CN104899368A - 基于数据热度的监控布点需求图生成方法及装置 - Google Patents

Abstract

本发明公开了一种基于数据热度的监控布点需求图生成方法，包括：确定地图上的样本点，并基于样本点的分布区域确定需要栅格化的地图区域；对所述的需要栅格化的地图区域进行栅格化处理，得到地图区域经过栅格化之后的网格单元；对样本点进行权重赋值，根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值，根据各网格单元的权重值，生成监控布点需求图。本发明利用该方法还公开了一种基于数据热度的监控布点需求图生成装置，本发明的突出优点在于，样本点反映了客观世界的监控布点需求，而样本点的权重大小则反映了需求的大小，将区域的热度考虑了进去，使得其更具有可信度。

Description

基于数据热度的监控布点需求图生成方法及装置

技术领域

本发明涉及视频监控技术领域，尤其涉及基于数据热度的监控布点需求图生成方法及装置。

背景技术

目前视频监控已经广泛地应用于城市日常管理中，但是监控点位的布局理论相对与其应用却存在一定的滞后性，这客观地造成了实际的应用中监控点位布局的不合理性。

目前摄像机布点方法为通过将客观世界抽象为点(例如路口、ATM机等)、线(道路)、面(CBD、大型商场等)，然后计算监控点位的覆盖区域，根据覆盖区域是否包含客观世界，或者对客观世界包含的程度来对监控点位布局的科学性进行评判，再根据评判的结果调整并得到最终的摄像机布点需求图，对摄像机进行布点。

这种布点方法在评价时侧重于摄像机对监控区域的覆盖度等，例如通过计算摄像机的覆盖度，通过摄像机对监控区域的覆盖情况建立起评价布点的指标，而这个过程通常很复杂，例如摄像机的覆盖情况涉及到摄像机的类型，焦距、转角、镜头、分辨率以及安装高度等，而监控目标又涉及到客观世界中的各种实体，这还是在不考虑客观世界中的实体的情况下。如果再加上对客观世界中的实体的考虑，那么对数据的要求将会翻好几倍，因为客观世界的实体是繁杂多样的，实体与实体之间有可借鉴性，但是没有可复制性，增加了评价的复杂程度。因此这种评价方法对于数据的要求十分高，间接地造成了应用的过程中成本偏高。

这种方式的另外一个缺点就是没有对客观世界的实体的重要性进行判断，这就是说明，重要区域与非重要区域的布点方式是一样的，这必然会造成重要区域的监控点位不足，或者是非重要区域的监控点位太多。从而导致资源的浪费。

在视频监控的布局中衡量布局合理性的一个十分关键的指标是否覆盖关键区域，即在关键的区域尽可能多地布置监控点，以保证对关键区域能够全覆盖高效监控，而对于次要区域覆盖的要求较关键区域低。在整个监控点位的布局中，一般都是以被监控的对象为主展开，通常会有明确的要求，例如覆盖主要的银行、超市等人流较密集区域。但是这种方法都是基于矢量数据的运算，即将客观事物抽象成点、线和面的数据结构进行运算，这忽略了客观事物本身的属性。

因此如何能够在监控布点中生成一个监控布点需求图，能够反映客观世界的不同区域重要程度，是本发明需要解决的问题。

发明内容

由于网络地图的应用，目前基础数据，如POI数据、道路网络数据等较过去已经有了十分大的进步，这些数据在客观上都能够映射出监控的需求。在地理信息系统中，有一种栅格数据结构。栅格数据结构是基于栅格模型的数据结构，是指将空间分割成有规则的网格，称为栅格单元，在各个栅格单元上给出相应的属性值来表示地理实体的一种数据组织形式。这种数据结构可以很形象的将客观实体对周围的影响表现出来。再结合POI数据，就可以将基于POI数据的监控需求形象的表示出来。

为了解决现有的监控布点需求图无法准确反映出客观世界监控点位的布设这一问题，本发明提供了一种监控布点需求图生成方法，利用能够反映客观监控布点需要的样本点数据，基于数据热度生成一种监控布点需求图，能够准确反映客观世界的监控布点需求，从而有助于合理布设监控点位。

