN
China
Prior art keywords
data
grid
administrative division
employment
agriculture
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
CN202011507436.1A
Other languages
English (en)
Other versions
CN112527867A (zh
Inventor
周永伟
刘睿
肖作林
冀琴
张静
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 Normal University
Original Assignee
Chongqing Normal University
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 Normal University filed Critical Chongqing Normal University
Priority to CN202011507436.1A priority Critical patent/CN112527867B/zh
Publication of CN112527867A publication Critical patent/CN112527867A/zh
Application granted granted Critical
Publication of CN112527867B publication Critical patent/CN112527867B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种非农就业岗位供给能力空间化显示方法，包括以下步骤：获取第一行政区划地图边界数据，将第一行政区划地图边界数据划分为若干格网生成第二行政区划地图数据；将格网非农就业岗位供给能力数据与第二行政区划地图边界数据相匹配生成可视化的第三行政区划地图数据。本发明使用POI数据与手机信令数据，实现格网尺度非农就业人口分布空间可视化，服务于区域空间规划和政策制定等应用需求。

Description

一种非农就业岗位供给能力识别方法，存储装置，及服务器
技术领域
本发明涉及一种县域公里格网尺度非农就业岗位供给能力识别方法存储装置，及服务器，属于人文地理学领域。
背景技术
公里格网非农就业岗位供给能力，指在1km*1km格网范围内社会经济发展能够为居民提供除农业生产外其他产业就业岗位的能力，是衡量区域发展质量的重要参考指标。传统就业供给等多基于社会经济统计数据，其空间尺度一般为地市级尺度。现有技术不能空间化的展示公里格网尺度非农就业岗位供给能力，用于社会经济学科学性与研究综合性不足。
发明内容
本发明要解决的技术问题是，现有技术不能空间化的展示公里格网尺度非农就业岗位供给能力，用于社会经济学科学性与研究综合性不足。
本发明提供一种非农就业岗位供给能力格网空间化显示方法，包括以下步骤：
获取第一行政区划地图数据，将第一行政区划边界数据划分为若干格网生成第二行政区划边界数据；
获取第二行政区划边界数据对应的第一信息点数据；
POI是“Point of Information”的缩写，中文可以翻译为“信息点”。在地理信息系统中，一个POI是一栋房子、一个商铺、一个邮筒、一个公交站等包含空间信息的点。第一信息点数据包括，在第二行政区划边界数据中每个网格所包含的信息点。
获取第一行政区划边界数据对应的县域非农产业就业人口数据；
接入第二行政区划边界数据对应的电信运营商运营商基站数据，获取第二行政区划边界数据对应的格网常驻人口数据；
采用第一算法对信息点数据进行处理得到第二信息点数据；
使用第二信息点数据与县域非农产业就业人口数据，计算获得格网非农就业人口；
格网非农就业人口数据除以格网常住人口数据，获得格网非农就业岗位供给能力数据；
将格网非农就业岗位供给能力数据与第二行政区划边界数据相匹配生成可视化的第三行政区划边界数据。
进一步的，所述格网的密度为1000m*1000m。
进一步的，所述第一算法采用以下公式模拟空间位置x处的信息点密度估计值：
式中F(x)是空间位置x处的核密度估计值，k为核函数，x-xi表示空间位置x到xi的距离，h为空间分析搜索半径，n为搜索半径内范围内所含的信息点数量。
