CN114238433B - 一种基于大数据的人口监测方法、系统和存储介质 - Google Patents
一种基于大数据的人口监测方法、系统和存储介质 Download PDFInfo
- Publication number
- CN114238433B CN114238433B CN202111403680.8A CN202111403680A CN114238433B CN 114238433 B CN114238433 B CN 114238433B CN 202111403680 A CN202111403680 A CN 202111403680A CN 114238433 B CN114238433 B CN 114238433B
- Authority
- CN
- China
- Prior art keywords
- user
- signaling data
- data
- population
- static signaling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 230000011664 signaling Effects 0.000 claims abstract description 173
- 230000003068 static effect Effects 0.000 claims abstract description 104
- 230000000694 effects Effects 0.000 claims abstract description 94
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000010219 correlation analysis Methods 0.000 claims abstract description 9
- 238000010586 diagram Methods 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000012821 model calculation Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 10
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000002776 aggregation Effects 0.000 description 6
- 238000004220 aggregation Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 230000003245 working effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Fuzzy Systems (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种基于大数据的人口监测方法、系统和存储介质,包括:采集在一定时间范围内用户的静态信令数据和动态信令数据;根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组;根据用户的活动范围和活动热度对每个组别建立分析模型;提取分析模型中的结构参数和状态参数,用于分析人口规模和人口流动情况。根据静态信令数据和动态信令数据中的信息关联性可将用户按活动范围和活动热度进行分组分析,针对不同性质的人口设置具有针对性的建模方法,能够真实、准确地反映人口分布和流动状态。根据建立模型的结构和状态提取各项参数值并进行关联分析,使得检测结果更直观、系统,能够适用于多样化的现代生活模式。
Description
技术领域
本申请属于大数据技术领域,更具体的,涉及一种基于大数据的人口监测方法、系统和存储介质。
背景技术
目前人口监测面临诸多挑战性问题,一方面是各类节假日探亲、旅游、商务活动等影响因素众多,导致暂住管理和上门统计很难跟踪真实人口分布和流动变化;另一方面是随着工作机会多、拆迁及疏解等变动因素,造成人口统计的空间划分标准不一致的问题,较难准确评估人口规模和分布状态。
发明内容
有鉴于此,本申请提供了一种基于大数据的人口监测方法、系统和存储介质,能够较准确地评估人口规模和分布状态。
本申请的具体技术方案如下:
本申请第一方面提供一种基于大数据的人口监测方法,包括如下步骤:
采集在一定时间范围内用户的静态信令数据和动态信令数据,所述静态信令数据包括住房信息和工作信息,所述动态信令数据包括预约信息、受理信息和交易信息;
根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组;
根据用户的活动范围和活动热度对每个组别建立分析模型;
提取分析模型中的结构参数和状态参数,用于分析人口规模和人口流动情况。
优选地,采集在一定时间范围内用户的静态信令数据和动态信令数据之后,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组之前,还包括:
将静态信令数据和动态信令数据进行语义关联,分析用户的动态行为属性和操作,对用户分组情况进行校准。
优选地,静态信令数据和动态信令数据进行语义关联具体为:
抽取动态信令数据中的频繁项集;
通过语义网络对频繁项集进行组合式模型计算,并与静态信令数据比对,判断是否为关联行为;
对关联行为的动态信令数据进行部分去重。
优选地,根据静态信令数据和动态信令数据将用户进行分组具体为:
根据用户的工作信息、住房信息、家庭关系和实时访问记录的关联性,将用户种类分为稳定人口和活跃人口;
将不同用户种类用不同方式标记,以用户的驻留定位为载体建立栅格网络。
优选地,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为稳定人口,根据静态信令数据模拟用户的时空轨迹范围。
优选地,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为活跃人口,以静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图。
优选地,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
根据静态信令数据判断用户是否存在变动信息;
若存在变动信息,则根据更新的静态信令数据判断用户种类为转移变动或移除变动;
对转移变动的用户种类,以更新后的静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图;
对移除变动的用户种类,剔除所有用户数据。
优选地,还包括:
将用户更新前后的静态信令数据表示为矢量图;
提取更新后的静态信令数据中的政府政策信息;
对用户的矢量图和政府政策信息做相关性分析,用于评价政府政策的响应程度。
本申请第二方面提供一种基于大数据的人口监测系统,包括存储器和处理器,所述存储器中包括基于大数据的人口监测程序,所述基于大数据的人口监测程序被所述处理器执行时,实现如下步骤:
采集在一定时间范围内用户的静态信令数据和动态信令数据,所述静态信令数据包括住房信息和工作信息,所述动态信令数据包括预约信息、受理信息和交易信息;
根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组;
根据用户的活动范围和活动热度对每个组别建立分析模型;
提取分析模型中的结构参数和状态参数,用于分析人口规模和人口流动情况。
优选地,采集在一定时间范围内用户的静态信令数据和动态信令数据之后,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组之前,还包括:
将静态信令数据和动态信令数据进行语义关联,分析用户的动态行为属性和操作,对用户分组情况进行校准。
优选地,静态信令数据和动态信令数据进行语义关联具体为:
抽取动态信令数据中的频繁项集;
通过语义网络对频繁项集进行组合式模型计算,并与静态信令数据比对,判断是否为关联行为;
对关联行为的动态信令数据进行部分去重。
优选地,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组具体为:
根据用户的工作信息、住房信息、家庭关系和实时访问记录的关联性,将用户种类分为稳定人口和活跃人口;
将不同用户种类用不同方式标记,以用户的驻留定位为载体建立栅格网络。
优选地,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为稳定人口,根据静态信令数据模拟用户的时空轨迹范围。
优选地,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为活跃人口,以静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图。
优选地,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
根据静态信令数据判断用户是否存在变动信息;
若存在变动信息,则根据更新的静态信令数据判断用户种类为转移变动或移除变动;
对转移变动的用户种类,以更新后的静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图;
对移除变动的用户种类,剔除所有用户数据。
优选地,还包括:
将用户更新前后的静态信令数据表示为矢量图;
提取更新后的静态信令数据中的政府政策信息;
对用户的矢量图和政府政策信息做相关性分析,用于评价政府政策的响应程度。
本申请第三方面提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于大数据的人口监测程序,所述基于大数据的人口监测程序被处理器执行时,实现所述基于大数据的人口监测方法的步骤。
