[发明专利]人口流动数据的获取方法、装置及计算机可读存储介质在审
申请号: | 201810674048.9 | 申请日: | 2018-06-26 |
公开(公告)号: | CN108898533A | 公开(公告)日: | 2018-11-27 |
发明(设计)人: | 吴乃星;钤建考 | 申请(专利权)人: | 中国联合网络通信有限公司深圳市分公司 |
主分类号: | G06Q50/26 | 分类号: | G06Q50/26;G06Q50/30;G06F17/18;G06Q10/04 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 胡海国 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人口流动 时间序列 预设 计算机可读存储介质 预设时间段 目标区域 获取目标 获取装置 交通问题 模型计算 数据获取 数据相关 有效数据 时间段 有效地 人口 预测 交通 吸引 制定 | ||
1.一种人口流动数据的获取方法,其特征在于,所述人口流动数据的获取方法包括以下步骤:
获取目标区域内的人口流动数据,所述人口流动数据至少包括区域人口密度、人口发生量以及人口吸引量中的一个;
根据所述人口流动数据获取所述目标区域对应的时间序列,所述时间序列包括所述人口流动数据、时间和区域;
根据所述时间序列、预设时间段以及预设模型计算所述目标区域内所述预设时间段内的人口流动数据,其中,所述预设模型与时间序列、时间段以及所述人口流动数据相关。
2.如权利要求1所述的人口流动数据的获取方法,其特征在于,所述根据所述人口流动数据获取所述目标区域对应的时间序列的步骤包括:
获取预设周期,其中,所述预设周期小于或等于所述预设时间段;
根据所述预设周期将所述人口流动数据划分为多个时间向量;
由所述时间向量组成所述目标区域对应的时间序列。
3.如权利要求2所述的人口流动数据的获取方法,其特征在于,所述根据所述时间序列、预设时间段以及预设模型计算所述目标区域内所述预设时间段内的人口流动数据的步骤包括:
获取所述目标区域对应的自回归积分滑动平均模型;
根据所述人流时间序列、所述时间段以及所述目标区域对应的自回归积分滑动平均模型计算所述目标区域内所述预设时间段内的人口流动数据。
4.如权利要求3所述的人口流动数据的获取方法,其特征在于,所述人口流动数据的获取方法包括:
获取所述目标区域内的待预测人口流动数据,根据所述待预测人口流动数据获取所述目标区域对应的待预测时间序列;
采用平稳性的单位根检验方法从所述待预测时间序列中获取稳定时间序列;
采用共轭矩阵下降法训练得到自回归积分滑动平均模型的多组阶层和阶数;
由多组阶层和阶数组成多个所述自回归积分滑动平均模型;
计算所述自回归积分滑动平均模型的赤池信息量准则;
取所述赤池信息量准则数值最小的所述自回归积分滑动平均模型作为所述目标区域的自回归积分滑动平均模型。
5.如权利要求2所述的人口流动数据的获取方法,其特征在于,所述根据所述时间序列、预设时间段以及预设模型计算所述目标区域内所述预设时间段内的人口流动数据的步骤包括:
从所述目标区域对应的时间序列中获取所述预设时间段对应的时间序列;
获取所述预设时间段对应的时间序列的临近时间序列,其中,采用临近算法从所述目标区域对应的时间序列中获取所述临近时间序列;
从所述目标区域对应的时间序列中获取所述临近时间序列对应的目标时间序列;
根据所述目标时间序列获取所述目标区域内所述预设时间段的人口流动数据。
6.如权利要求5所述的人口流动数据的获取方法,其特征在于,所述从所述目标区域对应的时间序列中获取所述临近时间序列对应的目标时间序列的步骤包括:
从所述目标区域对应的时间序列中获取所述临近时间序列中各个时间向量对应的目标时间向量,其中,所述对应为周期对应;
由所述目标时间向量组成所述目标时间序列。
7.如权利要求5所述的人口流动数据的获取方法,其特征在于,所述从所述目标区域对应的时间序列中获取所述预设时间段对应的时间序列的步骤包括:
计算所述预设时间段包含所述预设周期的个数;
从所述目标区域对应的时间序列中依次获取所述个数的所述时间向量;
由获取到的所述时间向量组成所述预设时间段对应的时间序列。
8.如权利要求1-7任一所述的人口流动数据的获取方法,其特征在于,所述获取目标区域内的人口流动数据的步骤包括:
获取所述目标区域内的通信数据;
根据所述通信数据获取所述目标区域内的人口流动数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国联合网络通信有限公司深圳市分公司,未经中国联合网络通信有限公司深圳市分公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810674048.9/1.html,转载请声明来源钻瓜专利网。