不同的空间分析搜索半径可以借助机器学习交叉验证获取最佳h，利用平均积分均方误差：
E(h)＝E[∫(Fh(x)-Fh(x))2dx]
Fh(x)为最佳h的信息点密度估计值，E(h)最小即为最佳h。
进一步的，所述步骤接入第二行政区划地图数据对应的电信运营商运营商基站，获取第二行政区划地图数据对应的格网常驻人口数据，包括
式中p为单位格网常住人口，k为县域统计年鉴常住人口，x为格网含手机信令条数，n为县域范围内的第n个格网。
为了保证上述方法的实施，本发明还提供一种非农就业岗位供给能力空间化显示方法存储设备，其中存储有多条指令，所述指令适于由处理器加载并执行，以下步骤，
获取第一行政区划边界数据，将第一行政区划边界数据划分为若干格网生成第二行政区划边界数据；
获取第二行政区划边界数据对应的第一信息点数据；
获取第一行政区划边界数据对应的县域非农产业就业人口数据；
接入第二行政区划边界数据对应的电信运营商运营商基站数据，获取第二行政区划边界数据对应的格网常驻人口数据；
采用第一算法对信息点数据进行处理得到第二信息点数据；
使用第二信息点数据与县域非农产业就业人口数据，计算获得格网非农就业人口；
格网非农就业人口数据除以格网常住人口数据，获得格网非农就业岗位供给能力数据；
将格网非农就业岗位供给能力数据与第二行政区划边界数据相匹配生成可视化的第三行政区划边界数据。
在第三行政区划边界数据中，每个格网的颜色与非农就业岗位供给能力数据向对应，当非农就业岗位供给能力数据越大颜色越深，实现了非农就业岗位供给能力数据在地图中的空间化展示。
进一步的，
所述格网的密度为1000m*1000m；
所述第一算法采用以下公式模拟空间位置x处的信息点密度估计值：
式中F(x)是空间位置x处的核密度估计值，k为核函数，x-xi表示空间位置x到xi的距离，h为空间分析搜索半径，n为搜索半径内范围内所含的信息点数量。
不同的空间分析搜索半径可以借助机器学习交叉验证获取最佳h,利用平均积分均方误差：
E(h)＝E[∫(Fh(x)-Fh(x))2dx]
Fh(x)为最佳h的信息点密度估计值，E(h)最小即为最佳h。
所述步骤接入第二行政区划地图数据对应的电信运营商运营商基站数据，获取第二行政区划地图数据对应的格网常驻人口数据，包括
式中p为单位格网常住人口，k为县域统计年鉴常住人口，x为格网含手机信令条数，n为县域范围内的第n个格网。
为了保证上述方法的实施，本发明还提供一种非农就业岗位供给能力空间化显示方法服务器，包括：
处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由处理器加载并执行以下步骤：
获取第一行政区划边界数据，将第一行政区划边界数据划分为若干格网生成第二行政区划边界数据；
获取第二行政区划边界数据对应的第一信息点数据；
获取第一行政区划边界数据对应的县域非农产业就业人口数据；
接入第二行政区划边界数据对应的电信运营商运营商基站数据，获取第二行政区划边界数据对应的格网常驻人口数据；
采用第一算法对信息点数据进行处理得到第二信息点数据；
使用第二信息点数据与县域非农产业就业人口数据，计算获得格网非农就业人口；
格网非农就业人口数据除以格网常住人口数据，获得格网非农就业岗位供给能力数据；
将格网非农就业岗位供给能力数据与第二行政区划边界数据相匹配生成可视化的第三行政区划边界数据。
进一步的，
所述格网的密度为1000m*1000m；
所述第一算法采用以下公式模拟空间位置x处的信息点密度估计值：
式中F(x)是空间位置x处的核密度估计值，k为核函数，x-xi表示空间位置x到xi的距离，h为空间分析搜索半径，n为搜索半径内范围内所含的信息点数量。
不同的空间分析搜索半径可以借助机器学习交叉验证获取最佳h,利用平均积分均方误差：
E(h)＝E[∫(Fh(x)-Fh(x))2dx]
Fh(x)为最佳h的信息点密度估计值，E(h)最小即为最佳h。
所述步骤接入第二行政区划地图数据对应的电信运营商基站数据，获取第二行政区划地图数据对应的格网常驻人口数据，包括
式中p为单位格网常住人口，k为县域统计年鉴常住人口，x为格网含手机信令条数，n为县域范围内的第n个格网。
本发明的有益效果是
1本发明得到的可视化空间尺度为1km*1km的格网，实现高精度的区域非农就业岗位供给能力识别。
2本发明使用常住人口模拟模型模拟区域公里格网常住人口，提升了区域公里格网常住人口识别精准度。
