人口动态分布统计方法、装置、电子设备及可读存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种人口动态分布统计方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.人口动态分布是一项重要的研究课题，在城市规划、灾后分析等场景中有着重要意义。然而人口密度和发展变化具有很多不确定性，以往的人口动态分析通常按行政区域进行统计，空间分辨率较低，同时由于传统的城市人口分布研究数据获取速度慢、数据更新滞后，数据的数量和质量也难以得到保障，使得人口分布统计结果不准确。


技术实现要素：

3.本发明提供一种人口动态分布统计方法、装置、设备及存储介质，其主要目的在于解决人口分布统计结果不准确的问题。
4.为实现上述目的，本发明提供的一种人口动态分布统计方法，包括：
5.获取目标场所的空间视图，利用预设的空间句法模型计算所述空间视图中的句法形态指标，根据所述句法形态指标构建人口区域图；
6.获取所述目标场所内的人口位置数据，对所述人口位置数据进行数据清洗，得到标准位置数据；
7.根据所述标准位置数据构建所述目标场所内的人口轨迹图；
8.对比所述人口区域图及所述人口轨迹图中的重合区域，得到人口分布统计结果。
9.可选地，所述利用预设的空间句法模型计算所述空间视图中的句法形态指标，包括：
10.根据所述空间视图构造所述目标场所中各空间的空间结构；
11.基于所述空间结构得到所述目标场所中各空间的轮廓视图，其中，所述轮廓视图中每个轮廓被称为空间元素；
12.根据预设的集成指标计算公式计算所述轮廓视图中各空间元素的集成指标。
13.可选地，所述根据预设的集成指标计算公式计算所述轮廓视图中各空间元素的集成指标，包括：
14.将所述轮廓视图中各空间元素作为空间节点；
15.计算所有所述空间节点的平均深度值；
16.利用所述集成指标计算公式计算所述平均深度值的集聚程度，并将所述集聚程度作为所述集成指标。
17.可选地，所述计算所有所述空间节点的平均深度值，包括：
18.依次选取所有空间节点中的一个节点作为目标节点；
19.计算所述目标节点到未被选取到的空间节点的最少连接步数，并将所述最少连接步数作为所述目标节点的深度值；
20.汇总所述目标节点的深度值，得到总深度值，并基于预设的平均深度值计算公式和所述总深度值得到所述平均深度值。
21.可选地，所述对所述人口位置数据进行数据清洗，得到标准位置数据，包括：
22.对所述人口位置数据进行数据异常检测及数据缺失值检测，对检测数据异常或检测数据存在缺失值的位置数据进行剔除，得到初始剔除数据；
23.对所述初始剔除数据进行数据去重处理，得到所述标准位置数据。
24.可选地，所述根据所述标准位置数据构建所述目标场所内的人口轨迹图，包括：
25.根据所述标准位置数据，利用预设的行为算法计算所述目标场所内的人口停留点；
26.根据所述人口停留点的密度，利用所述标注颜色集合渲染所述目标场所内的区域，得到所述人口轨迹图。
27.可选地，所述根据所述标准位置数据，利用预设的行为算法计算所述目标场所内的人口停留点，包括：
28.对所述标准位置数据中的位置轨迹点按照时间进行排序，得到轨迹点序列；
29.依次选取所述轨迹点序列中的一个轨迹点为目标轨迹点，按照时间顺序遍历所述轨迹点序列中未被选取的轨迹点；
30.若遍历到的轨迹点到所述目标轨迹点的距离小于等于预设的距离阈值时，确定遍历到的轨迹点为所述目标轨迹点的相邻点，直至遍历到的轨迹点到所述目标轨迹点的距离大于预设的距离阈值时，确定最后遍历到的轨迹点为所述目标轨迹点的临界轨迹点；
31.判断所述临界轨迹点到所述目标轨迹点的时间间隔是否大于预设的时间阈值；
32.若所述临界轨迹点到所述目标轨迹点的时间间隔不大于预设的时间阈值，选取下一个轨迹点作为目标轨迹点，并返回所述按照时间顺序遍历所述轨迹点序列中未被选取的轨迹点的步骤；
33.若所述临界轨迹点到所述目标轨迹点的时间间隔大于预设的时间阈值，则对所述目标轨迹点、所述目标轨迹点的相邻点、所述所述目标轨迹点的临界轨迹点进行聚类，得到停留点；
34.汇总所述停留点，得到所述目标场所内的人口停留点。
35.为了解决上述问题，本发明还提供一种人口动态分布统计装置，所述装置包括：
36.人口区域图构建模块，用于获取目标场所的空间视图，利用预设的空间句法模型计算所述空间视图中的句法形态指标，根据所述句法形态指标构建人口区域图；
37.位置数据清洗模块，用于获取所述目标场所内的人口位置数据，对所述人口位置数据进行数据清洗，得到标准位置数据；
38.人口轨迹图构建模块，用于根据所述标准位置数据构建所述目标场所内的人口轨迹图；
39.人口分布统计模块，用于对比所述人口区域图及所述人口轨迹图中的重合区域，得到人口分布统计结果。
40.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
41.存储器，存储至少一个计算机程序；及
42.处理器，执行所述存储器中存储的计算机程序以实现上述所述的人口动态分布统
计方法。
43.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的人口动态分布统计方法。
44.本发明通过空间句法模型计算所述空间视图中的句法形态指标，根据句法形态指标构建人口区域图，可以得到理论上集聚人口强的区域，再根据标准位置数据构建目标场所内的人口轨迹图，可以得到实际上的人口集聚区域，通过对比人口区域图及人口轨迹图，可以得到更准确的人口分布统计结果。因此本发明提出的人口动态分布统计方法、装置、电子设备及计算机可读存储介质，可以解决人口分布统计结果不准确的问题。
附图说明
45.图1为本发明一实施例提供的人口动态分布统计方法的流程示意图；
46.图2为本发明一实施例提供的人口动态分布统计装置的功能模块图；
47.图3为本发明一实施例提供的实现所述人口动态分布统计方法的电子设备的结构示意图。
48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
49.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
50.本技术实施例提供一种人口动态分布统计方法。所述人口动态分布统计方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述人口动态分布统计方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
51.参照图1所示，为本发明一实施例提供的人口动态分布统计方法的流程示意图。在本实施例中，所述人口动态分布统计方法包括：
52.s1、获取目标场所的空间视图，利用预设的空间句法模型计算所述空间视图中的句法形态指标，根据所述句法形态指标构建人口区域图。
53.本发明实施例中，所述空间视图可以为平面图，所述目标场所可以为街道、建筑、城市等。例如，获取故宫的平面图。所述空间句法模型用于把空间与人口活动的关系通过一系列可测度的定量句法指标展示出来。
54.本发明一可选实施例中，所述句法形态指标可以为集成指标，集成指标体现了空间单元所具有的可达性、便捷性以及集聚吸引人口的能力，进而体现出一个单元空间相对其余单元空间的中心性。
55.具体地，所述利用预设的空间句法模型计算所述空间视图中的句法形态指标，包括：
56.根据所述空间视图构造所述目标场所中各空间的空间结构；
57.基于所述空间结构得到所述目标场所中各空间的轮廓视图，其中，所述轮廓视图中每个轮廓被称为空间元素；
58.根据预设的集成指标计算公式计算所述轮廓视图中各空间元素的集成指标。
59.本发明实施例中，例如，所述目标场所为a城市，则各空间为a城市中的建筑物、街道、河流等。
60.本发明实施例中，所述轮廓视图可以为建筑物的轴线平面图，对于某城市的平面图，用穿过所有街道最少最长的轴线来表示城市中的道路网络，从而将整个路网分割为一系列较小的空间，然后将这些街道表达为无向，无权重的图。例如，采用arcgis的插件axwomen6，按照空间句法绘制轴线图，将河流，桥梁，不同道路的等级关系及其他重要建筑物对空间分割作用，得到轴线平面图。
61.详细地，所述根据预设的集成指标计算公式计算所述轮廓视图中各空间元素的集成指标，包括：
62.将所述轮廓视图中各空间元素作为空间节点；
63.计算所有空间节点的平均深度值；
64.利用所述集成指标计算公式计算所述平均深度值的集聚程度，并将所述集聚程度作为所述集成指标。
65.本发明实施例中，深度值是计算集成度指标的一个重要的中间变量，是指某一个空间元素到达其他所有空间元素的最少连接步数(最短距离)，通常使用平均深度值mdi表示。
66.具体地，所述计算所有所述空间节点的平均深度值，包括：
67.依次选取所有空间节点中的一个节点作为目标节点；