一种基于数据热度的监控布点需求图生成方法，包括：

确定地图上的样本点；

基于样本点的分布区域确定需要栅格化的地图区域，对所述的需要栅格化的地图区域进行栅格化处理，得到地图区域经过栅格化之后的网格单元；

对样本点进行权重赋值；

根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值，根据各网格单元的权重值，生成监控布点需求图。

样本点的权重大小反映了样本点的数据热度，即重要程度。其中样本点可以为POI点(兴趣点)，或者是根据其他分布规律生成的点。例如根据有案件发生的位置数据，可以得到案件发生分布规律；根据已有的摄像机点位，可以得到摄像机点位布点规律，根据这类分布规律可以得到反映客观世界监控布点需求的样本点。通过对这些样本点进行赋值，所生成的监控布点需求图能够较好地反映客观世界的布点需求。样本点的权重赋值既可以在确定样本点之后栅格化处理之前进行，也可以在栅格化处理之后网格单元赋值处理之前进行，或者，可以与栅格化处理同时进行。

进一步而言，所述的样本点为地图上的兴趣点。现有的网络地图一般都带有兴趣点，兴趣点能够比较全面准确地反映人流量在地图区域中的分布。

由于样本点在地图中所反映的地理位置不同，例如表示市政府、学校或者娱乐场所，而各个样本点在监控需求上不同，因此需要对样本点进行分类，根据类别的重要程度赋予不同的权重，进一步而言，对样本点进行权重赋值的方法包括：将样本点进行分类，按样本点的类别为样本点赋予对应的权重。

其中，对不同类别的样本点权重值的赋予根据布点需求的影响因素进行，影响因素包括以下至少一者：各样本点的地理位置、各类别样本点的人流量以及公众对各类样本点的需求度大小。其中地理位置包括行政划分中处于中心或郊区，中心位置与郊区相比，权重更大；对于人流量而言，人流量越大则权重越大，例如划分为商场、医院等处的样本点人流量较大，被划分为农场、田地等地的样本点人流量较小；公众对各类样本点的需求是指某类样本点的必要性，需求越大，则权重越大，例如表示城市交通主干道的样本点公众需求较大，则权重也对应较大，一些可替代的营业点例如彩票售卖处，则公众需求较小，权重也就较小。

进一步而言，样本点的分类具有多个层次，对应地，利用层次分析法为样本点赋予对应的权重。

层次分析法将样本点按不同层次划分类别，一些样本点所反映的地理位置可能同属一个较大类别，而较大类别下面细分为多个层次的较小类别。例如较大类别为政府机构，该较大类别下还包括中央政府、地方政府及基层组织等较小类别。在分为多个层次后通过对每个最小的类别多次赋值，进行层次分析，从而得出一个较能反映实际重要程度的权重。

由于一个样本点对周围网格均有影响，且影响随着距离的增加而衰减，为了较真实地反映样本点对周围网格的影响，进一步而言，根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值的方法为：

指定单个样本点在地图上的最大影响距离，根据以下公式，确定单个样本点对其影响范围内各网格单元权重分量，

$(1-\frac{\mathrm{Dis}\tan \mathrm{ce}}{\mathrm{MaxDis}\tan \mathrm{ce}})*\mathrm{Infiuence};$

其中MaxDistance表示最大影响距离，Distance表示样本点到网格单元的距离，对于样本点所在的网格单元，Distance为0，Influence表示样本点的权重值；

各单元网格的权重值为其所有权重分量之和。

由于一个样本点对周围的区域均有影响，且区域受到样本点的影响随着距离的增加而逐渐衰减，因此利用本发明这种方法将一个样本点的权重值根据距离的远近按比例分配，从而能够较真实地反映样本点对各个网格单元的影响。

为了将需要进行栅格化处理的地图区域缩小到一个合理的范围以减少操作的复杂度，同时包含所有的样本点，进一步而言，需要栅格化的地图区域确定方法包括：

步骤a：确定所有的样本点分布在经度上最大值和最小值以及纬度上的最大值及最小值；

步骤b：以步骤a中所确定的经纬度的最大值和最小值所在地图位置处为四个顶点形成的矩形区域即为需要栅格化的地图区域。

这种方式包含了所有的样本点，同时，矩形区域便于用计算机进行表示和处理。在实际中为了便于操作，需要将样本点的经纬度值转换为墨卡托投影坐标系中的坐标值。对应地，将经纬度上的最大值及最小值转换为墨卡托投影坐标系中所对应的坐标值，经度上的最大值及最小值对应墨卡托坐标系中x方向上的最大值及最小值，纬度上的最大值对应y方向上的最大值及最小值，在墨卡托投影坐标系中x方向及y方向上的最大值及最小值所确定的顶点形成地图中所述的矩形区域。

