CN113536256B - 一种人口流动数据的统计分析方法、装置及电子设备 - Google Patents

一种人口流动数据的统计分析方法、装置及电子设备 Download PDF

Info

Publication number
CN113536256B
CN113536256B CN202110851397.5A CN202110851397A CN113536256B CN 113536256 B CN113536256 B CN 113536256B CN 202110851397 A CN202110851397 A CN 202110851397A CN 113536256 B CN113536256 B CN 113536256B
Authority
CN
China
Prior art keywords
population
data
mac address
address data
preset
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
CN202110851397.5A
Other languages
English (en)
Other versions
CN113536256A (zh
Inventor
肖刚
肖亮
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.)
Jiangxi Gosun Guard Security Service Technology Co ltd
Original Assignee
Jiangxi Gosun Guard Security Service 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 Jiangxi Gosun Guard Security Service Technology Co ltd filed Critical Jiangxi Gosun Guard Security Service Technology Co ltd
Priority to CN202110851397.5A priority Critical patent/CN113536256B/zh
Publication of CN113536256A publication Critical patent/CN113536256A/zh
Application granted granted Critical
Publication of CN113536256B publication Critical patent/CN113536256B/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
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种人口流动数据的统计分析方法、装置及电子设备，具体涉及智能安防技术领域。其中该方法包括：获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据；根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数。通过利用人口信息数据用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息的唯一性，从而确定出目标区域的人口流动数据，降低人口信息管理的难度。

Description

一种人口流动数据的统计分析方法、装置及电子设备
技术领域
本发明涉及智能安防技术领域，具体涉及一种人口流动数据的统计分析方法、装置及电子设备。
背景技术
随着城市化进程逐渐加剧，大量劳动力流入城市，基于户籍统计的人员信息已经不能满足更精准的人口摸底要求，因此摸清流动人口户籍地、经常出入地点、流入流出时间等基本情况，对现代化社区治理提出了新的要求。在现有技术中，是通过门禁卡管理系统对流动人口进行管理，而门禁权限等仍需要调查人员手动的登记入住信息，且该方式在人员离开之后还会存在不能及时销户的问题。此外，在现有技术中还可通过人脸识别装置的人脸识别登记进行流动人口管理，但这需要安装大量人脸图像采集设备，其硬件配置投入、数据传输量运算量也是十分的巨大；且由于人脸识别图像的局限性，也会造成无法精准对流动人员进行准确识别。例如：当犯罪分子乔装打扮或是普通人戴上口罩和墨镜时，人脸识别装置就很难辨别，这样增加了对流动人员监控的难度。
发明内容
有鉴于此，本发明实施例提供了一种人口流动数据的统计分析方法、装置及电子设备，以解决现有技术中人口流动信息统计困难的问题。
根据第一方面，本发明实施例提供了一种人口流动数据的统计分析方法，其方法包括：
获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据；根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数。
在本实施例中，通过获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息进行数据筛选，已得到所需的各个子区域的人口流动数据，之后统计各个子区域的人口流动数据，以确定出所述目标区域的人口流动总数，利用人口信息数据用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息的唯一性，从而确定出目标区域的人口流动数据，降低人口信息管理的难度。
结合第一方面，在第一方面第一实施方式中，还包括：
判断所述人口信息数据及所述人口流动总数是否满足预设的人口画像管理策略的执行条件；若所述人口信息数据及所述人口流动总数满足所述预设的人口画像管理策略的执行条件，则根据人口画像管理策略中的步骤执行对应的人口画像管理；若所述人口信息数据及所述人口流动总数不满足所述预设的人口画像管理策略的执行条件，则更新所述人口信息数据和/或所述人口流动总数。
在本实施例中，通过判断所述人口信息数据及所述人口流动总数是否满足预设的人口画像管理策略的执行条件，并执行预设的人口画像管理策略中的条件，从而实现对人口信息的多样化管理，进一步提高该方法的灵活性及实用性。
结合第一方面，在第一方面第二实施方式中，所述根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据，包括：
基于所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行匹配得到所述各子区域中携带有人口信息的MAC地址数据；根据所述各子区域中携带有人口信息的MAC地址数据统计所述各子区域中携带有人口信息的MAC地址数据的数量；根据预设的各子区域中携带有人口信息的MAC地址数据的置信分与所述各子区域中携带有人口信息的MAC地址数据的数量确定各子区域的人口流动数据。