综上所述,本申请提供了一种基于大数据的人口监测方法、系统和存储介质,包括:采集在一定时间范围内用户的静态信令数据和动态信令数据;根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组;根据用户的活动范围和活动热度对每个组别建立分析模型;提取分析模型中的结构参数和状态参数,用于分析人口规模和人口流动情况。根据静态信令数据和动态信令数据中的信息关联性可将用户按活动范围和活动热度进行分组分析,针对不同性质的人口设置具有针对性的建模方法,能够真实、准确地反映人口分布和流动状态。根据建立模型的结构和状态提取各项参数值并进行关联分析,使得检测结果更直观、系统,能够适用于多样化的现代生活模式,可用于现代城市人口分析和辅助政府决策。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请一种基于大数据的人口监测方法的流程图;
图2为本申请一种基于大数据的人口监测系统的框图。
具体实施方式
为使得本申请的目的、特征、优点能够更加的明显和易懂,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
请参照图1,图1为本申请一种基于大数据的人口监测方法的流程图。
本申请实施例第一方面提供一种基于大数据的人口监测方法,包括如下步骤:
S102:采集在一定时间范围内用户的静态信令数据和动态信令数据,所述静态信令数据包括住房信息和工作信息,所述动态信令数据包括预约信息、受理信息和交易信息;
S104:根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组;
S106:根据用户的活动范围和活动热度对每个组别建立分析模型;
S108:提取分析模型中的结构参数和状态参数,用于分析人口规模和人口流动情况。
需要说明的是,静态信令数据可来源于用户的注册信息、登记信息、备案信息等,具体可以包括户口信息、住房信息、工作信息等。动态信令数据可来源于用户在各个网络平台留下的实时访问日志,具体可以包括实时位置信息、预约和办理信息、交易信息等。用户的信令数据可以由政府侧平台数据获取,也可以是经由个人或企业网页、活动平台获取。根据静态信令数据和动态信令数据中的信息关联性可将用户按活动范围、活动热度、稳定性等因素进行分组分析,针对不同性质的人口设置具有针对性的建模方法,能够真实、准确地反映人口分布和流动状态。根据建立模型的结构和状态提取各项参数值并进行关联分析,使得检测结果更直观、系统,能够适用于多样化的现代生活模式,可用于现代城市人口分析和辅助政府决策。
根据本申请实施例,采集在一定时间范围内用户的静态信令数据和动态信令数据之后,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组之前,还包括:
将静态信令数据和动态信令数据进行语义关联,分析用户的动态行为属性和操作,对用户分组情况进行校准。
需要说明的是,在一定时间范围内,由于存在用户的惯常停留地与实际人口监测归属地不同,导致重复检测的问题,需要根据用户的行为模式对分组情况进行校准。语义关联可以是通过静态信令数据的地址信息和动态信令数据的定位信息分析用户的出行习惯或停留时间。例如,当用户在检测时间内处于外出状态时,通过用户的工作信息分析用户的惯常出差地和停留时间,再判断用户的外出情形属于工作性质或者临时事项,并以此为依据选取最佳的分组,从而确定其人口监测归属地。
根据本申请实施例,静态信令数据和动态信令数据进行语义关联具体为:
抽取动态信令数据中的频繁项集;
通过语义网络对频繁项集进行组合式模型计算,并与静态信令数据比对,判断是否为关联行为;
对关联行为的动态信令数据进行部分去重。
需要说明的是,频繁项集是指对用户出行的频繁程度按阈值筛选后得到的数据集合,包括用户的出行目的地址、出行频率、逗留时间、衍生出行情况等信息。当用户的出行轨迹牵连的地点多、范围广、时间不固定的情况下,在人口监测易造成活动区域重叠、多次纳入统计的问题。为了解决这一现象,通过语义网络的大数据分析,将频繁项集按照相关度进行组合和分布,并将组合后的信息根据用户的静态信令数据对比分析每一项下的行为目的和模式。若某项行动轨迹判断为与用户的某项特定静态信令数据相关联,则将该项行动轨迹统一标记,在检测时只需要取该项下的数据交集即可,简化数据处理模式的同时减少归属地判定的错误率。
根据本申请实施例,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组具体为:
根据用户的工作信息、住房信息、家庭关系和实时访问记录的关联性,将用户种类分为稳定人口和活跃人口;
将不同用户种类用不同方式标记,以用户的驻留定位为载体建立栅格网络。
需要说明的是,稳定人口指活动轨迹长期处于小范围内的用户群体,活跃人口指活动轨迹范围广、频率高且固定活动区域包含在内的用户群体。根据用户静态信令数据中的固定地址信息,例如户口所在地、惯常居住地等,建立栅格网络并在其中以不同颜色或形状标记加以区别,可以显示不同类型用户的整体分布和聚集情况。
根据本申请实施例,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为稳定人口,根据静态信令数据模拟用户的时空轨迹范围。
需要说明的是,稳定人口的时空轨迹表现为围绕典型位置的小范围扩散形状,典型位置是指居住场所、工作场所等,且图形的强调形式一致,即图形的颜色单一且均衡。
根据本申请实施例,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为活跃人口,以静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图。
