(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211395497.2 (22)申请日 2022.11.09 (71)申请人 北京市城市规划设计 研究院 地址 100045 北京市西城区南 礼士路60号 申请人 北京城垣 数字科技有限责任公司 (72)发明人 张晓东　王良　许丹丹　梁弘　 张兴华　崔鹤　陈猛　胡腾云　 孙道胜　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 李文清 (51)Int.Cl. G06F 16/29(2019.01) G06F 16/906(2019.01) G06F 16/9537(2019.01)G06K 9/62(2022.01) (54)发明名称 就业中心识别方法、 装置、 电子设备及存储 介质 (57)摘要 本发明提供一种就业中心识别方法、 装置、 电子设备及存储介质， 涉及数据处理技术领域， 该方法， 包括： 获取目标地区人员的手机定位数 据， 将所述手机定位数据发送至聚类模型中进行 聚类， 得到所述聚类模型输出的目标地区人员的 就业地； 获取目标地区的企业注册数据， 将所述 企业注册数据输入至所述聚类模 型进行聚类， 得 到所述聚类模 型输出的企业注册聚集地； 基于所 述目标地区人员的就业地和所述企业注册聚集 地， 得到所述目标地区的就业中心； 其中， 所述聚 类模型是基于具有噪声的密度聚类算法训练得 到。 本发明可 以识别就业岗位的空间分布， 反映 居住与就 业的空间联系方向。 权利要求书2页 说明书9页 附图7页 CN 115438138 A 2022.12.06 CN 115438138 A 1.一种就 业中心识别方法， 其特 征在于， 包括： 获取目标地区人员的手机定位数据， 将所述手机定位数据发送至聚类模型中进行聚 类， 得到所述聚类模型输出的目标地区人员的就 业地； 获取目标地区的企业注册数据， 将所述企业注册数据输入至所述聚类模型进行聚类， 得到所述聚类模型输出的企业注 册聚集地； 基于所述目标地 区人员的就业地和所述企业注册聚集地， 得到所述目标地区的就业中 心； 其中， 所述聚类模型 是基于具有噪声的密度聚类算法训练得到 。 2.根据权利要求1所述的就 业中心识别方法， 其特 征在于， 还 包括： 获取所述就业中心多个不同的企业类别， 基于所述多个不同的企业类别， 确定就业中 心产业多样性度量； 获取所述就业中心的公共交通数据， 基于所述公共交通数据确定就业中心辐射范围度 量； 基于所述就业中心产业多样性度量和所述就业中心辐射范围度量， 对所述目标地区的 就业中心进行分类。 3.根据权利要求2所述的就业中心识别方法， 其特征在于， 基于如下公式计算就业中心 产业多样性度量： 其中， 为所述就业中心产业多样性度量， S为企业类别数， 为所述目标地区内第i 类企业的占比。 4.根据权利要求2所述的就业中心识别方法， 其特征在于， 所述公共交通数据包括公共 交通站台位置和所述目标地区人员的通勤时间。 5.根据权利要求2所述的就业中心识别方法， 其特征在于， 所述基于所述就业中心产业 多样性度量和所述 就业中心辐射范围度量， 对所述目标地区的就 业中心进行分类， 包括： 基于所述就业中心产业多样性度量， 依次选取多组就业中心类别， 每组就业中心类别 包含有多类就业中心； 基于所述就业中心辐射范围度量， 确定每组就业中心类别对应的就业中心辐射范围度 量均值， 在下一组就业中心类别对应的就业中心辐射范围度量均值与上一组就业中心类别 对应的就业中心辐射范围均值之间的差值小于预设阈值的情况下， 将所述下一组就业中心 类别作为 就业中心目标类别。 6.根据权利要求1 ‑5任一项所述的就业中心识别方法， 其特征在于， 所述聚类模型用 于： 对输入至所述聚类模型的数据进行解析， 得到空间点数据集； 计算所述空间点数据集中每 个空间点的k ‑距离； 将所述空间点数据集中每个空间点的k ‑距离用散点图显示， 并基于所述散点图确定邻权　利　要　求　书 1/2 页 2 CN 115438138 A 2域半径； 基于预设的初始最小点数量以及所述邻域半径， 确定核心点集合； 所述核心点集合中 的核心点是以自身为中心， 以所述邻域半径为半径的邻域内空间点不少于所述初始 最小点 数量的空间点； 基于具有噪声的密度聚类算法， 对所述核心点集合中可连通的核心点组， 以及到可连 通的核心点组的距离小于所述邻域半径的空间点进行聚类， 得到所述目标地区人员的就业 地或者所述企业注 册聚集地。 7.根据权利要求6所述的就业中心识别方法， 其特征在于， 所述基于具有噪声的密度聚 类算法， 对所述核心点集合中可连通的核心点组， 以及到可连通的核心点组的距离小于所 述邻域半径的空间点进行聚类， 得到所述目标地区人员的就业地或者所述企业注册聚集 地， 包括： 基于具有噪声的密度聚类算法， 对所述核心点集合中可连通的核心点组， 以及到可连 通的核心点组的距离小于所述邻域半径的空间点进行聚类， 得到所述可连通的核心 点组对 应的簇； 将所述可 连通的核心点组对应的簇进行聚集， 得到空间聚类簇； 从不同邻域半径对应的空间聚类簇中选取最大面积的聚类簇， 基于所述最大面积的聚 类簇中空间点坐标的算数平均数， 确定所述目标地区人员的就业地或者所述 企业注册聚集 地。 8.一种就 业中心识别装置， 其特 征在于， 包括： 第一聚类模块， 用于获取目标地区人员的手机定位数据， 将所述手机定位数据发送至 聚类模型中进行聚类， 得到所述聚类模型输出的目标地区人员的就 业地； 第二聚类模块， 用于获取目标地区的企业注册数据， 将所述企业注册数据输入至所述 聚类模型进行聚类， 得到所述聚类模型输出的企业注 册聚集地； 就业中心识别模块， 用于基于所述目标地区人员的就业地和所述企业注册聚集地， 得 到所述目标地区的就 业中心； 其中， 所述聚类模型 是基于具有噪声的密度聚类算法训练得到 。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所 述就业中心识别方法。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至7任一项所述 就业中心识别方法。权　利　要　求　书 2/2 页 3 CN 115438138 A 3