68.计算所述目标节点到未被选取到的空间节点的最少连接步数，并将所述最少连接步数作为所述目标节点的深度值；
69.汇总所述目标节点的深度值，得到总深度值，并基于预设的平均深度值计算公式和所述总深度值得到所述平均深度值。
70.本发明一可选实施例中，所述预设的平均深度值计算公式如下所述：
[0071][0072]
其中，分子表示空间节点i的总深度值，d
ij
表示i到j(j≠i)的深度值，即i到j的最少连接步数，i到其他所有节点的最少连接步数的和就是i的总深度值，n是总的空间节点数，n-1表明最多有n-1个空间节点与i相连接。
[0073]
进一步地，所述利用所述集成指标计算公式计算所述平均深度值的集聚程度，包括：
[0074]
利用所述集成指标计算公式计算所述平均深度值的相对不对称值；
[0075]
对所述相对不对称值进行取倒数处理，得到所述集聚程度。
[0076]
本发明一可选实施例中，所述相对不对称值通过下述公式进行计算：
[0077][0078]
其中，rai为所述相对不对称值。
[0079]
通常，用rai的倒数来表示空间节点i的集成度ii，以便符合“值越大、集成度越大”的常规习惯，即有：
[0080][0081]
本发明实施例中，所述集成指标ii是城市空间研究中最常用和最有效的一个句法指标，其表征了一个空间元素与其他所有空间或距其几步(通常是3步)范围内的部分空间之间的集聚或离散程度。
[0082]
本发明实施例中，所述根据所述句法形态指标构建人口区域图，包括：
[0083]
根据所述集成指标的指标大小，按照预设的标注颜色集合对所述轮廓视图中的空间元素进行颜色填充；
[0084]
汇总颜色填充后的空间元素，得到所述人口区域图。
[0085]
本发明一可选实施例中，由于集成指标体现了空间单元所具有的可达性、便捷性以及集聚吸引人口的能力，通常集成指标大于1且值越大时，空间的集聚性就越强，反之则越弱，因此可以使用不同颜色进行标注，例如，集成指标最大的空间区域用红色填充，集成指标最小的空间区域用蓝色填充，可以清晰直观的看到目标场所内的对人口的集聚能力。
[0086]
s2、获取所述目标场所内的人口位置数据，对所述人口位置数据进行数据清洗，得到标准位置数据。
[0087]
本发明实施例中，所述人口位置数据可以从基于位置的服务(location based services，lbs)平台获取，lbs平台中的位置数据为用户匿名地理位置数据，该数据为事件触发数据，是用户使用移动互联网的定位请求时所激发的，来自于多种app，即用户在各种app进行登录、搜索、发送和接收信息、推送等事件所形成的即时位置数据。
[0088]
详细地，所述对所述人口位置数据进行数据清洗，得到标准位置数据，包括：
[0089]
对所述人口位置数据进行数据异常检测及数据缺失值检测，对检测数据异常或检测数据存在缺失值的位置数据进行剔除，得到初始剔除数据；
[0090]
对所述初始剔除数据进行数据去重处理，得到所述标准位置数据。
[0091]
本发明实施例中，可以通过missmap function缺失函数检测所述人口位置数据是否有缺失值，若没有缺失值，则不作处理，若有缺失值，则进行剔除，同时可以使用单边测试方法及双边测试方法对人口位置数据进行数据异常检测，若没有异常值，则不作处理，若有异常值，则进行剔除。
[0092]
本发明一可选实施例中，所述对所述初始剔除数据进行数据去重处理，得到所述标准位置数据，包括：
[0093]
利用预设的距离公式计算所述初始剔除数据中任意两个数据的距离值，若所述距离值小于预设的距离阈值，则删除其中任意一个数据，若所述距离值大于等于所述距离阈值时，则同时保留两个数据；
[0094]
所述预设的距离公式如下所述：
[0095][0096]
其中，d表示初始剔除数据中任意两个数据的距离值，w
1j
和w
2j
表示初始剔除数据中任意两个数据。
[0097]
本发明一可选实施例中，所述预设的距离阈值可以为0.1。
[0098]
s3、根据所述标准位置数据构建所述目标场所内的人口轨迹图。
[0099]
本发明实施例中，所述人口轨迹图可以为人口热力图，通过停留点密度渲染地图颜色，人口分布越密集用红色表示，人口分布越少用蓝色表示，通过热力图，快速准确获得人口在连续空间尺度上的分布特征。
[0100]
详细地，所述根据所述标准位置数据构建所述目标场所内的人口轨迹图，包括：
[0101]
根据所述标准位置数据，利用预设的行为算法计算所述目标场所内的人口停留点；
[0102]
根据所述人口停留点的密度，利用所述标注颜色集合渲染所述目标场所内的区域，得到所述人口轨迹图。
[0103]
本发明实施例中，所述预设的行为算法可以为st-dbscan算法，所述st-dbscan算法通过对目标场所内的位置数据进行识别，并根据行为轨迹的点特征生成新的停留点数据。
[0104]
具体地，所述根据所述标准位置数据，利用预设的行为算法计算所述目标场所内的人口停留点，包括：
[0105]
对所述标准位置数据中的位置轨迹点按照时间进行排序，得到轨迹点序列；
[0106]
依次选取所述轨迹点序列中的一个轨迹点为目标轨迹点，按照时间顺序遍历所述轨迹点序列中未被选取的轨迹点；
[0107]
若遍历到的轨迹点到所述目标轨迹点的距离小于等于预设的距离阈值时，确定遍历到的轨迹点为所述目标轨迹点的相邻点，直至遍历到的轨迹点到所述目标轨迹点的距离大于预设的距离阈值时，确定最后遍历到的轨迹点为所述目标轨迹点的临界轨迹点；
[0108]
判断所述临界轨迹点到所述目标轨迹点的时间间隔是否大于预设的时间阈值；
[0109]
若所述临界轨迹点到所述目标轨迹点的时间间隔不大于预设的时间阈值，选取下一个轨迹点作为目标轨迹点，并返回所述按照时间顺序遍历所述轨迹点序列中未被选取的轨迹点的步骤；
[0110]
若所述临界轨迹点到所述目标轨迹点的时间间隔大于预设的时间阈值，对所述目标轨迹点、所述目标轨迹点的相邻点、所述所述目标轨迹点的临界轨迹点进行聚类，得到停留点；
[0111]
汇总所有的停留点，得到所述目标场所内的人口停留点。
[0112]
本发明一可选实施例中，可以设置距离阈值为s米,时间阈值为t2分钟；对所有轨迹点按照时间序列排序，对与其中一个轨迹点on，判断其下一个轨迹点on 1与轨迹点on的距离是否小于s米，如小于s米，则作为on的相邻点，持续以上操作，继续判断，至轨迹点on m，若其与轨迹点on的距离大于阈值s米，即搜索停止，计算轨迹点on m和轨迹点on的时间间隔，如时间间隔大于t2分钟，则记录on到on m的所有轨迹点；对得到的所有轨迹点on到on m
聚类，生成停留点，其中，停留点的经纬度为所有轨迹点on到on m经纬度的均值，轨迹点on被定位的时间tn为行为点的开始时间，轨迹点on m被定位时的时间tn m作为行为点的结束时间。例如，根据st-dbscan算法，将用户在100米范围内停留15分钟视为区域内的停留点，制作停留点的热力图通过停留点密度渲染地图颜色，人口分布越密集用红色表示，人口分布越少用蓝色表示，通过热力图，快速准确获得人口在连续空间尺度上的分布特征。
[0113]
s4、对比所述人口区域图及所述人口轨迹图中的重合区域，得到人口分布统计结果。
[0114]
本发明实施例中，通过空间句法模型得到的人口区域图，根据句法形态指标可以得到目标场所中集聚人口能力强的区域(r1)，利用大数据技术分析人口在空间中的分布情况并得到实际的人口集聚区域(r2)，r1是理论上的人口分布集聚区域，r2则是实际的人口分布集聚区域，对其进行对比分析，将发现两者是否存在重合、哪些区域存在重合等问题，提高人口动态统计结果的准确率。
[0115]
本发明实施例中，可以通过人口区域图及人口轨迹图中填充的颜色确定重复区域，例如，人口区域图及人口轨迹图中同一区域都填充蓝色的区域为重复区域。
[0116]
例如，对比空间语句法模型得到的人口区域图和lbs大数据人口轨迹图，可以将城市分为三类：1、空间可达性好且人口高度集聚；2、空间可达性好但人口聚集程度一般；3、空间可达性一般且人口聚集程度一般，分析城市区域全局聚集能力，为实现城市人口中心的优化发展提出建议。
[0117]
本发明另一可选实施例中，通过所述人口分布统计结果可以计算人口密度指数：
[0118][0119]
其中，pop表示区域内人口总数，s表示区域总面积。
[0120]
本发明实施例中，例如在保险领域，通过计算不同区域的人口密度指数(pd)，单位为人/平方千米，可以细化人口指数，将细化人口应用于巨灾指数(承灾体物理暴露性：人口密度指数)的计算，完善后期灾害风险评价，同时结合保险数据，进一步为核保提供数据支撑。
[0121]
本发明通过空间句法模型计算所述空间视图中的句法形态指标，根据句法形态指标构建人口区域图，可以得到理论上集聚人口强的区域，再根据标准位置数据构建目标场所内的人口轨迹图，可以得到实际上的人口集聚区域，通过对比人口区域图及人口轨迹图，可以得到更准确的人口分布统计结果。因此本发明提出的人口动态分布统计方法，可以解决人口分布统计结果不准确的问题。
[0122]
如图2所示，是本发明一实施例提供的人口动态分布统计装置的功能模块图。
[0123]
本发明所述人口动态分布统计装置100可以安装于电子设备中。根据实现的功能，所述人口动态分布统计装置100可以包括人口区域图构建模块101、位置数据清洗模块102、人口轨迹图构建模块103及人口分布统计模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0124]
在本实施例中，关于各模块/单元的功能如下：
[0125]
所述人口区域图构建模块101，用于获取目标场所的空间视图，利用预设的空间句
法模型计算所述空间视图中的句法形态指标，根据所述句法形态指标构建人口区域图；
[0126]
所述位置数据清洗模块102，用于获取所述目标场所内的人口位置数据，对所述人口位置数据进行数据清洗，得到标准位置数据；
[0127]
所述人口轨迹图构建模块103，用于根据所述标准位置数据构建所述目标场所内的人口轨迹图；
[0128]
所述人口分布统计模块104，用于对比所述人口区域图及所述人口轨迹图中的重合区域，得到人口分布统计结果。
[0129]
详细地，所述人口动态分布统计装置100各模块的具体实施方式如下：
[0130]
步骤一、获取目标场所的空间视图，利用预设的空间句法模型计算所述空间视图中的句法形态指标，根据所述句法形态指标构建人口区域图。
[0131]
本发明实施例中，所述空间视图可以为平面图，所述目标场所可以为街道、建筑、城市等。例如，获取故宫的平面图。所述空间句法模型用于把空间与人口活动的关系通过一系列可测度的定量句法指标展示出来。
[0132]
本发明一可选实施例中，所述句法形态指标可以为集成指标，集成指标体现了空间单元所具有的可达性、便捷性以及集聚吸引人口的能力，进而体现出一个单元空间相对其余单元空间的中心性。
[0133]
具体地，所述利用预设的空间句法模型计算所述空间视图中的句法形态指标，包括：
[0134]
根据所述空间视图构造所述目标场所中各空间的空间结构；
[0135]
基于所述空间结构得到所述目标场所中各空间的轮廓视图，其中，所述轮廓视图中每个轮廓被称为空间元素；
[0136]
根据预设的集成指标计算公式计算所述轮廓视图中各空间元素的集成指标。
[0137]
本发明实施例中，例如，所述目标场所为a城市，则各空间为a城市中的建筑物、街道、河流等。
[0138]
本发明实施例中，所述轮廓视图可以为建筑物的轴线平面图，对于某城市的平面图，用穿过所有街道最少最长的轴线来表示城市中的道路网络，从而将整个路网分割为一系列较小的空间，然后将这些街道表达为无向，无权重的图。例如，采用arcgis的插件axwomen6，按照空间句法绘制轴线图，将河流，桥梁，不同道路的等级关系及其他重要建筑物对空间分割作用，得到轴线平面图。
[0139]
详细地，所述根据预设的集成指标计算公式计算所述轮廓视图中各空间元素的集成指标，包括：
[0140]
将所述轮廓视图中各空间元素作为空间节点；
[0141]
计算所有空间节点的平均深度值；
[0142]
利用所述集成指标计算公式计算所述平均深度值的集聚程度，并将所述集聚程度作为所述集成指标。
[0143]
本发明实施例中，深度值是计算集成度指标的一个重要的中间变量，是指某一个空间元素到达其他所有空间元素的最少连接步数(最短距离)，通常使用平均深度值mdi表示。
[0144]
具体地，所述计算所有所述空间节点的平均深度值，包括：
[0145]
依次选取所有空间节点中的一个节点作为目标节点；
[0146]
计算所述目标节点到未被选取到的空间节点的最少连接步数，并将所述最少连接步数作为所述目标节点的深度值；
[0147]
汇总所述目标节点的深度值，得到总深度值，并基于预设的平均深度值计算公式和所述总深度值得到所述平均深度值。
[0148]
本发明一可选实施例中，所述预设的平均深度值计算公式如下所述：
[0149][0150]
其中，分子表示空间节点i的总深度值，d
ij
表示i到j(j≠i)的深度值，即i到j的最少连接步数，i到其他所有节点的最少连接步数的和就是i的总深度值，n是总的空间节点数，n-1表明最多有n-1个空间节点与i相连接。
[0151]
进一步地，所述利用所述集成指标计算公式计算所述平均深度值的集聚程度，包括：
