一种人员类型分析方法、装置、设备和可读存储介质

技术领域

本申请涉及自动化识别领域，更具体地说，涉及一种人员类型分析方法、装置、设备和可读存储介质。

背景技术

随着国内经济的高速发展，城市化进程也越来越快，伴随大量的新增和流动人口涌入城市，出现了社会治安、人口管理和紧急事件等大量新的公共安全管理问题。治安管理部门迫切需要对电子信息区域的通行人员进行有效信息管理。

目前广泛采用的信息采集方式主要通过终端区域采集，即对所有移动终端数据进行实时采集，这就会因为所采集的数据范围较大，位置不够精准，积累数据量大，而且要依靠后台服务器分析人员是否为常驻人口、昼伏夜出、聚集等行为，无法给有关部门提供及时有效的处置手段。此外，大量数据通过有线或者无线的方式回传至后台服务器，后台系统再通过运算进行人员类别分析，大大增加了后台的负载，站点数量庞大的情况下还会引起后台卡顿，同时也造成下发指令不及时等问题。

基于上述情况，本申请提出一种人员类型分析方案，以规避上述弊端。

发明内容

有鉴于此，本申请提供了一种人员类型分析方法、装置、设备和可读存储介质，能够实现单站点单装置自动化联动操作运行，在减少对后台服务器的负担的同时，又能及时处置相关任务。

一种人员类型分析方法，包括：

获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据；

根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠；

基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段；

根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

可选的，基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段，包括：

按照一个所述时段信息集合中属于同一所述移动终端但对应的所述采集时间戳不同的各条所述终端采集数据作为一次有效采集，对各所述时段信息集合进行分析，统计得到当前统计周期内每一所述移动终端的有效采集次数；

根据各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率，并将所述被采集频率超过预设值的对应时段确定为各所述移动终端的集中采集时段。

可选的，根据各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率，包括：

确定各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳；

按照时间排序，计算所述属于同一所述移动终端的各条所述终端采集数据分别与上一相邻的所述终端采集数据对应的所述采集时间戳的时间间隔，并将所述时间间隔小于预设过滤间隔的各条所述终端采集数据确定为杂质数据；

筛选掉各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据中的所述杂质数据，并利用筛选后各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率。

可选的，还包括：

根据读取得到的每一所述移动终端对应的携带人员的历史人员类型标记，对所述当前统计周期确定的每一所述移动终端对应的携带人员的人员类型进行校验；

对校验通过的各第一移动终端，按照所述当前统计周期确定的人员类型对所述各第一移动终端进行人员类型标记；

对校验不通过的各第二移动终端，根据各所述第二移动终端在历史统计周期内的所述有效采集次数和所述集中采集时段，以及在所述当前统计周期内的所述有效采集次数和所述集中采集时段，确定对应的携带人员的人员类型并进行人员类型标记。

可选的，对于任一所述移动终端，根据读取得到的历史人员类型标记对所述当前统计周期确定的携带人员的人员类型进行校验的过程，包括：

若读取得到的所述历史人员类型标记与所述当前统计周期确定的携带人员的人员类型一致，或读取得到的所述历史人员类型标记为空，则认定为校验通过；

若读取得到的所述历史人员类型标记与所述当前统计周期确定的携带人员的人员类型不一致，则认定为校验不通过。

可选的，根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型，包括：

根据所述当前统计周期内各所述移动终端的所述有效采集次数，确定各所述移动终端对应的携带人员的第一级人员类型；

根据所述当前统计周期内各所述移动终端的所述集中采集时段，确定各所述移动终端对应的携带人员的在第一级人员类型下所属的第二级人员类型。

一种人员类型分析装置，包括：

数据采集单元，用于获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据；

集合划分单元，用于根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠；

统计确定单元，用于基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段；

类型分析单元，用于根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

可选的，所述统计确定单元，包括：

采集次数单元，用于按照一个所述时段信息集合中属于同一所述移动终端但对应的所述采集时间戳不同的各条所述终端采集数据作为一次有效采集，对各所述时段信息集合进行分析，统计得到当前统计周期内每一所述移动终端的有效采集次数；

采集时段单元，用于根据各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率，并将所述被采集频率超过预设值的对应时段确定为各所述移动终端的集中采集时段。

一种人员类型分析设备，包括存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如上述任一项所述的人员类型分析方法的各个步骤。

一种可读存储介质，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，实现如上述任一项所述的人员类型分析方法的各个步骤。

从上述的技术方案可以看出，本申请实施例提供的一种人员类型分析方法、装置、设备和可读存储介质，首先获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据。随后根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠。之后基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段。最后根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

本申请提出的人员类型分析方法可在必要位置设置采集天线，仅对采集天线响应范围内的各移动终端进行终端数据采集，并分析得到移动终端有效采集次数以及集中采集时段，结合各类人员的不同出现时间或出行习惯分析出各类人群，较传统方式采集区域更为集中，结合时间戳进行时段划分统计，人员类型识别结果更为准确。此外，本申请提出的人员类型分析装置本身具有获取数据以及运算分析能力，将采集的各条终端采集数据进行本地自运算，按照本申请提出的人员类型分析方法分析出采集天线响应范围内各移动终端对应的携带人员的人员类型，分析后的名单再传给后台服务器，可实现单站点单装置自动化联动操作运行，在减少对后台服务器的负担的同时，又能及时处置相关任务。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例公开的一种人员类型分析方法的流程图；

图2为本申请实施例公开的一种人员类型分析方法的示意图；

图3为本申请实施例公开的获取终端采集数据过程的示意图；

图4为本申请实施例公开的当前时段各条终端采集数据对应采集时间戳的示意图；

图5为本申请实施例公开的一种人员类型分析装置的示意图；

图6为本申请实施例公开的人员类型分析设备的硬件结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。

本申请实施例提供一种人员类型分析方法，该方法可以应用于各种治安管理系统或信息管理系统中，亦可以应用在各种计算机终端或是智能终端中，其执行主体可以为计算机终端或是智能终端的处理器或服务器。本申请提供的人员类型分析方法，可以应用于公共安全维护领域，示例如，可以应用于企业及小区等公共安全场所，为企业人员及小区住户的安全提供一定的保障。在使用本申请时，可以在具体的应用场合中，设立指示标志，以提醒用户该管控区域内会采集各移动终端的终端信息，进而可以在获得用户授权的情况下，合法的采集响应范围内各移动终端数据，以实现本申请的人员类型分析。

接下来介绍本申请方案，本申请提出如下技术方案，具体参见下文。

图1为本申请实施例公开的一种人员类型分析方法的流程图。

图2为本申请实施例公开的一种人员类型分析方法的示意图。

如图1和图2所示，该方法可以包括：

步骤S1、获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据。

具体的，如图3所示，本申请通过采集天线对附近响应范围内各移动终端进行数据采集，形成当前统计周期采集得到的各条终端采集数据，终端采集数据可以为移动终端身份标识IMSI、IMEI、SUPI/SUCI、MAC地址等信息。

步骤S2、根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠。

具体的，本申请对于采集到的各条终端采集数据，按照时间顺序分为多个互不重叠的时段，并按照各条终端采集数据的采集时间戳，将其中对应的采集时间戳属于同一时段的各条终端采集数据划分在一个时段信息集合中，从而将各条终端采集数据划分生成多个时段信息集合，即生成与每一时段对应的每一时段信息集合。

可以理解的是，对于时段的划分，可根据实际需求设置划分的时段大小，设置的划分大小越小对应的时段越小，各时段内的终端采集数据的采集时间戳更集中，设置的划分大小越大对应的时段越大，各时段内的终端采集数据的采集时间戳更分散。

步骤S3、基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段。

具体的，对各所述时段信息集合进行进一步分析，剔除无关和无效数据，最终形成各所述移动终端的有效数据，即确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段。

步骤S4、根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

具体的，根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，可以确定各所述移动终端对应的携带人员的人员类型，例如该移动终端在常驻人预设的各项参数值内被采集，并对该移动终端的携带人员进行常驻人标注。

确定各所述移动终端对应的携带人员的人员类型，可以包括：

根据所述当前统计周期内各所述移动终端的所述有效采集次数，确定各所述移动终端对应的携带人员的第一级人员类型；

根据所述当前统计周期内各所述移动终端的所述集中采集时段，确定各所述移动终端对应的携带人员的在第一级人员类型下所属的第二级人员类型。

第一级人员类型通常为大类粗分类，例如区分出移动终端的携带人员是否为该区域的常驻人员，第二级人员类型为第一级人员类型下的的小类细分类，例如区分出移动终端的携带人员为在该区域的常驻工作人员、在该区域的常驻居民等。

举例说明如下：

通过预设常见采集的时间段，站点N1每天的采集频次，以及结合每周采集的天数等来分析运算，如1个人携带1部手机，按统计周期的一周内，将每2个小时为一个时间段，每个时间段内的多次被采集记1次，每天被采集有4次及以上，七天内平均被采集天数不小于4天，系统自运算会将对应条件内采集到多个时段信息集合{T1：I11，I12，...}、{T2：I21，I22，...}、{Tn：...，...}进行分析，通过分析后将有效采集次数符合条件的移动终端对应的携带人员打上常驻人的标签。在此基础上，还可以根据对应预设条件实现昼伏夜出分析从而分析出第二级人员类型。

在分析得到常驻人员的基础上，在预设的时间段内，如每天18:30至第二天7:00中的各个时段被频繁采集，集中采集时段为统计周期的一周内每天18:30至第二天7:00中的各时段，而且七天内平均采集天数不小于4天，自运算会将站点N1采集到多个时段信息集合{T1：I11，I12，...}，{T2：I21，I22，...}，{Tn：...，...}进行分析，通过分析后将集中采集时段符合外卖人员预设条件的人员打上常驻居民的标签。

由此类推，可根据各类人员的不同出现时间或出行习惯，再通过预设常见采集时间段、采集频次、有效采集次数等参数来分析出各类人群，在经过常驻人分析的基础上，可将非常驻人进行更细的人群分类，如：快递人员、访客、游客、出差、工作人员等等。

可以预见的是，经过长时间数据积累，即随着统计周期的增多，结合多个统计周期的数据，最终将不断提高人群分类的准确性。

从上述的技术方案可以看出，本申请实施例提供的一种人员类型分析方法、装置、设备和可读存储介质，首先获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据。随后根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠。之后基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段。最后根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

本申请提出的人员类型分析方法可在必要位置设置采集天线，仅对采集天线响应范围内的各移动终端进行终端数据采集，并分析得到移动终端有效采集次数以及集中采集时段，结合各类人员的不同出现时间或出行习惯分析出各类人群，较传统方式采集区域更为集中，结合时间戳进行时段划分统计，人员类型识别结果更为准确。此外，本申请提出的人员类型分析装置本身具有获取数据以及运算分析能力，将采集的各条终端采集数据进行本地自运算，按照本申请提出的人员类型分析方法分析出采集天线响应范围内各移动终端对应的携带人员的人员类型，分析后的名单再传给后台服务器，可实现单站点单装置自动化联动操作运行，在减少对后台服务器的负担的同时，又能及时处置相关任务。

在本申请的一些实施例中，对步骤S3、基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段的过程进行介绍，具体可以包括：

步骤S31、按照一个所述时段信息集合中属于同一所述移动终端但对应的所述采集时间戳不同的各条所述终端采集数据作为一次有效采集，对各所述时段信息集合进行分析，统计得到当前统计周期内每一所述移动终端的有效采集次数。

具体的，对于同一时段信息集合中的多条终端采集数据，由于一个时段可能设置的间隔较小，同一个终端会在短时间内被频繁采集，因此在记录有效采集次数时，对于每一时段对应时段信息集合，一个终端在同一时段信息集合中存在多条记录都将被视为一次有效采集。

步骤S32、根据各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率，并将所述被采集频率超过预设值的对应时段确定为各所述移动终端的集中采集时段。

具体的，根据各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率的过程，可以包括：

①确定各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳；

②按照时间排序，计算所述属于同一所述移动终端的各条所述终端采集数据分别与上一相邻的所述终端采集数据对应的所述采集时间戳的时间间隔，并将所述时间间隔小于预设过滤间隔的各条所述终端采集数据确定为杂质数据；

③筛选掉各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据中的所述杂质数据，并利用筛选后各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率。

如图4所示，在当前时段对应的时段信息集合内存在某移动终端的五条终端采集数据，其中终端采集数据D与终端采集数据C对应的所述采集时间戳的时间间隔小于预设过滤间隔，其他四条终端采集数据与上一相邻的终端采集数据之间的时间间隔均未小于预设过滤间隔，因此终端采集数据D将被确定为杂质数据从而被筛选掉，基于其他四条终端采集数据可计算得到该移动终端在当前时段内被采集频率，通过对统计周期内每一时段进行采集频率计算，根据采集频率大小可进一步确定移动终端的集中采集时段。

在本申请的一些实施例中，为进一步保障人员类型分析的准确性，还可以结合历史数据进行验证分析，本申请还可以包括：

步骤S5、根据读取得到的每一所述移动终端对应的携带人员的历史人员类型标记，对所述当前统计周期确定的每一所述移动终端对应的携带人员的人员类型进行校验；

对校验通过的各第一移动终端，按照所述当前统计周期确定的人员类型对所述各第一移动终端进行人员类型标记；

对校验不通过的各第二移动终端，根据各所述第二移动终端在历史统计周期内的所述有效采集次数和所述集中采集时段，以及在所述当前统计周期内的所述有效采集次数和所述集中采集时段，确定对应的携带人员的人员类型并进行人员类型标记。

其中，对于任一所述移动终端，根据读取得到的历史人员类型标记对所述当前统计周期确定的携带人员的人员类型进行校验的过程，包括：

若读取得到的所述历史人员类型标记与所述当前统计周期确定的携带人员的人员类型一致，或读取得到的所述历史人员类型标记为空，则认定为校验通过；

若读取得到的所述历史人员类型标记与所述当前统计周期确定的携带人员的人员类型不一致，则认定为校验不通过。

具体的，在利用本申请对当前统计周期进行数据分析，确定每一移动终端对应的携带人员的人员类型后，还可以与历史中分析得到的该移动终端对应的携带人员的人员类型分析结果进行比对验证，从而进一步增加识别结果的准确性。

例如，基于当前统计周期对某移动终端的携带人员分析得到的人员类型为常驻居民，若历史人员类型标记也为常驻居民，或查不到对应的历史人员标记类型，即历史人员类型标记为空，那么验证通过，可认定为该移动终端对应的携带人员的人员类型为常驻居民。而若查询到的历史人员类型标记为常驻工作人员，此时历史人员类型标记与当前统计周期分析得到的人员类型结果不一致，校验不通过，需要调取该移动终端在历史统计周期内的有效采集次数和集中采集时段，并结合在当前统计周期内的有效采集次数和集中采集时段，综合确定对应的该移动终端对应的携带人员的人员类型并进行人员类型标记。

下面对本申请实施例提供的一种人员类型分析装置进行描述，下文描述的一种人员类型分析装置与上文描述的一种人员类型分析方法可相互对应参照。

参见图5，图5为本申请实施例公开的一种人员类型分析装置的示意图。

如图5所示，所述一种人员类型分析装置可以包括：

数据采集单元110，用于获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据；

集合划分单元120，用于根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠；

统计确定单元130，用于基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段；

类型分析单元140，用于根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

从上述的技术方案可以看出，本申请实施例提供的一种人员类型分析方法、装置、设备和可读存储介质，首先获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据。随后根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠。之后基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段。最后根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

本申请提出的人员类型分析方法可在必要位置设置采集天线，仅对采集天线响应范围内的各移动终端进行终端数据采集，并分析得到移动终端有效采集次数以及集中采集时段，结合各类人员的不同出现时间或出行习惯分析出各类人群，较传统方式采集区域更为集中，结合时间戳进行时段划分统计，人员类型识别结果更为准确。此外，本申请提出的人员类型分析装置本身具有获取数据以及运算分析能力，将采集的各条终端采集数据进行本地自运算，按照本申请提出的人员类型分析方法分析出采集天线响应范围内各移动终端对应的携带人员的人员类型，分析后的名单再传给后台服务器，可实现单站点单装置自动化联动操作运行，在减少对后台服务器的负担的同时，又能及时处置相关任务。

可选的，所述统计确定单元，可以包括：

采集次数单元，用于按照一个所述时段信息集合中属于同一所述移动终端但对应的所述采集时间戳不同的各条所述终端采集数据作为一次有效采集，对各所述时段信息集合进行分析，统计得到当前统计周期内每一所述移动终端的有效采集次数；

采集时段单元，用于根据各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率，并将所述被采集频率超过预设值的对应时段确定为各所述移动终端的集中采集时段。

可选的，所述采集时段单元，可以包括：

时间戳确定单元，用于确定各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳；

时间间隔单元，用于按照时间排序，计算所述属于同一所述移动终端的各条所述终端采集数据分别与上一相邻的所述终端采集数据对应的所述采集时间戳的时间间隔，并将所述时间间隔小于预设过滤间隔的各条所述终端采集数据确定为杂质数据；

时段筛选单元，用于筛选掉各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据中的所述杂质数据，并利用筛选后各所述时段信息集合中属于同一所述移动终端的各条所述终端采集数据对应的所述采集时间戳，计算各所述移动终端在各所述时段信息集合对应时段的被采集频率。

可选的，所述人员类型分析装置，还可以包括：

历史校验单元，用于根据读取得到的每一所述移动终端对应的携带人员的历史人员类型标记，对所述当前统计周期确定的每一所述移动终端对应的携带人员的人员类型进行校验，对校验通过的各第一移动终端，按照所述当前统计周期确定的人员类型对所述各第一移动终端进行人员类型标记，以及对校验不通过的各第二移动终端，根据各所述第二移动终端在历史统计周期内的所述有效采集次数和所述集中采集时段，以及在所述当前统计周期内的所述有效采集次数和所述集中采集时段，确定对应的携带人员的人员类型并进行人员类型标记。

可选的，所述历史校验单元，对于任一所述移动终端，根据读取得到的历史人员类型标记对所述当前统计周期确定的携带人员的人员类型进行校验的过程，可以包括：

若读取得到的所述历史人员类型标记与所述当前统计周期确定的携带人员的人员类型一致，或读取得到的所述历史人员类型标记为空，则认定为校验通过；

若读取得到的所述历史人员类型标记与所述当前统计周期确定的携带人员的人员类型不一致，则认定为校验不通过。

可选的，所述类型分析单元，可以包括：

第一级分析单元，用于根据所述当前统计周期内各所述移动终端的所述有效采集次数，确定各所述移动终端对应的携带人员的第一级人员类型；

第二级分析单元，用于根据所述当前统计周期内各所述移动终端的所述集中采集时段，确定各所述移动终端对应的携带人员的在第一级人员类型下所属的第二级人员类型。

本申请实施例提供的人员类型分析装置可应用于人员类型分析设备。图6示出了人员类型分析设备的硬件结构框图，参照图6，人员类型分析设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；

在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；

处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；

存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；

其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：

获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据；

根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠；

基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段；

根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

可选地，所述程序的细化功能和扩展功能可参照上文描述。

本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：

获取当前统计周期从采集天线响应范围内各移动终端采集得到的各条终端采集数据；

根据所述各条终端采集数据的采集时间戳进行数据划分，生成多个时段信息集合，其中每一所述时段信息集合记录有所述采集时间戳属于对应时段内的各条所述终端采集数据，且各所述时段信息集合对应时段间互不重叠；

基于各所述时段信息集合确定所述当前统计周期内各所述移动终端的有效采集次数以及集中采集时段；

根据所述当前统计周期内各所述移动终端的所述有效采集次数以及所述集中采集时段，确定各所述移动终端对应的携带人员的人员类型。

可选地，所述程序的细化功能和扩展功能可参照上文描述。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例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，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。