CN116089448A - 一种基于多维感知建立人口画像的实时人口管理系统 - Google Patents
一种基于多维感知建立人口画像的实时人口管理系统 Download PDFInfo
- Publication number
- CN116089448A CN116089448A CN202211515295.7A CN202211515295A CN116089448A CN 116089448 A CN116089448 A CN 116089448A CN 202211515295 A CN202211515295 A CN 202211515295A CN 116089448 A CN116089448 A CN 116089448A
- Authority
- CN
- China
- Prior art keywords
- data
- population
- information
- personnel
- demographic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008447 perception Effects 0.000 title description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 230000006399 behavior Effects 0.000 claims description 40
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000007726 management method Methods 0.000 claims description 19
- 238000009825 accumulation Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 2
- 230000001953 sensory effect Effects 0.000 claims 7
- 238000004364 calculation method Methods 0.000 abstract description 12
- 230000002776 aggregation Effects 0.000 abstract description 7
- 238000004220 aggregation Methods 0.000 abstract description 7
- 238000009826 distribution Methods 0.000 abstract description 4
- 238000005553 drilling Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 16
- 230000010354 integration Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007418 data mining Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000002255 vaccination 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
- G06F16/242—Query formulation
-
- 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
- G06F16/2228—Indexing structures
-
- 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
- G06F16/248—Presentation of query results
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Software 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
一种基于多维感知建立人口画像的实时人口管理系统，包括：数据接入层、数据预处理层、算法处理层、人员信息补全层和数据应用层；本发明采用快速钻取和聚合计算技术，统计实时人口和人员其他信息，对流动人口做实时监控，了解地区人口分布情况，了解区域之间人口流动情况和可视化聚焦点；同时对所述人口信息数据进行分类，并根据所述多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别；根据所述人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像；接收查询索引信息，并根据所述人口个体画像以及人口群体画像，调取及显示所述查询索引信息对应的人口信息。
Description
技术领域
本发明涉及的是数据处理领域，特别涉及一种基于多维感知建立人口画像的实时人口管理系统。
背景技术
大数据实时统计分析技术是现在数据库领域的一个研究方向，它是一种决策支持过程，自动地分析数据仓库的海量数据，做出归纳性的推理，从中挖掘出潜在的模式，并运用于预测，帮助决策者调整策略，减少风险，做出正确的决策。数据挖掘可以分别从不同的角度进行数据挖掘，有些方法可以应用到人员基础信息统计和人员流动轨迹信息分析当中去。