3本发明使用POI数据，提供一种直观反映区域就业的公里格网尺度非农就业岗位供给可视化展示方法，提升人文地理学研究的研究粒度，解决当前基于行政区划数据应用的尺度与粒度问题。
附图说明
图1为计算识别流程图。
图2为核密度估计分析模块示意图。
图3为常住人口模拟模型简化示意图。
图4为县市产业活动强度特征值计算示意图。
图5常住人口模拟结果示例(巴南区)。
图6非农就业岗位供给能力空间化结果示例(巴南区)。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例一：
本发明一实施例详细步骤如下：
步骤1，进入城市统计局查询检索市统计年鉴，获取城市统计数据；
步骤2，分别从城市统计年鉴中检索查询市常住人口、市第二产业就业率、市第三产业就业率、市第二产业生产总值、市第三产业生产总值；
步骤3，使用市常住人口*市第二产业就业率，即获得市第二产业就业人口；
步骤4，使用市常住人口*市第三产业就业率，即获得市第三产业就业人口；
步骤5，进入城市统计局或县域统计局查询检索市统计年鉴，获取县域统计数据；
步骤6，分别从城市或县域统计年鉴中检索查询县域第二产业生产总值、县域第三产业生产总值；
步骤7，使用县域第二产业生产总值/市第二产业生产总值,即获得县市第二产业产值比例；
步骤8，使用县域第三产业生产总值/市第三产业生产总值,即获得县市第三产业产值比例；
步骤9，使用县市第二产业产值比例*市第二产业就业人口，即获得县域第二产业就业人口；
步骤10，使用县市第三产业产值比例*市第三产业就业人口，即获得县域第三产业就业人口；
步骤11，使用县域第二产业就业人口+县域第三产业就业人口，即获得县域非农就业人口；
步骤12，获取县域行政区划数据以矢量shp格式进行存储；
步骤13，使用ArcGIS软件中“创建渔网”工具；
步骤14，创建渔网工具中参数选择为，“输出要素类”选择输出数据文件并命名，文件格式后缀为shp格式，“模板范围”选择矢量shp格式的县域行政区划数据，因为输入了模板范围所以“渔网原点坐标”、“Y轴坐标”参数不用设置，“像元宽度”设置为1000”，“像元高度”设置为1000，此处的1000为渔网单个格网的长和宽为1000m，“行数”与“列数”由“模板范围”自动生成，参数不用设置，“创建标注点”框取消选择，“几何类型”选择POLYGON，生成以行政区东西南北最远点为端点的由多个单一格网构成的矩形渔网(注：渔网由若干格网构成)；
步骤15，使用ArcGIS软件中裁剪工具，对超出行政区矢量边界的格网进行裁剪；
步骤16，裁剪工具中参数“输入要素”为要裁剪的要素，选择步骤14生成的矢量shp格式的矩形渔网，“裁剪要素”是用于裁剪输入要素的要素，选择县域行政区划输入，“输出要素类”为裁剪后与县域行政区划重合的渔网数据，选择文件夹存储命名，“XY容差”默认为空值，输出获得范围准确的渔网数据；
步骤17，通过Excel表格清洗筛选出能够提供非农就业岗位的POI信息点，并将含POI信息点经度信息的列表头设置为“经度”，将含POI信息点纬度信息的列表头设置为“纬度”；
步骤18，使用ArcGIS软件导入含筛选清洗完成的POI信息点的Excel表格，为表格中的POI信息点添加经纬度信息，实现表格中POI信息点数据空间化。选中Excel表格选择“显示XY数据”，进入“显示XY数据”框后参数“X字段”表示输入要素的经度信息，此处选择输入Excel表表头中“经度”，“Y字段”表示输入要素的纬度信息，此处选择输入Excel表表头中“纬度”，“Z字段”表示输入要素高程信息，由于POI信息点不含高程信息，该项为无，“输入坐标的坐标系”表示设置POI信息点原始空间坐标系，选择编辑，在“空间参考属性框”中地理坐标系中选择与POI信息点提供方所使用地理坐标系，选中生成的数据导出为矢量shp格式；
步骤19使用核密度估计空间分析模型对步骤18生成的POI信息点进行空间分析。
式中F(x)是空间位置x处的核密度估计值，k为核函数，x-xi表示空间位置x到xi的距离，h为空间分析搜索半径(带宽)，n为搜索半径内范围内所含的POI信息点数量。带宽h的选择对核密度分析的结果有较大影响[26]。本方法基于县域的空间单元大小及对比分析不同带宽对于空间分析结果的差异，借助机器学习交叉验证获取最佳h，利用平均积分均方误差。
E(h)＝E[∫(Fh(x)-Fh(x))2dx]
Fh(x)为最佳h的信息点密度估计值，E(h)最小即为最佳h。
