商业地产分析

商业地产分析

接口地址：http://apis.juhe.cn/population_insight/query

支持格式：json

请求方法：http get/post

请求参数说明：

	名称	必填	类型	说明
	key	是	string	在个人中心->我的数据,接口名称上方查看
	lng	是	string	经度，如：120.617116
	lat	是	string	维度，如：31.335936
	ts	是	string	数据可选周(北京时间)的时间戳，如：1556640000

请求示例：http://apis.juhe.cn/population_insight/query?key=您的key&lng=116.88&lat=39.71

返回参数说明：

	名称	类型	说明
	-	-	具体见 JSON 示例

返回示例：

JSON返回示例：

{
  "reason": "成功",
  "error_code": 0,
  "result": {
    // 1. 目标区域人流量监测分析(human_traffic)。
    /**
     *  监测目标区域内人口变化情况，即目标区域时段人流量统计；
     *  根据目标区域人群的行为信息统计一天 24 小时内目标区域人流总量，以反映目标区域内新增、减少人流量情况；
     */
    "human_traffic": {
      "pop_0001": "1663", // 平均每日凌晨 0 点至 1 点期间目标区域出现总人次
      "pop_0102": "1662", // 平均每日凌晨 1 点至 2 点期间目标区域出现总人次
      "pop_0203": "1655", // 以此类推 ...
      "pop_0304": "1649",
      "pop_0405": "1647",
      "pop_0506": "1646",
      "pop_0607": "1632",
      "pop_0708": "1587",
      "pop_0809": "1499",
      "pop_0910": "1446",
      "pop_1011": "1398",
      "pop_1112": "1386",
      "pop_1213": "1365",
      "pop_1314": "1347",
      "pop_1415": "1333",
      "pop_1516": "1296",
      "pop_1617": "1310",
      "pop_1718": "1276",
      "pop_1819": "1236",
      "pop_1920": "1220",
      "pop_2021": "1218",
      "pop_2122": "1211",
      "pop_2223": "1204",
      "pop_2324": "1200"  //平均每日晚 11 点至凌晨 0 点期间目标区域出现总人次
    },
    // 2. 人口区域洞察分析
    /**
     * 按照人口属性来分析基于信令统计的人口数据。
     * 人口总数量：通过移动运营商当地市场占有率用户数推测人口总数量。
     * 居住人口数：每天 21：00~5：00 时间段内连续一个自然日用户累积所在时间最长的网格为用户居住地，统计其网格内居住人口数。
     * 工作人口数：周一至周五 9：00~17：00 时间段内连续一个自然日用户累积所在时间最长的网格为用户工作地，统计其网格内工作人口数。
     */
    "insight": {
      // 年龄结构
      "AGE1_0006": "0",   // 居住人口 6 岁以下人数
      "AGE1_0712": "0",   // 居住人口 6-12 岁人数
      "AGE1_1315": "0",   // 居住人口 13-15 岁人数
      "AGE1_1618": "3",   // 以此类推 ...
      "AGE1_1924": "26",
      "AGE1_2529": "86",
      "AGE1_3034": "120",
      "AGE1_3539": "98",
      "AGE1_4044": "92",
      "AGE1_4549": "42",
      "AGE1_5054": "35",
      "AGE1_5559": "15",
      "AGE1_6064": "21",
      "AGE1_6569": "8",
      "AGE1_70up": "2",
      "AGE2_0006": "0",
      "AGE2_0712": "0",
      "AGE2_1315": "0",
      "AGE2_1618": "8",
      "AGE2_1924": "22",
      "AGE2_2529": "72",
      "AGE2_3034": "95",
      "AGE2_3539": "87",
      "AGE2_4044": "81",
      "AGE2_4549": "50",
      "AGE2_5054": "36",
      "AGE2_5559": "16",
      "AGE2_6064": "18",
      "AGE2_6569": "11",   // 工作人口 65-69 岁人数
      "AGE2_70up": "2",    // 工作人口 70 岁以上人数
      // 性别结构
      "FEMALE1_SUM": "264",// 目标区域内居住女性数
      "FEMALE2_SUM": "220",// 目标区域内工作女性数
      "MALE1_SUM": "284",  // 目标区域内居住男性数
      "MALE2_SUM": "278",  // 目标区域内工作男性数
      // 人口汇总
      "P1_SUM": "548",     // 目标区域居住人口总数
      "P2_SUM": "498"      // 目标区域工作人口总数
    },
    // 3. 人口属性统计标签维度(consumption，internet，mobile_phone)
    /**
     * 通过对目标区域内居住人口和工作人口的识别，统计区域内居住人口和工作人口的月话费账单消费能力、上网标签偏好、手机型号的数量及分布比例。
     */
    // （1）目标区域内人群消费能力（月话费账单: consumption）
    "consumption": {
      "ARPU1_50": "329",  // 目标区域内居住人口月出帐金额 50 元以下人数
      "ARPU1_100": "125", // 目标区域内居住人口月出帐金额 50-100 元以下人数
      "ARPU1_150": "72",  // 目标区域内居住人口月出帐金额 100-150 元人数
      "ARPU1_200": "12",  // 目标区域内居住人口月出帐金额 150-200 元人数
      "ARPU1_250": "8",   // 目标区域内居住人口月出帐金额 200-250 元以上人数
      "ARPU1_up": "4",    // 目标区域内居住人口月出帐金额 250 元以上人数
      "ARPU2_50": "298",  // 目标区域内工作人口月出帐金额 50 元以下人数
      "ARPU2_100": "98",  // 目标区域内工作人口月出帐金额 50-100 元以下人数
      "ARPU2_150": "74",  // 目标区域内工作人口月出帐金额 100-150 元以下人数
      "ARPU2_200": "12",  // 目标区域内工作人口月出帐金额 150-200 元以下人数
      "ARPU2_250": "11",  // 目标区域内工作人口月出帐金额 200-250 元以下人数
      "ARPU2_up": "1"     // 目标区域内工作人口月出帐金额 250 元以上人数
    },
    // （2）目标区域内人群TOP10上网兴趣偏好(internet)
    /**
     * popu_type    人群类型，1 代表居住，2 代表工作
     * tag_name     网络标签名称
     * tag_value    网络标签对应的人数
     */
    "internet": [{
      "popu_type": "1",
      "tag_name": "网上购物",
      "tag_value": "397"
    }, {
      "popu_type": "1",
      "tag_name": "手机视频",
      "tag_value": "368"
    }, {
      "popu_type": "2",
      "tag_name": "社交网络",
      "tag_value": "192"
    },{
      "popu_type": "2",
      "tag_name": "手机游戏",
      "tag_value": "140"
    }],
    //  （3）目标区域内人群 TOP30 手机型号分布(mobile_phone)
    /**
     * popu_type      人群类型，1 代表居住，2 代表工作
     * Phone_brand    手机品牌
     * Phone_model    手机型号
     * Phone_value    该品牌型号手机对应的人数
     */
    "mobile_phone": [{
      "Phone_brand": "维沃",
      "Phone_model": "VIVO X9",
      "Phone_value": "22",
      "popu_type": "1"
    }, {
      "Phone_brand": "欧珀",
      "Phone_model": "OPPO R9S",
      "Phone_value": "19",
      "popu_type": "1"
    }, {
      "Phone_brand": "欧珀",
      "Phone_model": "OPPO R11",
      "Phone_value": "19",
      "popu_type": "1"
    }, {
      "Phone_brand": "欧珀",
      "Phone_model": "OPPO R15",
      "Phone_value": "17",
      "popu_type": "1"
    }, {
      "Phone_brand": "苹果",
      "Phone_model": "iPhone X",
      "Phone_value": "16",
      "popu_type": "1"
    }],
    // 4. 逗留时长分析(stay)
    /**
     * 基于手机信令的特点，需要首先判定人的逗留，建立逗留地识别的模型，再来统计热力的情况。
     * 每日目标区域客流口径。按信令数据中的手机号段获取手机用户，当日在城市基站范围内且在目标区域出现过，即统计上。
     * 每日新到城市且停留 30 分钟以上口径。按信令数据中的手机号段获取国内外手机用户，当日在城市基站范围内出现过，昨日未出现过，且停留 30 分钟以上，即统计上。
     */
    "stay": {
      "day_visit": "2159", // 每日目标区域出现总人次
      "stay1": "19",       // 驻留小于 1 小时人次（30 分钟以上）
      "stay2": "94",       // 驻留 1-3 小时人次
      "stay3": "134",      // 驻留 3-6 小时人次
      "stay4": "328",      // 驻留 6-9 小时人次
      "stay5": "1584"      // 驻留大于 9 小时人次
    },
    "orderid": "J201901111732326388"
  }
}