[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115272025A - 确定人口分布热力数据的方法、装置和存储介质 - Google Patents

确定人口分布热力数据的方法、装置和存储介质 Download PDF

Info

Publication number
CN115272025A
CN115272025A CN202110482704.7A CN202110482704A CN115272025A CN 115272025 A CN115272025 A CN 115272025A CN 202110482704 A CN202110482704 A CN 202110482704A CN 115272025 A CN115272025 A CN 115272025A
Authority
CN
China
Prior art keywords
target
population
area
data
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110482704.7A
Other languages
English (en)
Inventor
周银生
黄骞
莫君贤
许立言
尹航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University
Huawei Technologies Co Ltd
Original Assignee
Peking University
Huawei Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Peking University, Huawei Technologies Co Ltd filed Critical Peking University
Priority to CN202110482704.7A priority Critical patent/CN115272025A/zh
Priority to PCT/CN2022/088666 priority patent/WO2022228320A1/zh
Publication of CN115272025A publication Critical patent/CN115272025A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种确定人口分布热力数据的方法、装置和存储介质，属于计算机技术领域。所述方法包括：获取目标区域的地域属性数据；基于所述目标区域的地域属性数据，确定所述目标区域的一级人口权重数据；基于所述目标区域的第一人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据。采用本申请，可以提高人口分布热力数据的精度。