地图上的各个网格单元的信息要进行处理，需要转换为数值，且数值要包含网格单元的经纬度信息以及权重值信息，为了后续能够进行网格单元的权重赋值，进一步而言，栅格化处理包括：生成与所述地图区域对应的栅格数据，所述栅格数据为二维数组，二维数组中的各个元素与网格单元一一对应，每个元素在二维数组中的索引对应网格单元的经纬度值；所述各个元素的数值表示网格单元的权重值。

各个网格单元的权重值，反映了网格单元所对应的地图区域的监控布点需求，为了将监控布点需求直观地反映在地图上，进一步而言，生成所述监控布点需求图还包括：

将网格单元的权重进行无量纲处理，得到权重无量纲化栅格数据；

对权重无量纲化栅格数据进行渲染得到渲染图，其中不同的无量纲权重用不同颜色表示；

将渲染图叠合至地图的监控布点区域，生成所述监控布点需求图。

最终生成的监控布点需求图显示出不同的颜色，从而能够非常直观地反映出不同程度的监控布点需求。

利用本发明提供的方法，本发明还提供了一种监控布点需求图生成装置，通过反映客观监控布点需要的样本点数据的数据热度，生成监控布点需求图。

一种基于数据热度的监控布点需求图生成装置，包括如下单元：

样本点确定单元，确定地图上的样本点；

栅格化处理单元，基于样本点的分布区域确定需要栅格化的地图区域，对所述的需要栅格化的地图区域进行栅格化处理，得到地图区域经过栅格化之后的网格单元；

样本点赋值单元，对样本点进行权重赋值；

网格单元赋值单元，根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值，根据各网格单元的权重值，生成监控布点需求图。

进一步而言，所述栅格化处理单元包括：栅格数据生成模块，生成与所述地图区域对应的栅格数据，所述栅格数据为二维数组，二维数组中的各个元素与网格单元一一对应，每个元素在二维数组中的索引对应网格单元的经纬度值；所述各个元素的数值表示网格单元的权重值。

进一步而言，网格单元赋值单元还包括如下单元：

无量纲处理单元，将网格单元的权重值进行无量纲处理，得到权重无量纲化栅格数据；

渲染单元，对权重无量纲化栅格数据进行渲染得到渲染图，其中不同的无量纲权重用不同颜色表示；

叠合显示单元，将渲染图叠合至地图的监控布点区域，生成所述监控布点需求图。

本发明的突出优点在于，样本点反映了客观世界的监控布点需求，而样本点的权重大小则反映了需求的大小，将区域的热度考虑了进去，使得其更具有可信度。另外通过颜色的深浅来表示不同的区域监控的重要性，并且通过跟地图的叠合，能够非常直观地展现出该区域的监控布点需求。

附图说明

图1为本发明实施例采用渲染色带对DEM数据渲染的渲染效果图；

图2为将图1所示渲染效果图与网络地图叠加显示的效果图；

图3为本发明当前实施例的方法流程图。

具体实施方式

为了使本发明更加清楚，现结合附图及实施例对本发明进行详细的阐释。本发明实施例如图3所示，包括如下步骤：

步骤一：确定地图上的样本点。

步骤一由样本点确定单元进行。

样本点的选取有多种方式，包括案件发生的地点分布，已有的摄像机点位分布等等，均能够反映监控的布点需求，可以以这类地点对应在地图上的点作为样本点进行提取。由于POI的分布能较全面地反映监控地区的人流量，POI密度越密代表该区域热度越高，同时也是人流量聚集区域，对于监控而言这些区域也是监控的重点，需要重点部署，反之则表示重要程度较低。因此本发明当前实施例采用POI作为样本点。

步骤二：基于样本点的分布区域确定需要栅格化的地图区域，对所述的需要栅格化的地图区域进行栅格化处理，得到地图区域经过栅格化之后的网格单元。

步骤二由栅格化处理单元进行。数字高程模型(Digital ElevationModel，简称DEM)。它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。当前实施例为了便于操作，采用DEM形式的栅格数据(DEM数据)，其网格单元的索引用于表示地图上对应区块的经纬度，而网格单元的值，可以表示自定义的属性，在当前实施例中，为了显示布点需求，元素的值定义为网格单元的权重值。