在本实施例中，通过将所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行匹配得到所述各子区域中携带有人口信息的MAC地址数据，并通过统计所述各子区域中携带有人口信息的MAC地址数据获得所述各子区域中携带有人口信息的MAC地址数据的数量，之后为了保证MAC地址数据的数量的真实性，通过设置置信分考虑误差因素，以使得所确定出的各子区域的人口流动数据更加贴近实际数据，从而进一步保证人口流动数据的统计分析方法的真实性与准确性。
结合第一方面的第二实施方式，在第一方面第三实施方式中，所述基于所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行匹配得到所述各子区域中携带有人口信息的MAC地址数据，包括：
获取预设周期内的MAC地址数据的采集时间及MAC地址数据信号的场强强度；基于所述预设周期内的MAC地址数据的采集时间按时间顺序对MAC地址数据进行排列，得到第一预设MAC地址数据表；基于所述MAC地址数据信号的场强强度按信号强度对MAC地址数据进行排列，得到第二预设MAC地址数据表；根据所述MAC地址数据、所述第一预设MAC地址数据表和第二预设MAC地址数据表结合得到第三预设MAC地址数据表；利用所述第三预设MAC地址数据表、识别信息与所述各子区域的人口信息数据进行匹配得到所述各子区域中携带有人口信息的MAC地址数据，其中所述各子区域中人口信息数据包括：个人居住信息、个人MAC地址数据。
在本实施例中，通过考虑时间因素以及MAC地址数据的场强强度并根据其时间因素及MAC地址数据的场强强度确定出各子区域中人口信息数据从而实现通过MAC地址数据确定出各子区域中人口信息中MAC地址数据所对应的实际位置，从而获得更加准确的且真实的得到各子区域中人口信息数据，进一步保证了人口信息管理数据的真实性与准确性，利用其方法简化了人口信息管理的难度，提高了人口信息管理的效率。
结合第一方面的第三实施方式，在第一方面第四实施方式中，所述根据所述MAC地址数据、所述第一预设MAC地址数据表和第二预设MAC地址数据表结合得到第三预设MAC地址数据表，包括：
基于所述MAC地址数据与所述第一预设MAC地址数据表和第二预设MAC地址数据表进行匹配，并将所述第一预设MAC地址数据表中与所述第二预设MAC地址数据表中相同的MAC地址数据取并集，得到所述第三预设MAC地址数据表。
在本实施例中，利用MAC地址数据与所述第一预设MAC地址数据表和第二预设MAC地址数据表进行匹配以确定出MAC地址数据在对应时间下的MAC地址数据的场强强度，之后为了防止MAC数据地址的重复给人口信息管理造成数据误差，需要将第一预设MAC地址数据表中与所述第二预设MAC地址数据表中相同的MAC地址数据取并集，得到所述第三预设MAC地址数据表。以保证数据的准确性及人口信息管理的稳定性。
结合第一方面，在第一方面第五实施方式中，所述根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数，包括：
基于所述各子区域的人口流动数据取并集得到所述目标区域的人口流动数据；根据所述目标区域的人口流动数据进行数量统计得到所述目标区域的人口流动总数。
在本实施例中，通过对各子区域的人口流动数据取并集，以消除各子区域中重复的数据，保证人口流动数据的唯一性，目标区域的人口流动总数的准确性及人口信息管理的准确性。
结合第一方面的第一实施方式，在第一方面第六实施方式中，所述根据人口画像管理策略中的步骤执行对应的人口画像管理，包括：
基于预设第一时间采集周期和预设第二时间采集周期提取所述人口流动总数中的第一人口的MAC地址数据和第二人口的MAC地址数据；根据所述第一人口的MAC地址数据和第二人口的MAC地址数据计算所述预设第一时间采集周期和预设第二时间采集周期内的人口流动总数的人口迁入率，和/或人口迁出率。
在本实施例中，通过获取不同时间周期内的人口流动总数，统计不同时间周期内的常驻人口数据以流动人口数据，根据其常驻人口数据以流动人口数据计算出人口流动总数的人口迁入率，和/或人口迁出率，从而实现人口信息管理的灵活性与多样性。
结合第一方面的第一实施方式，在第一方面第七实施方式中，所述根据人口画像管理策略中的步骤执行对应的人口画像管理，包括：
获取预设时间周期内目标区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；根据所述预设时间周期内目标区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息，统计用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；基于所述用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息进行预设数据筛选，以筛选出异常用户设备的MAC地址数据及异常用户设备所连接的网络设备的识别信息；将异常用户设备的MAC地址数据及异常用户设备所连接的网络设备的识别信息与目标区域的人口信息数据进行匹配得到异常数据的位置信息；根据所述异常数据的位置信息及异常用户设备的MAC地址数据、异常用户设备所连接的网络设备的识别信息生成预警事件。
在本实施例中，通过确定出异常数据，并根据异常数据生成预警事件，从而实现了人口信息管理的多样性，保证了目标区域内的人口安全。
根据第二方面，本发明实施例提供了一种人口流动数据的统计分析装置，其装置，包括：
获取模块，用于获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；筛选模块，用于根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据；统计模块，用于根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数。
在本实施例中，通过获取模块获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息，其次将所获取的数据送入筛选模块中进行数据筛选以获得各子区域的人口流动数据，之后将所获取的各个各子区域的人口流动数据送入统计模块进行数据统计以获得最终的目标区域的人口流动总数，从而目标区域的人口流动总数的准确性及人口信息管理的准确性。
根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的人口流动数据的统计分析方法。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1为根据本发明实施例提供的人口流动数据的统计分析方法的流程图；
图2为根据本发明实施例提供的人口流动数据的统计分析方法另一实施例的流程图；
图3为根据本发明实施例提供的人口流动数据的统计分析方法中步骤S2的流程图；
图4为根据本发明实施例提供的人口流动数据的统计分析方法中步骤S21的流程图；
图5为根据本发明实施例提供的人口流动数据的统计分析方法中步骤S3的流程图；
图6为根据本发明实施例提供的人口流动数据的统计分析方法中步骤S41的流程图；
图7为根据本发明实施例提供的人口流动数据的统计分析方法生成的每周居民迁入率或迁出率的时序图；
图8为根据本发明实施例提供的人口流动数据的统计分析方法中预测小区内的流入情况的曲线图；
