[发明专利]一种基于大数据的失业人口动态监测方法

权利要求书

1.一种基于大数据的失业人口动态监测方法，其特征在于，包括以下步骤：

步骤1、从传感器运营商获取匿名加密移动终端传感器数据，提取个体的出行数据，以此构建个体出行轨迹数据集，以时间T为间隔对个体出行轨迹数据集的空间位置进行插值，构建个体出行时空序列；

步骤2、采用空间聚类算法，对个体出行时空序列数据上的节点进行空间聚类，提取出个体长时间停留的空间聚类簇，以个体在聚类内驻留的时间作为聚类的大小，并将基本地理信息赋予该聚类，人工选择出大量失业人口样本，提取停留时间超过T小时的聚类点，对聚类点进行分析判断，提取出居住地和日常停留地，得到失业人口日常在非居留地的停留状态分布状况，作为失业状态的判断依据，具体包括以下步骤：

步骤2.1、获取由步骤1得到的目标个体每天的个体出行时空序列数据，采用基于DBSCAN的空间聚类方法将个体每天在空间上的停留点聚类出来，获得个体每天可能的居住地和工作地；

步骤2.2、在DBSCAN空间聚类算法的基础上，选择m条先验判定当天为失业人口的个体的个体出行时空序列，设总共有n1个不同个体，对个体出行时空序列进行聚类，获取所有节点数量大于阈值Thr-n的聚类；

步骤2.3、根据聚类内节点数量，对聚类进行排序，提取失业个体聚类特征，包括以下步骤：

步骤2.3.1、选取节点数量最多的聚类，提取该聚类的基础地理信息，若该聚类中最主要的地块类型为住宅，则定义此聚类为居住地，若不是住宅地块，则依聚类大小遍历，直到找到地块类型的居住地的聚类，若该聚类中的节点数量大于n2，将其定义为居住地，若小于n2，则舍弃该个体出行时空序列；

步骤2.3.2、除居住地外，查找所有地块类型可能为工作地的聚类，记录其中规模最大的聚类的节点数；

步骤2.3.3、记录每天规模最大的可能工作地聚类的节点数，对于同一个体，取其在其失业期间最大可能工作地的节点数的中位数，作为判别其是否失业的标准；

步骤2.3.4、根据先验的n1个不同个体的失业期间最大可能工作地的节点数的中位数，统计出失业人员在可能工作地停留时间的中位数和阈值范围threshold_q；

步骤2.4、查找所有状态从正常就业到非正常就业再到正常就业的个体样本，统计其从正常就业再到正常再就业之间的时间，计算其平均值，取其十分之一为连续失业待观察天数阈值threshold_t，若个体连续非正常就业天数小于threshold_t，则其没有失业的概率大于90％，即满足0.1水平显著；

步骤3、基于步骤2获得的失业人口日常在非居留地的停留状态分布状况，判断全样本中每个个体的就业/失业过程和当前状态，从中筛选当前处于统计意义上的失业状态的人数，依照固定比例扩样，得到任一时间点的失业人口数和失业率；

步骤4、对个体的日常出行数据进行实时更新，分析监测每个个体的就业/失业状态变化，实现对失业人口的实时监测工作，

步骤5、针对判别得到的个体失业/就业情况数据，分时间维度和空间维度以及时间空间综合分析失业人口的时空变化。