基于多空间尺度进行动态住房人口登记监测方法技术

本发明专利技术提出了一种基于多空间尺度进行动态住房人口登记监测方法，包括：S1，根据人员流动数据对多空间尺度进行聚类，在特定时间区间内形成住房人口的概率分布；S2，针对计算后概率分布，通过场景构建模型进行人口登记筛选过程，并标注相应的地理位置信息；S3，针对标注的地理位置信息以及动态人口数据，对热点位置进行阈值判断，并反馈至云端网络。并反馈至云端网络。并反馈至云端网络。

【技术实现步骤摘要】
基于多空间尺度进行动态住房人口登记监测方法


[0001]本专利技术涉及大数据分析领域，尤其涉及一种基于多空间尺度进行动态住房人口登记监测方法。

技术介绍

[0002]动态住房人口监测理论研究始于二十世纪三十年代，在多年的实际工作中已形成了一些具有较高应用价值的专业模型，例如动态统计法，人员流动法、消费统计法等。现有的动态统计法在实际应用过程中均以经验为导向，具有较强的主观性；工作成本高，收集相关的数据资料需要消耗大量的时间和人力物力；无法实现信息共享，且评估结果难以实现真正的科学、准确、客观、公平。随着信息化和大数据的高速发展，以经验为导向的传统评价方法已经不能同时满足社会对精准人群统计分析，需要面向信息化、系统化和智能化转型。
[0003]对于动态数据的获取以及分析受到多种因素的影响，这些因素需要有效的模型进行收敛计算，这就亟需本领域技术人员解决相应的技术问题。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于多空间尺度进行动态住房人口登记监测方法。
[0005]为了实现本专利技术的上述目的，本专利技术提供了一种基于多空间尺度进行动态住房人口登记监测方法，包括：
[0006]S1，根据人员流动数据对多空间尺度进行聚类，在特定时间区间内形成住房人口的概率分布；
[0007]S2，针对计算后概率分布，通过场景构建模型进行人口登记筛选过程，并标注相应的地理位置信息；
[0008]S3，针对标注的地理位置信息以及动态人口数据，对热点位置进行阈值判断，并反馈至云端网络。
[0009]上述技术方案优选的，所述S1包括：
[0010]S1
‑
1，由于在人员流动过程中，形成了动态人口登记数据，对于住房中居住的人口通过登记场景统计动态人口数据，并对相应地理位置的社区住房中的人口流动频率进行计算，
[0011]S1
‑
2，获取该社区的住房信息，与人口ID进行匹配，并将ID在任一场景的出现频率，根据特征聚类进行人口登记数据的收集过程，通过抓取某一社区出现的人口ID数量集X＝{x1,x2,...,x
i
}，根据ID列表对应的获取时间集T＝{t1,t2,...,t
i
}，以及根据时间集对应的住房信息集Y＝{y1,y2,...,y
i
}，
[0012]其中，i为人口登记ID数值。
[0013]上述技术方案优选的，所述S1还包括：
[0014]S1
‑
3，记录某一时间区间中ID出现聚类的节点数，对于同一ID身份，获取该ID活动
期间出现的地理位置节点数的中位数，从而判断该ID是否属于住房人口中的长期居住人口；根据x
i
对应的ID统计该住房信息y
i
中人口在相应地理位置停留的获取时间t
i
的中位数和出现频率；形成初步预测训练集；
[0015]S1
‑
4，该出现频率值是通过概率分布计算得出
[0016]通过概率分布计算
[0017]对于住房信息y
i
和具体获取时间t
i
抽取的多项式分布进行ID统计的实际数值ID
s
，设定ID的类别标签c，通过调节因子μ进行ID元素调节，调节因子的计算值为C|为形成的ID数值中匹配的类别标签c的总和，为对应ID统计的实际数值ID
s
中包含不同住房信息的ID数量总和；z
j
为不同住房信息的ID数量，d
i
为相同ID信息关联的不同住房信息的次数；通过该调节因子进行动态调节。
[0018]上述技术方案优选的，所述S2包括：
[0019]S2
‑
1，根据概率分布后的ID信息，获取住房信息相对应的人员流动预测模型，对应的同一社区住房人口统计信息模型，以及人口活动时间预测模型；
[0020]S2
‑
2，人员流动预测模型为
[0021]其中U(t)为t时刻人员流动预测值，为ID人口流动动态变化分量，A为流动人口权重，
[0022]accu(x
u
)为同一住房ID统计的实时累加计数，Max(accu(x
u
),1<u<N)为同一住房ID统计的最大计数，下标u为人口累加计数，N为正整数。
[0023]上述技术方案优选的，所述S2包括：
[0024]S2
‑
3，同一社区住房人口统计信息预测模型为
[0025]其中，V(t)为t时刻的人口统计预测值，B为住房人口权重，
[0026]其中accu(x
v
)为同一社区ID统计的实时累加计数，Max(accu(x
v
),1<v<M)为同一社区ID统计的最大计数，下标v为人口累加计数，M为正整数。
[0027]上述技术方案优选的，所述S2包括：
[0028]S2
‑
4，人口活动时间预测模型为
[0029]W(t)＝w1·
(t+w2)
·
C
‑
w3，其中，W(t)为t时刻人口活动时间预测值，C为活动时间
权重，w1为住房人口ID信息开始活动时刻，w2为住房人口ID信息结束活动时刻，w3为住房人口ID信息数量最多时刻；
[0030]其中t0为人口统计开始时间，t1为当前统计时间。
[0031]上述技术方案优选的，所述S3包括：
[0032]S3
‑
1，通过计算综合熵值对动态住房人口进行阈值判断
[0033]计算综合熵值η为动态住房人口调节系数，
[0034]S3
‑
2，对动态住房人口预测结果设置阈值。具体的，当综合人口预测结果大于阈值0.5时，其动态人口登记流动性最大；当综合人口预测结果小于或等于阈值0.5时，发生动态人口登记流动性最小。
[0035]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0036]该方法从城市规划的住房人口与登记住房信息的空间维度出发，分别对全部房屋人口入住总体情况、房地产开发使用过程中的人员流动情况、所在区域的登记情况、家庭共同持有住宅入住人口情况等方面进行宏观监测，从而能够获取动态住房人口登记情况，为后续数据分析做准备。
[0037]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0038]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0039]图1是本专利技术总体示意图；
[0040]图2是本专利技术具体实施示意图。
具体实施方式
[0041本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多空间尺度进行动态住房人口登记监测方法，其特征在于，包括：S1，根据人员流动数据对多空间尺度进行聚类，在特定时间区间内形成住房人口的概率分布；S2，针对计算后概率分布，通过场景构建模型进行人口登记筛选过程，并标注相应的地理位置信息；S3，针对标注的地理位置信息以及动态人口数据，对热点位置进行阈值判断，并反馈至云端网络。2.根据权利要求1所述的基于多空间尺度进行动态住房人口登记监测方法，其特征在于，所述S1包括：S1
‑
1，由于在人员流动过程中，形成了动态人口登记数据，对于住房中居住的人口通过登记场景统计动态人口数据，并对相应地理位置的社区住房中的人口流动频率进行计算，S1
‑
2，获取该社区的住房信息，与人口ID进行匹配，并将ID在任一场景的出现频率，根据特征聚类进行人口登记数据的收集过程，通过抓取某一社区出现的人口ID数量集X＝{x1,x2,...,x
i
}，根据ID列表对应的获取时间集T＝{t1,t2,...,t
i
}，以及根据时间集对应的住房信息集Y＝{y1,y2,...,y
i
}，其中，i为人口登记ID数值。3.根据权利要求1所述的基于多空间尺度进行动态住房人口登记监测方法，其特征在于，所述S1还包括：S1
‑
3，记录某一时间区间中ID出现聚类的节点数，对于同一ID身份，获取该ID活动期间出现的地理位置节点数的中位数，从而判断该ID是否属于住房人口中的长期居住人口；根据x
i
对应的ID统计该住房信息y
i
中人口在相应地理位置停留的获取时间t
i
的中位数和出现频率；形成初步预测训练集；S1
‑
4，该出现频率值是通过概率分布计算得出通过概率分布计算对于住房信息y
i
和具体获取时间t
i
抽取的多项式分布进行ID统计的实际数值ID
s
，设定ID的类别标签c，通过调节因子μ进行ID元素调节，调节因子的计算值为|C|为形成的ID数值中匹配的类别标签c的总和，为对应ID统计的实际数值ID
s
中包含不同住房信息的ID数量总和；z
j
为不同住房信息的ID数量，d
i

【专利技术属性】
技术研发人员：王雪，张治清，赵根，陈柯吟，朱丹，陈坤，蒋正坤，闫亮，罗波，杨晗，段美超，
申请(专利权)人：重庆市规划和自然资源信息中心，
类型：发明
国别省市：