通过多维感知获取目标的轨迹可以使人们直观、准确地了解目标的空间定位信息以及运动轨迹信息等，实现对目标的动态的了解，对于公共安全服务、资源管理、智能交通系统等领域具有重要意义。目前的目标轨迹技术主要依赖于视频与地理空间信息定位技术的融合，虽然能够实现对目标轨迹数据的采集，并进行二维或者三维的展示，但是其仍有一定的局限性，例如感知维度低，功能丰富性较低，轨迹溯源及时性较差等。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于多维感知建立人口画像的实时人口管理系统。
为了解决上述技术问题，本申请实施例公开了如下技术方案：
一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，包括：数据接入层、数据预处理层、算法处理层、人员信息补全层和数据应用层；其中：
数据接入层，用于通过多种数据接入方式对多维感知数据进行接入，其中，接收的数据共有五类，包括类别数据、行为权重数据、人员属性数据、轨迹属性数据、以及人员流动数据；
数据预处理层，用于对接入的多维感知数据进行预处理，具体包括：基础信息构建和是对人员轨迹行为数据进行预处理；其中，基础信息构建接受人员类别、人员行为权重、人员属性和轨迹属性四种数据，预处理接受用户行为数据，根据人员信息和历史数据对人员轨迹行为记录进行补全或者过滤；
算法处理层，用于对预处理后的数据进行统计，并按照预设算法进行计算；
人员信息补全层，用于对算法处理层计算的结果进行人员信息补全，根据补全的人员信息，对算法处理层处理后的结果进行筛选，对相应人员行为进行分析；
数据应用层，用于将分析和统计结果存储，对人员信息实时统计，从存储数据中取出统计分析结果，与离线模型结合，对统计结果进一步处理。
进一步地，数据接入层中，类别数据为各类人员标签的描述和等级，用于基础数据统计；行为权重数据为各个行为轨迹的权重，用于基础数据统计；人员属性数据为各个人员的基本属性，用于基础数据统计；轨迹属性为人员轨迹的基本属性，用于基础数据统计；人员流动行为数据，用于记录了人员的流动行为，利用大数据技术提供大数据采集能力，统一汇集多源异构人口信息数据。
进一步地，数据接入层中，通过多种数据接入方式对多维感知数据进行接入，数据接入方式包括java数据库连接方式、文件传输协议方式和超文本传输协议方式。
进一步地，数据接入层中，还用于对人口信息数据进行分类,得到多个类别，并根据多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别；根据人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像。
进一步地，人口信息数据包括户籍信息、教育信息、民政信息、人保信息、住房信息、人口统计信息、卫生信息、计生信息、税务信息、以及住房公积金信息；多个类别包括：人口基本信息类别、户口信息类别、人事档案信息类别、教育信息类别、劳动就业信息类别、民政信息类别、住房信息类别、社保信息类别以及公积金信息类别。
进一步地，数据预处理层中，通过提供可视化数据建模能力，按人口实体抽象数据建模，构建人口主题库模型，具体按人口实体属性分类组织和管理多维人口主题模型，分类维度包括人口基本信息、户口、人事档案、教育、劳动就业、民政、住房、社保和公积金信息。
进一步地，算法处理层中，数据统计部分包括人员信息统计，最近轨迹统计，人员轨迹行为数据统计，同轨迹人员数据统计，场景统计。
进一步地，人员信息补全层中，对相应人员行为进行分析，具体包括：
根据住房信息确定对应的人口个体画像以及人口群体画像，并调取及显示所述住房信息对应的人口个体画像以及人口群体画像中的人口信息；
根据人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像；
接收查询索引信息，并根据人口个体画像以及人口群体画像，调取及显示所述查询索引信息对应的人口信息。
进一步地，数据应用层，用于将分析和统计结果存储，具体包括：对人口信息数据进行分类,得到多个类别，并根据所述多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别。
本发明实施例提供的上述技术方案的有益效果至少包括：
本发明公开的一种基于多维感知建立人口画像的实时人口管理系统，包括：数据接入层、数据预处理层、算法处理层、人员信息补全层和数据应用层；本发明采用快速钻取和聚合计算技术，统计实时人口和人员其他信息，有利于对新增人口实时统计，对流动人口做实时监控，了解地区人口分布情况，了解区域之间人口流动情况和可视化聚焦点；同时对所述人口信息数据进行分类，并根据所述多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别；根据所述人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像；接收查询索引信息，并根据所述人口个体画像以及人口群体画像，调取及显示所述查询索引信息对应的人口信息。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例1中，一种基于多维感知建立人口画像的实时人口管理系统的结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了解决现有技术中存在的问题，本发明实施例提供一种基于多维感知建立人口画像的实时人口管理系统。
