CN108921915A - 人口移动演化的显示方法、装置及计算机可读存储介质 - Google Patents
人口移动演化的显示方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108921915A CN108921915A CN201810696390.9A CN201810696390A CN108921915A CN 108921915 A CN108921915 A CN 108921915A CN 201810696390 A CN201810696390 A CN 201810696390A CN 108921915 A CN108921915 A CN 108921915A
- Authority
- CN
- China
- Prior art keywords
- group
- population
- density
- trip
- movement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000013598 vector Substances 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000009499 grossing Methods 0.000 claims description 14
- 238000012790 confirmation Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种人口移动演化的显示方法,包括:在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;将所述预设时间内的群体出行密度图及所述人口流动线图叠加至地图显示。本发明还提供一种人口移动演化的显示装置及计算机可读存储介质。本发明通过统计群体出行密度得到群体出行密度图,并群体出行密度图中标记人口流动线生成人口流动图,将群体出行密度图及标记的人口流动图叠加到地图上,有效了展示人口密度及流动方向的线条,实现了展示人口流动特征的有益效果。
Description
技术领域
本发明涉及人口统计技术领域,尤其涉及一种人口移动演化的显示方法、人口移动演化的显示装置及计算机可读存储介质。
背景技术
随着互联网的迅猛发展,特别是近年来存储技术和运算技术的提升,越来越多的数据被采集存储,尤其对于通讯运营商,可以很轻松的收集到手机数据。而人是城市活动的参与主体,既是城市的建设者,又是城市最主要的使用者和感知者。通过了解人***动的分布和规律,可以为城市的管理者和规划者提供最有利的信息。
然而,历史上对于城市的规划、人口流动、人口演化的了解只能来自调查问卷,城市尺度的统计年鉴。根本无法满足对城市日益精细的研究需求,具体到街道的人口普查十年才有一次。对于静态数据的获取已经很难,更不要说人口动态活动的数据,人工调查成本巨大,数据样本、粒度和维度也远远不够解释人口特征。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种人口移动演化的显示方法,旨在解决现有技术不能获取人口动态活动的数据,进而实现解释人口流动特征的技术问题。
为实现上述目的,本发明提供一种人口移动演化的显示方法,包括以下内容:
在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;
根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;
将所述预设时间内的群体出行密度图及所述人口流动线图叠加至地图显示。
优选地,所述在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图的步骤,包括:
获取所述目标区域的群体出行密度栅格图,并统计预设时间内所述群体出行密度栅格图中的群体出行密度。
优选地,所述获取所述目标区域的群体出行密度栅格图,并统计预设时间内所述群体出行密度栅格图中的群体出行密度的步骤,包括:
确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度;
循环计算所述群体出行密度栅格图的所有像素元的预测群体出行密度,并统计所述群体出行密度栅格图中的群体出行密度。
优选地,所述确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度的步骤,包括:
获取所述像素元中点与已知的群体出行密度点的间隔距离,以及相邻像素点的群体出行密度;
根据所述间隔距离及所述群体出行密度计算所述像素元的预测群体出行密度。
优选地,所述根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图的步骤,包括:
将所述群体出行密度图进行高斯平滑操作,并在预设的时间差分后获取基于所述群体出行密度图的人口密度变化量图;
统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图。
优选地,所述统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图的步骤,包括:
在所述人口密度变化量图中定义控制点,并计算所述控制点与所述控制点中点的梯度坐标;
以预设格式标记所述梯度坐标,根据已标注的所述梯度坐标生成所述人口流动线图。
优选地,所述以预设格式标记所述梯度坐标,根据已标记的所述梯度坐标生成所述人口流动线图的步骤,包括:
根据所述梯度坐标确认标记向量的起始点及人流数量;
以预设格式标记所述标记向量的起始点及人流数量。
优选地,所述根据所述梯度坐标确认标记向量的起始点及人流数量的步骤,还包括:
将所述人流数量与预设数值比对;
在确定所述人流数量大于预设数值时,根据所述梯度坐标对应添加附加的标记向量,并执行以预设格式标记所述标记向量的起始点及人流数量的步骤。
此外,为实现上述目的,本发明还提供一种人口移动演化的显示装置,所述人口移动演化的显示装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述人口移动演化的显示方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有人口移动演化的显示程序,所述人口移动演化的显示程序被处理器执行时实现如上所述人口移动演化的显示方法的步骤。
本发明实施例提出的一种人口移动演化的显示方法、人口移动演化的显示装置及计算机可读存储介质,其方法包括在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;将所述预设时间内的群体出行密度图及所述人口流动线图叠加至地图显示。通过统计群体出行密度得到群体出行密度图,并群体出行密度图中标记人口流动线生成人口流动图,将群体出行密度图及标记的人口流动图叠加到地图上,有效了展示人口密度及流动方向的线条,实现了展示人口流动特征的有益效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图;
图2为本发明人口移动演化的显示方法第一实施例的流程示意图;
图3为城市人口出行密度栅格图;
图4为人口移动流线图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;将所述预设时间内的群体出行密度图及所述人口流动线图叠加至地图显示。
由于现有技术对于城市的规划、人口流动、人口演化的了解只能来自调查问卷,城市尺度的统计年鉴。根本无法满足对城市日益精细的研究需求,具体到街道的人口普查十年才有一次。对于静态数据的获取已经很难,更不要说人口动态活动的数据,人工调查成本巨大,数据样本、粒度和维度也远远不够解释人口特征。
本发明提供一种解决方案,通过统计群体出行密度得到群体出行密度图,并群体出行密度图中标记人口流动线生成人口流动图,将群体出行密度图及标记的人口流动图叠加到地图上,有效了展示人口密度及流动方向的线条,实现了展示人口流动特征的有益效果。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、电子书阅读器,便携计算机等具有显示功能的可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及人口移动演化的显示程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的人口移动演化的显示程序,并执行以下操作:
在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;
根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;
将所述预设时间内的群体出行密度图及所述人口流动线图叠加至地图显示。
进一步地,处理器1001可以调用存储器1005中存储的人口移动演化的显示程序,还执行以下操作:
获取所述目标区域的群体出行密度栅格图,并统计预设时间内所述群体出行密度栅格图中的群体出行密度。
进一步地,处理器1001可以调用存储器1005中存储的人口移动演化的显示程序,还执行以下操作:
确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度;
循环计算所述群体出行密度栅格图的所有像素元的预测群体出行密度,并统计所述群体出行密度栅格图中的群体出行密度。
进一步地,处理器1001可以调用存储器1005中存储的人口移动演化的显示程序,还执行以下操作:
获取所述像素元中点与已知的群体出行密度点的间隔距离,以及相邻像素点的群体出行密度;
根据所述间隔距离及所述群体出行密度计算所述像素元的预测群体出行密度。
进一步地,处理器1001可以调用存储器1005中存储的人口移动演化的显示程序,还执行以下操作:
将所述群体出行密度图进行高斯平滑操作,并在预设的时间差分后获取基于所述群体出行密度图的人口密度变化量图;
统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图。
进一步地,处理器1001可以调用存储器1005中存储的人口移动演化的显示程序,还执行以下操作:
在所述人口密度变化量图中定义控制点,并计算所述控制点与所述控制点中点的梯度坐标;