Description

确定人口分布热力数据的方法、装置和存储介质
技术领域
本申请涉及计算机技术领域，特别涉及一种确定人口分布热力数据的方法、装置和存储介质。
背景技术
人口分布热力数据是用于描述人口在地理区域中分布情况的数据。一般，可以在地理区域中绘制栅格，将地理区域划分为多个面积相等的单位区域(一般为正方形)，人口分布热力数据由地理区域中各单位区域对应的人数组成。随着信息化的发展，人口分布热力数据的应用越来越广泛，例如，人口分布热力数据可以用于指导通信网络的基础设施建设和运营、门店选址、广告投放等。
相关技术中获取人口分布热力数据的方式一般是：由网络侧的服务器采集各终端的全球定位系统(global positioning system，GPS)位置数据，对采集到的大量位置数据进行统计计算，得到人口分布热力数据。
在实现本申请的过程中，发明人发现相关技术至少存在以下问题：
因为GPS位置数据的精确度较低，所以，通过上述方式采集的人口分布热力数据的分辨率较低。人口分布热力数据的分辨率体现于上述单位区域的大小，单位区域越大则分辨率越低，单位区域越小则分辨率越高。通过GPS位置数据统计得到的人口分布热力数据的分辨率一般为200m×200m。这种分辨率的人口分布热力数据已经无法满足实际应用的需求，急需有一种方法能够提高人口分布热力数据的精度。
发明内容
本申请实施例提供了一种确定人口分布热力数据的方法，可以解决人口分布热力数据的精度较低无法满足实际应用的需求的问题。所述技术方案如下：
第一方面，提供了一种确定人口分布热力数据的方法，该方法包括：获取目标区域的地域属性数据，基于目标区域的地域属性数据，确定目标区域的一级人口权重数据，基于目标区域的第一人口分布热力数据、以及目标区域的一级人口权重数据，确定目标区域的第二人口分布热力数据。
其中，人口分布热力数据是一种描述地理区域中不同位置在的人口分布情况的数据。地域属性数据是一种描述地理区域中不同位置的地域属性的数据。人口权重数据是一种描述地理区域中不同位置的人口分布高低可能性的数据。
地域属性数据包括目标区域中每个单位区域对应的至少一种地域属性的属性值。单位区域根据目标分辨率确定。地域属性为对人口具有影响作用的地域属性。一级人口权重数据包括目标区域中每个单位区域对应的人口权重值。第一人口分布热力数据包括目标区域中每个初始单位区域对应的人数。第二人口分布热力数据包括目标区域中每个单位区域对应的人数。初始单位区域为根据初始分辨率确定。目标分辨率大于初始分辨率。初始分辨率是初始的人口分布热力数据的分辨率，是较低的分辨率，目标分辨率是想要达到的分辨率，是较高的分辨率。
地域属性数据、人口权重数据和第二人口分布热力数据都是对应目标分辨率的，第一人口分布热力数据是对应初始分辨率的。
本申请实施例所示的方案，地域属性数据可以获取自地图数据库，如果从地图数据库获取的各地域属性的属性值是矢量数据，则将矢量数据转换为栅格数据，如果从地图数据库获取的各地域属性的属性值是栅格数据，则可以直接使用。
在基于第一人口分布热力数据和一级人口权重数据，确定第二人口分布热力数据时，可以先对第一人口分布热力数据进行插值，然后再基于一级人口权重数据对插值结果进行滤波，进一步可以将滤波结果作为第二人口分布热力数据，或者，对滤波结果进行进一步处理，得到第二人口分布热力数据。或者还可以直接基于一级人口权重数据对第一人口分布热力数据进行插值，得到插值结果，作为第二人口分布热力数据，或者，对插值结果进行进一步处理，得到第二人口分布热力数据。
在一种可能的实现方式中，至少一种对人口具有影响作用的地域属性，包括：地域类型和/或建筑层数。这两种地域属性更容易对地域中的人数产生影响，所以使用这两种地域属性的属性值确定出的人口权重值更加准确。
在一种可能的实现方式中，基于目标区域中每个单位区域对应的至少一种地域属性的属性值、以及地域属性的属性值与人口权重值的对应关系，确定目标区域中每个单位区域对应的人口权重值。对于目标区域中的每个初始单位区域，对初始单位区域中所有单位区域对应的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值。将目标区域中所有单位区域对应的归一化的人口权重值，确定为目标区域的一级人口权重数据。
地域属性的属性值与人口权重值的对应关系可以采用对应关系表，在获取地域属性数据后，对于每个单位区域，基于该单位区域对应的至少一个地域属性的属性值，在对应关系表中查找对应的人口权重值，即得到该单位区域对应的人口权重值。或者，地域属性的属性值与人口权重值的对应关系可以采用计算关系式，在获取地域属性数据后，对于每个单位区域，将该单位区域对应的至少一个地域属性的属性值，输入计算关系式中，即得到该单位区域对应的人口权重值。
进一步对得到的人口权重值以初始单位区域为单位进行归一化处理，可以使滤波得到的第二人口分布热力数据与第一人口分布热力数据在相同初始单位区域中的人数尽量相同，使输出的高分辨率的人口分布热力数据能够尽量忠实于输入的低分辨率的人口分布热力数据。
在一种可能的实现方式中，地域属性的属性值与人口权重值的对应关系为地域属性的属性值与人口权重值的计算关系式，计算关系式为：
zi＝p1×xi1+p2×xi2+......+pN×xiN+θ；其中，xi1、xi2、……xiN分别为目标区域中的单位区域i中每种地域属性的属性值，zi为单位区域i的人口权重值，p1、p2、……pN和θ为常数。
p1、p2、……pN和θ的取值可以由技术人员基于经验值设置，也可以基于精确检测的样本人口分布热力数据进行学习得到。采用计算关系式，并通过学习的方式确定计算关系式中的各常数，可以更准确的计算人口权重值，进而提高第二人口分布热力数据的准确度。
在一种可能的实现方式中，对目标区域的第一人口分布热力数据进行插值处理，得到目标区域的第三人口分布热力数据，基于目标区域的第三人口分布热力数据、以及目标区域的一级人口权重数据，确定目标区域的第二人口分布热力数据。
其中，第三人口分布热力数据包括目标区域中每个单位区域对应的人数。
对第一人口分布热力数据进行插值处理，可以采用三次样条插值，或者也可以采用平均插值等插值处理方式。在确定第三人口分布热力数据，可以使用一级人口权重数据对第三人口分布热力数据进行滤波，得到第二人口分布热力数据，也可以将一级人口权重数据与第三人口分布热力数据进行对位相乘，得到第二人口分布热力数据。
采用三次样条插值可以更好的体现相邻初始单位区域之间的边缘过渡，与实际人口分布具有更高的匹配度。
在一种可能的实现方式中，基于目标区域的一级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对目标区域的第三人口分布热力数据，进行滤波处理，得到第一滤波结果。基于第一滤波结果，确定目标区域的第二人口分布热力数据。
目标滤波窗口的边长可以是初始单位区域的边长与单位区域的边长比值。目标窗口滑动步长可以为1。
在得到第一滤波结果之后，可以将第一滤波结果作为目标区域的第二人口分布热力数据，也可以对第一滤波结果进行进一步的处理，得到目标区域的第二人口分布热力数据。
采用滤波的处理方式可以更好的体现单位区域之间人数的相互影响，与实际人口分布具有更高的匹配度。
在一种可能的实现方式中，获取目标区域中的目标子区域的地域细分类型数据。基于目标子区域的地域细分类型数据，确定目标子区域的二级人口权重数据，基于第一滤波结果、以及目标子区域的二级人口权重数据，确定目标区域的第二人口分布热力数据。
其中，地域细分类型数据包括目标子区域中每个单位区域对应的地域细分类型的类型值。二级人口权重数据包括目标子区域中每个单位区域对应的人口权重值。
可以使用地域细分类型的类型值与人口权重值的对应关系表，对于每个单位区域的地域细分类型的类型值，查找对应的人口权重值，得到每个单位区域的人口权重值，再基于每个单位区域的人口权重值确定人口权重数据。或者可以使用地域细分类型的类型值与人口权重值的计算关系式，对于每个单位区域的地域细分类型的类型值，计算相应的人口权重值，得到每个单位区域的人口权重值，再基于每个单位区域的人口权重值确定二级人口权重数据。
进一步，使用二级人口权重数据对第一滤波结果进行处理，具体可以使用二级人口权重数据对第一滤波结果进行再次滤波，将第二滤波结果作为目标区域的第二人口分布热力数据，或者对第二滤波结果进行进一步处理，得到目标区域的第二人口分布热力数据。或者，也可以使用二级人口权重数据与第一滤波结果进行对位相乘，得到对位相乘结果，将对位相乘结果作为目标区域的第二人口分布热力数据，或者对对位相乘结果进行进一步处理，得到目标区域的第二人口分布热力数据。
采用地域细分类型数据确定二级人口权重数据，对第一滤波结果进行进一步处理，可以更精准的计算特定区域(目标子区域)中的人口分布情况，使计算得到的第二人口分布热力数据与实际人口分布具有更高的匹配度。
在一种可能的实现方式中，基于目标子区域中每个单位区域对应的类型值、以及类型值与人口权重值的对应关系，确定目标子区域中每个单位区域对应的人口权重值。对于目标子区域中的每个单位区域，基于目标子区域中单位区域之外的多个其他单位区域对应的人口权重值、以及单位区域分别与多个其他单位区域之间的距离，确定多个其他单位区域分别对单位区域的人口权重影响值，基于多个其他单位区域分别对单位区域的人口权重影响值，对单位区域对应的人口权重值进行调整，得到单位区域的调整后的人口权重值。对于目标子区域中的每个初始单位区域，对初始单位区域中所有单位区域对应的调整后的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值。将目标子区域中所有单位区域对应的归一化的人口权重值，确定为目标子区域的二级人口权重数据。
其中，对应关系可以是对应关系表或计算关系式。
上述处理中先对每个单位区域的人口权重值进行调整，在进行归一化处理，下面以一个单位区域的人口权重值的调整过程来说明：
该单位区域可以是目标子区域中的任一单位区域，可以将该单位区域称为待调单位区域。在目标子区域中确定待调单位区域之外的其他单位区域作为参考单位区域。此时，可以选择目标子区域中待调单位区域之外的所有其他单位区域作为参考单位区域。或者，可以在目标子区域中待调单位区域之外其他单位区域中，选择满足指定条件的单位区域作为参考单位区域。该指定条件可以根据实际需求任意设置，例如，指定条件是参考单位区域与待调单位区域之间的距离小于或等于距离阈值，距离阈值可以基于经验值预先设置。
进而，可以确定每个参考单位区域分别与待调单位区域之间的距离，该距离可以是直线距离，或者包括经度方向距离和纬度方向距离。进而基于每个参考单位区域分别与待调单位区域之间的距离、以及每个参考单位区域对应的人口权重值，分别确定每个参考单位区域对待调单位区域的人口权重影响值。具体的确定权重影响值的处理方式可以多种多样，例如基于对应关系表查询或基于公式计算。下面给出一种可用的公式形式：
Figure BDA0003049852270000041
其中，参考单位区域与待调单位区域之间的距离可以包括经度方向距离和纬度方向距离，dx为经度方向距离，dy为纬度方向距离，H为该参考单位区域的人口权重值，W为该参考单位区域对待调单位区域的人口权重影响值。此公式基于高斯函数得到，其中的经度方向对应的标准差σx与纬度方向对应标准差σy可以基于目标子区域经度方向上的第一宽度与纬度方向上的第二宽度确定。具体可以将第一宽度与第二宽度中的较大值对应的标准差的值确定为1，然后按照σx与σy的比值等于第一宽度与第二宽度的比值，来计算另一个标准差。
在确定每个参考单位区域对待调单位区域的人口权重影响值之后，可以将待调单位区域的人口权重值与这些人口权重影响值相加，得到待调单位区域的调整后的人口权重值。
因为，在实际中任意位置的人数对周围区域都是具有辐射性影响的，所以采用上述方法计算单位区域之间的人口权重值的相互影响，可以更好的还原实际的人口分布情况。
