该数据集合为深圳市亲邻科技有限公司的用户出入画像数据，包括用户id、开门方式、回家时间、出门时间、月均大门开门次数等数据字段。数据采用多源数据采集机制，通过智能门禁终端日志、APP交互接口、物联网传感器实时采集原始数据，并经过去重、格式标准化及异常值修正。该数据集主要解决的问题是通过分析用户通行时空规律，构建用户居家画像，并通过日均大门开门次数进行用户开门频率的划分，可有效解决两大核心问题：一是优化高峰期人员通行效率，基于时段标签合理配置安保人力；二是识别异常出入行为（如非活跃时段高频通行），强化社区安全管理。

本数据集采用多源数据采集机制，通过智能门禁终端日志、APP交互接口、物联网传感器实时采集原始数据，并经过去重、格式标准化及异常值修正。数据加工环节依据《信息安全技术个人信息安全规范》（GB/T 35273-2020）实施去标识化，开门方式偏好保留设备类型，但删除生物特征细节，通行时间标签采用时段聚合并删除精确时间戳，确保匿名化后的数据集无法反向识别个人身份。通过可视化直方图分别展示出门和回家时间段的用户数量分布。

该数据集合适用于智能楼宇和社区管理场景，通过整合用户ID、通行时间规律标签（记录高频集中时段如早晚通勤峰值）、出入口通行频次（大门平均次数）及开门方式偏好等数据。其适用范围聚焦于物业管理公司、社区安防部门及智能家居服务商，主要面向广东省内配备智能化门禁系统的中高端住宅区、商务楼宇及产业园区。通过分析用户通行时空规律，可有效解决两大核心问题：一是优化高峰期人员通行效率，基于时段标签合理配置安保人力；二是识别异常出入行为（如非活跃时段高频通行），强化社区安全管理。

用户id 开门方式 回家时间 出门时间 用户在家时常（小时） 用户居家画像 月均大门开门次数 日均大门开门次数 开门频率等级 18851166 1 16 6 14 早出型 45 2 低频 20750856 1 16 6 14 早出型 225 8 高频 36665649 1 21 6 9 早出晚归型 292 10 高频 16459129 1 23 6 7 早出晚归型 236 8 高频 19751549 1 16 6 14 早出型 167 6 中频 37119864 1 21 6 9 早出晚归型 62 2 低频 29814937 1 23 6 7 早出晚归型 205 7 中频 21938768 1 16 6 14 早出型 80 3 低频 34706500 1 23 6 7 早出晚归型 264 9 高频 7579198 1 23 6 7 早出晚归型 250 8 高频 11145754 2 23 6 7 早出晚归型 255 9 高频 30979403 1 23 6 8 早出晚归型 87 3 低频 4

字段名称 字段说明 数据类型 用户id 小区用户id 数字 开门方式 小区各用户的开门方式 数字 回家时间 小区各用户的回家时间 数字 出门时间 小区各用户的出门时间 数字 月均大门开门次数 小区各用户的月均大门开门次数 数字 月均单元门开门次数 小区各用户的月均单元门开门次数 数字