一种居民流动分析的方法及装置与流程

本发明涉及计算机，尤其涉及一种居民流动分析的方法及装置。

背景技术：

1、随着经济的发展，人口流动愈加频繁，了解某一区域内居民流动情况便于后续进行资源调配，优化社会资源配置。

2、目前，在对某一区域内居民流动情况进行分析时，主要是通过gps技术获取每一个居民的轨迹数据，从而根据轨迹数据分析每一个居民的当前位置区域与某一历史时间段的历史位置区域，将当前位置区域与历史位置区域对应的居民数量进行比较，从而实现对居民流动的分析，但该方法仅通过居民数量进行居民流动分析，指标过于单一，使得居民流动分析的结果具有局限性。

技术实现思路

1、本发明所要解决的技术问题是：本发明提供一种居民流动分析的方法及装置，提高居民流动分析的准确性。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、第一方面，本发明提供一种居民流动分析的方法，包括：

4、获取预设时间内待分析区域中每一个居民的轨迹数据，根据所述轨迹数据计算每一个居民的最大活动距离；

5、从所述轨迹数据中获取各个感应点以及各个感应点的到达时间，计算每两个感应点之间的路程所需时间，基于所述到达时间与所述路程所需时间计算各个感应点的感应总次数，并将各个感应点的感应总次数相加求和得到每一个居民的活跃度；

6、将所述最大活动距离与所述活跃度进行融合处理，得到融合处理结果，将所述融合处理结果作为所述待分析区域的居民流动度，通过所述居民流动度进行居民流动分析。

7、本发明的有益效果在于：通过每一个居民的轨迹数据计算得到每一个居民的最大活动距离，以最大活动距离反映居民的活动范围情况，并基于各个感应点的到达时间与每两个感应点的路程需求时间计算各个感应点的感应总次数以此得到每一个居民的活跃度，保证所计算出的活跃度的准确性，并将最大活动距离与活跃度的融合处理结果作为居民流动度以此进行居民流动分析，即通过多个指标进行居民流动分析，提高居民流动分析的准确性。

8、可选地，所述根据所述轨迹数据计算每一个居民的最大活动距离包括：

9、获取所述轨迹数据的最大经度、最大纬度、最小经度以及最小纬度；

10、将所述最大经度、最大纬度、最小经度以及最小纬度输入haversine公式计算出最大活动距离，其中所述haversine公式为：

11、

12、其中，d表示最大活动距离，lat1表示最大纬度，lat2表示最小纬度，lon1表示最大经度，lon2表示最小经度，r表示地球半径。

13、根据上述描述可知，居民的最大活动距离是根据轨迹数据中的最大经度、最大纬度、最小经度以及最小纬度进行计算，能充分反应居民的活动范围情况，保证最大活动距离的准确性。

14、可选地，所述计算每两个感应点之间的路程所需时间包括：

15、计算采用不同的出行方式时，每两个感应点之间的路程所需时间，其中所述出行方式包括驾车出行、公交出行和步行出行。

16、根据上述描述可知，在计算每两个感应点之间的路程所需时间时将居民可能采用的不同的出行方式均考虑在内，保证所计算出的路程所需时间的准确性与全面性。

17、可选地，所述基于所述到达时间与所述路程所需时间计算各个感应点的感应总次数包括：

18、获取当前感应点的第一到达时间与下一个感应点的第二到达时间，将所述第二到达时间减去所述路程所需时间，得到当前感应点的第三到达时间；

19、统计所述第一到达时间与所述第三到达时间内，所述当前感应点的感应次数，将所述感应次数作为当前感应点的感应总次数。

20、根据上述描述可知，在计算感应点的感应总次数时是统计某时间段内感应点的感应次数，其中时间段是以当前感应点的第一到达时间为起始时间，以下一个感应点的第二到达时间减去路程所需时间的第三到达时间作为时间段的终止时间，统计该起始时间与终止时间组成的时间段内感应点的感应次数以此得到感应点的感应总次数，以此保证所计算出的感应总次数的准确性。

21、可选地，所述将所述最大活动距离与所述活跃度进行融合处理，得到融合处理结果包括：

22、通过标准化公式分别对所述最大活动距离和所述活跃度进行标准化处理，得到标准化处理后的最大活动距离和标准化处理后的活跃度，其中，所述标准化公式为：

23、

24、

25、其中，di′表示居民i标准化处理后的最大活动距离，di表示居民i的最大活动距离，dmin表示所有居民的最大活动距离中的最小值，dmax表示所有居民的最大活动距离中的最大值，ni′表示居民i标准化处理后的活跃度，ni表示居民i的活跃度，nmin表示所有居民的活跃度中的最小值，nmax表示所有居民的活跃度中的最大值；

26、根据标准化处理后的最大活动距离和标准化处理后的活跃度通过信息熵公式分别进行信息熵计算，得到对应的最大活动距离熵值和活跃度熵值，其中所述信息熵公式为：

27、

28、

29、

30、

31、其中，ed表示最大活动距离熵值、en表示活跃度熵值，n表示待分析区域中的居民总数；

32、根据所述最大活动距离熵值和所述活跃度熵值通过权重公式分别进行权重计算，得到对应的最大活动距离权重和活跃度权重，其中所述权重公式为：

33、

34、

35、其中，wd表示最大活动距离权重，wn表示活跃度离权重；

36、根据所述最大活动距离权重和所述活跃度权重通过融合公式将所述最大活动距离与所述活跃度进行融合处理，得到融合处理结果，其中所述融合公式为：

37、融合处理结果＝wd*最大活动距离+wn*活跃度。

38、根据上述描述可知，通过熵值法即通过计算最大活动距离和活跃度的信息熵，基于信息熵计算对应的最大活动距离权重和活跃度权重，从而基于该权重对最大活动距离和活跃度进行融合处理，提高融合处理的精准性，从而保证所得到的融合处理结果的精准性。