在一种可能的实现方式中，基于目标子区域的二级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对第一滤波结果中与目标子区域相对应的部分，进行再次滤波处理，得到第二滤波结果。将第二滤波结果和第一滤波结果中不与目标子区域相对应的部分，确定为目标区域的第二人口分布热力数据。
二次滤波的滤波窗口和一次滤波的滤波窗口的尺寸可以相同也可以不同，滑动步长也可以相同也可以不同。二次滤波是对第一滤波结果中对应目标子区域的部分。进行二次滤波得到第二滤波结果后，可以将第二滤波结果和第一滤波结果中不与目标子区域相对应的部分进行组合，即得到目标区域的第二人口分布热力数据。
采用滤波的处理方式可以更好的体现单位区域之间人数的相互影响，计算出的第二人口分布数据与实际情况具有更高的匹配度。
在一种可能的实现方式中，目标子区域为多层建筑区域。地域细分类型数据包括每层对应的子地域细分类型数据，层对应的子地域细分类型数据包括目标子区域中每个单位区域在层对应的地域细分类型的类型值。二级人口权重数据包括每层对应的子人口权重数据，层对应的子人口权重数据包括目标子区域中每个单位区域在层对应的人口权重值。相应的，二次滤波的处理过程可以如下：对于每层，基于层的子人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对第一滤波结果中与目标子区域相对应的部分，进行再次滤波处理，得到层对应的滤波结果。将每层对应的滤波结果的组合，确定第二滤波结果。
对多层分别进行滤波，然后将多层的滤波结果简单组合，即得到第二滤波结果，这时的第二滤波结果是目标子区域的三维人口分布热力数据。通过这种处理方式，可以得到较为精准的三维人口分布热力数据。
第二方面，提供了一种确定人口分布热力数据的装置，该装置包括一个或多个模块，该一个或多个模块用于实现第一方面及其可能的实现方式的方法。
第三方面，提供了一种计算机设备，计算机设备包括存储器和处理器，存储器用于存储计算机指令；处理器执行存储器存储的计算机指令，以使计算机设备执行第一方面及其可能的实现方式的方法。
第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序代码，当计算机程序代码被计算机设备执行时，计算机设备执行第一方面及其可能的实现方式的方法。
第五方面，提供了一种计算机程序产品，计算机程序产品包括计算机程序代码，在计算机程序代码被计算机设备执行时，计算机设备执行第一方面及其可能的实现方式的方法。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例中，使用高分辨率的地域属性数据，确定高分辨率的人口权重数据，进而基于高分辨率的人口权重数据，对低分辨率的人口分布热力数据进行处理，得到高分辨率的人口分布热力数据，从而，可以提高人口分布热力数据的精度。
附图说明
图1是本申请实施例提供的一种计算机设备的结构示意图；
图2是本申请实施例提供的一种人口分布热力数据的示意图；
图3是本申请实施例提供的一种地域属性数据的示意图；
图4是本申请实施例提供的一种人口权重数据的示意图；
图5是本申请实施例提供的一种地域细分类型数据的示意图；
图6是本申请实施例提供的一种确定人口分布热力数据的方法的流程示意图；
图7是本申请实施例提供的一种插值处理的示意图；
图8是本申请实施例提供的一种滤波处理的示意图；
图9是本申请实施例提供的一种确定人口分布热力数据的方法的流程示意图；
图10是本申请实施例提供的一种目标子区域与目标区域的关系示意图；
图11是本申请实施例提供的一种确定人口分布热力数据的方法的流程示意图；
图12是本申请实施例提供的一种确定人口分布热力数据的装置的结构示意图。
具体实施方式
本申请实施例提供了一种确定人口分布热力数据的方法，该方法可以由计算机设备实现。该计算机设备可以是用于对人口分布热力数据进行统计的设备。该计算机设备可以是具有人口分布统计需求的单位使用的设备，例如，该单位可以是地铁公司，需要对城市人口分布情况进行统计分析，以进行地铁线路规划，又例如，该单位可以是连锁经营公司，需要对城市人口分布情况进行统计分析，以进行店铺选址决策。该计算机设备也可以是提供第三方人口分布统计服务的单位使用的设备。该计算机设备可以是设置在上述这些单位的机房或办公室中的终端、服务器或服务器组等。
如图1所示，计算机设备可以包括处理器1、存储器2和通信部件3等。
处理器可以是中央处理器(central processing unit，CPU)，处理器可以用于获取目标区域的地域属性数据，还可以用于基于地域属性数据确定人口权重数，还可以用于基于人口权重数据对人口热力数据进行滤波处理，等等。
存储器可以是各种易失性存储器或非易失性存储器，如固态硬盘(solid statedisk，SSD)、动态随机存取存储器(dynamic random access memory，DRAM)内存等。存储器可以用于存储在确定人口分布热力数据的处理过程中的预存数据、中间数据和结果数据，例如，人口分布热力数据、地域属性数据、人口权重数据等。
通信部件可以是有线网络连接器、无线保真(wireless fidelity，WiFi)模块、蓝牙模块、蜂巢网通信模块等。通信部件可以用于与其他设备进行数据传输，例如，通信部件可以用于接收其他设备发送来的第一人口分布热力数据、地域属性数据，还可以用于向某指定的设备发送计算出的第二人口分布热力数据，等等。
本申请实施例提供的确定人口分布热力数据的方法，可以用于基于低分辨率的人口分布热力数据确定高分辨率的人口分布热力数据。本申请实施例主要是在空间域上提升人口分布热力数据的分辨率，对时域上的处理不做限定。
下面对处理过程中的一些重要名词进行解释：
人口分布热力数据
人口分布热力数据是一种描述地理区域中不同位置在的人口分布情况的数据。
下面结合图2对目标区域的人口分布热力数据进行说明。在目标区域中划分有很多栅格，每个栅格的尺寸相等形状相同，形状可以为正方形，每个栅格可称为一个单位区域。每个单位区域对应有人数，如图2中单位区域A1对应的人数为11。目标区域中所有单位区域对应的人数则组成了目标区域的人口分布热力数据。从形象的角度来看，人口分布热力数据采用的是栅格形式的数据，可简称栅格数据。人口分布热力数据是具有一定的分辨率的，该分辨率记作单位区域的尺寸，可以是正方形单位区域的边长，例如，分辨率可以为10m×10m。因为单位区域的尺寸与目标区域中包含的单位区域的数量和密度直接相关，所以用单位区域的尺寸来表示分辨率。
人口热力数据在存储形式上可以是一个数组，数组中包括一个或多个值，每个值则表示目标区域中的一个单位区域对应的人数。
地域属性数据
地域属性数据是一种描述地理区域中不同位置的地域属性的数据，可以对应有至少一种对人口具有影响作用的地域属性，如地域类型、建筑层数等。地域类型可以是较粗粒度的类型，如路口、道路、公园、商场、住宅楼、剧院等。对于建筑层数来说，如果是不分层的区域，如公园、道路等，则可以认为是1层。可见，不同的地域类型对人口具有不同的影响度，例如，路口的人口密度一般比道路上的人口密度大，商场的人口密度一般比公园的人口密度大。不同的建筑层数对人口也具有不同的影响度，层数最多人口就可能越多。
下面结合图3对目标区域的地域属性数据进行说明。在目标区域中划分有很多栅格，每个栅格的尺寸相等形状相同，形状可以为正方形，每个栅格可称为一个单位区域。每个单位区域对应有地域属性的属性值，如图3中的单位区域A1对应的地域类型是商场、建筑层数是5层。目标区域中所有单位区域对应的地域属性的属性值则组成了目标区域的地域属性数据。从形象的角度来看，地域属性数据采用的是栅格形式的数据，可简称栅格数据。地域属性数据是具有一定的分辨率的，该分辨率记作单位区域的尺寸，可以是正方形单位区域的边长，例如，分辨率可以为10m×10m。
地域属性数据在数据在存储形式上可以是一个数组，数组中包括一个或多个值，每个值则表示目标区域中的一个单位区域对应的地域属性的属性值，如果存在多种地域属性，则每个值均可以是一个向量，向量的每个元素为一种地域属性的属性值。
人口权重数据
人口权重数据是一种描述地理区域中不同位置的人口分布高低可能性的数据。该可能性是受地域属性数据影响的，例如，商场比公园的权重更高。
下面结合图4对目标区域的人口权重数据进行说明。在目标区域中划分有很多栅格，每个栅格的尺寸相等形状相同，形状可以为正方形，每个栅格可称为一个单位区域。每个单位区域对应有人口权重值，人口权重值是表示单位区域中人口高低可能性的因子，如图4中单位区域A1对应的人口权重值为0.8。目标区域中所有单位区域对应的人口权重值则组成了目标区域的人口权重数据。从形象的角度来看，人口权重数据采用的是栅格形式的数据，可简称栅格数据。人口权重数据是具有一定的分辨率的，该分辨率记作单位区域的尺寸，可以是正方形单位区域的边长，例如，分辨率可以为10m×10m。
人口权重数据在存储形式上可以是一个数组，数组中包括一个或多个值，每个值则表示目标区域中的一个单位区域对应的人口权重值。
地域细分类型数据
地域细分类型数据一种描述地理区域中不同位置的地域细分类型的数据，是一种更细粒度的体现地域分类的数据。地域细分类型一般用于针对目标区域中某个地域类型的子区域内部进行进一步的类型细分，例如，公园又可以细分出草地、道路、凉亭、池塘等，商场中又可以细分出店铺、走廊、卫生间、电梯间等。
下面结合图5对目标区域中目标子区域的地域细分类型数据进行说明。在目标子区域中继续延中对目标区域划分的栅格，所以目标子区域中包括多个单位区域，每个单位区域对应有地域细分类型，如图5中单位区域A1对应的地域细分类型为走廊。目标子区域中所有单位区域对应的地域细分类型则组成了目标子区域的地域细分类型数据。从形象的角度来看，地域细分类型数据采用的是栅格形式的数据，可简称栅格数据。地域细分类型数据是具有一定的分辨率的，该分辨率记作单位区域的尺寸，可以是正方形单位区域的边长，例如，分辨率可以为10m×10m。
地域细分类型数据在存储形式上可以是一个数组，数组中包括一个或多个值，每个值则表示目标子区域中的一个单位区域对应的地域细分类型。
初始分辨率
本申请实施例的处理是基于低分辨率的第一人口分布热力数据计算高分辨率的第二人口分布热力数据。其中的低分辨率可称为初始分辨率，初始分辨率是本申请实施例的方法输入的第一人口分布热力数据的分辨率。第一人口分布热力数据可以通过一般渠道能够获得到，例如，通过GPS数据统计得到的人口分布热力数据，其分辨率为200m×200m。
目标分辨率
上述的高分辨率可称为目标分辨率，目标分辨率是本申请实施例的方法输出的第二人口分布热力数据的分辨率。目标分辨率可以基于人口热力数据的应用需求设置，或者基于能够获取到的地域属性数据的分辨率来决定。例如目标分辨率可以为10m×10m、5m×5m等。
下面将结合具体实施方式，对图6所示的处理流程进行详细的说明，内容可以如下：
601，获取目标区域的地域属性数据。
其中，目标区域是任一地理区域，如某个城市、某个国家、某个行政区或人为在地图中划定的一个区域等。该步骤中获取的地域属性数据可以为：目标区域中每个单位区域对应的至少一种地域属性的属性值。单位区域根据目标分辨率确定，例如，目标分辨率为10m×10m，则单位区域为10m×10m的正方形。目标分辨率即想要得到的人口热力数据的分辨率，可以由技术人员预先设置。
在地图应用的后台服务器中一般建立有地图数据库，在地图数据库中存储有地图涉及的地理区域对应的各种地域属性(如地域类型、建筑层数等)的数据，该数据可以是栅格数据也可以是矢量数据。如果是栅格数据，且分辨率等于目标分辨率，则计算机设备可以直接获取此栅格数据，如果该栅格数据的分辨率高于目标分辨率则对其进行降分辨率处理。如果是矢量数据，则需要将其转换为栅格数据。