实施例1
本实施例公开了一种基于多维感知数据建立人口画像的实时人口管理系统，如图1，包括：数据接入层、数据预处理层、算法处理层、人员信息补全层和数据应用层；其中：
数据接入层，用于通过多种数据接入方式对多维感知数据进行接入，其中，接收的数据共有五类，包括类别数据、行为权重数据、人员属性数据、轨迹属性数据、以及人员流动数据；
具体的，本实施例数据接入层中，类别数据为各类人员标签的描述和等级，用于基础数据统计；行为权重数据为各个行为轨迹的权重，用于基础数据统计；人员属性数据为各个人员的基本属性，用于基础数据统计；轨迹属性为人员轨迹的基本属性，用于基础数据统计；人员流动行为数据，用于记录了人员的流动行为，利用大数据技术提供大数据采集能力，统一汇集多源异构人口信息数据。
在本实施例中，采集数据来源可以包括户籍信息、教育信息、民政信息、人保信息、住房信息、人口统计信息、卫生信息、计生信息、税务信息、住房公积金信息等多源数据。具体操作时,可以提供丰富的数据接入方式包括JDBC(JavaDataBaseConnectivity,java数据库连接)、FTP(FileTransferProtocol，文件传输协议)、HTTP(HyperTextTransferProtocol,超文本传输协议)等适配接入多源异构(结构化/非结构化)数据，支持包括关系型数据库数据、文件数据、大数据、流式数据等采集汇聚。
在本实施例数据接入层中，还可以对所述人口信息数据进行分类,得到多个类别，并根据所述多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别；根据所述人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像；其中，人口信息数据包括户籍信息、教育信息、民政信息、人保信息、住房信息、人口统计信息、卫生信息、计生信息、税务信息、以及住房公积金信息；
多个类别包括：人口基本信息类别、户口信息类别、人事档案信息类别、教育信息类别、劳动就业信息类别、民政信息类别、住房信息类别、社保信息类别以及公积金信息类别。
数据预处理层，用于对接入的多维感知数据进行预处理，具体包括：基础信息构建和是对人员轨迹行为数据进行预处理；其中，基础信息构建接受人员类别、人员行为权重、人员属性和轨迹属性四种数据，预处理接受用户行为数据，根据人员信息和历史数据对人员轨迹行为记录进行补全或者过滤；
具体的，数据预处理层中，通过提供可视化数据建模能力，按人口实体抽象数据建模，构建人口主题库模型，具体按人口实体属性分类组织和管理多维人口主题模型，分类维度包括人口基本信息、户口、人事档案、教育、劳动就业、民政、住房、社保和公积金信息。
通过提供可视化数据集成能力，进行多源数据集成加工处理，实现业务系统数据关联聚合生成人口主题模型数据。具体操作时，可以按实体抽象建模，基于实体(如人口)属性分类，将同类属性信息项作为同一分类定义数据结构来管理、集成、存储数据。如人口身份证号、姓名、性别、年龄、民族、籍贯等基本属性，都属于人口基本信息分类，因此，将人口基本信息作为人口库的一个分类，身份证号、姓名等作为该分类下的信息项。
具体操作时，主题库模型可以采用星型+雪花型模型设计，可清晰直观展示模型结构和关联关系，且易于扩展。基于主题模型，通过可视化数据映射集成方式，实现(源)业务数据到(目标)主题模型数据集成，汇聚。报表设计器支持集成大量的开源图表组件，覆盖全部常用报表需求强大的图表样式编辑、图表操作功能。星性多维模型结构，支持灵活钻取、切面、切片、自由关联、图表联动分析提供丰富的数据聚合算法，支持数据深度挖掘分析采用缓存技术提供高效的数据聚合处理。预置通用维度模型、政务常用维度指标体系、提供丰富的数据接口适配，快速对接完善维度指标体系。
算法处理层，用于对预处理后的数据进行统计，并按照预设算法进行计算；其中，算法处理层是系统的主体部分，又可以分为数据统计部分和算法计算部分。数据统计部分包括人员信息统计，最近轨迹统计，人员轨迹行为数据统计，同轨迹人员数据统计，场景统计；
具体的，利用机器学习、数据标签及GIS服务等技术提供深度数据挖掘分析能力，基于人口主题库数据挖掘分析，构建人口标签库进行人口多维分析、人口群体画像、人口标签取数、人口预测分析等生成个性化的人口应用数据。数据统计部分包括人员信息统计，最近轨迹统计，人员轨迹行为数据统计，同轨迹人员数据统计，场景Ctr统计等。算法计算部分实现了CF，MF，Hot，CB等算法。
人员信息补全层，用于对算法处理层计算的结果进行人员信息补全，根据补全的人员信息，对算法处理层处理后的结果进行筛选，对相应人员行为进行分析；
在本实施例人员信息补全层中，对相应人员行为进行分析，具体包括：根据住房信息确定对应的人口个体画像以及人口群体画像，并调取及显示所述住房信息对应的人口个体画像以及人口群体画像中的人口信息；
根据人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像；
接收查询索引信息，并根据人口个体画像以及人口群体画像，调取及显示所述查询索引信息对应的人口信息。