输出像元大小为1000m*1000m。获得单个像元POI核密度值。
步骤20，使用ArcGIS软件，面转要素工具，“输入要素”选择步骤19生成的TIF格式核密度文件。获得矢量shp格式POI核密度值
步骤21，使用ArcGIS软件，对渔网中单个格网的POI核密度值进行提取。选择ArcGIS中“空间连接”工具，实现批量提取单个格网空间范围内POI核密度值，“空间连接”框中参数“目标要素”选择步骤16裁剪后的矢量shp格式渔网。“连接要素”选择步骤20生成的矢量shp格式POI核密度值，“输出要素类”为新生成含单个格网POI核密度统计值的渔网，该步骤完成后输出的渔网属性表中含单个格网POI核密度值列名称为Count；
步骤22，对县域范围内格网POI核密度值进行提取，获得县域POI核密度值总值X。
步骤23，计算格网与县域非农就业岗位POI核密度值比例。使用ArcGIS软件导入步骤19生成的渔网，选中属性表添加字段，名称设为“比例”，类型为双精度，选中“比例”列使用“字段计算器”工具，“字段计算器”框参数选择中“解析程序”选择VB脚本，在运行框中选择运算字段时可双击“字段”框中字段的名称完成选取，本次运算参数输入“Count/X”，即“比例”＝“Count(字段)/X(数值)”，表示属性表“比例”字段中对应每个格网值为POI核密度值与县域POI核密度值总值的比值，即为格网与县域非农就业岗位POI核密度值比例；
步骤24，计算格网非农就业人口。使用ArcGIS软件，添加步骤23生成的含有“比例”字段的渔网，打开属性表选择添加字段，名称为“FNJYRK”，类型选择为双精度，选中字段“FNJYRK”列使用“字段计算器”工具，“字段计算器”框参数选择中“解析程序”选择VB脚本，在运行框中选择运算字段时可双击“字段”框中字段的名称完成选取，本次运算参数输入“比例(字段)*县域非农就业人口(数值)”，即“FNJYRK”＝“比例*人口”，表示属性表“FNJYRK”字段中对应每个格网值为“比例”与县域非农就业人口的乘积，即为格网非农就业人口；
步骤25，使用常住人口模拟模型针对手机信令数据进行格网常住人口模拟
式中p为单位格网常住人口，k为县域统计年鉴常住人口，x为格网含手机信令条数，n为县域范围内的第n个格网。
步骤26，使用ArcGIS选中步骤24生成的渔网，选中属性表添加字段名称设为“CZRK”，类型为双精度，根据格网序号导入步骤25生成的相应的格网常住人口值。
步骤27，计算格网非农就业岗位供给能力。使用ArcGIS软件导入步骤26生成的渔网，选中属性表添加字段名称设为“JY”，类型为双精度，选中“JY”列使用“字段计算器”工具，“字段计算器”框参数选择中“解析程序”选择VB脚本，在运行框中选择运算字段时可双击“字段”框中字段的名称完成选取，本次运算参数输入“FNJYRK/CZRK”，即“JY”＝“FNJYRK/CZRK”，表示属性表“JY”字段中对应每个格网值为格网非农就业人口与格网常住人口的商值，即格网非农就业岗位供给能力。
本发明的有益效果是：
1本发明空间尺度为1km*1km的格网,实现高精度的区域非农就业岗位供给能力识别。
2本发明使用手机信令数据模拟区域公里格网常住人口，提升了区域公里格网常住人口识别精准度。
3本发明使用市与县域产业产值比例，获得了县域非农产业就业人口，弥补了各项研究中县域非农就业人口统计数据的缺失。
4本发明使用POI数据，将县域非农就业人口分布空间可视化。为区域空间规划和政策制定提供科学支撑。
显然，本领域的技术人员应该明白，上述本发明的各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种非农就业岗位供给能力空间化显示方法，包括以下步骤：
获取第一行政区划边界数据，将第一行政区划边界划分为若干格网生成第二行政区划边界数据；
获取第二行政区划边界数据对应的第一信息点数据；
获取第一行政区划边界数据对应的县域非农产业就业人口数据；
接入第二行政区划边界数据对应的电信运营商基站数据，获取第二行政区划边界数据对应的格网常驻人口数据；
采用第一算法对信息点数据进行处理得到第二信息点数据；
使用第二信息点数据与县域非农产业就业人口数据，计算获得格网非农就业人口；
格网非农就业人口数据除以格网常住人口数据，获得格网非农就业岗位供给能力数据；
将格网非农就业岗位供给能力数据与第二行政区划边界数据匹配生成可视化的第三行政区划边界数据；