图9为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区内MAC迁入迁出序列图；
图10为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区6天内MAC迁入迁出序列图；
图11为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第一MAC地址)内未筛选MAC出现天数的曲线图；
图12为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第二MAC地址)内未筛选MAC出现天数的曲线图；
图13为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第三MAC地址)内未筛选MAC出现天数的曲线图；
图14为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第四MAC地址)内未筛选MAC出现天数的曲线图；
图15为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第一MAC地址)内筛选MAC出现天数的曲线图；
图16为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第二MAC地址)内筛选MAC出现天数的曲线图；
图17为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第三MAC地址)内筛选MAC出现天数的曲线图；
图18为根据本发明实施例提供的人口流动数据的统计分析方法中某一小区(第四MAC地址)内筛选MAC出现天数的曲线图；
图19为根据本发明实施例提供的人口流动数据的统计分析方法中又一种步骤S41的流程图；
图20为根据本发明实施例提供的人口流动数据的统计分析装置的结构框图；
图21为根据本发明实施例提供的一种电子设备的结构框图。
附图标记
获取模块-1；筛选模块-2；统计模块-3；处理器-4；存储器-5。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了降低对人口流动的监控的难度，获得准确的人口流动数据，本实施例提供了一种人口流动数据的统计分析方法，图1为该人口流动数据的统计分析方法的流程图，如图1所示，该人口流动数据的统计分析方法，主要包括如下步骤：
步骤S1，获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及用户设备所连接的网络设备的识别信息。
在本实施例中，目标区域为需要进行人口流动信息统计分析的社区或区域，各子区域可以是该社区范围内的各个楼栋，人口信息数据可以是采集人员人工采集或记录的社区范围内各个楼栋及个单元的用户的个人信息数据以及对应的采集时间数据；用户设备的MAC地址数据可以是通过移动帧码设备对社区范围内的用户的移动终端等设备所使用的MAC地址数据进行采集得到的，用户设备所连接的网络设备的识别信息可以是通过移动帧码设备对社区范围内的网络设备(例如是路由设备)进行识别所获取的该网络设备的MAC地址、网段地址、网关号等信息。
S2，根据MAC地址数据及识别信息对各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据。
在本实施例中，获取由移动帧码设备采集到的MAC地址数据及识别信息及通过采集人员所采集到的社区范围内各个楼栋单元的人口信息数据后，先利用所获取的MAC地址数据、识别信息及人口信息数据进行数据信息匹配，得到各楼栋或单元对应的MAC地址数据，之后通过对各楼栋或单元对应的MAC地址数据取并集，剔除重复的MAC地址数据，以获得各个楼栋单元的MAC地址数据，即各子区域的人口流动数据。
S3，根据各子区域的人口流动数据进行统计，得到目标区域的人口流动总数。在本实施例中，通过获取各子区域的人口流动数据，将其各个子区数据进行统计去重后，可得到目标区域的人口流动总数。
在本实施例中，通过获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及用户设备所连接的网络设备的识别信息进行数据筛选，得到所需的各个子区域的人口流动数据，之后统计各个子区域的人口流动数据，以确定出目标区域的人口流动总数，利用人口信息数据所对应的用户设备的MAC地址数据及用户设备所连接的网络设备的识别信息的唯一性，从而确定出目标区域的人口流动数据，从而降低了人口信息的统计和管理的难度。
可选地，如图2所示，在上述步骤S3得到目标区域的人口流动总数之后，在本实施例提供的人口流动数据的统计分析方法还包括：
S4，判断人口信息数据及人口流动总数是否满足预设的人口画像管理策略的执行条件。
在本实施例中，预设的人口画像管理策略可以是基于人口流动总数分析社区范围内的未来人口数量与老龄化趋势预测、基于人口信息数据及人口流动总数计算社区数字人口、基于人口信息数据及人口流动总数计算社区迁入率和迁出率以及基于人口信息数据及人口流动总数确定出社区异常情况生成预警事件等。通过上述各种不同的人口画像管理策略，来判断社区范围内的人口信息数据及人口流动总数是否稳定。具体地，该执行条件可以是人口画像管理策略中的参数信息是否满足记录的条件，例如：是否记录了14天的社区范围的MAC数据地址，通过周期天数的设定，来保证该社区范围内的人口信息数据及人口流动数据具有一定的规则，从而具有一定的参考价值。
S41，若人口信息数据及人口流动总数满足预设的人口画像管理策略的执行条件，则根据人口画像管理策略中的步骤执行对应的人口画像管理；
S42，若人口信息数据及人口流动总数不满足预设的人口画像管理策略的执行条件，则更新人口信息数据和/或人口流动总数。
在本实施例中，通过更新人口信息数据和/或人口流动总数，以使得人口信息数据和/或人口流动总数能够满足人口画像管理策略的执行条件，从而实现人口画像管理。
可选地，如图3所示，在本实施例提供的人口流动数据的统计分析方法中，步骤S2，根据MAC地址数据及识别信息对各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据的过程，主要包括：
S21，基于MAC地址数据及识别信息对各子区域的人口信息数据进行匹配得到各子区域中携带有人口信息的MAC地址数据。
在本实施例中，获取携带有人口信息的MAC地址数据包括：获取信息采集人员所记录的人口信息数据及采集时间数据，以及移动帧码设备采集的MAC地址数据、移动帧码设备采集到MAC地址数据时所记录的第一时间点数据，及由移动帧码设备所采集到的识别信息及对应的第二时间点数据，并根据采集时间数据、第一时间点数据、第二时间点数据所对应的时间点将人口信息数据、识别信息及MAC地址数据对应录入数据库，并生成携带有人口信息的MAC地址数据。本实施例中，该携带有人口信息的MAC地址数据包含两部分数据，一部分是用户的终端设备的MAC地址数据，另一部分是网络设备的MAC地址数据。