为了进行后续的赋值和显示操作，以DEM数据为基础，将样本点进行栅格化处理，所以需要将经纬度转换为DEM数据的索引，具体方法如下：

步骤a：确定所有的样本点分布在经度上最大值和最小值以及纬度上的最大值及最小值。提取POI，将POI的经纬度转换为墨卡托投影坐标系的坐标，转换公式如下：

$x=X*\frac{20037508.34}{180}$

y1＝ln(tan((90+Y)*π/360))/(π/180)

$y=y1*\frac{20037508.34}{180}$

X为POI的经度，Y为POI的纬度；全世界墨卡托坐标范围是-20037508,-20037508,20037508,20037508.34。

计算整体POI在x和y方向上的最小值和最大值分别为xmin、xmax、ymin以及ymax，得到POI数据区域的分布跨度：

width＝xmax-xmin

height＝ymax-ymin

其中，width表示POI分布区域的宽度，height表示POI分布区域的高度。在墨卡托投影坐标系中，因此确定POI在x方向上的最小值及最大值对应地确定了POI在经度上的最小值及最大值，同理，在y方向上的最小值及最大值对应地确定了POI在纬度上的最小值及最大值。

步骤b：以步骤a中所确定的经纬度的最大值和最小值所在地图位置处为四个顶点形成的矩形区域即为需要栅格化的地图区域。

经纬度上的最大值及最小值在墨卡托坐标系中对应的坐标值所确定的四个顶点，可以确定出一个矩形区域，该矩形区域即为需要栅格化的地图区域。

然后，栅格数据生成模块根据计算机的内存大小和计算精度需求在内存中申请一个与POI分布区域的宽高比例相同的二维数组DemData，DemData即为DEM数据，其中数组的二维索引(即数组中的行列位置)对应具体的墨卡托投影坐标值，数组中的各个值表示该区域的重要程度。当前实施例中使用的POI数据来自于杭州主城区，所以设置的DEM数据的宽度DemWidth＝5000(根据电脑的配置，一般5000普通的2G、4G电脑都可以接受)，DEM数据的高度为：

$\mathrm{DemHeight}=\frac{\mathrm{DemWidth}*\mathrm{height}}{\mathrm{width}}.$

将所有的POI的墨卡托投影坐标转换为DEM数据中的索引坐标，具体公式为如下

$\mathrm{xindex}=\left[\frac{(x-x\min )*\mathrm{DemWidth}}{\mathrm{width}}\right]$

$\mathrm{yindex}=\left[\frac{(y-y\min )*\mathrm{DemHeight}}{\mathrm{height}}\right]$

式中，方括号表示取整运算。xindex、yindex为元素在二维数组中的索引。其中栅格数据二维数组中的各个元素与网格单元一一对应，每个元素在二维数组中的索引对应网格单元的经纬度值，各个元素的数值表示网格单元的权重值。

步骤三：对样本点进行权重赋值。

步骤三由样本点赋值单元完成，该步骤既可以在步骤一之后步骤二之前进行，也可以在步骤二之后步骤四之前进行，或者，可以与步骤二同时进行。当前实施例中，在完成栅格化处理之后进行。

对样本点进行权重赋值包括步骤包括，对POI进行分类，并按类别进行权重赋值。

在当前实施例中，按照现有的POI分类对照表将POI进行分类，并利用层次分析法对POI进行权重的赋值。如表1所示，其中表1表示POI的分类及影响值：

表1

其中的Influence值即权重值，是由三位专家分别对其重要程度进行赋值(限定最大值为30)，然后在A-M的大分类下，分别对小分类进行层次分析法，得出每个因子的值。Lcj、Jxc以及Hf分别表示三位专家，x1、x2及x3分别表示对应的专家对当前分类的权重赋值。

以A类为例，为了构造判断矩阵，综合三位专家的意见，再引入1-9的标度，如表2所示：

表2

对于矩阵A而言，四个因子的两两比较矩阵如表3所示，其中四个因子分别表示一级分类A下的四个二级分类，对应编号a1、a2、a3、a4：

表3

G	a1	a2	a3	a4
					a1	1	3	5	7
a2	1/3	1	3	5
					a3	1/5	1/3	1	3
a4	1/7	1/5	1/3	1

相同因子各专家赋值相对的重要程度两两比较矩阵如表4所示：

表4

a1	x1	x2	x3	a2	x1	x2	x3	a3	x1	x2	x3	a4	x1	x2	x3
																x1	1	1	1	x1	1	1	3	x1	1	1	2	x1	1	1/2	1
x2	1	1	1	x2	1	1	3	x2	1	1	3	x2	2	1	2
																x3	1	1	1	x3	1/3	1/3	1	x3	1/2	1/3	1	x3	1	1/2	1

