CN113115204B - 一种基于5g物联网的流动人口数字化智能判别方法 - Google Patents
一种基于5g物联网的流动人口数字化智能判别方法 Download PDFInfo
- Publication number
- CN113115204B CN113115204B CN202110352418.9A CN202110352418A CN113115204B CN 113115204 B CN113115204 B CN 113115204B CN 202110352418 A CN202110352418 A CN 202110352418A CN 113115204 B CN113115204 B CN 113115204B
- Authority
- CN
- China
- Prior art keywords
- mobile phone
- phone user
- population
- house
- floating population
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于5G物联网的流动人口数字化智能判别方法,属于通信定位技术领域,包括以下步骤:步骤S1:对手机用户进行室外定位:步骤S2:对手机用户进行室内定位:S3:手机用户首次租房的引导;S4:流动人口的统计。本方案在室内结合智能锁,采用了网格化定位匹配的方式,来确定手机用户的室内位置,可以为后台提供该手机用户的室内实时位置,从而通过手机即可实现租客管理、房屋管理。并将租客的流动信息,反馈到云端,从而构建全域流动人口数字化治理体系,提升城市数字化治理能力和治理水平。
Description
技术领域
本发明涉及通信定位技术领域,具体涉及一种基于5G物联网的流动人口数字化智能判别方法。
背景技术
随着社会经济快速发展、人民生活水平不断提高,公众活动日渐增多,如何保证公众活动的公共场所人身安全,保证大型公众活动人员的流通顺畅,已经成为保障社会公共安全和稳定的重要问题。
现有技术中,对公共场所人口密度的预警通常采用以下三类方式:1、视频监控+图像识别技术,通过在公共场所的入口、通道或者关键位置安装视频监控设备,采集监控视频,然后通过图像识别技术,识别其中的人像,进而判断公共场所的人口密度情况。2、传感器感应识别技术,通过在公共场所的入口、通道或者关键位置安装传感器,如红外射线、传感地毯等,通过传感器的感应控制,判断公共场所的人口密度情况。3、基于位置的服务LBS技术,通过智能手机的定位服务,判断公共场所的人口密度情况。上述三种公共场所人口密度预警方式主要存在以下问题:1、视频监控+图像识别技术,需要安装视频监控设备,视频监控设备安装和维护需要投资,成本高;且监控视频采集后还需要通过图像识别技术来识别其中的人像,算法研发难度高,人像识别的准确率不高,影响人口密度计算的准确性。2、传感器感应识别技术,需要安装传感器,传感器的安装和维护同样需要投资,成本高;且传感器的感应控制数据噪声多,如红外射线传感器易受光线影响、传感地毯压力感应无法区别人、动物和物体,同样影响人口密度计算的准确性。3、LBS技术,需要智能手机打开定位服务(GPS定位服务),才能通过LBS获取目标监控区域内的人口密度,同样影响人口密度计算的准确性。
随着科技的发展与进步,移动终端走入了千家万户,每个人几乎都有一台手机,恰好,这些年是5G发展的关键年份,5G基站中毫米波的覆盖范围在100-300米,而4G基站的覆盖范围在1.5-3公里,也就是说,5G基站的密度将大大超过4G基站的布设密度。毫米波的应用场景主要针对大带宽、高容量的应用,面向高频段的eMBB场景,可用于人口密度大、网络容量需求大的热点区域。因此,借助5G这一契机,设计一种基于5G的协同定位方法,来提高流动人口的识别和管理。
发明内容
本发明主要是解决上述现有技术所存在的技术问题,提供一种基于5G物联网的流动人口数字化智能判别方法。
为了实现上述目的,本发明采用了如下技术方案。
一种基于5G物联网的流动人口数字化智能判别方法,包括以下步骤:
步骤S1:对手机用户进行室外定位:
构建手机用户与基站的切换序列;根据基站所在的坐标,得到该时间段的手机用户的坐标;过滤低置信度的基站,重新确定该时间段的手机用户的坐标;并建立手机用户的时间分段序列集;
步骤S2:对手机用户进行出租房社区的室内定位:
步骤S2a:将智能锁安装于出租房,智能锁存储有该出租房的基本信息;出租房的基本信息包括出租房地址、房东信息和智能锁密码;将智能锁无线连接到云端,并与云端实现数据的传输;