以预设格式标记所述梯度坐标,根据已标注的所述梯度坐标生成所述人口流动线图。
进一步地,处理器1001可以调用存储器1005中存储的人口移动演化的显示程序,还执行以下操作:
根据所述梯度坐标确认标记向量的起始点及人流数量;
以预设格式标记所述标记向量的起始点及人流数量。
进一步地,处理器1001可以调用存储器1005中存储的人口移动演化的显示程序,还执行以下操作:
将所述人流数量与预设数值比对;
在确定所述人流数量大于预设数值时,根据所述梯度坐标对应添加附加的标记向量,并执行以预设格式标记所述标记向量的起始点及人流数量的步骤。
参照图2,图2为本发明人口移动演化的显示方法第一实施例的流程示意图,所述人口移动演化的显示方法包括:
步骤S10,在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;
基于当前城市的道路区域分布,为所述城市划分人口流动区域,定义为目标区域。根据已定义的目标区域,获取预设时间内所述目标区域的群体出行密度图,所述群体出行密度图是基于所述目标区域中的人口密度而言的,其群体出行密度图可如图3所示。其中,在获取所述目标区域的群体出行密度时,即所述在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图的步骤,包括:
获取所述目标区域的群体出行密度栅格图,并统计预设时间内所述群体出行密度栅格图中的群体出行密度。
根据当前已定义的目标区域,获取预设时间内所述目标区域的群体出行密度栅格图,所述群体出行密度栅格图为基于显示人体出行密度的栅格图像,所述栅格图像,也称光栅图像,是指在空间和亮度上都已经离散化了的图像。可以把一幅栅格图像考虑为一个矩阵,矩阵中的任一元素对应于图像中的一个点,而相应的值对应于该点的灰度级,数字矩阵中的元素叫做像素。基于所述栅格图像中元素点的人群信息,统计所述群体出行密度栅格图中的群体出行密度。进一步的,在统计所述群体出行密度栅格图的群体出行密度时,即所述获取所述目标区域的群体出行密度栅格图,并统计所述群体出行密度栅格图中的群体出行密度的步骤,包括:
确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度;
循环计算所述群体出行密度栅格图的所有像素元的预测群体出行密度,并统计所述群体出行密度栅格图中的群体出行密度。
根据所述差值范围和群体出行密度栅格图的空间分辨率确定所述群体出行密度栅格图各像素元的坐标,并确认各像素元的中点位置,定义为像素元中点,以所述像素缘中点计算单个像素元的预测群体出行密度;根据单个像素元的预测群体出行密度计算方式,循环计算所述群体出行密度栅格图中的所有的像素元的预测群体出行密度,统计所有像素员的预测群体出行密度的数值,得到所述群体出行密度栅格图中的群体出行密度。其中,在根据像素元中点确认单个像素元的预测群体出行密度时,即所述确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度的步骤,包括:
获取所述像素元中点与已知的群体出行密度点的间隔距离,以及相邻像素点的群体出行密度;
根据所述间隔距离及所述群体出行密度计算所述像素元的预测群体出行密度。
确认目标像素元为第一个确认群体出行密度点的像素元,获取所述像素元的像素元中点,定义为(x0,y0),并确认所述像素元中点与所述像素元中已知的群体出行密度点的间隔距离,所述已知的群体出行密度点,为能够统计到的用户密度点信息,将所述像素元中点与已知的所述群体出行密度点的间隔距离定义为d1,d2,d3,d4……dk,进而获取与所述像素元相邻的其他像素元的群体出行密度,定义为D1,D2,D3,D4……Dk,其中,所述相邻的其他像素点还可定义为当前像素元周边的能够检测到群体出行密度的像素点。进一步的,根据获取到的所述像素元中点与已知的所述群体出行密度点的间隔距离以及与所述像素元相邻的其他像素元的群体出行密度,以预设公式计算当前像素点的群体出行密度,在所述预设公式中,m为权重次数,m定义为权重与反距离的m次幂成正比,默认m=2。其预设公式的具体内容如下所述:
如上所述,在计算到当前像素元的群体出行密度后,逐个像素元循环计算对应的群体出行密度值。在循环过程中,随着像素元之间的距离增大,测量值与预测位置的值的关系将变得越来越不密切。为缩短计算时间,将不会对预测产生影响的较远的像素元点排除在外。因此,通过指定搜索邻域来限制测量值的数量,并利用指定点个数变半径搜索。在本实施例中,采用的是指定点个数(例如3)变半径搜索,即对于每个待预测点(像素元),根据基站经纬度计算距离(distance)找出离待测点(像素元)最近的3个点,插值结束得到每天一个矢量数据,包含24个time*表示24个1小时内群体出行密度,即每小时一次统计所述群体出行密度栅格图中的群体出行密度。
步骤S20,根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;