其中，所述第一算法采用以下公式模拟空间位置x处的信息点密度估计值：
式中是空间位置x处的核密度估计值，k为核函数，x-xi表示空间位置x到xi的距离，h为空间分析搜索半径，n为搜索半径内范围内所含的信息点数量。
2.如权利要求1所述的一种非农就业岗位供给能力空间化显示方法，其特征在于格网的密度为1000m*1000m。
3.如权利要求1所述的一种非农就业岗位供给能力空间化显示方法，其特征在于，所述步骤接入第二行政区划边界数据对应的电信运营商基站，获取第二行政区划边界数据对应的格网常驻人口数据，包括，
式中p为单位格网常住人口，k为县域统计年鉴常住人口，x为格网手机信令条数，n为县域范围内的第n个格网。
4.一种非农就业岗位供给能力空间化显示方法存储设备，其中存储有多条指令，所述指令适于由处理器加载并执行，以下步骤，
获取第一行政区划边界数据，将第一行政区划边界数据划分为若干格网生成第二行政区划边界数据；
获取第二行政区划边界数据对应的第一信息点数据；获取第一行政区划边界数据对应的县域非农产业就业人口数据；
接入第二行政区划边界数据对应的电信运营商基站数据，获取第二行政区划边界数据对应的格网常驻人口数据；
采用第一算法对信息点数据进行处理得到第二信息点数据；
使用第二信息点数据与县域非农产业就业人口数据，计算获得格网非农就业人口；
格网非农就业人口数据除以格网常住人口数据，获得格网非农就业岗位供给能力数据；
将格网非农就业岗位供给能力数据与第二行政区划边界数据匹配生成可视化的第三行政区划边界数据；所述格网的密度为1000m*1000m；
所述的一种非农就业岗位供给能力空间化显示方法，其特征在于，所述第一算法采用以下公式模拟空间位置x处的信息点密度估计值：
式中是空间位置x处的核密度估计值，k为核函数，x-xi表示空间位置x到xi的距离，h为空间分析搜索半径，n为搜索半径内范围内所含的信息点数量；
所述步骤接入第二行政区划地图数据对应的电信运营商基站，获取第二行政区划地图数据对应的格网常驻人口数据，包括：
式中p为单位格网常住人口，k为县域统计年鉴常住人口，x为格网含手机信令条数，n为县域范围内的第n个格网。
5.一种非农就业岗位供给能力空间化显示方法服务器，包括处理器，适于实现各指令；以及存储设备，适于存储多条指令，所述指令适于由处理器加载并执行以下步骤：
获取第一行政区划边界数据，将第一行政区划边界数据划分为若干格网生成第二行政区划边界数据；
获取第二行政区划边界数据对应的第一信息点数据；
获取第一行政区划边界数据对应的县域非农产业就业人口数据；
接入第二行政区划边界数据对应的电信运营商运营商基站数据，获取第二行政区划边界数据对应的格网常驻人口数据；
采用第一算法对信息点数据进行处理得到第二信息点数据；
使用第二信息点数据与县域非农产业就业人口数据，计算获得格网非农就业人口；
格网非农就业人口数据除以格网常住人口数据，获得格网非农就业岗位供给能力数据；
将格网非农就业岗位供给能力数据与第二行政区划边界数据相匹配生成可视化的第三行政区划地图数据；所述格网的密度为1000m*1000m；
所述的一种非农就业岗位供给能力空间化显示方法，其特征在于，所述第一算法采用以下公式模拟空间位置x处的信息点密度估计值：
式中是空间位置x处的核密度估计值，k为核函数，x-xi表示空间位置x到xi的距离，h为空间分析搜索半径，n为搜索半径内范围内所含的信息点数量；
所述步骤接入第二行政区划地图数据对应的电信运营商基站，获取第二行政区划地图数据对应的格网常驻人口数据，包括：
式中p为单位格网常住人口，k为县域统计年鉴常住人口，x为格网含手机信令条数，n为县域范围内的第n个格网。
CN202011507436.1A 2020-12-18 2020-12-18 一种非农就业岗位供给能力识别方法，存储装置，及服务器 Active CN112527867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011507436.1A CN112527867B (zh) 2020-12-18 2020-12-18 一种非农就业岗位供给能力识别方法，存储装置，及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011507436.1A CN112527867B (zh) 2020-12-18 2020-12-18 一种非农就业岗位供给能力识别方法，存储装置，及服务器

