基于多重社会关系约束的人工人口合成方法、系统、装置与流程

本发明属于计算机社会仿真领域，具体涉及一种基于多重社会关系约束的人工人口合成方法、系统、装置。
背景技术：
：计算机仿真已经成为交通出行建模与模拟、复杂经济行为分析、城市土地规划、战争演化和作战推演、疾病传播与控制、信息扩散等重要的辅助分析手段，而人工人口则是分析的基础。人工人口以现实为参考，构建起了一个从现实中抽象出的虚拟群体，为大规模群体性问题的分析提供了一个现实的替代版本。人工人口的优势在于以较低的成本模拟人的出行及其他社会行为，检验交通控制、社会管理等政策的可行性和有效性。同时，个体行为的计算模型能够仿真得到定量的评价结果，为管理部门的量化决策提供参考。构建人工人口需要首先根据实际人口的统计数据，生成对应的人口个体记录集合。当人工人口能够准确反映现实人口的属性、结构和分布特点时，得到的出行模拟、经济活动、城市演化等仿真结果才具有较高可信度。目前，人工人口的合成方法主要有两类，且只考虑了家庭关系。第一类称为分配法，基于家庭和人口的总体数据，独立地生成家庭实体集合和人口个体集合，然后根据每个家庭的特征设定分配规则，从人口集合中选取符合条件的人口个体分配到家庭中。第二类称为拟合法，将家庭和人口的属性变量作为整体，将两个层面的宏观总体数据共同作为约束条件，优化生成家庭实体集合，然后再根据每个家庭的特征生成其成员，从而得到人口个体。分配法的优势是符合社会关系的形成过程，比较直观。但最主要的缺陷是无法保证人口个体能够“完全准确”地分配到所有家庭中，导致家庭实体(人口个体)耗尽而人口个体(家庭实体)仍大量剩余，使得结果出现很大偏差。拟合法能够控制总偏差，但无法处理多种社会关系约束(如家庭、企业、学校、医院)的情况。针对现有方法的不足，本发明给出了一种考虑多重社会关系的人工人口生成方法，既能控制总偏差，又能避免人口个体和社会实体之间出现较大程度的不匹配。技术实现要素：为了解决现有技术中的上述问题，即为了解决人工人口合成方法无法同时处理分配偏差和多重社会关系约束的问题，本发明第一方面，提出了一种基于多重社会关系约束的人工人口合成方法，该方法包括：步骤s10，基于预设社会实体类型，获取输入数据中每一种社会实体的全属性实体数；步骤s20，基于社会实体的每一个成员组成关系，将步骤s10得到的每一种社会实体的全属性实体数，转换为个人属性对应的人口个体数；步骤s30，基于社会实体的全属性实体数和人口个体数中的公共属性，计算所有公共属性下的初始人口分布；将社会实体的全属性实体数和人口个体数中除所述公共属性之外的其他属性作为剩余属性，并基于所述剩余属性对所述所有公共属性下初始人口分布进行扩展，得到包含所有属性的人口分布；步骤s40，基于所述包含所有属性的人口分布，依据每一社会实体类型的成员组成关系，计算每一种组织属性对应的社会实体分布；步骤s50，根据社会实体类型的成员组成关系，将步骤s30得到的所述包含所有属性的人口分布与步骤s40得到的各组织属性对应的社会实体分布进行关联，得到包含社会关系的个体数据集和每种类型的社会实体数据集。在一些优选的实施方式中，步骤s20中“基于社会实体的每一个成员组成关系，将步骤s10得到的每一种社会实体的全属性实体数，转换为个人属性对应的人口个体数”，其计算方法如下：其中，q(k)为第k类社会实体的全属性实体数，为第k类社会实体的属性变量的取值，p(k)为第k类个人属性对应的人口个体数，(x1,x2,…,xn)为n个人口个体属性变量的取值，n为人口变量数值，mk为第k种社会实体的属性变量数值。在一些优选的实施方式中，步骤s30中“基于社会实体的全属性实体数和人口个体数中的公共属性，计算所有公共属性下的初始人口分布”，其计算方法如下：p(x1,x2,…,xu)＝λ0·p(0)(x1,x2,…,xu)+…+λk·p(k)(x1,x2,…,xu)其中，p(x1,x2,…,xu)为初始人口分布，(x1,x2,…,xu)为u个公共属性的一种取值组合，k是所有社会实体的种类数目，(λ0,…,λk)为权重系数。在一些优选的实施方式中，步骤s30中“将社会实体的全属性实体数和人口个体数中除所述公共属性之外的其他属性作为剩余属性，并基于所述剩余属性对所述所有公共属性下初始人口分布进行扩展，得到包含所有属性的人口分布”，其方法为：在剩余属性中，选取出现在k种社会实体中的公共变量，若不存在，递减寻找公共变量；其中，初始的k值为k+1；若k≠1，计算扩展系数，按照扩展系数扩展初始人口分布，扩展完初始人口分布继续上一步寻找公共变量；若k＝1，扩展剩余的每种属性，得到包含所有属性的人口分布。在一些优选的实施方式中，步骤s40中“基于所述包含所有属性的人口分布，依据每一社会实体类型的成员组成关系，计算每一种组织属性对应的社会实体分布”，计算方法如下：其中，为相应属性取值下的第k类社会实体数，μ是平衡社会实体总体数量约束和人口总体数量约束的权重。在一些优选的实施方式中，步骤s50中“根据社会实体类型的成员组成关系，将步骤s30得到的所述包含所有属性的人口分布与步骤s40得到的各组织属性对应的社会实体分布进行关联，得到包含社会关系的个体数据集和每种类型的社会实体数据集”，其方法为：将步骤s30得到的所述包含所有属性的人口分布与步骤s40得到的各组织属性对应的社会实体分布，分别生成人口个体集合和社会实体集合；从人口集合中选取个体与社会实体集合中的实体进行关联；关联成功，设置个体编号为社会实体的实体编号。本发明的第二方面，提出了一种基于多重社会关系约束的人工人口合成系统，该系统包括合成模块、转换模块、扩展模块、逆向计算模块、关联模块；所述的合成模块，配置为基于预设社会实体类型，获取输入数据中每一种社会实体的全属性实体数；所述的转换模块，配置为基于社会实体的每一个成员组成关系，将合成模块得到的每一种社会实体的全属性实体数，转换为个人属性对应的人口个体数；所述的扩展模块，配置为基于社会实体的全属性实体数和人口个体数中的公共属性，计算所有公共属性下的初始人口分布；将社会实体的全属性实体数和人口个体数中除所述公共属性之外的其他属性作为剩余属性，并基于所述剩余属性对所述所有公共属性下初始人口分布进行扩展，得到包含所有属性的人口分布；所述的逆向计算模块，配置为基于所述包含所有属性的人口分布，依据每一社会实体类型的成员组成关系，计算每一种组织属性对应的社会实体分布；所述的关联模块，配置为根据社会实体类型的成员组成关系，将扩展模块得到的所述包含所有属性的人口分布与逆向计算模块得到的各组织属性对应的社会实体分布进行关联，得到包含社会关系的个体数据集和每种类型的社会实体数据集。本发明的第三方面，提出了一种存储装置，其中存储有多条程序，所述程序应用由处理器加载并执行上述的基于多重社会关系约束的人工人口合成方法。本发明的第四方面，提出了一种处理设置，包括处理器、存储装置；处理器，适用于执行各条程序；存储装置，适用于存储多条程序；所述程序适用于由处理器加载并执行上述的基于多重社会关系约束的人工人口合成方法。本发明的有益效果：本发明既能合成包含多种社会关系的虚拟人口，又能将合成人口与各社会输入约束误差控制到最小。本发明给出了多种社会关系约束下人工人口的合成方法，并选取人口约束和社会关系约束的加权均值作为个体分配的起始分布，有利于减小最终结果与各约束间的总误差。同时，该方法不需要样本输入，降低了对数据源的要求。附图说明通过阅读参照以下附图所做的对非限制性实施例所做的详细描述，本申请的其他特征、目的和优点将会变得更明显。图1是本发明一种实施例的基于多重社会关系约束的人工人口合成方法的流程示意图；图2是本发明一种实施例的基于多重社会关系约束的人工人口合成方法的详细流程示意图；图3本发明一种实施例的基于多重社会关系约束的人工人口合成系统的框架示意图。具体实施方式为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。本发明的基于多重社会关系约束的人工人口合成方法，如图1所示，包括以下步骤：步骤s10，基于预设社会实体类型，获取输入数据中每一种社会实体的全属性实体数；步骤s20，基于社会实体的每一个成员组成关系，将步骤s10得到的每一种社会实体的全属性实体数，转换为个人属性对应的人口个体数；步骤s30，基于社会实体的全属性实体数和人口个体数中的公共属性，计算所有公共属性下的初始人口分布；将社会实体的全属性实体数和人口个体数中除所述公共属性之外的其他属性作为剩余属性，并基于所述剩余属性对所述所有公共属性下初始人口分布进行扩展，得到包含所有属性的人口分布；步骤s40，基于所述包含所有属性的人口分布，依据每一社会实体类型的成员组成关系，计算每一种组织属性对应的社会实体分布；步骤s50，根据社会实体类型的成员组成关系，将步骤s30得到的所述包含所有属性的人口分布与步骤s40得到的各组织属性对应的社会实体分布进行关联，得到包含社会关系的个体数据集和每种类型的社会实体数据集。为了更清晰地对本发明基于多重社会关系约束的人工人口合成方法进行说明，下面结合附图1和附图2对本发明方法一种实施例中各步骤进行展开详述。步骤s10，基于预设社会实体类型，获取输入数据中每一种社会实体的全属性实体数。本实施例中，获取调查数据每一类社会实体的约束边缘分布频数和成员组成关系，包括三部分：(1)人口普查得到的总体人口统计频数分布(可以采用统计局发布数据)；(2)各种社会调查得到的社会实体(如家庭、企业、学校等)总体分布频数(可以采用统计局或主管部门发布数据)；(3)每一类社会实体的成员组成关系(可以采用社会调查结果发布或推算的数据)。基于人口和家庭、企业两类社会关系，此时社会实体数量值k＝2，人口属性变量集为：家庭类型，所在省份，住地类型，年龄段，以大写字母(x1,x2,…,xn)表示人口属性的变量集合。以相应的小写字母(x1,x2,…,xn)表示变量的取值，其取值集合为(i1,i2,…,in)，即(x1∈i1,x2∈i2,…,xn∈in)。此时人口变量数值n＝4，人口属性变量及取值如表1所示：表1变量名称对应变量符号变量取值取值数对应取值集合符号家庭类型x1家庭户，集体户2i1所在省份x2北京，天津，内蒙古，…31i2住地类型x3城市，镇，乡村3i3年龄段x40-19，20-64，≥653i4类似地，以大写字母表示第k类(1≤k≤k)社会实体的属性变量，以对应的小写字母表示变量的取值，其取值集合为即mk为第k种社会实体的属性变量数。家庭属性变量为：家庭类型，所在省份，住地类型，成员数，老人数，未成年人数，此时家庭变量数值m1＝6。家庭属性变量及取值如表2所示：表2企业属性变量为：所在省份，企业类型，企业规模，此时企业变量数值m2＝3。企业属性变量及取值如表3所示：表3三类输入边缘分布如表4所示：表4比如：家庭的成员组成关系表示如式(1)(2)(3)所示：pernum(年龄段＝0-19|家庭类型,所在省份,住地类型)＝∑成员数,老人数未成年人数×hhnum(成员数,老人数,未成年人数|家庭类型,所在省份,住地类型)(1)pernum(年龄段＝≥65|家庭类型,所在省份,住地类型)＝∑成员数,未成年人数老人数×hhnum(成员数,老人数,未成年人数|家庭类型,所在省份,住地类型)(2)pernum(年龄段＝20-64|家庭类型,所在省份,住地类型)＝∑老人数,未成年人数(成员数-老人数-未成年人数)×hhnum(成员数,老人数,未成年人数|家庭类型,所在省份,住地类型)(3)其中，pernum代表人口数，hhnum代表家庭数。企业的员工组成关系如式(4)所示：pernum(年龄段＝20-64|所在省份)＝∑企业类型,企业规模(员工数)×enternum(企业类型,企业规模|所在省份)(4)其中，enternum代表企业数，员工数由各类别企业规模下的总人口和总企业数估算。将表4中只包含部分属性的人口、家庭、企业分布频数分别合成包含全部人口变量(家庭类型、所在省份、住地类型、年龄段)的人口联合分布频数，包含全部家庭属性的家庭联合分布频数，和包含企业全部属性的企业联合分布频数。例如：由人口的部分变量总体分布频数p(0){居住地＝海淀，性别＝男，年龄＝25-29}和p(0){性别＝男，年龄＝25-29，文化程度＝高中}计算其联合分布频数：p(0){居住地＝海淀，性别＝男，年龄＝25-29，文化程度＝高中}。由此可得宏观人口个体总数约束：所在省份×住地类型×家庭类型×年龄段(p(0))，如式(5)所示：p(0)＝p(0)(x1,x2,…,xn)(5)宏观家庭实体总数约束：所在省份×住地类型×家庭类型×成员数×老人数×未成年人数(q(1))；宏观企业实体总数约束：所在省份×企业类型×企业规模(q(2))。因此，每一种社会实体的全属性实体数q(k)如式(6)所示：步骤s20，基于社会实体的每一个成员组成关系，将步骤s10得到的每一种社会实体的全属性实体数，转换为个人属性对应的人口个体数。本实施例中，对每一类社会实体，由成员组成和步骤s10得到的每一种社会实体的全属性实体数q(k)计算对应人口层面的联合分布，即人口个体数。如式(7)所示：比如：p(k)代表由第k类社会实体(这里是家庭)转化而来的、对应条件下的人口数，q(k)代表括号内对应属性取值的家庭数。老人定义为年龄在65岁以上的人口。注意p(k)可能仅包括部分人口个体的属性变量。对家庭的宏观约束，由成员组成关系换算成人口数量分布，如式(8)(9)(10)所示：p(1)(家庭类型,所在省份,住地类型,年龄段＝0-19)＝∑{成员数,老人数,未成年人数}c·q(1)(所在省份,住地类型,家庭类型,成员数,老人数,未成年人数＝c)(8)p(1)(家庭类型,所在省份,住地类型,年龄段＝≥65)＝∑{成员数,老人数,未成年人数}e·q(1)(所在省份,住地类型,家庭类型,成员数,老人数＝e,未成年人数)(9)p(1)(家庭类型,所在省份,住地类型,年龄段＝20-64)＝∑{成员数,老人数,未成年人数}(m-e-c)·q(1)(所在省份,住地类型,家庭类型,成员数＝m,老人数＝e,未成年人数＝c)(10)同理，对企业的宏观约束，换算成人口数量分布，如式(11)所示：p(2)(所在省份,年龄段＝20-64)＝∑{企业类型,企业规模}m·q(2)(所在省份,企业类型,企业规模＝m)(11)步骤s30，基于社会实体的全属性实体数和人口个体数中的公共属性，计算所有公共属性下的初始人口分布；将社会实体的全属性实体数和人口个体数中除所述公共属性之外的其他属性作为剩余属性，并基于所述剩余属性对所述所有公共属性下初始人口分布进行扩展，得到包含所有属性的人口分布。具体步骤如下：步骤s31，设p(0),p(k)(1≤k≤k)的公共变量为(x1,x2,…,xu),(u≤n)，其中，u为数量值。按照式(12)计算新的人口频数：p(x1,x2,…,xu)＝λ0·p(0)(x1,x2,…,xu)+…+λk·p(k)(x1,x2,…,xu)(12)其中，表示各约束联合分布对(x1,x2,…,xu)之外的变量求和的结果。(λ0≥0,…,λk≥0)为权重系数，由用户根据数据源可靠度自行设定，满足表示对除(x1,x2,…,xu)外的所有其他属性取值求和。如果p(0),p(k)(1≤k≤k)中不含公共变量，则选取出现在最多社会实体种类的属性，计算人口分布频数。步骤s32，令k＝k+1，做以下扩展：步骤s321，除步骤s31人口分布频数中已包含的属性外，在剩余属性中，选取出现在k种社会实体(包括人口个体)中的公共变量xu+1。若不存在满足该条件的公共变量，则令k＝k-1，继续寻找公共变量。若最终得到k＝1，表明任意两个约束均无公共变量。若k＝1，转步骤s324；否则，有k>1，计算扩展系数如式(13)所示：其中，(i1,…,ik)是对应的k个约束的下标。p(i)(x1,…,xu,xu+1)仍为联合分布对保留属性之外的属性求和的结果。注意，根据p(i)(x1,…,xu,xu+1)和p(i)(x1,…,xu)的关系求得扩展系数如式(14)所示：步骤s322，按照式(15)扩展系数扩展人口频数：p(x1,…,xu,xu+1)＝p(x1,x2,…,xu)·η(xu+1)(15)s323，若k＝1，转步骤s324；否则，转步骤s321。步骤s324，扩展剩下的每个变量，如式(16)所示：xu+i是p(k)(由第k类社会实体数约束转换而来的人口数约束)中的但不是步骤s322计算得到的p(采用加权平均和扩展因子计算得到的新的人口分布频数)中的所有属性。以上步骤最终将得到人口和所有社会实体属性的总体联合分布频数。将属性按社会实体类型排列如式(17)所示：其中，是第k类社会实体的属性，x1,…,xn是人口个体的属性。为了更加清晰地了解步骤s30中的实施例，此处举例描述。步骤a31,，p(0)、p(1)和p(2)的公共变量为所在省份，计算新的人口频数，如式(18)所示：p(所在省份)＝λ0·p(0)(所在省份)+λ1·p(1)(所在省份)+λ2·p(2)(所在省份)(18)其中，p(0)(所在省份)＝∑～(所在省份)p(0)(所在省份,住地类型,家庭类型,年龄段)p(1)(所在省份)＝∑～(所在省份)p(1)(所在省份,住地类型,家庭类型,年龄段)p(2)(所在省份)＝∑～(所在省份)p(2)(所在省份,年龄段＝20-64)(λ0>0,λ1>0,λ2>0)为权重系数，属于预设值，满足λ0+λ1+λ2＝1。步骤a32，令k＝k+1＝3，作以下扩展。步骤a321，除去上一步已计算的属性(所在省份)，在剩余属性中，选取出现在k＝3种社会实体(包括人口个体)中的公共属性。显然，出现在3种实体(个体)中的公共属性只有年龄段＝20-64，计算扩展系数如式(19)(20)(21)所示：步骤a322，按式(22)扩展系数扩展人口频数：p(所在省份,年龄段)＝p(所在省份)·η(年龄段)(22)步骤a323，因k＝3，转步骤a321，继续寻找出现在三种约束中的公共属性。剩余属性均不满足要求。因此令k＝k-1＝2，剩余属性中(住地类型,家庭类型)满足要求。按扩展系数依次扩展后，得到人口频数p(所在省份,住地类型,家庭类型,年龄段)。此时，再无出现在两种约束中的公共属性，k＝1，转步骤a324。步骤a324，扩展剩下的变量。先考察p(0)，无需要扩展的变量。再考察p(1)，按顺序扩展变量，如式(23)(24)(25)所示：最后考察p(2)，按顺序扩展变量，如式(26)(27)(28)所示：p(所在省份,住地类型,家庭类型,成员数,老人数,未成年人数,年龄段≠20-64,企业类型,企业规模)＝p(所在省份,住地类型,家庭类型,成员数,老人数,未成年人数,年龄段≠20-64,企业类型＝无,企业规模＝无)(28)步骤s40，基于所述包含所有属性的人口分布，依据每一社会实体类型的成员组成关系，计算每一种组织属性对应的社会实体分布。本实例中，社会实体分布数计算方法如式(29)所示：其中,是计算得到的相应属性取值下的第k类社会实体分布数，是步骤s20根据调查数据计算得到的第k类社会实体数，是q(k)按照社会实体组成关系转换而来的人口个体数，是步骤s30至步骤s32计算得到的相应取值下的人口数，0<μ<1是平衡社会实体总体数量约束和人口总体数量约束的权重。式(29)的意义是，对于给定的社会实体属性取值组合按照其相应的成员组成关系，逆向求社会实体个数，使得由社会实体总体数量偏差和由社会实体转化而来的人口总数偏差达到最小。为了更加清晰地了解步骤s40中的实施例，此处举例描述。计算家庭个数如式(30)所示：上式表示对每一种(所在省份,住地类型,家庭类型,成员数,老人数,未成年人数)属性取值组合，计算家庭数量偏差和由家庭转化为人口个体的数量偏差。当两个偏差加权(0<μ<1是权重)平均取得最小值时，此时的家庭数作为结果保存。注意p(1)的值受优化变量影响，该问题一般可采用交替优化的方法求解。类似地，计算企业数，如式(31)所示：步骤s50，根据社会实体类型的成员组成关系，将步骤s30得到的所述包含所有属性的人口分布与步骤s40得到的各组织属性对应的社会实体分布进行关联，得到包含社会关系的个体数据集和每种类型的社会实体数据集。本实施例中，首先从人口集中随机选取个体，如式(32)所示：其中，为该个体的各属性取值。依次考察第k(1≤k≤k)类社会实体集。若社会实体集中含有与个体ind第k类社会属性相同取值的实体，即则随机选取一个该类社会实体将个体关联到所选社会实体中，设置个体所隶属的第k类社会实体实体编号；否则，设置该个体的第k类社会属性为无关联组织。保存个体ind至数据库，并将ind从人口集中删除。检验的关联成员是否达到其成员数上限。若是，则将保存并从第k类社会实体集中移除。重复直至人口集中所有个体都被分配并移除。为了更加清晰地了解步骤s50中的实施例，此处举例描述。