可选地，由于所采集到的MAC地址数据可能是非时间上连续的数据，因此，为保证数据的完整性以及数据分析的便利性，可对未采集的时间点上的MAC地址数据进行补充，例如是用0或空(null)填充未采集的时间点上的MAC地址数据。可选地，在进行时间数据补充时，采用左闭右开区间，例如：[17:25:36,18:00:00)，以便于进行后续对人口流动数据进行分析。
可选地，由于MAC地址数据的采样时间可能属于非连续性，因此需要对携带有人口信息的MAC地址数据按指定规则进行编写，从而便于对后续人口流动数据进行分析。其中按指定规则进行编写可以是：若携带有人口信息的MAC地址数据属于同一栋楼的，其单元之间以符号“-”进行连接，例如：6栋，1单元-2单元；而携带有人口信息的MAC地址数据不属于同一栋楼的，其楼栋之间以符号“-”连接，单元为空，例如：6栋-7栋，null。从而获得较为全面且格式统一的数据信息，以便于后续对人口流动数据进行分析。
可选地，为了防止相同MAC地址数据被重复采集，还可在移动帧码设备上设置MAC地址数据缓存时间及上传时间，从而便于提高数据分析效率。
S22，根据各子区域中携带有人口信息的MAC地址数据统计各子区域中携带有人口信息的MAC地址数据的数量。
在本实施例中，统计各子区域中携带有人口信息的MAC地址数据，并根据所统计的各子区域中携带有人口信息的MAC地址数据进行数据去重，也就是将各子区域中携带有相同人口信息的MAC地址数据进行剔除，仅保留唯一的各子区域中携带有人口信息的MAC地址数据，之后获取预设时间周期内的各子区域中携带有人口信息的MAC地址数据，并将该预设时间周期内的各子区域中携带有人口信息的MAC地址数据取并集，得到稳定的各子区域中携带有人口信息的MAC地址数据，并从携带有人口信息的MAC地址数据中统计得到稳定的各子区域中携带有人口信息的MAC地址数据的数量。本实施例中，上述的去重及取并集的过程，可参照终端设备的MAC地址数据进行，也可参照路由设备的MAC地址数据进行，针对同一户可能使用多台终端设备连接多台网络设备的情况，也可同时参照终端设备的MAC地址数据及网络设备的MAC地址数据进行去重及取并集的操作，可根据实际情况进行调整，本发明并不以此为限。
可选地，可以采用在一天内获取2次相同人口信息的MAC地址数据之后取并集得出每个楼栋中人口总数的预估值，即各子区域中携带有人口信息的MAC地址数据的数量。
可选地，可以通过图表的方式显示稳定的各子区域中携带有人口信息的MAC地址数据。
S23，根据预设的各子区域中携带有人口信息的MAC地址数据的置信分与各子区域中携带有人口信息的MAC地址数据的数量确定各子区域的人口流动数据。
在本实施例中，获取各子区域中携带有人口信息的MAC地址数据的数量及根据经验所设的置信分，并联合各子区域中携带有人口信息的MAC地址数据的数量和根据经验所设的置信分，得到预估的各子区域中携带有人口信息的MAC地址数据的人口数量。
可选地，如图4所示，在本实施例提供的人口流动数据的统计分析方法中，步骤S21，基于MAC地址数据及识别信息对各子区域的人口信息数据进行匹配得到各子区域中携带有人口信息的MAC地址数据的过程，主要包括：
S211，获取预设周期内的MAC地址数据的采集时间及MAC地址数据信号的场强强度。
在本实施例中，通过获取预设周期的采集时间及MAC地址数据，并确定出在预设周期的采集时间内MAC地址数据信号的场强强度，其中MAC地址数据信号的场强强度可以由路由设备或用户终端设备的信号的强弱决定。
可选地，还可以是获取预设时间内的MAC地址数据，并以社区为单位，将所采集的MAC地址数据，拼接成根据时间顺序采集的每日MAC地址数据。
S212，基于预设周期内的MAC地址数据的采集时间按时间顺序对MAC地址数据进行排列，得到第一预设MAC地址数据表。
可选地，在通常情况下会默认为每户为1个路由器，并在统计该路由器的连接终端数量时，可作为该户的移动终端数量。
可选地，若该户使用多台路由器，且该户中的多台终端均与多台路由器连接时，则多个路由器可以被统计为同一户的不同路由器，在进一步统计该户的独立终端设备数量时，需要将所有路由连接过的MAC地址数据取并集。
S213，基于MAC地址数据信号的场强强度按信号强度对MAC地址数据进行排列，得到第二预设MAC地址数据表。
S214，根据MAC地址数据、第一预设MAC地址数据表和第二预设MAC地址数据表结合得到第三预设MAC地址数据表。
在本实施例中，获得第三预设MAC地址数据可以是基于MAC地址数据与第一预设MAC地址数据表、第二预设MAC地址数据表进行匹配，并将第一预设MAC地址数据表中与第二预设MAC地址数据表中相同的MAC地址数据取并集，得到第三预设MAC地址数据表。
S215，利用第三预设MAC地址数据表、识别信息与各子区域的人口信息数据进行匹配得到各子区域中携带有人口信息的MAC地址数据，其中各子区域中人口信息数据包括：个人居住信息。
可选地，如图5所示，在本实施例提供的人口流动数据的统计分析方法中，步骤S3，根据各子区域的人口流动数据进行统计，得到目标区域的人口流动总数的过程主要包括：
S31，基于各子区域的人口流动数据取并集得到目标区域的人口流动数据。
S32，根据目标区域的人口流动数据进行数量统计得到目标区域的人口流动总数。
在本实施例中，可以是预设获取时间周期，对各子区域的人口流动数据进行提取之后取并集得到稳定的目标区域的人口流动数据。例如：获取7天内的各子区域的人口流动数据，之后将每天所获取的各子区域的人口流动数据进行数据去重，并对7天内的人口流动数据取并集得到目标区域的人口流动数据。
可选地，如图6所示，在本实施例提供的人口流动数据的统计分析方法中，步骤S41主要包括：
S411，基于预设第一时间采集周期和预设第二时间采集周期提取人口流动总数中的第一人口的MAC地址数据和第二人口的MAC地址数据；
在本实施例中，预设第一时间采集周期可以是当前一周，预设第二时间采集周期可以是当前一周的前一周，第一人口的MAC地址数据可以是当前一周的常驻人口MAC地址数据；第二人口的MAC地址数据可以是前一周的常驻人口MAC地址数据。在本实施例中，常驻人口可以定义为，在预设的多个采集周期内，若该MAC地址数据处于该子区域中的天数大于等于预设天数(例如，在4周内，该MAC地址数据处于该子区域的天数大于等于14天)，从而将该MAC地址对应的用户数据认定为常驻人口，其MAC地址数据则为常驻人口MAC地址数据。在以下实施例中，将常驻人口MAC地址数据简称为常驻MAC码。
S412，根据第一人口的MAC地址数据和第二人口的MAC地址数据计算预设第一时间采集周期和预设第二时间采集周期内的人口流动总数的人口迁入率，和/或人口迁出率。
在本实施例中，是根据当前一周和前一周的常驻人口数计算出人口流动总数的人口迁入率，和/或人口迁出率。
具体的计算人口迁入率，和/或人口迁出率过程可以是：
首先，以周为单位，计算某一周之内出现的所有MAC地址数据，并根据这些MAC地址数据确定常驻MAC码的数量。例如：先计算得到一周内的MAC地址数据集合，MAC＝{MAC1,MAC2,MAC3,MAC4,MAC5,MAC6,MAC7}，其中{MAC1,MAC2,MAC3,MAC4,MAC5,MAC6,MAC7}分别表示周一到周日的每一天的MAC地址数据去重后的集合。其次，对MAC地址数据集合中的每一个元素进行筛选，比如：周一的MAC码集合是通过筛选得出在前4周出现天数大于等于14天的MAC地址数据的集合。那么对于新的MAC地址数据集合中的每个元素依次执行数据筛选后，得到新的MAC地址数据码集合MACM＝{MACm1,MACm2,MACm3,MACm4,MACm5,MACm6,MACm7}；之后对于新的MAC地址数据码集合MACM中的所有元素进行取并集操作，得到最终的常驻MAC码集合MACW＝MACm1∪MACm2∪MACm3∪MACm4∪MACm5∪MACm6∪MACm7，并计算最终的MAC码集合MACW的数量作为这一周的居民数量(常驻MAC码数量)。
