CN118171035B - 人流热力的预警方法及装置、电子设备和存储介质 - Google Patents
人流热力的预警方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN118171035B CN118171035B CN202410587370.3A CN202410587370A CN118171035B CN 118171035 B CN118171035 B CN 118171035B CN 202410587370 A CN202410587370 A CN 202410587370A CN 118171035 B CN118171035 B CN 118171035B
- Authority
- CN
- China
- Prior art keywords
- test report
- sum
- map
- map grid
- base station
- 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 60
- 238000010438 heat treatment Methods 0.000 title claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 105
- 238000012360 testing method Methods 0.000 claims description 298
- 238000004891 communication Methods 0.000 claims description 48
- 238000012549 training Methods 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000003066 decision tree Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 abstract description 19
- 238000004458 analytical method Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 9
- 238000013439 planning Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 206010000210 abortion Diseases 0.000 description 1
- 231100000176 abortion Toxicity 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/10—Scheduling measurement reports ; Arrangements for measurement reports
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开公开了人流热力的预警方法及装置、电子设备和存储介质，涉及数据处理技术领域，主要技术方案包括：获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和；对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；若所述人流热力值超过预设预警阈值，则输出告警信息。与相关技术相比，本公开实施例提高了人流热力的计算的精度及提高了人流热力的计算准确率。
Description
技术领域
本公开涉及大数据处理计算领域，尤其涉及一种人流热力的预警方法及装置、电子设备和存储介质。
背景技术
近年来，文化旅游行业的信息化升级如火如荼，特别是旅游景区的信息化管理，对旅游景区信息化系统提出了更高的要求。其中，对景区的人流进行实时统计和热力图展示，分析人流分布情况，实时掌控景区各区域的人流负载，避免人流过载的安全风险，进行人流预警、管控和疏导，成为景区信息化管理的一项重要工作。
人流热力的预警的关键是人流热力的获取，目前，获取人流热力的方法分为两种，一种为使用基站的位置信息作为该基站下人流的位置信息，考虑到基站的覆盖范围，在人口密集的区域可以覆盖200米-500米的方位，在人口稀疏的区域覆盖范围可达2公里，因此使用基站的位置信息作为该基站下人流的位置信息，存在一定的计算偏差，最大距离偏差可达2公里，导致人流热力的计算精度较差；另一种为使用人流的客户终端的全球定位系统（Global Positioning System ，GPS）的卫星定位作为人流的位置信息数值，如果客户终端未打开GPS，则缺少对客户终端的统计，需要获取人流的热成像数据，是热成像技术需要专用的感应设备安装到景区内，其统计的准确性依赖于热成像设备的安装密度，且其只能根据热感应识别出个人，无法对识别的个人进行去重，存在重复统计的问题，导致人流热力的计算准确率较低。
上述两种方法虽然能达到获取热流热力的需求，但是使用基站的位置信息作为该基站下人流的位置信息，人流的位置信息集中在基站的位置信息上，并不能很好的反应基站覆盖范围内人群的实际位置情况，导致人流热力的计算精度较差，使用热成像技术，其统计的准确性依赖于热成像设备的安装密度，且其只能根据热感应识别出个人，无法对识别的个人进行去重，存在重复统计的问题，导致人流热力的计算准确率较低。
发明内容
本公开提供了一种人流热力的预警方法及装置、电子设备和存储介质。其主要目的在于解决人流热力的计算精度较差及人流热力的计算准确率较低的问题。
根据本公开的第一方面，提供了一种人流热力的预警方法，其中，包括：
获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；
对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；
对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；
若所述人流热力值超过预设预警阈值，则输出告警信息。
可选的，所述获取第四数量总和包括：
获取第二测试报告；所述第二测试报告为所述第一客户终端向所述基站发送的测试报告，所述第二测试报告不包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告；
按照所述第一测试报告中的位置信息，查找所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和；
将所述所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和作为所述第四数量总和。
可选的，所述调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告包括：
将所述第二测试报告与所述预设位置计算模型中的预先存储的路测报告进行内容匹配；所述路测报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
若匹配到除了位置信息之外与所述第二测试报告的内容相同的路测报告，则将所述路测报告中的位置信息作为所述第二测试报告的目标位置信息；
将所述目标位置信息添加至所述第二测试报告中，得到所述第一测试报告。
可选的，所述预设位置计算模型的训练方法包括：
获取训练用地图的边界坐标范围内的至少一个所述路测报告；所述训练用地图用于进行地图网格划分的训练用地图；
对所述至少一个所述路测报告进行预处理，得到处理后的所述至少一个所述路测报告；所述预处理包括对所述至少一个所述路测报告中的损坏的路测报告进行删除、对所述至少一个所述路测报告进行特征提取、对所述至少一个所述路测报告进行归一化处理中的至少一种；