步骤S2b:对同一室内的平层进行网格的虚拟分隔,测量每个网格所能接收到的周围所有智能锁发送的无线信号强度值,建立每个网格的中心坐标(x,y)与该网格能接收到的无线信号强度值集合M={(d1、r1),(d2、r2),(d3、r3)...(dn、rn)}之间的映射,其中,n为正整数,rn表示该网格中心能接收到的第n个智能锁发送的无线信号强度值,且r1≥r2≥r3≥...≥rn;dn表示接收到无线信号强度值为rn的智能锁的信号名称,信号名称在智能锁上设置,且信号名称的前4个符号都为智能锁设定的固定符号;并将第i个网格的中心坐标(xi,yi)与该网格能接收到的无线信号强度值集合Mi建立映射二元组((xi,yi),Mi);
步骤S2c:将所有网格的映射二元组存储于云端;
步骤S2d:手机用户在室内时,当5G信号消失时,记录5G信号最后出现的室外坐标并在云端调取该室外坐标附近的室内的映射二元组;然后,获得手机在t时刻接收到的周围所有设备的信号名称和无线信号强度值,并挑选出前4个符号为智能锁设定的固定符号的信号名称以及该信号名称对应的无线信号强度值,并根据无线信号强度值的强弱进行从大到小的排列,形成接收强度集合N={(D1、R1),(D2、R2),(D3、R3)...(Dn、Rn)},其中,n为正整数,Rn表示该手机能接收到的第n个智能锁发送的无线信号强度值,且R1≥R2≥R3≥...≥Rn,Dn表示接收到无线信号强度值为Rn的智能锁的信号名称;最后对接收强度集合N与云端调取该室外坐标附近的室内的映射二元组中的所有无线信号强度值集合M进行匹配,将匹配度最高的M所在的映射二元组中的中心坐标(xi,yi)作为手机用户在t时刻时的室内位置坐标。
S3:手机用户首次租房的引导;
S4:出租房社区的流动人口的统计。
进一步,步骤S1中,重新确定该时间段的手机用户的坐标的过程如下:选取手机能接受到的信号最强的三个基站P1、P2、P3;基站P1的坐标分别(X1,Y1),手机接收到的P1的信号强度为R1;基站P2的坐标分别(X2,Y2),手机接收到的P2的信号强度为R2;基站P3的坐标分别(X3,Y3),手机接收到的P3的信号强度为R3;通过以下方程组,求解手机用户的坐标(X0,Y0):
R1=38.3log10(d1)+17.3+24.9log10(f);
R2=38.3log10(d2)+17.3+24.9log10(f);
R3=38.3log10(d3)+17.3+24.9log10(f);
d12=(X0-X1)2+(Y0-Y1)2;
d22=(X0-X2)2+(Y0-Y2)2;
d32=(X0-X3)2+(Y0-Y3)2;
其中,d1为手机用户到基站P1的距离;d2为手机用户到基站P3的距离;d3为手机用户到基站P3的距离;f为5G的工作频段。
进一步,步骤S3中,包括以下步骤:
S3a,手机用户连接到云端,将手机号码、租住人的身份信息、租住时间发送该云端,并在云端上挑选租住的房号;手机用户支付房租定金之后,收到云端发送的出租房地址、房号和智能锁密码;
S3b,云端读取手机用户的位置信息;当手机用户进入到室内的对应平层,云端通过步骤S2d读取到手机用户的室内位置坐标,并根据手机用户在t时刻时的室内位置坐标以及出租房地址,给出室内线路导引;
S3c,手机用户到达出租房地址之后,通过房号确认出租房地址的正确性,然后输入智能锁密码打开智能锁;智能锁将开锁信息发送到云端存储。
进一步,步骤S4中,包括以下步骤:
S4a:建立手机用户的时间分段序列集;建立手机用户的时间分段序列集{An(p,tn-tn-1)、An-1(p,tn-1-tn-2)、An-2(p,tn-2-tn-3)...A1(p,t1-t0)},其中,p为所需要预警的行政区划,tn为序列号n的时间点,tn-tn-1为序列号n的时间分段,An为序列号n的时间分段的该手机用户的人口计数值;在时间段tn-tn-1中,若该手机用户的坐标出现于所需要预警的行政区划p,则An为1,否则An为0;
S4b:观察手机用户在该行政区划内预设的时间周期内的打点记录,采用步骤S1的方法对手机用户进行室外定位;
先判断是否常住人口:当被判定为停留在该行政区划内的周期的比例超过阈值时,判定该用户为所述行政区划内的常住人口,滤除该用户在该行政区划外的数据;设定时间分段阈值ΔTn=tn-tn-1=3天,取90天为一个完成的统计周期,则n为30,当A1+A2+A3+...+An-1+An=n,则当前手机用户为常住人口;
不是常驻人口的情况下,再判断是否是流动人口:观测连续N个预设周期内区域内的手机用户,将在n个时段内有超过M个打点记录,其中M小于n且不小于3,则该手机用户属于流动人口。当A1+A2+A3+...+An-1+An=M,且3≤M<n,则当前手机用户为流动人口;
当该租客既不是上述常住人口,也不是上述流动人口,则归为短时过境人口;
S4c:计算监测时段内出租房社区的流动人口数,进行出租房社区的流动人口分析。
计算流动人口在不同出租房社区之间的聚集/离散程度;某市的不同出租房社区之间的流动人口差异计算公式如下:
其中,Ti表示i市的不同出租房社区之间的流动人口差异值;Yij表示i市的出租房社区j的流动人口数;Y表示i市的全市流动人口数;Nij表示i市的出租房社区j的人口总数;N表示i市的全市人口总数。
S4d:建立出租房的流动人口预警:
出租房社区活动系数P的计算公式如下:
P=(Q*B*C*T)/(1-R);
其中:Q为出租房所有租户人数;设定一天内每小时人员流动的最大值为平均值的B倍;C为人员流动并发系数,一般在10%到15%之间进行选取,表示某一住户在一小时内被指纹锁记录的可能,主要考虑的是由于出现社会性活动,造成的人员并发,相互干涉的情况,其计算方式可以是每天指纹锁记录记录次数除以24;T为同一人每天流动的最大次数;R为冗余系数,通常在1%-10%的区间;
预设一个出租房社区活动系数P的稳定区间:Pmin~Pmax;若P处于该范围内时,则认定该区域的社区稳定性高,注册登记的租户数量与实际的社区活动场景相适应;若P不在该范围时,则认定,社区活动与注册登记的租户数量不相符,需要修正真实租户。
本发明具有以下优点:
1,5G属于一种典型的视距传输方式毫米波属于甚高频段,它以直射波的方式在空间进行传播,波束很窄,具有良好的方向性。所以,本方法采用5G在空间的信号衰减的程度来计算手机用户到基站之间的距离,并通过3个基站来协同确认手机用户的位置,避免单个基站因为伪基站的问题而导致的位置定位错误。
2,在室内环境下5G的信号较弱,因此,本方案通过物联网的方式对手机用户进行出租房社区的室内定位。本方案在室内结合智能锁,采用了网格化定位匹配的方式,来确定手机用户的室内位置,可以为后台提供该手机用户的室内实时位置,从而通过手机即可实现租客管理、房屋管理。并将租客的流动信息,反馈到云端,从而构建出租房社区的流动人口数字化治理体系,提升出租房社区的数字化治理能力和治理水平。
3,本方法适用于出租房社区的治理。先通过室外手机定位的方式,获得流动人口的大数据,然后通过智能锁获得该社区流动人口的出行方式,从而分析该社区的聚集/离散程度,并建立出租房的流动人口预警,为用户和房东的相关决策提供依据。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述。
流动人口,与我国传统的户籍制度密切相关。目前,学界对于“流动人口”尚无明确而广泛的界定。根据研究的目的以及实际职能部门管理的需要,对于流动人口存在不同的理解:
一是从人口地理学的角度:流动人口是在一定地理区域内存在短暂流动行为的那部分人口,他们是人口空间迁移变动的特殊形式之一。
二是从经济学的角度,有两种定义:第一种是人口迁移的原因作为依据,将流入某一区域开展社会经济活动但其常住户口却未改变的那部分人口;第二种是产业的不同作为标准,把脱离了第一产业却不能进入城市正规的单位或部门工作的这些人口,定义为流动人口。
三是从行政管理的角度,以是否具有一地的常住户口来界定流动人口,通常将流动人口定义为,滞留某地却没有该地常住户口的那部分居民。
一种基于5G物联网的流动人口数字化智能判别方法,包括以下步骤:
S1:对手机用户进行室外定位:
构建手机用户与基站的切换序列;根据基站所在的坐标,得到该时间段的手机用户的坐标;过滤低置信度的基站,重新确定该时间段的手机用户的坐标;
手机用户与基站的切换过程是:根据手机能接收到的基站信号的强度指标,当通信基站的信号强度低于切换门限值,则选择接收信号最强的目标基站作为当前的通信基站,并记录每次切换的时间点和通信基站的坐标。
本切换过程设置了切换门限值,只有在当通信基站的信号强度的信号足够弱,低于了切换门限值,才会触发手机用户与基站的切换。在保证了通信质量的前提下,避免了切换次数过于繁琐。
过滤低置信度的基站,例如过滤掉伪基站,重新确定该时间段的手机用户的坐标;重新确定该时间段的手机用户的坐标的步骤如下:
选取手机能接受到的信号最强的三个基站P1、P2、P3;基站P1的坐标分别(X1,Y1),手机接收到的P1的信号强度为R1;基站P2的坐标分别(X2,Y2),手机接收到的P2的信号强度为R2;基站P3的坐标分别(X3,Y3),手机接收到的P3的信号强度为R3;通过以下方程组,求解手机用户的坐标(X0,Y0):
R1=38.3log10(d1)+17.3+24.9log10(f);
R2=38.3log10(d2)+17.3+24.9log10(f);
R3=38.3log10(d3)+17.3+24.9log10(f);
d12=(X0-X1)2+(Y0-Y1)2;
d22=(X0-X2)2+(Y0-Y2)2;
