CN114490624A - 一种基于大数据的人房企智慧统计方法、系统及可读存储介质 - Google Patents
一种基于大数据的人房企智慧统计方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN114490624A CN114490624A CN202210340504.2A CN202210340504A CN114490624A CN 114490624 A CN114490624 A CN 114490624A CN 202210340504 A CN202210340504 A CN 202210340504A CN 114490624 A CN114490624 A CN 114490624A
- Authority
- CN
- China
- Prior art keywords
- data
- building
- house
- information
- grid
- 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.)
- Granted
Links
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了基于大数据的人房企智慧统计方法、系统及可读存储介质。该方法,包括:获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据,获取分类清洗后所述目标楼房数据的人口特征数据,根据人口特征数据对目标楼房的房屋进行栅格处理得到房屋栅格分布数据,根据房屋栅格分布数据结合人口特征数据获得楼房栅格人口特征画像,根据楼房栅格人口特征画像获得楼宇人企数据信息;从而基于楼房房屋栅格分布数据以及楼房栅格人口特征画像实现对区域重点楼房企人口数据分布的筛选和获取,可以提高对区域高经济活力的楼企人力分布情况的统计准确率,便于掌握区域经济和人力经济运行状况。
Description
技术领域
本申请涉及城市统计技术及大数据技术领域,具体而言,涉及一种基于大数据的人房企智慧统计方法、系统及可读存储介质。
背景技术
人才、楼企作为城市的重要组成部分,反映出区域经济活力以及人才经济活力指数,对区域重点楼企的人力数据统计是考察掌握区域经济活力情况的重要统计手段。
而对楼企人口信息的普查,通常根据房屋清查部门的数据,将企业、人口关联至楼房再进行一步步统计,由于楼宇房屋数据未有效监控和共享,因此每次普查都要首先重新采集楼宇房屋数据,造成工作量巨大,因此目前通常借助基层业务人员力量,将楼宇房屋以及人力数据信息的更新维护作为常态化工作,这大大增加了普查的人力和时间投入,且统计数据缺乏精准度,缺少更精准的智能统计方法。
针对上述问题,目前尚未有有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于大数据的人房企智慧统计方法、系统及可读存储介质,可以提高楼宇动态运营状态掌握的准确度。
本申请实施例还提供了一种基于大数据的人房企智慧统计方法,包括以下步骤:
获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据;
获取分类清洗后所述目标楼房数据的人口特征数据;
根据所述人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据;
根据所述房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像;
根据所述楼房栅格人口特征画像获得楼宇人企数据信息。
可选地,在本申请实施例所述的基于大数据的人房企智慧统计方法,所述获取区域内楼宇房屋数据信息并进行数据分类清洗,包括:
获取区域内各楼宇房屋数据信息;
所述楼宇房屋数据信息包括楼宇属性信息、楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据;
根据所述楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据;
获取所述第一楼宇信息数据的内置房屋特征数据;
按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
可选地,在本申请实施例所述的基于大数据的人房企智慧统计方法,所述根据楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据,包括:
获取区域重点楼宇监测数据库;
所述区域重点楼宇监测数据库包括区域各重点楼宇实时监测数据信息集;
所述实时监测数据信息集包括区域各重点楼宇实时动能数据、人流数据以及房屋空置数据;
根据所述实时监测数据信息集输入楼宇活力阈值模型中获得区域重点楼宇活力阈值集;
所述区域重点楼宇活力阈值集包括楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值;
根据所述区域重点楼宇活力阈值集生成第一预设规则;
根据所述第一预设规则对各楼宇房屋数据信息进行分类获得第一楼宇信息数据。
可选地,在本申请实施例所述的基于大数据的人房企智慧统计方法,所述按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据,包括:
获取区域重点楼宇的内置房屋特征数据;
所述内置房屋特征数据包括所述区域重点楼宇各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据;
获取所述区域重点楼宇的内置房屋特征数据的数据均值集;
根据所述数据均值集与所述第一楼宇信息数据的楼宇属性信息进行加权获得第二预设阈值;
根据所述第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
可选地,在本申请实施例所述的基于大数据的人房企智慧统计方法,还包括:
根据所述第二预设阈值与所述第一楼宇信息数据内置房屋特征数据的各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别进行加权获得加权后内置房屋特征数据集;
获取所述第一楼宇信息数据中加权后内置房屋特征数据集中大于所述区域重点楼宇的内置房屋特征数据的数据均值集的内置房屋特征数据作为目标楼房数据。
