CN112069235A - 用于呈现目标区域人口数据的方法、设备和存储介质 - Google Patents
用于呈现目标区域人口数据的方法、设备和存储介质 Download PDFInfo
- Publication number
- CN112069235A CN112069235A CN202011275198.6A CN202011275198A CN112069235A CN 112069235 A CN112069235 A CN 112069235A CN 202011275198 A CN202011275198 A CN 202011275198A CN 112069235 A CN112069235 A CN 112069235A
- Authority
- CN
- China
- Prior art keywords
- area
- data
- determining
- target
- demographic data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims description 19
- 230000010365 information processing Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 24
- 238000012545 processing Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical 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
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例涉及用于呈现目标区域人口数据的方法、设备和介质,涉及信息处理领域。根据该方法,获取历史人口统计数据和第一时段内分布在第一级行政区域内的多个网格区域的多项第一移动设备数据;基于多项第一移动设备数据和历史人口统计数据,确定第一时段内分布在多个网格区域的多项第一人口数据;确定从目标位置出发在目标时长内可达的目标区域;确定与目标区域重叠的重叠网格区域;基于分布在重叠网格区域的第一人口数据,确定分布在目标区域的第二人口数据;以及基于第二人口数据,生成用于指示目标区域人口数据的图形以呈现。由此,能够结合移动设备数据和人口统计数据,提高微观尺度人口数据的精确性,从而准确呈现。
Description
技术领域
本公开的实施例总体涉及信息处理领域,具体涉及用于呈现目标区域人口数据的方法、电子设备和计算机存储介质。
背景技术
在传统人口预测层面,现存方法的效果往往受制于统计数据的更新频率和数据精度,另外预测结果的空间颗粒度也很难突破统计单元。在移动设备数据挖掘领域,现存的研究方向中还没有专注于微观尺度分年龄性别数据的校准。但是,在实际应用中细空间颗粒尺度上的人口规模和人口年龄结构是政府制定公共政策、开发商拿地、交通路线规划、零售业线下门店选址等多个行业、多种业务开展的必要数据基础。
发明内容
提供了一种用于呈现目标区域人口数据的方法、电子设备以及计算机存储介质,能够结合移动设备数据和人口统计数据,提高微观尺度人口数据的精确性,从而准确呈现目标区域的人口数据。
根据本公开的第一方面,提供了一种用于呈现目标区域人口数据的方法。该方法包括:获取与第一级行政区域相关联的历史人口统计数据和第一时段内分布在第一级行政区域内的多个网格区域的多项第一移动设备数据;基于多项第一移动设备数据和历史人口统计数据,确定第一时段内分布在多个网格区域的多项第一人口数据;获取输入的目标位置和目标时长;确定从目标位置出发在目标时长内可达的目标区域;从多个网格区域中确定与目标区域重叠的重叠网格区域;基于第一时段内分布在重叠网格区域的第一人口数据,确定在第一时段内分布在目标区域的第二人口数据;以及基于第二人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。
根据本公开的第二方面,提供了一种电子设备。该电子设备包括:至少一个处理器,以及与至少一个处理器通信连接的存储器,其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据第一方面所述的方法。
在本公开的第三方面中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现根据本公开的第一方面的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素。
图1是根据本公开的实施例的信息处理环境100的示意图。
图2是根据本公开的实施例的用于呈现目标区域人口数据的方法200的示意图。
图3是根据本公开的实施例的用于确定目标区域的方法300的示意图。
图4是根据本公开的实施例的用于确定多项第一人口数据的方法400的示意图。
图5是根据本公开的实施例的用于确定第二人口数据的方法500的示意图。
图6是根据本公开的实施例的目标区域600的示意图。
图7是根据本公开的实施例的目标区域与重叠网格区域之间的重叠情形700的示意图。
图8是根据本公开的实施例的用于指示目标区域移动人口数据的图形800的示意图。
图9是用来实现本公开实施例的用于呈现目标区域人口数据的方法的电子设备的框图。
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。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如上所述,传统方案还没有专注于微观尺度分年龄性别数据的校准。具体来说,传统方案关注于城市人口时空分布规律的识别和分析,并没有涉及人口精度的提升内容。此外,传统方案没有考虑人口的性别年龄特征,也没有针对移动设备数据年龄段抽样不均匀的问题做专门的处理。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本公开的示例实施例提出了一种用于呈现目标区域人口数据的方案。在该方案中,计算设备获取与第一级行政区域相关联的历史人口统计数据和第一时段内分布在第一级行政区域内的多个网格区域的多项第一移动设备数据。随后计算设备基于多项第一移动设备数据和历史人口统计数据,确定第一时段内分布在多个网格区域的多项第一人口数据。接着,计算设备获取输入的目标位置和目标时长,并确定从目标位置出发在目标时长内可达的目标区域。计算设备从多个网格区域中确定与目标区域重叠的重叠网格区域。计算设备基于第一时段内分布在重叠网格区域的第一人口数据,确定在第一时段内分布在目标区域的第二人口数据。然后,计算设备基于第二人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。以此方式,能够结合微观尺度的移动设备数据和人口普查数据,提高微观尺度人口数据的精确性,从而准确呈现目标区域人口数据。
在下文中,将结合附图更详细地描述本方案的具体示例。
图1示出了根据本公开的实施例的信息处理环境100的示例的示意图。信息处理环境100可以包括计算设备110、输入的目标位置120和目标时长130以及用于指示目标区域人口数据的图形140。