下面以地域类型的矢量数据为例，说明一下矢量数据转换栅格数据的过程。
例如，某商场的矢量数据可以包括该商城的平面轮廓线(假设该平面轮廓线为任意多边形)的各顶点坐标和商场类型标识。该商场是在目标区域中的。基于各顶点坐标，可以确定对应的多边形，作为商场的平面轮廓线，进而，在目标区域中确定平面轮廓线范围内的所有单位区域，并确定这些单位区域对应的地域类型为商场。
基于上述类似的方式，可以将各种地域属性的矢量数据转换为栅格数据。
602，基于地域属性数据中每个单位区域对应的地域属性的属性值、以及地域属性的属性值与人口权重值的对应关系，确定目标区域中每个单位区域对应的人口权重值。
其中，人口权重值是表示单位区域中人口高低可能性的因子。
基于对应关系的形式的不同，该步骤有多种具体的处理方式，下面对其中几种处理方式进行介绍。
方式一，对应关系采用地域属性的属性值与人口权重值的计算关系式。
该计算关系式可以如下：
zi＝p1×xil+p2Xxi2+......+pw×xiN+θ
其中，xi1、xi2、……xiN分别为目标区域中的单位区域i中每种地域属性的属性值。zi为单位区域i的人口权重值。p1、p2、……pN是每种地域属性对应的权重系数，可以为常数。θ也可以为常数。p1、p2、……pN和θ的取值，可以基于精确检测的人口分布热力数据进行学习得到，也可以由技术人员基于经验值设置，后面内容中会对学习的方式进行详细说明。i可以认为是单位区域的编号，对于任意编号的单位区域都可以基于该计算关系式计算人口权重值。
方式二，对应关系采用地域属性的属性值与人口权重值的对应关系表。
对应关系表可以由技术人员根据经验值进行设置。在获取地域属性数据后，对于每个单位区域，基于该单位区域对应的至少一个地域属性的属性值，在对应关系表中查找对应的人口权重值，即得到该单位区域对应的人口权重值。
603，对于目标区域中的每个初始单位区域，对初始单位区域中所有单位区域对应的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值。
基于目标分辨率，目标区域可以划分为若干个单位区域，基于初始分辨率，目标区域可以划分为若干个初始单位区域，每个初始单位区域可以包括多个单位区域。例如，初始分辨率是200m×200m，目标分辨率是10m×10m，则每个初始单位区域的大小为200m×200m，每个单位区域的大小为10m×10m，这样，每个初始单位区域包括400个单位区域。
基于以上特点，可以以一个初始单位区域为范围对其中的单位区域的人口权重值进行归一化处理。对于任一初始单位区域，确定该初始单位区域内的多个单位区域，获取此多个单位区域的人口权重值。进而对此多个单位区域的人口权重值进行归一化处理，得到此多个单位区域中每个单位区域对应的归一化的人口权重值。对每个初始单位区域都进行这样的处理，即可以得到目标区域中每个单位区域对应的归一化的人口权重值。
604，将目标区域中所有单位区域对应的归一化的人口权重值，确定为目标区域的人口权重数据。
605，对目标区域的第一人口分布热力数据进行插值处理，得到目标区域的第三人口分布热力数据。
其中，第一人口分布热力数据包括目标区域中每个初始单位区域对应的人数。初始单位区域是根据初始分辨率确定，例如，初始分辨率为200m×200m，则初始单位区域为200m×200m的正方形。第三人口分布热力数据包括目标区域中每个单位区域对应的人数。目标分辨率大于初始分辨率。
对第一人口分布热力数据进行插值处理，可以采用三次样条插值，或者也可以采用平均插值等插值处理方式。插值处理的过程可以参见图7。
606，基于目标区域的人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对目标区域的第三人口分布热力数据，进行滤波处理，得到目标区域的第二人口分布热力数据。
其中，第二人口分布热力数据包括目标区域中每个单位区域对应的人数。第二人口分布热力数据是对第三人口分布热力数据进行滤波的结果。目标滤波窗口尺寸可以根据实际需求来设置，例如可以将初始单位区域的边长与单位区域的边长的比值设置为滤波窗口边长，初始单位区域为200m×200m的正方形，单位区域边长为10m×10m的正方形，则目标滤波窗口尺寸为20×20。目标窗口滑动步长可以由技术人员基于经验值设置，如1、2等。
滤波处理的过程可以参见图8，以目标区域是正方形区域为例，图中的数值使用X和Y示意，并不代表不同的单位区域中数值相同，其中的实际数据可以是任意数值。第三人口分布热力数据和人口权重数据都是目标区域的数据，且都是基于目标分辨率的，所以他们具有相同的空间分布，如图中所示的他们都可以表示为8×8的矩阵。
可以使用滤波窗口在第三人口分布热力数据和人口权重数据中选取位置相对应的部分。图中目标滤波窗口尺寸为3×3。可以是使用滤波窗口分别在第三人口分布热力数据和人口权重数据的左上角选取3×3的矩阵，然后计算两个矩阵的内积Y。另外，建立滤波结果，该滤波结果在数据形式上与第三人口分布热力数据相同，也为8×8的矩阵，在建立之初他的内容暂时为空，后续会在其中放入每次计算的内积Y。
下面确定当前的内积Y在滤波结果中的放置位置，滤波窗口当前位于第三人口分布热力数据左上角，所以，可以将滤波窗口也放置于滤波结果的左上角，再将滤波窗口中的指定位置当前在滤波结果中对应的位置确定为结果位置，结果位置即为内积Y在滤波结果中的放置位置。关于指定位置可以任意设置，一般的，边长为奇数的滤波窗口，指定位置可以为滤波窗口的中心位置，边长为偶数的滤波窗口，指定位置为滤波窗口中心的4个位置中位于左上方(或右上方等)的位置。在确定结果位置后，将当前的内积Y放置于该结果位置。如图，3×3的滤波窗口位于滤波结果的左上角，则滤波窗口的中心位置在滤波结果中对应的位置则为2行2列的位置，此即结果位置，可以将当前的内积Y的数值填入滤波结果中2行2列的位置。
经过上述处理之后则完成了滤波过程的第一次矩阵内积的计算。进一步的，可以将滤波窗口向右滑动，滑动的距离为目标窗口滑动步长，如图，目标窗口滑动步长为1，则向右滑动一格。进而进行第二次矩阵内积的计算。以此类推，当滤波窗口移动到最右侧并计算完矩阵内积之后，则将滤波窗口滑动至最左侧并向下滑动，向下滑动的距离为目标窗口滑动步长，继续处理，直到滤波窗口滑动至右下角并计算完矩阵内积。
这时，滤波结果还缺少外圈的数据，例如，图中1行1列、1行2列、1行3列等位置。可以对外圈的数据进行补足，补足的方法多种多样。例如，对于外圈空缺数据的每个位置，可以使用与其距离最近且已填入数据的位置中的数据，填入此空缺的位置。又例如，可以在空缺数据的位置中填入预设数值，等等。
在获取到目标区域的第二人口分布热力数据之后，可以将目标区域的第二人口分布热力数据发送至目标设备进行显示。或者，可以对一定时长内获取的第二人口分布热力数据进行统计，基于统计结果，在多个待定广告位中，选取目标广告位，用于广告投放，还可以基于统计结果，在多个待定门店位置中，选取目标门店位置，用于设立门店，等等。
人口分布热力数据是随着时间不断变化的，所以上述获取的第一人口分布热力数据也是随时间不断变化的。因此，对于目标区域来说，在一段时间内，上述步骤601-604可以只执行一次，这段时间内可以近似认为目标区域的地域属性数据是不发生变化的。或者，可以在每次检测到目标区域的地域属性数据发生变化后重新执行步骤601-604。或者，也可以每次计算第二人口分布热力数据都重新执行步骤601-604。步骤604执行完毕后则得到目标区域的人口权重数据。第一人口分布热力数据可以是按周期获取到的，在每次获取到第一人口分布热力数据时，可以调用目标区域的人口权重数据执行步骤605-606。
上述处理过程中，对低分辨率的人口分布热力数据，采用先插值再滤波的处理方式，得到高分辨率的人口分布热力数据。可选的，在确定人口权重数据后，也可以直接基于人口权重数据对低分辨率的人口分布热力数据进行插值处理，得到高分辨率的人口分布热力数据。
具体处理可以如下：
对于每个初始单位区域，确定在第一人口分布热力数据中该初始单位区域的人数，确定在人口权重数据中该初始单位区域包含的每个单位区域的人口权重值，并确定这些人口权重值的和值，对于该初始单位区域中的每个单位区域，确定该单位区域的人口权重值与该和值的比值，进一步确定该比值与该初始单位区域的人数的乘积，得到该单位区域对应的人数。采用此方法就可以得到目标区域中所有单位区域的人数，即完成插值，得到高分辨率的人口分布热力数据。
上述处理过程中，使用人口权重数据对第三人口分布热力数据进行滤波处理。可选的，也可以不采用滤波的处理方式，直接将人口权重数据与第三人口热力分布数据对位相乘得到第二人口分布热力数据。具体处理可以如下：
对于每个单位区域，获取在第三人口热力分布数据中该单位区域的人数，并获取在人口权重数据中该单位区域的人口权重值，计算该热人数与该人口权重值的乘积，确定为该单位区域的更新的人数。将目标区域中所有单位区域的更新的人数，确定为最终输出的高分辨率的人口分布热力数据。
上述处理过程中，步骤603对人口权重值进行归一化处理，可以使滤波得到的第二人口分布热力数据与第一人口分布热力数据在相同初始单位区域中的人数尽量相同，使输出的高分辨率的人口分布热力数据能够尽量忠实于输入的低分辨率的人口分布热力数据。可选的，也可以不进行步骤603的归一化处理，直接将步骤602输出的所有单位区域的人口权重值，确定为目标区域的人口权重数据，然后在滤波之后对滤波结果进行缩放调整，使最终输出的第二人口分布热力数据与第一人口分布热力数据在相同初始单位区域中的人数相同。具体处理可以如下：
对于每个初始单位区域，在第一人口分布热力数据中获取该初始单位区域对应的人数(可称作初始人数)，在滤波结果中确定该初始单位区域包括的所有单位区域对应的人数的总和，即该初始单位区域的总人数，确定初始人数与总人数的比值，在滤波结果中，将该初始单位区域包括的每个单位区域对应的人数乘以该比值，得到调整后的人数。将目标区域中所有单位区域对应的调整后的人数，确定为目标区域的第二人口分布热力数据。
上述处理过程中，p1、p2、……pN和θ的取值，可以基于精确检测的人口分布热力数据进行学习得到，相应的学习方法可以如下：
首先，获取精确检测的样本区域的样本人口分布热力数据，样本人口分布热力数据包括样本区域中每个单位区域的人数，单位区域根据目标分辨率确定，如10m×10m。精确检测的方式可以多种多样，例如，通过监控视频图像分析获取，或者通过基站检测终端位置以获取，等等。然后，对样本人口分布热力数据进行降分辨率处理，具体的，对于样本区域中的每个初始单位区域，将初始单位区域包括的所有单位区域的人数相加得到初始单位区域的人数，样本区域中所有初始单位区域的人数组成降分辨率后的人口分布热力数据。初始单位区域根据初始分辨率确定，如200m×200m。再后，以降分辨率后的人口分布热力数据为第一人口分布热力数据，对其进行上述流程的处理，得到第二人口分布热力数据。在处理过程中，步骤602采用的计算关系式中p1、p2、……pN和θ是未知的，那么，此时得到的第二人口分布热力数据就是用这些未知数表示的表达式，第二人口分布热力数据的正确取值应该为样本人口分布热力数据，所以，该表达式应该和样本人口分布热力数据相等，这样，就建立起了p1、
p2、……pN和θ的关系式。通过大量的样本可以建立起大量的p1、p2、……pN和θ的关系式，对这些关系式进行回归分析处理即可以得到p1、p2、……pN和θ的取值。
上面的流程中使用了一次滤波得到高分辨率的人口分布热力数据，下面介绍的处理流程中，会获取目标区域包含的目标子区域中的地域细分类型数据，进一步对第一次滤波结果进行第二次滤波，得到高分辨率的人口分布热力数据。相应的处理流程可以参见图9，包括如下步骤：
901，获取目标区域的地域属性数据。
902，基于地域属性数据中每个单位区域对应的地域属性的属性值、以及地域属性的属性值与人口权重值的对应关系，确定目标区域中每个单位区域对应的人口权重值。