[0152]
利用所述集成指标计算公式计算所述平均深度值的相对不对称值；
[0153]
对所述相对不对称值进行取倒数处理，得到所述集聚程度。
[0154]
本发明一可选实施例中，所述相对不对称值通过下述公式进行计算：
[0155][0156]
其中，rai为所述相对不对称值。
[0157]
通常，用rai的倒数来表示空间节点i的集成度ii，以便符合“值越大、集成度越大”的常规习惯，即有：
[0158][0159]
本发明实施例中，所述集成指标ii是城市空间研究中最常用和最有效的一个句法指标，其表征了一个空间元素与其他所有空间或距其几步(通常是3步)范围内的部分空间之间的集聚或离散程度。
[0160]
本发明实施例中，所述根据所述句法形态指标构建人口区域图，包括：
[0161]
根据所述集成指标的指标大小，按照预设的标注颜色集合对所述轮廓视图中的空间元素进行颜色填充；
[0162]
汇总颜色填充后的空间元素，得到所述人口区域图。
[0163]
本发明一可选实施例中，由于集成指标体现了空间单元所具有的可达性、便捷性以及集聚吸引人口的能力，通常集成指标大于1且值越大时，空间的集聚性就越强，反之则越弱，因此可以使用不同颜色进行标注，例如，集成指标最大的空间区域用红色填充，集成指标最小的空间区域用蓝色填充，可以清晰直观的看到目标场所内的对人口的集聚能力。
[0164]
步骤二、获取所述目标场所内的人口位置数据，对所述人口位置数据进行数据清洗，得到标准位置数据。
[0165]
本发明实施例中，所述人口位置数据可以从基于位置的服务(location based services，lbs)平台获取，lbs平台中的位置数据为用户匿名地理位置数据，该数据为事件
触发数据，是用户使用移动互联网的定位请求时所激发的，来自于多种app，即用户在各种app进行登录、搜索、发送和接收信息、推送等事件所形成的即时位置数据。
[0166]
详细地，所述对所述人口位置数据进行数据清洗，得到标准位置数据，包括：
[0167]
对所述人口位置数据进行数据异常检测及数据缺失值检测，对检测数据异常或检测数据存在缺失值的位置数据进行剔除，得到初始剔除数据；
[0168]
对所述初始剔除数据进行数据去重处理，得到所述标准位置数据。
[0169]
本发明实施例中，可以通过missmap function缺失函数检测所述人口位置数据是否有缺失值，若没有缺失值，则不作处理，若有缺失值，则进行剔除，同时可以使用单边测试方法及双边测试方法对人口位置数据进行数据异常检测，若没有异常值，则不作处理，若有异常值，则进行剔除。
[0170]
本发明一可选实施例中，所述对所述初始剔除数据进行数据去重处理，得到所述标准位置数据，包括：
[0171]
利用预设的距离公式计算所述初始剔除数据中任意两个数据的距离值，若所述距离值小于预设的距离阈值，则删除其中任意一个数据，若所述距离值大于等于所述距离阈值时，则同时保留两个数据；
[0172]
所述预设的距离公式如下所述：
[0173][0174]
其中，d表示初始剔除数据中任意两个数据的距离值，w
1j
和w
2j
表示初始剔除数据中任意两个数据。
[0175]
本发明一可选实施例中，所述预设的距离阈值可以为0.1。
[0176]
步骤三、根据所述标准位置数据构建所述目标场所内的人口轨迹图。
[0177]
本发明实施例中，所述人口轨迹图可以为人口热力图，通过停留点密度渲染地图颜色，人口分布越密集用红色表示，人口分布越少用蓝色表示，通过热力图，快速准确获得人口在连续空间尺度上的分布特征。
[0178]
详细地，所述根据所述标准位置数据构建所述目标场所内的人口轨迹图，包括：
[0179]
根据所述标准位置数据，利用预设的行为算法计算所述目标场所内的人口停留点；
[0180]
根据所述人口停留点的密度，利用所述标注颜色集合渲染所述目标场所内的区域，得到所述人口轨迹图。
[0181]
本发明实施例中，所述预设的行为算法可以为st-dbscan算法，所述st-dbscan算法通过对目标场所内的位置数据进行识别，并根据行为轨迹的点特征生成新的停留点数据。
[0182]
具体地，所述根据所述标准位置数据，利用预设的行为算法计算所述目标场所内的人口停留点，包括：
[0183]
对所述标准位置数据中的位置轨迹点按照时间进行排序，得到轨迹点序列；
[0184]
依次选取所述轨迹点序列中的一个轨迹点为目标轨迹点，按照时间顺序遍历所述轨迹点序列中未被选取的轨迹点；
