作为国际大都市的上海,随着改革开放的发展,其人员流动性越来越强,实有人员信息很难准确及时地更新到实有人口数据库中,致使在实有人口数据库中登记的实有人口数据与实际情况存在较大的偏差,这为安全治理、疫情治理等紧要事件的处置决策产生了较大影响。实有人口数据库中数据不准确的问题具体表现为存在大量在沪但信息未登记到实有人口数据库（以下简称漏登）的人员以及人已离沪但信息未从实有人口库中注销（以下简称未注销）现象。随着大数据时代的到来,人们进行各种社会活动时都会在海量数据中留下一笔,如常见的小区感知、手机信令、外卖、快递等产生的数据。海量的人员行为和生活数据为分析漏登人员和未注销人员提供了一定支撑。本文利用大量的人员行为和生活数据,借用数据仓库技术,对维护上海市实有人口数据进行一些探索性研究。本文进行的具体的研究工作如下:（1）提出以不断更新的人口数据和现有的实有人口数据库为基础,构建可疑人口数据仓库来及时更新本市实有人口数据库。首先,对公安获取的各类人口数据进行分析,了解各数据源中数据的特点和数据获取周期;然后建立疑似未注销和疑似漏登主题数据仓库;最后,利用Kettle对获取的数据进行ETL处理,通过与实有人口数据库中已登记的数据进行比对,将各类数据源中的可疑人员数据（疑似漏登或疑似未注销）加载到数据仓库中。（2）结合实有人口中各类人员产生数据的特点和各类数据源特点,比较详细地阐述了未注销人员和漏登人员的排查逻辑,包括数据融合分析方案。通过对数据仓库中的数据进行分析,最终排查出高疑似未注销人员信息和高疑似漏登人员信息,用以及时更新上海市实有人口数据库,在一定程度上解决了本市实有人口数据库中数据更新不及时、不准确的问题。（3）本文利用Spring Cloud、Quartz、Echarts、Vue.js等相关技术,设计并实现了基于微服务架构的上海市实有人口数据库维护系统平台。该系统是基于可疑人口数据仓库实现,实现了对数据的实时监控、任务自动调度以及数据统计分析等功能,在一定程度上为公安部门对实有人口数据库维护和使用提供支撑。