903，对于目标区域中的每个初始单位区域，对初始单位区域中所有单位区域对应的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值。
904，将目标区域中所有单位区域对应的归一化的人口权重值，确定为目标区域的一级人口权重数据。
其中，一级人口权重数据和后面步骤中的二级人口权重数据是基于不同的参数确定出的人口权重数据，分别用于第一次滤波和第二次滤波，两者的数值可能不同，但本质意义是相同的，都是描述地理区域中不同位置的人口分布高低可能性的数据。相应的，这里的人口权重值也可以称作一级人口权重值。
905，对目标区域的第一人口分布热力数据进行插值处理，得到目标区域的第三人口分布热力数据。
906，基于目标区域的一级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对目标区域的第三人口分布热力数据，进行滤波处理，得到第一滤波结果。
上述步骤901-906的处理与步骤601-606的处理类似，可以参见上述流程中相关的说明内容。不同之处在于，步骤606的滤波结果直接被作为最终输出的第二人口分布热力数据，步骤906的滤波结果还要进行后续的其他处理，才能得到最终输出的第二人口分布热力数据。
907，获取目标区域中的目标子区域的地域细分类型数据。
其中，目标子区域是目标区域中的部分或全部区域，目标子区域和目标区域的关系可以如图10所示。地域细分类型数据在本申请实施例开始部分已经进行了解释，此处，地域细分类型数据包括目标子区域中每个单位区域对应的地域细分类型的类型值。
计算机设备可以在目标区域中确定一个或多个目标子区域。确定目标子区域的方式可以多种多样，这里列举几种方式：
方式一，在目标区域中人为选定目标子区域。
方式二，首先，在目标区域中确定指定地域类型的单位区域。其中，指定地域类型可以由技术人员基于实际需求设置。例如，指定地域类型可以是写字楼、公园、商场等类型中的一种或多种。然后，确定指定地域类型的单位区域组成的目标子区域。具体的，可以在指定地域类型的单位区域中，将相邻且地域类型相同的单位区域确定为一个目标子区域。
可选的，对于确定出的每个目标子区域，确定目标子区域是否为正向放置的矩形，正向放置的矩形即矩形各边平行于经线或纬线。如果目标子区域不是正向放置的矩形，则可以对目标子区域进行调整，可以确定该目标子区域的正向放置的最小外接矩形，将该目标子区域调整为最小外接矩形对应的区域。如果目标子区域是正向放置的矩形，则可以不对该目标子区域进行调整。在目标子区域不是正向放置的矩形的情况下，如果目标子区域可以划分为多个正向放置的矩形，则还可以采用其他处理方式，该处理方式可以是：将目标子区域分割为多个正向放置的矩形，每个正向放置的矩形作为一个目标子区域。
对确定出的每个目标子区域，可以获取目标子区域的地域细分类型数据，进行后续步骤的处理。相对于地域类型数据，地域细分类型数据对地域类型进行了更细粒度的分类，例如，公园又可以细分出草地、道路、凉亭、池塘等。地域细分类型数据可以使用步骤601类似的方式从地图应用的后台服务器获取，或者也可以人工采集记录，即由工作人员到现场查看并记录。
908，基于目标子区域中每个单位区域对应的地域细分类型的类型值、以及类型值与人口权重值的对应关系，确定目标子区域中每个单位区域对应的人口权重值。
其中，这里的人口权重值也可以称作二级人口权重值。
该步骤与步骤602的处理方式类似，也可以采用对应关系表或计算关系式等方式，可以参见上面的实施例内容，不同之处仅在于此处确定人口权重值所参考的属性是地域细分类型。
909，对于目标子区域中的每个单位区域，基于目标子区域中该单位区域之外的多个其他单位区域对应的人口权重值、以及该单位区域分别与多个其他单位区域之间的距离，确定多个其他单位区域分别对该单位区域的人口权重影响值，基于多个其他单位区域分别对该单位区域的人口权重影响值，对该单位区域对应的人口权重值进行调整，得到该单位区域的调整后的人口权重值。
该步骤考虑到不同的单位区域之间的人口权重值的相互影响，对目标子区域中的每个单位区域的人口权重值进行调整。下面以一个单位区域的人口权重值的调整过程来说明：
该单位区域可以是目标子区域中的任一单位区域，可以将该单位区域称为待调单位区域。在目标子区域中确定待调单位区域之外的其他单位区域作为参考单位区域。此时，可以选择目标子区域中待调单位区域之外的所有其他单位区域作为参考单位区域。或者，可以在目标子区域中待调单位区域之外其他单位区域中，选择满足指定条件的单位区域作为参考单位区域。该指定条件可以根据实际需求任意设置，例如，指定条件是参考单位区域与待调单位区域之间的距离小于或等于距离阈值，距离阈值可以基于经验值预先设置。
进而，可以确定每个参考单位区域分别与待调单位区域之间的距离，该距离可以是直线距离，或者包括经度方向距离和纬度方向距离。进而基于每个参考单位区域分别与待调单位区域之间的距离、以及每个参考单位区域对应的人口权重值，分别确定每个参考单位区域对待调单位区域的人口权重影响值。具体的确定权重影响值的处理方式可以多种多样，例如基于对应关系表查询或基于公式计算。下面给出一种可用的公式形式：
Figure BDA0003049852270000141
其中，参考单位区域与待调单位区域之间的距离可以包括经度方向距离和纬度方向距离，dx为经度方向距离，dy为纬度方向距离，H为该参考单位区域的人口权重值，W为该参考单位区域对待调单位区域的人口权重影响值。此公式基于高斯函数得到，其中的经度方向对应的标准差σx与纬度方向对应标准差σy可以基于目标子区域经度方向上的第一宽度与纬度方向上的第二宽度确定。具体可以将第一宽度与第二宽度中的较大值对应的标准差的值确定为1，然后按照σx与σy的比值等于第一宽度与第二宽度的比值，来计算另一个标准差。
在确定每个参考单位区域对待调单位区域的人口权重影响值之后，可以将待调单位区域的人口权重值与这些人口权重影响值相加，得到待调单位区域的调整后的人口权重值。
基于上述方式可以确定目标子区域中每个单位区域的调整后的人口权重值。
可选的，上述的标准差σx和标准差σy也可以取相同数值，如1。
可选的，也可以采用其他公式形式，例如，人口权重影响值等于直线距离与固定系数的乘积，等。
可选的，也可以不进行步骤909的对人口权重值的调整处理，直接对步骤908输出的目标子区域中每个单位区域对应的人口权重值进行后续处理。
910，对于目标子区域中的每个初始单位区域，对初始单位区域中所有单位区域对应的调整后的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值。
该步骤与步骤603的处理方式类似，可以参见相关说明内容。
911，将目标子区域中所有单位区域对应的归一化的人口权重值，确定为目标子区域的二级人口权重数据。
其中，二级人口权重数据包括目标区域中每个单位区域对应的人口权重值。
912，基于目标子区域的二级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对第一滤波结果中与目标子区域相对应的部分，进行再次滤波处理，得到第二滤波结果。
第一滤波结果是对应整个目标区域的数据，步骤912可以只取第一滤波结果中与目标子区域相对应的部分进行滤波处理，对于第一滤波结果中不与目标子区域的部分，该步骤可以不做处理。二级人口权重数据是对应目标子区域的数据，而且，二级人口权重数据和第一滤波结果中与目标子区域相对应的部分都是基于目标分辨率的，所以这两个数据具有相同的空间分布，例如，他们均为6×6的矩阵。相应的滤波处理的过程与步骤606的滤波处理过程类似，可以参见相关说明内容。
913，将第二滤波结果和第一滤波结果中不与目标子区域相对应的部分，确定为目标区域的第二人口分布热力数据。
上述处理过程中，对低分辨率的人口分布热力数据，采用先插值再滤波的处理方式，得到第一滤波结果。可选的，在确定一级人口权重数据后，也可以直接基于一级人口权重数据对低分辨率的人口分布热力数据进行插值处理，得到高分辨率的人口分布热力数据。具体处理可以参见上面的相关内容。
上述处理过程中，使用一级人口权重数据对第三人口分布热力数据进行滤波处理。可选的，也可以不采用滤波的处理方式，直接将一级人口权重数据与第三人口热力分布数据对位相乘得到第一中间数据，该第一中间数据对应第一滤波结果。具体处理可以参见上面的相关内容。
上述处理过程中，使用二级人口权重数据对第一滤波结果进行滤波处理。可选的，也可以不采用滤波的处理方式，直接将二级人口权重数据与第一滤波结果对位相乘得到第二人口分布热力数据。具体处理可以参见上面的相关内容。
上述处理过程中，步骤903和步骤910进行归一化处理。可选的，也可以不进行这两步归一化处理，直接将步骤902输出的人口权重值确定为目标区域的一级人口权重数据，将步骤909输出的人口权重值确定为目标区域的二级人口权重数据，然后在第二次滤波之后，确定第一滤波结果中不与目标子区域相对应的部分和第二滤波结果的组合数据，对该组合数据进行缩放调整，得到第二人口分布热力数据，使最终输出的第二人口分布热力数据与第一人口分布热力数据在相同初始单位区域中的人数相同。具体处理可以参见上面的相关内容。
上述处理过程中，步骤902也会涉及p1、p2、……pN和θ的取值的学习，可以基于上面介绍的学习方法，仍然借助图6的流程对降分辨率后的人口分布热力数据进行处理，最终确定p1、p2、……pN和θ的取值。另外，步骤908如果也采用计算关系式来计算人口权重值，则也涉及对计算关系式中的常数的预先学习。可以在确定p1、p2、……pN和θ的取值后，采用类似的学习方法进行学习。或者，也可以采用上面介绍的学习方法，对步骤902和步骤908涉及的常数的取值一起进行学习。
下面对目标子区域为多层建筑区域的情况的处理方式进行详细说明，相应的处理可以如图11所示，包括如下步骤：
1101，获取目标区域的地域属性数据。
1102，基于地域属性数据中每个单位区域对应的地域属性的属性值、以及地域属性的属性值与人口权重值的对应关系，确定目标区域中每个单位区域对应的人口权重值。
1103，对于目标区域中的每个初始单位区域，对初始单位区域中所有单位区域对应的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值。
1104，将目标区域中所有单位区域对应的归一化的人口权重值，确定为目标区域的一级人口权重数据。
1105，对目标区域的第一人口分布热力数据进行插值处理，得到目标区域的第三人口分布热力数据。
1106，基于目标区域的一级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对目标区域的第三人口分布热力数据，进行滤波处理，得到第一滤波结果。
上述步骤1101-1106的处理与步骤601-606的处理类似，可以参见上述流程中相关的说明内容。不同之处在于，步骤606的滤波结果直接被作为最终输出的第二人口分布热力数据，步骤1106的滤波结果还要进行后续的其他处理，才能得到最终输出的第二人口分布热力数据。
1107，获取目标区域中的目标子区域的地域细分类型数据。
其中，地域细分类型数据包括每层对应的子地域细分类型数据。层对应的子地域细分类型数据包括目标子区域中每个单位区域在该层对应的地域细分类型的类型值。
确定目标子区域的处理和获取地域细分类型数据的处理与步骤907类似，具体处理可以参见上述的相关内容。
1108，对于多层建筑的每层，基于目标子区域中每个单位区域在该层对应的地域细分类型的类型值、以及类型值与人口权重值的对应关系，确定目标子区域中每个单位区域在该层对应的人口权重值。