Publications (2)

Publication Number Publication Date
CN112527867A CN112527867A (zh) 2021-03-19
CN112527867B true CN112527867B (zh) 2023-10-13

Family

ID=75001649

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011507436.1A Active CN112527867B (zh) 2020-12-18 2020-12-18 一种非农就业岗位供给能力识别方法，存储装置，及服务器

Country Status (1)

Country Link
CN (1) CN112527867B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487295B (zh) * 2021-07-26 2024-01-19 杭州弧途科技有限公司 一种兼职岗位推荐系统的线下岗位召回方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077448A (zh) * 2014-07-01 2014-10-01 东南大学 一种基于就业网络视角的城市就业空间分析方法
CN104156876A (zh) * 2014-08-21 2014-11-19 安徽省环境科学研究院 一种生态系统供给服务及其价值评估的技术框架
CN110222959A (zh) * 2019-05-23 2019-09-10 河南大学 一种基于大数据的城市就业可达性测算方法及系统
CN110689055A (zh) * 2019-09-10 2020-01-14 武汉大学 一种顾及格网单元属性分级的跨尺度统计指标空间化方法
CN110795463A (zh) * 2019-06-27 2020-02-14 浙江大学 面向电力系统暂态分析的海量时间序列数据可视化方法
CN111339446A (zh) * 2020-02-18 2020-06-26 腾讯科技（深圳）有限公司 一种兴趣点挖掘方法、装置、电子设备和存储介质
CN111914137A (zh) * 2020-08-10 2020-11-10 许昌学院 一种基于遥感数据和poi数据的gdp空间化方法
CN112085250A (zh) * 2020-07-30 2020-12-15 中国科学院城市环境研究所 一种人口空间分布模拟方法、终端设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150027553A (ko) * 2013-09-04 2015-03-12 한국전자통신연구원 ＰＯＩ〔Ｐｏｉｎｔ ｏｆ Ｉｎｔｅｒｅｓｔ〕속성정보의 동적 가시화 시스템 및 방법, ＰＯＩ 속성정보의 가시화 갱신방법