计算设备110例如包括但不限于个人计算机、台式计算机、膝上型计算机、个人数字助理、智能手机。在一些实施例中,计算设备110可以包括输入装置,例如鼠标和/或键盘,用于接收用户输入的目标位置120和目标时长130。此外,计算设备110还可以包括输出装置,例如显示器,用于呈现图形140。
计算设备110用于获取输入的目标位置120和目标时长130;确定从目标位置120出发在目标时长130内可达的目标区域;确定目标区域所属的第一级行政区域;获取第一时段内分布在第一级行政区域内的多个网格区域的多项第一移动设备数据;基于多项第一移动设备数据和与第一级行政区域相关联的历史人口统计数据,确定第一时段内分布在多个网格区域的多项第一人口数据;从多个网格区域中确定与目标区域重叠的重叠网格区域;基于第一时段内分布在重叠网格区域的第一人口数据,确定在第一时段内分布在目标区域的第二人口数据;以及基于第二人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。
由此,能够结合微观尺度的移动设备数据和人口统计数据,提高微观尺度人口数据的精确性,从而准确呈现目标区域的人口数据。
图2示出了根据本公开的实施例的用于呈现目标区域人口数据的方法200的流程图。例如,方法200可以由如图1所示的计算设备110来执行。应当理解的是,方法200还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框202处,计算设备110获取与第一级行政区域相关联的历史人口统计数据和第一时段内分布在第一级行政区域内的多个网格区域的多项第一移动设备数据。
第一级行政区域例如包括但不限于市级行政区域,例如上海市。与第一级行政区域相关联的历史人口统计数据可以包括与第二级行政区域相关联的人口统计数据,第二级行政区域位于第一级行政区域内并且可以为一个或多个。历史人口统计数据例如包括但不限于2010年上海市街镇级人口普查数据。历史人口统计数据可以包括与年龄段相关联的人口数量。年龄段可以为一个或多个,例如包括但不限于0岁、1-4岁、5-9岁、10-14岁、15-19岁、20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁、55-59岁、60-64岁、65-69岁、70-74岁、75-79岁、80-84岁、85-89岁、90-94岁、95-99岁以及100岁及以上。此外,历史人口统计数据还可以包括与年龄段和性别相关联的人口数量。例如,上述各年龄段内分性别的人口数量。例如,20-24岁男性的人口数量为1005081,20-24岁女性的人口数量为984810,20-24岁合计的人口数量为1989891。历史人口统计数据例如是计算设备110从预定数据源获取的,例如上海市***网站。
应当理解,上述内容仅是为了举例说明,本公开的范围在此不受限制。
网格区域的大小例如为预定大小。预定大小例如包括但不限于250m*250m。第一级行政区域内可以包括多个网格区域,例如上海市可以包括400个网格区域,相应地存在400个第一移动设备数据。第一时段例如包括但不限于晚上10点到凌晨6点或者早上10点到下午4点。分布在网格区域的第一移动设备数据可以包括分布在网格区域的移动设备的数量。移动设备例如可以包括智能手机。例如计算设备110可以从移动运营商服务器获取上海市内的上述400个250m*250m网格区域中的智能手机的数量。分布在网格区域的智能手机的数量可以反映分布在该网格区域的人口数量。此外或者备选地,分布在网格区域的第一移动设备数据可以包括与年龄段相关联的移动设备数量,例如与年龄段相关联的智能手机数量。年龄段的例子可参见上文,这里不再赘述。此外或者备选地,第一移动设备数据可以包括与年龄段和性别相关联的移动设备数量,例如与年龄段和性别相关联的智能手机数量。例如,250m*250m的某一网格区域内与20-24岁相关联的智能手机数量为50个,和/或250m*250m的某一网格区域内与20-24岁男性相关联的智能手机数量为40个,与20-24岁女性相关联的智能手机数量为10个。应当理解,上述年龄段只是举例说明,本公开的范围在此不受限制。第一移动设备数据例如是计算设备110从移动运营商服务器获取的。
在框204处,计算设备110基于多项第一移动设备数据和历史人口统计数据,确定第一时段内分布在多个网格区域的多项第一人口数据。下文将结合图4详细描述用于确定多项第一人口数据的方法。
在框206处,计算设备110获取输入的目标位置120和目标时长130。目标位置例如包括但不限于坐标值,例如用户在计算设备110显示的地图上选择的点所对应的坐标。目标时长130例如包括用户在计算设备110显示的输入框里输入的或者在计算设备110显示的可选择列表中选择的时长。目标时长130例如包括但不限于5分钟、10分钟、15分钟、30分钟等等。在一些实施例中,计算设备110还可以获取输入的目标出行方式,例如驾车、骑行或步行等。
在框208处,计算设备110确定从目标位置120出发在目标时长130内可达的目标区域。在一些实施例中,计算设备110可以确定从目标位置120出发按照目标出行方式在目标时长130内可达的目标区域。下文将结合图3详细描述用于确定目标区域的方法。
备选地,在一些实施例中,计算设备110可以基于输入的目标位置120和目标距离,确定与目标位置120相距不超过目标距离的目标区域。目标距离例如包括但不限于1km、3km、5km等等。此外,在另一些实施例中,目标距离可以不是用户输入的,而是***预定的。
备选地,在一些实施例中,计算设备110可以基于输入的形状轮廓,确定目标区域。例如,用户可以在呈现的地图上画圆形等形状,计算设备110可以确定该形状轮廓对应的多个坐标,基于确定的多个坐标,可以确定目标区域。
备选地,在一些实施例中,目标区域可以是用户从多个区域中选择的或者是***预定的。
在框210处,计算设备110从多个网格区域中确定与目标区域重叠的重叠网格区域。
例如可以通过目标区域的周围点坐标和网格区域的周围点坐标进行比较,确定与目标区域重叠的重叠网格区域。重叠网格区域例如可以为一个或多个。在一些实施例中,可以通过几何求交法(geometry intersection)来确定与目标区域重叠的重叠网格区域。
在框212处,计算设备110基于第一时段内分布在重叠网格区域的第一人口数据,确定在第一时段内分布在目标区域的第二人口数据。
下文将结合图5详细描述用于确定第二人口数据的方法。
在框214处,计算设备110基于第二人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。图形例如包括但不限于柱状图、饼图等等。
由此,能够结合与网格区域相关联的微观尺度的移动设备数据和历史人口统计数据,提高微观尺度人口数据的精确性,从而准确确定目标区域的人口数据,并进行呈现。
备选地或者附加地,在一些实施例中,计算设备110还可以基于历史人口统计数据以及在第二时段内分布在多个网格区域的多个第二移动设备数据,确定在第二时段内分布在多个网格区域的多个第三人口数据。第二时段例如包括但不限于晚上10点到凌晨6点或者早上10点到下午4点。第二时段与第一时段不同,例如第一时段可以为晚上10点到凌晨6点,则第二时段可以为早上10点到下午4点,或者反之亦然。第三人口数据的确定与第一人口数据的确定类似,不再赘述。
随后,计算设备110基于第二时段内分布在重叠网格区域的第三人口数据,确定在第二时段内分布在目标区域的第四人口数据。第四人口数据的确定与第二人口数据的确定类似,不再赘述。