1109，在多层建筑的每层中，对于目标子区域中的每个单位区域，基于目标子区域中该单位区域之外的多个其他单位区域对应的人口权重值、以及该单位区域分别与多个其他单位区域之间的距离，确定多个其他单位区域分别对该单位区域的人口权重影响值，基于多个其他单位区域分别对该单位区域的人口权重影响值，对该单位区域对应的人口权重值进行调整，得到该单位区域的调整后的人口权重值。
步骤1108-1109中对每层进行的处理与步骤908-909相同，具体处理可以参见上述相关内容。
1110，对于目标子区域中的每个初始单位区域，对初始单位区域中所有单位区域在所有层对应的调整后的人口权重值进行归一化处理，得到每个单位区域在每层对应的归一化的人口权重值。
举例说明该步骤的归一化处理，初始单位区域尺寸为200m×200m，单位区域尺寸为10m×10m，建筑物有10层，则一个初始单位区域在每层对应有400个调整后的人口权重值，10层共包括4000个调整后的人口权重值，对一个初始单位区域来说，需对此4000个人口权重值进行归一化处理。
1111，将每层中目标子区域的所有单位区域对应的归一化的人口权重值，分别确定为每层对应的子人口权重数据，得到目标子区域的二级人口权重数据。
其中，二级人口权重数据包括每层对应的子人口权重数据。
1112，对于多层建筑的每层，基于该层的子人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对第一滤波结果中与目标子区域相对应的部分，进行再次滤波处理，得到该层对应的滤波结果。
使用每层的子人口权重数据分别对第一滤波结果进行再次滤波处理，得到每层对应的滤波结果，每层的滤波处理的过程与步骤606的滤波处理过程类似，具体处理可以参见上述相关内容。
1113，将每层对应的滤波结果的组合，确定第二滤波结果。
其中，第二滤波结果包括多层数据。
1114，将第二滤波结果和第一滤波结果中不与目标子区域相对应的部分，确定为目标区域的第二人口分布热力数据。
第二人口分布热力数据，在目标子区域的部分是多层数据，在目标子区域之外的部分是单层数据。
上述处理过程中，对低分辨率的人口分布热力数据，采用先插值再滤波的处理方式，得到第一滤波结果。可选的，在确定一级人口权重数据后，也可以直接基于一级人口权重数据对低分辨率的人口分布热力数据进行插值处理，得到高分辨率的人口分布热力数据。具体处理可以参见上面的相关内容。
上述处理过程中，使用一级人口权重数据对第三人口分布热力数据进行滤波处理。可选的，也可以不采用滤波的处理方式，直接将一级人口权重数据与第三人口热力分布数据对位相乘得到第一中间数据，该第一中间数据对应第一滤波结果。具体处理可以参见上面的相关内容。
上述处理过程中，使用二级人口权重数据对第一滤波结果进行滤波处理。可选的，也可以不采用滤波的处理方式，直接将每层的子人口权重数据分别与第一滤波结果对位相乘。具体处理可以参见上面的相关内容。
上述处理过程中，步骤1103和步骤1110进行归一化处理。可选的，也可以不进行这两步归一化处理，直接将步骤1102输出的人口权重值确定为目标区域的一级人口权重数据，将步骤1109输出的人口权重值确定为目标区域的二级人口权重数据，然后在第二次滤波之后，确定第二滤波结果和第一滤波结果中不与目标子区域相对应的部分的组合数据，对该组合数据进行缩放调整，得到第二人口分布热力数据，使最终输出的第二人口分布热力数据与第一人口分布热力数据在相同初始单位区域中的人数相同。具体处理可以参见上面的相关内容。
上述处理过程中，步骤1102也会涉及p1、p2、……pN和θ的取值的学习，可以基于上面介绍的学习方法，仍然借助图6的流程对降分辨率后的人口分布热力数据进行处理，最终确定p1、p2、……pN和θ的取值。另外，步骤1108如果也采用计算关系式来计算人口权重值，则也涉及对计算关系式中的常数的预先学习。可以在确定p1、p2、……pN和θ的取值后，采用类似的学习方法进行学习。或者，也可以采用上面介绍的学习方法，对步骤1102和步骤1108涉及的常数的取值一起进行学习。
本申请实施例中，使用高分辨率的地域属性数据，确定高分辨率的人口权重数据，进而基于高分辨率的人口权重数据，对低分辨率的人口分布热力数据进行处理，得到高分辨率的人口分布热力数据，从而，可以提高人口分布热力数据的精度。
基于相同的技术构思，本申请实施例还提供了一种确定人口分布热力数据的装置，该装置可以应用于上述实施例中提供的计算机设备，如图12所示，该装置包括：
获取模块1210，用于获取目标区域的地域属性数据，其中，所述地域属性数据包括所述目标区域中每个单位区域对应的至少一种地域属性的属性值，所述单位区域根据目标分辨率确定，所述地域属性为对人口具有影响作用的地域属性。具体可以实现上述步骤601、901、1101中的获取功能，以及其他隐含步骤。
权重确定模块1220，用于基于所述目标区域的地域属性数据，确定所述目标区域的一级人口权重数据，其中，所述一级人口权重数据包括所述目标区域中每个单位区域对应的人口权重值。具体可以实现上述步骤602-604、902-904、1102-1104中的权重确定功能，以及其他隐含步骤。
分辨率提升模块1230，用于基于所述目标区域的第一人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据，其中，所述第一人口分布热力数据包括所述目标区域中每个初始单位区域对应的人数，所述初始单位区域为根据初始分辨率确定，所述第二人口分布热力数据包括所述目标区域中每个单位区域对应的人数，所述目标分辨率大于所述初始分辨率。具体可以实现上述步骤605-606、905-913、1105-1114中的分辨率提升功能，以及其他隐含步骤。
在一种可能的实现方式中，所述至少一种对人口具有影响作用的地域属性，包括：地域类型和/或建筑层数。
在一种可能的实现方式中，所述权重确定模块，用于：基于所述目标区域中每个单位区域对应的至少一种地域属性的属性值、以及地域属性的属性值与人口权重值的对应关系，确定所述目标区域中每个单位区域对应的人口权重值；对于所述目标区域中的每个初始单位区域，对所述初始单位区域中所有单位区域对应的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值；将所述目标区域中所有单位区域对应的归一化的人口权重值，确定为所述目标区域的一级人口权重数据。
在一种可能的实现方式中，所述地域属性的属性值与人口权重值的对应关系为地域属性的属性值与人口权重值的计算关系式，所述计算关系式为：
zi＝p1×xi1+p2×xi2+......+pN×xiN+θ；其中，xi1、xi2、……xiN分别为所述目标区域中的单位区域i中每种地域属性的属性值，zi为所述单位区域i的人口权重值，p1、p2、……pN和θ为常数。
在一种可能的实现方式中，所述分辨率提升模块1230，用于：对所述目标区域的第一人口分布热力数据进行插值处理，得到所述目标区域的第三人口分布热力数据，其中，所述第三人口分布热力数据包括所述目标区域中每个单位区域对应的人数；基于所述目标区域的第三人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据。
在一种可能的实现方式中，所述分辨率提升模块1230，用于：基于所述目标区域的一级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述目标区域的第三人口分布热力数据，进行滤波处理，得到第一滤波结果；基于所述第一滤波结果，确定所述目标区域的第二人口分布热力数据。
在一种可能的实现方式中，所述分辨率提升模块1230，用于：获取目标区域中的目标子区域的地域细分类型数据，其中，所述地域细分类型数据包括所述目标子区域中每个单位区域对应的地域细分类型的类型值；基于所述目标子区域的地域细分类型数据，确定所述目标子区域的二级人口权重数据，其中，所述二级人口权重数据包括所述目标子区域中每个单位区域对应的人口权重值；基于所述第一滤波结果、以及所述目标子区域的二级人口权重数据，确定所述目标区域的第二人口分布热力数据。
在一种可能的实现方式中，所述分辨率提升模块1230，用于：基于所述目标子区域中每个单位区域对应的类型值、以及类型值与人口权重值的对应关系，确定所述目标子区域中每个单位区域对应的人口权重值；对于所述目标子区域中的每个单位区域，基于所述目标子区域中所述单位区域之外的多个其他单位区域对应的人口权重值、以及所述单位区域分别与所述多个其他单位区域之间的距离，确定所述多个其他单位区域分别对所述单位区域的人口权重影响值，基于所述多个其他单位区域分别对所述单位区域的人口权重影响值，对所述单位区域对应的人口权重值进行调整，得到所述单位区域的调整后的人口权重值；对于所述目标子区域中的每个初始单位区域，对所述初始单位区域中所有单位区域对应的调整后的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值；将所述目标子区域中所有单位区域对应的归一化的人口权重值，确定为所述目标子区域的二级人口权重数据。
在一种可能的实现方式中，所述分辨率提升模块1230，用于：基于所述目标子区域的二级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述第一滤波结果中与所述目标子区域相对应的部分，进行再次滤波处理，得到第二滤波结果；将所述第二滤波结果和所述第一滤波结果中不与所述目标子区域相对应的部分，确定为所述目标区域的第二人口分布热力数据。
在一种可能的实现方式中，所述目标子区域为多层建筑区域。所述地域细分类型数据包括每层对应的子地域细分类型数据，层对应的子地域细分类型数据包括所述目标子区域中每个单位区域在所述层对应的地域细分类型的类型值。所述二级人口权重数据包括每层对应的子人口权重数据，层对应的子人口权重数据包括所述目标子区域中每个单位区域在所述层对应的人口权重值。
所述分辨率提升模块1230，用于：对于每层，基于所述层的子人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述第一滤波结果中与所述目标子区域相对应的部分，进行再次滤波处理，得到所述层对应的滤波结果；将每层对应的滤波结果的组合，确定第二滤波结果。
需要说明的是，上述获取模块1210、权重确定模块1220和分辨率提升模块1230可以由处理器实现，或者由处理器配合存储器来实现。
需要说明的是：上述实施例提供的确定人口分布热力数据的装置在执行确定人口分布热力数据的处理时，仅以上述各功能模块的划分进行举例说明，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完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的确定人口分布热力数据的装置与确定人口分布热力数据的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现，当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令，在设备上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴光缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是设备能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如软盘、硬盘和磁带等)，也可以是光介质(如数字视盘(digital video disk，DVD)等)，或者半导体介质(如固态硬盘等)。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请一个实施例，并不用以限制本申请，凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (22)