其次，计算前后相邻两周的常驻MAC码的变化情况，具体包括：
先对于前一周的常驻MAC码集合MACWB(数量为NUMMACWB)，和当周的常驻MAC码集合MACWN进行确认；
其次对当周较前一周的常驻MAC码中减少的集合进行确认，从而得到居民迁出量，
Figure BDA0003182637190000153
那么DIS的数量NUMDIS就是本周的常驻MAC码减少量(居民迁出量)，RATEDIS＝NUMDIS/NUMMACWB就是本周的常驻MAC码减少率(即居民迁出率)。
和/或，对当周较前一周的常驻MAC码中增加的集合进行确认，从而得到居民迁入量，
Figure BDA0003182637190000152
那么ADD的数量NUMADD就是本周的常驻MAC码增加量(居民迁入量)，RATEADD＝NUMADD/NUMMACWB就是本周的常驻MAC码增长率(即居民迁入率)。例如：从设置在某个社区南北门的MAC地址设备都有数据的某个日期开始，以周为单位，将时间划分成不相交的单元，先计算每一单元的一周常驻MAC码集合，然后计算每周较前一周的常驻MAC码减少率(居民迁出率)和常驻MAC码增长率(居民迁入率)，最终得到2个序列{RATEDIS1，RATEDIS2，......}和{RATEADD1，RATEADD2，......}，将所生成的2个序列以折线图方式分析迁入或迁出比例变化，如图7所示，为每周居民迁入率或迁出率的时序变化趋势，其中，横坐标表示日期，纵坐标表示百分比。
可选地，在本实施例中，可以使用深度学习框架预测小区内的流入情况，包括MACinNet(MAC地址数据的预测流入)和MACoutNet(MAC地址数据边缘的流量)，并从中筛选出一周内连续7天都出现且与其连接的MAC至少有一个也连续出现7天的路由器的MAC地址router_mac，统计这些router_mac连接的独立的MAC数量，发现其存在明显的转折点，即可以认为连接独立MAC数在该阈值之下router_mac为有效或者较为真实的router_mac，如图8所示，示出的是预测的一周内的人口流入量和人口流出量的变化趋势，其中横坐标表示时间，单位为天，纵坐标表示MAC数量，单位为个数。
如图9所示，为某一小区内MAC迁入迁出序列图，其中横坐标表示时间，纵坐标表示数量，为进一步筛选数据，筛选连接独立MAC数量不超过10个的router_mac，总计202个，之后统计总体迁入迁出的MAC数量，而从上图可以发现，保有数量，迁出数量和迁入数量都比较大，且连续7天均维持在一个水平上，说明这些迁入迁出的MAC，大多是由于设备采集的不稳定或者采集的错误数据造成的，而为了减少错误数据可以使用均值估算能够真实有效的统计出MAC数值在700左右，对于实际迁入迁出数量在550-600左右的社区来说，该数值偏差仍较大。为此，再对上述数据中的MAC进行进一步筛选，取所有MAC一周内出现天数在5天以上的，在统计其迁入迁出变化，如图10所示，为某一小区6天内MAC迁入迁出序列图，其中横坐标表示时间，纵坐标表示数量。结果为迁入迁出数量明显减少，保有量维持在560左右，基本符合预期。
之后需要对两类数据在单个router_mac的迁入迁出进行对比，如图11-图14所示为未筛选MAC出现天数，如图15-图18所示为筛选MAC出现天数，其中，20:6B:E7:8A:E9:1D、00:BE:3B:49:A8:70、44:97:5A:35:36:2A、D0:76:E7:45:B0:F0表示为4个不同router_mac，2019sep表示测试的年月，横坐标表示记录时间，纵坐标表示MAC个数。如图11-图18所示，通过router_mac的数据对比可以看出，对MAC做天数筛选后，剧烈和频繁的迁入迁出现象得到明显的控制，处理后的数据，虽然也可能存在虚假或者错误的MAC探测导致的迁入迁出，但在总体上得到了一定的控制，且效果优于未筛选的数据，因此，经过一系列的数据筛选处理后，真实的router_mac基本可以找出。
此外，由于设备采集虚假和错误的MAC的原因，单个router_mac的每日迁入迁出大多都无法做到平稳，因此无法辨别真实的迁入迁出和虚假错误MAC导致的虚假的迁入迁出。按整个小区来处理，也无法剔除干净错误和虚假MAC，但在整体的数量上可以做到平稳，监控大型的人员往来事件具有一定的可行性，监控少量的或者个人的迁入迁出不是特别合适。若按每周的总体数据来构建MAC集合，对比周与周之间的MAC集合的差异的迁入迁出判断，有一定可行性，但存在一定风险(仍有设备采集数据问题导致)，但相比以日为单位的迁入迁入判断错误水平会降低。
如图19所示，步骤S41还包括：
S413，获取预设时间周期内目标区域的人口信息数据、用户设备的MAC地址数据及用户设备所连接的网络设备的识别信息；
S414，根据预设时间周期内目标区域的人口信息数据、用户设备的MAC地址数据及用户设备所连接的网络设备的识别信息，统计用户设备的MAC地址数据及用户设备所连接的网络设备的识别信息；
S415，基于用户设备的MAC地址数据及用户设备所连接的网络设备的识别信息进行预设数据筛选，以筛选出异常用户设备的MAC地址数据及异常用户设备所连接的网络设备的识别信息；
S416，将异常用户设备的MAC地址数据及异常用户设备所连接的网络设备的识别信息与目标区域的人口信息数据进行匹配得到异常数据的位置信息；
S417，根据异常数据的位置信息及异常用户设备的MAC地址数据、异常用户设备所连接的网络设备的识别信息生成预警事件。
具体的，生成异常情况预警事件可以是通过采集到用户设备的MAC地址数据(例如智能终端的MAC地址数据)及所述用户设备所连接的网络设备的识别信息(例如路由器的网段地址数据)，匹配上采集人员记录的各个楼栋以及单元的人口信息数据及其采集时间，统计每户可能有的路由数以及这些路由所对应的独立智能终端设备数量。之后通过设定阈值或者排序，筛选出拥有超出合理范围的独立设备数量的路由及其所在位置，生成预警事件。其中，状态转换的流程可以是包括获取相机照片、更新照片、统计已迁入数据及生成照片记录表，首先是获取相机照片，当通过摄像头采集到图像照片后，需要将所采集到的照片与后台数据进行判断，确定出疑似迁出的人口或疑似迁入的人口，之后计算最大相似度结果，判断该结果是否大于阈值，以确定出访客或，确定出人口数据疑似迁入属于迁入及已迁出中的任意一种。若人口数据属于迁出类型，则还有需要判断该迁出人口是否真实住过，并进行线下复核；其次，在进行照片更新部分是为了能够保证数据的真实和准确性，因此需要进行定期更新，并对人口的迁入和迁出进行确认；之后对已入库数据进行记录，将不同属性的人口数据进行分类并进行标记，以便于后续对迁入的人口数据进行跟踪统计，最后为了能够直观的进行显示统计，将所采集的图片以及数据生成照片记录表。
