区域资源水平的评估方法、装置、计算机设备和存储介质

技术领域

本申请涉及大数据技术领域，特别是涉及一种区域资源水平的评估方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着科学技术的发展，在各个行业中都需要对资源进行处理，因此，资源处理的手段越来越多种多样。比如，在金融行业行布局规划、市场营销、投资决策等活动时，需要对各区域的财富资源进行处理，以掌握各区域的财富资源水平，并基于财富资源水平，来指定更优的市场营销策略或投资策略。

传统技术中，仍以金融行业为例，对某地金融行业的资源进行评估，以得到当地财富资源水平的方法包括：对当地居民的收入情况进行处理，得到居民人均收入，并将人均收入作为当地的财富资源水平，从而基于当地的财富资源水平，在当地执行适应当地的财富资源水平的市场营销策略或投资策略。

然而，目前的区域资源水平的评估方法，仍然无法得到准确的资源评估结果。

发明内容

基于此，有必要针对上述技术问题，提供一种准确的区域资源水平的评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种区域资源水平的评估方法，包括：

确定目标区域的目标资源对象，所述目标资源对象包括住宅资源对象以及人群资源对象，所述住宅资源对象包括所述目标区域内关联的住宅信息，所述人群资源对象包括所述目标区域内关联的人口信息；

获取所述住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；

获取所述人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；

基于所述住宅影响特征数据与所述人群影响特征数据，得到所述目标区域的区域资源水平数据。

在其中一个实施例中，所述基于所述住宅影响特征数据与所述人群影响特征数据，得到所述目标区域的区域资源水平数据包括：

采用与所述住宅资源对象匹配的资源处理方法对所述住宅影响特征数据进行处理，得到所述住宅资源对象对应的住宅资源评分；

采用与所述人群资源对象匹配的资源处理方法对所述人群影响特征数据进行处理，得到所述人群资源对象对应的人群资源评分；

对所述住宅资源评分以及所述人群资源评分进行加权处理，得到所述目标区域的区域资源水平数据。

在其中一个实施例中，所述采取与所述住宅资源对象匹配的资源处理方法对所述住宅影响特征数据进行处理，得到所述住宅资源对象对应的住宅资源评分，包括：

基于所述住宅影响特征数据，得到所述目标区域的聚合住宅房价；

对所述聚合住宅房价进行指数化处理，得到所述住宅资源对象对应的住宅资源评分。

在其中一个实施例中，所述基于所述住宅影响特征数据，获取所述目标区域的聚合住宅房价，包括：

从所述住宅影响特征数据中提取所述建成年份数据、所述占地面积数据、所述户数数据与所述成交资源量；

基于所述建成年份数据，所述占地面积数据与所述户数数据，得到所述住宅权重系数；

根据所述住宅权重系数与住宅成交资源量，获取所述目标区域的聚合住宅房价。

在其中一个实施例中，所述对所述目标区域的聚合住宅房价进行指数化处理，得到所述住宅资源对象对应的住宅资源评分，包括：

确定所述目标区域关联的影响区域，其中，所述影响区域为存在住宅资源对象的区域；

获取所述影响区域的聚合住宅房价；

基于所述影响区域的聚合住宅房价，确定所述聚合住宅房价的中值、最大值与最小值；

根据所述最大值、所述最小值与所述中值，对所述目标区域的聚合住宅房价进行指数化处理，得到所述住宅资源对象对应的住宅资源评分。

在其中一个实施例中，还包括：

在所述目标区域不存在住宅资源对象的情况下，确定所述目标区域关联的影响区域，其中，所述影响区域为存在住宅资源对象的区域；

获取所述影响区域的聚合住宅房价；

基于所述影响区域的聚合住宅房价，得到目标区域的聚合住宅房价；

对所述目标区域的聚合住宅房价进行指数化处理，得到所述住宅资源对象对应的住宅资源评分。

在其中一个实施例中，所述基于所述影响区域的聚合住宅房价，得到目标区域的聚合住宅房价，包括：

获取所述影响区域的中心点与所述目标区域的中心点之间的距离；

基于所述距离，确定所述影响区域对所述目标区域的影响权重；

基于所述影响权重与所述影响区域的聚合住宅房价，得到目标区域的聚合住宅房价。

在其中一个实施例中，所述采取与所述人群资源对象匹配的资源处理方法对所述人群影响特征数据进行处理，得到所述人群资源对象对应的人群资源评分，包括：

获取所述人群影响特征数据的信息熵；

基于所述信息熵，得到所述人群影响特征数据的权重系数，并采用所述权重系数对所述人群影响特征数据进行处理，更新所述人群影响特征数据；

获取更新后的人群影响特征数据的正负理想解；

基于所述正负理想解与所述更新后的人群影响特征数据，得到所述人群资源对象对应的人群资源评分。

在其中一个实施例中，在所述基于所述住宅影响特征数据与所述人群影响特征数据，得到所述目标区域的区域资源水平数据之后，还包括：

基于所述目标区域的区域资源水平数据，得到所述目标区域的资源水平评估结果；

在所述目标区域内执行与所述资源水平评估结果匹配的服务策略。

第二方面，本申请还提供了一种区域资源水平的评估装置，包括：

对象确定模块，用于确定目标区域的目标资源对象，所述目标资源对象包括住宅资源对象以及人群资源对象，所述住宅资源对象包括所述目标区域内关联的住宅信息，所述人群资源对象包括所述目标区域内关联的人口信息；

第一数据获取模块，用于获取所述住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；

第二数据获取模块，用于获取所述人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；

目标评估模块，用于基于所述住宅影响特征数据与所述人群影响特征数据，得到所述目标区域的区域资源水平数据。

在其中一个实施例中，所述目标评估模块还用于采用与所述住宅资源对象匹配的资源处理方法对所述住宅影响特征数据进行处理，得到所述住宅资源对象对应的住宅资源评分；采用与所述人群资源对象匹配的资源处理方法对所述人群影响特征数据进行处理，得到所述人群资源对象对应的人群资源评分；对所述住宅资源评分以及所述人群资源评分进行加权处理，得到所述目标区域的区域资源水平数据。

在其中一个实施例中，所述目标评估模块还用于基于所述住宅影响特征数据，得到所述目标区域的聚合住宅房价；对所述聚合住宅房价进行指数化处理，得到所述住宅资源对象对应的住宅资源评分。

在其中一个实施例中，所述目标评估模块还用于从所述住宅影响特征数据中提取所述建成年份数据、所述占地面积数据、所述户数数据与所述成交资源量；基于所述建成年份数据，所述占地面积数据与所述户数数据，得到所述住宅权重系数；根据所述住宅权重系数与住宅成交资源量，获取所述目标区域的聚合住宅房价。

在其中一个实施例中，所述目标评估模块还用于确定所述目标区域关联的影响区域，其中，所述影响区域为存在住宅资源对象的区域；获取所述影响区域的聚合住宅房价；基于所述影响区域的聚合住宅房价，确定所述聚合住宅房价的中值、最大值与最小值；根据所述最大值、所述最小值与所述中值，对所述目标区域的聚合住宅房价进行指数化处理，得到所述住宅资源对象对应的住宅资源评分。

在其中一个实施例中，所述目标评估模块还用于在所述目标区域不存在住宅资源对象的情况下，确定所述目标区域关联的影响区域，其中，所述影响区域为存在住宅资源对象的区域；获取所述影响区域的聚合住宅房价；基于所述影响区域的聚合住宅房价，得到目标区域的聚合住宅房价；对所述目标区域的聚合住宅房价进行指数化处理，得到所述住宅资源对象对应的住宅资源评分。

在其中一个实施例中，所述目标评估模块还用于获取所述影响区域的中心点与所述目标区域的中心点之间的距离；基于所述距离，确定所述影响区域对所述目标区域的影响权重；基于所述影响权重与所述影响区域的聚合住宅房价，得到目标区域的聚合住宅房价。

在其中一个实施例中，所述目标评估模块还用于获取所述人群影响特征数据的信息熵；基于所述信息熵，得到所述人群影响特征数据的权重系数，并采用所述权重系数对所述人群影响特征数据进行处理，更新所述人群影响特征数据；获取更新后的人群影响特征数据的正负理想解；基于所述正负理想解与所述更新后的人群影响特征数据，得到所述人群资源对象对应的人群资源评分。

在其中一个实施例中，所述装置还包括策略匹配模块，所述策略匹配模块用于基于所述目标区域的区域资源水平数据，得到所述目标区域的资源水平评估结果；在所述目标区域内执行与所述资源水平评估结果匹配的服务策略。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

确定目标区域的目标资源对象，所述目标资源对象包括住宅资源对象以及人群资源对象，所述住宅资源对象包括所述目标区域内关联的住宅信息，所述人群资源对象包括所述目标区域内关联的人口信息；

获取所述住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；

获取所述人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；

基于所述住宅影响特征数据与所述人群影响特征数据，得到所述目标区域的区域资源水平数据。

第四方面，本申请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，所述计算机程序被处理器执行时实现以下步骤：

确定目标区域的目标资源对象，所述目标资源对象包括住宅资源对象以及人群资源对象，所述住宅资源对象包括所述目标区域内关联的住宅信息，所述人群资源对象包括所述目标区域内关联的人口信息；

获取所述住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；

获取所述人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；

基于所述住宅影响特征数据与所述人群影响特征数据，得到所述目标区域的区域资源水平数据。

第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

确定目标区域的目标资源对象，所述目标资源对象包括住宅资源对象以及人群资源对象，所述住宅资源对象包括所述目标区域内关联的住宅信息，所述人群资源对象包括所述目标区域内关联的人口信息；

获取所述住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；

获取所述人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；

基于所述住宅影响特征数据与所述人群影响特征数据，得到所述目标区域的区域资源水平数据。

上述资源处理方法、装置、计算机设备、存储介质和计算机程序产品，确定目标区域的目标资源对象，目标资源对象包括住宅资源对象以及人群资源对象，住宅资源对象包括目标区域内关联的住宅信息，人群资源对象包括目标区域内关联的人口信息；获取住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；获取人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；基于住宅影响特征数据与人群影响特征数据，得到目标区域的区域资源水平数据。整个过程中，从目标区域的住宅和人群两个角度出发，获取目标区域内关联的住宅信息对应的建成年份数据、占地面积数据、户数数据与成交资源量，并获取目标区域内关联的住宅信息对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，从而基于多维度的数据得到准确的目标区域的区域资源水平数据，以对目标区域的资源水平进行更准确的评估。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中区域资源水平的评估方法的应用环境图；

图2为一个实施例中区域资源水平的评估方法的流程示意图；

图3为另一个实施例中区域资源水平的评估方法的流程示意图；

图4为一个具体应用实例中区域资源水平的评估方法的流程示意图；

图5为一个实施例中区域资源水平的评估装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

本申请实施例提供的区域资源水平的评估方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。

用户在终端102侧操作，输入目标区域标识至终端102。终端102基于目标区域标识，生成区域资源水平评估请求至服务器104。服务器104提取区域资源水平评估请求中的目标区域标识，确定目标区域标识对应的目标区域，并确定目标区域的目标资源对象，目标资源对象包括住宅资源对象以及人群资源对象，住宅资源对象包括目标区域内关联的住宅信息，人群资源对象包括目标区域内关联的人口信息；获取住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；获取人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；基于住宅影响特征数据与人群影响特征数据，得到目标区域的区域资源水平数据。进一步地，区域资源水平数据还会反馈至终端102，由终端102展示至用户。

在另一些实施例中，终端102/服务器104可以独立完成区域资源水平的评估。具体地，当终端102独立完成区域资源水平的评估时，用户在终端102侧操作，输入目标区域标识至终端102，终端102基于目标区域标识，确定目标区域标识对应的目标区域，并采用区域资源水平的评估方法目标区域的资源水平评估。当服务器102独立完成区域资源水平的评估时，用户在终端102侧操作，终端响应用户的操作，向服务器104发送区域资源水平的评估请求，服务器102基于区域资源水平的评估请求，确定区域资源水平的评估请求对应的目标区域，并采用区域资源水平的评估方法目标区域的资源水平评估。

其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个示例性的实施例中，如图2所示，提供了一种区域资源水平的评估方法，以该方法应用于图1中的服务器104为例进行说明。其中：

S200，确定目标区域的目标资源对象。

其中，目标资源对象包括住宅资源对象以及人群资源对象，住宅资源对象包括目标区域内关联的住宅信息，人群资源对象包括目标区域内关联的人口信息。目标区域以栅格的形式表征。本申请中的资源是指财富资源。

具体地，用户在终端侧操作，输入目标区域标识至终端。终端基于目标区域标识，生成区域资源水平评估请求至服务器。服务器提取区域资源水平评估请求中的目标区域标识，确定目标区域标识对应的目标区域，并确定目标区域的目标资源对象，目标资源对象包括住宅资源对象以及人群资源对象，住宅资源对象包括但不限于是小区或单独的楼栋。

进一步地，栅格是将地图沿经度和纬度切分，将地图划分成固定边长(例如以500米为边长)的多个正方形区域，划分成正方形区域的目的是保证地图能全覆盖，无遗漏的区域，并从左到右、从上到下对栅格进行编号，编定栅格编号，获取栅格中心点经纬度信息。对于以栅格形式表征的目标区域来说，栅格本身是一个AOI(Area of Interest，兴趣面)，其中，AOI是在地理分析和空间数据处理中，用户所关注或所需的特定地理区，是在地图或空间数据中定义的一个区域，AOI中对象带有经纬度信息，比如AOI中的住宅位置与常驻的人口位置均带有经纬度信息。

因此，可以将目标区域与目标区域的对象进行关联，以获取与目标区域相关的住宅资源对象以及人群资源对象对应的数据。即每个住宅资源对象与每个人群资源对象都能够关联到唯一的一个目标区域，而目标区域可以与0个、1个或多个住宅资源对象与人群资源对象关联。其中，AOI中的常驻的人口是指该区域为个人最常活动的地点，如个人一般在居住地点或工作地点驻留时间最长。以人群资源对象对应的学生A为例，A最常活动的地点在学校B，对A最常活动的地点B进行标记，获取B的经纬度，作为A的个人常驻经纬度，并将A的个人常驻经纬度与对应的目标区域栅格关联，以确定A的个人常驻经纬度在该目标区域栅格内部，进而通过这样的映射关联关系，获取目标区域的常驻人群，从而获取目标区域的人群资源对象。

S400，获取住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据。

具体地，每个住宅资源对象均对应有若干个属性，属性包括但不限于住宅小区名称、住宅小区价格、占地面积、总户数、住宅小区类型、停车位数、容积率、物业公司、建成年份、建筑形式、绿化率、开发商、建筑面积、物业费与所属板块等。在确定目标区域的住宅资源对象后，对住宅资源对象的属性进行分析，提取住宅资源对象的属性特征，以得到住宅影响特征数据。

进一步地，不是所有住宅资源对象对应的属性都能够成为住宅影响特征数据，有些住宅资源对象对应的属性对目标区域的资源水平的影响较小，因此，可以先不考虑该部分属性数据，而是提取对目标区域的资源水平影响较大的属性，包括建成年份数据、占地面积数据、户数数据与成交资源量。其中，对目标区域的资源水平影响较大的住宅资源对象对应的属性可以根据应用场景中实际情况进行适应性调整。

S600，获取人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据。

具体地，每个人群资源对象均对应有若干个属性，属性包括但不限于性别比例、年龄分布比例、学历分布、行业分布、资产等级分布、是否到过高端场所分布、是否已婚比例、有无子女比例、是否有车比例、使用APP类型偏好分布与出行偏好分布等。在确定目标区域的人群资源对象后，对人群资源对象的属性进行分析，提取人群资源对象的属性特征，以得到人群影响特征数据。

进一步地，不是所有人群资源对象对应的属性都能够成为人群影响特征数据，有些人群资源对象对应的属性对目标区域的资源水平的影响较小，因此，可以先不考虑该部分属性数据，而是提取对资源水平影响较大的属性，包括行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据等。其中，对目标区域的资源水平影响较大的人群资源对象对应的属性可以根据应用场景中实际情况进行适应性调整。

S800，基于住宅影响特征数据与人群影响特征数据，得到目标区域的区域资源水平数据。

具体地，从住宅和人群两个角度出发，确定目标区域的住宅资源对象以及人群资源对象，并提取住宅资源对象对应的住宅影响特征数据与人群资源对象对应的人群影响特征数据，对住宅影响特征数据与人群影响特征数据分别进行一定的分析处理，从而综合处理结果，得到目标区域的区域资源水平数据。进一步地，服务器还可以推送目标区域的区域资源水平数据，终端获取服务器推送的目标区域的区域资源水平数据，将目标区域的区域资源水平数据展示至用户。

上述区域资源水平的评估方法中，确定目标区域的目标资源对象，目标资源对象包括住宅资源对象以及人群资源对象，住宅资源对象包括目标区域内关联的住宅信息，人群资源对象包括目标区域内关联的人口信息；获取住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；获取人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；基于住宅影响特征数据与人群影响特征数据，得到目标区域的区域资源水平数据。整个过程中，从目标区域的住宅和人群两个角度出发，获取目标区域内关联的住宅信息对应的建成年份数据、占地面积数据、户数数据与成交资源量，并获取目标区域内关联的住宅信息对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，从而基于多维度的数据得到准确的目标区域的区域资源水平数据，以对目标区域的资源水平进行更准确的评估。

在一个实施例中，在确定目标区域的目标资源对象之前，需要先确定目标区域。确定目标区域的方法包括：对地球表面进行栅格划分，将地球表面划分为等面积、等距离的正方形区域，每个正方形区域为一个栅格，再确定目标区域标识对应的栅格，从而对该栅格进行区域资源水平的评估。栅格处理可用于进行全球地理空间数据的处理和分析，它能够提供一种统一的网格系统，使得地理数据可以更容易地进行比较、聚合和分析，即能够使得地理区域具备可比性，以便于以统一的、标准化的单元进行资源水平的度量。

在一个实施例中，获取人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据的方法包括：

A、获取人群资源对象对应的行业分布资源数据。

具体地，由于每个区域中人群所处行业的资源收入水平之间会存在一定的差异，所以每个行业的平均资源收入水平之间也会存在差异。此处的资源可以是工资，即资源收入水平可以是工资收入水平。获取各行业的平均资源水平、以及目标区域中各行业的人数，对人群资源对象对应的资源收入进行汇总，即得到目标区域中各行业的平均资源水平与各行业的人数的乘积之和，以得到人群资源对象对应的行业分布资源数据。具体表达式可以为：K＝Σ

B、获取人群资源对象对应的资源等级分布数据。

具体地，每个区域中人群的资源等级分布数据计算方法为：

C、获取人群资源对象对应的学历分布数据。

具体地，宏观来说，每个区域中人群的学历分布数据会影响到区域的资源水平。如，从历届中国高校毕业生岗位薪酬学历对比数据可以看出，毕业生的薪资待遇与学历水平呈正相关关系，学历越高，薪酬越高。因此，可以认为，区域内常驻人口中高学历的占比越重，该区域的资源水平也越高。获取人群资源对象对应的高学历人数，作为人群资源对象对应的学历分布数据。实际应用中，将本科及以上定义为高学历人数，且高学历人数可以根据实际场景需要调整，如可以调整为研究生及以上作为高学历。

D、获取人群资源对象对应的历史访问目标地点数据。

具体来说，区域内人群访问高端场所的偏好能在一定程度上反应区域的资源水平，比如预设历史时间内是否到过高端购物场所、预设历史时间内是否到过高端体育场所、预设历史时间内是否到过高端酒店，其中，预设历史时间可以自定义为1年。提取标志为“是”的属性值的人数进行相加得到历史访问目标地点的人数，将该人数作为人群资源对象对应的历史访问目标地点数据。

在一个实施例中，如图3所示，S800包括：

S820，采用与住宅资源对象匹配的资源处理方法对住宅影响特征数据进行处理，得到住宅资源对象对应的住宅资源评分。

S840，采用与人群资源对象匹配的资源处理方法对人群影响特征数据进行处理，得到人群资源对象对应的人群资源评分。

具体地，不同的资源对象匹配不同的资源处理方法。即需要采用不同的资源处理方法对不同的资源对象分别进行处理，从而得到不同的资源对象各自对应的资源处理结果。本申请的资源处理结果以评分的方式表征，因此，资源处理方法实质上是资源评估与评分方法。分别地，采用与住宅资源对象匹配的资源处理方法对住宅影响特征数据进行处理，得到住宅资源对象对应的住宅资源评分；采用与人群资源对象匹配的资源处理方法对人群影响特征数据进行处理，得到人群资源对象对应的人群资源评分。

S860，对住宅资源评分以及人群资源评分进行加权处理，得到目标区域的区域资源水平数据。

具体地，获取住宅资源评分在区域资源水平数据上的第一权重q

本实施例中，通过从住宅和人群两个角度出发，采取不同的方式来得到住宅资源评分以及人群资源评分，进而对住宅资源评分以及人群资源评分进行处理，实现从多维度来准确计算目标区域的区域资源水平数据，且加权处理的方式能够对各维度的重要性进行进一步的评估，从而使得区域资源水平数据的计算准确。

在一个实施例中，采取与住宅资源对象匹配的资源处理方法对住宅影响特征数据进行处理，得到住宅资源对象对应的住宅资源评分，包括：

基于住宅影响特征数据，得到目标区域的聚合住宅房价；对聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分。

具体地，与住宅资源对象匹配的资源处理方法的总体思路为：先计算目标区域的聚合住宅房价；再对目标区域的聚合住宅房价进行指数化计算，得到住宅资源对象对应的住宅资源评分。而目标区域的聚合住宅房价是基于目标区域内的住宅影响特征数据来计算得到单个住宅资源对象的住宅房价、进而聚合单个住宅资源对象的住宅房价来进行综合计算的。可以理解的是，目标区域的聚合住宅房价是聚合整个区域内所有住宅的房价汇总值，而单个住宅资源对象的住宅房价是一种点数据。

本实施例中，通过首先基于住宅影响特征数据，获取住宅资源对象对应的住宅房价，再基于住宅资源对象对应的住宅房价，能够高效且准确地得到目标区域的聚合住宅房价；进一步地，对目标区域的聚合住宅房价进行指数化处理，能够使得得到的住宅资源评分是准确且可比较的。

在一个实施例中，基于住宅影响特征数据，获取目标区域的聚合住宅房价，包括：

从住宅影响特征数据中提取建成年份数据、占地面积数据、户数数据与成交资源量；基于建成年份数据，占地面积数据与户数数据，得到住宅权重系数；根据住宅权重系数与住宅成交资源量，获取目标区域的聚合住宅房价。

具体地，从住宅影响特征数据中提取建成年份数据、占地面积数据、户数数据与成交资源量，并综合建成年份数据、占地面积数据、户数数据与成交资源量，获取目标区域的聚合住宅房价。

综合建成年份数据、占地面积数据、户数数据与成交资源量，获取目标区域的聚合住宅房价包括：基于建成年份数据k、占地面积数据t

更具体来说，基于建成年份数据k、占地面积数据t

其中，a

进一步地，将每个住宅的权重系数与每个住宅对应的成交资源量的乘积叠加，得到目标区域的聚合住宅房价。即聚合住宅房价

以目标区域的栅格编号为103-198为例，目标区域内存在有A、B、C、D、E与F六个住宅资源对象。每个住宅资源对象的住宅影响特征数据如下表1所示；采用上述公式计算每个住宅资源对象的权重系数λ

表1目标区域103-198内每个住宅资源对象的住宅影响特征数据

最后，采用公式λ

本实施例中，通过基于建成年份数据、占地面积数据、户数数据与成交资源量，能够从多维度方面对每个住宅的资源水平进行评估，得到每个住宅的权重系数，从而更准确的获取目标区域的聚合住宅房价。

在一个实施例中，对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分，包括：

确定目标区域关联的影响区域，其中，影响区域为存在住宅资源对象的区域；获取影响区域的聚合住宅房价；基于影响区域的聚合住宅房价，确定聚合住宅房价的中值、最大值与最小值；根据最大值、最小值与中值，对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分。

具体地，影响区域是以目标区域为中心，目标区域的资源水平能够影响到的区域。且影响区域为存在住宅资源对象的区域，也可以认为，影响区域是存在住宅聚合房价的区域。影响区域仍以栅格进行划分，获取每个影响区域的聚合住宅房价。并基于每个影响区域的聚合住宅房价，采用中值法对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分，其中，中值法是对数据集合进行统计计算得到集合的中值，使用中值将数据变换成另一种数据形式，可有效保留数据的主要分布特征。

进一步地，采用中值法对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分包括：

基于第i个影响区域的聚合住宅房价L

实际应用中，若中值Md为0，则应该对L

本实施例中，通过采用中值法对目标区域的聚合住宅房价进行指数化处理，能够以影响范围内影响区域的聚合住宅房价为基础，准确得到目标区域的聚合住宅房价相对于影响区域的评分，即能够实现准确得到住宅资源对象对应的住宅资源评分。

在一个实施例中，还包括：

在目标区域不存在住宅资源对象的情况下，确定目标区域关联的影响区域，其中，影响区域为存在住宅资源对象的区域；获取影响区域的聚合住宅房价；基于影响区域的聚合住宅房价，得到目标区域的聚合住宅房价；对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分。

具体地，若所选取的目标区域没有住宅资源对象与之关联，即该区域内不存在住宅，则也无法获取本区域的聚合住宅房价，即无法直接基于住宅资源对象对本区域的资源水平进行评估。但是，这并不代表该区域不具备聚合住宅房价这一属性指标。结合托布勒的地理学第一定律：每个对象之间都相互联系，但邻近现象之间的联系会更强，即事物在空间上是相互关联的，地理空间中的对象具备空间范围辐射影响性，相隔较远的区位间辐射影响较弱，而较近的区域间辐射影响较强。可以得知，即使当前所选取的目标区域没有住宅资源对象与之关联，但是，基于附近的区域的聚合住宅房价，仍然可以获取当前所选取的目标区域内的聚合住宅房价。

进一步地，可以采用空间插值法来基于附近的区域的聚合住宅房价，获取当前所选取的目标区域内的聚合住宅房价的方法。空间插值法是用已知点数值进行估算其他点的数值的过程。空间插值法包括但不限于：最邻近插值法、反距离加权插值法、双线性插值法与克里金插值法，具体如下：

A、最邻近插值法：将未知点周边最近的一个已知点值赋给该未知点。

B、反距离加权插值法：在未知点周边最大距离围存在多个已知点，将距离的倒数作为已知点对未知点影响权重。

C、双线性插值法：一种曲线拟合方法，利用线性多项式在已知数据点的离散集合范围内构造新的数据点。

D、克里金插值法：依据协方差函数对随机过程/随机场进行空间建模和预测(插值)的回归算法。

在实际应用中，结合住宅资源对象的数据特性，双线性插值法与克里金插值法要求数据较均匀分布在空间中，而住宅资源对象在空间分布比较稀疏。最邻近插值会造成插值生成的灰度上的不连续，在房价变化的位置处，可能会产生明显的锯齿现象。反距离加权法结合周边值及其距离的影响，相对数据会更加平滑。因此，对于住宅资源对象的聚合住宅房价一般采用反距离加权进行空间插值。

进一步地，采用反距离加权进行空间插值的方法包括：确定目标区域的最大影响范围，并在最大影响范围中确定目标区域关联的影响区域；获取影响区域的聚合住宅房价；基于影响区域的聚合住宅房价，采用反距离加权进行空间插值，得到目标区域的聚合住宅房价；对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分。

其中，最大影响范围由用户自行定义，不同的场景可以设计不同的最大影响范围；获取影响区域的聚合住宅房价的方法包括：从影响区域的住宅影响特征数据中提取建成年份数据、占地面积数据、户数数据与成交资源量；基于建成年份数据，占地面积数据与户数数据，得到住宅权重系数；根据住宅权重系数与住宅成交资源量，获取影响区域的聚合住宅房价。

本实施例中，根据实际应用中的样本特性和空间分布特点，考虑地理空间中的对象具备空间范围辐射影响性，引入反向距离加权空间插值法来增加有值栅格的样本浓度，将现实世界的抽象形态用数字化的方法进行了具象反应，使得在目标区域不存在住宅资源对象的情况下，能够通过目标区域关联的影响区域，来计算目标区域的聚合住宅房价，使得对目标区域的聚合住宅房价的计算不会缺乏住宅这一维度，保证从多维度来计算目标区域的聚合住宅房价，反距离加权空间插值的运用使得目标区域的聚合住宅房的计算更加准确。

在一个实施例中，基于影响区域的聚合住宅房价，得到目标区域的聚合住宅房价，包括：

获取影响区域的中心点与目标区域的中心点之间的距离；基于距离，确定影响区域对目标区域的影响权重；基于影响权重与影响区域的聚合住宅房价，得到目标区域的聚合住宅房价。

具体地，目标区域的聚合住宅房价的表达式为：

其中，i在此处表征的是第几个影响区域，w

即，基于目标区域的中心点的坐标(x，y)与第i个影响区域的中心点的坐标(x

本实施例中，通过影响区域的住宅聚合房价，来得到目标区域的住宅聚合房价，能够避免目标区域无法直接计算住宅聚合房价，进而无法准确对目标区域的资源水平进行评估。且基于影响区域的中心点与目标区域的中心点之间的距离，能够准确确定影响区域对目标区域的影响权重，从而使得得到的目标区域的聚合住宅房价准确。

在一个实施例中，采取与人群资源对象匹配的资源处理方法对人群影响特征数据进行处理，得到人群资源对象对应的人群资源评分，包括：

获取人群影响特征数据的信息熵；基于信息熵，得到人群影响特征数据的权重系数，并采用权重系数对人群影响特征数据进行处理，更新人群影响特征数据；获取更新后的人群影响特征数据的正负理想解；基于正负理想解与更新后的人群影响特征数据，得到人群资源对象对应的人群资源评分。

具体地，本申请采用的与人群资源对象匹配的资源处理方法是基于熵权法的TOPSIS综合评价方法，其中，熵权法是一种多指标决策方法，用于确定每个指标在决策中的权重，它能够基于信息熵的概念，通过计算每个指标的熵值来确定其权重，熵值越大，指标的不确定性就越高，因此其权重就越小。TOPSIS是根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。综合人群影响特征数据中人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，采用基于熵权法的TOPSIS综合评价方法来得到人群资源对象对应的人群资源评分，具体过程如下：首先，获取包含目标区域和影响区域的各区域的人群影响特征数据。举例来说，各区域的人群影响特征数据如表2所示；对人群影响特征数据进行数据预处理。

其中，数据预处理包括：

首先，进行异常值处理和缺失值处理。再采用下列公式对数据预处理后的人群影响特征数据进行正向化处理，x

表2包含目标区域和影响区域的各区域的人群影响特征数据

进一步地，由于所选取的各个人群影响特征数据之间的量纲是不同的，需进行规范化处理，还需要统一采用如聚合住宅房价计算时采用的中值处理法对人群影响特征数据进行指数化，更新人群影响特征数据。规范化后的人群影响特征数据如下表3所示。

表3包含目标区域和影响区域的各区域规范化后的人群影响特征数据

其次，计算更新后的每个人群影响特征数据的信息熵E

其中：

n是人群影响特征数据表格的行数，j为第几种人群影响特征数据，i为第j种人群影响特征数据中的第几个数据。

基于信息熵，得到人群影响特征数据的权重系数w

若对上表进行处理，则得到人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据的权重系数分别为：0.200750、0.296776、0.268382与0.234092。

采用权重系数对人群影响特征数据进行处理，更新人群影响特征数据，得到能够用于计算人群资源对象对应的人群资源评分的人群影响特征数据，表格如下表4所示：

表4各区域采用权重系数更新后一群影响特征数据

更新人群影响特征数据的具体计算公式包括：X’＝w

最后，还需要获取更新后的人群影响特征数据的正负理想解，其中，正理想解Z

令正理想解Z

负理想解Z

将更新后的四个人群影响特征数据代入对应的正负理想解参数中，如，Z

采用欧式距离法计算更新后的人群影响特征数据与对应的正负理想解的距离，其中，欧式距离法：

如，第i个区域与最大值的距离为：

第i个区域与最小值的距离为：

最后，得到第i个区域的人群资源对象对应的人群资源评分：

举例来说，人群资源对象对应的人群影响特征数据与对应的人群资源评分可以如下表5所示：

表5人群资源对象对应的人群影响特征数据与对应的人群资源评分

其中，0≤score

本实施例中，通过从地理区域的人群特征出发，分析考虑影响地理区域人群财富水平的多个属性特征，并提出相应特征指标计算方法，进而将这些特征指标代入到基于熵权法的TOPSIS综合评价模型，更加科学合理的量化计算出地理区域财富水平对应的人群质效特征。

在一个实施例中，在基于住宅影响特征数据与人群影响特征数据，得到目标区域的区域资源水平数据之后，还包括：

基于目标区域的区域资源水平数据，得到目标区域的资源水平评估结果；在目标区域内执行与资源水平评估结果匹配的服务策略。

具体地，以财富资源为例，在得到目标区域的区域财富资源水平数据后，可以基于目标区域的区域财富资源水平数据，得到目标区域的财富资源水平评估结果。通过财富资源水平评估结果，一方面可以通过对各个区域财富资源水平的考量，更好地制定市场营销策略，提高市场占有率，另一方面可以利用区域财富资源水平信息，对该区域的投资环境、市场前景等进行评估，从而更好地制定投资策略，提高收益率。财富水平作为市场资源的重要维度，可以反应相应区域市场资源禀赋情况，银行可以根据地理区域资源禀赋信息，更好地决定在哪些地方开设网点，提高服务覆盖范围和质量。因此，在目标区域内执行与资源水平评估结果匹配的服务策略十分重要。

本实施例中，通过在目标区域内执行与资源水平评估结果匹配的服务策略，能够为布局规划、市场营销、投资决策等活动提供数字化支撑，以实现资源的进一步发展。

在一个实施例中，可以将目标区域的区域资源水平数据标准化到0-100的数值范围，根据该区域资源水平数据的取值范围和分布特点，定义一组颜色和颜色深浅的规则，较低的水平值对应较浅的颜色，较高的水平值对应较深的颜色，进而根据区域资源水平数据的不同取值，将栅格以相应的颜色进行着色，形成彩色图像投影到地图上。

本实施例中，通过地理投影，可以更好地展示和解读区域资源水平数据的空间分布和变化趋势，可以将相邻接的多个栅格区域灵活组合成为更大的地理区域，该地理区域的财富水平指数可由区域中的各个区域资源水平指数进行平均得到，不同颜色的深浅可以帮助识别和比较不同地理区域财富水平的高低，提供直观的视觉表达和分析工具。

在一个实施例中，如图4所示，将整个地理区域进行栅格划分，确定栅格划分后要评估的区域。以对栅格C的财富资源水平进行评估为例，可以从栅格C的住宅信息与人口信息两个方面，对栅格C的财富资源水平进行评估。

首先，确定栅格C内关联的住宅以及常驻人群；

其次，对栅格C内关联的住宅：提取栅格C内映射的住宅的影响特征数据，包括每个住宅的建成年份数据、占地面积数据、户数数据与成交资源量；然后，基于每个住宅的建成年份数据、占地面积数据与户数数据，得到住宅权重系数；根据住宅权重系数与住宅成交资源量，获取栅格C的聚合住宅房价；结合周围影响区域内其它栅格的聚合住宅房价，对栅格C的聚合住宅房价进行指数化处理，得到栅格C的聚合住宅房价相对于其它栅格的聚合住宅房价的评分，即得到住宅资源评分。

此外，若栅格C内未关联住宅，则可以结合周围影响区域内其它栅格的聚合住宅房价，确定栅格C的聚合住宅房价。从而结合周围影响区域内其它栅格的聚合住宅房价，对栅格C的聚合住宅房价进行指数化处理，得到栅格C的住宅资源评分。

对栅格C内关联的常驻人群：提取栅格C内映射的常驻人群的影响特征数据，包括栅格C内人群的行业分布资源数据、资源等级分布数据、高学历人数与历史访问高端地点人数；通过基于熵权法的topsis进行建模计算，获取人群影响特征数据的信息熵；基于信息熵，得到人群影响特征数据的权重系数，并采用权重系数对人群影响特征数据进行处理，更新人群影响特征数据；获取更新后的人群影响特征数据的正负理想解；基于正负理想解与更新后的人群影响特征数据，采用欧氏距离法得到人群资源评分。

再将住宅资源评分以及人群资源评分进行加权处理，得到栅格C的区域资源水平数据。最后，得到的区域资源水平数据可以进行地理投影分析，不同的区域资源水平数据可以采取不同的颜色标识，一方面可以进行分色投影，另一方面可以将栅格组合成更大的地理区域加以分析。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的区域资源水平的评估方法的区域资源水平的评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个区域资源水平的评估装置实施例中的具体限定可以参见上文中对于区域资源水平的评估方法的限定，在此不再赘述。

在一个示例性的实施例中，如图5所示，提供了一种区域资源水平的评估装置，包括：对象确定模块200、第一数据获取模块400、第二数据获取模块600和目标评估模块800，其中：

对象确定模块200，用于确定目标区域的目标资源对象，目标资源对象包括住宅资源对象以及人群资源对象，住宅资源对象包括目标区域内关联的住宅信息，人群资源对象包括目标区域内关联的人口信息；

第一数据获取模块400，用于获取住宅资源对象对应的建成年份数据、占地面积数据、户数数据与成交资源量，得到住宅影响特征数据；

第二数据获取模块600，用于获取人群资源对象对应的行业分布资源数据、资源等级分布数据、学历分布数据与历史访问目标地点数据，得到人群影响特征数据；

目标评估模块800，用于基于住宅影响特征数据与人群影响特征数据，得到目标区域的区域资源水平数据。

在一个实施例中，目标评估模块还用于采用与住宅资源对象匹配的资源处理方法对住宅影响特征数据进行处理，得到住宅资源对象对应的住宅资源评分；采用与人群资源对象匹配的资源处理方法对人群影响特征数据进行处理，得到人群资源对象对应的人群资源评分；对住宅资源评分以及人群资源评分进行加权处理，得到目标区域的区域资源水平数据。

在一个实施例中，目标评估模块还用于基于住宅影响特征数据，得到目标区域的聚合住宅房价；对聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分。

在一个实施例中，目标评估模块还用于从住宅影响特征数据中提取建成年份数据、占地面积数据、户数数据与成交资源量；基于建成年份数据，占地面积数据与户数数据，得到住宅权重系数；根据住宅权重系数与住宅成交资源量，获取目标区域的聚合住宅房价。

在一个实施例中，目标评估模块还用于确定目标区域关联的影响区域，其中，影响区域为存在住宅资源对象的区域；获取影响区域的聚合住宅房价；基于影响区域的聚合住宅房价，确定聚合住宅房价的中值、最大值与最小值；根据最大值、最小值与中值，对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分。

在一个实施例中，目标评估模块还用于在目标区域不存在住宅资源对象的情况下，确定目标区域关联的影响区域，其中，影响区域为存在住宅资源对象的区域；获取影响区域的聚合住宅房价；基于影响区域的聚合住宅房价，得到目标区域的聚合住宅房价；对目标区域的聚合住宅房价进行指数化处理，得到住宅资源对象对应的住宅资源评分。

在一个实施例中，目标评估模块还用于获取影响区域的中心点与目标区域的中心点之间的距离；基于距离，确定影响区域对目标区域的影响权重；基于影响权重与影响区域的聚合住宅房价，得到目标区域的聚合住宅房价。

在一个实施例中，目标评估模块还用于获取人群影响特征数据的信息熵；基于信息熵，得到人群影响特征数据的权重系数，并采用权重系数对人群影响特征数据进行处理，更新人群影响特征数据；获取更新后的人群影响特征数据的正负理想解；基于正负理想解与更新后的人群影响特征数据，得到人群资源对象对应的人群资源评分。

在一个实施例中，装置还包括策略匹配模块，策略匹配模块用于基于目标区域的区域资源水平数据，得到目标区域的资源水平评估结果；在目标区域内执行与资源水平评估结果匹配的服务策略。

上述区域资源水平的评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标区域的区域资源水平等数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种区域资源水平的评估方法。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。