导读:本文包含了聚集人群论文开题报告文献综述及选题提纲参考文献，主要关键词:城市公共安全,勤务,足球俱乐部,安全风险评估,公安机关,申通集团,客流情况,公安部,小陆家嘴,客流
聚集人群论文文献综述
,何易[1]（2020）在《启动高等级勤务维护城市公共安全》一文中研究指出本报讯（何易）春节、元宵期间，上海将举行游园、灯会等大型活动17场，外滩、豫园、小陆家嘴、迪士尼、朱家角古镇等景区景点都将迎来大客流。昨天从市公安局获悉，春节、元宵期间，公安部门将启动高等级勤务，严密社会面防控各项措施，严管严控烟花爆竹，加强大型(本文来源于《文汇报》期刊2020-01-22）
黄文,李金,陈奇峰[2]（2019）在《绍兴市老年人群慢性病危险因素聚集性分析》一文中研究指出目的了解绍兴市≥60岁老年人患慢性病的危险因素聚集性,为制定老年人群慢性病防制策略提供依据。方法收集2016年浙江省老年人健康监测项目越城区东湖镇5个行政村≥60岁绍兴市户籍居民健康监测资料,分析老年人群中现在吸烟、现在饮酒、超重或肥胖、从不锻炼和静坐行为5种慢性病常见危险因素的聚集个数和聚集模式。结果共纳入1 427人,现在吸烟、现在饮酒、超重或肥胖、从不锻炼和每日静坐时间≥3 h的持有率分别为15.98%、31.67%、43.73%、73.30%和41.56%。无上述慢性病危险因素的老年人占5.12%;有1种危险因素占24.25%;有2种危险因素占38.75%,以从不锻炼和超重或肥胖聚集为常见模式;有3～5种危险因素占31.88%,其中有3种危险因素以从不锻炼、超重或肥胖和每日静坐时间≥3 h聚集为常见模式,有4种危险因素以现在饮酒、从不锻炼、超重或肥胖和每日静坐时间≥3 h聚集为常见模式。男性、在婚、受教育程度低和无冠心病的老年人具有更多的危险因素(P<0.05)。结论绍兴市老年人群存在慢性病危险因素聚集现象,以聚集从不锻炼、超重或肥胖、每日静坐时间≥3 h中的2种或3种危险因素较为常见。(本文来源于《预防医学》期刊2019年11期）
林莎莎[3]（2019）在《四川省达州市农村居民脑血管疾病危险因素的人群聚集现状及影响因素》一文中研究指出目的调查四川省达州市农村居民脑血管疾病危险因素的人群聚集现状及影响因素。方法 2016年1月—2018年8月选取四川省达州市农村常住居民1 029人进行调查。由同一组经专业培训的人员进行调查。对脑血管疾病危险因素检出率及其聚集程度与分布情况进行分析,并对不同性别、年龄、文化程度人群脑血管疾病危险因素检出率进行对比。结果1 029例调查对象脑血管疾病危险因素中饮酒检出最多320人(31.10%)、其次为超重258人(25.07%)、吸烟215人(20.89%)、高血压163人(15.84%)、糖尿病114人(11.08%)。所有患者中2种因素聚集发生率最高(28.09%),其次为1种因素(26.04%)、0种因素(19.44%)。男性饮酒率、吸烟率分别为37.46%、24.40%,高于女性的22.82%、16.33%(均P<0.05)。女性超重、肥胖、糖尿病发生率分别为31.99%、10.96%、13.87%,高于男性的22.85%、3.95%、8.93%(均P<0.05)。不同性别间高血压、高胆固醇血症、高甘油叁酯症及家族史发生率差异均无统计学意义(均P>0.05)。≥60岁农民糖尿病、高胆固醇血症、高甘油叁酯血症发生率均高于<60岁的农民(均P<0.05)。不同年龄段农民饮酒、吸烟、超重、肥胖、家族史发生率差异均无统计学意义(均P>0.05)。小学及以下人群饮酒、吸烟、高血压、高胆固醇血症、高甘油叁酯血症发生率均明显高于初中及以上人群(均P<0.05)。不同学历调查对象超重、肥胖、糖尿病及有家族史发生率差异均无统计学意义(均P>0.05)。结论四川省达州市农村居民脑血管疾病危险因素具有较高的人群聚集特征,性别、年龄、学历对脑血管疾病危险因素检出率均有一定的影响。(本文来源于《职业与健康》期刊2019年21期）
单路,兰文龙,姜莹[4]（2019）在《基于多源数据的高铁站区人群聚集特征研究》一文中研究指出高铁时代已经到来,设站城市纷纷以高铁站区为契机,推动城市建设与发展,高铁站区成为城市的重点开发区域。对于高铁站区而言,无论是其城市重要人群集散点的属性,还是区域发展中吸引城市人口的需求,都凸显人群活动在高铁站区发展中的意义,对人群活动的研究,有助于分析高铁站区建设对站区及周边人群行为的影响及在这种影响下人群流动的反馈,从而为优化空间结构与公共设施布局提供参考,促进站区与城市互动发展。本文从以人为本的理念出发,聚焦高铁站区的人群活动,采用微信宜出行数据刻画时空轨迹,引入聚集均值与标准差识别典型聚集区,研究表明出行与居住是站区的主导职能,办公与公园对人群聚集的引导并不突出,存在滞后性。将研究数据与百度POI进行关联分析,发现聚集形成与人群活动的功能导向显着相关,功能需求是人群聚集的关键,其中交通与商业是引导人群活动的主要因素。在此基础上进一步研究人群聚集中心性特征,其中,多圈层结构并不明显,聚集区域以斑块网络模式发展;中心与城区互动倾向特征突出,存在向外延伸并逐渐分散的特点;聚集区域受交通、功能等要素影响而有层级化分异发展趋势。(本文来源于《活力城乡 美好人居——2019中国城市规划年会论文集（07城市设计）》期刊2019-10-19）
邰虹月[5]（2019）在《大连市五区人群时空聚集研究》一文中研究指出以辽宁省大连市五区人群时空聚集为研究对象,基于大数据方法研究其空间特征,并进行简要的影响因素分析,以此提出大连市在城市空间结构方面存在的问题。使用基于Arc Map的百度热力图采集软件,爬取了工作日、休息日两天热力图数据,通过与地图数据的迭合,找出人口聚集的集中区域,分析人群的时空聚集特征;通过与其他数据的迭加,分析人口在不同用地的聚集特征。研究发现,大连市五区人群聚集随时间变化存在明显规律,与其他城市比较存在个性特征。(本文来源于《住宅科技》期刊2019年09期）
杨新宇,郭明乐[6]（2019）在《中小学生人群聚集处不安全行为倾向研究》一文中研究指出为预防中小学生在公共场所的安全事故,以不安全行为为切入点,选取某大学附属学校的中小学生作为调查样本,通过学校大门口处的监控视频获取中小学生上放学时间段内人群活动的数据,利用SPSS软件对中小学生人群聚集处不安全行为的倾向及其影响因素进行了描述统计分析和卡方检验,研究中小学生不安全行为特征表现的相关性和差异性。结果表明:①中小学生在无约束的状态下主要的不安全行为有跑跳、追逐、推搡、路上逗留等;②中小学生中男生比女生更容易发生不安全行为;③早中晚4个上下学时间段内,中小学生发生不安全行为的概率基本一致,约为21.35%;④早中晚4个上下学时间段内,中午放学时间段内学校大门口处中小学生人群密度最大,中小学生发生不安全行为的概率最大;⑤中小学生跑跳、追逐、推搡、路上逗留等不安全行为的发生存在明显的性别倾向,男生发生跑跳、追逐、推搡不安全行为的概率高于女生,女生发生路上逗留不安全行为的概率高于男生。(本文来源于《安全与环境工程》期刊2019年04期）
王保云,王婷,张玲莉,胡莉[7]（2019）在《人群聚集场所的拥挤踩踏危险度评估算法》一文中研究指出为度量人群聚集场所的踩踏风险,构建基于最小宽度系数、倾斜度、汇集度和长度的4变量危险度评估算法。首先将事故高危点(HRS)分为点型节点(PN)、线型节点(LN)和面型节点(SN);然后设计基于4变量的危险度度量函数,并据此计算3类节点危险度值;最后根据场所中HRS的分布情况和各节点的危险度来计算场所的整体危险度。研究表明:算法能够精确识别场所中的高风险疏散节点(EN),并合理评估场所的整体踩踏危险。(本文来源于《中国安全科学学报》期刊2019年06期）
陈靖[8]（2019）在《人群聚集场景人脸检测研究》一文中研究指出目前人们主要是通过看视频方式识别聚集人群人脸,这种方式无法及时在人群聚集场景找到有效目标。聚集人群人脸检测的精度与速度是保障人脸识别的首要条件,由于受遮挡、角度变化、光照变化、尺寸变化等复杂环境影响,在聚集人群人脸检测的精度与速度方面仍有一些工作可做。本文基于深度残差101层网络模型(ResNet101)对聚集人群人脸检测进行研究,获得如下研究结果:(1)针对聚集人群人脸检测精度的问题,本文采用深度残差101层网络模型与选用的最近邻插值、双线性插值和双叁次插值算法相结合进行聚集人群人脸检测分析,达到较满意的检测精度。其主要思路:首先分别选用不同的插值算法对多尺度图像序列进行缩放,然后利用深度残差网络算法ResNet101检测多尺度图像的人脸区域,最后采用非极大值抑制融合图像。实验结果表明:在香港中文大学聚集人群数据集WIDER FACE上测试,深度残差101层网络模型与双叁次插值算法相结合方式的平均检测精度为97.71%,平均误检率为2.28%。(2)实现客观平均梯度、点锐度、边缘强度、熵、峰值信噪比和空间频率等六种图像清晰度评价算法,并用实验结果分析各评价算法的差异性。(3)针对聚集人群人脸检测速度的问题,分别选用客观平均梯度、点锐度、边缘强度、熵、峰值信噪比和空间频率等六种图像清晰度评价算法对多尺度图像序列进行分析,发现序列缩放因子在1.0075至1.0125区间可获得图像质量较稳定的多尺度图像序列,并且这个区间的序列缩放因子有效地减少了多尺度图像序列个数。将该区间序列缩放因子、双叁次插值算法与深度残差101层网络模型相结合进行聚集人群人脸检测,在不影响检测精度的前提下,提高了检测速度。实验结果表明:在香港中文大学聚集人群数据集WIDER FACE上进行测试,本文方法平均检测速度为20.941s,平均精度为97.73%,Hu算法的平均检测速度为23.894s,本文方法在检测速度上略高于Hu算法。在具有较大的光照变化、人脸尺度变化、姿态变化的观众席、军训场地、会议室、教室、商场和车站等人群聚集场景收集到的人脸图像数据集上测试表明,本文方法平均检测速度为24.017s,平均精度为95.08%,Hu算法的平均检测速度为27.883s,本文方法的检测速度也略高于Hu算法。(本文来源于《贵州民族大学》期刊2019-06-10）
李珊[9]（2019）在《人群聚集风险预警系统的管理分析——以体育场为例》一文中研究指出体育场作为人群聚集场所之一,一旦发生踩踏或其他的恶性事件,极有可能造成严重的人员伤亡和经济损失。通过对体育场人群聚集风险预警系统的管理分析及防控措施的研究,描述了人群聚集风险预警系统的工作原理是使用智能分析技术对监控视频进行解析,同时利用短时预测和相关算法对聚集人群进行分级风险预警。此外还论述了该系统的核心功能、优点和相关展望,对体育馆踩踏风险预警系统和应急机制的相关性研究具有非常重要的现实意义。(本文来源于《科技与创新》期刊2019年08期）
缪伟刚,覃玉,苏健,崔岚,罗鹏飞[10]（2019）在《江苏省不同血糖水平人群心血管病危险因素聚集分析》一文中研究指出目的了解江苏省社区不同血糖水平人群主要心血管病危险因素的聚集状况。方法2015-2017年在江苏省6个项目点开展以社区人群为基础的筛查项目,共有83 522名35～75岁常住居民纳入本次研究。计算我省中老年人群高血压、肥胖、血脂异常和吸烟4类心血管危险因素的流行率及聚集性,采用非条件Logistic回归分析不同血糖水平与心血管病危险因素聚集风险之间的关系。结果江苏省35～75岁居民糖尿病患病率18. 9%,其中知晓患病的比例为41. 4%。在未知患病人群中,空腹血糖受损和高血糖人群心血管病危险因素聚集的风险分别是正常人群的1. 29倍(OR=1. 29,95%CI:1. 24～1. 36,P <0. 001)和1. 99倍(OR=1. 99,95%CI:1. 89～2. 08,P <0. 001)。在已知患病人群中,血糖控制率为15. 5%,血糖控制与心血管病危险因素聚集并无关联。结论高血糖和空腹血糖受损增加成人心血管病危险因素聚集风险,应及时对糖尿病高危人群采取综合干预措施控制血糖。(本文来源于《中华疾病控制杂志》期刊2019年04期）
聚集人群论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的了解绍兴市≥60岁老年人患慢性病的危险因素聚集性,为制定老年人群慢性病防制策略提供依据。方法收集2016年浙江省老年人健康监测项目越城区东湖镇5个行政村≥60岁绍兴市户籍居民健康监测资料,分析老年人群中现在吸烟、现在饮酒、超重或肥胖、从不锻炼和静坐行为5种慢性病常见危险因素的聚集个数和聚集模式。结果共纳入1 427人,现在吸烟、现在饮酒、超重或肥胖、从不锻炼和每日静坐时间≥3 h的持有率分别为15.98%、31.67%、43.73%、73.30%和41.56%。无上述慢性病危险因素的老年人占5.12%;有1种危险因素占24.25%;有2种危险因素占38.75%,以从不锻炼和超重或肥胖聚集为常见模式;有3～5种危险因素占31.88%,其中有3种危险因素以从不锻炼、超重或肥胖和每日静坐时间≥3 h聚集为常见模式,有4种危险因素以现在饮酒、从不锻炼、超重或肥胖和每日静坐时间≥3 h聚集为常见模式。男性、在婚、受教育程度低和无冠心病的老年人具有更多的危险因素(P<0.05)。结论绍兴市老年人群存在慢性病危险因素聚集现象,以聚集从不锻炼、超重或肥胖、每日静坐时间≥3 h中的2种或3种危险因素较为常见。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
聚集人群论文参考文献
[1].,何易.启动高等级勤务维护城市公共安全[N].文汇报.2020
[2].黄文,李金,陈奇峰.绍兴市老年人群慢性病危险因素聚集性分析[J].预防医学.2019
[3].林莎莎.四川省达州市农村居民脑血管疾病危险因素的人群聚集现状及影响因素[J].职业与健康.2019
[4].单路,兰文龙,姜莹.基于多源数据的高铁站区人群聚集特征研究[C].活力城乡美好人居——2019中国城市规划年会论文集（07城市设计）.2019
[5].邰虹月.大连市五区人群时空聚集研究[J].住宅科技.2019
[6].杨新宇,郭明乐.中小学生人群聚集处不安全行为倾向研究[J].安全与环境工程.2019
[7].王保云,王婷,张玲莉,胡莉.人群聚集场所的拥挤踩踏危险度评估算法[J].中国安全科学学报.2019
[8].陈靖.人群聚集场景人脸检测研究[D].贵州民族大学.2019
[9].李珊.人群聚集风险预警系统的管理分析——以体育场为例[J].科技与创新.2019
[10].缪伟刚,覃玉,苏健,崔岚,罗鹏飞.江苏省不同血糖水平人群心血管病危险因素聚集分析[J].中华疾病控制杂志.2019
标签：城市公共安全; 勤务; 足球俱乐部; 安全风险评估; 公安机关; 申通集团; 客流情况; 公安部; 小陆家嘴; 客流;