【技术实现步骤摘要】
大数据识别房屋性质的方法与系统
本专利技术涉及数据分析与挖掘领域，特别涉及大数据识别房屋性质的方法与系统。
技术介绍
随着经济的发展和城镇化速度的加快，城市的流动人口日益增加，也使得房屋租赁市场迅速扩展，但目前还没有使用大数据预测房屋出租情况的技术方案，多是通过门禁进行管理，这使得出租房屋的登记和变更很难做到及时可控。
技术实现思路
有鉴于此，本专利技术实施例提供大数据识别房屋性质的方法与系统，以基于大数据分析预测房屋的出租情况。为实现上述目的，本专利技术实施例提供如下技术方案：一种大数据识别房屋性质的方法，包括：获取户籍人口的轨迹数据；根据所述轨迹数据，获取至少一个停留轨迹集合，所述停留轨迹集合表征停留超过时间阈值的轨迹；获取每一停留轨迹集合的语义信息和空间数据；获取所述户籍人口对应的房产的空间数据和房产语义信息；根据房产语义信息获取语义信息与之相匹配的停留轨迹集合，判断所述房产的空间数据与该停留轨迹集合的空间数据之间的距离是否大于非关联阈值，若大...
【技术保护点】
1.一种大数据识别房屋性质的方法，其特征在于，包括：/n获取户籍人口的轨迹数据；/n根据所述轨迹数据，获取至少一个停留轨迹集合，所述停留轨迹集合表征停留超过时间阈值的轨迹；/n获取每一停留轨迹集合的语义信息和空间数据；/n获取所述户籍人口对应的房产的空间数据和房产语义信息；/n根据房产语义信息获取语义信息与之相匹配的停留轨迹集合，判断所述房产的空间数据与该停留轨迹集合的空间数据之间的距离是否大于非关联阈值，若大于，则为所述房产添加标识。/n
【技术特征摘要】
1.一种大数据识别房屋性质的方法，其特征在于，包括：
获取户籍人口的轨迹数据；
根据所述轨迹数据，获取至少一个停留轨迹集合，所述停留轨迹集合表征停留超过时间阈值的轨迹；
获取每一停留轨迹集合的语义信息和空间数据；
获取所述户籍人口对应的房产的空间数据和房产语义信息；
根据房产语义信息获取语义信息与之相匹配的停留轨迹集合，判断所述房产的空间数据与该停留轨迹集合的空间数据之间的距离是否大于非关联阈值，若大于，则为所述房产添加标识。
2.如权利要求1所述的方法，其特征在于，
所述轨迹数据包括：按时空顺序相连的多个轨迹点的轨迹信息；所述轨迹信息包括空间数据和记录时间；
所述根据所述轨迹数据，获取至少一个停留轨迹集合包括：
将满足预设条件且时间间隔位于预设时间间隔范围内的两轨迹点确定为停留点；所述预设条件包括：时间上相邻；或者，位于同一空间阈值范围内；
对确定的停留点进行聚类，得到M个簇；每一个簇为一个停留轨迹集合；
所述获取每一停留轨迹集合的语义信息和空间数据包括：
在时间和空间维度上提取每一簇的簇特征，并基于簇特征进行轨迹语义分析，得到语义种类；所述停留轨迹集合的语义信息包括语义种类；
获取各簇的中心点位置和半径；其中，所述停留轨迹集合的空间数据包括簇的中心点位置，或者，包括簇的中心点位置及半径。
3.如权利要求2所述的方法，其特征在于，所述簇特征包括如下一种或任意多种：
簇中各停留点至中心点的距离统计量；
簇中各停留点所对应的时间间隔；
簇中各停留点所对应的记录时间位于休息时段的频次；
簇中各停留点所对应的记录时间位于工作时段的频次；
簇的点位得分；所述点位得分是簇中所有停留点的点位得分均值。
4.如权利要求3所述的方法，其特征在于，所述轨迹信息由点位设备记录；
任一停留点的点位得分包括：所述任一停留点所对应的点位设备置信度与所述任一停留点的点位置信度的乘积；所述点位置信度是根据所述任一停留点的疏密特征计算得到的。
5.如权利要求4所述的方法，其特征在于，在提取簇特征之前，还包括：
对任一停留点提取疏密特征；所述疏密特征表征了所述任一停留点与周边停留点之间的疏密关系；
将所述疏密特征输入分类模型，由所述分类模型输出所述任一停留点的分类结果；
若所述分类结果为第一种类，为所述任一停留点分配第一置信度值；
若所述分类结果为第二种类，为所述任一停留点分配第二置信度值；
所述点位置信度为所述第一置信度值或第二置信度值，所述第一置信度值小于所述第二置信度值。
6.如权利要求5所述的方法，其特征在于，所述疏密特征包括如下一种或任意多种：
TopN停留点的个数；所述TopN停留点包括：N个最近距离所对应的停留点；所述N个最近...
【专利技术属性】
技术研发人员：周菲菲，谢素丹，
申请(专利权)人：杭州数梦工场科技有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。