在得到层次排序后，进行如下步骤：

(1)得到各层次的判断矩阵，并进行一致性检验。

首先，在第一层次上对四个因子两两比较矩阵的一致性检验。

根据表3可以得到判断矩阵A，为了对判断矩阵A进行一致性检验，要对其进行归一化。

$A=\left\{\begin{array}{cccc}1& 3& 5& 7\\ 1/3& 1& 3& 5\\ 1/5& 1/3& 1& 3\\ 1/7& 1/5& 1/3& 1\end{array}\right\}$   ①

$\→\left\{\begin{array}{cccc}0.597& 0.662& 0.536& 0.4375\\ 0.199& 0.220& 0.321& 0.3125\\ 0.119& 0.074& 0.107& 0.1875\\ 0.085& 0.044& 0.036& 0.0625\end{array}\right\}\→\left\{\begin{array}{c}2.2325\\ 1.0525\\ 0.4875\\ 0.2275\end{array}\right\}$   ②

$\→\left\{\begin{array}{c}0.558\\ 0.263\\ 0.122\\ 0.057\end{array}\right\}=W^{\left(0\right)}$   ③

其中式①是为判断矩阵A的列向量归一化；式②是按行求和；③为最终得到的归一化矩阵。

在得到归一化矩阵后，判断矩阵A的最大特征值以及特征向量W⁽⁰⁾

${\mathrm{AW}}^{\left(0\right)}=\left\{\begin{array}{cccc}1& 3& 5& 7\\ 1/3& 1& 3& 5\\ 1/5& 1/3& 1& 3\\ 1/7& 1/5& 1/3& 1\end{array}\right\}\left\{\begin{array}{c}0.558\\ 0.263\\ 0.122\\ 0.057\end{array}\right\}=\left\{\begin{array}{c}2.356\\ 1.1\\ 0.4923\\ 0.23\end{array}\right\}$

${\mathrm{\λ}}_{\max }^{\left(0\right)}=\frac{1}{4}(\frac{2.356}{0.558}+\frac{1.1}{0.263}+\frac{0.4923}{0.122}+\frac{0.23}{0.057})=4.119$

W⁽⁰⁾＝(0.558，0.263，0.122，0.057)^T

接着，在第二层次上对相同因子之间的两两比较矩阵进行一致性检验。同理，可计算出根据表4所得的判断矩阵A1、A2、A3、A4对应的最大特征值与特征向量，依次为：

${\mathrm{\λ}}_{\max }^{\left(1\right)}=3,W^{\left(1\right)}={(\frac{1}{3},\frac{1}{3},\frac{1}{3})}^T;$

${\mathrm{\λ}}_{\max }^{\left(2\right)}=3,W^{\left(2\right)}={(\frac{3}{7},\frac{3}{7},\frac{1}{7})}^T;$

${\mathrm{\λ}}_{\max }^{\left(3\right)}=3.018,W^{\left(3\right)}={(\mathrm{0.387,0.443},0.170)}^T;$

${\mathrm{\λ}}_{\max }^{\left(4\right)}=3,W^{\left(4\right)}={(0.25,0.5,0.25)}^T;$

其中A1表示编号a1所表示的二级类别的各个专家赋值x1，x2及x3之间两两比较所组成的比较矩阵，同理，A2、A3、A4分别表示编号a2、a3、a4所表示的二级类别的各个专家赋值x1，x2及x3之间两两比较所组成的比较矩阵。对应地，及分别为对应的判断矩阵A1、A2、A3及A4的最大特征值，,W⁽¹⁾、W⁽²⁾、W⁽³⁾及W⁽⁴⁾表示对应的判断矩阵A1、A2、A3及A4的特征向量。

用一致性指标进行检验：

其中，对于各个矩阵阶数，对应的RI值如下表：

n	1	2	3	4	5	6	7	8	9
										RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.49

