CN117998292A - 通勤区域划分方法及装置、设备、存储介质、程序产品 - Google Patents

Abstract

本申请实施例公开了一种通勤区域划分方法及装置、设备、存储介质、程序产品，包括：采集待划分区域中多个移动设备在预设天数的信令数据；根据信令数据，确定各移动设备的包括工作地址、居住地址和通勤频率的通勤数据；根据网格划分标准，划分待划分区域获得网格空间；根据移动设备的工作地址和居住地址，建立各移动设备对应的工作地址和居住地址与网格空间内网格节点的包括网格连线的映射关系；根据网格空间中，任意两个网格节点之间网格连线数目以及移动设备对应的通勤频率，获取不同网格节点间的权重；根据预设区域划分算法和不同网格节点间的权重，划分网格空间获得通勤区域。能够根据易获得且高动态的信令数据，便捷且准确地划分通勤区域。

Description

通勤区域划分方法及装置、设备、存储介质、程序产品

技术领域

本申请实施例涉及数据处理技术领域，涉及但不限于一种通勤区域划分方法及装置、设备、存储介质、程序产品。

背景技术

社区划分是指将网络中的节点划分为不同的群组或社区，使得同一社区内的节点之间连接紧密，而不同社区之间的节点连接相对稀疏。而通勤区域划分则是基于人群的居住地和工作地点的地理分布，将城市或特定区域划分为不同的通勤区域，有助于实现优化交通规划、提升城市管理能力以及增强城市规划的科学性。

社区发现的算法有很多，包括通过优化模块度(Modularity)的方法来实现对指定区域进行划分。所谓模块度表示网络中不同社区之间的聚集程度，反映了社区内部节点连接的紧密性以及社区间连接的稀疏性。相关技术中，常通过调查问卷、爬取社交数据以及传感器数据等方法，获取足够的通勤相关样本数据以分析不同社区间的模块度，实现对通勤区域的划分。然而，这些方法在应用中往往存在数据获取效率低、准确性较差且覆盖程度低，同时数据处理复杂，导致通勤区域划分的结果较差。

发明内容

有鉴于此，本申请实施例提供的通勤区域划分方法及装置、设备、存储介质、程序产品，能够根据易获得且高动态的信令数据，更加便捷且准确地划分通勤区域。本申请实施例提供的通勤区域划分方法及装置、设备、存储介质、程序产品是这样实现的：

本申请实施例提供的通勤区域划分方法，包括：

采集待划分区域中多个移动设备在预设天数内的信令数据，所述信令数据用于表征移动设备在网络连接过程中的位置信息和时间戳信息；

根据所述信令数据，确定所述多个移动设备对应的通勤数据，所述通勤数据包括工作地址、居住地址以及通勤频率；

根据预设的网格划分标准，对所述待划分区域进行划分，获得所述待划分区域对应的网格空间，其中，所述网格空间包括多个网格，每个网格对应一个网格节点；

根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，所述映射关系包括移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线；

根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重；

根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，所述不同的通勤区域包括有至少一个网络节点对应的网格。

在一些实施例中，所述根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，包括：

将所述多个移动设备中每个移动设备对应的工作地址和居住地址映射到地址归属的网格对应的网格节点；

针对所述每个移动设备，获得该移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线，所述网格连线用于表征移动设备的持有者在居住地址和工作地址分别映射的网格节点之间的通勤关系。

在一些实施例中，所述根据所述信令数据，确定所述多个移动设备对应的通勤数据，包括：

根据所述信令数据，获得所述多个移动设备对应的初始通勤数据；

获取所述各个移动设备对应的工作地址和居住地址之间的通勤距离；

删除通勤距离大于预设距离阈值的移动设备对应的初始通勤数据，得到所述多个移动设备对应的通勤数据。

在一些实施例中，所述根据所述信令数据，确定所述多个移动设备对应的通勤数据，包括：

根据目标移动设备在所述预设天数内的信令数据，获取所述目标移动设备在不同位置的停留时长，所述目标移动设备为所述多个移动设备中的一个移动设备；

若在所述预设天数内，所述目标移动设备在预设的每天的工作时段内，在第一位置的停留时长占所述预设天数的总时长的比例大于预设的第一比例阈值，确定所述第一位置为所述工作地址，其中，所述第一位置为所述待划分区域内的任意位置；

若在所述预设天数内，所述目标移动设备在预设的每天的休息时段内，在第二位置的停留时长占所述预设天数的总时长的比例大于预设的第二比例阈值，确定所述第二位置为所述居住地址，其中，所述第二位置为所述待划分区域内的任意位置；

根据所述预设天数内，所述目标移动设备在所述第一位置与所述第二位置之间的往返次数，确定所述目标移动设备对应的通勤频率；

重复上述过程，确定所述多个移动设备对应的工作地址、居住地址以及通勤频率。

在一些实施例中，所述根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重，包括：

根据所述任意两个网格节点之间网格连线的数目以及预设评价标准，得到所述任意两个网格节点之间的权重校准参数，所述任意两个网格节点之间权重校准参数与网格连线的数目正相关；

根据不同网格节点映射的移动设备对应的通勤频率的总和与权重校准参数的乘积，获取不同网格节点之间的权重。

在一些实施例中，在所述根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域后，所述方法还包括：

根据各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系以及各个通勤区域的网格节点数目，获取不同通勤区域的工作地址或居住地址的地址密度，确定地址密度大于预设密度的通勤区域为目标通勤区域；

根据预设的细分网格划分标准，对所述目标通勤区域进行划分，获得所述目标通勤区域对应的细分网格空间，其中，所述细分网格空间包括多个细分网格，每个细分网格对应一个细分网格节点；

获取所述目标表通勤区域内的目标通勤数据；

根据所述预设区域划分算法、所述目标通勤数据以及所述多个细分网格节点，对所述细分网格空间进行划分获得不同的细分通勤区域，所述不同的细分通勤区域包括有至少一个细分网络节点对应的细分网格。

在一些实施例中，所述获取所述目标表通勤区域内的目标通勤数据，包括：

在所述多个移动设备对应的通勤数据中，确定工作地址和居住地址均在所述目标通勤区域内的移动设备的通勤数据为目标通勤数据；

或，

获取所述预设天数内的交通数据，根据预设的神经网络模型，对所述交通数据进行处理，获取所述目标表通勤区域内的目标通勤数据，所述交通数据用于表征公共交通的运行路线、运行时间以及客流量。