可选地,在本申请实施例所述的基于大数据的人房企智慧统计方法,所述根据人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据,包括:
获取所述目标楼房数据的人口特征数据,包括人员驻留数据、人员分布密度数据以及人口分时热力数据;
获取所述目标楼房各注册企业数据信息,包括各注册企业属性和体量规模;
根据所述目标楼房数据的人口特征数据结合所述各注册企业数据信息输入已训练好的楼企栅格人力分布模型获得房屋栅格分布数据。
可选地,在本申请实施例所述的基于大数据的人房企智慧统计方法,所述根据房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像,包括:
根据所述房屋栅格分布数据对所述目标楼房各房屋进行栅格分隔;
根据所述人口特征数据的人员驻留数据以及人口分时热力数据按照所述栅格分隔获取预设时间段目标楼房各房屋栅格人力分布图;
根据所述预设时间段目标楼房各房屋栅格人力分布图按照所述各注册企业体量规模进行集合获得楼房栅格人口特征画像。
可选地,在本申请实施例所述的基于大数据的人房企智慧统计方法,所述根据楼房栅格人口特征画像获得楼宇人企数据信息,包括:
根据所述楼房栅格人口特征画像呈现所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息;
根据所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息合成楼宇人企数据信息。
第二方面,本申请实施例提供了一种基于大数据的人房企智慧统计系统,该系统包括:存储器及处理器,所述存储器中包括基于大数据的人房企智慧统计方法的程序,所述基于大数据的人房企智慧统计方法的程序被所述处理器执行时实现以下步骤:
获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据;
获取分类清洗后所述目标楼房数据的人口特征数据;
根据所述人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据;
根据所述房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像;
根据所述楼房栅格人口特征画像获得楼宇人企数据信息。
第三方面,本申请实施例还提供了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房企智慧统计方法程序,所述基于大数据的人房企智慧统计方法程序被处理器执行时,实现如上述任一项所述的一种基于大数据的人房企智慧统计方法的步骤。
由上可知,本申请实施例提供的基于大数据的人房企智慧统计方法、系统及可读存储介质通过获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据,获取分类清洗后所述目标楼房数据的人口特征数据,根据人口特征数据对目标楼房的房屋进行栅格处理得到房屋栅格分布数据,根据房屋栅格分布数据结合人口特征数据获得楼房栅格人口特征画像,根据楼房栅格人口特征画像获得楼宇人企数据信息;从而基于楼房房屋栅格分布数据以及楼房栅格人口特征画像实现对区域重点楼房企人口数据分布的筛选和获取,可以提高对区域高经济活力的楼企人力分布情况的统计准确率,便于掌握区域经济和人力经济运行状况。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于大数据的人房企智慧统计方法的一种流程图。
图2为本申请实施例提供的基于大数据的人房企智慧统计系统的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的一种基于大数据的人房企智慧统计的流程图。该基于大数据的人房企智慧统计方法用于终端设备中,例如移动终端、IP电脑等。该基于大数据的人房企智慧统计方法,包括以下步骤:
S101、获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据;
S102、获取分类清洗后所述目标楼房数据的人口特征数据;
S103、根据所述人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据;
S104、根据所述房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像;
S105、根据所述楼房栅格人口特征画像获得楼宇人企数据信息。
需要说明的是,首先获取区域内楼宇房屋数据信息,根据区域内重点楼宇实时监测数据信息和内置房屋特征数据进行数据分类清洗得到目标楼房数据,在结合获取的目标楼房数据的人口特征数据对房屋进行栅格处理得到房屋栅格分布数据,再结合人口特征数据获得楼房栅格人口特征画像,根据楼房栅格人口特征画像获得楼宇人企数据信息,对区域楼宇房屋进行筛选和清洗获得重点楼宇房屋的人口数据信息,对筛出的重点监测楼宇人企数据信息进行获取和呈现。
根据本发明实施例,所述获取区域内楼宇房屋数据信息并进行数据分类清洗,具体为:
获取区域内各楼宇房屋数据信息;
所述楼宇房屋数据信息包括楼宇属性信息、楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据;
根据所述楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据;
获取所述第一楼宇信息数据的内置房屋特征数据;
按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
需要说明的是,获取区域内各楼宇房屋数据信息包括楼宇属性信息、楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据,再根据楼宇房屋数据信息按照通过区域重点楼宇的检测数据信息生成第一预设规则进行分类获得第一楼宇信息数据,通过第一步筛选出待筛查楼宇数据信息中符合楼宇要求的楼宇数据信息,再通过对第一楼宇信息数据的内置房屋特征数据根据区域重点楼宇的内置房屋特征数据进行清洗筛选出符合房屋要求的目标楼房数据。
根据本发明实施例,所述根据楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据,具体为:
获取区域重点楼宇监测数据库;
所述区域重点楼宇监测数据库包括区域各重点楼宇实时监测数据信息集;
所述实时监测数据信息集包括区域各重点楼宇实时动能数据、人流数据以及房屋空置数据;
根据所述实时监测数据信息集输入楼宇活力阈值模型中获得区域重点楼宇活力阈值集;
所述区域重点楼宇活力阈值集包括楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值;
根据所述区域重点楼宇活力阈值集生成第一预设规则;
根据所述第一预设规则对各楼宇房屋数据信息进行分类获得第一楼宇信息数据。
需要说明的是,根据区域内各楼宇房屋数据信息按照第一预设规则进行分类,具体通过楼宇活力阈值模型对区域各重点楼宇实时监测数据处理得到的区域重点楼宇活力阈值集与各楼宇房屋数据信息进行阈值对比,若所述某楼宇房屋数据信息的楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据满足所述区域重点楼宇活力阈值集的楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值对比结果,则所述某楼宇房屋数据信息的对应数据则分类成为第一楼宇信息数据,具体是,将区域重点楼宇监测数据库中区域各重点楼宇实时动能数据、人流数据以及房屋空置数据输入已建立的楼宇活力阈值模型中获得楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值,即区域重点楼宇活力阈值集,楼宇活力阈值模型是根据大数据多个历史楼宇样本实时动能数据、人流数据以及房屋空置数据处理得到的对应楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值进行集成建立的阈值模型,可通过输入一个或多个楼宇实时动能数据、人流数据以及房屋空置数据得到对应楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值,再通过楼宇活力阈值集与目标楼宇的相对应数据信息进行对比可判断目标楼宇的分类结果;
本实施例中第一预设规则设定为所述区域重点楼宇活力阈值集的85%,即某楼宇房屋数据信息的对应数据均若满足大于等于区域重点楼宇活力阈值集中对应数据阈值的85%,则该楼宇房屋数据信息则分类为第一楼宇信息数据。
根据本发明实施例,所述按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据,具体为:
获取区域重点楼宇的内置房屋特征数据;
所述内置房屋特征数据包括所述区域重点楼宇各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据;
获取所述区域重点楼宇的内置房屋特征数据的数据均值集;
根据所述数据均值集与所述第一楼宇信息数据的楼宇属性信息进行加权获得第二预设阈值;
根据所述第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
需要说明的是,按照第二预设阈值对筛选出的第一楼宇信息数据内置房屋特征数据进行清洗,具体为,通过对区域重点楼宇的各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别计算均值获得所述区域重点楼宇的内置房屋特征数据的数据均值集,即区域重点楼宇内置房屋的单位产值数据均值、单位创新数据均值、单屋人才占比数据均值以及人均财税数据均值,再根据数据均值集与第一楼宇信息数据的楼宇属性信息进行加权获得第二预设阈值,再根据第二预设阈值对第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据;
其中,所述第二预设阈值的计算公式为:
根据本发明实施例,还包括:
根据所述第二预设阈值与所述第一楼宇信息数据内置房屋特征数据的各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别进行加权获得加权后内置房屋特征数据集;
获取所述第一楼宇信息数据中加权后内置房屋特征数据集中大于所述区域重点楼宇的内置房屋特征数据的数据均值集的内置房屋特征数据作为目标楼房数据。
需要说明的是,为清洗得到第一楼宇信息数据内置房屋特征数据中符合要求的目标楼房数据,即筛选出符合预设要求的第一楼宇中的内置房屋,筛选出的内置房屋的特征数据即为目标楼房数据,目标楼房数据可反映出第一楼宇中优质的重要房屋,这些房屋的数据信息是本实施例需要获取的目标数据信息,具体为:根据计算获得的第二预设阈值与第一楼宇中各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别进行加权获得加权后内置房屋特征数据集,再根据加权后内置房屋特征数据集中大于区域重点楼宇的内置房屋特征数据的数据均值集的内置房屋特征数据作为目标楼房数据。
根据本发明实施例,所述根据人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据,具体为:
获取所述目标楼房数据的人口特征数据,包括人员驻留数据、人员分布密度数据以及人口分时热力数据;
获取所述目标楼房各注册企业数据信息,包括各注册企业属性和体量规模;
根据所述目标楼房数据的人口特征数据结合所述各注册企业数据信息输入已训练好的楼企栅格人力分布模型获得房屋栅格分布数据。
需要说明的是,楼企栅格人力分布模型是根据收集大量历史楼房样本的注册企业属性、体量规模、人员驻留数据和人员分布密度数据以及房屋栅格分布数据进行训练获得,数据量越大,则结果越准确,本申请中的楼企栅格人力分布模型是通过历史样本数据作为设定参数输入进行训练,通过历史楼房样本数据的注册企业属性、体量规模、人员驻留数据和人员分布密度数据以及房屋栅格分布数据输入楼企栅格人力分布模型中处理获取输出结果准确率,若结果准确率大于预设准确率阈值则得到楼企栅格人力分布模型,优选地,本方案中准确率阈值设置为80%;根据目标楼房数据的人口特征数据结合各注册企业数据信息输入已训练好的楼企栅格人力分布模型获得房屋栅格分布数据,通过房屋栅格分布数据可获得重点楼企内置房屋人力分布情况,可对目标楼企房屋内的人力密集度和栅格分布情况进行监测。
根据本发明实施例,所述根据房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像,具体为:
根据所述房屋栅格分布数据对所述目标楼房各房屋进行栅格分隔;
根据所述人口特征数据的人员驻留数据以及人口分时热力数据按照所述栅格分隔获取预设时间段目标楼房各房屋栅格人力分布图;
根据所述预设时间段目标楼房各房屋栅格人力分布图按照所述各注册企业体量规模进行集合获得楼房栅格人口特征画像。
需要说明的是,根据房屋栅格分布数据对目标楼房各房屋进行栅格分布划分,再根据划分的栅格对人员驻留情况和各预设时间段的栅格内人力分布情况进行实时监测,可获取预设时间段人员驻留数据以及人口分时热力数据得到目标楼房各房屋栅格人力分布图,再按照划分栅格的所在注册企业的体量规模对各房屋栅格人力分布图进行集合,即可集成为楼房栅格人口特征画像,该人口特征画像可形象呈现出不同各注册企业的房屋/栅格人力在不同时间段的分布情况,便于实时监测人力分布或按时段统计人力的监测统计需求。
根据本发明实施例,所述根据楼房栅格人口特征画像获得楼宇人企数据信息,具体为:
根据所述楼房栅格人口特征画像呈现所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息;
根据所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息合成楼宇人企数据信息。
需要说明的是,根据楼房栅格人口特征画像可呈现不同各注册企业的房屋/栅格人力在不同时间段的分布情况,获取目标楼房各注册企业分布数据信息以及各注册企业人力分布信息,再将目标楼房各注册企业分布数据信息以及各注册企业人力分布信息根据栅格位置合成为整个楼宇/整层/区域的注册企业分布情况以及注册企业人力分布情况,合成楼宇人企数据信息,通过栅格数据统计可实时动态监测楼宇/层/区域的企业/房屋人力分布情况,便于随时统计各目标企业/房屋/区域的人力状况。
根据本发明实施例,还包括:
根据所述楼房栅格人口特征画像获取目标楼房各注册企业对应栅格内人口特征数据;
根据所述人口特征数据获取符合所述栅格所在注册企业数据信息的人口属性特征数据;
获取所述目标楼房各房屋栅格内满足所述注册企业的人口属性特征数据的人口个体,标记为目标注册企业人员;
根据获取的所述目标注册企业人员数量作为所述注册企业人口数量;
根据所述注册企业人口数量输入各注册企业人力分布信息。
需要说明的是,由于楼宇各房屋人员流动较大且分散,为准确统计出目标楼房各注册企业动态人员数量信息,统计出企业人口实时信息,对目标楼房各注册企业对应栅格内人员的人口特征数据进行获取,并根据所在注册企业的数据信息筛选人口属性特征数据,即根据目标企业栅格内各人员的特点信息如通勤时间、服饰、工种属性或客户种类结合该注册企业的属性信息如经营信息、客户种类、布局装潢生成具有企业特点的人员特征属性,再根据人员特征属性特征在目标楼房各房屋栅格内进行筛查,将符合人口属性特征数据的人员标记为目标注册企业人员,可集合得到目标注册企业人员数量和人员信息,并将人员信息和分布信息输入该目标注册企业人力分布信息中,通过对企业人员共性的获取集合获取企业人力信息,实现对楼宇各企业根据企业人员特点实现因人聚企的人口信息统计方法。
如图2所示,本发明还公开了一种基于大数据的人房企智慧统计系统,包括存储器201和处理器202,所述存储器中包括基于大数据的人房企智慧统计方法程序,所述基于大数据的人房企智慧统计方法程序被所述处理器执行时实现如下步骤:
获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据;
获取分类清洗后所述目标楼房数据的人口特征数据;
根据所述人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据;
根据所述房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像;
根据所述楼房栅格人口特征画像获得楼宇人企数据信息。
需要说明的是,首先获取区域内楼宇房屋数据信息,根据区域内重点楼宇实时监测数据信息和内置房屋特征数据进行数据分类清洗得到目标楼房数据,在结合获取的目标楼房数据的人口特征数据对房屋进行栅格处理得到房屋栅格分布数据,再结合人口特征数据获得楼房栅格人口特征画像,根据楼房栅格人口特征画像获得楼宇人企数据信息,对区域楼宇房屋进行筛选和清洗获得重点楼宇房屋的人口数据信息,对筛出的重点监测楼宇人企数据信息进行获取和呈现。
根据本发明实施例,所述获取区域内楼宇房屋数据信息并进行数据分类清洗,具体为:
获取区域内各楼宇房屋数据信息;
所述楼宇房屋数据信息包括楼宇属性信息、楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据;
根据所述楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据;
获取所述第一楼宇信息数据的内置房屋特征数据;
按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
需要说明的是,获取区域内各楼宇房屋数据信息包括楼宇属性信息、楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据,再根据楼宇房屋数据信息按照通过区域重点楼宇的检测数据信息生成第一预设规则进行分类获得第一楼宇信息数据,通过第一步筛选出待筛查楼宇数据信息中符合楼宇要求的楼宇数据信息,再通过对第一楼宇信息数据的内置房屋特征数据根据区域重点楼宇的内置房屋特征数据进行清洗筛选出符合房屋要求的目标楼房数据。
根据本发明实施例,所述根据楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据,具体为:
获取区域重点楼宇监测数据库;
所述区域重点楼宇监测数据库包括区域各重点楼宇实时监测数据信息集;
所述实时监测数据信息集包括区域各重点楼宇实时动能数据、人流数据以及房屋空置数据;
根据所述实时监测数据信息集输入楼宇活力阈值模型中获得区域重点楼宇活力阈值集;
所述区域重点楼宇活力阈值集包括楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值;
根据所述区域重点楼宇活力阈值集生成第一预设规则;
根据所述第一预设规则对各楼宇房屋数据信息进行分类获得第一楼宇信息数据。
需要说明的是,根据区域内各楼宇房屋数据信息按照第一预设规则进行分类,具体通过楼宇活力阈值模型对区域各重点楼宇实时监测数据处理得到的区域重点楼宇活力阈值集与各楼宇房屋数据信息进行阈值对比,若所述某楼宇房屋数据信息的楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据满足所述区域重点楼宇活力阈值集的楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值对比结果,则所述某楼宇房屋数据信息的对应数据则分类成为第一楼宇信息数据,具体是,将区域重点楼宇监测数据库中区域各重点楼宇实时动能数据、人流数据以及房屋空置数据输入已建立的楼宇活力阈值模型中获得楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值,即区域重点楼宇活力阈值集,楼宇活力阈值模型是根据大数据多个历史楼宇样本实时动能数据、人流数据以及房屋空置数据处理得到的对应楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值进行集成建立的阈值模型,可通过输入一个或多个楼宇实时动能数据、人流数据以及房屋空置数据得到对应楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值,再通过楼宇活力阈值集与目标楼宇的相对应数据信息进行对比可判断目标楼宇的分类结果;
本实施例中第一预设规则设定为所述区域重点楼宇活力阈值集的85%,即某楼宇房屋数据信息的对应数据均若满足大于等于区域重点楼宇活力阈值集中对应数据阈值的85%,则该楼宇房屋数据信息则分类为第一楼宇信息数据。
根据本发明实施例,所述按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据,具体为:
获取区域重点楼宇的内置房屋特征数据;
所述内置房屋特征数据包括所述区域重点楼宇各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据;
获取所述区域重点楼宇的内置房屋特征数据的数据均值集;
根据所述数据均值集与所述第一楼宇信息数据的楼宇属性信息进行加权获得第二预设阈值;
根据所述第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
需要说明的是,按照第二预设阈值对筛选出的第一楼宇信息数据内置房屋特征数据进行清洗,具体为,通过对区域重点楼宇的各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别计算均值获得所述区域重点楼宇的内置房屋特征数据的数据均值集,即区域重点楼宇内置房屋的单位产值数据均值、单位创新数据均值、单屋人才占比数据均值以及人均财税数据均值,再根据数据均值集与第一楼宇信息数据的楼宇属性信息进行加权获得第二预设阈值,再根据第二预设阈值对第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据;
其中,所述第二预设阈值的计算公式为:
根据本发明实施例,还包括:
根据所述第二预设阈值与所述第一楼宇信息数据内置房屋特征数据的各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别进行加权获得加权后内置房屋特征数据集;
获取所述第一楼宇信息数据中加权后内置房屋特征数据集中大于所述区域重点楼宇的内置房屋特征数据的数据均值集的内置房屋特征数据作为目标楼房数据。
需要说明的是,为清洗得到第一楼宇信息数据内置房屋特征数据中符合要求的目标楼房数据,即筛选出符合预设要求的第一楼宇中的内置房屋,筛选出的内置房屋的特征数据即为目标楼房数据,目标楼房数据可反映出第一楼宇中优质的重要房屋,这些房屋的数据信息是本实施例需要获取的目标数据信息,具体为:根据计算获得的第二预设阈值与第一楼宇中各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别进行加权获得加权后内置房屋特征数据集,再根据加权后内置房屋特征数据集中大于区域重点楼宇的内置房屋特征数据的数据均值集的内置房屋特征数据作为目标楼房数据。
根据本发明实施例,所述根据人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据,具体为:
获取所述目标楼房数据的人口特征数据,包括人员驻留数据、人员分布密度数据以及人口分时热力数据;
获取所述目标楼房各注册企业数据信息,包括各注册企业属性和体量规模;
根据所述目标楼房数据的人口特征数据结合所述各注册企业数据信息输入已训练好的楼企栅格人力分布模型获得房屋栅格分布数据。
需要说明的是,楼企栅格人力分布模型是根据收集大量历史楼房样本的注册企业属性、体量规模、人员驻留数据和人员分布密度数据以及房屋栅格分布数据进行训练获得,数据量越大,则结果越准确,本申请中的楼企栅格人力分布模型是通过历史样本数据作为设定参数输入进行训练,通过历史楼房样本数据的注册企业属性、体量规模、人员驻留数据和人员分布密度数据以及房屋栅格分布数据输入楼企栅格人力分布模型中处理获取输出结果准确率,若结果准确率大于预设准确率阈值则得到楼企栅格人力分布模型,优选地,本方案中准确率阈值设置为80%;根据目标楼房数据的人口特征数据结合各注册企业数据信息输入已训练好的楼企栅格人力分布模型获得房屋栅格分布数据,通过房屋栅格分布数据可获得重点楼企内置房屋人力分布情况,可对目标楼企房屋内的人力密集度和栅格分布情况进行监测。
根据本发明实施例,所述根据房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像,具体为:
根据所述房屋栅格分布数据对所述目标楼房各房屋进行栅格分隔;
根据所述人口特征数据的人员驻留数据以及人口分时热力数据按照所述栅格分隔获取预设时间段目标楼房各房屋栅格人力分布图;
根据所述预设时间段目标楼房各房屋栅格人力分布图按照所述各注册企业体量规模进行集合获得楼房栅格人口特征画像。
需要说明的是,根据房屋栅格分布数据对目标楼房各房屋进行栅格分布划分,再根据划分的栅格对人员驻留情况和各预设时间段的栅格内人力分布情况进行实时监测,可获取预设时间段人员驻留数据以及人口分时热力数据得到目标楼房各房屋栅格人力分布图,再按照划分栅格的所在注册企业的体量规模对各房屋栅格人力分布图进行集合,即可集成为楼房栅格人口特征画像,该人口特征画像可形象呈现出不同各注册企业的房屋/栅格人力在不同时间段的分布情况,便于实时监测人力分布或按时段统计人力的监测统计需求。
根据本发明实施例,所述根据楼房栅格人口特征画像获得楼宇人企数据信息,具体为:
根据所述楼房栅格人口特征画像呈现所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息;
根据所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息合成楼宇人企数据信息。
需要说明的是,根据楼房栅格人口特征画像可呈现不同各注册企业的房屋/栅格人力在不同时间段的分布情况,获取目标楼房各注册企业分布数据信息以及各注册企业人力分布信息,再将目标楼房各注册企业分布数据信息以及各注册企业人力分布信息根据栅格位置合成为整个楼宇/整层/区域的注册企业分布情况以及注册企业人力分布情况,合成楼宇人企数据信息,通过栅格数据统计可实时动态监测楼宇/层/区域的企业/房屋人力分布情况,便于随时统计各目标企业/房屋/区域的人力状况。
根据本发明实施例,还包括:
根据所述楼房栅格人口特征画像获取目标楼房各注册企业对应栅格内人口特征数据;
根据所述人口特征数据获取符合所述栅格所在注册企业数据信息的人口属性特征数据;
获取所述目标楼房各房屋栅格内满足所述注册企业的人口属性特征数据的人口个体,标记为目标注册企业人员;
根据获取的所述目标注册企业人员数量作为所述注册企业人口数量;
根据所述注册企业人口数量输入各注册企业人力分布信息。
需要说明的是,由于楼宇各房屋人员流动较大且分散,为准确统计出目标楼房各注册企业动态人员数量信息,统计出企业人口实时信息,对目标楼房各注册企业对应栅格内人员的人口特征数据进行获取,并根据所在注册企业的数据信息筛选人口属性特征数据,即根据目标企业栅格内各人员的特点信息如通勤时间、服饰、工种属性或客户种类结合该注册企业的属性信息如经营信息、客户种类、布局装潢生成具有企业特点的人员特征属性,再根据人员特征属性特征在目标楼房各房屋栅格内进行筛查,将符合人口属性特征数据的人员标记为目标注册企业人员,可集合得到目标注册企业人员数量和人员信息,并将人员信息和分布信息输入该目标注册企业人力分布信息中,通过对企业人员共性的获取集合获取企业人力信息,实现对楼宇各企业根据企业人员特点实现因人聚企的人口信息统计方法。
本发明第三方面提供了一种可读存储介质,所述可读存储介质中包括一种基于大数据的人房企智慧统计方法程序,所述基于大数据的人房企智慧统计方法程序被处理器执行时,实现如上述任一项所述的一种基于大数据的人房企智慧统计方法的步骤。
本发明公开的一种基于大数据的人房企智慧统计方法、系统和可读存储介质,通过获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据,获取分类清洗后所述目标楼房数据的人口特征数据,根据人口特征数据对目标楼房的房屋进行栅格处理得到房屋栅格分布数据,根据房屋栅格分布数据结合人口特征数据获得楼房栅格人口特征画像,根据楼房栅格人口特征画像获得楼宇人企数据信息;从而基于楼房房屋栅格分布数据以及楼房栅格人口特征画像实现对区域重点楼房企人口数据分布的筛选和获取,可以提高对区域高经济活力的楼企人力分布情况的统计准确率,便于掌握区域经济和人力经济运行状况。
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。
Claims (10)
1.一种基于大数据的人房企智慧统计方法,其特征在于,包括以下步骤:
获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据;
获取分类清洗后所述目标楼房数据的人口特征数据;
根据所述人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据;
根据所述房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像;
根据所述楼房栅格人口特征画像获得楼宇人企数据信息。
2.根据权利要求1所述的基于大数据的人房企智慧统计方法,其特征在于,所述获取区域内楼宇房屋数据信息并进行数据分类清洗,包括:
获取区域内各楼宇房屋数据信息;
所述楼宇房屋数据信息包括楼宇属性信息、楼宇动能数据、楼宇人流数据以及楼宇房屋空置数据;
根据所述楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据;
获取所述第一楼宇信息数据的内置房屋特征数据;
按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
3.根据权利要求2所述的基于大数据的人房企智慧统计方法,其特征在于,所述根据楼宇房屋数据信息按照第一预设规则进行分类获得第一楼宇信息数据,包括:
获取区域重点楼宇监测数据库;
所述区域重点楼宇监测数据库包括区域各重点楼宇实时监测数据信息集;
所述实时监测数据信息集包括区域各重点楼宇实时动能数据、人流数据以及房屋空置数据;
根据所述实时监测数据信息集输入楼宇活力阈值模型中获得区域重点楼宇活力阈值集;
所述区域重点楼宇活力阈值集包括楼宇动能数据阈值、楼宇人流数据阈值以及房屋空置数据阈值;
根据所述区域重点楼宇活力阈值集生成第一预设规则;
根据所述第一预设规则对各楼宇房屋数据信息进行分类获得第一楼宇信息数据。
4.根据权利要求3所述的基于大数据的人房企智慧统计方法,其特征在于,所述按照第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据,包括:
获取区域重点楼宇的内置房屋特征数据;
所述内置房屋特征数据包括所述区域重点楼宇各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据;
获取所述区域重点楼宇的内置房屋特征数据的数据均值集;
根据所述数据均值集与所述第一楼宇信息数据的楼宇属性信息进行加权获得第二预设阈值;
根据所述第二预设阈值对所述第一楼宇信息数据内置房屋特征数据进行清洗获取目标楼房数据。
5.根据权利要求4所述的基于大数据的人房企智慧统计方法,还包括:
根据所述第二预设阈值与所述第一楼宇信息数据内置房屋特征数据的各内置房屋的单位产值数据、单位创新数据、单屋人才占比数据以及人均财税数据分别进行加权获得加权后内置房屋特征数据集;
获取所述第一楼宇信息数据中加权后内置房屋特征数据集中大于所述区域重点楼宇的内置房屋特征数据的数据均值集的内置房屋特征数据作为目标楼房数据。
6.根据权利要求1所述的基于大数据的人房企智慧统计方法,其特征在于,所述根据人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据,包括:
获取所述目标楼房数据的人口特征数据,包括人员驻留数据、人员分布密度数据以及人口分时热力数据;
获取所述目标楼房各注册企业数据信息,包括各注册企业属性和体量规模;
根据所述目标楼房数据的人口特征数据结合所述各注册企业数据信息输入已训练好的楼企栅格人力分布模型获得房屋栅格分布数据。
7.根据权利要求6所述的基于大数据的人房企智慧统计方法,其特征在于,所述根据房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像,包括:
根据所述房屋栅格分布数据对所述目标楼房各房屋进行栅格分隔;
根据所述人口特征数据的人员驻留数据以及人口分时热力数据按照所述栅格分隔获取预设时间段目标楼房各房屋栅格人力分布图;
根据所述预设时间段目标楼房各房屋栅格人力分布图按照所述各注册企业体量规模进行集合获得楼房栅格人口特征画像。
8.根据权利要求7所述的基于大数据的人房企智慧统计方法,其特征在于,所述根据楼房栅格人口特征画像获得楼宇人企数据信息,包括:
根据所述楼房栅格人口特征画像呈现所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息;
根据所述目标楼房各注册企业分布数据信息以及各注册企业人力分布信息合成楼宇人企数据信息。
9.一种基于大数据的人房企智慧统计系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于大数据的人房企智慧统计方法的程序,所述基于大数据的人房企智慧统计方法的程序被所述处理器执行时实现以下步骤:
获取区域内楼宇房屋数据信息并进行数据分类清洗得到目标楼房数据;
获取分类清洗后所述目标楼房数据的人口特征数据;
根据所述人口特征数据对所述目标楼房的房屋进行栅格处理得到房屋栅格分布数据;
根据所述房屋栅格分布数据结合所述人口特征数据获得楼房栅格人口特征画像;
根据所述楼房栅格人口特征画像获得楼宇人企数据信息。
10.一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房企智慧统计方法程序,所述基于大数据的人房企智慧统计方法程序被处理器执行时,实现如权利要求1至8中任一项所述的一种基于大数据的人房企智慧统计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340504.2A CN114490624B (zh) | 2022-04-02 | 2022-04-02 | 一种基于大数据的人房企智慧统计方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340504.2A CN114490624B (zh) | 2022-04-02 | 2022-04-02 | 一种基于大数据的人房企智慧统计方法、系统及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114490624A true CN114490624A (zh) | 2022-05-13 |
CN114490624B CN114490624B (zh) | 2022-06-28 |
Family
ID=81488414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210340504.2A Active CN114490624B (zh) | 2022-04-02 | 2022-04-02 | 一种基于大数据的人房企智慧统计方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114490624B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944614A (zh) * | 2017-11-20 | 2018-04-20 | 章文洁 | 一种分析城市综合体活力的方法 |
CN109947887A (zh) * | 2019-03-20 | 2019-06-28 | 智慧足迹数据科技有限公司 | 人口分布统计方法及装置 |
CN110223211A (zh) * | 2019-07-30 | 2019-09-10 | 浪潮云信息技术有限公司 | 一种基于政府大数据的智慧社区建设方法 |
CN110263109A (zh) * | 2019-05-22 | 2019-09-20 | 中国科学院地理科学与资源研究所 | 一种融合互联网信息及gis技术的家庭户数估算方法 |
CN111104610A (zh) * | 2019-11-07 | 2020-05-05 | 重庆特斯联智慧科技股份有限公司 | 一种社区人口大数据的可视化管理系统和方法 |
CN112069284A (zh) * | 2020-09-15 | 2020-12-11 | 广州博慧众成科技有限公司 | 信息化的居民社区综合管理服务平台及管理方法 |
US20210037394A1 (en) * | 2019-08-02 | 2021-02-04 | Verizon Patent And Licensing Inc. | Systems and methods for network coverage optimization and planning |
CN112445880A (zh) * | 2020-10-20 | 2021-03-05 | 湖南地理空间大数据产业发展有限公司 | 将企业数据自动地理空间网格化的方法、装置及相关设备 |
CN114064831A (zh) * | 2021-10-27 | 2022-02-18 | 北京融信数联科技有限公司 | 一种数据栅格化显示方法、系统和存储介质 |
CN114077977A (zh) * | 2022-01-19 | 2022-02-22 | 北京融信数联科技有限公司 | 基于大数据的楼宇智慧管理方法、系统及可读存储介质 |
CN114202149A (zh) * | 2021-10-28 | 2022-03-18 | 贵州优特云科技有限公司 | 一种数字化楼宇信息管理方法、装置、系统及存储介质 |
-
2022
- 2022-04-02 CN CN202210340504.2A patent/CN114490624B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944614A (zh) * | 2017-11-20 | 2018-04-20 | 章文洁 | 一种分析城市综合体活力的方法 |
CN109947887A (zh) * | 2019-03-20 | 2019-06-28 | 智慧足迹数据科技有限公司 | 人口分布统计方法及装置 |
CN110263109A (zh) * | 2019-05-22 | 2019-09-20 | 中国科学院地理科学与资源研究所 | 一种融合互联网信息及gis技术的家庭户数估算方法 |
CN110223211A (zh) * | 2019-07-30 | 2019-09-10 | 浪潮云信息技术有限公司 | 一种基于政府大数据的智慧社区建设方法 |
US20210037394A1 (en) * | 2019-08-02 | 2021-02-04 | Verizon Patent And Licensing Inc. | Systems and methods for network coverage optimization and planning |
CN111104610A (zh) * | 2019-11-07 | 2020-05-05 | 重庆特斯联智慧科技股份有限公司 | 一种社区人口大数据的可视化管理系统和方法 |
CN112069284A (zh) * | 2020-09-15 | 2020-12-11 | 广州博慧众成科技有限公司 | 信息化的居民社区综合管理服务平台及管理方法 |
CN112445880A (zh) * | 2020-10-20 | 2021-03-05 | 湖南地理空间大数据产业发展有限公司 | 将企业数据自动地理空间网格化的方法、装置及相关设备 |
CN114064831A (zh) * | 2021-10-27 | 2022-02-18 | 北京融信数联科技有限公司 | 一种数据栅格化显示方法、系统和存储介质 |
CN114202149A (zh) * | 2021-10-28 | 2022-03-18 | 贵州优特云科技有限公司 | 一种数字化楼宇信息管理方法、装置、系统及存储介质 |
CN114077977A (zh) * | 2022-01-19 | 2022-02-22 | 北京融信数联科技有限公司 | 基于大数据的楼宇智慧管理方法、系统及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
朱瑾等: "基于"实有人口、实有房屋"数据的精细化人口空间化处理方法及应用研究", 《东北师大学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114490624B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020238631A1 (zh) | 一种基于手机信令数据的人群类型识别方法 | |
CN110796284B (zh) | 细颗粒物污染等级的预测方法、装置及计算机设备 | |
CN103793484B (zh) | 分类信息网站中的基于机器学习的欺诈行为识别系统 | |
CN109409677A (zh) | 企业信用风险评估方法、装置、设备及存储介质 | |
CN110163675A (zh) | 一种房地产价格评估方法及系统 | |
CN115759640B (zh) | 一种智慧城市的公共服务信息处理系统及方法 | |
CN108734216A (zh) | 基于负荷曲线形态的电力用户分类方法、装置及存储介质 | |
CN109636337A (zh) | 一种基于大数据的人才库构建方法及电子设备 | |
US20090009517A1 (en) | Method for superimposing statistical information on tabular data | |
CN114626735A (zh) | 催收案件分配方法、装置、设备及计算机可读存储介质 | |
CN108280644A (zh) | 群组成员关系数据可视化方法及系统 | |
TW201640383A (zh) | 網路事件自動蒐集分析方法及系統 | |
CN114418360A (zh) | 一种智慧城市运行体征大数据分析方法及装置 | |
CN113420946B (zh) | 一种新闻媒体的评价方法 | |
CN109670779A (zh) | 一种绿色建筑项目统计分析平台及方法 | |
CN115618278B (zh) | 一种数字模型生成数据的分类方法 | |
CN109918544B (zh) | 基于粗糙集的职务犯罪社会关系网络智能分析方法及系统 | |
CN114077977B (zh) | 基于大数据的楼宇智慧管理方法、系统及可读存储介质 | |
CN114490624B (zh) | 一种基于大数据的人房企智慧统计方法、系统及可读存储介质 | |
CN114095335A (zh) | 一种网络告警处理方法、装置和电子设备 | |
CN111443615A (zh) | 一种用电设备控制系统、方法以及设备 | |
CN108805010A (zh) | 一种网络直播平台不良图像检测方法 | |
CN112101734A (zh) | 一种基于城市活力恢复曲线的影响因子分析方法、装置及存储介质 | |
JP6675203B2 (ja) | 商圏分析レポートシステム及び商圏分析レポート処理プログラム | |
CN111369394A (zh) | 基于大数据的景区客流量统计评估系统及方法 |
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 |