CN117076788A - 一种基于多维感知数据的人员落脚点位分析方法和系统 - Google Patents

一种基于多维感知数据的人员落脚点位分析方法和系统 Download PDF

Info

Publication number
CN117076788A
CN117076788A CN202310519613.5A CN202310519613A CN117076788A CN 117076788 A CN117076788 A CN 117076788A CN 202310519613 A CN202310519613 A CN 202310519613A CN 117076788 A CN117076788 A CN 117076788A
Authority
CN
China
Prior art keywords
library
foothold
personnel
suspected
address
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
Application number
CN202310519613.5A
Other languages
English (en)
Inventor
陈幸
张景
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.)
Wuhan Zhongzhi Digital Technology Co ltd
Original Assignee
Wuhan Zhongzhi Digital 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 Wuhan Zhongzhi Digital Technology Co ltd filed Critical Wuhan Zhongzhi Digital Technology Co ltd
Priority to CN202310519613.5A priority Critical patent/CN117076788A/zh
Publication of CN117076788A publication Critical patent/CN117076788A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (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

一种基于多维感知数据的人员落脚点位分析方法和系统，所述方法包括：汇聚目标人员标准地址库D；根据目标人员图片或身份证信息获取人员关联的多维度信息；将目标人员的多维度信息与对应的轨迹库进行比对后分别获得目标人员时间段S内多维轨迹，将多维轨迹数据融合并按照抓拍时间升序排列得到人员的融合轨迹信息；分析轨迹信息，将疑似落脚点附近点位按照频次降序排列得到点位库N；最后将点位库N和人员标准地址库比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。本发明可快速掌握人员落脚点，有效提高工作效率。

Description

一种基于多维感知数据的人员落脚点位分析方法和系统
技术领域
本发明涉及的是大数据分析领域，特别涉及一种基于多维感知数据的人员落脚点位分析方法。
背景技术
随着智能化的科技浪潮不断推进，“智慧社区”、“智慧医疗”、“智慧农业”等众多新兴的智能化领域逐渐进入人们的实际生活，成为政府和企业的重点研发项目，其中“智慧社区”中的“智慧警务”领域也受到了较大的影响，发展出了一些强大的智能化监查手段，通过对社区的各个地点24小时不间断监控，以及依靠先进的机器学习技术，可以显著提高对社区的监管力度，对社区人民的生命财产安全提供重要保障。
在“智慧警务”领域内有一个重要的场景，即对目标人物的落脚点进行分析。在相关部门日常工作中，查询目标人员的落脚点位置是一项重要且繁琐的工作，为了解决相关部门查询目标人员落脚点繁琐的问题。
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数据的人员落脚点位分析方法和系统。
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：
本实施例公开了一种基于多维感知数据的人员落脚点位分析方法，包括：
一种基于多维感知数据的人员落脚点位分析方法，包括：
S100.汇聚目标人员标准地址库；
S200.根据目标人员图片或身份证信息获取目标人员关联的多维度信息；
S300.将目标人员的多维度信息与对应的轨迹库进行比对，分别获得目标人员时间段内多维轨迹；
S400.分析轨迹信息，根据轨迹信息判定对应点位为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库；
S500.将点位库和人员标准地址库进行按第一预设规则比对，得到疑似落脚点位库；
S600.根据得到疑似落脚点位库，将到人员落脚点数据进行展示。
进一步地，S100中，汇聚目标人员标准地址库的方法包括：
S101.根据人员关系图谱获取目标人员关系网；
S102.获取目标人员及关系人员非标准地址库D0，包括家庭住址、旅馆入住地址、户籍地址、公司地址、网吧上网地址、租住房屋地址，网购平台收件地址。
S103.将非标准地址库与标准地址库比对，为非标准地址库追加经纬度信息得到人员标准地址库D1。
进一步地，S200中，根据目标人员图片或身份证信息获取人员关联的多维度信息，多维信息包括目标人员关联的车牌号、IMSI码和MAC地址。
进一步地，S300中，获得目标人员时间段内多维轨迹，多维轨迹信息包括人脸轨迹，车辆轨迹、IMSI轨迹和MAC轨迹。
进一步地，S400中，根据轨迹信息判定对应点位为疑似落脚点附近点位，判定方法具体为：获取相邻轨迹点抓拍间隔时间，若相邻轨迹点抓拍间隔时间大于预设阈值T则该两个点位判定为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库N。
进一步地，S500中，将点位库和人员标准地址库进行按第一预设规则比对，第一预设规则为：将点位库N和人员标准地址库D1比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。
本发明还公开了一种基于多维感知数据的人员落脚点位分析系统，包括：标准地址库汇聚单元、多维度信息获取单元、多维轨迹获取单元、点位库获取单元、疑似落脚点位库生成单元和落脚点数据展示单元；其中：
标准地址库汇聚单元，用于汇聚目标人员标准地址库；
多维度信息获取单元，用于根据目标人员图片或身份证信息获取目标人员关联的多维度信息；
多维轨迹获取单元，用于将目标人员的多维度信息与对应的轨迹库进行比对，分别获得目标人员时间段内多维轨迹；
点位库获取单元，用于分析轨迹信息，根据轨迹信息判定对应点位为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库；
疑似落脚点位库生成单元，用于将点位库和人员标准地址库进行按第一预设规则比对，得到疑似落脚点位库；
落脚点数据展示单元，用于根据得到疑似落脚点位库，将到人员落脚点数据进行展示。
进一步地，标准地址库汇聚单元汇聚目标人员标准地址库的方法包括：
S101.根据人员关系图谱获取目标人员关系网；
S102.获取目标人员及关系人员非标准地址库D0，包括家庭住址、旅馆入住地址、户籍地址、公司地址、网吧上网地址、租住房屋地址，网购平台收件地址。
S103.将非标准地址库与标准地址库比对，为非标准地址库追加经纬度信息得到人员标准地址库D1。
进一步地，疑似落脚点位库生成单元，将点位库和人员标准地址库进行按第一预设规则比对，第一预设规则为：将点位库N和人员标准地址库D1比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。
本发明实施例提供的上述技术方案的有益效果至少包括：
本实施例公开了一种基于多维感知数据的人员落脚点位分析方法和系统，所述方法包括：汇聚目标人员标准地址库D；根据目标人员图片或身份证信息获取人员关联的多维度信息；将目标人员的多维度信息与对应的轨迹库进行比对后分别获得目标人员时间段S内多维轨迹，将多维轨迹数据融合并按照抓拍时间升序排列得到人员的融合轨迹信息；分析轨迹信息，若相邻轨迹点抓拍间隔大于T则该两个点位判定为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库N；最后将点位库N和人员标准地址库比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。本发明可快速掌握人员落脚点，有效提高工作效率。
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，一种基于多维感知数据的人员落脚点位分析方法的流程图。
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数据的人员落脚点位分析方法和系统。
实施例1
本实施例公开了一种基于多维感知数据的人员落脚点位分析方法，如图1，包括：
S100.汇聚目标人员标准地址库；具体的，在本实施例S100中，汇聚目标人员标准地址库的方法包括：
S101.根据人员关系图谱获取目标人员关系网；
S102.获取目标人员及关系人员非标准地址库D0，包括家庭住址、旅馆入住地址、户籍地址、公司地址、网吧上网地址、租住房屋地址，网购平台收件地址。
S103.将非标准地址库与标准地址库比对，为非标准地址库追加经纬度信息得到人员标准地址库D1。
S200.根据目标人员图片或身份证信息获取目标人员关联的多维度信息；具体的，本实施例中，根据目标人员图片或身份证信息获取人员关联的车牌号、IMSI、MAC多维度信息。
S300.将目标人员的多维度信息与对应的轨迹库进行比对，分别获得目标人员时间段内多维轨迹；具体的，在本实施例中，将目标人员的多维度信息与对应的轨迹库进行比对后分别获得目标人员时间段S内人脸轨迹，车辆轨迹、IMSI轨迹和MAC轨迹，将多维轨迹数据融合并按照抓拍时间升序排列得到人员的融合轨迹信息。
S400.分析轨迹信息，根据轨迹信息判定对应点位为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库；具体的，本实施的S400中，根据轨迹信息判定对应点位为疑似落脚点附近点位，判定方法具体为：获取相邻轨迹点抓拍间隔时间，若相邻轨迹点抓拍间隔时间大于预设阈值T则该两个点位判定为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库N。
S500.将点位库和人员标准地址库进行按第一预设规则比对，得到疑似落脚点位库；
具体的，本实施例的S500中，将点位库和人员标准地址库进行按第一预设规则比对，第一预设规则为：将点位库N和人员标准地址库D1比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。
S600.根据得到疑似落脚点位库，将到人员落脚点数据进行展示。
本实施例公开了一种基于多维感知数据的人员落脚点位分析方法，包括：汇聚目标人员标准地址库D；根据目标人员图片或身份证信息获取人员关联的多维度信息；将目标人员的多维度信息与对应的轨迹库进行比对后分别获得目标人员时间段S内多维轨迹，将多维轨迹数据融合并按照抓拍时间升序排列得到人员的融合轨迹信息；分析轨迹信息，若相邻轨迹点抓拍间隔大于T则该两个点位判定为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库N；最后将点位库N和人员标准地址库比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。本发明可快速掌握人员落脚点，有效提高工作效率。
实施例2
基于实施例1，本实施例公开了一种基于多维感知数据的人员落脚点位分析系统，包括：标准地址库汇聚单元、多维度信息获取单元、多维轨迹获取单元、点位库获取单元、疑似落脚点位库生成单元和落脚点数据展示单元；其中：
标准地址库汇聚单元，用于汇聚目标人员标准地址库；
多维度信息获取单元，用于根据目标人员图片或身份证信息获取目标人员关联的多维度信息；
多维轨迹获取单元，用于将目标人员的多维度信息与对应的轨迹库进行比对，分别获得目标人员时间段内多维轨迹；
点位库获取单元，用于分析轨迹信息，根据轨迹信息判定对应点位为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库；
疑似落脚点位库生成单元，用于将点位库和人员标准地址库进行按第一预设规则比对，得到疑似落脚点位库；
落脚点数据展示单元，用于根据得到疑似落脚点位库，将到人员落脚点数据进行展示。
在本实施例中，标准地址库汇聚单元汇聚目标人员标准地址库的方法包括：
S101.根据人员关系图谱获取目标人员关系网；
S102.获取目标人员及关系人员非标准地址库D0，包括家庭住址、旅馆入住地址、户籍地址、公司地址、网吧上网地址、租住房屋地址，网购平台收件地址。
S103.将非标准地址库与标准地址库比对，为非标准地址库追加经纬度信息得到人员标准地址库D1。
在本实施例中，疑似落脚点位库生成单元，将点位库和人员标准地址库进行按第一预设规则比对，第一预设规则为：将点位库N和人员标准地址库D1比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。
可以理解的，标准地址库汇聚单元、多维度信息获取单元、多维轨迹获取单元、点位库获取单元、疑似落脚点位库生成单元和落脚点数据展示单元其他具体工作方法已在实施例1中进行详细描述，本实施例再此不在进行赘述。
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的人员落脚点位分析方法，其特征在于，包括：
S100.汇聚目标人员标准地址库；
S200.根据目标人员图片或身份证信息获取目标人员关联的多维度信息；
S300.将目标人员的多维度信息与对应的轨迹库进行比对，分别获得目标人员时间段内多维轨迹；
S400.分析轨迹信息，根据轨迹信息判定对应点位为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库；
S500.将点位库和人员标准地址库进行按第一预设规则比对，得到疑似落脚点位库；
S600.根据得到疑似落脚点位库，将到人员落脚点数据进行展示。
2.如权利要求1所述的一种基于多维感知数据的人员落脚点位分析方法，其特征在于，S100中，汇聚目标人员标准地址库的方法包括：
S101.根据人员关系图谱获取目标人员关系网；
S102.获取目标人员及关系人员非标准地址库D0，包括家庭住址、旅馆入住地址、户籍地址、公司地址、网吧上网地址、租住房屋地址，网购平台收件地址。
S103.将非标准地址库与标准地址库比对，为非标准地址库追加经纬度信息得到人员标准地址库D1。
3.如权利要求1所述的一种基于多维感知数据的人员落脚点位分析方法，其特征在于，S200中，根据目标人员图片或身份证信息获取人员关联的多维度信息，多维信息包括目标人员关联的车牌号、IMSI码和MAC地址。
4.如权利要求1所述的一种基于多维感知数据的人员落脚点位分析方法，其特征在于，S300中，获得目标人员时间段内多维轨迹，多维轨迹信息包括人脸轨迹，车辆轨迹、IMSI轨迹和MAC轨迹。
5.如权利要求1所述的一种基于多维感知数据的人员落脚点位分析方法，其特征在于，S400中，根据轨迹信息判定对应点位为疑似落脚点附近点位，判定方法具体为：获取相邻轨迹点抓拍间隔时间，若相邻轨迹点抓拍间隔时间大于预设阈值T则该两个点位判定为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库N。
6.如权利要求1所述的一种基于多维感知数据的人员落脚点位分析方法，其特征在于，S500中，将点位库和人员标准地址库进行按第一预设规则比对，第一预设规则为：将点位库N和人员标准地址库D1比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。
7.一种基于多维感知数据的人员落脚点位分析系统，其特征在于，包括：标准地址库汇聚单元、多维度信息获取单元、多维轨迹获取单元、点位库获取单元、疑似落脚点位库生成单元和落脚点数据展示单元；其中：
标准地址库汇聚单元，用于汇聚目标人员标准地址库；
多维度信息获取单元，用于根据目标人员图片或身份证信息获取目标人员关联的多维度信息；
多维轨迹获取单元，用于将目标人员的多维度信息与对应的轨迹库进行比对，分别获得目标人员时间段内多维轨迹；
点位库获取单元，用于分析轨迹信息，根据轨迹信息判定对应点位为疑似落脚点附近点位，将疑似落脚点附近点位按照频次降序排列得到点位库；
疑似落脚点位库生成单元，用于将点位库和人员标准地址库进行按第一预设规则比对，得到疑似落脚点位库；
落脚点数据展示单元，用于根据得到疑似落脚点位库，将到人员落脚点数据进行展示。
8.如权利要求7所述的一种基于多维感知数据的人员落脚点位分析方法，其特征在于，标准地址库汇聚单元汇聚目标人员标准地址库的方法包括：
S101.根据人员关系图谱获取目标人员关系网；
S102.获取目标人员及关系人员非标准地址库D0，包括家庭住址、旅馆入住地址、户籍地址、公司地址、网吧上网地址、租住房屋地址，网购平台收件地址。
S103.将非标准地址库与标准地址库比对，为非标准地址库追加经纬度信息得到人员标准地址库D1。
9.如权利要求7所述的一种基于多维感知数据的人员落脚点位分析方法，其特征在于，疑似落脚点位库生成单元，将点位库和人员标准地址库进行按第一预设规则比对，第一预设规则为：将点位库N和人员标准地址库D1比对，当点位Nn与地址Dm直线距离小于K则判定该地址为疑似落脚点，疑似值P+＝Nn的频次，最后得到以疑似值P降序排列的疑似落脚点位库。
CN202310519613.5A 2023-05-10 2023-05-10 一种基于多维感知数据的人员落脚点位分析方法和系统 Pending CN117076788A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310519613.5A CN117076788A (zh) 2023-05-10 2023-05-10 一种基于多维感知数据的人员落脚点位分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310519613.5A CN117076788A (zh) 2023-05-10 2023-05-10 一种基于多维感知数据的人员落脚点位分析方法和系统

Publications (1)

Publication Number Publication Date
CN117076788A true CN117076788A (zh) 2023-11-17

Family

ID=88717739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310519613.5A Pending CN117076788A (zh) 2023-05-10 2023-05-10 一种基于多维感知数据的人员落脚点位分析方法和系统

Country Status (1)

Country Link
CN (1) CN117076788A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117726883A (zh) * 2024-02-07 2024-03-19 深圳前海中电慧安科技有限公司 一种区域人口分析方法、装置、设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117726883A (zh) * 2024-02-07 2024-03-19 深圳前海中电慧安科技有限公司 一种区域人口分析方法、装置、设备和存储介质
CN117726883B (zh) * 2024-02-07 2024-05-24 深圳前海中电慧安科技有限公司 一种区域人口分析方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
US10713596B2 (en) Transforming property data into sufficiently sized, relatively homogeneous data segments for configuring automated modeling systems
CN106960006B (zh) 一种不同轨迹间相似度度量系统及其度量方法
Hart et al. Reference data and geocoding quality: Examining completeness and positional accuracy of street geocoded crime incidents
US20080288312A1 (en) Generating sufficiently sized, relatively homogeneous segments of real property transactions by clustering base geographical units
EP2527859A3 (en) Location beacon database and server, method of building location beacon database, and location based service using same
CN111651502B (zh) 一种基于多子空间模型的城市功能区识别方法
AU2012202624A1 (en) A property complexity scoring system, method, and computer program storage device
CN112131325A (zh) 轨迹确定方法、装置及设备、存储介质
CN112131277B (zh) 基于大数据的医疗数据异常分析方法、装置和计算机设备
CN117076788A (zh) 一种基于多维感知数据的人员落脚点位分析方法和系统
WO2021114615A1 (zh) 行为风险识别的可视化方法、装置、设备及存储介质
Kong et al. A scenario-based map-matching algorithm for complex urban road network
Borst et al. Using geographically weighted regression to detect housing submarkets: Modeling large-scale spatial variations in value
CN114705178A (zh) 一种基于视频轨迹与mac数据的目标分析方法
Moreri Using Kappa methodology to consider volunteered geographic information in official land administration systems in developing countries
CN114882974B (zh) 一种心理诊断数据库访问人工智能验证系统及方法
Yokota et al. Crime linkage of sex offences in Japan by multiple correspondence analysis
CN115587694B (zh) 用于房屋租金批量评估的数据处理方法、装置及设备
Feng et al. Integrated imputation of activity-travel diaries incorporating the measurement of uncertainty
CN116775747A (zh) 一种基于Apriori算法的人员预警方法及系统
CN115908083A (zh) 一种基于智慧社区的流动人口自助核实与登记方法
CN111882135B (zh) 一种物联网设备入侵检测方法及相关装置
Meyers-Angulo et al. Classifying buildings according to seismic vulnerability using Cluster-ANN techniques: application to the city of Murcia, Spain
CN112749239B (zh) 一种事件图谱构建方法、装置及计算设备
CN110378425B (zh) 一种智能图像比对的方法及其系统

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