具体的，人员信息补充层负责对算法结果进行人员信息补全，这里补全是为了后续与离线模型结合时，根据人员信息来对算法推荐结果进行筛选后对相应人员行为进行分析，可对人员进行轨迹溯源，在小区、冷链场所、医院、车站、核酸检测点、疫苗接种点等地换装、加装多维感知融合探针，实现人员“人-车-码-时间-地点”信息的无感伴随采集、数据集关联碰撞，采集的数据可用于建立人员14/21/28天轨迹数据和接触人员关系图谱：
比如，张三原住地区是江苏省苏州市，9月13日乘坐K301列车前往兰州，并在兰州某酒店下榻。同时李四于厦门乘坐T12次列车于9月13日抵达兰州，并与张三同住一个酒店，并且房间位置靠近。可通过行为分析关联到张三和李四的一张行为分析图。
数据应用层，用于将分析和统计结果存储，对人员信息实时统计，从存储数据中取出统计分析结果，与离线模型结合，对统计结果进一步处理。具体的，数据应用层，用于将分析和统计结果存储，具体包括：对人口信息数据进行分类,得到多个类别，并根据所述多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别。
在本实施例中，针对本发明具体实施过程中遇到的问题和挑战，提出了几点优化策略以优化资源使用、提升效果。
(1)分群计算：在实际计算过程中，根据不同的人员信息对数据进行了划分，并在划分数据集上进行计算。人员信息可根据区域分布、流动性等进行划分，也可根据其他信息如文化程度、民族等进行划分。由于不同人员的轨迹行为模式可能不同，在经过划分的数据集上进行计算，可以得到更准确的人员行为模式。
(2)滑动窗口：为了保证数据模型的实时性，某些情况下需要对历史数据进行“遗忘”，即只使用最近一段时间的数据来进行计算。为此，设计了滑动窗口，对于某个时间单位，我们维护近n个时间窗口的数据信息，这些窗口会实时滑动，丢掉最远的数据，保留最近的实时数据信息用于计算。
(3)局部集成：为了有效维护计算数据，可使用TDE作为数据外部存储，而在计算过程中与TDE的交互成为了计算开销不可忽视的一部分。为了减少与TDE的交互，降低资源使用，合并到TDE。实践证明，这一策略有效降低了与TDE的交互，减少了资源使我们使用了局部集成策略，根据不同的计算特点，将数据先在worker内部做集成，然后再将局部集成结果用。
(4)多层Hash：在计算过程中，会出现有多个worker需要写同一个Key-Value值得到情况，称之为写冲突，为了保证TDE的高可用性，可使用多层Hash策略来解决写冲突问题，减小了TDE在数据一致性上的负担。通过多层Hash策略，对同一个key的写操作将只发生在同一个worker上。
具体人口画像数据应用(即人口数据应用)可以包括：
基于人口标签数据，通过数据可视化技术展示个体和群体画像；
结合主题库数据和人口标签数据进行关联聚合，多维分析，提供各类人口专题数据分析，辅助决策；
基于主题库数据和人口标签数据进行预测分析，提供人口发展趋势预测等；
基于标签数据进行取数，针对惠民等政策推广和申请，可快捷提取目标群体，智能推荐等。
本实施例公开的一种基于多维感知建立人口画像的实时人口管理系统，包括：数据接入层、数据预处理层、算法处理层、人员信息补全层和数据应用层；本发明采用快速钻取和聚合计算技术，统计实时人口和人员其他信息，有利于对新增人口实时统计，对流动人口做实时监控，了解地区人口分布情况，了解区域之间人口流动情况和可视化聚焦点；同时对所述人口信息数据进行分类，并根据所述多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别；根据所述人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像；接收查询索引信息，并根据所述人口个体画像以及人口群体画像，调取及显示所述查询索引信息对应的人口信息。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
本领域技术人员还应当理解，结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性，上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件，取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用，以变通的方式实现所描述的功能，但是，这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然，处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现，本申请中描述的技术可用执行本申请所述功能的模块(例如，过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内，也可以实现在处理器外，在后一种情况下，它经由各种手段以通信方式耦合到处理器，这些都是本领域中所公知的。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
Claims (9)
1.一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，包括：数据接入层、数据预处理层、算法处理层、人员信息补全层和数据应用层；其中：
数据接入层，用于通过多种数据接入方式对多维感知数据进行接入，其中，接收的数据共有五类，包括类别数据、行为权重数据、人员属性数据、轨迹属性数据、以及人员流动数据；
数据预处理层，用于对接入的多维感知数据进行预处理，具体包括：基础信息构建和是对人员轨迹行为数据进行预处理；其中，基础信息构建接受人员类别、人员行为权重、人员属性和轨迹属性四种数据，预处理接受用户行为数据，根据人员信息和历史数据对人员轨迹行为记录进行补全或者过滤；
算法处理层，用于对预处理后的数据进行统计，并按照预设算法进行计算；
人员信息补全层，用于对算法处理层计算的结果进行人员信息补全，根据补全的人员信息，对算法处理层处理后的结果进行筛选，对相应人员行为进行分析；
数据应用层，用于将分析和统计结果存储，对人员信息实时统计，从存储数据中取出统计分析结果，与离线模型结合，对统计结果进一步处理。
2.如权利要求1所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，数据接入层中，类别数据为各类人员标签的描述和等级，用于基础数据统计；行为权重数据为各个行为轨迹的权重，用于基础数据统计；人员属性数据为各个人员的基本属性，用于基础数据统计；轨迹属性为人员轨迹的基本属性，用于基础数据统计；人员流动行为数据，用于记录了人员的流动行为，利用大数据技术提供大数据采集能力，统一汇集多源异构人口信息数据。
3.如权利要求1所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，数据接入层中，通过多种数据接入方式对多维感知数据进行接入，数据接入方式包括java数据库连接方式、文件传输协议方式和超文本传输协议方式。
4.如权利要求1所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，数据接入层中，还用于对人口信息数据进行分类,得到多个类别，并根据多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别；根据人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像。
5.如权利要求4所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，人口信息数据包括户籍信息、教育信息、民政信息、人保信息、住房信息、人口统计信息、卫生信息、计生信息、税务信息、以及住房公积金信息；多个类别包括：人口基本信息类别、户口信息类别、人事档案信息类别、教育信息类别、劳动就业信息类别、民政信息类别、住房信息类别、社保信息类别以及公积金信息类别。
6.如权利要求1所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，数据预处理层中，通过提供可视化数据建模能力，按人口实体抽象数据建模，构建人口主题库模型，具体按人口实体属性分类组织和管理多维人口主题模型，分类维度包括人口基本信息、户口、人事档案、教育、劳动就业、民政、住房、社保和公积金信息。
7.如权利要求1所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，算法处理层中，数据统计部分包括人员信息统计，最近轨迹统计，人员轨迹行为数据统计，同轨迹人员数据统计，场景统计。
8.如权利要求1所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，人员信息补全层中，对相应人员行为进行分析，具体包括：根据住房信息确定对应的人口个体画像以及人口群体画像，并调取及显示所述住房信息对应的人口个体画像以及人口群体画像中的人口信息；
根据人口主题库模型的数据以及预先建立的人口标签数据，利用预设的大数据处理算法，确定人口个体画像以及人口群体画像；
接收查询索引信息，并根据人口个体画像以及人口群体画像，调取及显示所述查询索引信息对应的人口信息。
9.如权利要求1所述的一种基于多维感知数据建立人口画像的实时人口管理系统，其特征在于，数据应用层，用于将分析和统计结果存储，具体包括：对人口信息数据进行分类,得到多个类别，并根据所述多个类别建立人口主题库模型,所述人口主题库模型每一个主题库对应一个类别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211515295.7A CN116089448A (zh) | 2022-11-29 | 2022-11-29 | 一种基于多维感知建立人口画像的实时人口管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211515295.7A CN116089448A (zh) | 2022-11-29 | 2022-11-29 | 一种基于多维感知建立人口画像的实时人口管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116089448A true CN116089448A (zh) | 2023-05-09 |
Family
ID=86203379
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211515295.7A Pending CN116089448A (zh) | 2022-11-29 | 2022-11-29 | 一种基于多维感知建立人口画像的实时人口管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116089448A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116702014A (zh) * | 2023-08-03 | 2023-09-05 | 中电科新型智慧城市研究院有限公司 | 人口识别方法、装置、终端设备及存储介质 |
-
2022
- 2022-11-29 CN CN202211515295.7A patent/CN116089448A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116702014A (zh) * | 2023-08-03 | 2023-09-05 | 中电科新型智慧城市研究院有限公司 | 人口识别方法、装置、终端设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hamdi et al. | Spatiotemporal data mining: a survey on challenges and open problems | |
| WO2020238631A1 (zh) | 一种基于手机信令数据的人群类型识别方法 | |
| Zhao et al. | A trajectory clustering approach based on decision graph and data field for detecting hotspots | |
| Zhong et al. | Detecting the dynamics of urban structure through spatial network analysis | |
| Shen et al. | A framework for identifying activity groups from individual space-time profiles | |
| CN103023970B (zh) | 一种物联网海量数据存储方法及系统 | |
| CN104778642A (zh) | 基于WiFi的校园用户数据处理方法、服务器和监测系统 | |
| Kong et al. | CoPFun: An urban co-occurrence pattern mining scheme based on regional function discovery | |
| CN104348855A (zh) | 用户信息的处理方法、移动终端及服务器 | |
| CN110072191B (zh) | 基于无线技术的学生校内轨迹分析系统及分析方法 | |
| CN111260525A (zh) | 社区安全态势感知和预警方法、系统及存储介质 | |
| CN110334111A (zh) | 一种多维轨迹分析方法及装置 | |
| Zhang et al. | Identifying primary public transit corridors using multi-source big transit data | |
| CN107820214A (zh) | 一种基于时间地理学的用户轨迹分析系统 | |
| Chao et al. | Population density-based hospital recommendation with mobile LBS big data | |
| Ding et al. | Massive heterogeneous sensor data management in the Internet of Things | |
| US11756678B1 (en) | Methods and systems for scheduling vaccines in smart cities based on internet of things (IoT) | |
| Yin et al. | A novel temporal and spatial panorama stream processing engine on IoT applications | |
| CN116089448A (zh) | 一种基于多维感知建立人口画像的实时人口管理系统 | |
| RU2660599C1 (ru) | Способ индексирования видеоданных для фасетной классификации | |
| CN107193994A (zh) | 基于海量数据的企业决策点挖掘方法及其系统 | |
| Guidotti et al. | Retrieving points of interest from human systematic movements | |
| Miah et al. | A social media analytics perspective for human‐oriented smart city planning and management | |
| CN111311463A (zh) | 基于数据标签建立人口画像的数据处理方法及系统 | |
| Almuhisen et al. | Detecting behavior types of moving object trajectories |
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 |