1.一种确定人口分布热力数据的方法，其特征在于，所述方法包括：
获取目标区域的地域属性数据，其中，所述地域属性数据包括所述目标区域中每个单位区域对应的至少一种地域属性的属性值，所述单位区域根据目标分辨率确定，所述地域属性为对人口具有影响作用的地域属性；
基于所述目标区域的地域属性数据，确定所述目标区域的一级人口权重数据，其中，所述一级人口权重数据包括所述目标区域中每个单位区域对应的人口权重值；
基于所述目标区域的第一人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据，其中，所述第一人口分布热力数据包括所述目标区域中每个初始单位区域对应的人数，所述初始单位区域为根据初始分辨率确定，所述第二人口分布热力数据包括所述目标区域中每个单位区域对应的人数，所述目标分辨率大于所述初始分辨率。
2.根据权利要求1所述的方法，其特征在于，所述至少一种对人口具有影响作用的地域属性，包括：地域类型和/或建筑层数。
3.根据权利要求1或2所述的方法，其特征在于，所述基于所述目标区域的地域属性数据，确定所述目标区域的一级人口权重数据，包括：
基于所述目标区域中每个单位区域对应的至少一种地域属性的属性值、以及地域属性的属性值与人口权重值的对应关系，确定所述目标区域中每个单位区域对应的人口权重值；
对于所述目标区域中的每个初始单位区域，对所述初始单位区域中所有单位区域对应的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值；
将所述目标区域中所有单位区域对应的归一化的人口权重值，确定为所述目标区域的一级人口权重数据。
4.根据权利要求3所述的方法，其特征在于，所述地域属性的属性值与人口权重值的对应关系为地域属性的属性值与人口权重值的计算关系式，所述计算关系式为：
zi＝p1×xi1+p2×xi2+......+pN×xiN+θ；
其中，xi1、xi2、……xiN分别为所述目标区域中的单位区域i中每种地域属性的属性值，zi为所述单位区域i的人口权重值，p1、p2、……pN和θ为常数。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述目标区域的第一人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据，包括：
对所述目标区域的第一人口分布热力数据进行插值处理，得到所述目标区域的第三人口分布热力数据，其中，所述第三人口分布热力数据包括所述目标区域中每个单位区域对应的人数；
基于所述目标区域的第三人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据。
6.根据权利要求5所述的方法，其特征在于，所述基于所述目标区域的第三人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据，包括：
基于所述目标区域的一级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述目标区域的第三人口分布热力数据，进行滤波处理，得到第一滤波结果；
基于所述第一滤波结果，确定所述目标区域的第二人口分布热力数据。
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一滤波结果，确定所述目标区域的第二人口分布热力数据，包括：
获取目标区域中的目标子区域的地域细分类型数据，其中，所述地域细分类型数据包括所述目标子区域中每个单位区域对应的地域细分类型的类型值；
基于所述目标子区域的地域细分类型数据，确定所述目标子区域的二级人口权重数据，其中，所述二级人口权重数据包括所述目标子区域中每个单位区域对应的人口权重值；
基于所述第一滤波结果、以及所述目标子区域的二级人口权重数据，确定所述目标区域的第二人口分布热力数据。
8.根据权利要求7所述的方法，其特征在于，所述基于所述目标子区域的地域细分类型数据，确定所述目标子区域的二级人口权重数据，包括：
基于所述目标子区域中每个单位区域对应的类型值、以及类型值与人口权重值的对应关系，确定所述目标子区域中每个单位区域对应的人口权重值；
对于所述目标子区域中的每个单位区域，基于所述目标子区域中所述单位区域之外的多个其他单位区域对应的人口权重值、以及所述单位区域分别与所述多个其他单位区域之间的距离，确定所述多个其他单位区域分别对所述单位区域的人口权重影响值，基于所述多个其他单位区域分别对所述单位区域的人口权重影响值，对所述单位区域对应的人口权重值进行调整，得到所述单位区域的调整后的人口权重值；
对于所述目标子区域中的每个初始单位区域，对所述初始单位区域中所有单位区域对应的调整后的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值；
将所述目标子区域中所有单位区域对应的归一化的人口权重值，确定为所述目标子区域的二级人口权重数据。
9.根据权利要求7或8所述的方法，其特征在于，所述基于所述第一滤波结果、以及所述目标子区域的二级人口权重数据，确定所述目标区域的第二人口分布热力数据，包括：
基于所述目标子区域的二级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述第一滤波结果中与所述目标子区域相对应的部分，进行再次滤波处理，得到第二滤波结果；
将所述第二滤波结果和所述第一滤波结果中不与所述目标子区域相对应的部分，确定为所述目标区域的第二人口分布热力数据。
10.根据权利要求9所述的方法，其特征在于，所述目标子区域为多层建筑区域；所述地域细分类型数据包括每层对应的子地域细分类型数据，层对应的子地域细分类型数据包括所述目标子区域中每个单位区域在所述层对应的地域细分类型的类型值；所述二级人口权重数据包括每层对应的子人口权重数据，层对应的子人口权重数据包括所述目标子区域中每个单位区域在所述层对应的人口权重值；
所述基于所述目标子区域的二级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述第一滤波结果中与所述目标子区域相对应的部分，进行再次滤波处理，得到第二滤波结果，包括：
对于每层，基于所述层的子人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述第一滤波结果中与所述目标子区域相对应的部分，进行再次滤波处理，得到所述层对应的滤波结果；
将每层对应的滤波结果的组合，确定第二滤波结果。
11.一种确定人口分布热力数据的装置，其特征在于，所述装置包括：
获取模块，用于获取目标区域的地域属性数据，其中，所述地域属性数据包括所述目标区域中每个单位区域对应的至少一种地域属性的属性值，所述单位区域根据目标分辨率确定，所述地域属性为对人口具有影响作用的地域属性；
权重确定模块，用于基于所述目标区域的地域属性数据，确定所述目标区域的一级人口权重数据，其中，所述一级人口权重数据包括所述目标区域中每个单位区域对应的人口权重值；
分辨率提升模块，用于基于所述目标区域的第一人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据，其中，所述第一人口分布热力数据包括所述目标区域中每个初始单位区域对应的人数，所述初始单位区域为根据初始分辨率确定，所述第二人口分布热力数据包括所述目标区域中每个单位区域对应的人数，所述目标分辨率大于所述初始分辨率。
12.根据权利要求11所述的装置，其特征在于，所述至少一种对人口具有影响作用的地域属性，包括：地域类型和/或建筑层数。
13.根据权利要求11或12所述的装置，其特征在于，所述权重确定模块，用于：
基于所述目标区域中每个单位区域对应的至少一种地域属性的属性值、以及地域属性的属性值与人口权重值的对应关系，确定所述目标区域中每个单位区域对应的人口权重值；
对于所述目标区域中的每个初始单位区域，对所述初始单位区域中所有单位区域对应的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值；
将所述目标区域中所有单位区域对应的归一化的人口权重值，确定为所述目标区域的一级人口权重数据。
14.根据权利要求13所述的装置，其特征在于，所述地域属性的属性值与人口权重值的对应关系为地域属性的属性值与人口权重值的计算关系式，所述计算关系式为：
zi＝p1×xi1+p2×xi2+......+pN×xiN+θ；
其中，xi1、xi2、……xiN分别为所述目标区域中的单位区域i中每种地域属性的属性值，zi为所述单位区域i的人口权重值，p1、p2、……pN和θ为常数。
15.根据权利要求11-14任一项所述的装置，其特征在于，所述分辨率提升模块，用于：
对所述目标区域的第一人口分布热力数据进行插值处理，得到所述目标区域的第三人口分布热力数据，其中，所述第三人口分布热力数据包括所述目标区域中每个单位区域对应的人数；
基于所述目标区域的第三人口分布热力数据、以及所述目标区域的一级人口权重数据，确定所述目标区域的第二人口分布热力数据。
16.根据权利要求15所述的装置，其特征在于，所述分辨率提升模块，用于：
基于所述目标区域的一级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述目标区域的第三人口分布热力数据，进行滤波处理，得到第一滤波结果；
基于所述第一滤波结果，确定所述目标区域的第二人口分布热力数据。
17.根据权利要求16所述的装置，其特征在于，所述分辨率提升模块，用于：
获取目标区域中的目标子区域的地域细分类型数据，其中，所述地域细分类型数据包括所述目标子区域中每个单位区域对应的地域细分类型的类型值；
基于所述目标子区域的地域细分类型数据，确定所述目标子区域的二级人口权重数据，其中，所述二级人口权重数据包括所述目标子区域中每个单位区域对应的人口权重值；
基于所述第一滤波结果、以及所述目标子区域的二级人口权重数据，确定所述目标区域的第二人口分布热力数据。
18.根据权利要求17所述的装置，其特征在于，所述分辨率提升模块，用于：
基于所述目标子区域中每个单位区域对应的类型值、以及类型值与人口权重值的对应关系，确定所述目标子区域中每个单位区域对应的人口权重值；
对于所述目标子区域中的每个单位区域，基于所述目标子区域中所述单位区域之外的多个其他单位区域对应的人口权重值、以及所述单位区域分别与所述多个其他单位区域之间的距离，确定所述多个其他单位区域分别对所述单位区域的人口权重影响值，基于所述多个其他单位区域分别对所述单位区域的人口权重影响值，对所述单位区域对应的人口权重值进行调整，得到所述单位区域的调整后的人口权重值；
对于所述目标子区域中的每个初始单位区域，对所述初始单位区域中所有单位区域对应的调整后的人口权重值进行归一化处理，得到每个单位区域对应的归一化的人口权重值；
将所述目标子区域中所有单位区域对应的归一化的人口权重值，确定为所述目标子区域的二级人口权重数据。
19.根据权利要求17或18所述的装置，其特征在于，所述分辨率提升模块，用于：
基于所述目标子区域的二级人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述第一滤波结果中与所述目标子区域相对应的部分，进行再次滤波处理，得到第二滤波结果；
将所述第二滤波结果和所述第一滤波结果中不与所述目标子区域相对应的部分，确定为所述目标区域的第二人口分布热力数据。
20.根据权利要求19所述的装置，其特征在于，所述目标子区域为多层建筑区域；所述地域细分类型数据包括每层对应的子地域细分类型数据，层对应的子地域细分类型数据包括所述目标子区域中每个单位区域在所述层对应的地域细分类型的类型值；所述二级人口权重数据包括每层对应的子人口权重数据，层对应的子人口权重数据包括所述目标子区域中每个单位区域在所述层对应的人口权重值；
所述分辨率提升模块，用于：
对于每层，基于所述层的子人口权重数据、目标滤波窗口尺寸和目标窗口滑动步长，对所述第一滤波结果中与所述目标子区域相对应的部分，进行再次滤波处理，得到所述层对应的滤波结果；
将每层对应的滤波结果的组合，确定第二滤波结果。
21.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器用于存储计算机指令；
所述处理器执行所述存储器存储的计算机指令，以使所述计算机设备执行上述权利要求1至10中任一项所述的方法。
22.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序代码，当所述计算机程序代码被计算机设备执行时，所述计算机设备执行上述权利要求1至10中任一项所述的方法。
CN202110482704.7A 2021-04-30 2021-04-30 确定人口分布热力数据的方法、装置和存储介质 Pending CN115272025A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110482704.7A CN115272025A (zh) 2021-04-30 2021-04-30 确定人口分布热力数据的方法、装置和存储介质
PCT/CN2022/088666 WO2022228320A1 (zh) 2021-04-30 2022-04-24 确定人口分布热力数据的方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110482704.7A CN115272025A (zh) 2021-04-30 2021-04-30 确定人口分布热力数据的方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN115272025A true CN115272025A (zh) 2022-11-01