在一些实施例中，所述预设区域划分算法为鲁汶Louvain算法，所述根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，包括：

S1、将所述网格空间中每个网格节点作为一个社区；

S2、将各个网格节点分配给其相邻的网格节点，构建新的社区，包括：

根据预设的模块度计算公式以及所述不同网格节点之间的权重，计算若所述各个网格节点将相邻的网格节点并入所述各个网格节点所属社区前后的模块度增益；若模块度增益大于零，则确定将相邻的网格节点并入所述各个网格节点所属的社区；重复步骤S2，直至所述各个网格节点所属的社区不再发生改变；

S3、将各个社区内的至少一个网格节点进行合并得到社区节点，将各个社区节点分配给其相邻的社区节点，构建新的社区，包括：

将各个社区内的至少一个网格节点或社区节点进行合并，得到各个社区对应的社区节点以及各个社区节点间的权重，根据所述预设的模块度计算公式，计算若所述各个社区节点将相邻的社区节点并入所述各个社区节点所属的社区后的模块度增益；若模块度增益大于零，则确定将相邻的社区节点并入所述各个社区节点所属的社区中；重复步骤S3，直至所述各个社区节点所属的社区不再发生改变；

S4、根据各个网格节点所属的社区，确定不同网格节点所属的通勤区域。

在一些实施例中，所述预设的模块度计算公式为：

其中，Q是目标社区的模块度，节点i和节点j为网格节点或社区节点，A_ij是节点i和节点j间的权重，K_i是节点i与所有相邻节点间的权重的和，K_j是节点j与所有相邻节点间的权重的和，m是所有节点间的权重的和，当节点i和节点j都属于所述目标社区的情况下n等于1，否则n等于0。

本申请实施例提供的通勤区域划分装置，包括：

数据获取模块，用于采集待划分区域中多个移动设备在预设天数内的信令数据，所述信令数据用于表征移动设备在网络连接过程中的位置信息和时间戳信息；根据所述信令数据，确定所述多个移动设备对应的通勤数据，所述通勤数据包括工作地址、居住地址以及通勤频率；

网格管理模块，用于根据预设的网格划分标准，对所述待划分区域进行划分，获得所述待划分区域对应的网格空间，其中，所述网格空间包括多个网格，每个网格对应一个网格节点；根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，所述映射关系包括移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线；

通勤划分模块，用于根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重；根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，所述不同的通勤区域包括有至少一个网络节点对应的网格。

本申请实施例提供的计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请实施例所述的方法。

本申请实施例提供的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。

本申请实施例提供的计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。

本申请实施例所提供的通勤区域划分方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，通过采集待划分区域中多个移动设备在预设天数内的用于表征移动设备在网络连接过程中的位置信息和时间戳信息信令数据，并根据信令数据，确定多个移动设备对应的包括工作地址、居住地址以及通勤频率的通勤数据，提高数据获取及处理的效率。根据预设的网格划分标准，对待划分区域进行划分，获得待划分区域对应的网格空间，其中，网格空间包括多个网格，每个网格对应一个网格节点，能够根据实际需求设置网格划分标准进而确定划分的最小划分单位，提高区域划分的准确性。根据多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与网格空间内网格节点的映射关系，映射关系包括移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线，反映了单个移动设备的持有者在不同网格节点间的通勤情况。根据网格空间中，任意两个网格节点之间网格连线的数目以及任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重，为通勤区域划分提供依据。根据预设区域划分算法以及不同网格节点之间的权重，对网格空间进行划分获得不同的通勤区域，其中，不同的通勤区域包括有至少一个网络节点对应的网格。这样，能够根据易获得且高动态的信令数据，更加便捷且准确地划分通勤区域，有助于实现优化交通规划、提升城市管理能力以及增强城市规划的科学性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。

图1为本申请实施例提供的通勤区域划分方法的一种流程图示；

图2为本申请实施例提供的通勤区域划分方法中的信令数据的一种示意图；

图3为本申请实施例提供的通勤区域划分方法中的通勤距离密度分布图；

图4为本申请实施例提供的通勤区域划分方法中对通勤区域进行细分的一种流程图示；

图5为本申请实施例提供的通勤区域划分装置的一种结构示意图；

图6为本申请实施例提供的计算机设备的一种结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

需要指出，本申请实施例所涉及的术语“第一\第二\第三”用以区别类似或不同的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

社区划分指的是将一定区域内的社会群体，按照某种标准或方法进行划分和归类。这样可以更好地理解和管理社区，满足居民的需求，提高社区的整体发展水平。社区划分的方法多种多样，可以根据不同的标准进行分类。例如，按主要功能划分，将社区划分为经济社区、政治社区、文化社区等；按规模大小划分，将社区划分为巨型社区、大型社区、中型社区、小型社区、微型社区等，划分标注可以根据实际需求确定，在此不作限定。

通勤区域划分是社区划分的一种形式，基于人们的通勤行为和居住、工作地点的空间分布来划分社区。通勤区域反映了居民在工作和居住之间的空间关系，揭示了城市内部的交通流动模式和人口分布特征，准确的通勤区域划分结果基于人们的通勤行为和居住、工作地点的空间分布来划分社区，反映了居民在工作和居住之间的空间关系，揭示了城市内部的交通流动模式和人口分布特征，有助于更好地理解和管理城市内部的交通流动和人口分布，为城市规划、交通管理和社区服务提供有力支持。

为实现通勤区域划分，首先需要获取到用于分析处理的海量居民的通勤相关数据，相关技术中，通过多种方法和技术手段来收集并处理这些数据，例如，调查问卷、爬取社交数据以及传感器数据等，但这些方法都存在一些明显的缺点。首先，调查问卷虽然可以获取到较为准确的居民通勤数据，但其缺点在于需要耗费大量的人力和时间进行设计和发放，而且响应率通常较低，数据的质量也可能受到影响。此外，调查问卷的覆盖范围也可能有限，难以覆盖到所有目标居民。其次，爬取社交数据虽然可以获取到大量的居民移动轨迹和通勤行为信息，但其缺点在于数据的隐私性和准确性难以保证。同时，社交数据通常只覆盖了部分居民，难以全面反映整个城市的通勤情况。最后，传感器数据虽然可以获取到非常准确的居民通勤数据，但其缺点在于成本高昂，需要部署大量的硬件设备，维护和更新也需要耗费大量的资源和时间。此外，传感器数据的覆盖范围也可能受到限制，难以覆盖到所有目标区域。