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077448A (zh) * 2014-07-01 2014-10-01 东南大学 一种基于就业网络视角的城市就业空间分析方法
CN104156876A (zh) * 2014-08-21 2014-11-19 安徽省环境科学研究院 一种生态系统供给服务及其价值评估的技术框架
CN110222959A (zh) * 2019-05-23 2019-09-10 河南大学 一种基于大数据的城市就业可达性测算方法及系统
CN110795463A (zh) * 2019-06-27 2020-02-14 浙江大学 面向电力系统暂态分析的海量时间序列数据可视化方法
CN110689055A (zh) * 2019-09-10 2020-01-14 武汉大学 一种顾及格网单元属性分级的跨尺度统计指标空间化方法
CN111339446A (zh) * 2020-02-18 2020-06-26 腾讯科技（深圳）有限公司 一种兴趣点挖掘方法、装置、电子设备和存储介质
CN112085250A (zh) * 2020-07-30 2020-12-15 中国科学院城市环境研究所 一种人口空间分布模拟方法、终端设备及存储介质
CN111914137A (zh) * 2020-08-10 2020-11-10 许昌学院 一种基于遥感数据和poi数据的gdp空间化方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Economic and employment impacts of offshore wind for Ireland: A value chain analysis;Kandrot，S;《International Journal of Green Energy》;第17卷(第11期);687-696 *
一种全国陆地生态系统服务价值的大数据计算与分析方法;程滔;《测绘通报》(第8期);41-46 *
基于POI数据的武汉市主城区城市中心识别;李臻;《城市建筑》;第17卷(第12期);54-55 *
基于手机信令数据的上海市不同住宅区居民就业空间研究;王德等;《地理学报》;第75卷(第8期);第1585-1602页 *
基于手机信令数据的武汉市人口迁入成因研究;詹庆明等;《地理信息世界》;第27卷(第3期);第14-19页 *
重庆市中心城区快递自提点空间格局及影响因素研究——基于POI数据;冀琴,刘睿等;《重庆师范大学学报（ 自然科学版）》;第38卷(第3期);第121-128页 *

Also Published As

Publication number Publication date
CN112527867A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
US11042572B2 (en) System and method for spatial clustering using multiple-resolution grids
CN104991924B (zh) 用于确定新供应点的地址的方法和装置
US8743149B2 (en) Meteorology and oceanography geospatial analysis toolset
CN112102432B (zh) 空气质量垂直分布图绘制方法、装置及存储介质
JP2016152044A (ja) 目標位置を確定するための方法及び装置
CN107451150B (zh) 地理数据呈现方法及装置
CN112069281B (zh) 兴趣点位置的确定方法、装置、计算机设备及存储介质
CN108540988B (zh) 一种场景划分方法及装置
CN109241846A (zh) 遥感影像的时空变化估测方法、装置与存储介质
CN111125490B (zh) 基于百度热力图的人口活动数量提取方法、装置及介质
CN112085250B (zh) 一种人口空间分布模拟方法、终端设备及存储介质
US9390528B2 (en) Meteorology and oceanography geospatial analysis toolset
CN115796712B (zh) 区域陆地生态系统碳储量估算方法、装置、电子设备
CN112527867B (zh) 一种非农就业岗位供给能力识别方法，存储装置，及服务器
Roick et al. A technical framework for visualizing spatio-temporal quality metrics of volunteered geographic information
EP4310745A1 (en) Methods and systems for high resolution and scalable crop yield forecasting
CN110990639A (zh) 一种教育信息化水平趋势分析的数据处理方法及装置
KR102264758B1 (ko) 기후변화 빅데이터 분석시스템
CN110110280B (zh) 对坐标的曲线积分计算方法、装置、设备及存储介质
CN114580975A (zh) 街区活力获得方法及系统及装置及介质
CN114398460A (zh) 一种环保领域预测模型出图系统
CN113190587A (zh) 实现业务数据处理的数据处理方法和装置
CN110427562A (zh) 语义标签划分方法、装置和电子设备
CN108241593B (zh) 一种空间抽样目标定位方法及系统
CN117057610B (zh) 基于区域的多行业对象全局气象风险预警方法及系统

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