将所述处理后的所述至少一个所述路测报告组成训练用路测报告集；
基于梯度提升决策树算法，利用所述训练用路测报告集对初始位置计算模型进行训练，得到训练好的所述预设位置计算模型。
可选的，在获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和之前，所述方法还包括：
获取目标地图的边界坐标；所述目标地图用于进行地图网格划分的地图；
调用预设地图网格划分算法，对所述边界坐标内的所述目标地图进行地图网格划分，得到至少一个第三地图网格；所述第三地图网格为所述目标地图的边界范围内的任意一个地图网格。
可选的，所述获取第一数量总和包括：
获取所述至少一个第三地图网格的边界坐标，及获取所述基站的预设范围的边界坐标；
判断所述至少一个第三地图网格的边界坐标是否在所述基站的预设范围的边界坐标的范围内；
若所述至少一个第三地图网格的边界坐标在所述基站的预设范围的边界坐标的范围内，则将所述第三地图网格作为所述第一地图网格；
计算所述第一地图网格的数量总和，得到所述第一数量总和。
可选的，所述获取第二数量总和包括：
获取所述第一测试报告中的位置信息，及获取所述第一地图网格的边界坐标；
判断所述第一测试报告中的位置信息是否在所述第一地图网格的边界坐标的范围内；
若所述第一测试报告中的位置信息在所述第一地图网格的边界坐标的范围内，则将所述第一地图网格作为所述第二地图网格；
计算所述第二地图网格的数量总和，得到所述第二数量总和。
根据本公开的第二方面，提供了一种人流热力的预警装置，包括：
获取单元，用于获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；
第一计算单元，用于对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；
第二计算单元，用于对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；
输出单元，用于当所述人流热力值超过预设预警阈值时，输出告警信息。
可选的，所述获取单元包括：
获取模块，用于获取第二测试报告；所述第二测试报告为所述第一客户终端向所述基站发送的测试报告，所述第二测试报告不包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
计算模块，用于调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告；
查找模块，用于按照所述第一测试报告中的位置信息，查找所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和；
作为模块，用于将所述所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和作为所述第四数量总和。
可选的，所述计算模块还用于，
将所述第二测试报告与所述预设位置计算模型中的预先存储的路测报告进行内容匹配；所述路测报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
当匹配到除了位置信息之外与所述第二测试报告的内容相同的路测报告时，将所述路测报告中的位置信息作为所述第二测试报告的目标位置信息；
将所述目标位置信息添加至所述第二测试报告中，得到所述第一测试报告。
可选的，所述计算模块还用于，
获取训练用地图的边界坐标范围内的至少一个所述路测报告；所述训练用地图用于进行地图网格划分的训练用地图；
对所述至少一个所述路测报告进行预处理，得到处理后的所述至少一个所述路测报告；所述预处理包括对所述至少一个所述路测报告中的损坏的路测报告进行删除、对所述至少一个所述路测报告进行特征提取、对所述至少一个所述路测报告进行归一化处理中的至少一种；
将所述处理后的所述至少一个所述路测报告组成训练用路测报告集；
基于梯度提升决策树算法，利用所述训练用路测报告集对初始位置计算模型进行训练，得到训练好的所述预设位置计算模型。
可选的，所述装置还包括：
所述获取单元还用于，在获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和之前，获取目标地图的边界坐标；所述目标地图用于进行地图网格划分的地图；
划分单元，用于调用预设地图网格划分算法，对所述边界坐标内的所述目标地图进行地图网格划分，得到至少一个第三地图网格；所述第三地图网格为所述目标地图的边界范围内的任意一个地图网格。
可选的，所述获取单元还用于，
获取所述至少一个第三地图网格的边界坐标，及获取所述基站的预设范围的边界坐标；
判断所述至少一个第三地图网格的边界坐标是否在所述基站的预设范围的边界坐标的范围内；
当所述至少一个第三地图网格的边界坐标在所述基站的预设范围的边界坐标的范围内时，将所述第三地图网格作为所述第一地图网格；
计算所述第一地图网格的数量总和，得到所述第一数量总和。
可选的，所述获取单元还用于，
获取所述第一测试报告中的位置信息，及获取所述第一地图网格的边界坐标；
判断所述第一测试报告中的位置信息是否在所述第一地图网格的边界坐标的范围内；
当所述第一测试报告中的位置信息在所述第一地图网格的边界坐标的范围内时，将所述第一地图网格作为所述第二地图网格；
计算所述第二地图网格的数量总和，得到所述第二数量总和。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述第一方面所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如前述第一方面所述的方法。
本公开提供的人流热力的预警方法及装置、电子设备和存储介质，获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；若所述人流热力值超过预设预警阈值，则输出告警信息。与相关技术相比，本公开实施例结合第一测试报告抽样数据少但覆盖范围广的特点，以及与所述基站建立通信的第二客户终端的数量准确真实的特点，基于第一测试报告构建基站的预设范围内的第二地图网格的人数比例关系，而使用与所述基站建立通信的第二客户终端的数量，并按照基站的预设范围内的第一测试报告的比例关系，进行计算，得到与所述基站建立通信的第二客户终端的数量在第一地图网格中的分布情况，进而提高了人流热力的计算的精度及提高了人流热力的计算准确率。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例所提供的一种人流热力的预警方法的流程示意图；
图2为本公开实施例所提供的一种目标第二地图网格中向所述基站发送第一测试报告的第一客户终端的数量总和的获取方法的流程示意图；
图3为本公开实施例所提供的一种路测报告的数据格式的示意图；
图4为本公开实施例所提供的一种地图网格的展示示意图；
图5为本公开实施例提供的一种人流热力的预警装置的结构示意图；
图6为本公开实施例提供的另一种人流热力的预警装置的结构示意图；
图7为本公开实施例提供的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的人流热力的预警方法及装置、电子设备和存储介质。
图1为本公开实施例所提供的一种人流热力的预警方法的流程示意图。
如图1所示，该方法应用于服务器中，该方法包含以下步骤：
步骤101，获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和。
第一测试报告是指第一客户终端在业务信道上定时以第一测试报告的形式向基站周期或事件触发上报生成的报告文件，第一测试报告较传统的路测数据具有更全面、更完整、更易取得的优点，针对大量第一测试报告的统计分析也可用于发现网络问题，其中，所述第一客户终端为在基站的预设范围内与基站建立通信且向基站发送第一测试报告的电子设备，例如，手机、笔记本电脑、平板电脑、智能手表等，所述预设范围可以为任意范围，本公开实施例不进行限定。
第二客户终端为在基站的预设范围内与基站建立通信的电子设备，其中，第一客户终端包含在第二客户终端中。
通过S2算法可以将基站的预设范围内的地图进行地图网格划分，得到至少一个地图网格，其中，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第二地图网格包含在所述第一地图网格中；S2算法是一种用于地理信息系统的空间索引结构，用于高效地管理地理空间数据，S2算法将地球表面划分为不同层级的地图网格，每个地图网格都有一个唯一的标识符，并且可以根据需要进行细分或聚合，S2算法可以快速定位、检索和分析地理空间数据，例如地点、区域和地理形状等，但是应当明确的是，该种说法并非意在限定第一地图网格或第二地图网格只能通过S2算法得到，也可以通过其他算法得到。
通过获取基站预设范围内的第一和第二地图网格的客户终端数量总和，以了解在不同地图网格中客户终端的分布情况，用于确定人流密集区域和相对较少人流的区域；通过获取与基站建立通信的第二客户终端的数量总和（第三数量总和），可以衡量基站与客户终端之间的通信连接数量，用于评估基站的覆盖范围和通信质量；通过获取目标第二地图网格中向基站发送第一测试报告的第一客户终端的数量总和（第四数量总和），可以确定该地图网格中有多少客户终端在与基站进行活动和通信；通过获取预设范围内向基站发送第一测试报告的第一客户终端的数量总和（第五数量总和），可以确定在基站范围内有多少客户终端在与基站进行通信交互；通过获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，可以了解人流热点区域、客户终端的集中程度以及与基站的通信情况，对于优化基站布局、改善通信质量以及制定人流管理策略等方面都具有重要意义。
步骤102，对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数。
计算第一比例系数和第二比例系数的目的是为了将第三数量总和（与基站建立通信的第二客户终端数量总和）分配给目标第二地图网格；第一比例系数是通过将第二数量总和（第二地图网格的数量总和）除以第一数量总和（第一地图网格的数量总和）得到的，第一比例系数反映了第二地图网格中客户终端数量与第一地图网格中客户终端数量之间的比例关系，通过第一比例系数可以推算出第二地图网格中客户终端数量的预估值；第二比例系数是通过将第五数量总和（向基站发送第一测试报告的第一客户终端数量总和）除以第四数量总和（目标第二地图网格中向基站发送第一测试报告的第一客户终端数量总和）得到的，第二比例系数反映了向基站发送测试报告的客户终端在目标第二地图网格内的比例关系，通过第二比例系数可以根据目标第二地图网格中的客户终端数量估计整体范围内的客户终端数量；通过计算第一比例系数及第二比例系数，可以更准确地推算目标第二地图网格中的人流热力值，用于人流管理和决策制定。
为了便于理解，提供了一种示例进行说明，假设第一数量总和为1000，第二数量总和为500，第四数量总和为300，第五数量总和为200，第一比例系数=第二数量总和/第一数量总和，第一比例系数=500/1000=0.5，第二比例系数=第五数量总和/第四数量总和，第二比例系数=200/300≈0.67。
步骤103，对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值。
对第三数量总和、第一比例系数和第二比例系数进行积计算，得到目标第二地图网格对应的人流热力值的目的是为了量化并评估目标地图网格中的人流强度，通过计算人流热力值，可以了解人流密度，人流热力值可以了解目标地图网格中的人流密度高低，较高的人流热力值表示该地区的人流活跃程度较高，可能需要更多资源或管理措施来应对人流压力；根据人流热力值，可以优化资源的分配，例如在人流密集的地区增加更多的服务设施、调整交通流量，以满足人们的需求；人流热力值可以作为决策制定的参考依据，例如制定人流管控策略、规划城市建设、调整商业布局等；通过计算目标地图网格的人流热力值，能够更好地理解人流分布情况，并为相关决策提供数据支持，以实现有效的管理和规划。
步骤104，若所述人流热力值超过预设预警阈值，则输出告警信息。
当人流热力值超过预设预警阈值时，输出告警信息的目的是及时发现人流异常情况并采取相应的措施，以保障公共安全和人民生命财产安全；人流热力值超过预设预警阈值通常表示该目标第二地图网格的人流密度超出了正常范围，可能存在安全隐患，例如，在火车站、机场等交通枢纽或大型活动场所，如果人流热力值超过预警阈值，可能会导致拥挤、踩踏等安全事故的发生，此时，及时输出告警信息可以提醒相关部门和群众注意人流状况，并采取必要的措施来缓解人流压力，以避免不必要的伤害和损失，其中，预设预警阈值可以为任意值，本公开实施例不进行限定，告警信息包括但不限于告警级别：告警级别根据人流热力值超过预设预警阈值的程度，分为不同的级别，例如一般告警、重要告警、紧急告警等；告警类型：告警类型根据人流热力值超过预设预警阈值的原因，分为不同的类型，例如人流过多告警、人流拥堵告警等；告警时间：告警时间指人流热力值超过预设预警阈值的时间，可以帮助我们追溯人流异常情况的发生时间，并及时采取相应的措施；告警位置：告警位置指人流热力值超过预设预警阈值的地点，可以帮助我们定位人流异常情况的具体位置，并快速调配资源进行管控；告警建议：告警建议是针对人流异常情况提出的相应措施和建议，例如增加服务设施、调整交通流量、增加治安巡逻等，以缓解人流压力和避免安全事故的发生。
因此，输出告警信息可以及时发现人流异常情况并采取相应措施，保障公共安全和人民生命财产安全。
本公开提供的人流热力的预警方法，获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；若所述人流热力值超过预设预警阈值，则输出告警信息。与相关技术相比，本公开实施例结合第一测试报告抽样数据少但覆盖范围广的特点，以及与所述基站建立通信的第二客户终端的数量准确真实的特点，基于第一测试报告构建基站的预设范围内的第二地图网格的人数比例关系，而使用与所述基站建立通信的第二客户终端的数量，并按照基站的预设范围内的第一测试报告的比例关系，进行计算，得到与所述基站建立通信的第二客户终端的数量在第一地图网格中的分布情况，进而提高了人流热力的计算的精度及提高了人流热力的计算准确率。
作为对步骤101的细化，在执行所述获取第四数量总和时，可以采用但不局限于以下方式实现，如图2所示，图2为本公开实施例所提供的一种目标第二地图网格中向所述基站发送第一测试报告的第一客户终端的数量总和的获取方法的流程示意图，包括：
步骤201，获取第二测试报告；所述第二测试报告为所述第一客户终端向所述基站发送的测试报告，所述第二测试报告不包含用于定位所述第一客户终端所处的第二地图网格的位置信息。
客户终端的位置信息需要客户终端打开GPS才能获取，但有些客户终端可能没有打开GPS，因此，所述第二测试报告为所述第一客户终端向所述基站发送的测试报告，所述第二测试报告不包含用于定位所述第一客户终端所处的第二地图网格的位置信息，因此，需要根据客户终端的第二测试报告计算出包含位置信息的第一测试报告。
步骤202，调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告。
为了间接获取第一客户终端的位置信息，调用预设位置计算模型对第二测试报告的位置信息进行计算，得到第一测试报告，然后进行进一步的数据分析、统计或者业务处理，由于第二测试报告不包含具体的位置信息，通过计算得到的第一测试报告可能会提供足够的位置相关信息。
步骤203，按照所述第一测试报告中的位置信息，查找所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和。
根据第一测试报告中提供的位置信息，可以确定目标区域的第二网格，在这个第二网格中查找第一测试报告对应的第一客户终端，并计算其数量总和；第一测试报告中的位置信息可能包含了一些客户终端的具体位置或者区域位置，可以确定这些客户终端所处的第二网格；查找第一测试报告对应的第一客户终端的过程可能涉及对存储有客户终端信息的数据库或数据集进行查询和匹配；通过匹配第一测试报告中的位置信息，可以筛选出位于目标第二网格内的第一客户终端，将这些第一客户终端的数量累加，得到第一测试报告对应的第一客户终端的数量总和；第一测试报告对应的第一客户终端的数量总和可以用来进行统计分析，帮助了解目标区域内第一客户终端的数量情况，为进一步的业务决策提供参考。
步骤204，将所述所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和作为所述第四数量总和。
通过第一测试报告中的位置信息确定了目标区域的第二网格，并查找了位于该网格内的第一客户终端，所有第一客户终端的数量累加得到的结果就是所述第四数量总和。
作为上述实施例的细化，在执行所述调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告时，可以采用但不局限于以下方式实现：
将所述第二测试报告与所述预设位置计算模型中的预先存储的路测报告进行内容匹配；所述路测报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息；通过将第二测试报告与预设位置计算模型中的预先存储的路测报告进行内容匹配，可以找到与第二测试报告相匹配的路测报告，并从中获取第一客户终端所处的第二地图网格的位置信息，位置信息信息可以帮助我们更准确地确定客户端的位置，以便在网络规划、优化和故障排除等方面提供有效的支持。
若匹配到除了位置信息之外与所述第二测试报告的内容相同的路测报告，则将所述路测报告中的位置信息作为所述第二测试报告的目标位置信息；如果匹配到除了位置信息之外与第二测试报告相同的路测报告，说明这个路测报告记录了与第二测试报告相同的无线环境信息，因此，将该路测报告中的位置信息视为第二测试报告的目标位置信息，可以使第二测试报告的位置信息更加准确，当第二测试报告包含更准确的位置信息时，可以更好地支持网络规划、优化和故障排除等方面的工作，提高网络效率和用户体验。
将所述目标位置信息添加至所述第二测试报告中，得到所述第一测试报告，根据目标位置信息，可以确定客户终端的具体位置。
在实际应用中，为了提高预设位置计算模型的计算准确率，需要对预设位置计算模型进行训练，所述预设位置计算模型的训练方法，可以采用但不局限于以下方式实现：
获取训练用地图的边界坐标范围内的至少一个所述路测报告；所述训练用地图用于进行地图网格划分的训练用地图；为了使用路测报告数据来训练一个预设位置计算模型，以便在给定无线信号强度等信息时，能够预测移动设备的位置；训练用地图是指用于进行地图网格划分的地图，训练用地图定义了一个区域的边界坐标范围；通过获取边界坐标范围内的至少一个路测报告，可以获得该区域内的无线信号强度等数据；这些数据被用来训练预设位置计算模型，使其能够根据无线信号信息预测设备在地图上的位置；这样的预设位置计算模型在无线定位、导航和位置服务等应用中具有很大的价值，它可以在客户终端没有GPS环境下，通过无线信号强度等信息来实现位置的估计和推测。
对所述至少一个所述路测报告进行预处理，得到处理后的所述至少一个所述路测报告；所述预处理包括对所述至少一个所述路测报告中的损坏的路测报告进行删除、对所述至少一个所述路测报告进行特征提取、对所述至少一个所述路测报告进行归一化处理中的至少一种；可以提高预设位置计算模型的准确性和鲁棒性，以便更好地预测移动设备的位置。
预处理路测报告包括以下几个步骤：删除损坏的路测报告：如果某个路测报告由于某种原因（例如网络连接中断、信号干扰等）无法提供有用的信息，那么它就是无效的，将其从数据集中删除可以提高训练数据的质量；特征提取：路测报告中包含了很多信息，如无线信号强度、频率、扇区标识等，但并非所有特征都对位置预测有用，因此需要对路测报告进行特征提取，保留与位置预测相关的特征，剔除无用的特征，以减少模型的复杂度和训练时间；归一化处理：路测报告中的不同特征可能具有不同的值范围，这导致了特征之间的权重不均衡；为了解决特征之间的权重不均衡的问题，可以对路测报告进行归一化处理，将不同特征的值映射到相同的区间内，这样做有助于提高模型的准确性和鲁棒性。
通过预处理，可以提高训练数据的质量，降低模型的复杂度，从而提高预设位置计算模型的准确性和鲁棒性，使其能够更好地预测移动设备的位置。
将所述处理后的所述至少一个所述路测报告组成训练用路测报告集；通过训练用路测报告集，预设位置计算模型可以学习到不同无线信号模式下的位置变化规律，包括信号衰减、信号传播特性等，当接收到新的无线信号数据时，能够基于已有的训练经验，进行准确的位置预测。
基于梯度提升决策树算法，利用所述训练用路测报告集对初始位置计算模型进行训练，得到训练好的所述预设位置计算模型；利用梯度提升决策树算法（GradientBoosting Decision Tree，GBDT）对训练用路测报告集进行训练，得到训练好的预设位置计算模型，其目的在于提高位置预测的准确性和鲁棒性。
GBDT是一种集成学习方法，通过串行训练多个决策树模型，并逐步纠正前一棵树的错误，从而得到一个强大的集成模型，在位置预测中，利用GBDT算法可以从训练数据中学习到不同特征之间的复杂关系，以及这些特征与设备位置之间的映射规律，从而实现更精准的位置预测。
训练好的预设位置计算模型可以帮助移动设备更准确地确定自身位置，提高定位服务的准确性和可靠性，这对于导航、位置服务以及基于位置的信息推荐等应用具有重要意义，能够改善用户体验，提升服务质量；因此，利用梯度提升决策树算法对训练用路测报告集进行训练，得到训练好的预设位置计算模型的目的是为了提高位置预测的准确性和鲁棒性，从而改善移动设备的定位服务。
在实际应用中，在获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和之前，需要进行地图网格的划分，可以采用但不局限于以下方式实现，获取目标地图的边界坐标；所述目标地图用于进行地图网格划分的地图；获取目标地图的边界坐标是为了确定地图的边界范围，这是进行地图网格划分的第一步，目的在于将地图划分成多个网格，以便进行更精细化的地图数据处理和分析，通过地图网格划分，可以将大范围的地图数据分割成小块，便于对地理信息进行管理、存储和分析，同时也有利于地图可视化和定位应用。
调用预设地图网格划分算法，对所述边界坐标内的所述目标地图进行地图网格划分，得到至少一个第三地图网格；所述第三地图网格为所述目标地图的边界范围内的任意一个地图网格；通过对目标地图进行地图网格划分，可以将地图数据细分为更小的单元，方便进行更精确的地理数据分析和处理，可以帮助更好地理解目标地图的结构和特征，并进行相关的分析、应用和决策。
作为对步骤101的细化，在执行所述获取第一数量总和时，可以采用但不局限于以下方式实现，获取所述至少一个第三地图网格的边界坐标，及获取所述基站的预设范围的边界坐标；通过获取第三地图网格的边界坐标，可以更精确地了解和描述地图中不同区域的空间范围和边界，这有助于对地理数据进行更细致的分析、比较和可视化展示，例如，可以将不同网格单元的数据聚合、统计或进行其他空间分析，以获得更深入的洞察。
判断所述至少一个第三地图网格的边界坐标是否在所述基站的预设范围的边界坐标的范围内；判断第三地图网格的边界坐标是否在基站的预设范围内有助于评估通信覆盖情况、优化基站布局，并为数据分析和决策提供支持，这些工作对于改善通信服务质量、提升网络性能和优化资源配置都具有重要意义。
若所述至少一个第三地图网格的边界坐标在所述基站的预设范围的边界坐标的范围内，则将所述第三地图网格作为所述第一地图网格；将第三地图网格作为第一地图网格的目的是提高空间分析精度、提高数据处理效率和保持网格数据的一致性，有助于实现更准确、更细致的空间分析和计算，并支持相关决策和规划工作。
计算所述第一地图网格的数量总和，得到所述第一数量总和；计算第一地图网格的数量总和可以为数据统计和分析提供基础，例如，可以通过统计每个地图网格的数据特征，如人口密度、交通流量、环境指标等，来了解整个区域的情况。
作为对步骤101的细化，在执行所述获取第二数量总和时，可以采用但不局限于以下方式实现：
获取所述第一测试报告中的位置信息，及获取所述第一地图网格的边界坐标；位置信息通常包含经纬度或其他地理坐标信息，而地图网格则是由一系列位置点（例如经纬度坐标）组成的区域，在进行地理数据分析和空间规划时，常常需要将位置信息与地图网格相对应，以便对位置信息进行分类、统计、查询等操作，因此，获取第一测试报告中的位置信息和第一地图网格的边界坐标可以实现位置信息和地图网格的匹配和对应。
判断所述第一测试报告中的位置信息是否在所述第一地图网格的边界坐标的范围内；在进行地理数据分析和空间规划时，需要将位置信息与地图网格进行匹配和对应，如果位置信息在某个地图网格内部，则可以将该地图网格用于后续的空间分析和处理，因此，需要判断位置信息是否在地图网格范围内，以便将其与地图网格进行对应。
若所述第一测试报告中的位置信息在所述第一地图网格的边界坐标的范围内，则将所述第一地图网格作为所述第二地图网格；在进行地理数据处理和空间规划时，需要将位置信息与地图网格进行匹配和对应，如果位置信息在某个地图网格内部，则可以将该地图网格用于后续的空间分析和处理，因此，如果第一测试报告中的位置信息在第一地图网格的边界坐标范围内，就可以将该地图网格作为第二地图网格，以便进行后续的空间分析和处理。
计算所述第二地图网格的数量总和，得到所述第二数量总和；计算第二地图网格的数量总和可以得到一个值，该值可以用于对第二地图网格进行聚合分析，例如计算第二地图网格内的总人口数、总房产面积、总商业面积等等，同时，第二数量总和也可以用于进行空间统计分析，例如计算某一区域内不同类型设施的数量、密度。
在本公开实施例的一种可实现方式中，基于路测报告，采用GBDT算法进行训练，得到预设位置计算模型；基于预设位置计算模型，对第二测试报告进行预测，计算出第二测试报告的位置信息；比对相同时间段的第二测试报告和与所述基站建立通信的第二客户终端的数据，对第二测试报告进行第二客户终端的标识信息回填；对回填后的第二测试报告的预测结果数据（第一测试报告），基于S2算法，进行地图网格划分，把与所述基站建立通信的第二客户终端的数量总和分到第二地图网格内；对相同时间段的与所述基站建立通信的第二客户终端的数据进行圆形区域扩散，根据与所述基站建立通信的第二客户终端的数量总和，并按照比例映射到第二地图网格，根据S2算法，第二地图网格的精度范围为53米-77米，这样就实现了人流热力精度由基站范围的500米-2千米，提升到了53米-77米范围。
获取景区范围内所有运营商基站的MME位置信令实时数据，对目标地图进行地图区域圈选，获取目标地图的多边形边界坐标;使用边界坐标跟与所述基站建立通信的第二客户终端的数据按照基站进行关联，获取目标地图范围内的所有基站及基站关联的第二客户终端的数量；计算每个基站的去重第二客户终端的数量，作为该基站的第二客户终端的数量；根据S2算法，计算目标地图的所有基站的位置信息；对于目标地图的范围内，以每个基站为圆心，R为半径（R值可调整，默认设置为1000米），画圆形区域，基于S2算法，计算每个基站的圆形扩展区域覆盖到的第一地图网格列表的数量。
获取目标地图的路测报告、第二测试报告，基于预设位置计算模型，进行位置信息计算，得到第二测试报告的位置信息，获取周期上报的目标地图的路测报告，数据格式如图3所示，图3为本公开实施例所提供的一种路测报告的数据格式的示意图；基于GBDT算法，进行模型训练，得到预设位置计算模型，其中，预设位置计算模型，根据路测报告的上报周期进行动态更新；
实时获取目标地图的第二测试报告，基于预设位置计算模型，进行位置信息计算，得到包含有位置信息的第一测试报告。
由于第一测试报告的特点是覆盖范围广，但是第一测试报告抽样采集，第一测试报告通常仅仅只有与所述基站建立通信的第二客户终端的数据的几十分之一，而与所述基站建立通信的第二客户终端的数据可以表示为基站的位置信息，能精确反应目标地图范围内的人流热力数值，结合第一测试报告范围分布广和与所述基站建立通信的第二客户终端的数据准确的特点，实现人流热力的精确计算。
对与所述基站建立通信的第二客户终端的数据，以每个基站为圆心，R为半径在地图上画圆形，如图4对应地图上的第一地图级网格，图4为本公开实施例所提供的一种地图网格的展示示意图；基于S2算法，计算出M与所述基站建立通信的第二客户终端的数据中每个基站的半径R内的圆覆盖到的所有第一地图网格，每个基站的圆形区域内，计算该圆形区域内的所包含的第二地图网格数量为countMr17，计算该圆形区域内的第一地图网格的数量为totalGrids，以countMr17/totalGrids作为该圆形区域覆盖的第一比例系数S；该基站圆形区域内单个第二地图网格的人数为num17，该圆形区域内所有第二地图网格的第二客户终端的加和为sumMr17，那么在这个基站的圆形区域内，就可以计算得到每个第二地图网格的人数的第二比例系数为s=num17/sumMr17；而该基站的总人数可以从与所述基站建立通信的第二客户终端的数量总和计算得到为num14，通过计算在该基站的圆形区域范围内，每个关联匹配到的第二地图网格，通过第二地图网格的比例映射系数计算得到的与所述基站建立通信的第二客户终端的人流热力值num17New=num14*s*S。
为了便于理解提供了一种示例，countMr17=49，totalGrids=102，num14为20000，num17为80，sumMr17为1000。通过上面的公式可计算出人流热力值为（49/102）*（80/1000）*20000=768。
综上所述，本公开实施例能实现以下效果：
本公开实施例结合第一测试报告抽样数据少但覆盖范围广的特点，以及与所述基站建立通信的第二客户终端的数量准确真实的特点，基于第一测试报告构建基站的预设范围内的第二地图网格的人数比例关系，而使用与所述基站建立通信的第二客户终端的数量，并按照基站的预设范围内的第一测试报告的比例关系，进行计算，得到与所述基站建立通信的第二客户终端的数量在第一地图网格中的分布情况，进而提高了人流热力的计算的精度及提高了人流热力的计算准确率。
与上述的人流热力的预警方法相对应，本发明还提出一种人流热力的预警装置。由于本发明的装置实施例与上述的方法实施例相对应，对于装置实施例中未披露的细节可参照上述的方法实施例，本发明中不再进行赘述。
图5为本公开实施例提供的一种人流热力的预警装置的结构示意图，如图5所示，包括：
获取单元31，用于获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；
第一计算单元32，用于对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；
第二计算单元33，用于对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；
输出单元34，用于当所述人流热力值超过预设预警阈值时，输出告警信息。
本公开提供的人流热力的预警装置，获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；若所述人流热力值超过预设预警阈值，则输出告警信息。与相关技术相比，本公开实施例结合第一测试报告抽样数据少但覆盖范围广的特点，以及与所述基站建立通信的第二客户终端的数量准确真实的特点，基于第一测试报告构建基站的预设范围内的第二地图网格的人数比例关系，而使用与所述基站建立通信的第二客户终端的数量，并按照基站的预设范围内的第一测试报告的比例关系，进行计算，得到与所述基站建立通信的第二客户终端的数量在第一地图网格中的分布情况，进而提高了人流热力的计算的精度及提高了人流热力的计算准确率。
进一步地，在本实施例一种可能的实现方式中，如图6所示，所述获取单元31包括：
获取模块311，用于获取第二测试报告；所述第二测试报告为所述第一客户终端向所述基站发送的测试报告，所述第二测试报告不包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
计算模块312，用于调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告；
查找模块313，用于按照所述第一测试报告中的位置信息，查找所处于所述目标第二网格中的第一检测报告对应的第一客户终端的数量总和；
作为模块314，用于将所述所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和作为所述第四数量总和。
进一步地，在本实施例一种可能的实现方式中，如图6所示，所述计算模块312还用于，
将所述第二测试报告与所述预设位置计算模型中的预先存储的路测报告进行内容匹配；所述路测报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
当匹配到除了位置信息之外与所述第二测试报告的内容相同的路测报告时，将所述路测报告中的位置信息作为所述第二测试报告的目标位置信息；
将所述目标位置信息添加至所述第二测试报告中，得到所述第一测试报告。
进一步地，在本实施例一种可能的实现方式中，如图6所示，所述计算模块312还用于，
获取训练用地图的边界坐标范围内的至少一个所述路测报告；所述训练用地图用于进行地图网格划分的训练用地图；
对所述至少一个所述路测报告进行预处理，得到处理后的所述至少一个所述路测报告；所述预处理包括对所述至少一个所述路测报告中的损坏的路测报告进行删除、对所述至少一个所述路测报告进行特征提取、对所述至少一个所述路测报告进行归一化处理中的至少一种；
将所述处理后的所述至少一个所述路测报告组成训练用路测报告集；
基于梯度提升决策树算法，利用所述训练用路测报告集对初始位置计算模型进行训练，得到训练好的所述预设位置计算模型。
进一步地，在本实施例一种可能的实现方式中，如图6所示，所述装置还包括：
所述获取单元31还用于，在获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和之前，获取目标地图的边界坐标；所述目标地图用于进行地图网格划分的地图；
划分单元35，用于调用预设地图网格划分算法，对所述边界坐标内的所述目标地图进行地图网格划分，得到至少一个第三地图网格；所述第三地图网格为所述目标地图的边界范围内的任意一个地图网格。
进一步地，在本实施例一种可能的实现方式中，如图6所示，所述获取单元31还用于，
获取所述至少一个第三地图网格的边界坐标，及获取所述基站的预设范围的边界坐标；
判断所述至少一个第三地图网格的边界坐标是否在所述基站的预设范围的边界坐标的范围内；
当所述至少一个第三地图网格的边界坐标在所述基站的预设范围的边界坐标的范围内时，将所述第三地图网格作为所述第一地图网格；
计算所述第一地图网格的数量总和，得到所述第一数量总和。
进一步地，在本实施例一种可能的实现方式中，如图6所示，所述获取单元31还用于，
获取所述第一测试报告中的位置信息，及获取所述第一地图网格的边界坐标；
判断所述第一测试报告中的位置信息是否在所述第一地图网格的边界坐标的范围内；
当所述第一测试报告中的位置信息在所述第一地图网格的边界坐标的范围内时，将所述第一地图网格作为所述第二地图网格；
计算所述第二地图网格的数量总和，得到所述第二数量总和。
需要说明的是，前述对方法实施例的解释说明，也适用于本公开实施例的装置，原理相同，本公开实施例中不再限定。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备400包括计算单元401，其可以根据存储在ROM（Read-OnlyMemory，只读存储器）402中的计算机程序或者从存储单元408加载到RAM（Random AccessMemory，随机访问/存取存储器） 403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM403通过总线404彼此相连。I/O（Input/Output，输入/输出） 接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于CPU（Central Processing Unit，中央处理单元）、GPU（Graphic Processing Units，图形处理单元） 、各种专用的AI（ArtificialIntelligence，人工智能） 计算芯片、各种运行机器学习模型算法的计算单元、DSP（Digital Signal Processor，数字信号处理器） 、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如人流热力的预警方法。例如，在一些实施例中，人流热力的预警方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行前述人流热力的预警方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA（Field Programmable Gate Array，现场可编程门阵列）、ASIC（Application-Specific Integrated Circuit，专用集成电路）、ASSP（Application Specific StandardProduct，专用标准产品）、SOC（System On Chip，芯片上系统的系统）、CPLD（ComplexProgrammable Logic Device，复杂可编程逻辑设备） 、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM（Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器） 或快闪存储器、光纤、CD-ROM（Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器） 、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（Cathode-Ray Tube， 阴极射线管）或者LCD（Liquid Crystal Display， 液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：LAN（LocalArea Network，局域网）、WAN（Wide Area Network，广域网） 、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务（"Virtual Private Server"，或简称 "VPS"）中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种人流热力的预警方法，其特征在于，包括：
获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；
对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；
对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；
若所述人流热力值超过预设预警阈值，则输出告警信息；
其中，所述获取第四数量总和包括：
获取第二测试报告；所述第二测试报告为所述第一客户终端向所述基站发送的测试报告，所述第二测试报告不包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告；
按照所述第一测试报告中的位置信息，查找所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和；
将所述所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和作为所述第四数量总和。
2.根据权利要求1所述的方法，其特征在于，所述调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告包括：
将所述第二测试报告与所述预设位置计算模型中的预先存储的路测报告进行内容匹配；所述路测报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
若匹配到除了位置信息之外与所述第二测试报告的内容相同的路测报告，则将所述路测报告中的位置信息作为所述第二测试报告的目标位置信息；
将所述目标位置信息添加至所述第二测试报告中，得到所述第一测试报告。
3.根据权利要求2所述的方法，其特征在于，所述预设位置计算模型的训练方法包括：
获取训练用地图的边界坐标范围内的至少一个所述路测报告；所述训练用地图用于进行地图网格划分的训练用地图；
对所述至少一个所述路测报告进行预处理，得到处理后的所述至少一个所述路测报告；所述预处理包括对所述至少一个所述路测报告中的损坏的路测报告进行删除、对所述至少一个所述路测报告进行特征提取、对所述至少一个所述路测报告进行归一化处理中的至少一种；
将所述处理后的所述至少一个所述路测报告组成训练用路测报告集；
基于梯度提升决策树算法，利用所述训练用路测报告集对初始位置计算模型进行训练，得到训练好的所述预设位置计算模型。
4.根据权利要求1所述的方法，其特征在于，在获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和之前，所述方法还包括：
获取目标地图的边界坐标；所述目标地图用于进行地图网格划分的地图；
调用预设地图网格划分算法，对所述边界坐标内的所述目标地图进行地图网格划分，得到至少一个第三地图网格；所述第三地图网格为所述目标地图的边界范围内的任意一个地图网格。
5.根据权利要求4所述的方法，其特征在于，所述获取第一数量总和包括：
获取所述至少一个第三地图网格的边界坐标，及获取所述基站的预设范围的边界坐标；
判断所述至少一个第三地图网格的边界坐标是否在所述基站的预设范围的边界坐标的范围内；
若所述至少一个第三地图网格的边界坐标在所述基站的预设范围的边界坐标的范围内，则将所述第三地图网格作为所述第一地图网格；
计算所述第一地图网格的数量总和，得到所述第一数量总和。
6.根据权利要求5所述的方法，其特征在于，所述获取第二数量总和包括：
获取所述第一测试报告中的位置信息，及获取所述第一地图网格的边界坐标；
判断所述第一测试报告中的位置信息是否在所述第一地图网格的边界坐标的范围内；
若所述第一测试报告中的位置信息在所述第一地图网格的边界坐标的范围内，则将所述第一地图网格作为所述第二地图网格；
计算所述第二地图网格的数量总和，得到所述第二数量总和。
7.一种人流热力的预警装置，其特征在于，包括：
获取单元，用于获取第一数量总和，及获取第二数量总和，及获取第三数量总和，及获取第四数量总和，及获取第五数量总和，其中，所述第一数量总和为基站的预设范围内的第一地图网格的数量总和，所述第一地图网格为所述预设范围内的任意一个地图网格，所述第二数量总和为所述预设范围内的第二地图网格的数量总和，所述第二地图网格为所述预设范围内的任意一个包含向所述基站发送第一测试报告的第一客户终端的地图网格，所述第一测试报告中包含用于定位所述第一客户终端所处的第二地图网格的位置信息，所述第三数量总和为与所述基站建立通信的第二客户终端的数量总和，所述第四数量总和为目标第二地图网格中向所述基站发送所述第一测试报告的第一客户终端的数量总和，所述第五数量总和为所述预设范围内向所述基站发送所述第一测试报告的第一客户终端的数量总和；
第一计算单元，用于对所述第一数量总和、所述第二数量总和进行商计算，得到第一比例系数，及对所述第四数量总和、所述第五数量总和进行商计算，得到第二比例系数；
第二计算单元，用于对所述第三数量总和、所述第一比例系数、所述第二比例系数进行积计算，得到所述目标第二地图网格对应的人流热力值；
输出单元，用于当所述人流热力值超过预设预警阈值时，输出告警信息；
其中，所述获取单元还用于，
获取第二测试报告；所述第二测试报告为所述第一客户终端向所述基站发送的测试报告，所述第二测试报告不包含用于定位所述第一客户终端所处的第二地图网格的位置信息；
调用预设位置计算模型，对所述第二测试报告的位置信息进行计算，得到所述第一测试报告；
按照所述第一测试报告中的位置信息，查找所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和；
将所述所处于所述目标第二网格中的第一测试报告对应的第一客户终端的数量总和作为所述第四数量总和。
8.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
9.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
10.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410587370.3A CN118171035B (zh) | 2024-05-13 | 2024-05-13 | 人流热力的预警方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410587370.3A CN118171035B (zh) | 2024-05-13 | 2024-05-13 | 人流热力的预警方法及装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118171035A CN118171035A (zh) | 2024-06-11 |
| CN118171035B true CN118171035B (zh) | 2024-09-03 |
Family