有鉴于此，本申请实施例提供一种通勤区域划分方法。请参阅图1，图1为本申请实施例提供的通勤区域划分方法的一种流程图示。如图1所示，该方法可以包括以下步骤101至步骤106：

步骤101，采集待划分区域中多个移动设备在预设天数内的信令数据。

在本申请实施例中，采集待划分区域中多个移动设备在预设天数内的信令数据，所述信令数据用于表征移动设备在网络连接过程中的位置信息和时间戳信息。

需要说明的是，在本申请实施例中，移动设备可以是手机、可穿戴设备(如智能手表、智能手环、智能眼镜等)、平板电脑，笔记本电脑等常见的电子设备，在此不作限定，这些设备在日常生活中被广泛应用，为通勤数据的收集提供了广泛的来源。

在本申请实施例中，待划分区域是指需要进行通勤区域划分的特定地理范围。这个区域可以是一个城市、一个城市的一部分、一个特定的区域或任何需要进行通勤分析的地域。待划分区域以及预设的天数均根据实际需求进行选择及设置，在此不作限定。

需要说明的是，信令数据是指在移动设备与网络进行通信过程中产生的信号数据，它包含了设备的位置信息、时间戳、设备标识等多种关键信息。这些信息可以反映出移动设备的移动轨迹、使用习惯等重要内容。以手机信令数据为例，手机信令是手机用户与发射基站或者微站之间的通信数据，只要手机一开机，并且手机屏幕上显示出运营商的字样，信令数据就开始产生了。之后当用户使用手机拨打接听电话、发送接受短信、上网浏览网页等所有通讯行为，都会和手机附近的基站发送通信关系，由于通信基站的位置是固定且已知的，基站的位置信息就反映了用户的位置，即本申请实施例中的位置信息，同时也会得到时间戳信息，因此手机信令数据字段中始终带有时间和位置等信息。此外，其他的移动设备在连接网络时同样会产生信令数据，在此不做赘述。

由于如今移动设备的普及率极高，尤其是手机，这使得利用信令数据进行通勤区域划分具有许多优势。首先，信令数据具有实时性和动态性。移动设备在日常使用中不断与网络进行交互，产生大量的实时信令数据，这些数据可以即时反映用户的移动状态和位置变化，为通勤区域划分提供最新的信息支持。其次，信令数据覆盖范围广且精度高。手机等移动设备几乎覆盖了所有的城市居民，因此利用信令数据进行通勤区域划分可以覆盖到整个城市范围。同时，信令数据中包含的位置信息相对准确，可以较好地反映用户的实际移动轨迹和通勤行为，使通勤区域划分的结果更加精确和可靠。此外，利用信令数据进行通勤区域划分还具有成本效益高的优势，相比于传统的调查问卷和交通监测设备，收集和分析信令数据的成本相对较低。综上所述，本申请实施例提供的方法利用信令数据进行通勤区域划分具有实时性强、覆盖范围广、精度高以及成本效益高等优点，为城市规划、交通管理和社区服务等领域提供了有力的数据支持。

步骤102，根据信令数据，确定多个移动设备对应的通勤数据。

在本申请实施例中，根据所述信令数据，确定所述多个移动设备对应的通勤数据，所述通勤数据包括工作地址、居住地址以及通勤频率。

在一些实施例中，所述根据所述信令数据，确定所述多个移动设备对应的通勤数据，包括：

根据目标移动设备在所述预设天数内的信令数据，获取所述目标移动设备在不同位置的停留时长，所述目标移动设备为所述多个移动设备中的一个移动设备；

若在所述预设天数内，所述目标移动设备在预设的每天的工作时段内，在第一位置的停留时长占所述预设天数的总时长的比例大于预设的第一比例阈值，确定所述第一位置为所述工作地址，其中，所述第一位置为所述待划分区域内的任意位置；

若在所述预设天数内，所述目标移动设备在预设的每天的休息时段内，在第二位置的停留时长占所述预设天数的总时长的比例大于预设的第二比例阈值，确定所述第二位置为所述居住地址，其中，所述第二位置为所述待划分区域内的任意位置；

根据所述预设天数内，所述目标移动设备在所述第一位置与所述第二位置之间的往返次数，确定所述目标移动设备对应的通勤频率；

重复上述过程，确定所述多个移动设备对应的工作地址、居住地址以及通勤频率。

可以理解的是，根据移动设备的信令数据能够获取移动设备在不同位置的停留时长。在一个实施例中，若一个移动设备在预设天数内，如30天内，在预设的每天的工作时段，如上午9点至下午6点，在待划分区域中的第一位置的停留时长为240小时，占预设天数的总时长720小时的比例，高于预设的第一比例阈值百分之30，则确定该第一位置为工作地址，其中第一位置为待划分区域内的任意位置，在此不作限定。在确定该移动设备对应的工作地址和居住地址后，若该移动设备在预设天数30天内，在工作地址与居住地址之间的往返次数为18次，则确定该移动设备对应的通勤频率为0.6。

在一些实施例中，预设的每天的工作时段、预设的每天的休息时段内、第一比例阈值以及第二比例阈值，根据待划分区域的位置进行设置，在一些实施例中，预设的每天的工作时段、预设的每天的休息时段内、第一比例阈值以及第二比例阈值，根据待划分区域的位置进行设置，这是因为不同区域的工作和休息习惯可能因文化、经济、社会结构等多种因素而有所不同。对于工作时段和休息时段的设定，可以考虑当地的工作日和休息日安排，以及常见的上下班时间。同时，第一比例阈值和第二比例阈值的设定也需要结合实际情况，以确保能够准确地区分工作地址和居住地址。

在一些实施例中，根据所述多个移动设备在预设天数内的信令数据，获取各个移动设备在网络连接过程中的位置信息的变更时刻，根据各个移动设备的位置信息的变更时刻和预设的聚类算法，确定预设的每天的工作时段、预设的每天的休息时段内、预设的第一比例阈值以及第二比例阈值。

通过实施上述技术手段，能够确定多个移动设备对应的通勤数据，为通勤区域划分提供了有力的数据支持。

步骤103，根据预设的网格划分标准，对待划分区域进行划分，获得待划分区域对应的网格空间。

在本申请实施例中，根据预设的网格划分标准，对所述待划分区域进行划分，获得所述待划分区域对应的网格空间，其中，所述网格空间包括多个网格，每个网格对应一个网格节点。

在一些实施例中，预设的网格划分标准根据待划分区域对应的地理面积进行确认。地理面积的大小对网格的划分具有直接的影响，因为不同大小的区域需要不同密度的网格来确保分析的准确性。例如，当带划分区域为一个占地面积为100平方公里的城市时，根据预设的网格划分标准划分的网格可以为1平方公里的正方形网格。而待划分区域更小时，则可以选取更小的网格划分标准，以确保通勤区域划分的准确性和效率。

在一些实施例中，预设的网格划分标准是根据人口分布确定。例如，在人口分布密集的区域，使用较小的网格进行网格划分，其中，人口分布根据预设的单位面积内的信令数据的数据量确定。

在一些实施例中，待划分区域为不规则形状，无法将待划分区域划分为多个相同大小和形状的网格，可以采用边界识别算法来准确识别待划分区域的边界，使用自适应网格，将位于待划分区域的边缘的未划分区域并入相邻网格，合并后的不规则网格同样对应一个网格节点。

步骤104，根据多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与网格空间内网格节点的映射关系。

在本申请实施例中，根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，所述映射关系包括移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线。

需要说明的是，各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，是指，对任一移动设备，将该移动设备对应的工作地址所属的网格节点与该移动设备对应的居住地址所属的网格节点间建立网格连线，并将该网格连线与该移动设备进行映射，该网格连线包括该移动设备对应的通勤数据。

在根据信令数据，确定多个移动设备对应的包括工作地址、居住地址以及通勤频率的通勤数据后。根据任一移动设备对应的工作地址以及居住地址在网格空间内的位置所对应的网格节点，建立映射关系。

在一些实施例中，所述根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，包括：

将所述多个移动设备中每个移动设备对应的工作地址和居住地址映射到地址归属的网格对应的网格节点；

针对所述每个移动设备，获得该移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线，所述网格连线用于表征移动设备的持有者在居住地址和工作地址分别映射的网格节点之间的通勤关系。

在一些实施例中，当某一移动设备对应的工作地址以及居住地址映射同一网格节点的情况下，删除该移动设备对应的通勤数据。这是因为，若一个移动设备对应的工作地址和居住地址都在同一个网格内，那么该移动设备的持有者的通勤行为就不会产生跨网格的流动，因此这样的数据对于通勤区域划分和通勤分析来说没有实际意义。删除此类数据可以减少数据处理的复杂性和计算资源的消耗，提高通勤区域划分的准确性和效率。

步骤105，根据网格空间中，任意两个网格节点之间网格连线的数目以及任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重。

在本申请实施例中，根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重。

可以理解的是，当按照预设的网格划分标准对待划分区域进行划分后，每个形成的网格都会对应一个网格节点，而这些节点中则映射了多个移动设备的工作地址或居住地址。在这样一个网格空间中，任意两个网格节点之间，都可能存在由多个不同移动设备形成的网格连线。这些网格连线代表着移动设备的持有者从居住地址映射的网格节点到工作地址映射的网格节点的通勤行为。

在一些实施例中，所述根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重，包括：

根据所述任意两个网格节点之间网格连线的数目以及预设评价标准，得到所述任意两个网格节点之间的权重校准参数，所述任意两个网格节点之间权重校准参数与网格连线的数目正相关；

根据不同网格节点映射的移动设备对应的通勤频率的总和与权重校准参数的乘积，获取不同网格节点之间的权重。

可以理解的是，任意两个网格节点之间权重校准参数与网格连线的数目正相关，即两个网格节点之间的网格连线数目越多，它们之间的权重校准参数的值就越高。之后根据任意两个网格节点间的网格连线所映射的至少一个移动设备的通勤频率的总和与权重校准参数的乘积，获取不同网格节点之间的权重。这样，能够更加准确地评估不同网格节点之间的通勤关系，提高后续的通勤区域划分的准确性。

步骤106，根据预设区域划分算法以及不同网格节点之间的权重，对网格空间进行划分获得不同的通勤区域。

在本申请实施例中，根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，所述不同的通勤区域包括有至少一个网络节点对应的网格。

在本申请实施例中，预设区域划分算法可以为模块化优化算法、基于边介数的社区检测算法、聚类算法。其中，模块化优化算法，如通过模拟退火、遗传算法或贪婪算法，用来寻找能够使模块化最大化的社区划分。基于边介数的社区检测算法，边介数是指网络中所有最短路径中经过某条边的次数。基于边介数的社区检测算法通过移除介数较高的边来划分网络。聚类算法，常见的聚类算法包括K-means、层次聚类等，可以应用于加权图如本申请实施例中的网格空间，其中节点间的权重作为相似度或距离度量，通过合并或分裂节点/子群，能够基于权重构建出层次结构的区域划分。

这样，根据本申请提供的方法，完成了对待划分区域的划分，划分好的每一个通勤区域都包括有至少一个网络节点对应的网格。网格的大小形状是根据预设的网格划分标准确定的，可以是1平方公里的正方形区域，在此不作限定。不同的通勤区域反映了城市内部人员通勤活动的空间分布特征，每个通勤区域可能对应着不同的职业群体、居住区域或交通状况。通过对通勤区域的划分和分析，可以更加深入地了解城市内部的通勤行为，为城市规划、交通管理、公共服务等方面提供有力的数据支持。例如，城市规划机构可以根据通勤区域的分布来合理规划城市空间，促进城市可持续发展。

在一些实施例中，所述预设区域划分算法为鲁汶Louvain算法，所述根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，包括：

S1、将所述网格空间中每个网格节点作为一个社区；

S2、将各个网格节点分配给其相邻的网格节点，构建新的社区，包括：

根据预设的模块度计算公式以及所述不同网格节点之间的权重，计算若所述各个网格节点将相邻的网格节点并入所述各个网格节点所属社区前后的模块度增益；若模块度增益大于零，则确定将相邻的网格节点并入所述各个网格节点所属的社区；重复步骤S2，直至所述各个网格节点所属的社区不再发生改变；

S3、将各个社区内的至少一个网格节点进行合并得到社区节点，将各个社区节点分配给其相邻的社区节点，构建新的社区，包括：

将各个社区内的至少一个网格节点或社区节点进行合并，得到各个社区对应的社区节点以及各个社区节点间的权重，根据所述预设的模块度计算公式，计算若所述各个社区节点将相邻的社区节点并入所述各个社区节点所属的社区后的模块度增益；若模块度增益大于零，则确定将相邻的社区节点并入所述各个社区节点所属的社区中；重复步骤S3，直至所述各个社区节点所属的社区不再发生改变；

