一种基于大数据的人员同住多维分析方法及系统技术方案

本公开属于大数据分析技术领域，具体提供了一种基于大数据的人员同住多维分析方法及系统，其中方法包括：获取目标对象的住址数据，计算出相同地址的目标对象得到总同住分值；从所述住址数据中提取旅馆数据，计算出旅店同住的目标对象得到旅店同住分值；将相同目标对象的总同住分值与旅店同住分值累加得到最终同住分值；将最终同住分值与同住阈值进行比较分析，得到目标对象的同住情况

【技术实现步骤摘要】
一种基于大数据的人员同住多维分析方法及系统


[0001]本公开涉及大数据分析
，特别涉及一种基于大数据的人员同住多维分析方法及系统
。

技术介绍

[0002]随着社会的不断发展，国家法律制度的不断完善，社会维稳工作依旧是工作的重心
。
然而，在一些特殊情况下，针对特定人员的调查，需要高效的锁定某人或多人的位置，但是由于一些外部因素的影响，只能锁定相关人员，这时候，分析人员同住关系则显得尤为重要，能为治安人员提供更多的线索，节省大量的人力物力，提高工作效率
。
[0003]大数据
(Big Data)
通常用来形容大量非结构化或者半结构化的数据，这些数据在关系型数据库用于分析时会花费过多时间和金钱
。
大数据分析相比于传统的数据仓库应用，具有数据量大
、
查询分析复杂等特点
。
通过应用大数据的一些特殊技术，如分布式文件系统
、
并行处理分析和云计算平台等，以实现高吞吐量
、
高并发
、
有效时间内处理海量数据的需求
。
因此，如何将大数据与治安结合以提高工作效率是目前亟待解决的技术难题
。

技术实现思路

[0004]本公开旨在至少解决现有技术中存在的技术问题之一，提出了一种基于大数据的人员同住多维分析方法及系统
。
[0005]第一方面，本公开提供了一种基于大数据的人员同住多维分析方法，包括：
[0006]获取目标对象的住址数据，计算出相同地址的目标对象得到总同住分值；
[0007]从所述住址数据中提取旅馆数据，计算出旅店同住的目标对象得到旅店同住分值；
[0008]将相同目标对象的总同住分值与旅店同住分值累加得到最终同住分值；
[0009]将最终同住分值与同住阈值进行比较分析，得到目标对象的同住情况
。
[0010]优选地，所述获取目标对象的住址数据，计算出相同地址的目标对象得到总同住分值，具体包括：
[0011]从公共安全数据库中提取目标对象的住址数据，将具有相同住址的多个目标对象先聚合再去重后，得到总同住分值
。
[0012]优选地，所述从所述住址数据中提取旅馆数据，计算出旅店同住的目标对象得到旅店同住分值，具体包括：
[0013]对同一旅馆，多目标对象登记为同一房间号，则根据旅店
、
房间号
、
入住时间去重，设分值为
a
；
[0014]对同一旅馆，多目标对象在十分钟之内登记，则根据旅店
、
房间号
、
入住时间去重，设定分值为
b
；
[0015]若多目标对象入住同一旅馆同一房间的次数为
N
，则多目标对象此时的旅店同住分值为
a*N
；
[0016]若多目标对象在同一旅馆不同房间登记入住，且登记入住时间在十分钟内，根据旅店
、
房间号
、
入住时间去重，累计次数为
N
，则此时多目标对象的旅店同住分值为
b*N。
[0017]优选地，所述同住阈值为
b*N。
[0018]优选地，所述
a
的值为
5。
[0019]优选地，所述
b
的值为
1。
[0020]优选地，所述根据旅店
、
房间号
、
入住时间去重，具体包括：
[0021]将旅店
、
房间号及入住时间均相同的多个目标对象合并形成一个共用分值
。
[0022]优选地，所述住址数据包括目标对象的包括旅馆在内的所有居住地址
。
[0023]第二方面，本公开还提供了一种基于大数据的人员同住多维分析系统，所述系统可用于实现基于大数据的人员同住多维分析方法，所述系统包括：
[0024]数据爬取模块，配置为获取目标对象的住址数据，计算出相同地址的目标对象得到总同住分值；
[0025]分值计算模块，配置为从所述住址数据中提取旅馆数据，计算出旅店同住的目标对象得到旅店同住分值；并将相同目标对象的总同住分值与旅店同住分值累加得到最终同住分值；
[0026]同住分析模块，配置为将最终同住分值与同住阈值进行比较分析，得到目标对象的同住情况
。
[0027]第三方面，本公开还提供了一种电子设备，包括：
[0028]一个或多个处理器；
[0029]存储器，用于存储一个或多个程序；
[0030]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至8中任一所述基于大数据的人员同住多维分析方法
。
附图说明
[0031]图1为本公开实施例提供的一种基于大数据的人员同住多维分析方法的流程图；
[0032]图2为本公开实施例提供的一种电子设备的结构框图
。
具体实施方式
[0033]为使本领域技术人员更好地理解本公开的技术方案，下面结合附图和具体实施方式对本公开作进一步详细描述
。
[0034]除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义
。
本公开中使用的“第一”、“第二”以及类似的词语并不为任何顺序
、
数量或者重要性，而只是用来区分不同的组成部分
。
同样，“一个”、“一”或者“该”等类似词语也不为数量限制，而是为存在至少一个
。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件
。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的
。“上”、“下”、“左”、“右”等仅用于为相对位置关系，当被描述目标的绝对位置改变后，则该相对位置关系也可能相应地改变
。
[0035]在各个附图中，相同的元件采用类似的附图标记来为
。
为了清楚起见，附图中的各个部分并没有都按比例绘制
。
此外，在图中可能未示出某些公知的部分
。
[0036]在下文中描述了本公开的许多特定的细节，例如部件的结构
、
材料
、
尺寸
、
处理工艺和技术，以便更清楚地理解本公开
。
但正如本领域的技术人员能够理解的那样，可以不按照这些特定的细节来实现本公开
。
[0037]如图1所示，本公开提供了一种基于大数据的人员同住多维分析方法，具体包括以下步骤：
[0038]S1
，获取目标对象的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的人员同住多维分析方法，其特征在于，包括：获取目标对象的住址数据，计算出相同地址的目标对象得到总同住分值；从所述住址数据中提取旅馆数据，计算出旅店同住的目标对象得到旅店同住分值；将相同目标对象的总同住分值与旅店同住分值累加得到最终同住分值；将最终同住分值与同住阈值进行比较分析，得到目标对象的同住情况
。2.
根据权利要求1所述的基于大数据的人员同住多维分析方法，其特征在于，所述获取目标对象的住址数据，计算出相同地址的目标对象得到总同住分值，具体包括：从公共安全数据库中提取目标对象的住址数据，将具有相同住址的多个目标对象先聚合再去重后，得到总同住分值
。3.
根据权利要求1所述的基于大数据的人员同住多维分析方法，其特征在于，所述从所述住址数据中提取旅馆数据，计算出旅店同住的目标对象得到旅店同住分值，具体包括：对同一旅馆，多目标对象登记为同一房间号，则根据旅店
、
房间号
、
入住时间去重，设分值为
a
；对同一旅馆，多目标对象在十分钟之内登记，则根据旅店
、
房间号
、
入住时间去重，设定分值为
b
；若多目标对象入住同一旅馆同一房间的次数为
N
，则多目标对象此时的旅店同住分值为
a*N
；若多目标对象在同一旅馆不同房间登记入住，且登记入住时间在十分钟内，根据旅店
、
房间号
、
入住时间去重，累计次数为
N
，则此时多目标对象的旅店同住分值为
b*N。4.
根据权利要求3所述的基于大数据的...

【专利技术属性】
技术研发人员：吕峰，杨光，
申请(专利权)人：武汉众智数字技术有限公司，
类型：发明
国别省市：