接着,计算设备110基于第二人口数据和第四人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。
由此,能够实现微观尺度范围内两个时段的人口数据的确定和呈现。
备选地或者附加地,在一些实施例中,计算设备110还可以从在第一时段内位于多个网格区域的多个原始移动设备数据中去除驻留第一级行政区域的时长小于第一预定时长的移动设备数据,以得到多个中间移动设备数据。第一预定时长例如包括但不限于15天。
随后,计算设备110可以从多个中间移动设备数据中去除活跃时长小于第二预定时长的移动设备数据,以得到多项第一移动设备数据。第二预定时长例如包括但不限于1小时、30分钟等等。
由此,能够剔除僵尸设备,使得第一移动设备数据比较准确地反映网格区域内的长期驻留并且活跃的移动设备。
图3示出了根据本公开的实施例的用于确定目标区域的方法300的流程图。例如,方法300可以由如图1所示的计算设备110来执行。应当理解的是,方法300还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框302处,计算设备110确定从目标位置120出发的多条可通行路径。例如,计算设备110可以基于路网数据,确定从目标位置120出发的多条可通行路径。可通行路径可以包括车辆可通行路径、单车可通行路径和/或步行路径。
如图6所示,从目标位置A出发的多个可通行路径包括A-E、A-H-B、A-H-F、A-H-G、A-C以及A-D。
在框304处,计算设备110确定多条可通行路径中从目标位置120出发花费目标时长130到达的多个结束位置。
结束位置例如包括但不限于车辆可通行路径中车辆花费目标时长120达到的结束位置、单车可通行路径中单车花费目标时长130达到的结束位置和/或步行路径中人步行花费目标时长130达到的结束位置。例如,在可通行路径上按照出行方式的预设速度乘以目标时长可以得到在该可通行路径上的结束位置到目标位置的路线长度,从而确定结束位置。在一些实施例中,如果可通行路径上存在左转、红绿灯、立交桥等预定道路元素,则可以将通过这种预定道路元素时花费的时长增加预定时长或者将目标时长减少预定时长,从而相比于不考虑这种预定道路元素确定的结束位置会更接近目标位置。预定时长例如包括但不限于30秒、60秒等等。
还如图6所示,花费目标时长达到的多个结束位置例如为E、F、B、G、C和D。可以看出,由于F点是从H点左转后到达的,而G点是从H点右转后到达的,因此F点与A点之间的路线长度会短于G点与A点之间的路线长度。
在一些实施例中,计算设备110还可以获取输入的目标出行方式,例如驾车、骑行或步行。随后,计算设备110可以确定从目标位置120出发的符合目标出行方式的多条可通行路径。例如,多条步行路径,多条骑行路径或多条驾车路径等等。接着计算设备110可以确定多条可通行路径中从目标位置120出发按照与目标出行方式相关联的速度花费目标时长130到达的多个结束位置。与目标出行方式相关联的速度例如包括但不限于目标出行方式的平均速度,例如骑行平均速度、驾车平均速度、步行平均速度等。例如,确定多条步行路径中从目标位置120出发按照步行平均速度花费目标时长130到达的多个结束位置,步行平均速度例如包括但不限于3-5公里每小时,应当理解这只是举例说明,本公开的范围在此不受限制。由此,能够按照用户指定出行方式确定多个结束位置,从而确定目标区域,使得目标区域的确定能够有更多可选方式。
回到图3,在框306处,计算设备110基于多个结束位置,确定目标区域。多个结束位置可以用于确定目标区域的轮廓。通过在确定的轮廓中采样位置点,可以确定目标区域。还如图6所示,通过将结束位置E、F、B、G、C和D进行连接可以得到目标区域的轮廓,如图6中虚线所示。通过确定虚线所示的轮廓上的多个点位置,可以确定目标区域。
由此,能够确定通过可通行路径确定从目标位置出发在目标时长内可达的目标区域,使得目标区域的确定更符合实际情形。
图4示出了根据本公开的实施例的用于确定多项第一人口数据的方法400的流程图。例如,方法400可以由如图1所示的计算设备110来执行。应当理解的是,方法400还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框402处,计算设备110基于历史人口统计数据、与第一级行政区域相关联的当年常住人口数量和人口预测模型,确定与第一级行政区域内的第二级行政区域相关联的第一预测人口数据。第二级行政区域例如包括但不限于街镇,例如上海市花木街道、浦江镇等等。
具体来说,计算设备110可以基于历史人口普查数据(例如街镇级)和队列要素法,确定当年自然增长人口数据(例如街镇级)。随后,计算设备110确定当前常住人口数量与当前自然增长人口数据中的人口总量之间的差和历史机械增长人口分布数据,确定机械增长人口数据。接着,计算设备110将机械增长人口数据和当前自然增长人口数据进行相加后,得到第一预测人口数据。与历史人口普查数据类似,得到的第一预测人口数据可以包括与年龄段相关联的人口数量,和/或可以包括与年龄段和性别相关联的人口数量。第一预测人口数据的形式可参照历史人口普查数据,这里不再赘述。
在框404处,计算设备110基于多项第一移动设备数据,确定分布在第二级行政区域内的、与年龄段相关联的移动设备数量和分布在第一级行政区域内的、与年龄段相关联的移动设备数量之间的第一比值。
分布在第一级行政区域内的、与年龄段相关联的移动设备数量可以通过将分布在第一级行政区域内的所有网格区域内的、与年龄段相关联的移动设备数量相加来得到。例如,第一级行政区域内有100个网格区域,将这100个网格区域内与20-24岁年龄段相关联的移动设备数量相加,可以得到第二级行政区域内的与20-24岁年龄段相关联的移动设备数量。其他年龄段的操作也是类似,不再赘述。
类似地,第二级行政区域内的与年龄段相关联的移动设备数量可以通过将分布在第二级行政区域内的所有网格区域内的、与年龄段相关联的移动设备数量相加来得到,这里不再赘述。此外,也可以直接从移动设备运营商服务器直接获得第二级行政区域内的与年龄段相关联的移动设备数量。
应当理解,上面只是以20-24岁年龄段为例进行说明,对于多个年龄段,可以确定多个第一比值。
在框406处,计算设备110基于第一比值和当年常住人口数量,确定在第一时段内分布在第二级行政区域的第二预测人口数据。
还是以20-24岁年龄段为例,与该年龄段相关联的第一比值例如为0.3,则将该第一比值与当前常住人口数量相乘,可以得到在第一时段内分布在第二级行政区域的、20-24岁年龄段的人口数量。对于多个年龄段,通过上述方式也可以得到在第一时段内分布在第二级行政区域的、多个年龄段的多个人口数量。第二预测人口数据可以包括多个年龄段的多个人口数量。
在框408处,计算设备110基于第一预测人口数据和第二预测人口数据,确定在第一时段内分布在第二级行政区域的初始人口数据。
在一些实施例中,计算设备110可以将第一预测人口数据乘以第一加权系数,得到第一结果,以及将第二预测人口数据乘以第二加权系数,得到第二结果。随后,计算设备110可以将第一结果和第二结果相加,以得到初始人口数据。这里的“相加”应当理解为按照年龄段进行相加,和/或按照年龄段和性别进行相加。也就是说,初始人口数据可以包括多个年龄段的多个人口数量。
在框410处,计算设备110基于初始人口数据,确定在第一时段内分布在第二级行政区域的、与第一年龄区间相关联的第一中间人口数据。
第一年龄区间例如可以包括连续多个年龄段,例如15-59岁。确定的第一中间数据例如包括与连续多个年龄段相关联的多个人口数量,例如与15-19岁、20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁、55-59岁相关联的多个人口数量。
在框412处,计算设备110基于历史人口统计数据,确定第二年龄区间中的年龄段相对于第一年龄区间中的第一年龄子区间的第一带眷系数和第三年龄区间中的年龄段相对于第一年龄区间中的第二年龄子区间的第二带眷系数。
第二年龄区间可以位于第一年龄区间的左侧,例如0-14岁,其可以包括多个年龄段,例如0岁、1-4岁、5-9岁、10-14岁这几个年龄段。第一年龄子区间例如包括但不限于25-39岁。第三年龄区间可以位于第一年龄区间的右侧,例如包括但不限于60岁及以上,其可以包括多个年龄段,例如60-64岁、65-69岁、70-74岁、75-79岁、80-84岁、85-89岁、90-94岁、95-99岁以及100岁及以上这几个年龄段。第二年龄子区间例如包括但不限于40-59岁。第一带眷系数例如可以为第二年龄区间中的与年龄段相关联的人口数量除以第一年龄子区间的人口总量得到的结果。例如,0岁的人口数量为1000,1-4岁的人口数量为1500,25-39岁的人口总量为10000,则0岁相对于25-39岁的带眷系数为0.1,1-4岁相对于25-39岁的带眷系数为0.15,以此类推。第二年龄区间中包括多个年龄段,则可以确定多个第一带眷系数。第二带眷系数例如可以为第三年龄区间中的与年龄段相关联的人口数量除以第二年龄子区间的人口总量得到的结果。第三年龄区间中可以包括多个年龄段,也可以确定多个第二带眷系数。例如,60-64岁的人口数量为800,65-69岁的人口数量为900,40-59岁的人口总量为1000,则60-64岁相对于40-59岁的带眷系数为0.8,65-69岁相对于40-59岁的带眷系数为0.9,以此类推。
在框414处,计算设备110基于第一带眷系数和第一中间人口数据,确定在第一时段内分布在第二级行政区域的、与第二年龄区间相关联的第二中间人口数据。
接着上面的例子,第二年龄区间包括0岁、1-4岁、5-9岁、10-14岁这几个年龄段。0岁相对于25-39岁的带眷系数为0.1,第一中间人口数据中第一年龄子区间的人口总数例如为2000,则第二中间数据中0岁的人口数量为200,1-4岁相对于25-39岁的带眷系数为0.15,则第二中间数据中1-4岁的人口数量为300,第二中间数据中5-9岁和10-14岁的人口数量以此类推。
在框416处,计算设备110基于第二带眷系数和第一中间人口数据,确定在第一时段内分布在第二级行政区域的、与第三年龄区间相关联的第三中间人口数据。
接着上面的例子,第三年龄区间包括60-64岁、65-69岁、70-74岁、75-79岁、80-84岁、85-89岁、90-94岁、95-99岁以及100岁及以上这几个年龄段。60-64岁相对于40-59岁的带眷系数为0.8,65-69岁相对于40-59岁的带眷系数为0. 9,第一中间人口数据中第二年龄子区间的人口总数例如为2000,则第三中间数据中60-64岁的人口数量为1600,65-69岁的人口数量为1800,第三中间数据中70-74岁、75-79岁、80-84岁、85-89岁、90-94岁、95-99岁以及100岁及以上的人口数量以此类推。
在框418处,计算设备110基于第一中间人口数据、第二中间人口数据和第三中间人口数据,确定在第一时段内分布在第二级行政区域的最终人口数据。
例如,将第一中间人口数据、第二中间人口数据和第三中间人口数据组合,可以确定最终人口数据。例如最终人口数据包括0岁、1-4岁、5-9岁、10-14岁、15-19岁、20-24岁、25-29岁、30-34岁、35-39岁、40-44岁、45-49岁、50-54岁、55-59岁、60-64岁、65-69岁、70-74岁、75-79岁、80-84岁、85-89岁、90-94岁、95-99岁以及100岁及以上这几个年龄段的人口数量。
在框420处,计算设备110基于多项第一移动设备数据,确定分布在多个网格区域内的、与年龄段相关联的多个移动设备数量和分布在第二级行政区域内的、与年龄段相关联的移动设备数量之间的多个第二比值。
还是以20-24岁年龄段为例,网格区域内与20-24岁年龄段相关联的移动设备数量例如为30个,第二级行政区域内与20-24岁年龄段相关联的移动设备数量例如为300个,则与20-24岁年龄段相关联的第二比值为0.1。对于多个年龄段,可以确定多个第二比值。这里不再赘述。
在框422处,计算设备110基于多个第二比值以及最终人口数据,确定在第一时段内分布在多个网格区域的多项第一人口数据。
还是以20-24岁年龄段为例,与该年龄段相关联的第二比值例如为0.1,则将该第二比值与最终人口数据中与该年龄段相关联的人口数量相乘,可以得到在第一时段内分布在网格区域的20-24岁年龄段的人口数量。对于多个年龄段,通过类似方式可以得到在第一时段内分布在网格区域的多个年龄段的多个人口数量。第一人口数据可以包括多个年龄段的多个人口数量。对于多个网格区域,可以确定多项第一人口数据,不再赘述。
由此,能够结合与网格区域相关联的微观尺度的移动设备数据和人口普查数据,较为精确地确定微观尺度的分年龄段的人口数据。
上述方案先针对网格区域生成了第一人口数据之后再基于分布在网格区域的第一人口数据确定分布在目标区域的人口数据。除了这个方案以外,也可以不预先针对网格区域生成第一人口数据,而是在确定目标区域之后实时针对网格区域生成第一人口数据。
例如,在一些实施例中,可以省略步骤202-204,计算设备110获取输入的目标位置和目标时长以及确定从所述目标位置出发在所述目标时长内可达的目标区域。这两个步骤可以参见上文,这里不再赘述。
随后,计算设备110可以确定目标区域所属的第二级行政区域。第二级行政区域位于第一级行政区域内,例如街镇。这里确定的第二级行政区域可以为一个或多个。接着,计算设备110基于与第一级行政区域相关联的历史人口统计数据中与所确定的第二级行政区域相关联的人口统计数据和第一时段内分布在第二级行政区域内的多个网格区域的多项第一移动设备数据,确定第一时段内分布在多个网格区域的多个第一人口数据。多个第一人口数据的确定方式与结合图4描述的内容类似,只是将与第一行政区域相关联的历史人口统计数据替换为历史人口统计数据中与所确定的第二级行政区域相关联的人口统计数据来计算,这里不再赘述。
之后计算设备110可以从多个网格区域中确定与目标区域重叠的重叠网格区域;基于第一时段内分布在重叠网格区域的第一人口数据,确定在第一时段内分布在目标区域的第二人口数据;以及基于第二人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。这些步骤可参见上文,这里不再赘述。
由此,能够基于较为实时的移动设备数据,确定分布在目标区域所属第二级行政区域内的网格区域的人口数据,使得人口数据更加接近当前实际情况,提高人口数据的准确性。
图5示出了根据本公开的实施例的用于确定第二人口数据的方法500的流程图。例如,方法500可以由如图1所示的计算设备110来执行。应当理解的是,方法500还可以包括未示出的附加框和/或可以省略所示出的框,本公开的范围在此方面不受限制。
在框502处,计算设备110确定目标区域与重叠网格区域之间的重叠部分相对于重叠网格区域的面积比例。重叠网格区域可以为一个或多个。相应地,确定的面积比例可以为一个或多个。这里的“重叠”可以为完全重叠或部分重叠。
如图7所示,E-F-B-G-C-D-E围成的目标区域涉及2个重叠网格区域701-702。对于重叠网格区域701,可以确定目标区域与重叠网格区域701的重叠部分X1-X2- D(例如可以通过几何求交法),随后计算该重叠部分的面积,以及该面积占重叠网格区域701的比例,例如0.3。重叠网格区域702的处理方式也是类似,不再赘述。
在框504处,计算设备110基于面积比例和第一时段内分布在重叠网格区域的第一人口数据,确定在第一时段内分布在目标区域的第二人口数据。
如果重叠网格区域为一个,则可以将分布在重叠网格区域的第一人口数据中的各年龄段的人口数量与面积比例相乘,得到第二人口数据。如果重叠网格区域为多个,则可以将分布在各个重叠网格区域的第一人口数据中的各年龄段的人口数据与面积比例相乘后的结果按照年龄段相加,得到第二人口数据。
还是参照图7,例如E-F-B-G-C-D-E围成的目标区域与重叠网格区域701-702的2个重叠部分分别占重叠网格区域701-702的面积比例为0.3、0.5。
分布在重叠网格区域701的第一人口数据例如为0岁15人,1-4岁15人,5-9岁15人,10-14岁15人,15-19岁15人,20-24岁25人,25-29岁15人,30-34岁15人,35-39岁15人,40-44岁15人,45-49岁15人,50-54岁15人,55-59岁15人,60-64岁15人,65-69岁15人,70-74岁15人,75-79岁15人,80-84岁15人,85-89岁15人,90-94岁0人,95-99岁0人,以及100岁及以上0人。该第一人口数据按照年龄段乘以面积比例0.3以后,可以得到0岁5人,1-4岁5人,5-9岁5人,10-14岁5人,15-19岁5人,20-24岁5人,25-29岁5人,30-34岁5人,35-39岁5人,40-44岁5人,45-49岁5人,50-54岁5人,55-59岁5人,60-64岁5人,65-69岁5人,70-74岁5人,75-79岁5人,80-84岁5人,85-89岁5人,90-94岁0人,95-99岁0人,以及100岁及以上0人。
分布在重叠网格区域702的第一人口数据例如为0岁20人,1-4岁20人,5-9岁20人,10-14岁20人,15-19岁20人,20-24岁20人,25-29岁20人,30-34岁20人,35-39岁20人,40-44岁20人,45-49岁20人,50-54岁20人,55-59岁20人,60-64岁20人,65-69岁20人,70-74岁20人,75-79岁20人,80-84岁20人,85-89岁20人,90-94岁0人,95-99岁0人,以及100岁及以上0人。该第一人口数据按照年龄段乘以面积比例0.5以后,可以得到0岁10人,1-4岁10人,5-9岁10人,10-14岁10人,15-19岁10人,20-24岁10人,25-29岁10人,30-34岁10人,35-39岁10人,40-44岁10人,45-49岁10人,50-54岁10人,55-59岁10人,60-64岁10人,65-69岁10人,70-74岁10人,75-79岁10人,80-84岁10人,85-89岁10人,90-94岁0人,95-99岁0人,以及100岁及以上0人。
将上面这两个结果按照年龄段相加后可以得到在第一时段内分布在E-F-B-G-C-D-E围成的目标区域的第二人口数据例如:0岁15人,1-4岁15人,5-9岁15人,10-14岁15人,15-19岁15人,20-24岁15人,25-29岁15人,30-34岁15人,35-39岁15人,40-44岁15人,45-49岁15人,50-54岁15人,55-59岁15人,60-64岁15人,65-69岁15人,70-74岁15人,75-79岁15人,80-84岁15人,85-89岁15人,90-94岁0人,95-99岁0人,以及100岁及以上0人。
备选地或者附加地,在一些实施例中,第二人口数据可以包括将分布在各个重叠网格区域的第一人口数据中的各年龄段的人口数据与面积比例相乘后的结果按照年龄段相加的结果再求和所得到的人口总数,也就是目标区域的人口总数。
由此,能够按照目标区域与重叠网格区域重叠的面积比例来将重叠网格区域中的人口数据统计为目标区域中的人口数据,提高了目标区域中的人口数据的准确性。
备选地或者附加地,在一些实施例中,计算设备110还可以基于多项第一移动设备数据和在第二时段内分布在多个网格区域的多个第二移动设备数据,确定与多个网格区域相关联的多个设备移动比例集合。设备移动比例集合中可以包括至少一个设备移动比例。设备移动比例表示在第一时段内位于该网格区域并且在第二时段内位于另一网格区域的移动设备数量与在第一时段内位于该网格区域并且在第二时段内位于任意其他网格区域的移动设备数量之间的比例。
第一移动设备数据和第二移动设备数据中可以包括移动设备标识,例如手机号、国际移动设备识别码IMEI、国际移动用户识别码IMSI等等。通过比较第一移动设备数据和第二移动设备数据中具有相同移动设备标识的移动设备数据,可以确定在第一时段内位于该网格区域并且在第二时段内位于另一网格区域的移动设备数量。例如网格区域A中的移动设备移动到了网格区域B和C,则可以确定第一时段内在网格区域A并且第二时段内在网格区域B的移动设备数量,例如10,第一时段内在网格区域A并且第二时段内在网格区域C的移动设备数量,例如30。应当理解,这只是举例说明,本公开的范围在此不受限制。此外,还可以确定在第一时段内位于该网格区域并且在第二时段内位于任意其他网格区域的移动设备数量。接着上面例子,可以确定第一时段内在网格区域A并且第二时段内在网格区域B和C的移动设备数量,例如40。将第一时段内在网格区域A并且第二时段内在网格区域B的移动设备数量,第一时段内在网格区域A并且第二时段内在网格区域C的移动设备数量分别除以第一时段内在网格区域A并且第二时段内在网格区域B和C的移动设备数量,可以得到从网格区域A到网格区域B的设备移动比例,例如25%,和从网格区域A到网格区域C的设备移动比例,例如75%。当存在网格区域中移动设备向多个网格区域移动的情形时,确定的设备移动比例也可以是多个。对于多个网格区域,可以确定多个设备移动比例集合。
随后,计算设备110可以基于多个设备移动比例集合和多项第一人口数据中与第一年龄区间和第二年龄区间中的预定年龄子区间相关联的多个人口总数,确定与多个网格区域相关联的多个移动人口数量集合。移动人口数量集合可以包括至少一个移动人口数量。移动人口数量表示在第一时段内位于该网格区域并且在第二时段内位于另一网格区域的人口数量。
第一年龄区间和第二年龄区间的例子可参见上文,这里不再赘述。预定年龄子区间例如包括但不限于6-14岁。与第一年龄区间和第二年龄区间中的预定年龄子区间相关联的人口总数例如为与6-59岁相关联的人口总数,例如100。可以将设备移动比例集合中的至少一个设备移动比例分别与人口总数相乘,以得到与网格区域相关联的至少一个移动人口数量,作为移动人口数量集合。例如以上面的网格区域A、B和C为例,从网格区域A到网格区域B的设备移动比例例如为25%,从网格区域A到网格区域C的设备移动比例例如为75%,则从网格区域A到网格区域B的移动人口数量(也就是在第一时段内位于网格区域A并且在第二时段内位于网格区域B的人口数量)为25,从网格区域A到网格区域C的移动人口数量(也就是在第一时段内位于网格区域A并且在第二时段内位于网格区域C的人口数量)为75。对于多个网格区域,可以确定多个移动人口数量集合。
接着,计算设备110可以基于与重叠网格区域相关联的移动人口数量集合,生成用于指示目标区域移动人口数据的图形,以用于呈现。
生成的用于指示目标区域移动人口数据的图形的一个示例可如图8所示的人口移动热力图。在图8中,呈现了从与目标区域801重叠的重叠网格区域802到网格区域803的移动人口数量804,例如10人。图8中还呈现了从重叠网格区域802到其他字区域的移动人口数量,例如分别为20、5、15和8。此外,还可以呈现从与目标区域801重叠的重叠网格区域802到其他网格区域的移动人口数量,以及从目标区域801重叠的另外重叠网格区域到其他网格区域的移动人口数量(未示出)。应当理解,这只是举例说明,本公开的范围在此不受限制。
由此,能够在微观尺度的网格区域和目标区域这两个层面得到不同时段之间的人口移动数量,诸如通勤人口数量。
图9示出了可以用来实施本公开内容的实施例的示例设备900的示意性框图。例如,如图1所示的计算设备110可以由设备900来实施。如图所示,设备900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的计算机程序指令或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序指令,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标、麦克风等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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。
上文所描述的各个过程和处理,例如方法200-500,可由处理单元901执行。例如,在一些实施例中,方法200-500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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序被加载到RAM 903并由CPU901执行时,可以执行上文描述的方法200-500的一个或多个动作。
本公开涉及方法、装置、***、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种用于呈现目标区域人口数据的方法,包括:
获取与第一级行政区域相关联的历史人口统计数据和第一时段内分布在所述第一级行政区域内的多个网格区域的多项第一移动设备数据;
基于所述多项第一移动设备数据和所述历史人口统计数据,确定所述第一时段内分布在所述多个网格区域的多项第一人口数据;
获取输入的目标位置和目标时长;
确定从所述目标位置出发在所述目标时长内可达的目标区域;
从所述多个网格区域中确定与所述目标区域重叠的重叠网格区域;
基于所述第一时段内分布在所述重叠网格区域的第一人口数据,确定在所述第一时段内分布在所述目标区域的第二人口数据;以及
基于所述第二人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。
2.根据权利要求1所述的方法,其中确定所述目标区域包括:
确定从所述目标位置出发的多条可通行路径;
确定所述多条可通行路径中从所述目标位置出发花费所述目标时长到达的多个结束位置;以及
基于所述多个结束位置,确定所述目标区域。
3.根据权利要求1所述的方法,还包括获取输入的目标出行方式,以及确定所述目标区域包括:
确定从所述目标位置出发的符合所述目标出行方式的多条可通行路径;
确定所述多条可通行路径中从所述目标位置出发按照与所述目标出行方式相关联的速度花费所述目标时长到达的多个结束位置;以及
基于所述多个结束位置,确定所述目标区域。
4.根据权利要求1所述的方法,其中确定所述多项第一人口数据包括:
基于所述历史人口统计数据、与所述第一级行政区域相关联的当年常住人口数量和人口预测模型,确定与所述第一级行政区域内的第二级行政区域相关联的第一预测人口数据;
基于所述多项第一移动设备数据,确定分布在所述第二级行政区域内的、与年龄段相关联的移动设备数量和分布在所述第一级行政区域内的、与所述年龄段相关联的移动设备数量之间的第一比值;
基于所述第一比值和所述当年常住人口数量,确定在所述第一时段内分布在所述第二级行政区域的第二预测人口数据;
基于所述第一预测人口数据和所述第二预测人口数据,确定在所述第一时段内分布在所述第二级行政区域的初始人口数据;
基于所述初始人口数据,确定在所述第一时段内分布在所述第二级行政区域的、与第一年龄区间相关联的第一中间人口数据;
基于所述历史人口统计数据,确定第二年龄区间中的年龄段相对于所述第一年龄区间中的第一年龄子区间的第一带眷系数和第三年龄区间中的年龄段相对于所述第一年龄区间中的第二年龄子区间的第二带眷系数;
基于所述第一带眷系数和所述第一中间人口数据,确定在所述第一时段内分布在所述第二级行政区域的、与所述第二年龄区间相关联的第二中间人口数据;
基于所述第二带眷系数和所述第一中间人口数据,确定在所述第一时段内分布在所述第二级行政区域的、与所述第三年龄区间相关联的第三中间人口数据;
基于所述第一中间人口数据、所述第二中间人口数据和所述第三中间人口数据,确定在所述第一时段内分布在所述第二级行政区域的最终人口数据;
基于所述多项第一移动设备数据,确定分布在所述多个网格区域内的、与所述年龄段相关联的多个移动设备数量和分布在所述第二级行政区域内的、与所述年龄段相关联的移动设备数量之间的多个第二比值;
基于所述多个第二比值以及所述最终人口数据,确定在所述第一时段内分布在所述多个网格区域的所述多项第一人口数据。
5.根据权利要求1所述的方法,其中确定所述第二人口数据包括:
确定所述目标区域与所述重叠网格区域之间的重叠部分相对于所述重叠网格区域的面积比例;以及
基于所述面积比例和所述第一时段内分布在所述重叠网格区域的第一人口数据,确定在所述第一时段内分布在所述目标区域的所述第二人口数据。
6.根据权利要求1所述的方法,还包括:
基于所述历史人口统计数据以及在第二时段内分布在所述多个网格区域的多个第二移动设备数据,确定在所述第二时段内分布在所述多个网格区域的多个第三人口数据;
基于所述第二时段内分布在所述重叠网格区域的第三人口数据,确定在所述第二时段内分布在所述目标区域的第四人口数据;以及
基于所述第二人口数据和所述第四人口数据,生成用于指示目标区域人口数据的所述图形,以用于呈现。
7.根据权利要求1所述的方法,还包括:
基于所述多项第一移动设备数据和在第二时段内分布在所述多个网格区域的多个第二移动设备数据,确定与所述多个网格区域相关联的多个设备移动比例集合,所述设备移动比例集合中包括至少一个设备移动比例,所述设备移动比例表示在所述第一时段内位于所述网格区域并且在所述第二时段内位于另一网格区域的移动设备数量与在所述第一时段内位于所述网格区域并且在所述第二时段内位于任意其他网格区域的移动设备数量之间的比例;
基于所述多个设备移动比例集合和所述多项第一人口数据中与第一年龄区间和第二年龄区间中的预定年龄子区间相关联的多个人口总数,确定与所述多个网格区域相关联的多个移动人口数量集合,所述移动人口数量集合包括至少一个移动人口数量,所述移动人口数量表示在所述第一时段内位于所述网格区域并且在所述第二时段内位于另一网格区域的人口数量;以及
基于与所述重叠网格区域相关联的移动人口数量集合,生成用于指示目标区域移动人口数据的图形,以用于呈现。
8.根据权利要求1所述的方法,还包括:
从在所述第一时段内位于所述多个网格区域的多个原始移动设备数据中去除驻留所述第一级行政区域的时长小于第一预定时长的移动设备数据,以得到多个中间移动设备数据;以及
从所述多个中间移动设备数据中去除活跃时长小于第二预定时长的移动设备数据,以得到所述多项第一移动设备数据。
9.根据权利要求1所述的方法,其中所述网格区域的大小为预定大小。
10.一种用于呈现目标区域人口数据的方法,包括:
获取输入的目标位置和目标时长;
确定从所述目标位置出发在所述目标时长内可达的目标区域;
确定所述目标区域所属的第二级行政区域,所述第二级行政区域位于第一级行政区域内;
基于与所述第一级行政区域相关联的历史人口统计数据中与所确定的所述第二级行政区域相关联的人口统计数据和第一时段内分布在所述第二级行政区域内的多个网格区域的多项第一移动设备数据,确定所述第一时段内分布在所述多个网格区域的多个第一人口数据;
从所述多个网格区域中确定与所述目标区域重叠的重叠网格区域;
基于所述第一时段内分布在所述重叠网格区域的第一人口数据,确定在所述第一时段内分布在所述目标区域的第二人口数据;以及
基于所述第二人口数据,生成用于指示目标区域人口数据的图形,以用于呈现。
11. 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权利要求1-10中任一项所述的方法。
12.一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权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011275198.6A CN112069235B (zh) | 2020-11-16 | 2020-11-16 | 用于呈现目标区域人口数据的方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011275198.6A CN112069235B (zh) | 2020-11-16 | 2020-11-16 | 用于呈现目标区域人口数据的方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112069235A true CN112069235A (zh) | 2020-12-11 |
CN112069235B CN112069235B (zh) | 2021-02-12 |
Family
ID=73655953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011275198.6A Active CN112069235B (zh) | 2020-11-16 | 2020-11-16 | 用于呈现目标区域人口数据的方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069235B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365367A (zh) * | 2021-01-13 | 2021-02-12 | 北京云真信科技有限公司 | 一种基于设备电量的区域画像方法、设备及存储介质 |
CN112364222A (zh) * | 2021-01-13 | 2021-02-12 | 北京云真信科技有限公司 | 一种用户年龄的区域画像方法、计算机设备及存储介质 |
CN112507444A (zh) * | 2021-02-03 | 2021-03-16 | 四川见山科技有限责任公司 | 一种基于ai构建的数字城市建筑夜景生成方法及*** |
CN113486133A (zh) * | 2021-07-14 | 2021-10-08 | 智慧足迹数据科技有限公司 | 人口分布信息生成方法、装置、服务器及存储介质 |
CN113676840A (zh) * | 2021-08-24 | 2021-11-19 | 北京腾云天下科技有限公司 | 数据处理方法、装置、电子设备、存储介质和程序产品 |
CN114066319A (zh) * | 2021-12-01 | 2022-02-18 | 清华大学 | 历史街区的防火规划方法、装置、电子设备及存储介质 |
CN115878964A (zh) * | 2023-03-01 | 2023-03-31 | 北京市城市规划设计研究院 | 常住人口确定方法、装置、设备和存储介质 |
CN116434446A (zh) * | 2023-05-04 | 2023-07-14 | 北京国信华源科技有限公司 | 一种靶向预警装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6732085B1 (en) * | 2001-05-31 | 2004-05-04 | Oracle International Corporation | Method and system for sample size determination for database optimizers |
CN110505575A (zh) * | 2018-05-19 | 2019-11-26 | 北京融信数联科技有限公司 | 一种基于基站覆盖扇区网格化的区域人口分布统计方法 |
CN110704565A (zh) * | 2019-09-27 | 2020-01-17 | 泉州师范学院 | 一种基于遥感与gis的人口统计数据网格化建模方法 |
CN111212383A (zh) * | 2018-11-01 | 2020-05-29 | 百度在线网络技术(北京)有限公司 | 区域常住人口数量的确定方法、装置、服务器和介质 |
-
2020
- 2020-11-16 CN CN202011275198.6A patent/CN112069235B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6732085B1 (en) * | 2001-05-31 | 2004-05-04 | Oracle International Corporation | Method and system for sample size determination for database optimizers |
CN110505575A (zh) * | 2018-05-19 | 2019-11-26 | 北京融信数联科技有限公司 | 一种基于基站覆盖扇区网格化的区域人口分布统计方法 |
CN111212383A (zh) * | 2018-11-01 | 2020-05-29 | 百度在线网络技术(北京)有限公司 | 区域常住人口数量的确定方法、装置、服务器和介质 |
CN110704565A (zh) * | 2019-09-27 | 2020-01-17 | 泉州师范学院 | 一种基于遥感与gis的人口统计数据网格化建模方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364222A (zh) * | 2021-01-13 | 2021-02-12 | 北京云真信科技有限公司 | 一种用户年龄的区域画像方法、计算机设备及存储介质 |
CN112364222B (zh) * | 2021-01-13 | 2021-04-27 | 北京云真信科技有限公司 | 一种用户年龄的区域画像方法、计算机设备及存储介质 |
CN112365367A (zh) * | 2021-01-13 | 2021-02-12 | 北京云真信科技有限公司 | 一种基于设备电量的区域画像方法、设备及存储介质 |
CN112507444A (zh) * | 2021-02-03 | 2021-03-16 | 四川见山科技有限责任公司 | 一种基于ai构建的数字城市建筑夜景生成方法及*** |
CN113486133A (zh) * | 2021-07-14 | 2021-10-08 | 智慧足迹数据科技有限公司 | 人口分布信息生成方法、装置、服务器及存储介质 |
CN113676840B (zh) * | 2021-08-24 | 2023-08-18 | 北京腾云天下科技有限公司 | 数据处理方法、装置、电子设备、存储介质和程序产品 |
CN113676840A (zh) * | 2021-08-24 | 2021-11-19 | 北京腾云天下科技有限公司 | 数据处理方法、装置、电子设备、存储介质和程序产品 |
CN114066319A (zh) * | 2021-12-01 | 2022-02-18 | 清华大学 | 历史街区的防火规划方法、装置、电子设备及存储介质 |
CN114066319B (zh) * | 2021-12-01 | 2022-05-17 | 清华大学 | 历史街区的防火规划方法、装置、电子设备及存储介质 |
CN115878964A (zh) * | 2023-03-01 | 2023-03-31 | 北京市城市规划设计研究院 | 常住人口确定方法、装置、设备和存储介质 |
CN115878964B (zh) * | 2023-03-01 | 2023-11-24 | 北京市城市规划设计研究院 | 常住人口确定方法、装置、设备和存储介质 |
CN116434446A (zh) * | 2023-05-04 | 2023-07-14 | 北京国信华源科技有限公司 | 一种靶向预警装置 |
CN116434446B (zh) * | 2023-05-04 | 2024-03-12 | 北京国信华源科技有限公司 | 一种靶向预警装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112069235B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112069235B (zh) | 用于呈现目标区域人口数据的方法、设备和存储介质 | |
CN103295414B (zh) | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 | |
US20120130625A1 (en) | Systems and methods for determining traffic intensity using information obtained through crowdsourcing | |
JP4506663B2 (ja) | 交通状況予測装置、方法及びプログラム、経路探索システム並びに交通状況提供システム | |
US9644976B2 (en) | Building missing movement path of an object | |
US10244060B2 (en) | Determining seeds for targeted notifications through online social networks in conjunction with user mobility data | |
CN105120487A (zh) | 一种业务数据预测方法及装置 | |
US10402729B2 (en) | Path determination using robust optimization | |
Horn et al. | QZTool—automatically generated origin-destination matrices from cell phone trajectories | |
CN110300123A (zh) | 异常流量识别方法、装置、电子设备及存储介质 | |
CN114758495A (zh) | 交通信号灯调整方法、装置及电子设备 | |
CN112579910A (zh) | 信息处理方法、信息处理装置、存储介质和电子设备 | |
CN111896020A (zh) | 用于信息处理的方法、电子设备和存储介质 | |
US11748773B2 (en) | Identifying geographic market share | |
CN109344247B (zh) | 用于输出信息的方法和装置 | |
EP4141386A1 (en) | Road data monitoring method and apparatus, electronic device and storage medium | |
CN112685531B (zh) | 车辆匹配方法和装置、计算设备以及计算机可读存储介质 | |
CN115330067A (zh) | 一种交通拥堵预测方法、装置、电子设备及存储介质 | |
CN113847923A (zh) | 预估到达时间的计算方法、装置、电子设备和可读存储介质 | |
CN115206102A (zh) | 确定交通路径的方法、装置、电子设备和介质 | |
CN114997673A (zh) | 确定服务设施可达性的方法、装置、电子设备及存储介质 | |
CN113483778A (zh) | 一种基于车联网干涉的智能导航方法、装置和电子设备 | |
US10971009B2 (en) | Extracting events and assessing their impact on a transportation network | |
CN113008246B (zh) | 地图匹配方法和装置 | |
KR102161321B1 (ko) | 유동인구 추정장치 및 방법 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method, equipment, and storage medium for presenting population data in the target area Effective date of registration: 20231211 Granted publication date: 20210212 Pledgee: Shanghai Rural Commercial Bank Co.,Ltd. Yangpu Sub branch Pledgor: Shanghai Maice Data Technology Co.,Ltd.|Maice (Shanghai) Intelligent Technology Co.,Ltd. Registration number: Y2023310000828 |