[0185]
若遍历到的轨迹点到所述目标轨迹点的距离小于等于预设的距离阈值时，确定遍历到的轨迹点为所述目标轨迹点的相邻点，直至遍历到的轨迹点到所述目标轨迹点的距离大于预设的距离阈值时，确定最后遍历到的轨迹点为所述目标轨迹点的临界轨迹点；
[0186]
判断所述临界轨迹点到所述目标轨迹点的时间间隔是否大于预设的时间阈值；
[0187]
若所述临界轨迹点到所述目标轨迹点的时间间隔不大于预设的时间阈值，选取下一个轨迹点作为目标轨迹点，并返回所述按照时间顺序遍历所述轨迹点序列中未被选取的轨迹点的步骤；
[0188]
若所述临界轨迹点到所述目标轨迹点的时间间隔大于预设的时间阈值，对所述目标轨迹点、所述目标轨迹点的相邻点、所述所述目标轨迹点的临界轨迹点进行聚类，得到停留点；
[0189]
汇总所有的停留点，得到所述目标场所内的人口停留点。
[0190]
本发明一可选实施例中，可以设置距离阈值为s米,时间阈值为t2分钟；对所有轨迹点按照时间序列排序，对与其中一个轨迹点on，判断其下一个轨迹点on 1与轨迹点on的距离是否小于s米，如小于s米，则作为on的相邻点，持续以上操作，继续判断，至轨迹点on m，若其与轨迹点on的距离大于阈值s米，即搜索停止，计算轨迹点on m和轨迹点on的时间间隔，如时间间隔大于t2分钟，则记录on到on m的所有轨迹点；对得到的所有轨迹点on到on m聚类，生成停留点，其中，停留点的经纬度为所有轨迹点on到on m经纬度的均值，轨迹点on被定位的时间tn为行为点的开始时间，轨迹点on m被定位时的时间tn m作为行为点的结束时间。例如，根据st-dbscan算法，将用户在100米范围内停留15分钟视为区域内的停留点，制作停留点的热力图通过停留点密度渲染地图颜色，人口分布越密集用红色表示，人口分布越少用蓝色表示，通过热力图，快速准确获得人口在连续空间尺度上的分布特征。
[0191]
步骤四、对比所述人口区域图及所述人口轨迹图中的重合区域，得到人口分布统计结果。
[0192]
本发明实施例中，通过空间句法模型得到的人口区域图，根据句法形态指标可以得到目标场所中集聚人口能力强的区域(r1)，利用大数据技术分析人口在空间中的分布情况并得到实际的人口集聚区域(r2)，r1是理论上的人口分布集聚区域，r2则是实际的人口分布集聚区域，对其进行对比分析，将发现两者是否存在重合、哪些区域存在重合等问题，提高人口动态统计结果的准确率。
[0193]
本发明实施例中，可以通过人口区域图及人口轨迹图中填充的颜色确定重复区域，例如，人口区域图及人口轨迹图中同一区域都填充蓝色的区域为重复区域。
[0194]
例如，对比空间语句法模型得到的人口区域图和lbs大数据人口轨迹图，可以将城市分为三类：1、空间可达性好且人口高度集聚；2、空间可达性好但人口聚集程度一般；3、空间可达性一般且人口聚集程度一般，分析城市区域全局聚集能力，为实现城市人口中心的优化发展提出建议。
[0195]
本发明另一可选实施例中，通过所述人口分布统计结果可以计算人口密度指数：
[0196][0197]
其中，pop表示区域内人口总数，s表示区域总面积。
[0198]
本发明实施例中，例如在保险领域，通过计算不同区域的人口密度指数(pd)，单位
为人/平方千米，可以细化人口指数，将细化人口应用于巨灾指数(承灾体物理暴露性：人口密度指数)的计算，完善后期灾害风险评价，同时结合保险数据，进一步为核保提供数据支撑。
[0199]
本发明通过空间句法模型计算所述空间视图中的句法形态指标，根据句法形态指标构建人口区域图，可以得到理论上集聚人口强的区域，再根据标准位置数据构建目标场所内的人口轨迹图，可以得到实际上的人口集聚区域，通过对比人口区域图及人口轨迹图，可以得到更准确的人口分布统计结果。因此本发明提出的人口动态分布统计装置，可以解决人口分布统计结果不准确的问题。
[0200]
如图3所示，是本发明一实施例提供的实现人口动态分布统计方法的电子设备的结构示意图。
[0201]
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如人口动态分布统计程序。
[0202]
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如人口动态分布统计程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0203]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如人口动态分布统计程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0204]
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0205]
所述总线13可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称
eisa)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0206]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0207]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0208]
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
[0209]
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0210]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0211]
所述电子设备中的所述存储器11存储的人口动态分布统计程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0212]
获取目标场所的空间视图，利用预设的空间句法模型计算所述空间视图中的句法形态指标，根据所述句法形态指标构建人口区域图；
[0213]
获取所述目标场所内的人口位置数据，对所述人口位置数据进行数据清洗，得到标准位置数据；
[0214]
根据所述标准位置数据构建所述目标场所内的人口轨迹图；
[0215]
对比所述人口区域图及所述人口轨迹图中的重合区域，得到人口分布统计结果。
[0216]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0217]
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0218]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0219]
获取目标场所的空间视图，利用预设的空间句法模型计算所述空间视图中的句法
形态指标，根据所述句法形态指标构建人口区域图；
[0220]
获取所述目标场所内的人口位置数据，对所述人口位置数据进行数据清洗，得到标准位置数据；
[0221]
根据所述标准位置数据构建所述目标场所内的人口轨迹图；
[0222]
对比所述人口区域图及所述人口轨迹图中的重合区域，得到人口分布统计结果。
[0223]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0224]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0225]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0226]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0227]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0228]
本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0229]
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0230]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0231]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0232]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的
技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。