ID=91356983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410587370.3A Active CN118171035B (zh) | 2024-05-13 | 2024-05-13 | 人流热力的预警方法及装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118171035B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118430218B (zh) * | 2024-07-04 | 2024-09-03 | 四川才子软件信息网络有限公司 | 一种智慧景区智能预警系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109214337A (zh) * | 2018-09-05 | 2019-01-15 | 苏州大学 | 一种人群统计方法、装置、设备及计算机可读存储介质 |
| CN116884199A (zh) * | 2023-06-26 | 2023-10-13 | 南京望越服科技有限公司 | 一种人流的预警方法、装置、设备及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110418282A (zh) * | 2019-04-26 | 2019-11-05 | 北京八亿时空信息工程有限公司 | 一种多数据源的旅游景区客流信息统计方法 |
| CN110929648B (zh) * | 2019-11-22 | 2021-03-16 | 广东睿盟计算机科技有限公司 | 监控数据处理方法、装置、计算机设备以及存储介质 |
| CN112988830A (zh) * | 2019-12-02 | 2021-06-18 | 中移智行网络科技有限公司 | 人流量统计方法、装置、系统、存储介质和计算机设备 |
| CN111615054B (zh) * | 2020-05-25 | 2021-04-13 | 和智信(山东)大数据科技有限公司 | 人口分析方法及装置 |
| CN115525690A (zh) * | 2021-06-24 | 2022-12-27 | 中移(苏州)软件技术有限公司 | 一种区域划分方法、装置及存储介质 |
| CN113643066A (zh) * | 2021-08-16 | 2021-11-12 | 京东城市(北京)数字科技有限公司 | 客流量推断模型的训练方法以及推断客流量的方法和装置 |
| CN117062137A (zh) * | 2023-07-13 | 2023-11-14 | 深圳市有方科技股份有限公司 | 人流密集预防方法、系统、终端及存储介质 |
-
2024
- 2024-05-13 CN CN202410587370.3A patent/CN118171035B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109214337A (zh) * | 2018-09-05 | 2019-01-15 | 苏州大学 | 一种人群统计方法、装置、设备及计算机可读存储介质 |
| CN116884199A (zh) * | 2023-06-26 | 2023-10-13 | 南京望越服科技有限公司 | 一种人流的预警方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118171035A (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118171035B (zh) | 人流热力的预警方法及装置、电子设备和存储介质 | |
| US9706411B2 (en) | Small cell planning tool | |
| US11305780B2 (en) | Road condition status prediction method, device, and server, and storage medium | |
| US10440503B2 (en) | Machine learning-based geolocation and hotspot area identification | |
| CN112508300B (zh) | 建立风险预测模型的方法、区域风险预测方法及对应装置 | |
| JP2016152044A (ja) | 目標位置を確定するための方法及び装置 | |
| US11966424B2 (en) | Method and apparatus for dividing region, storage medium, and electronic device | |
| JP4032125B1 (ja) | 移動体位置推定システム、及び、移動体位置推定方法 | |
| US20230024680A1 (en) | Method of determining regional land usage property, electronic device, and storage medium | |
| CN111294730B (zh) | 一种网络问题投诉信息处理的方法及装置 | |
| CN116721781B (zh) | 虫媒传染病传播风险的预测方法、装置、电子设备及介质 | |
| US11893073B2 (en) | Method and apparatus for displaying map points of interest, and electronic device | |
| CN114374449A (zh) | 一种干扰源确定方法、装置、设备及介质 | |
| US20230205793A1 (en) | Method of determining set of association grids, electronic device, and storage medium | |
| CN112966192B (zh) | 区域地址命名方法、装置、电子设备及可读存储介质 | |
| CN113256405A (zh) | 欺诈用户集中区域的预测方法、装置、设备及存储介质 | |
| Cui et al. | Research on the driving forces of urban hot spots based on exploratory analysis and binary logistic regression model | |
| CN115687587A (zh) | 一种基于位置信息的物联设备与空间对象关联匹配方法、装置、设备及介质 | |
| KR20210096740A (ko) | 공기질 측정기의 설치 위치를 설계하는 위치 설계 장치 및 방법 | |
| Melo et al. | Spatial pattern recognition of urban sprawl using a geographically weighted regression for spatial electric load forecasting | |
| KR102263469B1 (ko) | 택시의 승객 탑승을 위한 최적지 추천 방법 및 장치 | |
| CN114863285B (zh) | 识别目标道路的方法、装置、设备以及存储介质 | |
| CN118245561B (zh) | 城乡规划测绘成果生成方法及系统 | |
| US11153719B2 (en) | Systems and methods for identifying available services at a physical address | |
| Nair et al. | Mining frequent patterns with generalized linear model for traffic density analysis |
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 |