Family

ID=83746060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110482704.7A Pending CN115272025A (zh) 2021-04-30 2021-04-30 确定人口分布热力数据的方法、装置和存储介质

Country Status (2)

Country Link
CN (1) CN115272025A (zh)
WO (1) WO2022228320A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485143B (zh) * 2023-04-27 2024-06-07 华北水利水电大学 基于人口密度大数据的空间规划处理方法
CN116434446B (zh) * 2023-05-04 2024-03-12 北京国信华源科技有限公司 一种靶向预警装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140032271A1 (en) * 2012-07-20 2014-01-30 Environmental Systems Research Institute (ESRI) System and method for processing demographic data
JP6130524B2 (ja) * 2014-10-24 2017-05-17 株式会社Ａｇｏｏｐ 人口推定装置、プログラム及び人口推定方法
CN109829029A (zh) * 2019-01-30 2019-05-31 中国测绘科学研究院 一种顾及居住建筑属性的城市人口空间化方法及系统
JP7328650B2 (ja) * 2019-03-29 2023-08-17 彰洋 佐藤 位置情報に関連付けられたデータを利用してメッシュ統計を生成するためのシステム、方法、およびプログラム
CN110428126B (zh) * 2019-06-18 2023-05-05 华南农业大学 一种基于多源开放数据的城市人口空间化处理方法及系统
CN110689055B (zh) * 2019-09-10 2022-07-19 武汉大学 一种顾及格网单元属性分级的跨尺度统计指标空间化方法

Also Published As

Publication number Publication date
WO2022228320A1 (zh) 2022-11-03

Similar Documents

Publication Publication Date Title
WO2018113787A1 (zh) 一种区域划分方法及装置和存储介质
US11703352B2 (en) Vector tile pyramiding
US20150153180A1 (en) Map processing for indoor navigation guidance
WO2022228320A1 (zh) 确定人口分布热力数据的方法、装置和存储介质
JP4914266B2 (ja) 人口推定装置およびプログラム
CN114330994B (zh) 城市中布局公共服务设施的方法、装置、设备及存储介质
JP2022504597A (ja) エリアの分割方法と装置、電子装置およびプログラム
JP2003281348A (ja) 商圏分析システム、方法、プログラム、及び記録媒体
US11468999B2 (en) Systems and methods for implementing density variation (DENSVAR) clustering algorithms
CN116011322B (zh) 基于数字孪生的城市信息展示方法、装置、设备及介质
CN109993753A (zh) 遥感影像中城市功能区的分割方法及装置
CN116628123B (zh) 基于空间数据库的动态切片生成方法和系统
CN112651574B (zh) 基于p中位遗传算法的选址方法、装置及电子设备
CN115935060A (zh) 网点布局位置筛选方法、装置和计算机设备
CN110633890A (zh) 一种土地利用效率判断方法和系统
CN115988509B (zh) 一种通信网络规划方法、系统、终端及存储介质
KR20210021662A (ko) 공공 빅데이터를 활용한 주거 환경 검색 서비스 시스템 및 방법
CN117132013A (zh) 充电场站评分方法、装置、计算机设备和可读存储介质
JP6666796B2 (ja) 人口推計システムおよび人口推計方法
CN115713603A (zh) 基于建筑空间图谱的多类型街区建筑群形态智能生成方法
CN109255659B (zh) 一种基于栅格数据的房地产自动估价方法
CN114581153A (zh) 基于多源数据的烟草零售点合理布局方法和装置
Gökgöz et al. Comparison of two methods for multiresolution terrain modelling in GIS
Sergoyan et al. Automated Real Estate Valuation With Machine Learning: A Case Study on Apartment Sales in Yerevan
Adam et al. Revisiting urban models with information and communication technology data? Some examples from Brussels

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination