区域常住人口数量的确定方法、装置、服务器和介质与流程

本发明实施例涉及数据处理技术领域，尤其涉及一种区域常住人口数量的确定方法、装置、服务器和介质。

背景技术：

常住人口是城市管理中的核心统计指标。统计常住人口可以帮助政府掌握城市任意区域的常住人口数量及其变化趋势，为城市治理、城市规划、交通管理、城市安全运行等方面提供强力支持，也可以为企业商业选址、营销等经营决策提供支持。

目前主要通过抽样调查或手机信令统计等方式确定常住人口。其中，抽样调查是调查人员随机抽取部分调查对象，采用调查问卷等方式进行个人信息调查，对调查得到的数据进行统计分析。手机信令统计是采集移动通信终端用户在使用移动设备进行通信过程中产生的信令数据，获取用户的通信行为信息，将产生通信行为时使用的基础通信设备(如基站)位置作为用户位置，根据通信行为信息和用户位置确定目标区域的人口数量。

然而，抽样调查方式需要投入大量的人力物力、调查周期长、抽样比例小，调查结果不够准确；手机信令的统计位置信息精度低下，无法精确统计小区域(如街道、社区)的常住人口数量，区域精度低。

技术实现要素：

本发明实施例提供了一种区域常住人口数量的确定方法、装置、服务器和介质，能够掌握城市中任意区域的常住人口数量，提高了区域精度，以及常住人口数量的准确性。

第一方面，本发明实施例提供了一种区域常住人口数量的确定方法，该方法包括：

根据移动设备的常驻位置确定目标区域的常驻设备数量，其中所述移动设备的常驻位置是根据所述移动设备的定位轨迹数据和所述定位轨迹数据关联的设备行为特征确定的；

根据所述目标区域的常驻设备数量，确定所述目标区域的常住人口数量。

第二方面，本发明实施例还提供了一种区域常住人口数量的确定装置，该装置包括：

设备数量确定模块，用于根据移动设备的常驻位置确定目标区域的常驻设备数量，其中所述移动设备的常驻位置是根据所述移动设备的定位轨迹数据和所述定位轨迹数据关联的设备行为特征确定的；

人口数量确定模块，用于根据所述目标区域的常驻设备数量，确定所述目标区域的常住人口数量。

第三方面，本发明实施例还提供了一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

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本发明任意实施例所述的区域常住人口数量的确定方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的区域常住人口数量的确定方法。

本发明实施例的方案，通过根据移动设备的定位数据和定位数据关联的设备行为特征，确定目标区域的常驻设备数量，进而确定目标区域的常住人口数量。能够掌握城市中任意区域的常住人口数量，提高了区域精度，以及常住人口数量的准确性。

附图说明

图1是本发明实施例一提供的一种区域常住人口数量的确定方法的流程图；

图2是本发明实施例二提供的一种区域常住人口数量的确定方法的流程图；

图3是本发明实施例三提供的一种区域常住人口数量的确定方法的流程图；

图4是本发明实施例四提供的一种区域常住人口数量的确定装置的结构示意图；

图5是本发明实施例五提供的一种服务器结构示意图。

具体实施方式

下面结合附图和实施例对本发明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仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的区域常住人口数量的确定方法的流程图，本实施例可适用于对某一区域的常住人口数量进行统计的情况，该方法可以由本发明实施例提供的区域常住人口数量的确定装置或服务器来执行，该装置可采用硬件和/或软件的方式实现。如图1所示，具体包括如下步骤：

