searchusermenu
  • 发布文章
  • 消息中心
点赞
收藏
评论
分享
原创

周职住位置数据处理

2023-05-30 03:34:13
8
0

1、背景

对于个人来说,在哪里住与在哪里工作,是最重要的两个问题。前者关于生活,后者关于生存。对于城市规划、交通控制管理、商业客户来说,在不同区域的居住人口、工作人口也是非常重要的两项指标。职住分布影响着交通拥堵、通勤压力、公共设施、安全、商业热点、地产开发等重要社会问题。因此,基于电信位置数据进行职住数据分析,作为基础能力提供区域人流分析。

2、算法流程

3、模型描述

1)提取停留点然后合并

提取一周内的所有停留点数据,然后对前一天最后一条停留数据与当天第一条停留数据进行合并。

2)时间窗口裁剪

对于每个停留点,需要注意计算其属于特征时段的停留时间,例如居住特征时段是0-6点,原来的停留时间需要进行裁剪,变成与0-6点进行交集运算后的停留时间。

3)候选网格

对于裁剪后的停留点,每一个都是满足与特征时间段有交集的停留点,按照要求的过滤条件挑选网格。

4)计算属性值

对每一个候选停留网格:计算其在7天中出现的天数和停留时长,按照一定的权重进行加权处理。

5)得到职住追踪地

所有的候选网格都计算出了居住属性值,其中值最大的对应的网格,即认为是本周的职住追踪地网格。

 

 

0条评论
0 / 1000
l****n
1文章数
0粉丝数
l****n
1 文章 | 0 粉丝
l****n
1文章数
0粉丝数
l****n
1 文章 | 0 粉丝
原创

周职住位置数据处理

2023-05-30 03:34:13
8
0

1、背景

对于个人来说,在哪里住与在哪里工作,是最重要的两个问题。前者关于生活,后者关于生存。对于城市规划、交通控制管理、商业客户来说,在不同区域的居住人口、工作人口也是非常重要的两项指标。职住分布影响着交通拥堵、通勤压力、公共设施、安全、商业热点、地产开发等重要社会问题。因此,基于电信位置数据进行职住数据分析,作为基础能力提供区域人流分析。

2、算法流程

3、模型描述

1)提取停留点然后合并

提取一周内的所有停留点数据,然后对前一天最后一条停留数据与当天第一条停留数据进行合并。

2)时间窗口裁剪

对于每个停留点,需要注意计算其属于特征时段的停留时间,例如居住特征时段是0-6点,原来的停留时间需要进行裁剪,变成与0-6点进行交集运算后的停留时间。

3)候选网格

对于裁剪后的停留点,每一个都是满足与特征时间段有交集的停留点,按照要求的过滤条件挑选网格。

4)计算属性值

对每一个候选停留网格:计算其在7天中出现的天数和停留时长,按照一定的权重进行加权处理。

5)得到职住追踪地

所有的候选网格都计算出了居住属性值,其中值最大的对应的网格,即认为是本周的职住追踪地网格。

 

 

文章来自个人专栏
大数据分析
1 文章 | 1 订阅
0条评论
0 / 1000
请输入你的评论
0
0