根据已获取到的目标区域的群体出行密度图,获取预设时间差分后所述目标区域的更新群体出行密度图,根据所述群体出行密度图以及所述更新群体出行密度图的群体出行密度差异,以预设格式标记所述群图出行密度差异的内容,其中,所述预设格式,为标记所述群体出行密度差异的标记格式,主要内容包括标记方向以及标记颜色,其标记方向与所述群体出行密度差异的差异方向相关,以箭头形式表示;其标记颜色与所述群体出行密度差异的差异数量相关,以颜色差异表示。根据已标记的所述群体出行密度图以及所述更新群体出行密度图的群体出行密度差异,生成所述群体出行密度图的人口流动线图,所述人口流动线图可如图4所示。其中,在标记群体出行密度图的群体出行密度差异时,需对所述群体出行密度图进行处理,即所述根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图的步骤,包括:
将所述群体出行密度图进行高斯平滑操作,并在预设的时间差分后获取基于所述群体出行密度图的人口密度变化量图;
统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图。
根据所述群体出行密度图进行高斯平滑操作,其中,所述高斯平滑操作定义图形处理方式,在高斯平滑操作时,以所述群体出行密度图的基站经纬度以及所述群体出行密度图的像素元坐标为参数,带入预设的高斯平滑计算公式计算后,输出处理后的群体出行密度图,在所述高斯平滑计算公式中,Pxi,Pyi定义为所述群体出行密度图的基站i经纬度,根据所述基站经纬度,对所述群体出行密度图中的各个基站的人口密度数据进行高斯平滑,对于所有基站而言,所述高斯平滑计算公式如下所述:
进一步的,根据输出的所述群体出行密度图,在预设的时间差分后,重新获取所述基于所述群体出行密度图的更新群体出行密度图,并根据所述群体出行密度图以及所述更新群体出行密度图获取基于所述群体出行密度图的人口密度变化量图,其中,所述更新群体出行密度图可基于所述高斯平滑计算公式输出处理后的群体出行密度图经预设的时间差分后得到,也可在所述高斯平滑计算公式之前,获取所述群体出行密度图的预设的时间差分后的更新群体出行密度图,并将所述更新群体出行密度图经由所述高斯平滑计算公式计算后输出。所述预设的时间差分,为已定义的获取人口密度变化量的时间单位,可通过当前目标区域的总体人流数据定义。根据群体出行密度图与更新群体出行密度图中的人口密度差异,得到人口密度变化量图,基于所述人口密度变化量图,统计所述人口密度变化量图中的人口密度变化数据,以预设格式标记所述密度变化数据,并根据标记后的人口密度变化数据生成所述人口流动线图。
另外,在需要呈现人口移动的完整网络时,需引入人口矢量场图,其处理方式,即所述统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图的步骤,包括:
在所述人口密度变化量图中定义控制点,并计算所述控制点与所述控制点中点的梯度坐标;
以预设格式标记所述梯度坐标,根据已标注的所述梯度坐标生成所述人口流动线图。
在所述人口密度变化量图中,将地图分成多个格点作为控制点,其中控制点包含中心点,再以所述人口密度变化量图的网格顶点为中心点。根据得到的控制点,将所述群体出行密度图按照10min的时间间隔进行时间差分,得到城市人口密度变化量图。在所述人口密度变化量图中,求出各差值点到各控制点的梯度,并根据计算到的梯度坐标,以预设格式标记所述梯度坐标的人口流动信息,生成所述人口流动线图,所述人口流动线图可如图4所示。其梯度计算公式如下所述:
在计算到的梯度坐标后以预设格式标记梯度坐标的人口流动信息,即所述以预设格式标记所述梯度坐标,根据已标记的所述梯度坐标生成所述人口流动线图的步骤,包括:
根据所述梯度坐标确认标记向量的起始点及人流数量;
以预设格式标记所述标记向量的起始点及人流数量。
如上所述得出的人口流动的梯度坐标,在以预设格式标记所述梯度坐标的人口流动时,用箭头长短和颜色表示grad(xi,yi)的大小,箭头的方向表示grad(xi,yi)的方向,根据所述标记方式得到网格化的人口流线图。因此,在标记梯度坐标时,在所述梯度坐标中按照向量图的统计方法,以控制点为起点画出相应的向量。此时的向量只用长短代表人流的大小,颜色不变。得到向量的终点后,计算个向量终点处的梯度,再以终点为起点画出相应的向量,并保持一定的时间间隔,以便刻画出流线的效果。
进一步的,为提高人口流线图标记的人口流量数据,即所述根据所述梯度坐标确认标记向量的起始点及人流数量的步骤,还包括:
将所述人流数量与预设数值比对;
在确定所述人流数量大于预设数值时,根据所述梯度坐标对应添加附加的标记向量,并执行以预设格式标记所述标记向量的起始点及人流数量的步骤。
基于计算到的梯度坐标,确认所述梯度坐标中相对人流较大的目标区域,其目标区域确认方式,为提取所述提取坐标中基于人流数量的数值,并将所述人口数量与预设数值比对,确认大于所述预设数值的人口数量所在区域为目标区域,在所述目标区域的位置按照一定概率随机增加一些向量,形成线簇,来丰富流线的线条。所述概率与所述目标区域的梯度大小成正比。在人口流线的刻画过程中,流线图绘制的线条不再是单一的直线,而是细小的线段。细小的线段首位相连形成流线的效果。
步骤S30,将所述群体出行密度图及所述人口流动线图叠加至地图显示。
为保证人口流动图的显示效果,将统计到的群体出行密度图以及所述人口流动吸纳图叠加到所述目标区域的地图上,实现最终的人口流动线图,因此,最终的流线图由三个图层组成,从下往上依次是:地图,人口密度图,人口移动流线图。通过精细的流线和平滑的密度图叠加能更立体的刻画人口分布和人口移动。在观看时为用户提供了人流的空间位置感知。