s101，根据移动设备的常驻位置确定目标区域的常驻设备数量，其中移动设备的常驻位置是根据移动设备的定位轨迹数据和定位轨迹数据关联的设备行为特征确定的。

其中，移动设备的常驻位置可以是指移动设备连续m个月所处频率较高的位置区域，可选的，m可以是大于常住人口的判断标准中的6个月。由于移动设备通常是用户所持有的，因此移动设备的常驻位置也就是该移动设备的用户连续m个月常住的位置。可选的，移动设备的常驻位置可以包括：移动用户的住所、移动用户的单位或经常去的商场街道等位置。可选的，本发明是用来确定常住人口的数量，因此，可以是将移动用户连续m个月的住所作为该移动设备的常驻位置。目标区域可以是指要进行人口统计的区域，其可以是一个国家、省份、城市、县区等等，还可以按照一定的规则划分得到的区域，如长江三角洲地区，珠江三角洲地区等。移动设备的定位轨迹数据可以是移动设备上配置的卫星定位模块(如全球定位系统(globalpositioningsystem，gps))获取移动设备的定位数据(即移动设备的地理位置坐标数据)，将其一段时间内的定位数据进行处理得到定位轨迹数据。定位轨迹数据关联的设备行为特征可以是移动设备在获取定位轨迹数据中各定位数据时对应的移动设备的行为特征，例如，该特征可以包括获取各定位数据时对应的移动设备的时间分布、当前位置附近的兴趣点信息、移动设备上的搜索行为信息或移动设备连接的网络类型等中的至少一个。

可选的，在本发明实施例中，要确定目标区域的常驻设备数量，就需要先确定各移动设备的常驻位置。具体的，根据移动设备的定位轨迹数据和定位轨迹数据关联的设备行为特征确定移动设备的常驻位置时，可以是分析定位轨迹数据关联的设备行为特征是否满足预设要求，进而从定位轨迹数据中确定出移动设备的常驻位置。例如，可以是根据人们夜间通常在家休息的习惯，分析m个月的定位轨迹数据对应的时间分布，选择定位轨迹数据的时间分布在夜间，且定位轨迹数据出现频率最高的位置区域，作为移动设备的常驻位置；也可以是根据人们回到家后通常会连接家里固定类型的网络的习惯，分析m个月的定位轨迹数据对应的移动设备连接的网络类型，选择连接同一网络类型在定位轨迹数据中出现频率最高的位置区域，作为移动设备的常驻位置；还可以是根据兴趣点位置固定的特点，分析m个月的定位轨迹数据对应的附近兴趣点信息，选择相同兴趣点信息在定位轨迹数据中出现频率最高的位置区域，作为移动设备的常驻位置；也可以是根据用户通常比较关注所在地区的新闻、天气、地图等习惯，分析m个月的定位轨迹数据对应的移动设备的搜索行为，将搜索行为对应的搜索目标区域出现频率最高的位置区域，作为移动设备的常驻位置等等。

可选的，为了提高确定移动设备常驻位置的准确性，可以将上述确定方法中的至少两种进行结合，从定位轨迹数据中确定移动设备的常驻位置。具体的，可以是类似与上述的确定方法，针对每一种设备行为特征设定一个判断条件，分析m个月的定位轨迹数据对应的设备行为特征，将连续满足某一设备行为特征的判断条件或连续满足所有设备行为特征的判断条件对应的位置区域作为移动设备的常驻位置。

可选的，也可以是根据预先训练的基于神经网络的常驻位置确定模型来确定各移动设备的常驻位置，具体的，可以是将移动设备连续m个月的定位轨迹数据和定位轨迹数据关联的设备行为特征输入训练好的常驻位置确定模块，该模型通过分析，输出该移动设备的常驻位置。

示例性的，根据移动设备的常驻位置，确定目标区域的常驻设备的数量时，可以是在确定了各移动设备的常驻位置后，从服务器统计的所有移动设备的常驻位置信息中，查找在目标区域的常驻位置信息对应的移动设备的个数，作为目标区域的常驻设备的数量。

s102，根据目标区域的常驻设备数量，确定目标区域的常住人口数量。

其中，常住人口指全年在家居住6个月以上的人口，也包括在城市中居住6个月以上的流动人口。

示例性的，根据目标区域的常驻设备的数量，确定目标区域常住人口数量时，可以是将目标区域内连续6个月以上常驻在该区域的常驻设备的数量作为该目标区域常住人口数量。

可选的，为了提高确定目标区域的常住人口数量的准确性，还可以是根据目标区域的常驻设备数量以及目标区域的人口拟合系数，确定目标区域的常住人口数量。其中，目标区域的人口拟合系数可以是指根据历史的目标区域的常驻设备数量与实际人口数量通过一定的运算关系计算确定，可以用于预估当前目标区域的常驻设备数量与实际人口数量的参数值。具体的，根据目标区域的常驻设备数量以及目标区域的人口拟合系数，确定目标区域的常住人口数量时，可以是将目标区域的常驻设备数量与目标区域的人口拟合系数做乘积得到，也可以是带入到其他公式中确定，本发明对此不进行限定。

本实施例提供了一种区域常住人口数量的确定方法，通过根据移动设备的定位数据和定位数据关联的设备行为特征，确定目标区域的常驻设备数量，进而确定目标区域的常住人口数量。能够掌握城市中任意区域的常住人口数量，提高了区域精度，以及常住人口数量的准确性。

实施例二

图2是本发明实施例二提供的一种区域常住人口数量的确定方法的流程图，该方法在上述实施例的基础上进一步的优化，具体给出如何确定移动设备的常驻位置的具体情况介绍。如图2所示，该方法包括：

s201，对移动设备的定位轨迹数据进行聚类得到至少一个轨迹簇。

可选的，对定位轨迹数据进行聚类是将定位轨迹数据中的各定位数据的集合分成有相同特征的轨迹簇的过程。具体的，对定位轨迹数据中的各定位数据进行聚类时，可以是按照时间特征将定位轨迹数据中，同属一个时间段的定位数据进行聚类得到这段时间内的一个轨迹簇，例如，可以是将定位轨迹数据中，同属于早上八点到早上十一点的定位数据聚类成一个轨迹簇，将同属于早上十一点到下午两点的定位数据聚类成另一个轨迹簇；也可以是按照区域特征，将定位轨迹数据中，同一个区域内的定位数据聚类得到该区域的一个轨迹簇，例如，可以是将定位轨迹数据中，同属于某一城市某一街道区域内的定位数据聚类成一个轨迹簇。本发明实施例还可以选择其他聚类方式，对此不发明不进行限定。

可选的，对移动设备的定位轨迹数据进行聚类的触发条件，可以是每达到预设周期(如一天)，触发对移动设备这一周期内的定位数据进行聚类，也可以是将获取的定位数据存储在服务器中，当服务器存储内存小于预设阈值时触发对移动设备的定位数据进行聚类等，对此本发明实施例不进行限定。

s202，根据各轨迹簇的设备行为特征从至少一个轨迹簇中选择常驻位置簇。

其中，轨迹簇的设备行为特征包括轨迹簇中各轨迹数据的时间分布、轨迹簇的兴趣点信息、网络类型和搜索行为中的至少一个。具体的，各轨迹数据的时间分布可以是轨迹簇中的各轨迹点获取时的时间分布范围，例如，可以是将轨迹簇中各轨迹数据对应的最早时间和最晚时间分别作为时间分布的起始时间和终止时间；轨迹簇的兴趣点信息可以是该轨迹簇周围的兴趣点的名称、类型、位置等信息；网络类型可以是采集各轨迹数据时移动设备连接网络的类型，例如，可以包括：(如无线保真网络(wireless-fidelity，wifi))、移动网络、办公局域网络等，可选的，为了保证网络类型的一致性，该网络类型中还可以具体包括网络的服务集标识(servicesetidentifier，ssid)信息等；搜索行为可以是采集各定位数据时，用户在移动设备上的触发的搜索行为信息，例如，可以包括搜索的内容、搜索的频次、查看的时间等。可选的，各轨迹簇的设备行为特征可以是移动设备上的定位模块获取移动设备的定位数据时，移动设备上的特征提取模块，从移动设备中访问各应用程序或用户使用数据等提取到的。