可选地，生成预警事件可以是通过MAC地址数据等多源异构数据进行关联分析，对潜在的可能犯罪嫌疑人进行轨迹刻画、及时预警。通过强化人员数据采集，建立各类人员专题库，分析重点人员行为，实现对人员属性的精细化管理，建立精细化社区网格，各类人员分布统计，提升社区网格化管理水平对社区的可疑人员进行预警防控。
可选地，在本实施例中可以根据如下计算公式确定出异常事件。
首先，需要对于给定的MAC地址数据
Figure BDA0003182637190000181
并针对MAC地址数据计算平均值μj和方差
Figure BDA0003182637190000182
的估计值。
Figure BDA0003182637190000183
Figure BDA0003182637190000184
其中，m表示为MAC地址数据的数量，m为正整数；j表示为预估值，
Figure BDA0003182637190000185
表示第i个终端的MAC地址的预估值。
之后可以根据平均值μj和方差
Figure BDA0003182637190000186
的估计值计算出异常事件发生的概率p(xMAC)：
Figure BDA0003182637190000187
当p(xMAC)<ε时，为异常。
可选地，在本实施例中可以通过MAC地址数据等多源异构数据进行关联分析，对潜在的可能犯罪嫌疑人进行轨迹刻画、及时预警。通过强化人员数据采集，建立各类人员专题库，分析重点人员行为，实现对人员属性的精细化管理，建立精细化社区网格，各类人员分布统计，提升社区网格化管理水平对社区的可疑人员进行预警防控。
可选地，本实施例可以通过设置社区数字人口平台页面实现数据可视化。
可选地，在本发明另一实施例的人口流动数据的统计分析方法中，可以用移动帧码设备采集到的路由的识别信息和移动终端的MAC地址数据，匹配上采集人员记录的各个楼栋以及单元的采集时间，统计每户可能有的路由数以及这些路由所对应的独立智能终端设备数量。通过设定阈值或者排序，筛选出拥有超出合理范围的独立设备数量的路由及其所在位置，并生成预警事件，其中预警事件可以是标记路由及其所在位置可能存在群租或传销嫌疑。
在本实施例中，通过对MAC地址数据及人口信息的采集整理分析，从而降低了人口信息管理的难度，并且提高了对异常人口流动的监督预警。
相应地，请参考图20，本发明实施例提供一种人口流动数据的统计分析装置，具体的该装置包括：
获取模块1，用于获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息，详细内容参考步骤S1所述；
筛选模块2，用于根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据，详细内容参考步骤S2所述；
统计模块3，用于根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数，详细内容参考步骤S3所述。
在本实施例中，通过获取模块获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息，其次将所获取的数据送入筛选模块中进行数据筛选以获得各子区域的人口流动数据，之后将所获取的各个各子区域的人口流动数据送入统计模块进行数据统计以获得最终的目标区域的人口流动总数，从而提高目标区域的人口流动总数的准确性及人口信息管理的准确性。
本发明实施例还提供了一种电子设备，如图21所示，该电子设备可以包括处理器4和存储器5，其中处理器4和存储器5可以通过总线或者其他方式连接，图21中以通过总线连接为例。
处理器4可以为中央处理器(Central Processing Unit，CPU)。处理器4还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、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、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器5作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的人口流动数据的统计分析方法对应的程序指令/模块(例如，图20所示的获取模块1、筛选模块2、统计模块3)。处理器4通过运行存储在存储器5中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的人口流动数据的统计分析方法。
存储器5可以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、至少一个功能所需要的应用程序；存储数据区可存储处理器4所创建的数据等。此外，存储器5可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器5可选包括相对于处理器4远程设置的存储器，这些远程存储器可以通过网络连接至处理器4。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器5中，当被所述处理器4执行时，执行如图1-6所示实施例中的人口流动数据的统计分析方法。
上述电子设备的具体细节可以对应参阅图1至图6所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (9)

1.一种人口流动数据的统计分析方法，其特征在于，包括：
获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及对应的第一时间点数据、以及所述用户设备所连接的网络设备的识别信息；
根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据；
根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数；
判断所述人口信息数据及所述人口流动总数是否满足预设的人口画像管理策略的执行条件；
若所述人口信息数据及所述人口流动总数满足所述预设的人口画像管理策略的执行条件，则根据人口画像管理策略中的步骤执行对应的人口画像管理；
其中，所述根据人口画像管理策略中的步骤执行对应的人口画像管理，包括：
基于预设第一时间采集周期和预设第二时间采集周期提取所述人口流动总数中的第一人口的MAC地址数据和第二人口的MAC地址数据；
根据所述第一人口的MAC地址数据和第二人口的MAC地址数据计算所述预设第一时间采集周期和预设第二时间采集周期内的人口流动总数的人口迁入率，和人口迁出率，包括：
以周为单位，计算某一周之内出现的所有MAC地址数据，并根据所述MAC地址数据确定常驻MAC码的数量；
计算前后相邻两周的常驻MAC码的变化情况，得到人口迁入率及人口迁出率。
2.根据权利要求1所述的方法，其特征在于，所述人口信息数据中还包括与所述人口信息数据对应的采集时间数据，所述MAC地址数据中还包括与所述MAC地址数据对应的第一时间点数据，所述识别信息中还包括与所述识别信息对应的第二时间点数据；
所述根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据，包括：
基于所述MAC地址数据、识别信息、采集时间数据、第一时间点数据、第二时间点数据对所述各子区域的人口信息数据进行匹配得到所述各子区域中携带有人口信息的MAC地址数据；
根据所述各子区域中携带有人口信息的MAC地址数据统计所述各子区域中携带有人口信息的MAC地址数据的数量；
根据预设的各子区域中携带有人口信息的MAC地址数据的置信分与所述各子区域中携带有人口信息的MAC地址数据的数量确定各子区域的人口流动数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行匹配得到所述各子区域中携带有人口信息的MAC地址数据，包括：
获取预设周期内的MAC地址数据的采集时间及MAC地址数据信号的场强强度；
基于所述预设周期内的MAC地址数据的采集时间按时间顺序对MAC地址数据进行排列，得到第一预设MAC地址数据表；
基于所述MAC地址数据信号的场强强度按信号强度对MAC地址数据进行排列，得到第二预设MAC地址数据表；
根据所述MAC地址数据、所述第一预设MAC地址数据表和第二预设MAC地址数据表结合得到第三预设MAC地址数据表；
利用所述第三预设MAC地址数据表、识别信息与所述各子区域的人口信息数据进行匹配得到所述各子区域中携带有人口信息的MAC地址数据，其中所述各子区域的人口信息数据包括：个人居住信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述MAC地址数据、所述第一预设MAC地址数据表和第二预设MAC地址数据表结合得到第三预设MAC地址数据表，包括：
基于所述MAC地址数据与所述第一预设MAC地址数据表和第二预设MAC地址数据表进行匹配，并将所述第一预设MAC地址数据表中与所述第二预设MAC地址数据表中相同的MAC地址数据取并集，得到所述第三预设MAC地址数据表。
5.根据权利要求1所述的方法，其特征在于，所述根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数，包括：
基于所述各子区域的人口流动数据取并集得到所述目标区域的人口流动数据；
根据所述目标区域的人口流动数据进行数量统计得到所述目标区域的人口流动总数。
6.根据权利要求1所述的方法，其特征在于，还包括：
若所述人口信息数据及所述人口流动总数不满足所述预设的人口画像管理策略的执行条件，则更新所述人口信息数据和/或所述人口流动总数。
7.根据权利要求6所述的方法，其特征在于，所述根据人口画像管理策略中的步骤执行对应的人口画像管理，包括：
获取预设时间周期内目标区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；
根据所述预设时间周期内目标区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息，统计用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；
基于所述用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息进行预设数据筛选，以筛选出异常用户设备的MAC地址数据及异常用户设备所连接的网络设备的识别信息；
将异常用户设备的MAC地址数据及异常用户设备所连接的网络设备的识别信息与目标区域的人口信息数据进行匹配得到异常数据的位置信息；
根据所述异常数据的位置信息及异常用户设备的MAC地址数据、异常用户设备所连接的网络设备的识别信息生成预警事件。
8.一种人口流动数据的统计分析装置，其特征在于，包括：
获取模块，用于获取目标区域内各子区域的人口信息数据、用户设备的MAC地址数据及所述用户设备所连接的网络设备的识别信息；
筛选模块，用于根据所述MAC地址数据及识别信息对所述各子区域的人口信息数据进行数据筛选，获得各子区域的人口流动数据；
统计模块，用于根据所述各子区域的人口流动数据进行统计，得到所述目标区域的人口流动总数；
人口画像管理模块，用于执行以下步骤：
判断所述人口信息数据及所述人口流动总数是否满足预设的人口画像管理策略的执行条件；
若所述人口信息数据及所述人口流动总数满足所述预设的人口画像管理策略的执行条件，则根据人口画像管理策略中的步骤执行对应的人口画像管理；
其中，所述根据人口画像管理策略中的步骤执行对应的人口画像管理，包括：
基于预设第一时间采集周期和预设第二时间采集周期提取所述人口流动总数中的第一人口的MAC地址数据和第二人口的MAC地址数据；
根据所述第一人口的MAC地址数据和第二人口的MAC地址数据计算所述预设第一时间采集周期和预设第二时间采集周期内的人口流动总数的人口迁入率，和人口迁出率，包括：
以周为单位，计算某一周之内出现的所有MAC地址数据，并根据所述MAC地址数据确定常驻MAC码的数量；
计算前后相邻两周的常驻MAC码的变化情况，得到人口迁入率及人口迁出率。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-7中任一项所述的人口流动数据的统计分析方法。
CN202110851397.5A 2021-07-27 2021-07-27 一种人口流动数据的统计分析方法、装置及电子设备 Active CN113536256B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110851397.5A CN113536256B (zh) 2021-07-27 2021-07-27 一种人口流动数据的统计分析方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110851397.5A CN113536256B (zh) 2021-07-27 2021-07-27 一种人口流动数据的统计分析方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113536256A CN113536256A (zh) 2021-10-22
CN113536256B true CN113536256B (zh) 2023-02-24

Family

ID=78121002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110851397.5A Active CN113536256B (zh) 2021-07-27 2021-07-27 一种人口流动数据的统计分析方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113536256B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115691143B (zh) * 2022-12-30 2023-04-07 北京码牛科技股份有限公司 交通卡口设备采集数据的时间的动态纠正方法和系统
CN116861197B (zh) * 2023-09-01 2024-04-05 北京融信数联科技有限公司 一种基于大数据的流动人口监测方法、系统和存储介质
CN116962255B (zh) * 2023-09-20 2023-11-21 武汉博易讯信息科技有限公司 发现pcdn用户的检测方法、系统、设备及可读介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106792456A (zh) * 2016-12-21 2017-05-31 浙江省公众信息产业有限公司 数据分析系统和方法
CN106982411A (zh) * 2017-03-20 2017-07-25 华南理工大学 一种基于wifi探针数据的实时客流统计方法
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
CN107396304A (zh) * 2017-06-29 2017-11-24 毛国强 基于智能手机的实时城市人口密度及人群流动估计方法
CN110309381A (zh) * 2019-07-04 2019-10-08 北京光启元数字科技有限公司 一种人口数据的显示方法、装置及设备
CN111163490A (zh) * 2019-12-13 2020-05-15 南京华苏软件有限公司 一种基于手机mac进行家庭住户分析方法
CN112188478A (zh) * 2020-09-29 2021-01-05 浙江新再灵科技股份有限公司 基于大数据分析的常驻人口数据采集方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106131786B (zh) * 2016-06-30 2019-05-14 北京奇虎科技有限公司 新增人口数据的获取方法及装置
CN107256581A (zh) * 2017-05-16 2017-10-17 我是谁（北京）科技有限公司 一种封闭式机构人员出入信息采集装置
CN109635003B (zh) * 2018-12-07 2021-03-16 南京华苏科技有限公司 一种基于多数据源的社区人口信息关联的方法
US11277276B2 (en) * 2019-05-31 2022-03-15 Nxp Usa, Inc. Multicast processing for neighbor discovery proxy devices using hardware filtering
CN110363076B (zh) * 2019-06-04 2022-02-11 深圳奇迹智慧网络有限公司 人员信息关联方法、装置及终端设备
CN111429185B (zh) * 2020-03-27 2023-06-02 京东城市(北京)数字科技有限公司 人群画像预测方法、装置、设备及存储介质
CN112118548A (zh) * 2020-07-29 2020-12-22 福建慧政通信息科技有限公司 一种大数据识别常住人口与流动人口的方法和存储设备
CN111950470A (zh) * 2020-08-14 2020-11-17 深圳市万物云科技有限公司 一种智能监控方法、装置、计算机设备及存储介质
CN112308001A (zh) * 2020-11-06 2021-02-02 江西高创保安服务技术有限公司 一种智慧社区的数据分析方法及人员追踪方法、系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106792456A (zh) * 2016-12-21 2017-05-31 浙江省公众信息产业有限公司 数据分析系统和方法
CN106982411A (zh) * 2017-03-20 2017-07-25 华南理工大学 一种基于wifi探针数据的实时客流统计方法
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
CN107396304A (zh) * 2017-06-29 2017-11-24 毛国强 基于智能手机的实时城市人口密度及人群流动估计方法
CN110309381A (zh) * 2019-07-04 2019-10-08 北京光启元数字科技有限公司 一种人口数据的显示方法、装置及设备
CN111163490A (zh) * 2019-12-13 2020-05-15 南京华苏软件有限公司 一种基于手机mac进行家庭住户分析方法
CN112188478A (zh) * 2020-09-29 2021-01-05 浙江新再灵科技股份有限公司 基于大数据分析的常驻人口数据采集方法

Also Published As

Publication number Publication date
CN113536256A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN113536256B (zh) 一种人口流动数据的统计分析方法、装置及电子设备
CN110380896B (zh) 基于攻击图的网络安全态势感知系统和方法
CN111475804A (zh) 一种告警预测方法及系统
CN112069485A (zh) 基于用户行为的安全处理方法、装置及设备
CN106570465A (zh) 一种基于图像识别的人流量统计方法及装置
CN110298254A (zh) 一种用于人员异常行为的分析方法和系统
CN111950937A (zh) 一种基于融合时空轨迹的重点人员风险评估方法
CN108965340B (zh) 一种工业控制系统入侵检测方法及系统
CN108446681B (zh) 行人分析方法、装置、终端及存储介质
CN108833437A (zh) 一种基于流量指纹和通信特征匹配的apt检测方法
CN102902960B (zh) 基于高斯建模与目标轮廓的遗留物检测方法
CN110874878B (zh) 行人分析方法、装置、终端及存储介质
CN109218321A (zh) 一种网络入侵检测方法及系统
CN108683658B (zh) 基于多rbm网络构建基准模型的工控网络流量异常识别方法
CN111476979A (zh) 一种基于多模型分析的智能安保维稳方法及系统
CN111476685B (zh) 行为分析方法、装置及设备
CN105930430B (zh) 一种基于非累积属性的实时欺诈检测方法及装置
CN116546438B (zh) 一种基于蓝牙mesh网络的楼宇监测系统
CN117040664A (zh) 一种基于网络运行安全的计算机系统检测方法
WO2023179014A1 (zh) 流量识别方法、装置、电子设备及存储介质
CN109474593A (zh) 一种识别c&amp;c周期性回连行为的方法
CN113297976B (zh) 一种基于深度学习的基站入侵检测方法和系统
CN115277178A (zh) 基于企业网网络流量的异常监测方法、装置及存储介质
CN113919415A (zh) 一种基于无监督算法的异常群组检测方法
CN111683048B (zh) 一种基于多周期模型stacking的入侵检测系统

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