如上所述,将预设时间内统计到的群体出行密度图以及所述人口流动线图叠加至地图显示当前的人口移动演化,进而,在预设时间之后,重新统计群体出行密度图以及人口流动线图替换原有的数据图叠加到所述地图,根据群体出行密度图以及人口流动线图的变化,显示当前目标区域的人口移动演化信息,进一步的,所述预设时间为已定义的统计群体出行密度图以及人口流动线图的时间周期,且所述预设时间在定义时,可根据所述目标区域的人口总量以及目标区域的大小对应进行设定,进而保证所述目标区域的人口移动演化的显示的精确度。
在本实施例中,通过统计群体出行密度得到群体出行密度图,并群体出行密度图中标记人口流动线生成人口流动图,将群体出行密度图及标记的人口流动图叠加到地图上,有效了展示人口密度及流动方向的线条,实现了展示人口流动特征的有益效果。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有人口移动演化的显示程序,所述人口移动演化的显示程序被处理器执行时实现如下操作:
在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;
根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;
将所述预设时间内的群体出行密度图及所述人口流动线图叠加至地图显示。
进一步地,所述人口移动演化的显示程序被处理器执行时还实现如下操作:
获取所述目标区域的群体出行密度栅格图,并统计预设时间内所述群体出行密度栅格图中的群体出行密度。
进一步地,所述人口移动演化的显示程序被处理器执行时还实现如下操作:
确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度;
循环计算所述群体出行密度栅格图的所有像素元的预测群体出行密度,并统计所述群体出行密度栅格图中的群体出行密度。
进一步地,所述人口移动演化的显示程序被处理器执行时还实现如下操作:
获取所述像素元中点与已知的群体出行密度点的间隔距离,以及相邻像素点的群体出行密度;
根据所述间隔距离及所述群体出行密度计算所述像素元的预测群体出行密度。
进一步地,所述人口移动演化的显示程序被处理器执行时还实现如下操作:
将所述群体出行密度图进行高斯平滑操作,并在预设的时间差分后获取基于所述群体出行密度图的人口密度变化量图;
统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图。
进一步地,所述人口移动演化的显示程序被处理器执行时还实现如下操作:
在所述人口密度变化量图中定义控制点,并计算所述控制点与所述控制点中点的梯度坐标;
以预设格式标记所述梯度坐标,根据已标注的所述梯度坐标生成所述人口流动线图。
进一步地,所述人口移动演化的显示程序被处理器执行时还实现如下操作:
根据所述梯度坐标确认标记向量的起始点及人流数量;
以预设格式标记所述标记向量的起始点及人流数量。
进一步地,所述人口移动演化的显示程序被处理器执行时还实现如下操作:
将所述人流数量与预设数值比对;
在确定所述人流数量大于预设数值时,根据所述梯度坐标对应添加附加的标记向量,并执行以预设格式标记所述标记向量的起始点及人流数量的步骤。
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***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***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***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人口移动演化的显示方法,其特征在于,所述人口移动演化的显示方法包括以下步骤:
在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图;
根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图;
将所述预设时间内的群体出行密度图及所述人口流动线图叠加至地图显示。
2.如权利要求1所述的人口移动演化的显示方法,其特征在于,所述在已划分的目标区域中,获取预设时间内所述目标区域的群体出行密度图的步骤,包括:
获取所述目标区域的群体出行密度栅格图,并统计预设时间内所述群体出行密度栅格图中的群体出行密度。
3.如权利要求2所述的人口移动演化的显示方法,其特征在于,所述获取所述目标区域的群体出行密度栅格图,并统计预设时间内所述群体出行密度栅格图中的群体出行密度的步骤,包括:
确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度;
循环计算所述群体出行密度栅格图的所有像素元的预测群体出行密度,并统计所述群体出行密度栅格图中的群体出行密度。
4.如权利要求3所述的人口移动演化的显示方法,其特征在于,所述确认所述群体出行密度栅格图中的像素元中点,并以所述像素元中点计算所述像素元的预测群体出行密度的步骤,包括:
获取所述像素元中点与已知的群体出行密度点的间隔距离,以及相邻像素点的群体出行密度;
根据所述间隔距离及所述群体出行密度计算所述像素元的预测群体出行密度。
5.如权利要求1所述的人口移动演化的显示方法,其特征在于,所述根据预设的时间差分在所述群体出行密度图中标注人口流动线,并基于已标注的所述人口流动线生成所述群体出行密度图的人口流动线图的步骤,包括:
将所述群体出行密度图进行高斯平滑操作,并在预设的时间差分后获取基于所述群体出行密度图的人口密度变化量图;
统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图。
6.如权利要求5所述的人口移动演化的显示方法,其特征在于,所述统计所述人口密度变化量图中的密度变化数据,并以预设格式标记所述密度变化数据生成所述人口流动线图的步骤,包括:
在所述人口密度变化量图中定义控制点,并计算所述控制点与所述控制点中点的梯度坐标;
以预设格式标记所述梯度坐标,根据已标注的所述梯度坐标生成所述人口流动线图。
7.如权利要求6所述的人口移动演化的显示方法,其特征在于,所述以预设格式标记所述梯度坐标,根据已标记的所述梯度坐标生成所述人口流动线图的步骤,包括:
根据所述梯度坐标确认标记向量的起始点及人流数量;
以预设格式标记所述标记向量的起始点及人流数量。
8.如权利要求7所述的人口移动演化的显示方法,其特征在于,所述根据所述梯度坐标确认标记向量的起始点及人流数量的步骤,还包括:
将所述人流数量与预设数值比对;
在确定所述人流数量大于预设数值时,根据所述梯度坐标对应添加附加的标记向量,并执行以预设格式标记所述标记向量的起始点及人流数量的步骤。
9.一种人口移动演化的显示装置,其特征在于,所述人口移动演化的显示装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述人口移动演化的显示方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有人口移动演化的显示程序,所述人口移动演化的显示程序被处理器执行时实现如权利要求1至8中任一项所述人口移动演化的显示方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810696390.9A CN108921915A (zh) | 2018-06-29 | 2018-06-29 | 人口移动演化的显示方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810696390.9A CN108921915A (zh) | 2018-06-29 | 2018-06-29 | 人口移动演化的显示方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921915A true CN108921915A (zh) | 2018-11-30 |
Family
ID=64423119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810696390.9A Pending CN108921915A (zh) | 2018-06-29 | 2018-06-29 | 人口移动演化的显示方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921915A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309381A (zh) * | 2019-07-04 | 2019-10-08 | 北京光启元数字科技有限公司 | 一种人口数据的显示方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
CN104851283A (zh) * | 2015-05-14 | 2015-08-19 | 陆化普 | 城市交通战略规划方案自动生成的方法和装置 |
CN106780236A (zh) * | 2016-11-17 | 2017-05-31 | 江苏省城市规划设计研究院 | 一种考虑用电量使用情况的手机数分布统计方法 |
CN106777852A (zh) * | 2015-11-20 | 2017-05-31 | 中国科学院遥感与数字地球研究所 | 利用遥感数据和专家知识库进行洪水引发腹泻爆发风险遥感诊断的算法 |
CN107025450A (zh) * | 2017-04-25 | 2017-08-08 | 广东兆邦智能科技有限公司 | 热图生成方法 |
-
2018
- 2018-06-29 CN CN201810696390.9A patent/CN108921915A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
CN104851283A (zh) * | 2015-05-14 | 2015-08-19 | 陆化普 | 城市交通战略规划方案自动生成的方法和装置 |