需要说明的是,活跃人口的时空轨迹表现为以几个特定位置为基点的大范围扩散形状,特定位置是指用户的居住地、工作地、惯常停留地、临时驻留地等。图形的强调形式取决于用户出行的目的和模式,即图形的颜色可以不一,深浅程度多为以基点为中心向周围渐变。
根据本申请实施例,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
根据静态信令数据判断用户是否存在变动信息;
若存在变动信息,则根据更新的静态信令数据判断用户种类为转移变动或移除变动;
对转移变动的用户种类,以更新后的静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图;
对移除变动的用户种类,剔除所有用户数据。
需要说明的是,当检测到用户的静态信令数据发生变动,则以新产生的静态信令数据重新对用户进行种类和归属地划分。其中,转移变动通常指用户跨区域性质地变更户口所在地、常住地或者工作场所等静态信息。移除变动通常指移民人口、过世人口等情况。
根据本申请实施例,还包括:
将用户更新前后的静态信令数据表示为矢量图;
提取更新后的静态信令数据中的政府政策信息;
对用户的矢量图和政府政策信息做相关性分析,用于评价政府政策的响应程度。
需要说明的是,以矢量图的形式表示人口迁移的方向和程度,通过矢量与政策发布的一致性分析评价政策响应程度,可以科学辅助政策调整和制定。
在本申请另一实施例中,将不同用户种类用不同方式标记,以用户的驻留定位为载体建立栅格网络具体为:
所述栅格网络以楼宇为单位,根据用户种类处于栅格网络的聚集程度对栅格网络进行划分;
根据栅格网络的划分结果判断人口监测的取样方式。
需要说明的是,栅格网络可以显示不同用户种类的占比,当单个用户种类占比在设定值以上,则对该栅格网络下的用户群体采用该用户种类相对应的取样方式进行人口监测。例如,当判断一个栅格网络基本为稳定人口时,可以对该楼宇采取整体上门调查的方式检测。对栅格网络进行划分并采取针对性取样方式,能够对相同人口类型聚集程度较高的栅格网络进行批量处理,提高人口监测效率。
在本申请另一实施例中,提取分析模型中的结构参数和状态参数具体为:
对建立模型形状的边界范围、强调程度以及基点坐标进行数据化处理得到模型参数;
按照经验函数对模型参数进行定量分析。
需要说明的是,边界范围表示为图形面积和离散程度,强调程度表示为活动频率,基点坐标表示为流动趋势。模型参数可以是数字信息,经验函数可根据历史人口监测数据结合大数据技术确定。对模型参数进行定量分析是指将模型参数进行归类并显示人口的规模和流动状况等信息。
请参照图2,图2为本申请一种基于大数据的人口监测系统的框图。
本申请实施例第二方面提供一种基于大数据的人口监测系统2,包括存储器21和处理器22,所述存储器21中包括基于大数据的人口监测程序,所述基于大数据的人口监测程序被所述处理器22执行时,实现如下步骤:
采集在一定时间范围内用户的静态信令数据和动态信令数据,所述静态信令数据包括住房信息和工作信息,所述动态信令数据包括预约信息、受理信息和交易信息;
根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组;
根据用户的活动范围和活动热度对每个组别建立分析模型;
提取分析模型中的结构参数和状态参数,用于分析人口规模和人口流动情况。
本申请基于大数据的人口监测系统根据静态信令数据和动态信令数据中的信息关联性可将用户按活动范围、活动热度、稳定性等因素进行分组分析,针对不同性质的人口设置具有针对性的建模方法,能够真实、准确地反映人口分布和流动状态。根据建立模型的结构和状态提取各项参数值并进行关联分析,使得检测结果更直观、系统,能够适用于多样化的现代生活模式,可用于现代城市人口分析和辅助政府决策。
根据本申请实施例,采集在一定时间范围内用户的静态信令数据和动态信令数据之后,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组之前,还包括:
将静态信令数据和动态信令数据进行语义关联,分析用户的动态行为属性和操作,对用户分组情况进行校准。
需要说明的是,在一定时间范围内,由于存在用户的惯常停留地与实际人口监测归属地不同,导致重复检测的问题,需要根据用户的行为模式对分组情况进行校准。语义关联可以是通过静态信令数据的地址信息和动态信令数据的定位信息分析用户的出行习惯或停留时间。例如,当用户在检测时间内处于外出状态时,通过用户的工作信息分析用户的惯常出差地和停留时间,再判断用户的外出情形属于工作性质或者临时事项,并以此为依据选取最佳的分组,从而确定其人口监测归属地。
根据本申请实施例,静态信令数据和动态信令数据进行语义关联具体为:
抽取动态信令数据中的频繁项集;
通过语义网络对频繁项集进行组合式模型计算,并与静态信令数据比对,判断是否为关联行为;
对关联行为的动态信令数据进行部分去重。