根据计算得到的总体人口联合分布数(p)、家庭分布数企业分布数生成对应的人口个体集、家庭实体集和企业实体。步骤a511，从人口集p中随机选取个体，如式(33)所示：ind(所在省份,住地类型,家庭类型,成员数,老人数,未成年人数,年龄段,企业类型,企业规模)(33)步骤a512，先分配家庭属性。若中存在(所在省份，住地类型，家庭类型，成员数，老人数，未成年人数)变量取值与ind相同的家庭实体，则随机选取一个该类家庭实体，将ind加入到此家庭的成员列表中，将ind的家庭编号设为所选取到的家庭编号；否则，设置ind的家庭属性为“无家庭”。再分配企业属性。若中存在(所在省份，企业类型，企业规模)变量取值与ind相同的企业实体，则随机选取一个该类企业实体，将ind加入到此企业的成员列表中，将ind的企业编号设为所选取到的企业编号；否则，设置ind的企业属性为“无业”。保存ind至数据库，并将ind从人口集中删除。步骤a513，检查步骤a512所选家庭和企业已关联的成员数是否达到其上限。若是，则保存该家庭或企业，并将其移除相应的实体数据集。步骤a514，重复步骤a511至步骤a513直至p中所有个体都被移除完毕。本发明第二实施例的一种基于多重社会关系约束的人工人口合成系统，如图3所示，包括：合成模块100、转换模块200、扩展模块300、逆向计算模块400、关联模块500；合成模块100，配置为基于预设社会实体类型，获取输入数据中每一种社会实体的全属性实体数；转换模块200，配置为基于社会实体的每一个成员组成关系，将合成模块100得到的每一种社会实体的全属性实体数，转换为个人属性对应的人口个体数；扩展模块300，配置为基于社会实体的全属性实体数和人口个体数中的公共属性，计算所有公共属性下的初始人口分布；将社会实体的全属性实体数和人口个体数中除所述公共属性之外的其他属性作为剩余属性，并基于所述剩余属性对所述所有公共属性下初始人口分布进行扩展，得到包含所有属性的人口分布；逆向计算模块400，配置为基于所述包含所有属性的人口分布，依据每一社会实体类型的成员组成关系，计算每一种组织属性对应的社会实体分布；关联模块500，配置为根据社会实体类型的成员组成关系，将扩展模块300得到的所述包含所有属性的人口分布与逆向计算模块400得到的各组织属性对应的社会实体分布进行关联，得到包含社会关系的个体数据集和每种类型的社会实体数据集。所述
技术领域：
的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的系统的具体的工作过程及有关说明，可以参考签署方法实施例中的对应过程，在此不再赘述。需要说明的是，上述实施例提供的基于多重社会关系约束的人工人口合成系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。本发明第三实施例的一种存储装置，其中存储有多条程序，所述程序适用于由处理器加载并实现上述的基于多重社会关系约束的人工人口合成方法。本发明第四实施例的一种处理装置，包括处理器、存储装置；处理器，适于执行各条程序；存储装置，适于存储多条程序；所述程序适于由处理器加载并执行以实现上述的基于多重社会关系约束的人工人口合成方法。所述
技术领域：
的技术人员可以清楚的了解到，未描述的方便和简洁，上述描述的存储装置、处理装置的具体工作过程及有关说明，可以参考签署方法实例中的对应过程，在此不再赘述。本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块、方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，软件模块、方法步骤对应的程序可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或
技术领域：
内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。术语“第一”、“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。当前第1页12