对于判断矩阵A，阶数为4，对应的RI值为0.90，从而得到CR＝0.044<0.1，表示A的不一致程度在容许范围内，如未通过验证，则对样本点进行重新分类或者直接对样本点进行重新赋值，此时可用A的特征向量代替权向量。同理，对于判断矩阵A1、A2、A3、A4利用上述原理均通过一致性检验。

(2)求出权向量矩阵，对各个POI进行权重的赋值。

根据这个权向量，结合三位专家给出的值，就可以算出一个综合的值：

a1＝30*0.360+30*0.382+30*0.258＝30；

a2＝25*0.360+25*0.382+20*0.258＝23.71；

a3＝20*0.360+20*0.382+15*0.258＝18.71；

a4＝10*0.360+15*0.382+10*0.258＝11.91。

根据这个方法即可求出B-M中各个因子的值。

由步骤一可知，每个POI都能够在DEM数据中找到唯一的元素索引xindex,yindex与其经纬度对应。POI表示人们的兴趣点，因此在POI点及其附近都是人们可能关心的区域，距离POI越近代表该区域越重要，监控需求越强烈，区域POI密度越密代表该区域热度越高，同时也是人流量聚集区域，对于监控而言这些区域也是监控的重点，需要重点部署，反之亦然。

在空间上，POI对周边的影响具有随距离衰减的特性，所以本发明当前实施例中通过设置影响范围以及最大影响值来模拟影响随距离衰减。

步骤四，根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值，根据各网格单元的权重值，生成监控布点需求图。该步骤由网格单元赋值单元完成。设POI的影响值为步骤三所求的Influence，影响最大距离为MaxDistance。通过步骤二中的xmix、xmax、ymin、ymax可以计算得出当前POI所在网格单元所对应的区域范围xwidth,ywidth(单位为米)，通过与DemWidth,DemHeight计算可以得出DEM数据的元素的数值大小：

$\mathrm{xresolution}=\frac{\mathrm{xwidth}}{\mathrm{DemWidth}}$

$\mathrm{yresolution}=\frac{\mathrm{ywidth}}{\mathrm{DemHeight}}$

根据距离倒数乘方格网化的思想，指定单个样本点在地图上的最大影响距离，根据以下公式，确定单个样本点对其影响范围内各网格单元权重分量，

$(1-\frac{\mathrm{Dis}\tan \mathrm{ce}}{\mathrm{MaxDis}\tan \mathrm{ce}})*\mathrm{Infiuence};$

其中Distance表示样本点到网格单元的距离，对于样本点所在的网格单元，Distance为0，Influence表示样本点的权重值；

各单元网格的权重值为其所有权重分量之和。

网格单元的权重值在DEM数据中用所对应元素的数值表示，因此，此时的DEM数据为经过赋值的DEM数据。

为了将网格单元的权重值能够直观地显示在地图上，可以对DEM数据进行渲染，步骤四还包括步骤：

将网格单元的权重值进行无量纲处理，得到权重无量纲化栅格数据。该步骤即是对DEM数据中网格单元所对应的元素的数值进行无量纲处理。这一步骤由无量纲处理单元完成。由于影响值是一个人为设置的值，并没有实际的指代意义，为了能够反映客观世界的具体情况需要对其进行无量纲处理，得到权重无量纲化栅格数据。当前实施例考虑到渲染的需要，选择无量纲处理为极小化处理，使所有值在处理后处于0-1之间，具体处理方式为将Dem数据中的所有数值除以其中的最大值，所得到的各个数值的指代意义为相对于本研究区域中的监控需求最强烈的区域的重要程度，其中越接近1表示越重要，越接近0表示越不重要。

利用预先生成的渲染色带，通过渲染单元将极小化处理后的DEM数据进行渲染得到渲染图，根据网格单元中数据的重要程度使用相应的颜色进行渲染，渲染结果如图1所示。渲染色带的颜色可以是多种，用于区分不同权重值，在当前实施例中，以白色为起始颜色，黑色为终止颜色，绘制在100*100长宽的图片上。

叠合显示单元将渲染图与地图进行叠合显示，得到监控布点需求图。DEM数据中的每一个网格单元都是能够与真实的经纬度相对应的，所以其可以在现有地图中展示，具体为计算其四角控制点，然后绘制在现有地图中，叠合结果如图2所示。从图中可以看出在繁华区域，监控的需求会十分强烈，以较深色标识出，而非主城区，则以白色透明色为主。

本发明的突出优点在于，样本点反映了客观世界的监控布点需求，而样本点的权重大小则反映了需求的大小，将区域的热度考虑了进去，使得其更具有可信度。

Claims (11)

1.一种基于数据热度的监控布点需求图生成方法，其特征在于，包括：

确定地图上的样本点；

基于样本点的分布区域确定需要栅格化的地图区域，对所述的需要栅格化的地图区域进行栅格化处理，得到地图区域经过栅格化之后的网格单元；

对样本点进行权重赋值；

根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值，根据各网格单元的权重值，生成监控布点需求图。

2.如权利要求1所述基于数据热度的监控布点需求图生成方法，其特征在于，所述的样本点为地图上的兴趣点。

3.如权利要求1所述基于数据热度的监控布点需求图生成方法，其特征在于，对样本点进行权重赋值的方法包括：将样本点进行分类，按样本点的类别为样本点赋予对应的权重。

4.如权利要求3所述基于数据热度的监控布点需求图生成方法，其特征在于，样本点的分类具有多个层次，对应地，利用层次分析法为样本点赋予对应的权重。

5.如权利要求1所述基于数据热度的监控布点需求图生成方法，其特征在于，根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值的方法为：

指定单个样本点在地图上的最大影响距离，根据以下公式，确定单个样本点对其影响范围内各网格单元权重分量，

$(1-\frac{\mathrm{Dis}\tan \mathrm{ce}}{\mathrm{MaxDis}\tan \mathrm{ce}})*\mathrm{Influence};$

其中MaxDistance表示最大影响距离，Distance表示样本点到网格单元的距离，对于样本点所在的网格单元，Distance为0，Influence表示样本点的权重值；

各单元网格的权重值为其所有权重分量之和。

6.如权利要求1所述基于数据热度的监控布点需求图生成方法，其特征在于，需要栅格化的地图区域确定方法包括：

步骤a：确定所有的样本点分布在经度上最大值和最小值以及纬度上的最大值及最小值；

步骤b：以步骤a中所确定的经纬度的最大值和最小值所在地图位置处为四个顶点形成的矩形区域即为需要栅格化的地图区域。

7.如权利要求1或6所述基于数据热度的监控布点需求图生成方法，其特征在于，栅格化处理包括：生成与所述地图区域对应的栅格数据，所述栅格数据为二维数组，二维数组中的各个元素与网格单元一一对应，每个元素在二维数组中的索引对应网格单元的经纬度值；所述各个元素的数值表示网格单元的权重值。

8.如权利要求7所述基于数据热度的监控布点需求图生成方法，其特征在于，生成监控布点需求图的方法包括：

将网格单元的权重值进行无量纲处理，得到权重无量纲化栅格数据；

对权重无量纲化栅格数据进行渲染得到渲染图，其中不同的无量纲权重用不同颜色表示；

将渲染图叠合至地图的监控布点区域，生成所述监控布点需求图。

9.一种基于数据热度的监控布点需求图生成装置，其特征在于，包括如下单元：

样本点确定单元，确定地图上的样本点；

栅格化处理单元，基于样本点的分布区域确定需要栅格化的地图区域，对所述的需要栅格化的地图区域进行栅格化处理，得到地图区域经过栅格化之后的网格单元；

样本点赋值单元，对样本点进行权重赋值；

网格单元赋值单元，根据各样本点的权重值以及与各网格单元的位置关系得出各网格单元的权重值，根据各网格单元的权重值，生成监控布点需求图。

10.如权利要求9所述基于数据热度的监控布点需求图生成方法，其特征在于，所述栅格化处理单元包括：栅格数据生成模块，生成与所述地图区域对应的栅格数据，所述栅格数据为二维数组，二维数组中的各个元素与网格单元一一对应，每个元素在二维数组中的索引对应网格单元的经纬度值；所述各个元素的数值表示网格单元的权重值。

11.如权利要求10所述基于数据热度的监控布点需求图生成装置，其特征在于，网格单元赋值单元还包括如下单元：

无量纲处理单元，将网格单元的权重值进行无量纲处理，得到权重无量纲化栅格数据；

渲染单元，对权重无量纲化栅格数据进行渲染得到渲染图，其中不同的无量纲权重用不同颜色表示；

叠合显示单元，将渲染图叠合至地图的监控布点区域，生成所述监控布点需求图。