S4、根据各个网格节点所属的社区，确定不同网格节点所属的通勤区域。

Louvain算法是是一种基于模块度优化的社区检测算法，由法国鲁汶大学的研究者提出，因此也被称为鲁汶Louvain算法。该算法通过不断迭代地合并网络中的节点以形成社区，从而优化整个网络的模块度。模块度是一个衡量网络社区结构强度的指标，其值越高表示社区结构越明显。算法通过以下步骤迭代地进行社区合并：

局部优化：每个节点都会考虑将其自身及其相邻节点合并到其所在社区中，并计算合并后的模块度增益。如果合并后的模块度增益大于零，说明合并能够增强社区结构，因此会执行合并操作。

社区更新：在局部优化后，根据合并操作的结果更新社区的归属。这时，原本独立的节点可能已经成为了某个社区的一部分。

迭代过程：重复局部优化和社区更新步骤，直到整个网络的模块度不再增加或达到预设的迭代次数。

在一些实施例中，通过Louvain算法以及上述步骤中获取的不同网格节点间的权重进行通勤区域划分，能够够发现网格空间中的社区，由于算法考虑了不同网格节点间的权重，这些权重可以反映不同节点间映射的移动设备的数量以及不同移动设备对应的通勤频率，因此划分得到的通勤区域将更加符合实际通勤情况，提高了通勤区域划分的准确性。

在一些实施例中，所述预设的模块度计算公式为：

其中，Q是目标社区的模块度，节点i和节点j为网格节点或社区节点，A_ij是节点i和节点j间的权重，K_i是节点i与所有相邻节点间的权重的和，K_j是节点j与所有相邻节点间的权重的和，m是所有节点间的权重的和，当节点i和节点j都属于所述目标社区的情况下n等于1，否则n等于0。

通过实施上述技术方案，首先采集移动设备在预设天数内的信令数据。接着，通过分析这些信令数据，确定移动设备的包括工作地址、居住地址和通勤频率的通勤数据。然后，根据预设的网格划分标准，将待划分区域划分为多个网格，每个网格对应一个的网格节点。通过映射移动设备的工作和居住地址到这些网格节点，可以建立网格节点之间的网格连线，这些网格连线反映了移动设备的通勤情况。接着，根据网格连线数量和通勤频率，为每个网格节点对计算权重。最后，利用这些权重和预设的区域划分算法，将网格空间划分为不同的通勤区域。通过分析移动设备的实际信令数据，可以更准确地反映用户的通勤行为，从而更精确地划分通勤区域。处理过程中仅使用移动设备的位置信息和时间戳，不涉及个人身份识别信息，有助于保护用户隐私。同时，这种通勤区域的划分可以为城市规划、交通管理、智能出行系统等多个领域提供有价值的参考信息。

请参阅图2，图2为本申请实施例提供的通勤区域划分方法中的信令数据的一种示意图。

如图2所示，在一些实施例中，信令数据包括移动设备编号、省份、城市、地区、经度、维度以及时间。其中，经度和纬度为移动设备建立网络连接时的通信基站的经纬度，时间为移动设备与网络基站进行通信的时刻。移动设备在使用过程中会不断地与网络基站进行交互，产生大量的信令数据。这些数据会实时地或近乎实时地被记录下来。实际的更新间隔可能会受到多种因素的影响，包括网络运营商的设置、移动设备的性能、通信基站的负载情况等，在此不作限定。

在一些实施例中，可以根据待划分区域的地理位置，获取对应地理位置，如相同的省、市或区内多个通信基站的信令数据，以提高获取的通勤数据的准确性。

请参阅图3，图3为本申请实施例提供的通勤区域划分方法中的通勤距离密度分布图。

在一个实施例中，在确定多个移动设备对应的包括工作地址和居住地址的通勤数据后，根据各个移动设备对应的工作地址与居住地址间计算得到的通勤距离，得到如图3所示的通勤距离密度分布图，以直观展示不同通勤距离在整体中的分布情况。

如图3所示，在该实施例中，通勤距离主要集中在0至50千米的范围内。而当通勤距离超过150千米时，对应的数据量明显减少。通勤距离超过150千米的数据属于少数情况，不代表大多数用户的典型通勤模式，可以通过删除这些数据可以减少噪声，使分析结果更加聚焦和准确。此外，在实际应用中，极端的通勤距离可能不是规划者、政策制定者或交通运营商关注的重点。他们更关心的是大多数用户的通勤需求和模式。因此，删除这些数据可以使通勤区域划分结果更加贴近实际应用场景，为决策提供更有针对性的支持。

在一些实施例中，所述根据所述信令数据，确定所述多个移动设备对应的通勤数据，包括：

根据所述信令数据，获得所述多个移动设备对应的初始通勤数据；

获取所述各个移动设备对应的工作地址和居住地址之间的通勤距离；

删除通勤距离大于预设距离阈值的移动设备对应的初始通勤数据，得到所述多个移动设备对应的通勤数据。

在一些实施例中，通过半正矢Haversine公式，以及两个点(工作地址和居住地址)的坐标计算球面距离(Great-circle Distance)，获取所述各个移动设备对应的工作地址和居住地址之间的通勤距离。Haversine公式如下所示：

其中，d是两点间的球面距离，r是地球半径(6378km)，是点的纬度，λ是点的经度，下标1和2代表球面上两个点，在本申请中为待划分区域中各个移动设备对应的居住地址和工作地址。

请参阅图4，图4为本申请实施例提供的通勤区域划分方法中对通勤区域进行细分的一种流程图示。如图4所示，该方法可以包括以下步骤401至步骤404：：

在一些实施例中，在根据移动设备的信令数据，完成对待划分区域的第一次通勤区域划分后，还会对待划分区域的部分区域进行第二次通勤区域以，获得更精细、更准确的通勤区域划分结果，有助于更好地理解城市或地区内部的通勤行为和模式。

步骤401，根据各个移动设备对应的工作地址和居住地址与网格空间内网格节点的映射关系以及各个通勤区域的网格节点数目，获取不同通勤区域的工作地址或居住地址的地址密度，确定地址密度大于预设密度的通勤区域为目标通勤区域。

在一些实施例中，根据各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系以及各个通勤区域的网格节点数目，获取不同通勤区域的工作地址或居住地址的地址密度，确定地址密度大于预设密度的通勤区域为目标通勤区域。

可以理解的是，通过各个移动设备对应的工作地址和居住地址与网格空间内网格节点的映射关系，能够获取各个通勤区域中存在的工作地址和居住地址的数目。因为对于一个移动设备而言，其对应的工作地址或居住地址可能属于不同的通勤区域，所以在根据各个通勤区域中存在的工作地址和居住地址的数目，与各个通勤区域的网格节点数目的比值，得到的不同通勤区域的工作地址或居住地址的地址密度可能不同。确定工作地址的地址密度或居住地址的地址密度存在一项大于预设密度的情况下，定地址密度大于预设密度的通勤区域为目标通勤区域。

在确定地址密度大于预设密度的目标通勤区域后，对目标通勤区域进行划分，以得到更细致的划分结果。

步骤402，根据预设的细分网格划分标准，对目标通勤区域进行划分，获得目标通勤区域对应的细分网格空间。

在一些实施例中，根据预设的细分网格划分标准，对所述目标通勤区域进行划分，获得所述目标通勤区域对应的细分网格空间，其中，所述细分网格空间包括多个细分网格，每个细分网格对应一个细分网格节点。

需要说明的是，步骤402与步骤103根据预设网格划分标准对区域进行划分的过程相似，需要注意的是为获取更加细致的通勤区域划分结果，在第二次通勤区域划分中，根据预设的细分网格划分标准得到的细分网格的大小即网格面积应小于第一次划分中根据预设的网格划分标准得到网格的大小，减小程度根据实际应用需求以及预期的地址密度确定，在此不作限定。

步骤403，获取目标表通勤区域内的目标通勤数据。

在一些实施例中，所述获取所述目标表通勤区域内的目标通勤数据，包括：

在所述多个移动设备对应的通勤数据中，确定工作地址和居住地址均在所述目标通勤区域内的移动设备的通勤数据为目标通勤数据；

或，

获取所述预设天数内的交通数据，根据预设的神经网络模型，对所述交通数据进行处理，获取所述目标表通勤区域内的目标通勤数据，所述交通数据用于表征公共交通的运行路线、运行时间以及客流量。

需要说明的是，第二次通勤区域划分可以使用第一次通勤划分中根据移动设备的信令数据，筛选出那些工作地址和居住地址均位于目标通勤区域内的移动设备的通勤数据。也可以使用其他数据源，如交通数据来增强划分的准确性和可靠性。

在一些实施例中，由于不同地区、不同出行方式在不同时期的数据会有缺失，并且交通出行方式比较复杂和多样，因此为了提升通勤区划分结果的准确性，构建了一个神经网络模型，以预测各个细分网格的交通需求量。这个模型的输入包括公共交通的运行路线、运行时间以及客流量，输出则是交通流量，所述交通流量用以表征不同细分网格间公共交通的流入及流出情况，反映了各细分网格间的通勤活动强度。

在模型训练过程中，可以采用了多种优化策略，如正则化、批量归一化等，以提高模型的泛化能力和稳定性。同时，利用了数据增强技术，通过对原始数据进行变换和扩充，增加了模型的训练数据量，进一步提高了模型的预测精度。以提高后续对通勤区域进行细分的准确性。

在获取各细分网格间的交通流量后，根据所述各细分网格间的交通流量，获取各细分网格间的权重。可以理解的是，如果两个网格之间的交通流量很大，那么这两个网格之间的权重就会相应地较高，表明它们之间的通勤活动较为频繁。一种常见的方法是将交通流量直接用作权重。也可以是通过标准化交通流量的方式，获取各细分网格间的权重。首先，可以对各细分网格间的交通流量进行标准化处理，以消除不同网格间交通流量绝对值大小差异的影响。标准化可以采用各种方法，如将每个网格的交通流量除以所有网格交通流量的总和，或者采用其他适当的标准化公式，以得到各细分网格节点间的权重。

步骤404，根据所述预设区域划分算法、目标通勤数据以及多个细分网格节点，对细分网格空间进行划分获得不同的细分通勤区域。

在获取目标表通勤区域内的目标通勤数据，并计算得到各个细分网格节点间的权重后，根据预设区域划分算法对对细分网格空间进行划分，从而获得不同的细分通勤区域。

其中，第二次划分所使用的预设区域划分算法可以与第一次划分所使用的预设区域划分算法相同，采用相同的算法可以确保区域划分的一致性和可比性，使得不同划分结果之间可以直接进行对比和分析。根据实际应用的需要，第二次划分也可以采用与第一次划分不同的算法。例如，第一次划分可能更注重于基于移动设备信令数据的空间分布特征，而第二次划分可能更注重于考虑交通流量和权重的影响。这种情况下，选择不同的算法可以更好地适应不同的分析目标和要求，在此不作限定。

通过实施上述技术方案，可以根据目标通勤数据，运用适当的区域划分算法对细分网格空间进行划分，得到更为精确和合理的细分通勤区域。这将为城市规划、交通管理、智能出行系统等领域提供更为准确和有用的数据支持。

应该理解的是，虽然上述各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述各流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

基于前述的实施例，本申请实施例提供一种通勤区域划分装置，该装置包括所包括的各模块、以及各模块所包括的各单元，可以通过处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)或现场可编程门阵列(FPGA)等。

图5为本申请实施例提供的通勤区域划分装置的结构示意图，如图5所示，所述通勤区域划分500包括数据获取模块501、网格管理模块502和通勤划分模块503，其中：

数据获取模块501，用于采集待划分区域中多个移动设备在预设天数内的信令数据，所述信令数据用于表征移动设备在网络连接过程中的位置信息和时间戳信息；根据所述信令数据，确定所述多个移动设备对应的通勤数据，所述通勤数据包括工作地址、居住地址以及通勤频率；

网格管理模块502，用于根据预设的网格划分标准，对所述待划分区域进行划分，获得所述待划分区域对应的网格空间，其中，所述网格空间包括多个网格，每个网格对应一个网格节点；根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，所述映射关系包括移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线；

通勤划分模块503，用于根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重；根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，所述不同的通勤区域包括有至少一个网络节点对应的网格。

在一些实施例中，网格管理模块502，还用于将所述多个移动设备中每个移动设备对应的工作地址和居住地址映射到地址归属的网格对应的网格节点；针对所述每个移动设备，获得该移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线，所述网格连线用于表征移动设备的持有者在居住地址和工作地址分别映射的网格节点之间的通勤关系。

在一些实施例中，数据获取模块501，还用于根据所述信令数据，获得所述多个移动设备对应的初始通勤数据；获取所述各个移动设备对应的工作地址和居住地址之间的通勤距离；删除通勤距离大于预设距离阈值的移动设备对应的初始通勤数据，得到所述多个移动设备对应的通勤数据。

在一些实施例中，数据获取模块501，还用于根据目标移动设备在所述预设天数内的信令数据，获取所述目标移动设备在不同位置的停留时长，所述目标移动设备为所述多个移动设备中的一个移动设备；若在所述预设天数内，所述目标移动设备在预设的每天的工作时段内，在第一位置的停留时长占所述预设天数的总时长的比例大于预设的第一比例阈值，确定所述第一位置为所述工作地址，其中，所述第一位置为所述待划分区域内的任意位置；若在所述预设天数内，所述目标移动设备在预设的每天的休息时段内，在第二位置的停留时长占所述预设天数的总时长的比例大于预设的第二比例阈值，确定所述第二位置为所述居住地址，其中，所述第二位置为所述待划分区域内的任意位置；根据所述预设天数内，所述目标移动设备在所述第一位置与所述第二位置之间的往返次数，确定所述目标移动设备对应的通勤频率；重复上述过程，确定所述多个移动设备对应的工作地址、居住地址以及通勤频率。

在一些实施例中，通勤划分模块503，还用于根据所述任意两个网格节点之间网格连线的数目以及预设评价标准，得到所述任意两个网格节点之间的权重校准参数，所述任意两个网格节点之间权重校准参数与网格连线的数目正相关；根据不同网格节点映射的移动设备对应的通勤频率的总和与权重校准参数的乘积，获取不同网格节点之间的权重。

在一些实施例中，通勤划分模块503，还用于根据各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系以及各个通勤区域的网格节点数目，获取不同通勤区域的工作地址或居住地址的地址密度，确定地址密度大于预设密度的通勤区域为目标通勤区域；根据预设的细分网格划分标准，对所述目标通勤区域进行划分，获得所述目标通勤区域对应的细分网格空间，其中，所述细分网格空间包括多个细分网格，每个细分网格对应一个细分网格节点；获取所述目标表通勤区域内的目标通勤数据；根据所述预设区域划分算法、所述目标通勤数据以及所述多个细分网格节点，对所述细分网格空间进行划分获得不同的细分通勤区域，所述不同的细分通勤区域包括有至少一个细分网络节点对应的细分网格。

在一些实施例中，数据获取模块501，还用于在所述多个移动设备对应的通勤数据中，确定工作地址和居住地址均在所述目标通勤区域内的移动设备的通勤数据为目标通勤数据；或，获取所述预设天数内的交通数据，根据预设的神经网络模型，对所述交通数据进行处理，获取所述目标表通勤区域内的目标通勤数据，所述交通数据用于表征公共交通的运行路线、运行时间以及客流量。

在一些实施例中，所述预设区域划分算法为鲁汶Louvain算法，通勤划分模块503，还用于S1、将所述网格空间中每个网格节点作为一个社区；S2、将各个网格节点分配给其相邻的网格节点，构建新的社区，包括：根据预设的模块度计算公式以及所述不同网格节点之间的权重，计算若所述各个网格节点将相邻的网格节点并入所述各个网格节点所属社区前后的模块度增益；若模块度增益大于零，则确定将相邻的网格节点并入所述各个网格节点所属的社区；重复步骤S2，直至所述各个网格节点所属的社区不再发生改变；S3、将各个社区内的至少一个网格节点进行合并得到社区节点，将各个社区节点分配给其相邻的社区节点，构建新的社区，包括：将各个社区内的至少一个网格节点或社区节点进行合并，得到各个社区对应的社区节点以及各个社区节点间的权重，根据所述预设的模块度计算公式，计算若所述各个社区节点将相邻的社区节点并入所述各个社区节点所属的社区后的模块度增益；若模块度增益大于零，则确定将相邻的社区节点并入所述各个社区节点所属的社区中；重复步骤S3，直至所述各个社区节点所属的社区不再发生改变；S4、根据各个网格节点所属的社区，确定不同网格节点所属的通勤区域。

以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

需要说明的是，本申请实施例中图5所示的通勤区域划分装置对模块的划分是示意性的，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。另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是单独物理存在，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，也可以采用软件功能单元的形式实现。也可以采用软件和硬件结合的形式实现。

需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的方法，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，本申请实施例的技术方案本质上或者说对相关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电子设备执行本申请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：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

本申请实施例提供一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中提供的方法中的步骤。

本申请实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法实施例提供的方法中的步骤。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的通勤区域划分装置可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成上述装置的各个程序模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的方法中的步骤。

这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请存储介质、存储介质和设备实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

本申请实施例提供的计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”或“一些实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”或“在一些实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如对象A和/或对象B，可以表示：单独存在对象A，同时存在对象A和对象B，单独存在对象B这三种情况。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。

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。以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，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：多个模块或组件可以结合，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，设备或模块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模块可以是、或也可以不是物理上分开的，作为模块显示的部件可以是、或也可以不是物理模块；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模块来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能模块可以全部集成在一个处理单元中，也可以是各模块分别单独作为一个单元，也可以两个或两个以上模块集成在一个单元中；上述集成的模块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(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请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，本申请实施例的技术方案本质上或者说对相关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电子设备执行本申请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、磁碟或者光盘等各种可以存储程序代码的介质。

本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。

本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。

本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (13)

1.一种通勤区域划分方法，其特征在于，所述方法包括：

采集待划分区域中多个移动设备在预设天数内的信令数据，所述信令数据用于表征移动设备在网络连接过程中的位置信息和时间戳信息；

根据所述信令数据，确定所述多个移动设备对应的通勤数据，所述通勤数据包括工作地址、居住地址以及通勤频率；

根据预设的网格划分标准，对所述待划分区域进行划分，获得所述待划分区域对应的网格空间，其中，所述网格空间包括多个网格，每个网格对应一个网格节点；

根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，所述映射关系包括移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线；

根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重；

根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，所述不同的通勤区域包括有至少一个网络节点对应的网格。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，包括：

将所述多个移动设备中每个移动设备对应的工作地址和居住地址映射到地址归属的网格对应的网格节点；

针对所述每个移动设备，获得该移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线，所述网格连线用于表征移动设备的持有者在居住地址和工作地址分别映射的网格节点之间的通勤关系。

3.根据权利要求1所述的方法，其特征在于，所述根据所述信令数据，确定所述多个移动设备对应的通勤数据，包括：

根据所述信令数据，获得所述多个移动设备对应的初始通勤数据；

获取所述各个移动设备对应的工作地址和居住地址之间的通勤距离；

删除通勤距离大于预设距离阈值的移动设备对应的初始通勤数据，得到所述多个移动设备对应的通勤数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述信令数据，确定所述多个移动设备对应的通勤数据，包括：

根据目标移动设备在所述预设天数内的信令数据，获取所述目标移动设备在不同位置的停留时长，所述目标移动设备为所述多个移动设备中的一个移动设备；

若在所述预设天数内，所述目标移动设备在预设的每天的工作时段内，在第一位置的停留时长占所述预设天数的总时长的比例大于预设的第一比例阈值，确定所述第一位置为所述工作地址，其中，所述第一位置为所述待划分区域内的任意位置；

若在所述预设天数内，所述目标移动设备在预设的每天的休息时段内，在第二位置的停留时长占所述预设天数的总时长的比例大于预设的第二比例阈值，确定所述第二位置为所述居住地址，其中，所述第二位置为所述待划分区域内的任意位置；

根据所述预设天数内，所述目标移动设备在所述第一位置与所述第二位置之间的往返次数，确定所述目标移动设备对应的通勤频率；

重复上述过程，确定所述多个移动设备对应的工作地址、居住地址以及通勤频率。

5.根据权利要求1所述的方法，其特征在于，所述根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重，包括：

根据所述任意两个网格节点之间网格连线的数目以及预设评价标准，得到所述任意两个网格节点之间的权重校准参数，所述任意两个网格节点之间权重校准参数与网格连线的数目正相关；

根据不同网格节点映射的移动设备对应的通勤频率的总和与权重校准参数的乘积，获取不同网格节点之间的权重。

6.根据权利要求1所述的方法，其特征在于，在所述根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域后，所述方法还包括：

根据各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系以及各个通勤区域的网格节点数目，获取不同通勤区域的工作地址或居住地址的地址密度，确定地址密度大于预设密度的通勤区域为目标通勤区域；

根据预设的细分网格划分标准，对所述目标通勤区域进行划分，获得所述目标通勤区域对应的细分网格空间，其中，所述细分网格空间包括多个细分网格，每个细分网格对应一个细分网格节点；

获取所述目标表通勤区域内的目标通勤数据；

根据所述预设区域划分算法、所述目标通勤数据以及所述多个细分网格节点，对所述细分网格空间进行划分获得不同的细分通勤区域，所述不同的细分通勤区域包括有至少一个细分网络节点对应的细分网格。

7.根据权利要求6所述的方法，其特征在于，所述获取所述目标表通勤区域内的目标通勤数据，包括：

在所述多个移动设备对应的通勤数据中，确定工作地址和居住地址均在所述目标通勤区域内的移动设备的通勤数据为目标通勤数据；

或，

获取所述预设天数内的交通数据，根据预设的神经网络模型，对所述交通数据进行处理，获取所述目标表通勤区域内的目标通勤数据，所述交通数据用于表征公共交通的运行路线、运行时间以及客流量。

8.根据权利要求1所述的方法，其特征在于，所述预设区域划分算法为鲁汶Louvain算法，所述根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，包括：

S1、将所述网格空间中每个网格节点作为一个社区；

S2、将各个网格节点分配给其相邻的网格节点，构建新的社区，包括：

根据预设的模块度计算公式以及所述不同网格节点之间的权重，计算若所述各个网格节点将相邻的网格节点并入所述各个网格节点所属社区前后的模块度增益；若模块度增益大于零，则确定将相邻的网格节点并入所述各个网格节点所属的社区；重复步骤S2，直至所述各个网格节点所属的社区不再发生改变；

S3、将各个社区内的至少一个网格节点进行合并得到社区节点，将各个社区节点分配给其相邻的社区节点，构建新的社区，包括：

将各个社区内的至少一个网格节点或社区节点进行合并，得到各个社区对应的社区节点以及各个社区节点间的权重，根据所述预设的模块度计算公式，计算若所述各个社区节点将相邻的社区节点并入所述各个社区节点所属的社区后的模块度增益；若模块度增益大于零，则确定将相邻的社区节点并入所述各个社区节点所属的社区中；重复步骤S3，直至所述各个社区节点所属的社区不再发生改变；

S4、根据各个网格节点所属的社区，确定不同网格节点所属的通勤区域。

9.根据权利要求8所述的方法，其特征在于，所述预设的模块度计算公式为：

其中，Q是目标社区的模块度，节点i和节点j为网格节点或社区节点，A_ij是节点i和节点j间的权重，K_i是节点i与所有相邻节点间的权重的和，K_j是节点j与所有相邻节点间的权重的和，m是所有节点间的权重的和，当节点i和节点j都属于所述目标社区的情况下n等于1，否则n等于0。

10.一种通勤区域划分装置，其特征在于，包括：

数据获取模块，用于采集待划分区域中多个移动设备在预设天数内的信令数据，所述信令数据用于表征移动设备在网络连接过程中的位置信息和时间戳信息；根据所述信令数据，确定所述多个移动设备对应的通勤数据，所述通勤数据包括工作地址、居住地址以及通勤频率；

网格管理模块，用于根据预设的网格划分标准，对所述待划分区域进行划分，获得所述待划分区域对应的网格空间，其中，所述网格空间包括多个网格，每个网格对应一个网格节点；根据所述多个移动设备对应的工作地址和居住地址，建立各个移动设备对应的工作地址和居住地址与所述网格空间内网格节点的映射关系，所述映射关系包括移动设备对应的工作地址映射的网格节点和居住地址映射的网格节点之间的网格连线；

通勤划分模块，用于根据所述网格空间中，任意两个网格节点之间网格连线的数目以及所述任意两个网格节点映射的移动设备对应的通勤频率，获取不同网格节点之间的权重；根据预设区域划分算法以及所述不同网格节点之间的权重，对所述网格空间进行划分获得不同的通勤区域，所述不同的通勤区域包括有至少一个网络节点对应的网格。

11.一种计算机设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述方法的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至9任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至9任一项所述的方法。