CN112818747A - 一种基于空间大数据的城市特色街区人口密度估算方法和系统方法 - Google Patents

一种基于空间大数据的城市特色街区人口密度估算方法和系统方法 Download PDF

Info

Publication number
CN112818747A
CN112818747A CN202011621553.0A CN202011621553A CN112818747A CN 112818747 A CN112818747 A CN 112818747A CN 202011621553 A CN202011621553 A CN 202011621553A CN 112818747 A CN112818747 A CN 112818747A
Authority
CN
China
Prior art keywords
module
population
information
population density
simulation
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.)
Pending
Application number
CN202011621553.0A
Other languages
English (en)
Inventor
舒文婷
贺坤
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.)
Shanghai Institute of Technology
Original Assignee
Shanghai Institute of Technology
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 Shanghai Institute of Technology filed Critical Shanghai Institute of Technology
Priority to CN202011621553.0A priority Critical patent/CN112818747A/zh
Publication of CN112818747A publication Critical patent/CN112818747A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures

Landscapes

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

Abstract

本发明属于人口密度估算技术领域，公开了一种基于空间大数据的城市特色街区人口密度估算方法和系统，所述基于空间大数据的城市特色街区人口密度估算系统包括：遥感影像采集模块、人口信息采集模块、主控模块、影像识别模块、人口统计模块、人口密度计算模块、模拟模块、云存储模块、显示模块。本发明通过人口信息采集模块节省了流动人口管理部门进行流动人口信息采集工作所需的工作人员管理工作，而且不需要采购专门的人口信息采集设备，节省了成本；同时，通过模拟模块可以有效模拟出地级市级别城市人口密度情况，采用自动化手段替代人工统计，可以节约大量人力物力。

Description

一种基于空间大数据的城市特色街区人口密度估算方法和系 统方法
技术领域
本发明属于人口密度估算技术领域，尤其涉及一种基于空间大数据的城市特色街区人口密度估算方法和系统方法。
背景技术
人口密度是单位土地面积上的人口数量。通常使用的计量单位有两种：人/ 平方公里；人/公顷。它是衡量一个国家或地区人口分布状况的重要指标。计算人口密度的土地面积是指领土范围内的陆地面积和内陆水域，不包括领海。由于人口密度指标是假定人口均匀分布在它所涉及的一定地域内，因此，人口密度计算的范围愈小，就愈能如实地反映人口分布的情况；范围愈大则只能概括地揭示人口分布的大势。然而，现有人口信息采集方式，需要耗费的人力管理和设备采购成本大，为流动人口信息的采集带来了困难；同时，对人口密度统计费时费力。
综上所述，现有技术存在的问题是：现有人口信息采集方式，需要耗费的人力管理和设备采购成本大，为流动人口信息的采集带来了困难；同时，对人口密度统计费时费力。
发明内容
针对现有技术存在的问题，本发明提供了一种基于空间大数据的城市特色街区人口密度估算方法和系统。
本发明是这样实现的，一种基于空间大数据的城市特色街区人口密度估算系统包括：
遥感影像采集模块、人口信息采集模块、主控模块、影像识别模块、人口统计模块、人口密度计算模块、模拟模块、云存储模块、显示模块；
遥感影像采集模块，与主控模块连接，用于通过遥感设备采集城市特色街区影像；
人口信息采集模块，与主控模块连接，用于通过移动端设备采集城市特色街区人口信息数据；
主控模块，与遥感影像采集模块、人口信息采集模块、影像识别模块、人口统计模块、人口密度计算模块、模拟模块、云存储模块、显示模块连接，用于控制各个模块正常工作；
影像识别模块，与主控模块连接，用于通过人体识别程序识别采集影像中人体数据；
人口统计模块，与主控模块连接，用于通过统计程序根据识别结果、人口信息统计城市特色街区人口数据；
人口密度计算模块，与主控模块连接，用于通过计算程序根据统计结果计算城市特色街区人口密度；
模拟模块，与主控模块连接，用于通过模拟程序模拟城市特色街区人口密度；
云存储模块，与主控模块连接，用于通过云服务器对采集的遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息进行云存储；
显示模块，与主控模块连接，用于通过显示器显示遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息。
本发明的另一目的在于提供一种基于空间大数据的城市特色街区人口密度估算方法包括以下步骤：
步骤一，通过遥感影像采集模块利用遥感设备采集城市特色街区影像；通过人口信息采集模块利用移动端设备采集城市特色街区人口信息数据；
步骤二，主控模块通过影像识别模块利用人体识别程序识别采集影像中人体数据；
步骤三，通过人口统计模块利用统计程序根据识别结果、人口信息统计城市特色街区人口数据；通过人口密度计算模块利用计算程序根据统计结果计算城市特色街区人口密度；
步骤四，通过模拟模块利用模拟程序模拟城市特色街区人口密度；
步骤五，通过云存储模块利用云服务器对采集的遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息进行云存储；并通过显示模块利用显示器进行显示。
进一步，所述人口信息采集模块采集方法如下：
1)通过移动设备注册用户标识；根据用户标识登录应用服务器；
2)接收所述应用服务器在检测到所述用户标识所对应的权限角色为房东时授予采集流动人口信息的权限后所返回的授权通知；所述权限角色根据流动人口信息管理系统核准确认后返回的权限角色设定命令进行设定；
3)在接收到所述授权通知后提供流动人口信息采集界面；获取在所述流动人口信息采集界面中录入的租客身份信息和租客居住信息，并从所述应用服务器查询获得与所述用户标识具有绑定关系的出租屋标识；
4)将所述租客身份信息、所述出租屋标识和所述租客居住信息对应上传到所述应用服务器存储。
进一步，所述租客身份信息获取方法：
获取手工录入的租客身份信息；或者，获取身份证件图像并进行文字识别，以获取租客身份信息；或者，与身份证件读卡器连接，并从所述身份证件读卡器接收读取身份证件卡片所获得的租客身份信息。
进一步，所述用户标识根据身份证件号码生成。
进一步，所述模拟模块模拟方法如下：
(1)数据获取和模型选择，包括获取区域矢量文件和统计数据，选择特征向量空间滤值法，以区域夜间灯光平均亮度作为自变量，按照以下原则选择辅助自变量，一是变量与人口密度之间存在显著相关性；二是加入所有自变量之后模型不存在严重的共线性问题；
(2)下载遥感夜间灯光影像，根据步骤1获得的区域矢量文件对遥感夜间灯光影像进行处理，计算区域总亮度和平均亮度；
(3)针对获得的区域矢量文件建立邻接关系，得到相应的空间邻接矩阵W0，并对空间邻接矩阵W0进行中心化得到矩阵W1；计算矩阵W1的特征值和特征向量；提取合适的特征向量作为夜光亮度的空间影响因子；
(4)将提取的所有特征向量添加到自变量中，使用最小二乘法求解回归系数，得到人口密度的特征向量空间滤值回归模型；
y＝β0+β1MEAN+β1Xaux+βkEk+ε
其中，y代表地级市的人口密度，Xaux表示除区域平均亮度MEAN以外其他自变量的集合，Ek表示最终选择的特征向量集合，β0、β1和βk为系数，ε表示残差，ε服从正态分布；
(5)根据人口密度的特征向量空间滤值回归模型实现区域人口密度模拟。
进一步，所述选择辅助自变量的实现方式为，
设有辅助自变量备选集{X1，X2，……，Xn}，计算每个备选变量与夜间灯光亮度的Pearson指数及显著性检验，剔除未通过显著性检验的变量；
对剩余自变量{X1，X2，……，Xm}进行共线性诊断，剔除方差膨胀因子VIF 值大于10的自变量，得到最终所选的辅助自变量{X1，X2，……，Xk}。
本发明的优点及积极效果为：本发明通过人口信息采集模块采用普通的移动终端就可以实现流动人口信息的采集。移动终端在登录后获得采集流动人口信息的权限从而进入流动人口信息采集界面，这样房东具有了采集流动人口信息的权限以及途径。移动终端获取在该界面中录入的租客身份信息、租客居住信息以及查询获得的出住屋标识。该出租屋标识与用户标识具有绑定关系，这样每个房东仅能够对自己负责的出租屋的流动人口信息进行录入。最后将租客身份信息、出租屋标识和租客居住信息对应上传以实现流动人口信息的采集。这样原本必须由流动人口管理部门工作人员实现的流动人口信息采集工作，下放权限给房东实现，房东仅对自己负责的出租屋进行流动人口信息的录入。既方便了房东对出租屋的管理，又节省了流动人口管理部门进行流动人口信息采集工作所需的工作人员管理工作，而且不需要采购专门的人口信息采集设备，节省了成本；同时，通过模拟模块基于特征向量空间滤值法的人口密度回归能够有效消除空间异质性和空间自相关性对人口密度分布的影响，提高估算模型的精度，建模过程和模型结构简单，可以有效模拟出地级市级别城市人口密度情况，采用自动化手段替代人工统计，可以节约大量人力物力。
附图说明
图1是本发明实施例提供的基于空间大数据的城市特色街区人口密度估算方法流程图。
图2是本发明实施例提供的基于空间大数据的城市特色街区人口密度估算系统结构框图。
图3是本发明实施例提供的人口信息采集模块采集方法流程图。
图4是本发明实施例提供的租客身份信息获取方法流程图。
图5是本发明实施例提供的模拟模块模拟方法流程图。
图2中：1、遥感影像采集模块；2、人口信息采集模块；3、主控模块；4、影像识别模块；5、人口统计模块；6、人口密度计算模块；7、模拟模块；8、云存储模块；9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明提供的基于空间大数据的城市特色街区人口密度估算方法包括以下步骤：
S101，通过遥感影像采集模块利用遥感设备采集城市特色街区影像；通过人口信息采集模块利用移动端设备采集城市特色街区人口信息数据；
S102，主控模块通过影像识别模块利用人体识别程序识别采集影像中人体数据；
S103，通过人口统计模块利用统计程序根据识别结果、人口信息统计城市特色街区人口数据；通过人口密度计算模块利用计算程序根据统计结果计算城市特色街区人口密度；
S104，通过模拟模块利用模拟程序模拟城市特色街区人口密度；
S105，通过云存储模块利用云服务器对采集的遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息进行云存储；并通过显示模块利用显示器进行显示。
如图2所示，本发明实施例提供的基于空间大数据的城市特色街区人口密度估算系统包括：遥感影像采集模块1、人口信息采集模块2、主控模块3、影像识别模块4、人口统计模块5、人口密度计算模块6、模拟模块7、云存储模块8、显示模块9。
遥感影像采集模块1，与主控模块3连接，用于通过遥感设备采集城市特色街区影像；
人口信息采集模块2，与主控模块3连接，用于通过移动端设备采集城市特色街区人口信息数据；
主控模块3，与遥感影像采集模块1、人口信息采集模块2、影像识别模块 4、人口统计模块5、人口密度计算模块6、模拟模块7、云存储模块8、显示模块9连接，用于控制各个模块正常工作；
影像识别模块4，与主控模块3连接，用于通过人体识别程序识别采集影像中人体数据；
人口统计模块5，与主控模块3连接，用于通过统计程序根据识别结果、人口信息统计城市特色街区人口数据；
人口密度计算模块6，与主控模块3连接，用于通过计算程序根据统计结果计算城市特色街区人口密度；
模拟模块7，与主控模块3连接，用于通过模拟程序模拟城市特色街区人口密度；
云存储模块8，与主控模块3连接，用于通过云服务器对采集的遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息进行云存储；
显示模块9，与主控模块3连接，用于通过显示器显示遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息。
如图3所示，本发明提供的人口信息采集模块2采集方法如下：
S201，通过移动设备注册用户标识；根据用户标识登录应用服务器；
S202，接收所述应用服务器在检测到所述用户标识所对应的权限角色为房东时授予采集流动人口信息的权限后所返回的授权通知；所述权限角色根据流动人口信息管理系统核准确认后返回的权限角色设定命令进行设定；
S203，在接收到所述授权通知后提供流动人口信息采集界面；获取在所述流动人口信息采集界面中录入的租客身份信息和租客居住信息，并从所述应用服务器查询获得与所述用户标识具有绑定关系的出租屋标识；
S204，将所述租客身份信息、所述出租屋标识和所述租客居住信息对应上传到所述应用服务器存储。
如图4所示，本发明提供的租客身份信息获取方法：
S301，获取手工录入的租客身份信息；或者，获取身份证件图像并进行文字识别，以获取租客身份信息；或者，与身份证件读卡器连接，并从所述身份证件读卡器接收读取身份证件卡片所获得的租客身份信息。
本发明提供的用户标识根据身份证件号码生成。
如图5所示，本发明提供的模拟模块7模拟方法如下：
S401，数据获取和模型选择，包括获取区域矢量文件和统计数据，选择特征向量空间滤值法，以区域夜间灯光平均亮度作为自变量，按照以下原则选择辅助自变量，一是变量与人口密度之间存在显著相关性；二是加入所有自变量之后模型不存在严重的共线性问题；
S402，下载遥感夜间灯光影像，根据步骤1获得的区域矢量文件对遥感夜间灯光影像进行处理，计算区域总亮度和平均亮度；
S403，针对获得的区域矢量文件建立邻接关系，得到相应的空间邻接矩阵 W0，并对空间邻接矩阵W0进行中心化得到矩阵W1；计算矩阵W1的特征值和特征向量；提取合适的特征向量作为夜光亮度的空间影响因子，
S404，将提取的所有特征向量添加到自变量中，使用最小二乘法求解回归系数，得到人口密度的特征向量空间滤值回归模型；
y＝β0+β1MEAN+β1Xaux+βkEk+ε
其中，y代表地级市的人口密度，Xaux表示除区域平均亮度MEAN以外其他自变量的集合，Ek表示最终选择的特征向量集合，β0、β1和βk为系数，ε表示残差，ε服从正态分布；
S405，根据人口密度的特征向量空间滤值回归模型实现区域人口密度模拟。
本发明提供的选择辅助自变量的实现方式为，
设有辅助自变量备选集{X1，X2，……，Xn}，计算每个备选变量与夜间灯光亮度的Pearson指数及显著性检验，剔除未通过显著性检验的变量；
对剩余自变量{X1，X2，……，Xm}进行共线性诊断，剔除方差膨胀因子VIF 值大于10的自变量，得到最终所选的辅助自变量{X1，X2，……，Xk}。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (10)

1.一种基于空间大数据的城市特色街区人口密度估算方法，其特征在于，所述基于空间大数据的城市特色街区人口密度估算方法包括以下步骤：
步骤一，通过遥感影像采集模块利用遥感设备采集城市特色街区影像；通过人口信息采集模块利用移动端设备采集城市特色街区人口信息数据；
步骤二，主控模块通过影像识别模块利用人体识别程序识别采集影像中人体数据；
步骤三，通过人口统计模块利用统计程序根据识别结果、人口信息统计城市特色街区人口数据；通过人口密度计算模块利用计算程序根据统计结果计算城市特色街区人口密度；
步骤四，通过模拟模块利用模拟程序模拟城市特色街区人口密度；
步骤五，通过云存储模块利用云服务器对采集的遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息进行云存储；并通过显示模块利用显示器进行显示。
2.如权利要求1所述基于空间大数据的城市特色街区人口密度估算方法，其特征在于，所述人口信息采集模块采集方法如下：
1)通过移动设备注册用户标识；根据用户标识登录应用服务器；
2)接收所述应用服务器在检测到所述用户标识所对应的权限角色为房东时授予采集流动人口信息的权限后所返回的授权通知；所述权限角色根据流动人口信息管理系统核准确认后返回的权限角色设定命令进行设定；
3)在接收到所述授权通知后提供流动人口信息采集界面；获取在所述流动人口信息采集界面中录入的租客身份信息和租客居住信息，并从所述应用服务器查询获得与所述用户标识具有绑定关系的出租屋标识；
4)将所述租客身份信息、所述出租屋标识和所述租客居住信息对应上传到所述应用服务器存储。
3.如权利要求2所述基于空间大数据的城市特色街区人口密度估算方法，其特征在于，所述租客身份信息获取方法：
获取手工录入的租客身份信息；或者，获取身份证件图像并进行文字识别，以获取租客身份信息；或者，与身份证件读卡器连接，并从所述身份证件读卡器接收读取身份证件卡片所获得的租客身份信息。
4.如权利要求2所述基于空间大数据的城市特色街区人口密度估算方法，其特征在于，所述用户标识根据身份证件号码生成。
5.如权利要求1所述基于空间大数据的城市特色街区人口密度估算方法，其特征在于，所述模拟模块模拟方法如下：
(1)数据获取和模型选择，包括获取区域矢量文件和统计数据，选择特征向量空间滤值法，以区域夜间灯光平均亮度作为自变量，按照以下原则选择辅助自变量，一是变量与人口密度之间存在显著相关性；二是加入所有自变量之后模型不存在严重的共线性问题；
(2)下载遥感夜间灯光影像，根据步骤1获得的区域矢量文件对遥感夜间灯光影像进行处理，计算区域总亮度和平均亮度；
(3)针对获得的区域矢量文件建立邻接关系，得到相应的空间邻接矩阵W0，并对空间邻接矩阵W0进行中心化得到矩阵W1；计算矩阵W1的特征值和特征向量；提取合适的特征向量作为夜光亮度的空间影响因子；
(4)将提取的所有特征向量添加到自变量中，使用最小二乘法求解回归系数，得到人口密度的特征向量空间滤值回归模型；
y＝β0+β1MEAN+β1Xaux+βkEk+ε
其中，y代表地级市的人口密度，Xaux表示除区域平均亮度MEAN以外其他自变量的集合，Ek表示最终选择的特征向量集合，β0、β1和βk为系数，ε表示残差，ε服从正态分布；
(5)根据人口密度的特征向量空间滤值回归模型实现区域人口密度模拟。
6.如权利要求5所述基于空间大数据的城市特色街区人口密度估算方法，其特征在于，所述选择辅助自变量的实现方式为，
设有辅助自变量备选集{X1，X2，……，Xn}，计算每个备选变量与夜间灯光亮度的Pearson指数及显著性检验，剔除未通过显著性检验的变量；
对剩余自变量{X1，X2，……，Xm}进行共线性诊断，剔除方差膨胀因子VIF值大于10的自变量，得到最终所选的辅助自变量{X1，X2，……，Xk}。
7.一种基于空间大数据的城市特色街区人口密度估算系统，其特征在于，所述基于空间大数据的城市特色街区人口密度估算系统包括：
遥感影像采集模块、人口信息采集模块、主控模块、影像识别模块、人口统计模块、人口密度计算模块、模拟模块、云存储模块、显示模块；
遥感影像采集模块，与主控模块连接，用于通过遥感设备采集城市特色街区影像；
人口信息采集模块，与主控模块连接，用于通过移动端设备采集城市特色街区人口信息数据；
主控模块，与遥感影像采集模块、人口信息采集模块、影像识别模块、人口统计模块、人口密度计算模块、模拟模块、云存储模块、显示模块连接，用于控制各个模块正常工作；
影像识别模块，与主控模块连接，用于通过人体识别程序识别采集影像中人体数据；
人口统计模块，与主控模块连接，用于通过统计程序根据识别结果、人口信息统计城市特色街区人口数据；
人口密度计算模块，与主控模块连接，用于通过计算程序根据统计结果计算城市特色街区人口密度；
模拟模块，与主控模块连接，用于通过模拟程序模拟城市特色街区人口密度；
云存储模块，与主控模块连接，用于通过云服务器对采集的遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息进行云存储；
显示模块，与主控模块连接，用于通过显示器显示遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息。
8.如权利要求7基于空间大数据的城市特色街区人口密度估算系统，其特征在于，所述通过遥感影像采集模块利用遥感设备采集城市特色街区影像；通过人口信息采集模块利用移动端设备采集城市特色街区人口信息数据；
所述主控模块通过影像识别模块利用人体识别程序识别采集影像中人体数据。
9.如权利要求7基于空间大数据的城市特色街区人口密度估算系统，其特征在于，通过所述人口统计模块利用统计程序根据识别结果、人口信息统计城市特色街区人口数据；通过人口密度计算模块利用计算程序根据统计结果计算城市特色街区人口密度；
通过所述模拟模块利用模拟程序模拟城市特色街区人口密度。
10.如权利要求7基于空间大数据的城市特色街区人口密度估算系统，其特征在于，通过所述云存储模块利用云服务器对采集的遥感影像、人口信息、识别结果、统计结果、计算结果、模拟信息进行云存储；并通过显示模块利用显示器进行显示。
CN202011621553.0A 2020-12-31 2020-12-31 一种基于空间大数据的城市特色街区人口密度估算方法和系统方法 Pending CN112818747A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011621553.0A CN112818747A (zh) 2020-12-31 2020-12-31 一种基于空间大数据的城市特色街区人口密度估算方法和系统方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011621553.0A CN112818747A (zh) 2020-12-31 2020-12-31 一种基于空间大数据的城市特色街区人口密度估算方法和系统方法

Publications (1)

Publication Number Publication Date
CN112818747A true CN112818747A (zh) 2021-05-18

Family

ID=75854533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011621553.0A Pending CN112818747A (zh) 2020-12-31 2020-12-31 一种基于空间大数据的城市特色街区人口密度估算方法和系统方法

Country Status (1)

Country Link
CN (1) CN112818747A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114743159A (zh) * 2022-03-31 2022-07-12 武汉市江夏区人民政府纸坊街道办事处 一种基于物联网的智慧街道人口大数据综合管理平台

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463408A (zh) * 2014-10-21 2015-03-25 广东建邦计算机软件有限公司 基于移动终端的流动人口信息采集方法和装置
CN105740824A (zh) * 2016-02-01 2016-07-06 福建师范大学 一种具有抗特征冲突的人口密集区识别方法
CN107239756A (zh) * 2017-05-23 2017-10-10 国家地理空间信息中心 基于高分卫星遥感数据结合地物类型的人口密度分析系统
CN108241779A (zh) * 2017-12-29 2018-07-03 武汉大学 基于遥感数据的地面pm2.5浓度特征向量空间滤值建模方法
CN108871286A (zh) * 2018-04-25 2018-11-23 中国科学院遥感与数字地球研究所 空间大数据协同的城市建成区人口密度估算方法和系统
US10318810B2 (en) * 2015-09-18 2019-06-11 SlantRange, Inc. Systems and methods for determining statistics plant populations based on overhead optical measurements
CN110110025A (zh) * 2019-04-30 2019-08-09 武汉大学 基于特征向量空间滤值的区域人口密度模拟方法
CN110135351A (zh) * 2019-05-17 2019-08-16 东南大学 基于城市建筑空间数据的建成区边界识别方法及设备
CN110160924A (zh) * 2019-06-27 2019-08-23 中国科学院遥感与数字地球研究所 一种颗粒物浓度检测方法
CN110188324A (zh) * 2019-05-17 2019-08-30 武汉大学 一种基于特征向量空间滤值的交通事故poisson回归分析方法
CN110704565A (zh) * 2019-09-27 2020-01-17 泉州师范学院 一种基于遥感与gis的人口统计数据网格化建模方法
CN111292018A (zh) * 2020-03-11 2020-06-16 长光卫星技术有限公司 一种城市易损性模型构建方法
CN111382330A (zh) * 2020-03-10 2020-07-07 智慧足迹数据科技有限公司 一种土地用地性质识别方法、装置、电子设备及存储介质
CN111598048A (zh) * 2020-05-31 2020-08-28 中国科学院地理科学与资源研究所 一种融合高分遥感影像和街景影像的城中村识别方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463408A (zh) * 2014-10-21 2015-03-25 广东建邦计算机软件有限公司 基于移动终端的流动人口信息采集方法和装置
US10318810B2 (en) * 2015-09-18 2019-06-11 SlantRange, Inc. Systems and methods for determining statistics plant populations based on overhead optical measurements
CN105740824A (zh) * 2016-02-01 2016-07-06 福建师范大学 一种具有抗特征冲突的人口密集区识别方法
CN107239756A (zh) * 2017-05-23 2017-10-10 国家地理空间信息中心 基于高分卫星遥感数据结合地物类型的人口密度分析系统
CN108241779A (zh) * 2017-12-29 2018-07-03 武汉大学 基于遥感数据的地面pm2.5浓度特征向量空间滤值建模方法
CN108871286A (zh) * 2018-04-25 2018-11-23 中国科学院遥感与数字地球研究所 空间大数据协同的城市建成区人口密度估算方法和系统
CN110110025A (zh) * 2019-04-30 2019-08-09 武汉大学 基于特征向量空间滤值的区域人口密度模拟方法
CN110135351A (zh) * 2019-05-17 2019-08-16 东南大学 基于城市建筑空间数据的建成区边界识别方法及设备
CN110188324A (zh) * 2019-05-17 2019-08-30 武汉大学 一种基于特征向量空间滤值的交通事故poisson回归分析方法
CN110160924A (zh) * 2019-06-27 2019-08-23 中国科学院遥感与数字地球研究所 一种颗粒物浓度检测方法
CN110704565A (zh) * 2019-09-27 2020-01-17 泉州师范学院 一种基于遥感与gis的人口统计数据网格化建模方法
CN111382330A (zh) * 2020-03-10 2020-07-07 智慧足迹数据科技有限公司 一种土地用地性质识别方法、装置、电子设备及存储介质
CN111292018A (zh) * 2020-03-11 2020-06-16 长光卫星技术有限公司 一种城市易损性模型构建方法
CN111598048A (zh) * 2020-05-31 2020-08-28 中国科学院地理科学与资源研究所 一种融合高分遥感影像和街景影像的城中村识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YUNCHEN WANG 等: "Mapping the Population Density in Mainland China Using NPP/VIIRS and Points-Of-Interest Data Based on a Random Forests Model", 《REMOTE SENSING》 *
匡耀求 等: "基于土地功能定位的区域人口容量估算模型研究", 《广东社会科学》 *
吕安民 等: "基于遥感影像的城市人口密度模型", 《地理学报》 *
孙小芳: "夜光遥感支持下的城市人口核密度空间化及自相关分析", 《地球信息科学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114743159A (zh) * 2022-03-31 2022-07-12 武汉市江夏区人民政府纸坊街道办事处 一种基于物联网的智慧街道人口大数据综合管理平台

Similar Documents

Publication Publication Date Title
CN111738831B (zh) 一种业务处理方法、装置及系统
CN111311748B (zh) 室内立体图构建方法及装置、终端设备和存储介质
CN111755111B (zh) 一种基于供需关系的医疗资源优化配置方法及系统
KR20210114903A (ko) 부동산 시세 추정 시스템 및 방법
CN115409671B (zh) 社区居民人口微观数据合成方法、装置、终端及存储介质
CN116467788B (zh) 一种无障碍环境建设管理方法及系统
CN117669943A (zh) 基于bim的工程建设项目施工进展智能监测方法及系统
CN112818747A (zh) 一种基于空间大数据的城市特色街区人口密度估算方法和系统方法
CN113592260B (zh) 一种村庄空心化程度评估方法
Zhou et al. Evaluating building color harmoniousness in a historic district intelligently: An algorithm-driven approach using street-view images
Walter et al. Measuring the wisdom of the crowd: How many is enough?
JP2016170722A (ja) 評価システム、評価方法及び評価プログラム
CN114565207A (zh) 一种融合属性数据和流动数据的城市群高质量发展监测评估方法
CN111402105B (zh) 一种社区管理系统
TWI744299B (zh) 不動產估價用途的交易標的價格估算方法
CN115908083A (zh) 一种基于智慧社区的流动人口自助核实与登记方法
CN115587128A (zh) 一种用于小区的实有人口积分管理系统
CN115879594A (zh) 一种基于地理探测器的城市定居人口分布趋势预测方法
CN115375500A (zh) 风险地图生成方法、装置、设备及存储介质
CN115239947A (zh) 基于无监督学习的小麦条锈病严重度评估方法及装置
CN114783586A (zh) 一种基于5g技术的智慧医疗管理方法、系统、终端及介质
Harris 10 Population mapping by geodemographics and digital imagery
US20230027774A1 (en) Smart real estate evaluation system
KR101974007B1 (ko) 주차정보를 이용한 부동산 가치평가 시스템
AU2018101529A4 (en) A device of evaluating the dewing conditions of a house

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210518

RJ01 Rejection of invention patent application after publication