基于智能体图谱的流动人口常住化判定方法、系统和介质与流程

本技术涉及流动人口数据分析与政务大数据图谱挖掘，具体而言，涉及基于智能体图谱的流动人口常住化判定方法、系统和介质。

背景技术：

1、当前流动人口常住状态识别多依托单一轨迹时长阈值判定，数据维度单薄、缺少社会关联关系建模，判定结果易受临时出行、短期旅居干扰。专利cn112001829b《一种基于手机信令数据的人口分布判断方法》，仅依靠基站停留时长统计识别常住人口，仅使用单一信令时空数据，未纳入就业、社交、公共服务绑定等社会关联信息，不存在人物与场所关联图谱建模逻辑，仅依靠固定时长阈值区分人群类型，无法适配不同区域流动差异。专利cn115840856a《一种基于时空大数据的辖区人口识别方法及设备》，仅归集房屋与人员基础登记数据，未挖掘行为时序演化规律，无动态权重图谱构建、自适应权重训练机制，对人员长期属地行为稳定程度无法量化，临时到访数据易造成判定失真，存在维度单一、场景适配差、抗干扰能力弱的技术缺陷。

2、亟需一种融合多源行为与社会关联数据、依托智能体图谱量化关联关系、支持自适应差异化判定的流动人口常住化判定方案，解决现有技术维度单一、建模静态、阈值固化、判定失真的问题，适配多场景下精细化人口高精度识别需求。

技术实现思路

1、本技术的目的在于提供基于智能体图谱的流动人口常住化判定方法、系统和介质。该方法采集流动人口多源时空行为与社会关联数据完成标准化预处理，以流动人口、属地场所、社会服务机构为实体节点构建携带动态权重关联边的智能体图谱，基于图谱拓扑与时序数据挖掘时空驻留、行为惯性、社会固化三类核心判定特征，利用分区域分人群标注样本训练自适应权重判定模型与差异化阈值体系，将提取的核心特征加权运算得到常住化综合评分后匹配对应阈值输出判定结果，同时配套增量图谱更新、异常行为降噪校正优化路径，完整实现多维度、自适应、抗干扰的流动人口常住化自动化判定。

2、本技术提供了基于智能体图谱的流动人口常住化判定方法，包括以下步骤：

3、采集目标流动人口预设统计周期内的多源时空行为数据与社会关联数据，根据预设数据预处理规则对数据进行清洗、去重、时空对齐处理，得到标准化流动人口行为数据集；

4、采集流动人口、属地场所、社会服务机构的实体节点信息，根据标准化流动人口行为数据集挖掘节点间关联关系，依据行为频次、时长及稳定性参数对边权重进行赋值，得到携带动态权重关联边的流动人口智能体图谱；

5、采集智能体图谱的子图结构、边权重时序数据与节点关联数据，根据子图聚类、权重演化分析及关联度计算方式，得到时空驻留、行为惯性、社会固化三类常住化核心判定特征；

6、采集历史流动人口常住化标注样本数据，根据区域环境差异、人群属性差异对应的行为特征规律训练模型，得到可自适应调整特征权重的判定权重模型及差异化阈值体系；

7、根据所述时空驻留、行为惯性、社会固化三类常住化核心判定特征，通过所述可自适应调整特征权重的判定权重模型进行加权运算，得到流动人口常住化综合评分；

8、根据所述流动人口常住化综合评分，通过所述差异化阈值体系进行比对甄别，得到目标流动人口的常住化判定结果与对应置信度等级。

9、其中，在本技术所述的基于智能体图谱的流动人口常住化判定方法中，所述采集目标流动人口预设统计周期内的多源时空行为数据与社会关联数据，根据预设数据预处理规则对数据进行清洗、去重、时空对齐处理，得到标准化流动人口行为数据集，具体为：

10、采集目标流动人口预设统计周期内的属地驻留、出行轨迹、属地消费的时空行为原始数据；

11、采集目标流动人口属地就业绑定、公共服务登记、属地社交绑定的社会关联原始数据；

12、根据预设数据合规校验、重复数据剔除规则处理所述时空行为原始数据和社会关联原始数据，得到清洗后有效数据；

13、根据统一时空坐标基准对所述清洗后有效数据进行时序对齐处理，得到维度规整的标准化流动人口行为数据集。

14、其中，在本技术所述的基于智能体图谱的流动人口常住化判定方法中，所述采集流动人口、属地场所、社会服务机构的实体节点信息，根据标准化流动人口行为数据集挖掘节点间关联关系，依据行为频次、时长及稳定性参数对边权重进行赋值，得到携带动态权重关联边的流动人口智能体图谱，具体为：

15、采集流动人口个体、属地活动场所、属地社会服务机构对应的实体节点基础属性数据；

16、根据所述标准化流动人口行为数据集，挖掘各实体节点之间的关联映射关系；

17、根据行为发生频次、累计驻留时长、时序波动稳定性参数，量化计算节点关联边权重；

18、根据动态赋值的关联边权重绑定各实体节点，得到结构完整的流动人口智能体图谱。

19、其中，在本技术所述的基于智能体图谱的流动人口常住化判定方法中，所述采集智能体图谱的子图结构、边权重时序数据与节点关联数据，根据子图聚类、权重演化分析及关联度计算方式，得到时空驻留、行为惯性、社会固化三类常住化核心判定特征，具体为：

20、采集所述流动人口智能体图谱的子图拓扑结构及节点关联密度数据；

21、采集所述流动人口智能体图谱的关联边的时序权重演变数据，记录周期内权重波动变化状态；

22、根据子图聚类、时序演化分析、节点关联度计算方式，分别量化图谱多维特征；

23、根据特征量化结果归类整合，得到时空驻留、行为惯性、社会固化三类核心判定特征。

24、其中，在本技术所述的基于智能体图谱的流动人口常住化判定方法中，所述采集历史流动人口常住化标注样本数据，根据区域环境差异、人群属性差异对应的行为特征规律训练模型，得到可自适应调整特征权重的判定权重模型及差异化阈值体系，具体为：

25、采集不同属地区域、不同功能场景下的流动人口历史常住化人工标注样本数据；

26、采集不同年龄结构、就业属性的流动人口样本行为特征分布数据；

27、根据区域环境、人群属性对应的行为特征差异规律迭代训练初始模型参数；

28、根据训练收敛的模型参数，得到自适应权重调整模型及匹配场景的差异化阈值体系。

29、其中，在本技术所述的基于智能体图谱的流动人口常住化判定方法中，所述根据所述时空驻留、行为惯性、社会固化三类常住化核心判定特征，通过所述可自适应调整特征权重的判定权重模型进行加权运算，得到流动人口常住化综合评分，具体为：

30、采集所述时空驻留、行为惯性、社会固化三类核心判定特征量化值；

31、采集所述训练完成的自适应判定权重模型的实时权重配置参数；

32、根据所述自适应判定权重模型的实时权重配置参数对所述三类核心特征进行多维加权融合计算，得到初始评分数据；

33、根据预设归一化修正规则处理所述初始评分数据，得到标准化流动人口常住化综合评分。

34、第二方面，本技术提供了基于智能体图谱的流动人口常住化判定系统，包括存储器和处理器，所述存储器中包括基于智能体图谱的流动人口常住化判定方法程序，所述基于智能体图谱的流动人口常住化判定方法程序被所述处理器执行时实现如下步骤：

35、采集目标流动人口预设统计周期内的多源时空行为数据与社会关联数据，根据预设数据预处理规则对数据进行清洗、去重、时空对齐处理，得到标准化流动人口行为数据集；

36、采集流动人口、属地场所、社会服务机构的实体节点信息，根据标准化流动人口行为数据集挖掘节点间关联关系，依据行为频次、时长及稳定性参数对边权重进行赋值，得到携带动态权重关联边的流动人口智能体图谱；

37、采集智能体图谱的子图结构、边权重时序数据与节点关联数据，根据子图聚类、权重演化分析及关联度计算方式，得到时空驻留、行为惯性、社会固化三类常住化核心判定特征；

38、采集历史流动人口常住化标注样本数据，根据区域环境差异、人群属性差异对应的行为特征规律训练模型，得到可自适应调整特征权重的判定权重模型及差异化阈值体系；

39、根据所述时空驻留、行为惯性、社会固化三类常住化核心判定特征，通过所述可自适应调整特征权重的判定权重模型进行加权运算，得到流动人口常住化综合评分；

40、根据所述流动人口常住化综合评分，通过所述差异化阈值体系进行比对甄别，得到目标流动人口的常住化判定结果与对应置信度等级。

41、其中，在本技术所述的基于智能体图谱的流动人口常住化判定系统中，所述采集目标流动人口预设统计周期内的多源时空行为数据与社会关联数据，根据预设数据预处理规则对数据进行清洗、去重、时空对齐处理，得到标准化流动人口行为数据集，具体为：

42、采集目标流动人口预设统计周期内的属地驻留、出行轨迹、属地消费的时空行为原始数据；

43、采集目标流动人口属地就业绑定、公共服务登记、属地社交绑定的社会关联原始数据；

44、根据预设数据合规校验、重复数据剔除规则处理所述时空行为原始数据和社会关联原始数据，得到清洗后有效数据；

45、根据统一时空坐标基准对所述清洗后有效数据进行时序对齐处理，得到维度规整的标准化流动人口行为数据集。

46、其中，在本技术所述的基于智能体图谱的流动人口常住化判定系统中，所述采集流动人口、属地场所、社会服务机构的实体节点信息，根据标准化流动人口行为数据集挖掘节点间关联关系，依据行为频次、时长及稳定性参数对边权重进行赋值，得到携带动态权重关联边的流动人口智能体图谱，具体为：

47、采集流动人口个体、属地活动场所、属地社会服务机构对应的实体节点基础属性数据；

48、根据所述标准化流动人口行为数据集，挖掘各实体节点之间的关联映射关系；

49、根据行为发生频次、累计驻留时长、时序波动稳定性参数，量化计算节点关联边权重；

50、根据动态赋值的关联边权重绑定各实体节点，得到结构完整的流动人口智能体图谱。

51、第三方面，本技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于智能体图谱的流动人口常住化判定方法程序，所述基于智能体图谱的流动人口常住化判定方法程序被处理器执行时，实现如上述任一项所述的基于智能体图谱的流动人口常住化判定方法的步骤。

52、由上可知，本技术实施例提供的基于智能体图谱的流动人口常住化判定方法、系统和介质，该方法通过采集流动人口多源时空行为数据与社会关联数据并完成标准化预处理，以流动人口、属地场所、社会服务机构为实体节点构建携带动态权重关联边的智能体图谱，通过图谱子图聚类、权重时序演化及节点关联度计算提取时空驻留、行为惯性、社会固化三类常住化核心判定特征，基于分区域、分人群历史标注样本训练自适应权重判定模型与差异化阈值体系，将量化后的核心特征加权运算得到常住化综合评分，结合对应阈值输出判定结果与置信度，同时增设图谱增量更新、异常行为降噪校正优化逻辑，弥补现有技术数据维度单薄、缺少关联建模、判定阈值固定、临时行为干扰严重的缺陷，实现多区域、多人群场景下流动人口常住化高精度自动化识别，为数字化人口精细化治理提供可靠技术支撑。

53、本技术的其他特征和优点将在后续说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例了解。本技术的目的和其他优点可通过以下说明书及附图中所特别指出的技术方案实现。