39、第二方面，本发明提供一种居民流动分析的装置，包括：

40、最大活动距离计算模块，用于获取预设时间内待分析区域中每一个居民的轨迹数据，根据所述轨迹数据计算每一个居民的最大活动距离；

41、活跃度计算模块，用于从所述轨迹数据中获取各个感应点以及各个感应点的到达时间，计算每两个感应点之间的路程所需时间，基于所述到达时间与所述路程所需时间计算各个感应点的感应总次数，并将各个感应点的感应总次数相加求和得到每一个居民的活跃度；

42、居民流动分析模块，用于将所述最大活动距离与所述活跃度进行融合处理，得到融合处理结果，将所述融合处理结果作为所述待分析区域的居民流动度，通过所述居民流动度进行居民流动分析。

43、本发明的有益效果在于：通过每一个居民的轨迹数据计算得到每一个居民的最大活动距离，以最大活动距离反映居民的活动范围情况，并基于各个感应点的到达时间与每两个感应点的路程需求时间计算各个感应点的感应总次数以此得到每一个居民的活跃度，保证所计算出的活跃度的准确性，并将最大活动距离与活跃度的融合处理结果作为居民流动度以此进行居民流动分析，即通过多个指标进行居民流动分析，提高居民流动分析的准确性。

44、可选地，所述最大活动距离计算模块具体为：

45、获取所述轨迹数据的最大经度、最大纬度、最小经度以及最小纬度；

46、将所述最大经度、最大纬度、最小经度以及最小纬度输入haversine公式计算出最大活动距离，其中所述haversine公式为：

47、

48、其中，d表示最大活动距离，lat1表示最大纬度，lat2表示最小纬度，lon1表示最大经度，lon2表示最小经度，r表示地球半径。

49、根据上述描述可知，居民的最大活动距离是根据轨迹数据中的最大经度、最大纬度、最小经度以及最小纬度进行计算，能充分反应居民的活动范围情况，保证最大活动距离的准确性。

50、可选地，所述活跃度计算模块包括：

51、路程所需时间计算模块，用于计算采用不同的出行方式时，每两个感应点之间的路程所需时间，其中所述出行方式包括驾车出行、公交出行和步行出行。

52、根据上述描述可知，在计算每两个感应点之间的路程所需时间时将居民可能采用的不同的出行方式均考虑在内，保证所计算出的路程所需时间的准确性与全面性。

53、可选地，所述活跃度计算模块包括：

54、感应总次数计算模块，用于获取当前感应点的第一到达时间与下一个感应点的第二到达时间，将所述第二到达时间减去所述路程所需时间，得到当前感应点的第三到达时间；

55、统计所述第一到达时间与所述第三到达时间内，所述当前感应点的感应次数，将所述感应次数作为当前感应点的感应总次数。

56、根据上述描述可知，在计算感应点的感应总次数时是统计某时间段内感应点的感应次数，其中时间段是以当前感应点的第一到达时间为起始时间，以下一个感应点的第二到达时间减去路程所需时间的第三到达时间作为时间段的终止时间，统计该起始时间与终止时间组成的时间段内感应点的感应次数以此得到感应点的感应总次数，以此保证所计算出的感应总次数的准确性。

57、可选地，所述居民流动分析模块包括：

58、融合处理模块，用于所述将所述最大活动距离与所述活跃度进行融合处理，得到融合处理结果包括：

59、通过标准化公式分别对所述最大活动距离和所述活跃度进行标准化处理，得到标准化处理后的最大活动距离和标准化处理后的活跃度，其中，所述标准化公式为：

60、

61、

62、其中，di′表示居民i标准化处理后的最大活动距离，di表示居民i的最大活动距离，dmin表示所有居民的最大活动距离中的最小值，dmax表示所有居民的最大活动距离中的最大值，ni′表示居民i标准化处理后的活跃度，ni表示居民i的活跃度，nmin表示所有居民的活跃度中的最小值，nmax表示所有居民的活跃度中的最大值；

63、根据标准化处理后的最大活动距离和标准化处理后的活跃度通过信息熵公式分别进行信息熵计算，得到对应的最大活动距离熵值和活跃度熵值，其中所述信息熵公式为：

64、

65、

66、

67、

68、其中，ed表示最大活动距离熵值、en表示活跃度熵值，n表示待分析区域中的居民总数；

69、根据所述最大活动距离熵值和所述活跃度熵值通过权重公式分别进行权重计算，得到对应的最大活动距离权重和活跃度权重，其中所述权重公式为：

70、

71、

72、其中，wd表示最大活动距离权重，wn表示活跃度离权重；

73、根据所述最大活动距离权重和所述活跃度权重通过融合公式将所述最大活动距离与所述活跃度进行融合处理，得到融合处理结果，其中所述融合公式为：

74、融合处理结果＝wd*最大活动距离+wn*活跃度。

75、根据上述描述可知，通过熵值法即通过计算最大活动距离和活跃度的信息熵，基于信息熵计算对应的最大活动距离权重和活跃度权重，从而基于该权重对最大活动距离和活跃度进行融合处理，提高融合处理的精准性，从而保证所得到的融合处理结果的精准性。