可选的，根据各轨迹簇的设备行为特征从至少一个轨迹簇中选择常驻位置簇时，可以是根据每种设备行为特征设置一个判断条件，根据设定的一个或多个设备行为特征对应的判断条件来从至少一个轨迹簇中选择常驻位置簇。还可以是训练基于神经网络的常驻位置簇确定模型，来根据各轨迹簇的设备行为特征，判断各轨迹簇是否为常驻位置簇。具体的，该常驻位置簇确定模型可以是一个二分类模型，可将每一个轨迹簇及其对应的设备行为特征输入训练好的二分类模型中，该模型就会分析输出该轨迹簇是否为常驻位置簇的判断；该常驻位置簇确定模型也可以是一个选择模型，将所有的轨迹簇及其对应的设备行为特征输入训练好的选择模型中，该模型就会通过分析从多个轨迹簇中选择出常驻位置簇。

可选的，本发明实施例的常驻位置簇确定模型可以是机器学习模型，可以预先采集训练样本，基于采集的训练样本对初始神经网络模型进行训练，最终得到用于从至少一个轨迹簇中选择常驻位置的常驻位置簇确定模型。示例性的，每一组训练样本中包含的元素可包括：移动设备对应的多个轨迹簇、各轨迹簇关联的设备行为特征、以及该移动设备的常驻位置簇等。所采用的算法可以包括循环神经网络(recurrentneuralnetworks，rnn)、长短期记忆(longshort-termmemory，lstm)网络、门限循环单元、简单循环单元、自动编码器、决策树、随机森林、特征均值分类、分类回归树、隐马尔科夫、k最近邻(k-nearestneighbor，knn)算法、逻辑回归模型、贝叶斯模型、高斯模型以及kl散度(kullback–leiblerdivergence)等等。

s203，根据常驻位置簇中包括的各轨迹数据，确定移动设备的常驻位置。

可选的，在本发明实施例中，根据常驻位置簇中包含的各轨迹数据，确定移动设备的常驻位置的方法有很多，对此不进行限定。例如，可以是拟合常驻位置簇中各轨迹数据围成的区域，将该区域的中心作为移动设备的常驻位置；也可以是分析常驻位置簇中各轨迹数据分布密度，将轨迹数据分布密度高的区域的中心作为常驻位置等等。

s204，根据移动设备的常驻位置确定目标区域的常驻设备数量。

s205，根据目标区域的常驻设备数量，确定目标区域的常住人口数量。

本实施例提供了一种区域常住人口数量的确定方法，对于一个移动设备，聚类至少一个轨迹簇，根据各轨迹簇的设备行为特征，从中选择常驻位置簇，并确定该移动设备的常驻位置；在确定目标区域人口数量时，先确定目标区域的常驻设备数量，进而确定目标区域的常住人口数量。基于轨迹簇和轨迹簇的设备行为特征，确定移动设备的常驻位置，提高了确定移动设备常驻位置的精度，进而提高了人口数量确定的准确性。

实施例三

图3是本发明实施例三提供的一种区域常住人口数量的确定方法的流程图，该方法在上述实施例的基础上提供了一个优选施例。如图3所示，该方法包括：

s301，对移动设备的定位轨迹数据进行聚类得到至少一个轨迹簇。

示例性的，预先在各移动设备中部署地图软件开发平台(定位sdk)和设备特征提取模块，定位sdk会采集该移动设备的定位数据(可以是实时进行采集，也可以是每隔预设时间间隔采集一次，还可以是检测到移动设备处于运动状态时开始采集)，特征提取模块会在定位sdk采集定位数据时提取该移动设备的行为特征，将所属定位数据与其关联的移动设备的行为特征建立对应关系后上传至服务器。服务器接收到各移动设备发送的定位数据和各定位数据对应的设备行为特征后，对各移动设备的定位数据进行聚类处理，针对每一个移动设备聚类至少一个轨迹簇。

s302，根据各轨迹簇的设备行为特征从至少一个轨迹簇中选择常驻位置簇。

可选的，将各轨迹簇和各轨迹簇的设备行为特征都是输入预先训练好的常驻位置簇确定模型，该模型可通过分析运算，从至少一个轨迹簇中选择出常驻位置簇。可选的，若至少一个轨迹簇中不存在常驻位置簇，则该模型会输出不存在常驻位置簇的提示。

s303，根据常驻位置簇中包括的各轨迹数据，确定移动设备的常驻位置。

s304，根据移动设备的常驻位置确定目标区域的常驻设备数量。

示例性的，要确定目标区域的常住人口数量时，先根据s303确定的各移动设备的常驻位置的坐标信息，统计常驻位置的坐标信息在目标区域坐标范围内的移动设备的数量，作为目标区域的常驻设备数量。

s305，根据目标区域的常驻设备数量以及目标区域的人口拟合系数，确定目标区域的常住人口数量。

可选的，根据目标区域的常驻设备数量以及目标区域的人口拟合系数，确定目标区域的常住人口数量，可以是按照如下公式计算目标区域的常住人口数量：

s＝d×ait，

其中，s为目标区域的常住人口数量，d为目标区域的常驻设备数量；ait为目标城市i的第t年的人口拟合系数。

示例性的，若目标区域所属目标城市i，要确定目标区域第2018年的常住人口数量s时，可以是将s304确定的目标区域的常驻设备数量和目标城市i的第2018年的人口拟合系数做乘积得到。

可选的，目标区域的人口拟合系数可以是指根据历史的目标区域的常驻设备数量与实际人口数量通过一定的运算关系计算确定的，具体的，目标区域的人口拟合系数的确定方式包括如下步骤：

a、确定目标区域所属的目标城市的历史常驻设备数量。

其中，由于目标区域可以是一个国家、省份、城市、县区等等，还可以按照一定的规则划分得到的区域，如长江三角洲地区，珠江三角洲地区等。因此相应的，目标区域所属的目标城市可以是一个，也可以是多个。

可选的，各城市的历史常驻设备数量，可以是当年的前一年的常驻设备数量，也可以是当年的前n(n为大于1的正整数)年的常驻设备数量均值。通过s303确定出各移动设备的常驻位置后都会存储在服务器中，具体的，可以是将各城市、其对应的常驻设备的数量以及确定常驻位置的年份对应存储在服务器中，在确定目标区域所属的目标城市的历史常驻设备数量时，可以是直接从服务器中查找目标城市，并获取该目标城市的历史常驻设备数量。

b、获取目标城市官方的历史常住人口数量。

其中，城市官方的历史常住人口数量，可以是指中国人口信息网中公布的历年各城市的常住人口数量。可选的，历年常住人口数量可以是当年的前一年的常住人口数量，也可以是当年的前n(n为大于1的正整数)年的常住人口数量的均值。需要说明的是，步骤a中历史常驻设备数量与步骤b中历史常住人口数量存在一定的对应关系，若历史常驻设备数量是当年的前一年，则历史常住人口数量也是当年的前一年，若历史常驻设备数量是当年的前n年，则历史常住人口数量也是当年的前n年。

可选的，获取目标城市官方的历史常住人口数量时，可以是服务器通过访问国家官方公布人口信息的网站(如中国人口信息网)，查找目标城市以及要获取常住人口数量的年份，进而获取目标城市的历史常住人口数量；可选的，为了防止因网络不好导致历史常住人口数量获取失败的问题，服务器可以在网络条件好时，将中国人口信息网中公开的各城市的历年常住人口数量存储在服务器中，并定时检测中国人口信息网中的数据是否更新，若更新则对服务器中存储的数据也进行更新。此时，获取目标城市官方的历史常住人口数量，可以是直接从服务器内部进行查找获取，提高查找效率。

c、根据目标城市的历史常驻设备数量、历史常住人口数量以及历史常住人口自然增长率，确定目标区域的人口拟合系数。

其中，人口自然增长率是指在一定时期内(通常为一年)人口自然增加数(出生人数减死亡人数)与该时期内平均人数(或期中人数)之比，一般用千分率表示，具体的计算公式可以是：人口自然增长率＝(年内出生人数－年内死亡人数)/年平均人数×1000‰。

可选的，根据目标城市的历史常驻设备数量、历史常住人口数量以及历史常住人口自然增长率，确定目标区域的人口拟合系数，可以是按照如下公式计算目标区域的人口拟合系数：

其中，ait为目标城市i的第t年的人口拟合系数；cit-1为目标城市i第t-1年的常驻设备的数量；git-1为目标城市i第t-1年的官方的历史常住人口数量；βi为目标城市i的历史常住人口的自然增长率。

示例性的，若要确定目标城市i的第2018年的人口拟合系数，则可以是基于目标城市i前一年(即第2017年)的常驻设备数量、目标城市i第2017年的官方的历史常住人口数量以及目标城市i的2016年到2017年的常住人口的自然增长率，确定目标城市i的第2018年的人口拟合系数。

本实施例提供了一种区域常住人口数量的确定方法，通过轨迹簇和轨迹簇的设备行为特征，确定各移动设备的常驻位置，在确定目标区域人口数量时，先确定目标区域的常驻设备数量和计算得到的目标区域的人口拟合系数，确定目标区域的常住人口数量。相比于直接将目标区域的常驻设备数量作为目标区域的常住人口数量，基于目标区域的人口拟合系数计算得到的常住人口数量更为准确，提高了区域精度，以及常住人口数量的准确性。

实施例四

图4是本发明实施例四提供的一种区域常住人口数量的确定装置的结构示意图，该装置可执行本发明任意实施例所提供的区域常住人口数量的确定方法，具备执行方法相应的功能模块和有益效果。如图4所示，该装置包括：

设备数量确定模块401，用于根据移动设备的常驻位置确定目标区域的常驻设备数量，其中所述移动设备的常驻位置是根据所述移动设备的定位轨迹数据和所述定位轨迹数据关联的设备行为特征确定的；

人口数量确定模块402，用于根据所述目标区域的常驻设备数量，确定所述目标区域的常住人口数量。

本实施例提供了一种区域常住人口数量的确定装置，通过根据移动设备的定位数据和定位数据关联的设备行为特征，确定目标区域的常驻设备数量，进而确定目标区域的常住人口数量。能够掌握城市中任意区域的常住人口数量，提高了区域精度，以及常住人口数量的准确性。

进一步地，上述装置还包括：

轨迹簇聚类模块，用于对移动设备的定位轨迹数据进行聚类得到至少一个轨迹簇；

常驻簇选择模块，用于根据各轨迹簇的设备行为特征从所述至少一个轨迹簇中选择常驻位置簇；

常驻位置确定模块，用于根据所述常驻位置簇中包括的各轨迹数据，确定移动设备的常驻位置。

其中，所述轨迹簇的设备行为特征包括轨迹簇中各轨迹数据的时间分布、轨迹簇的兴趣点信息、网络类型和搜索行为中的至少一个。

进一步地，上述人口数量确定模块402具体用于：

根据所述目标区域的常驻设备数量以及所述目标区域的人口拟合系数，确定所述目标区域的常住人口数量。

进一步地，上述人口数量确定模块402具体用于：

确定所述目标区域所属的目标城市的历史常驻设备数量；

获取所述目标城市官方的历史常住人口数量；

根据所述目标城市的历史常驻设备数量、历史常住人口数量以及历史常住人口自然增长率，确定所述目标区域的人口拟合系数。

实施例五

图5为本发明实施例五提供的一种服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器50的框图。图5显示的服务器50仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图5所示，该服务器50以通用计算设备的形式表现。该服务器50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。

总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

服务器50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)504和/或高速缓存存储器505。服务器50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。系统存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如系统存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。

服务器50也可以与一个或多个外部服务器509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该设备交互的设备通信，和/或与使得该服务器50能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口511进行。并且，服务器50还可以通过网络适配器512与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图5所示，网络适配器512通过总线503与服务器50的其它模块通信。应当明白，尽管图中未示出，可以结合服务器50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的区域常住人口数量的确定方法。

实施例六

本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可实现上述实施例所述的区域常住人口数量的确定方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

上述实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员应该明白，上述的本发明实施例的各模块或各操作可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或操作制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间的相同或相似的部分互相参见即可。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。