需要说明的是,频繁项集是指对用户出行的频繁程度按阈值筛选后得到的数据集合,包括用户的出行目的地址、出行频率、逗留时间、衍生出行情况等信息。当用户的出行轨迹牵连的地点多、范围广、时间不固定的情况下,在人口监测易造成活动区域重叠、多次纳入统计的问题。为了解决这一现象,通过语义网络的大数据分析,将频繁项集按照相关度进行组合和分布,并将组合后的信息根据用户的静态信令数据对比分析每一项下的行为目的和模式。若某项行动轨迹判断为与用户的某项特定静态信令数据相关联,则将该项行动轨迹统一标记,在检测时只需要取该项下的数据交集即可,简化数据处理模式的同时减少归属地判定的错误率。
根据本申请实施例,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组具体为:
根据用户的工作信息、住房信息、家庭关系和实时访问记录的关联性,将用户种类分为稳定人口和活跃人口;
将不同用户种类用不同方式标记,以用户的驻留定位为载体建立栅格网络。
需要说明的是,稳定人口指活动轨迹长期处于小范围内的用户群体,活跃人口指活动轨迹范围广、频率高且固定活动区域包含在内的用户群体。根据用户静态信令数据中的固定地址信息,例如户口所在地、惯常居住地等,建立栅格网络并在其中以不同颜色或形状标记加以区别,可以显示不同类型用户的整体分布和聚集情况。
根据本申请实施例,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为稳定人口,根据静态信令数据模拟用户的时空轨迹范围。
需要说明的是,稳定人口的时空轨迹表现为围绕典型位置的小范围扩散形状,典型位置是指居住场所、工作场所等,且图形的强调形式一致,即图形的颜色单一且均衡。
根据本申请实施例,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为活跃人口,以静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图。
需要说明的是,活跃人口的时空轨迹表现为以几个特定位置为基点的大范围扩散形状,特定位置是指用户的居住地、工作地、惯常停留地、临时驻留地等。图形的强调形式取决于用户出行的目的和模式,即图形的颜色可以不一,深浅程度多为以基点为中心向周围渐变。
根据本申请实施例,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
根据静态信令数据判断用户是否存在变动信息;
若存在变动信息,则根据更新的静态信令数据判断用户种类为转移变动或移除变动;
对转移变动的用户种类,以更新后的静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图;
对移除变动的用户种类,剔除所有用户数据。
需要说明的是,当检测到用户的静态信令数据发生变动,则以新产生的静态信令数据重新对用户进行种类和归属地划分。其中,转移变动通常指用户跨区域性质地变更户口所在地、常住地或者工作场所等静态信息。移除变动通常指移民人口、过世人口等情况。
根据本申请实施例,还包括:
将用户更新前后的静态信令数据表示为矢量图;
提取更新后的静态信令数据中的政府政策信息;
对用户的矢量图和政府政策信息做相关性分析,用于评价政府政策的响应程度。
需要说明的是,以矢量图的形式表示人口迁移的方向和程度,通过矢量与政策发布的一致性分析评价政策响应程度,可以科学辅助政策调整和制定。
在本申请另一实施例中,将不同用户种类用不同方式标记,以用户的驻留定位为载体建立栅格网络具体为:
所述栅格网络以楼宇为单位,根据用户种类处于栅格网络的聚集程度对栅格网络进行划分;
根据栅格网络的划分结果判断人口监测的取样方式。
需要说明的是,栅格网络可以显示不同用户种类的占比,当单个用户种类占比在设定值以上,则对该栅格网络下的用户群体采用该用户种类相对应的取样方式进行人口监测。例如,当判断一个栅格网络基本为稳定人口时,可以对该楼宇采取整体上门调查的方式检测。对栅格网络进行划分并采取针对性取样方式,能够对相同人口类型聚集程度较高的栅格网络进行批量处理,提高人口监测效率。
在本申请另一实施例中,提取分析模型中的结构参数和状态参数具体为:
对建立模型形状的边界范围、强调程度以及基点坐标进行数据化处理得到模型参数;
按照经验函数对模型参数进行定量分析。
需要说明的是,边界范围表示为图形面积和离散程度,强调程度表示为活动频率,基点坐标表示为流动趋势。模型参数可以是数字信息,经验函数可根据历史人口监测数据结合大数据技术确定。对模型参数进行定量分析是指将模型参数进行归类并显示人口的规模和流动状况等信息。
本申请实施例第三方面提供一种计算机可读存储介质,所述计算机可读存储介质中包括基于大数据的人口监测程序,所述基于大数据的人口监测程序被处理器执行时,实现所述基于大数据的人口监测方法的步骤。
上述计算机可读存储介质对应地执行基于大数据的人口监测方法中的各步骤,具体参见图1对方法步骤的描述,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM, Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种基于大数据的人口监测方法,其特征在于,包括如下步骤:
采集在一定时间范围内用户的静态信令数据和动态信令数据,所述静态信令数据包括住房信息和工作信息,所述动态信令数据包括预约信息、受理信息和交易信息;
根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组;
根据用户的活动范围和活动热度对每个组别建立分析模型;
提取分析模型中的结构参数和状态参数,用于分析人口规模和人口流动情况;
所述采集在一定时间范围内用户的静态信令数据和动态信令数据之后,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组之前,还包括:
将静态信令数据和动态信令数据进行语义关联,分析用户的动态行为属性和操作,具体为:
抽取动态信令数据中的频繁项集;
通过语义网络对频繁项集进行组合式模型计算,并与静态信令数据比对,判断是否为关联行为;
对关联行为的动态信令数据进行部分去重;
所述频繁项集是指对用户出行的频繁程度按阈值筛选后得到的数据集合,包括用户的出行目的地址、出行频率、逗留时间、衍生出行情况信息;
还包括:
通过语义网络的大数据分析将频繁项集按照相关度进行组合和分布,并将组合后的信息根据用户的静态信令数据对比分析每一项下的行为目的和模式;
若某项行动轨迹判断为与用户的某项特定静态信令数据相关联,则将该项行动轨迹统一标记。
2.根据权利要求1所述的基于大数据的人口监测方法,其特征在于,根据静态信令数据和动态信令数据的关联性将用户按活动范围和活动热度进行分组具体为:
根据用户的工作信息、住房信息、家庭关系和实时访问记录的关联性,将用户种类分为稳定人口和活跃人口;
将不同用户种类用不同方式标记,以用户的驻留定位为载体建立栅格网络。
3.根据权利要求2所述的基于大数据的人口监测方法,其特征在于,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为稳定人口,根据静态信令数据模拟用户的时空轨迹范围。
4.根据权利要求2所述的基于大数据的人口监测方法,其特征在于,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
对于用户种类为活跃人口,以静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图。
5.根据权利要求2所述的基于大数据的人口监测方法,其特征在于,根据用户的活动范围和活动热度对每个组别建立分析模型具体为:
根据静态信令数据判断用户是否存在变动信息;
若存在变动信息,则根据更新的静态信令数据判断用户种类为转移变动或移除变动;
对转移变动的用户种类,以更新后的静态信令数据作为基点,并根据动态信令数据进行串联,形成用户的时空轨迹图;
对移除变动的用户种类,剔除所有用户数据。
6.根据权利要求5所述的基于大数据的人口监测方法,其特征在于,还包括:
将用户更新前后的静态信令数据表示为矢量图;
提取更新后的静态信令数据中的政府政策信息;
对用户的矢量图和政府政策信息做相关性分析,用于评价政府政策的响应程度。
7.一种基于大数据的人口监测系统,其特征在于,包括存储器和处理器,所述存储器中包括基于大数据的人口监测程序,所述基于大数据的人口监测程序被所述处理器执行时,实现如权利要求1~6任一项所述基于大数据的人口监测方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于大数据的人口监测程序,所述基于大数据的人口监测程序被处理器执行时,实现如权利要求1~6任一项所述基于大数据的人口监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403680.8A CN114238433B (zh) | 2021-11-24 | 2021-11-24 | 一种基于大数据的人口监测方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403680.8A CN114238433B (zh) | 2021-11-24 | 2021-11-24 | 一种基于大数据的人口监测方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114238433A CN114238433A (zh) | 2022-03-25 |
CN114238433B true CN114238433B (zh) | 2022-09-16 |
Family
ID=80750809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111403680.8A Active CN114238433B (zh) | 2021-11-24 | 2021-11-24 | 一种基于大数据的人口监测方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114238433B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154457A (zh) * | 2018-01-02 | 2018-06-12 | 深圳云天励飞技术有限公司 | 人口分析的方法及系统 |
CN109635003A (zh) * | 2018-12-07 | 2019-04-16 | 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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809216B (zh) * | 2015-04-29 | 2018-06-05 | 赵蒙海 | 基于数据挖掘分析模型的引擎系统 |
CN107645740A (zh) * | 2017-09-01 | 2018-01-30 | 深圳市盛路物联通讯技术有限公司 | 一种移动监测方法及终端 |
CN109918459A (zh) * | 2019-01-28 | 2019-06-21 | 同济大学 | 一种基于手机信令的城市中观层面实有人口统计方法 |
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 |
-
2021
- 2021-11-24 CN CN202111403680.8A patent/CN114238433B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154457A (zh) * | 2018-01-02 | 2018-06-12 | 深圳云天励飞技术有限公司 | 人口分析的方法及系统 |
CN109635003A (zh) * | 2018-12-07 | 2019-04-16 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN114238433A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111614690B (zh) | 一种异常行为检测方法及装置 | |
CN106547894B (zh) | 基于移动通信信令大数据挖掘职住位置标签的系统及方法 | |
CN104396188B (zh) | 用于对移动网络性能问题进行根本原因分析的系统和方法 | |
CN101616101B (zh) | 一种用户信息过滤方法及装置 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN105721629A (zh) | 用户标识匹配方法和装置 | |
CN115409434B (zh) | 基于信令大数据的区域人口统计方法、系统及存储介质 | |
JP4627539B2 (ja) | 負荷試験システムおよび負荷試験データ作成方法、ならびにそのプログラム | |
CN112750030A (zh) | 风险模式识别方法、装置、设备及计算机可读存储介质 | |
CN113378899A (zh) | 非正常账号识别方法、装置、设备和存储介质 | |
CN113722617A (zh) | 企业实际办公地址的识别方法、装置及电子设备 | |
CN110990777B (zh) | 数据关联性分析方法及系统、可读存储介质 | |
CN115333966A (zh) | 一种基于拓扑的Nginx日志分析方法、系统及设备 | |
CN109978264B (zh) | 一种基于时空信息的城市人口分布预测方法 | |
CN106301979A (zh) | 检测异常渠道的方法和系统 | |
CN114238433B (zh) | 一种基于大数据的人口监测方法、系统和存储介质 | |
CN111651741B (zh) | 用户身份识别方法、装置、计算机设备和存储介质 | |
CN112887910B (zh) | 异常覆盖区域的确定方法、装置和计算机可读存储介质 | |
CN113569162A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN116743474A (zh) | 决策树生成方法、装置、电子设备及存储介质 | |
CN104484357B (zh) | 数据处理方法及装置和访问频次信息处理方法及装置 | |
CN115511343A (zh) | 一种城市核心区域的确定方法、装置、设备以及存储介质 | |
CN111465021B (zh) | 基于图的骚扰电话识别模型构建方法 | |
CN112070548B (zh) | 一种用户分层的方法、装置、设备及存储介质 | |
CN109582806B (zh) | 一种基于图计算的个人信息处理方法及系统 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Yu Xiaobo Inventor after: Jia Xiaofeng Inventor after: Cheng Lili Inventor after: Zhang Guangzhi Inventor after: Gao Wenfei Inventor before: Yu Xiaobo Inventor before: Jia Xiaofeng Inventor before: Cheng Lili Inventor before: Zhang Guangzhi Inventor before: Gao Wenfei |
|
GR01 | Patent grant | ||
GR01 | Patent grant |