d32=(X0-X3)2+(Y0-Y3)2;
其中,d1为手机用户到基站P1的距离;d2为手机用户到基站P3的距离;d3为手机用户到基站P3的距离;f为5G的工作频段。
本方法,先计算手机用户到3个基站的距离,则此时,手机用户在以基站为圆心,距离为半径的圆上,通过这3个圆的交点,确定手机用户的坐标,并将该坐标上传至云端存储。
5G属于一种典型的视距传输方式毫米波属于甚高频段,它以直射波的方式在空间进行传播,波束很窄,具有良好的方向性。所以,本方法采用5G在空间的信号衰减的程度来计算手机用户到基站之间的距离,并通过3个基站来协同确认手机用户的位置,避免单个基站因为伪基站的问题而导致的位置定位错误。
S2:对手机用户进行出租房社区的室内定位:
S2a:将智能锁安装于出租房,智能锁存储有该出租房的基本信息;出租房的基本信息包括出租房地址、房东信息和智能锁密码;将智能锁无线连接到云端,并与云端实现数据的传输。此处的无线连接,可以是wifi或者3G、4G、5G等。智能锁安装有无线信号发送器,无线信号发送器实时向周围发射可被手机探测到的无线信号。此处的无线信号是指WiFi、蓝牙、红外线等。
S2b:对同一室内的平层进行网格的虚拟分隔,测量每个网格所能接收到的周围所有智能锁发送的无线信号强度值,建立每个网格的中心坐标(x,y)与该网格能接收到的无线信号强度值集合M={(d1、r1),(d2、r2),(d3、r3)...(dn、rn)}之间的映射,其中,n为正整数,rn表示该网格中心能接收到的第n个智能锁发送的无线信号强度值,且r1≥r2≥r3≥...≥rn;dn表示接收到无线信号强度值为rn的智能锁的信号名称,信号名称在智能锁上设置,且信号名称的前4个符号都为智能锁设定的固定符号,例如智能锁设置的WiFi名称的前4个符号为lock;并将第i个网格的中心坐标(xi,yi)与该网格能接收到的无线信号强度值集合Mi建立映射二元组((xi,yi),Mi)。网格呈虚拟正方形,且网格的宽度小于位置最接近的两把智能锁的间距。
S2c:将所有网格的映射二元组存储于云端。
S2d:手机用户在室内时,当5G信号消失时,记录5G信号最后出现的室外坐标并在云端调取该室外坐标附近的室内的映射二元组;然后,获得手机在t时刻接收到的周围所有设备的信号名称和无线信号强度值,并挑选出前4个符号为智能锁设定的固定符号的信号名称以及该信号名称对应的无线信号强度值,并根据无线信号强度值的强弱进行从大到小的排列,形成接收强度集合N={(D1、R1),(D2、R2),(D3、R3)...(Dn、Rn)},其中,n为正整数,Rn表示该手机能接收到的第n个智能锁发送的无线信号强度值,且R1≥R2≥R3≥...≥Rn,Dn表示接收到无线信号强度值为Rn的智能锁的信号名称;最后对接收强度集合N与云端调取该室外坐标附近的室内的映射二元组中的所有无线信号强度值集合M进行匹配,将匹配度最高的M所在的映射二元组中的中心坐标(xi,yi)作为手机用户在t时刻时的室内位置坐标。
本方案,通过校验信号名称,从而排除了其他设备的无线信号对于室内定位的干扰。
S3:手机用户首次租房的引导:
S3a,手机用户连接到云端,将手机号码、租住人的身份信息、租住时间发送该云端,并在云端上挑选租住的房号;手机用户支付房租定金之后,收到云端发送的出租房地址、房号和智能锁密码;
S3b,云端读取手机用户的位置信息;当手机用户进入到室内的对应平层,云端通过步骤S2d读取到手机用户的室内位置坐标,并根据手机用户在t时刻时的室内位置坐标以及出租房地址,给出室内线路导引;
S3c,手机用户到达出租房地址之后,通过房号确认出租房地址的正确性,然后输入智能锁密码打开智能锁;智能锁将开锁信息发送到云端存储。
5G在室内衰减严重,一方面无法提供手机用户的准确位置,另一方面,也无法对室内的流动人口进行统计。因此,本方案在室内结合智能锁,采用了网格化定位匹配的方式,来确定手机用户的室内位置,可以为后台提供该手机用户的室内实时位置,从而通过手机即可实现租客管理、房屋管理。并将租客的流动信息,反馈到云端,从而构建出租房社区的流动人口数字化治理体系,提升出租房社区的数字化治理能力和治理水平。
S4:出租房社区的流动人口的统计:
S4a:建立手机用户的时间分段序列集。建立手机用户的时间分段序列集{An(p,tn-tn-1)、An-1(p,tn-1-tn-2)、An-2(p,tn-2-tn-3)...A1(p,t1-t0)},其中,p为所需要预警的行政区划,tn为序列号n的时间点,tn-tn-1为序列号n的时间分段,An为序列号n的时间分段的该手机用户的人口计数值;在时间段tn-tn-1中,若该手机用户的坐标出现于所需要预警的行政区划p,则An为1,否则An为0。
S4b:观察手机用户在该行政区划内预设的时间周期内的打点记录,采用步骤S1的方法对手机用户进行室外定位。
先判断是否常住人口:当被判定为停留在该行政区划内的周期的比例超过阈值时,判定该用户为所述行政区划内的常住人口,滤除该用户在该行政区划外的数据;设定时间分段阈值ΔTn=tn-tn-1=3天,取90天为一个完成的统计周期,则n为30,当A1+A2+A3+...+An-1+An=n,则当前手机用户为常住人口。
不是常驻人口的情况下,再判断是否是流动人口:观测连续N个预设周期内区域内的手机用户,将在n个时段内有超过M个打点记录,其中M小于n且不小于3,则该手机用户属于流动人口。当A1+A2+A3+...+An-1+An=M,且3≤M<n,则当前手机用户为流动人口,包含在本次研究对象范畴内;
当该租客既不是上述常住人口,也不是上述流动人口,则归为短时过境人口,不包含在本次研究对象范畴内。
S4c:计算监测时段内出租房社区的流动人口数,进行出租房社区的流动人口分析。
计算不同出租房社区之间的聚集/离散程度。
某市的不同出租房社区之间的流动人口差异计算公式如下:
其中,Ti表示i市的不同出租房社区之间的流动人口差异值;Yij表示i市的出租房社区j的流动人口数;Y表示i市的全市流动人口数;Nij表示i市的出租房社区j的人口总数;N表示i市的全市人口总数。
Ti值越大,表示不同出租房社区之间的流动人口差异越大。通过Ti值,判断不同出租房之间的流动人口差异,为观察不同出租房之间的流动人口变动方向、变动幅度以及各自在总差距中的重要性提供方便。
S4d:建立出租房的流动人口预警:
出租房社区活动系数P的计算公式如下:
P=(Q*B*C*T)/(1-R);
其中:Q为出租房所有租户人数;设定一天内每小时人员流动的最大值为平均值的B倍;C为人员流动并发系数,一般在10%到15%之间进行选取,表示某一住户在一小时内被指纹锁记录的可能,主要考虑的是由于出现社会性活动,造成的人员并发,相互干涉的情况,其计算方式可以是每天指纹锁记录记录次数除以24;T为同一人每天流动的最大次数;R为冗余系数,通常在1%-10%的区间;
预设一个出租房社区活动系数P的稳定区间:Pmin~Pmax;若P处于该范围内时,则认定该区域的社区稳定性高,注册登记的租户数量与实际的社区活动场景相适应;若P不在该范围时,则认定,社区活动与注册登记的租户数量不相符,需要修正真实租户。
在实际应用中,Pmin~Pmax的范围的自行拟定,可能每个出租房社区都不相同,前期确定时需要利用一段时间的大数据进行分析,比如,该出租房社区内年轻人较多,外卖、快递的使用频率高,其社会活动频率必然不同于老年人较多的社区;在出租房社区试点应用时,申请人发现,正常的入住以及离住行为,短时间内不会造成系数P的波动,但是异常行为便会在短时间内体现,如新入住了一大批人未办理登记,那么默认Q的值没有变化,但是由于实际居住人数会变多,C的值则会突增,造成P的波动,会被敏锐地体现出来。
此步骤也是本实施例的一个“亮点”,以小区整栋楼为例,现有的管理系统中,缺少对整栋楼承载出粗人数的精确把控,参照现在的出租现象,为了提高租房收入,对现有的户型进行打隔断也是比较常见的。所以有必要对这种情况纳入管理系统中来。从户型的角度上对整栋楼进行容纳租户的数量统计,更为科学,再利用此步骤的结果对P值范围进行调整,从而拟合出一个合理P值的区间范围。并且“隔断”户型还需要纳入登记信息中,更有利于管理。
本发明突破传统调查的限制,利用大数据从行为轨迹中提取客观时空信息进行分析挖掘,突破低采样率的限制并可进行不同口径多次、充分信息提取,从空间及时间维度,对出租房人口流动进行观察及识别,以便该数据的应用能够在不同的领域发挥价值。
本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (2)
1.一种基于5G物联网的流动人口数字化智能判别方法,其特征在于,包括以下步骤:
步骤S1:对手机用户进行室外定位:
构建手机用户与基站的切换序列;根据基站所在的坐标,得到时间分段的手机用户的坐标;过滤低置信度的基站,重新确定时间分段的手机用户的坐标;并建立手机用户的时间分段序列集;
步骤S2:对手机用户进行出租房社区的室内定位:
步骤S2a:将智能锁安装于出租房,智能锁存储有该出租房的基本信息;出租房的基本信息包括出租房地址、房东信息和智能锁密码;将智能锁无线连接到云端,并与云端实现数据的传输;
步骤S2b:对同一室内的平层进行网格的虚拟分隔,测量每个网格所能接收到的周围所有智能锁发送的无线信号强度值,建立每个网格的中心坐标(x,y)与该网格能接收到的无线信号强度值集合M={(d1、r1),(d2、r2),(d3、r3)...(dn、rn)}之间的映射,其中,n为正整数,rn表示该网格中心能接收到的第n个智能锁发送的无线信号强度值,且r1≥r2≥r3≥...≥rn;dn表示接收到无线信号强度值为rn的智能锁的信号名称,信号名称在智能锁上设置,且信号名称的前4个符号都为智能锁设定的固定符号;并将第i个网格的中心坐标(xi,yi)与该网格能接收到的无线信号强度值集合Mi建立映射二元组((xi,yi),Mi);
步骤S2c:将所有网格的映射二元组存储于云端;
步骤S2d:手机用户在室内时,当5G信号消失时,记录5G信号最后出现的室外坐标并在云端调取该室外坐标附近的室内的映射二元组;然后,获得手机在t时刻接收到的周围所有设备的信号名称和无线信号强度值,并挑选出前4个符号为智能锁设定的固定符号的信号名称以及该信号名称对应的无线信号强度值,并根据无线信号强度值的强弱进行从大到小的排列,形成接收强度集合N={(D1、R1),(D2、R2),(D3、R3)...(Dn、Rn)},其中,n为正整数,Rn表示该手机能接收到的第n个智能锁发送的无线信号强度值,且R1≥R2≥R3≥...≥Rn,Dn表示接收到无线信号强度值为Rn的智能锁的信号名称;最后对接收强度集合N与云端调取该室外坐标附近的室内的映射二元组中的所有无线信号强度值集合M进行匹配,将匹配度最高的M所在的映射二元组中的中心坐标(xi,yi)作为手机用户在t时刻时的室内位置坐标;
S3:手机用户首次租房的引导;
S4:出租房社区的流动人口的统计;
步骤S3中,包括以下步骤:
S3a,手机用户连接到云端,将手机号码、租住人的身份信息、租住时间发送该云端,并在云端上挑选租住的房号;手机用户支付房租定金之后,收到云端发送的出租房地址、房号和智能锁密码;
S3b,云端读取手机用户的位置信息;当手机用户进入到室内的对应平层,云端通过步骤S2d读取到手机用户的室内位置坐标,并根据手机用户在t时刻时的室内位置坐标以及出租房地址,给出室内线路导引;
S3c,手机用户到达出租房地址之后,通过房号确认出租房地址的正确性,然后输入智能锁密码打开智能锁;智能锁将开锁信息发送到云端存储;
步骤S4中,包括以下步骤:
S4a:建立手机用户的时间分段序列集;建立手机用户的时间分段序列集{An(p,tn-tn-1)、An-1(p,tn-1-tn-2)、An-2(p,tn-2-tn-3)...A1(p,t1-t0)},其中,p为所需要预警的行政区划,tn为序列号n的时间点,tn-tn-1为序列号n的时间分段,An为序列号n的时间分段的该手机用户的人口计数值;在时间分段tn-tn-1中,若该手机用户的坐标出现于所需要预警的行政区划p,则An为1,否则An为0;
S4b:观察手机用户在该行政区划内预设的时间周期内的打点记录,采用步骤S1的方法对手机用户进行室外定位;
先判断是否常住人口:当被判定为停留在该行政区划内的周期的比例超过阈值时,判定该手机用户为所述行政区划内的常住人口,滤除该手机用户在该行政区划外的数据;设定时间分段阈值ΔTn=tn-tn-1=3天,取90天为一个完成的统计周期,则n为30,当A1+A2+A3+...+An-1+An=n,则当前手机用户为常住人口;
不是常驻人口的情况下,再判断是否是流动人口:观测连续N个预设周期内区域内的手机用户,将在n个时段内有超过M个打点记录,其中M小于n且不小于3,则该手机用户属于流动人口;
当A1+A2+A3+...+An-1+An=M,且3≤M<n,则当前手机用户为流动人口;
当手机用户既不是上述常住人口,也不是上述流动人口,则归为短时过境人口;
S4c:计算监测时段内出租房社区的流动人口数,进行出租房社区的流动人口分析;
计算流动人口在不同出租房社区之间的聚集/离散程度;某市的不同出租房社区之间的流动人口差异计算公式如下:
其中,Ti表示i市的不同出租房社区之间的流动人口差异值;Yij表示i市的出租房社区j的流动人口数;Y表示i市的全市流动人口数;Nij表示i市的出租房社区j的人口总数;N表示i市的全市人口总数;
S4d:建立出租房的流动人口预警:
出租房社区活动系数P的计算公式如下:
P=(Q*B*C*T)/(1-R);
其中:Q为出租房所有租户人数;设定一天内每小时人员流动的最大值为平均值的B倍;C为人员流动并发系数,在10%到15%之间进行选取,表示某一住户在一小时内被指纹锁记录的可能,考虑的是由于出现社会性活动,造成的人员并发,相互干涉的情况,其计算方式是每天指纹锁记录次数除以24;T为同一人每天流动的最大次数;R为冗余系数,在1%-10%的区间;
预设一个出租房社区活动系数P的稳定区间:Pmin~Pmax;若P处于该范围内时,则认定该区域的社区稳定性高,注册登记的租户数量与实际的社区活动场景相适应;若P不在该范围时,则认定,社区活动与注册登记的租户数量不相符,需要修正真实租户。
2.如权利要求1所述的一种基于5G物联网的流动人口数字化智能判别方法,其特征在于,步骤S1中,重新确定时间分段的手机用户的坐标的过程如下:选取手机能接受到的信号最强的三个基站P1、P2、P3;基站P1的坐标分别(X1,Y1),手机接收到的P1的信号强度为R1;基站P2的坐标分别(X2,Y2),手机接收到的P2的信号强度为R2;基站P3的坐标分别(X3,Y3),手机接收到的P3的信号强度为R3;通过以下方程组,求解手机用户的坐标(X0,Y0):
R1=38.3log10(d1)+17.3+24.9log10(f);
R2=38.3log10(d2)+17.3+24.9log10(f);
R3=38.3log10(d3)+17.3+24.9log10(f);
d12=(X0-X1)2+(Y0-Y1)2;
d22=(X0-X2)2+(Y0-Y2)2;
d32=(X0-X3)2+(Y0-Y3)2;
其中,d1为手机用户到基站P1的距离;d2为手机用户到基站P3的距离;d3为手机用户到基站P3的距离;f为5G的工作频段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110352418.9A CN113115204B (zh) | 2021-03-31 | 2021-03-31 | 一种基于5g物联网的流动人口数字化智能判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110352418.9A CN113115204B (zh) | 2021-03-31 | 2021-03-31 | 一种基于5g物联网的流动人口数字化智能判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113115204A CN113115204A (zh) | 2021-07-13 |
CN113115204B true CN113115204B (zh) | 2022-07-01 |
Family
ID=76713514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110352418.9A Active CN113115204B (zh) | 2021-03-31 | 2021-03-31 | 一种基于5g物联网的流动人口数字化智能判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113115204B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096631A (zh) * | 2016-06-02 | 2016-11-09 | 上海世脉信息科技有限公司 | 一种基于手机大数据的流动人口分类识别分析方法 |
CN106127627A (zh) * | 2016-07-27 | 2016-11-16 | 温州大学瓯江学院 | 一种出租房管理系统及方法 |
CN106296531A (zh) * | 2016-07-21 | 2017-01-04 | 柳州龙辉科技有限公司 | 一种基于蓝牙锁定功能的流动人口管理系统 |
CN107273833A (zh) * | 2017-06-06 | 2017-10-20 | 深圳市至壹科技开发有限公司 | 用于监测流动人口的方法及其系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150324822A1 (en) * | 2014-05-06 | 2015-11-12 | Mastercard International Incorporated | Predicting transient population based on payment card usage |
-
2021
- 2021-03-31 CN CN202110352418.9A patent/CN113115204B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096631A (zh) * | 2016-06-02 | 2016-11-09 | 上海世脉信息科技有限公司 | 一种基于手机大数据的流动人口分类识别分析方法 |
CN106296531A (zh) * | 2016-07-21 | 2017-01-04 | 柳州龙辉科技有限公司 | 一种基于蓝牙锁定功能的流动人口管理系统 |
CN106127627A (zh) * | 2016-07-27 | 2016-11-16 | 温州大学瓯江学院 | 一种出租房管理系统及方法 |
CN107273833A (zh) * | 2017-06-06 | 2017-10-20 | 深圳市至壹科技开发有限公司 | 用于监测流动人口的方法及其系统 |
Non-Patent Citations (1)
Title |
---|
基于手机定位数据的个体出行行为特征分析综述;陈旭;《综合运输》;20190930;第41卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113115204A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102726003B (zh) | 综合利用毫微微小区网络以进行房产管理或监视 | |
Varshavsky et al. | GSM indoor localization | |
Otsason et al. | Accurate GSM indoor localization | |
CN105336097B (zh) | 人口流动轨迹的交通预警方法及装置 | |
CN105243844A (zh) | 一种基于手机信令的道路状态识别方法 | |
CN107113561A (zh) | 用于估计人群中的人数的方法和系统 | |
CN103856887A (zh) | 一种基于信令消息的景区客流实时统计方法 | |
CN107624249A (zh) | 用于通过电信网络的聚合数据实时计数人群中的人数的方法和系统 | |
EP3815073B1 (en) | Method and system for traffic analysis | |
Mohottige et al. | Role of campus WiFi infrastructure for occupancy monitoring in a large university | |
CN104349335B (zh) | 一种网络覆盖规划指标分析方法及系统 | |
Imai et al. | Origin-destination trips generated from operational data of a mobile network for urban transportation planning | |
CN111163490B (zh) | 一种基于手机mac进行家庭住户分析方法 | |
CN113115204B (zh) | 一种基于5g物联网的流动人口数字化智能判别方法 | |
Demissie | Combining datasets from multiple sources for urban and transportation planning: Emphasis on cellular network data | |
Liu et al. | Location-aware smart campus security application | |
Farah et al. | Sunrise: large scale demonstrator of the smart water system | |
Ayan et al. | Characterizing human mobility patterns during covid-19 using cellular network data | |
CN115334568B (zh) | 移动通信网络质量评估方法、装置及电子设备 | |
CN112601177B (zh) | 公共区域人流导流的方法、系统、服务器和存储介质 | |
CN103188694B (zh) | 一种提升wlan分流效果和规划准确率的方法及系统 | |
Xie et al. | Reuse of WiFi information for indoor monitoring of the elderly | |
CN115412851A (zh) | 室内定位方法、装置、服务器及存储介质 | |
Lu et al. | Evaluating spatial and temporal characteristics of population density using cellular data | |
CN110290490B (zh) | 一种室内混合指纹地图的构建方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Sun Bing Inventor before: Hong Zhenjie Inventor before: Xu Yifan Inventor before: Sun Bing |