CN106777852A (zh) * | 2015-11-20 | 2017-05-31 | 中国科学院遥感与数字地球研究所 | 利用遥感数据和专家知识库进行洪水引发腹泻爆发风险遥感诊断的算法 |
CN106780236A (zh) * | 2016-11-17 | 2017-05-31 | 江苏省城市规划设计研究院 | 一种考虑用电量使用情况的手机数分布统计方法 |
CN107025450A (zh) * | 2017-04-25 | 2017-08-08 | 广东兆邦智能科技有限公司 | 热图生成方法 |
Non-Patent Citations (4)
Title |
---|
YANWEI WANG等: "Visualization Analysis for Urban Human Traveling Behavior Based on Mobile Phone Data", 《COTA INTERNATIONAL CONFERENCE OF SPORTATION PROFESSIONALS》 * |
游雄等: "《地形建模原理与精度评估方法》", 31 December 2014 * |
韩嘉福等: "基于Lorenz曲线的人口密度地图分级方法", 《地球信息科学学报》 * |
马强等: "京津地区人口增长与分布的时空间演化分析", 《河北工程大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309381A (zh) * | 2019-07-04 | 2019-10-08 | 北京光启元数字科技有限公司 | 一种人口数据的显示方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Movshovitz-Attias et al. | How useful is photo-realistic rendering for visual learning? | |
US11348246B2 (en) | Segmenting objects in vector graphics images | |
CN110176027A (zh) | 视频目标跟踪方法、装置、设备及存储介质 | |
EP3745339A1 (en) | Method for implanting advertisements in video, and computer device | |
CN109508681A (zh) | 生成人体关键点检测模型的方法和装置 | |
CN103649999B (zh) | 用于确定光流的内容自适应***、方法和设备 | |
CN110503097A (zh) | 图像处理模型的训练方法、装置及存储介质 | |
CN108681695A (zh) | 视频动作识别方法及装置、电子设备和存储介质 | |
CN109308469A (zh) | 用于生成信息的方法和装置 | |
KR101721114B1 (ko) | 위치정보가 포함된 포인트 데이터를 다축척의 웹 지도상에 클러스터링하기 위하여 격자의 크기를 결정하는 방법 | |
US9007373B2 (en) | Systems and methods for creating texture exemplars | |
CN109154938A (zh) | 使用离散非踪迹定位数据将数字图中的实体分类 | |
CN109960980A (zh) | 动态手势识别方法及装置 | |
CN109325996A (zh) | 用于生成信息的方法和装置 | |
Yadav et al. | An improved deep learning-based optimal object detection system from images | |
CN105631849B (zh) | 多边形目标的变化检测方法及装置 | |
CN110263250A (zh) | 一种推荐模型的生成方法及装置 | |
CN110163140A (zh) | 人群密度图获取方法及装置 | |
CN108921915A (zh) | 人口移动演化的显示方法、装置及计算机可读存储介质 | |
CN116206068B (zh) | 基于真实数据集的三维驾驶场景生成与构建方法及装置 | |
Mantoro et al. | A Support Vector Machine Classification of Computational Capabilities of 3D Map on Mobile Device for Navigation Aid. | |
JP6632054B2 (ja) | 推定装置、推定方法及びプログラム | |
Serin et al. | Representational image generation for 3D objects | |
Veeravasarapu et al. | Model-driven simulations for computer vision | |
CN110942056A (zh) | 服饰关键点定位方法、装置、电子设备及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |