CN107423299B - 一种选址方法及装置 - Google Patents
一种选址方法及装置 Download PDFInfo
- Publication number
- CN107423299B CN107423299B CN201610347674.8A CN201610347674A CN107423299B CN 107423299 B CN107423299 B CN 107423299B CN 201610347674 A CN201610347674 A CN 201610347674A CN 107423299 B CN107423299 B CN 107423299B
- Authority
- CN
- China
- Prior art keywords
- user
- candidate address
- candidate
- address
- mininf
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Control Of Ac Motors In General (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明的实施例提供一种选址方法及装置,涉及数据挖掘技术领域,以解决现有仅考虑人们具有单个静止点的情况下,采用PRNN方案选址,导致选址不够准确的问题。本发明提供的方法包括:获取M个用户中每个用户的多个运动点,根据每个用户的多个运动点,从候选地址集中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址。
Description
技术领域
本发明涉及数据挖掘技术领域,尤其涉及一种选址方法及装置。
背景技术
选址问题,尤其是基于最大影响力的选址问题,是空间数据领域研究的热点,其核心是从众多候选地址中选出最优位置,使在该位置部署的设施能够影响最多的目标人群。
目前,要建立一个新的设施使其能够为更多的人访问和使用,通常存在很多个候选地点,此时,人们可以采用下述最大概率逆向最近邻选址(Probabilistic ReversedNearest Neighbor,PRNN)技术从众多候选地址中选出最优地址:假设人群保持静止(即人们位于一个确定的点),将距离更多人最近的候选地址确定为最优地址。
但是,在实际应用中,由于人们具有不同的行为模式,人往往是运动的,不可能静止于某一固定位置,此时,若仅考虑人们具有单个静止点,且人们仅能被单一设施影响,采用PRNN方案选址,则会造成选址不够准确。
发明内容
本发明的实施例提供一种选址方法及装置,以解决现有仅考虑人们具有单个静止点的情况下,采用PRNN方案选址,导致选址不够准确的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,本发明实施例提供一种选址方法,该方法可以包括:
获取M个用户中每个用户的多个(如:n个)运动点;
根据每个用户的n个运动点,从多个候选地址中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址,即目标地址为最终确定的最优地址。
其中,在本发明实施例中,将受候选地址影响的概率大于或等于预设阈值的用户作为该候选地址影响的用户,同时,该用户受候选地址影响的概率由该用户的所有运动点受候选地址影响的概率决定,即根据用户的多个运动点来综合考虑候选地址对该用户的影响情况,符合人们处于不断运动当中的实际情况,更能挖掘出符合用户日常活动规律的最大影响地址,不再根据用户的单一静止点来确定最大影响地址,提高了选址的准确性。
可选的,在第一方面的一种可实现方式中,所述根据所述每个用户的运动点,从候选地址集中选出目标地址,可以包括:
初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=M;
a:从M个用户中选取第一用户,根据第一用户的n个运动点、预设的剪枝原理、以及第一用户对应的剪枝尺度,确定候选地址集中影响第一用户的第一候选地址、不影响第一用户的第二候选地址、可能影响第一用户的第三候选地址;
b:将第一候选地址的minInf加1、maxInf不变;将第二候选地址的maxInf减1、minInf不变;
c:计算第三候选地址是否影响第一用户,若第三候选地址影响第一用户,则将第三候选地址的minInf加1、maxInf不变;若第三候选地址不影响第一用户,则将第三候选地址的maxInf减1、minInf不变;
从M个用户中选取第二用户,重复上述a~c过程,直至M个用户全部被选取过后,将候选地址集中,最大minInf对应的候选地址确定为影响的用户的个数最多的候选地址。
如此,可以通过预设的剪枝原理,从多个候选地址中选出影响用户的个数的候选地址。
其中,为了降低选址过程的复杂性,在第一方面的一种可实现方式中,还可以利用“最大最小边界”优化策略剔候选地址集中最终不可能成为最优地址的候选地址,使其不再参与后续的选址过程,具体实现如下:
在上述步骤b之后,根据候选地址集中每个候选地址的minInf,将最大minInf作为全局最小实际影响值MinInf;
计算第三候选地址最多可影响的用户的个数,若第三候选地址最多可影响的用户的个数小于MinInf,则将第三候选地址从候选地址集中剔除,否则,执行步骤c;
或者,若所述候选地址集中存在第四候选地址,所述第四候选地址的maxInf小于所述全局最小实际影响值Minlnf,则将所述第四候选地址从所述候选地址集中剔除,使该第四候选地址不再参与后续选址过程。
可选的,在第一方面的一种可实现方式中,根据第一用户的n个运动点、预设的剪枝原理、以及第一用户对应的剪枝尺度,确定候选地址集中影响第一用户的第一候选地址、不影响第一用户的第二候选地址、可能影响第一用户的第三候选地址,可以包括:
构建第一用户的最小边界矩形MBR,第一用户的最小边界矩形为:包含第一用户的n个运动点的最小外接矩形;
将MBR的中心作为坐标原点、MBR的两条等分线作为坐标轴,构建平面直角坐标系;
确定平面直角坐标系中每个象限的第一子区域,象限的第一子区域为:到MBR的最大距离点的距离小于或等于剪枝尺度的所有点的集合,MBR的最大距离点为:位于与象限对角的象限中的MBR的顶点;
将每个象限的第一子区域围成第一区域,将位于第一区域的所有候选地址确定为第一候选地址;
分别沿着MBR的四条边作双向延长线,在MBR外形成八个区域;
获得八个区域中每个区域的第二子区域,每个区域的第二子区域为:到MBR的最小距离点的距离小于或等于剪枝尺度的所有点的集合,MBR的最小距离点为:区域中任意一点到MBR的最近顶点或最近垂直点;
将第二子区域围成第二区域,将位于第二区域之外的所有候选地址确定为第二候选地址;
将位于第一区域之外、第二区域之内的所有候选地址确定为第三候选地址。
如此,可以基于剪枝原理,通过图形区域的划分一次确定出影响用户的候选地址、不影响用户的候选地址、可能影响用户的候选地址,不需要一一计算每个候选地址对用户的影响概率,根据计算出的影响概率确定候选地址对用户的影响情况,大大降低了计算复杂度。
可选的,在第一方面的又一种可实现方式中,在确定候选地址对可能影响用户的影响情况时,为了降低计算复杂度,可以利用“早期终止”策略,仅验证用户部分运动点的影响概率,根据部分运动点的影响概率来确定候选地址是否影响该用户;具体的,所述计算所述第三候选地址是否影响所述第一用户,可以包括:
分别计算第三候选地址对第一用户的i个运动点的影响概率,i<n;
根据i个运动点的影响概率,计算第三候选地址对第一用户的影响概率,若第三候选地址对第一用户的影响概率大于或等于预设阈值,则确定第三候选地址影响第一用户;
若影响概率小于预设阈值,则计算第三候选地址对第一用户的n个运动点的影响概率;
根据n个运动点的影响概率,计算第三候选地址对第一用户的影响概率,若第三候选地址对第一用户的影响概率大于或等于预设阈值,则确定第三候选地址影响第一用户。
如此,在某些情况下,可以仅根据用户部分运动点的影响概率,即可确定出候选地址对用户的影响情况,不需要将用户全部运动点的影响概率都计算出来,大大降低了计算复杂度。
第二方面,本发明实施例还提供一种选址装置,用于执行第一方面所述的选址方法,该选址装置可以包括:
获取单元,用于获取M个用户中每个用户的运动点集,所述每个用户的运动点集包含n个运动点,所述M为大于或等于1的整数,所述n为大于或等于2的整数;
确定单元,用于根据获取单元获取到的所述每个用户的运动点集,从候选地址集中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址,所述候选地址集包含至少两个候选地址,所述候选地址影响的用户为:受所述候选地址影响的概率大于或等于预设阈值的用户,所述受所述候选地址影响的概率由所述候选地址对所述用户的所有运动点的影响概率决定;
并将所述候选地址作为最优地址。
具体的,上述获取单元、确定单元的执行过程可以参照第一方面所述方法中的执行过程,在此不再详细赘述。
需要说明的是,第二方面中的获取单元为选址装置的通信接口,第二方面中的确定单元可以为单独设立的处理器,也可以集成在选址装置的某一个处理器中实现,此外,也可以以程序代码的形式存储于选址装置的存储器中,由选址装置的某一个处理器调用并执行以上确定单元的功能。这里所述的处理器可以是一个中央处理器(Central ProcessingUnit,CPU),或者是特定集成电路(Application Specific Integrated Circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。
由上可知,本发明实施例提供一种选址方法及装置,获取M个用户中每个用户的n个运动点,根据每个用户的n个运动点,从候选地址集中选出目标地址,所述目标地址为影响的用户的个数最多的候选地址。如此,可以根据用户的多个运动点来确定候选地址对该用户的影响情况,将影响用户最多的候选地址确定为最优地址,这种选址方案符合人们处于不断运动当中的实际情况,更能挖掘出符合用户日常活动规律的最大影响地址,不再根据用户的单一静止点来确定最大影响地址,提高了选址的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的选址方法的原理框图;
图2为本发明实施例提供的一种选址装置的结构图;
图3为本发明实施例提供的一种选址方法的流程图;
图4为本发明实施例提供的剪枝原理的示意图;
图5(a)为本发明实施例提供的剪枝处理的示意图;
图5(b)为本发明实施例提供的剪枝处理的示意图;
图5(c)为本发明实施例提供的剪枝处理结果的示意图;
图6为本发明实施例提供的一种选址装置的结构图。
具体实施方式
本发明的核心思想是:考虑到用户处于不断运动的实际情况,提取用户的多个运动点,并分别计算候选地址对每个运动点的影响概率,根据多个运动点的影响概率来综合考虑候选地址对该用户的是否造成影响,将影响的用户的个数最多的候选地址(即能够为最多的用户访问或使用的候选地址)作为优选地址。
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明提供的选址方法的原理框图,如图1所示,可以先确定多个用户的多个运动点、以及建立新设施的多个候选地址,分别根据每个用户的多个运动点对多个候选地址进行剪枝处理,确定影响用户的候选地址、不影响用户的候选地址、以及可能影响用户的候选地址,再对可能影响用户的候选地址进行验证,确定其是否影响用户,最后,根据上述处理结果,从多个候选地址中挑选影响用户的个数最多的候选地址作为最优地址,在该最优地址处建立新的设施。
上述选址方法的过程可以由选址装置来实现,且该选址装置可以位于用于城市规划、资源部署、营销策划等能够提供位置服务的服务器中,也可以独立于这些服务器,单独存在于能够提供位置服务的系统之中。
例如,图2为本发明实施例提供的选址装置10的结构图,用于执行本发明所提供的选址方法的方法,如图2所示,所述选址装置10可以包括:处理器1011、通信接口1012、存储器1013、以及至少一个通信总线1014,通信总线1014用于实现这些装置之间的连接和相互通信;
处理器1011,可能是一个中央处理器(Central Processing Unit,简称为CPU),也可以是特定集成电路(Application Specific Integrated Circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路,例如:一个或多个微处理器(Digital SignalProcessor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)。
通信接口1012,可用于与外部网元之间进行数据交互。
存储器1013,可以是易失性存储器(Volatile Memory),例如随机存取存储器(Random-Access Memory,RAM);或者非易失性存储器(Non-Volatile Memory),例如只读存储器(Read-Only Memory,ROM),快闪存储器(Flash Memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合。
通信总线1014,可以分为地址总线、数据总线、控制总线等,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(PeripheralComponent Interconnect,PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture,EISA)总线等。为便于表示,图2中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
具体的,处理器1011可以用于:在地址规划之前,预先获取多个用户的多个运动点,对于每个用户而言,根据该用户的多个运动点,确定影响该用户的候选地址、不影响该用户的候选地址、可能影响该用户的候选地址,再对可能影响该用户的候选地址进行验证,确定其是否影响该用户,最后,综合每个候选地址所影响的用户的个数,将影响的用户的个数最多的候选地址作为最优地址。
可选的,在本发明实施例中,处理器1011可以用于根据下述公式先计算候选地址对用户的影响概率,然后在将候选地址对用户的影响概率与预设阈值进行比较,若候选地址对用户的影响概率大于或等于该预设阈值,则直接确定候选地址影响该用户:
Pa=1-[(1-p1)…(1-pn)]
Pa为候选地址对用户的影响概率,p1,…,pn分别为候选地址对用户的n个运动点a1,…,an的影响概率。
或者,处理器1011可以用于根据该用户的多个运动点、预设的剪枝原理、以及用户对应的剪枝尺度,确定影响该用户的候选地址、不影响该用户的候选地址、可能影响该用户的候选地址。
其中,预设的剪枝原理的具体实现方式如下:
构建所述第一用户的最小边界矩形MBR;
将MBR的中心作为坐标原点、所述MBR的两条等分线作为坐标轴,构建平面直角坐标系;
确定所述平面直角坐标系中每个象限的第一子区域,所述象限的第一子区域为:到所述MBR的最大距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最大距离点为:位于与所述象限对角的象限中的所述MBR的顶点;
将每个象限的第一子区域围成第一区域,将位于所述第一区域的所有候选地址确定为影响用户的候选地址;
分别沿着所述MBR的四条边作双向延长线,在所述MBR外形成八个区域;
获得所述八个区域中每个区域的第二子区域,所述每个区域的第二子区域为:到所述MBR的最小距离点的距离小于或等于所述剪枝尺度的所有点的集合;
将所述第二子区域围成第二区域,将位于所述第二区域之外的所有候选地址确定为不影响用户的候选地址;
将位于所述第一区域之外、所述第二区域之内的所有候选地址确定为可能影响用户的候选地址。
进一步可选的,处理器1011还可以用于:采用“最大最小边界”优化策略来确定对可能影响用户的候选地址进行验证,将不可能成为最优地址的候选地址从众多候选地址中剔除,具体实现如下:
确定候选地址集中每个候选地址的minInf,将最大minInf作为全局最小实际影响值MinInf,minInf为候选地址的最小实际影响值;
计算可能影响用户的候选地址最多可影响的用户的个数;
若该候选地址最多可影响的用户的个数小于MinInf,则将该候选地址从众多候选地址中剔除。
如此,可以根据用户的多个运动点来确定候选地址对该用户的影响情况,将影响用户最多的候选地址确定为最优地址,这种选址方案符合人们处于不断运动当中的实际情况,更能挖掘出符合用户日常活动规律的最大影响地址,不再根据用户的单一静止点来确定最大影响地址,提高了选址的准确性。
为了便于描述,以下实施例一以步骤的形式示出并详细描述了本发明提供的选址过程,其中,示出的步骤也可以在一组可执行指令的计算机系统中执行。此外,虽然在图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
图3为本发明实施例提供的一种选址方法的流程图,可以由图2所示的选址装置10执行,如图3所示,所述选址方法可以包括以下步骤:
S101:获取M个用户中每个用户的运动点集,每个用户的运动点集包含n个运动点,M为大于或等于1的整数,n为大于或等于2的整数。
其中,每个运动点可以对应一个位置数据,如<经度、维度、时间戳>等形式的位置数据。
需要说明的是,在本发明实施例中,每个用户对应的运动点的个数可以相同,也可以不相同,且在M个用户中大多数用户都处于运动状态,且这些用户的运动点均为多个,当然,在M个用户也不排除仅包含单一运动点的、处于静止状态的用户。
可选的,可以从数据库中直接获取历史存储的、一段时间内M个用户的n个运动点,这n个运动点可以为离散的位置点;或者,从数据库中获取一段时间内M个用户的运动轨迹,将运动轨迹通过采样处理,获得离散型的多个运动点,并将每个运动点对应的位置信息转化成上述位置数据的形式。
S102:根据每个用户的运动点集,从候选地址集中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址,候选地址集包含至少两个候选地址,候选地址影响的用户为:受候选地址影响的概率大于或等于预设阈值的用户,受候选地址影响的概率由候选地址对用户的所有运动点的影响概率决定。
其中,每个候选地址也对应一个位置数据,该位置数据可以为<经度、维度>形式的位置数据。
候选地址集中候选地址的选取可以根据设施建设需要,尽可能的选取那些实际应用中对用户很可能存在影响的位置。
所述预设阈值可以根据需要进行设置,本发明实施例对此不进行限定,若候选地址对用户的影响概率大于或等于该预设阈值,则表示该候选地址影响该用户,若候选地址对用户的影响概率小于该预设阈值,则表示该候选地址不影响该用户。
S103:将影响的用户的个数最多的候选地址作为最优地址。
如此,可以根据用户的多个运动点来确定候选地址对该用户的影响情况,将影响用户最多的候选地址确定为最优地址。
可选的,在发明实施例中,将用户受候选地址影响的概率定义为:Pa=1-[(1-p1)…(1-pn)],其中,Pa为候选地址对用户的影响概率,p1,…,pn分别为候选地址对用户的n个运动点a1,…,an的影响概率,其中,pi是以运动点ai和候选地址F到该运动点间的距离di为变量,影响概率模型为函数的函数值,如:若影响概率模型为PF,则pi=PF(di),且通常情况下,运动点受候选地址影响的概率与该运动点与候选地址之间的距离成负相关,即运动点受候选地址影响的概率随着运动点与候选地址之间距离的减小而增大。
可选的,在本发明实施例中,所述根据每个用户的运动点集,从候选地址集中选出目标地址可以包括下述两种方式:
一、针对每个用户,直接根据上述用户受候选地址影响的概率的公式计算每个候选地址对该用户的影响概率,将计算出的用户的影响概率与预设阈值进行比较,确定候选地址是否影响该用户,最后,综合每个候选地址影响的用户的情况,将影响的用户的个数最多的候选地址确定为最优候选地址。
二、初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=M;
从M个用户中选取第一用户,根据第一用户的n个运动点、预设的剪枝原理、以及所述第一用户对应的剪枝尺度,确定候选地址集中影响第一用户的第一候选地址、不影响第一用户的第二候选地址、可能影响第一用户的第三候选地址;
将第一候选地址的minInf加1、maxInf不变;将第二候选地址的maxInf减1、minInf不变;
计算第三候选地址是否影响第一用户,若第三候选地址影响第一用户,则将第三候选地址的minInf加1、maxInf不变;若第三候选地址不影响第一用户,则将第三候选地址的maxInf减1、minInf不变;
从M个用户中选取第二用户,重复上述过程,直至M个用户全部被选取过后,将候选地址集中,最大minInf对应的候选地址确定为影响用户的个数最多的候选地址。
需要说明的是,上述第一候选地址可以为影响第一用户的所有候选地址的集合,第二候选地址可以为不影响第一用户的所有候选地址的集合,第三候选地址可以为可能影响第一用户的所有候选地址的集合。
其中,预设的剪枝原理可以为:给定一个用户a的轨迹数组,该轨迹数组可以包含该用户a的多个运动点,使用MBR(a)来表示包含a所有运动位置的最小边界矩形,如图4所示,对于任意候选地址F,容易得到F到MBR(a)的最大距离maxDist为:F到MBR(a)的最远的角的距离,最坏情况下,假定a的所有运动点到F的距离都为maxDist(实际上,大多数运动点与F间的距离都小于maxDist),则可以推出a受F影响的概率Pa的概率下界Pa下=1-[(1-PF1(maxDist))…(1-PFn(maxDist))],若此下界大于预设阈值,则a必然受F影响。
反之,如图4所示,同样可以计算候选地址F到MBR(a)的最小距离minDist,其中F到MBR(a)的最小距离可以为F到MBR(a)的最近角或垂直点的距离,最优情况下,假定a的所有运动点到F的距离都为minDist(实际上,大多数运动点与F间的距离都大于minDist),则可以推出a受F影响的概率Pa的概率上界Pa上=1-[(1-PF1(minDist))…(1-PFn(minDist))],若此上界小于预设阈值,则a必然不受F影响。
因此,基于上述剪枝原理,可以预先计算出一个“临界距离D”,且该临界距离D对应的用户受影响的概率Pa可以等于预设阈值,当给定用户a的MBR(a)后,根据a的运动点数n、预设阈值和用户受候选地址影响的定义,当任意候选地点F到MBR(a)的maxDist小于该临界距离时,候选地点F对用户a的影响概率Pa必然也大于预设阈值,即a受F影响;另一方面,当任意候选地点F到MBR(a)的minDist大于该临界距离时(由于maxDist一定大于minDist,故此时候选地点F到MBR(a)的maxDist必然大于该临界距离),候选地点F对用户a的影响概率Pa必然小于阈值,即a不受F影响。
其中,在本发明实施例中,可以将上述临界距离D定义为剪枝尺度,用于对众多候选地址进行剪枝处理。可选的,可以根据下述公式计算得出剪枝尺度D(τ,n):
τ为预设阈值,n为用户的运动点数量,PF为影响概率模型函数,PF-1为影响概率模型函数的反函数,D(τ,n)表示预设阈值为τ、运动点数为n时的剪枝尺度。
或者,为了减少计算复杂度,可以以用户的运动点数量为键值,将运动点数和剪枝尺度对应存储在哈希(Hash)表中,当需要获取用户对应的剪枝尺度时,可以直接查询该Hash表,将与用户的运动点数相对应的剪枝尺度作为该用户对应的剪枝尺度。
当确定用户对应的剪枝尺度后,可选的,可以利用该剪枝尺度计算“能影响用户”的剪枝区域、以及“不能影响用户”的剪枝区域,使在“能影响用户”的剪枝区域中的候选地址都必然影响用户,使在“不能影响用户”的剪枝区域中的候选地址必不影响用户,具体实现如下:
构建所述第一用户的最小边界矩形MBR,所述第一用户的最小边界矩形为:包含所述第一用户的n个运动点的最小外接矩形;
将所述MBR的中心作为坐标原点、所述MBR的两条等分线作为坐标轴,构建平面直角坐标系;
确定所述平面直角坐标系中每个象限的第一子区域,所述象限的第一子区域为:到所述MBR的最大距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最大距离点为:位于与所述象限对角的象限中的所述MBR的顶点;
将每个象限的第一子区域围成第一区域,将位于所述第一区域的所有候选地址确定为所述第一候选地址;
分别沿着所述MBR的四条边作双向延长线,在所述MBR外形成八个区域;
获得所述八个区域中每个区域的第二子区域,所述每个区域的第二子区域为:到所述MBR的最小距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最小距离点为:所述区域中任意一点到所述MBR的最近顶点或最近垂直点;
将所述第二子区域围成第二区域,将位于所述第二区域之外的所有候选地址确定为所述第二候选地址;
将位于所述第一区域之外、所述第二区域之内的所有候选地址确定为所述第三候选地址。
例如,如图5(a)所示,以用户a的MBR中心为坐标原点O,两条垂直等分线作为坐标轴,当任意候选地点位于第一象限时,它对应的maxDist点都为图中的P点,此时以P点为圆心、剪枝尺度为半径画圆,和两条垂直等分线分别相交于M和N,根据临界距离的定义,a必能被图中由O、M、N围成的区域(图5(a)中阴影区域)覆盖住的设施候选地点影响,同理,其他象限也可以画出类似的圆弧,如5(a)中的虚弧线所示,根据临界距离的定义,将这4条弧围成的闭合区域确定为“影响用户”的剪枝区域,即a必能被该区域所覆盖的候选地点影响。
如图5(b)所示,对用户a的MBR四条边做双向延长线,除MBR以外,空间可以形成8个区域(图中区域1、2、3、4、5、6、7、8),当候选地点F位于1、3、5、7四个区域时,它到MBR的minDist距离点为到MBR边的垂线(如第1区域内F1);当候选地点F位于2、4、6、8四个区域时,它到MBR的minDist距离点为到MBR最近的角(如第8区域内F2),以MBR的4个角为圆心、剪枝尺度为半径分别绘制1/4圆弧,并将各圆弧用线段连接,如图5(b)所示的白色区域,此时,根据临界距离定义,将该白色区域外的黑色区域确定为(“不影响用户”的剪枝区域),当候选地点落在该区域时,候选点到MBR的minDist必然大于临界距离,故必然不能影响a。
利用前述由剪枝尺度推出的两种剪枝区域,就可以一次性判定“影响”和“不影响”一个用户的设施候选地点,因此可以通过这两个剪枝区域对所有设施候选地点进行快速剪枝,无论候选地点被两种剪枝区域中的哪一个覆盖(剪枝),它们都不再需要对该用户进行验证,避免了对这些被剪枝的候选位置进行的大量计算,例如,图5(c)为对用户a进行剪枝处理后的结果示意图,其中“影响用户”的剪枝区域边界和“不影响用户”的剪枝区域边界之间的区域是未能剪枝的候选地点,即“可能影响用户”的剪枝区域,需要对该区域覆盖内的候选地址进一步验证。
可选的,为了降低选址过程的复杂度,可以利用“最小最大边界”策略提前对最终不可能成为最优地址的候选地址进行剔除,具体实现如下:
根据剪枝处理结果,将候选地址集中每个候选地址的minInf,将最大minInf作为全局最小实际影响值MinInf;
计算第三候选地址最多可影响的用户的个数;若第三候选地址最多可影响的用户的个数小于所述全局最小实际影响值Minlnf,则表示第三候选地址不可能成为最终的最优地址,将所述第三候选地址从所述候选地址集中剔除;否则,计算第三候选地址是否影响第一用户,若第三候选地址影响第一用户,则将第三候选地址的minInf加1、maxInf不变;若第三候选地址不影响第一用户,则将第三候选地址的maxInf减1、minInf不变。
或者,若所述候选地址集中存在第四候选地址,所述第四候选地址的maxInf小于所述全局最小实际影响值Minlnf,则将所述第四候选地址从所述候选地址集中剔除。
需要说明的是,在计算第三候选地址最多影响的用户的个数时,为了降低计算复杂度,可以不需要将第三候选地址对全部用户的影响情况均计算一遍,只需要计算第三候选地址对(MinInf+1)个或距离MinInf值一定范围内的用户的影响情况,例如,假设此时的全局最小实际影响值MinInf为3,用户为a、b、c、d、e五个,此时,若需要对可能影响用户的候选地址F1、F2进行验证,则可以仅计算候选地址F1、F2对a、b和c三个用户的影响情况,如:若候选地址F1影响a、b和c三个用户,则确定该候选地址F1至少可影响3人,可能成为最后的最优地址,不应剔除,若候选地址F2不影响a、b和c三个用户,则确定该候选地址F2最多可影响2人,小于MinInf值3,不可能成为最后的最优地址,应从候选地址集中剔除。
进一步的,为了降低计算复杂度,当计算候选地址对某个用户(如第一用户)的影响情况时,可以采用“早期终止”优化策略,仅计算第三候选地址对第一用户的i个运动点的影响概率,所述i<n,即对第一用户的部分运动点的影响概率进行计算;
根据i个运动点的影响概率、以及上述用户受候选地址影响的概率计算公式,计算第三候选地址对第一用户的影响概率,若影响概率大于或等于所述预设阈值,则确定第三候选地址影响所述第一用户;
否则,计算第三候选地址对第一用户的全部运动点的影响概率,根据全部运动点的影响概率、以及上述用户受候选地址影响的概率计算公式,计算第三候选地址对第一用户的影响概率,若影响概率大于或等于所述预设阈值,则确定第三候选地址影响所述第一用户。
例如,假设用户a有a1~a7七个运动点,当计算候选地址F对用户a的运动点a1和a2的影响概率后,就可以确定候选地址F影响用户a了,则不需要再进一步计算候选地址F对a3~a7等运动点的影响概率,如此,可以大大降低计算量。
下面以a、b、c、d和e五个用户,每个用户对应多个运动点,F1、F2、F3三个候选地址为例,对从这三个候选地址中选出影响用户最多的候选地址的过程进行简单说明:
1)初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=5。
2)对用户a进行剪枝处理,得出表1的结果:
表1
与a的影响关系 | minInf | maxInf | |
F1 | 影响 | 1 | 5 |
F2 | 不影响 | 0 | 4 |
F3 | 可能 | 0 | 5 |
显然,根据表1可知,MinInf=1,利用“最小最大边界”不能剔除任何候选地址。此时可以对可能影响用户a的候选地址F3利用“早期终止”策略来计算F3与a的真实影响关系,假定F3影响用户a,则将表1中F3的minInf更新为0+1=1,此时,对用户a处理完毕。
3)对用户b进行剪枝处理,得出表2的结果:
表2
与b影响关系 | minInf | maxInf | |
F1 | 影响 | 2 | 5 |
F2 | 不影响 | 0 | 3 |
F3 | 不影响 | 1 | 4 |
显然,根据表2可知,MinInf=2,利用“最小最大边界”不能剔除任何候选,此时,对b处理完毕。
4)对用户c进行剪枝处理,得出表3的结果:
表3
与c影响关系 | minInf | maxInf | |
F1 | 可能 | 2 | 5 |
F2 | 影响 | 1 | 3 |
F3 | 不影响 | 1 | 3 |
显然,根据表3可知,MinInf=2,利用“最小最大边界”不能剔除任何候选,对可能影响用户的F1利用“早期终止”计算F1与c的真实影响关系,假定F1影响c,则将F1的minInf值更新为2+1=3,对c处理完毕。
5.1)假设一:对d进行剪枝处理,得出表4的结果:
表4
与d影响关系 | minInf | maxInf | |
F1 | 影响 | 4 | 5 |
F2 | 影响 | 2 | 3 |
F3 | 可能 | 1 | 3 |
显然,根据表4可知,MinInf=4,利用“最小最大边界”可以剔除F2和F3,确定F1为最优地址,整个计算结束。
5.2)假设二:对d进行剪枝处理,得出表5的结果:
表5
与d影响关系 | minInf | maxInf | |
F1 | 不影响 | 3 | 4 |
F2 | 影响 | 2 | 3 |
F3 | 可能 | 1 | 3 |
显然,根据表5可知,MinInf=3,利用“最小最大边界”可以确定F1一定不比F2和F3差,必然是最优中的一个,故可以将F1作为最优。整个计算结束。
进一步可选的,根据上述方式二的选址过程,本发明申请人还想到了:先根据剪枝处理原理对所有用户进行剪枝处理,再根据所有用户的剪枝处理结果,采用“最大最小边界”策略进行最优地址选取的选址方案,具体实现如下述方式三所示:
1)初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=M;
2)分别对M个用户中每个用户进行如下处理:根据用户的n个运动点、预设的剪枝原理、以及用户对应的剪枝尺度,对该用户进行剪枝处理,确定候选地址集中影响用户的候选地址、不影响用户的候选地址、可能影响用户的候选地址;将候选地址集中影响用户的候选地址的minInf加1、maxInf不变;将不影响用户的候选地址的maxInf减1、minInf不变;
3)根据步骤2)的处理结果,统计候选地址集中每个候选地址的minInf、maxInf值;
4)将最大minInf作为全局最小实际影响值MinInf;
5)根据每个候选地址的maxInf值,按照maxInf值从大到小的顺序对候选地址进行排序,从最大maxInf值对应的候选地址开始,依次计算每个候选地址可能影响的用户的情况。
若该候选地址影响用户,则将该候选地址的minInf再次加1、maxInf不变,若该候选地址不影响用户,则将该候选地址的maxInf再次减1、minInf不变。
6)将候选地址集中,最大minInf值对应的候选地址确定为影响用户的个数最多的候选地址。
其中,可以根据“早期终止”算法计算每个候选地址可能影响的用户的情况。
此外,可理解的是,在步骤4)之后、步骤5)之前,若根据“最小最大边界”策略可以得出:在候选地址集中,若存在一些候选地址的maxInf<=MinInf,则将这些候选地址从候选地址集中剔除,不再对这些候选地址进行后续步骤;此时,若剔除这些候选地址后,仅剩余一个候选地址,则将剩余的候选地址作为影响用户的个数最多的候选地址,结束计算。
同理,在步骤5)中计算候选地址可能影响的用户的情况的过程中,在计算部分候选地址可能影响的用户的情况之后,更新MinInf为当前最大minInf,此时,若根据“最小最大边界”策略可以得出:在候选地址集中,存在一些候选地址的maxInf<=MinInf,则将这些候选地址从候选地址集中剔除,不再对这些候选地址进行后续步骤6);若剔除这些候选地址后,仅剩余一个候选地址,则将剩余的候选地址作为影响用户的个数最多的候选地址,结束计算。
下面仍以a、b、c、d和e五个用户,每个用户对应多个运动点,F1、F2、F3三个候选地址为例,对从这三个候选地址中选出影响用户最多的候选地址的方式三进行简单说明:
1)假设对所有用户进行剪枝得到下表6:
表6
a | b | c | d | e | minInf | maxInf | |
F1 | 影响 | 影响 | 可能 | 不影响 | 可能 | 2 | 4 |
F2 | 不影响 | 不影响 | 影响 | 影响 | 可能 | 2 | 3 |
F3 | 可能 | 不影响 | 不影响 | 可能 | 影响 | 1 | 3 |
显然,根据表6可知,MinInf=2;
2)当前候选地址的最大可能影响值分别为4、3、3,均大于MinInf=2,都存在经过上述步骤5)后其minInf超过2的可能,也就说当前的MinInf=2不能剔除任何一个候选,利用“最小最大边界”不能确定结果。
3)按maxInf从大到小排序(如果相等,再按minInf从大到小排序)按顺序应先处理F1。
4.1)对F1和c进行“早期终止”计算,假定F1影响c,则更新F1的minInf=2+1=3,由于其大于MinInf,故更新MinInf=3,则利用“最小最大边界”可以确定F1必然是最优之一,故可以终止计算。
4.2)对F1和c进行“早期终止”计算,假定F1不影响c,则更新F1的maxInf=4-1=3,进一步F1和e进行“早期终止”计算,假定F1不影响e,则更新F1的maxInf=3-1=2。
5)因为利用“最小最大边界”不能确定结果,因此按顺序应处理F2。
6.1)对F2和e进行“早期终止”计算,假定F2影响e,则更新F2的minInf=2+1=3,由于其大于MinInf,故更新MinInf=3,则利用“最小最大边界”可以确定F2必然是最优之一,故可以终止计算。
6.2)对F2和e进行“早期终止”计算,假定F2不影响e,则更新F2的maxInf=3-1=2,因为利用“最小最大边界”不能确定结果,因此按顺序应处理F3,依次类推,直至确定出最后候选地址为止。
由上可知,本发明实施例提供一种选址方法,获取M个用户中每个用户的n个运动点,根据每个用户的n个运动点,从候选地址集中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址。如此,可以根据用户的多个运动点来确定候选地址对该用户的影响情况,将影响用户最多的候选地址确定为最优地址,这种选址方案符合人们处于不断运动当中的实际情况,更能挖掘出符合用户日常活动规律的最大影响地址,不再根据用户的单一静止点来确定最大影响地址,提高了选址的准确性。
根据本发明实施例,本发明下述实施例还提供了一种选址装置20,优选地用于实现上述方法实施例中的方法。
实施例二
图6为本发明实施例提供的一种选址装置20的结构图,如图6所示,所述装置20可以包括:
获取单元201,用于获取M个用户中每个用户的运动点集,所述每个用户的运动点集包含n个运动点,所述M为大于或等于1的整数,所述n为大于或等于2的整数。
确定单元202,用于根据获取单元201获取到的所述每个用户的运动点集,从候选地址集中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址,所述候选地址集包含至少两个候选地址,所述候选地址影响的用户为:受所述候选地址影响的概率大于或等于预设阈值的用户,所述受所述候选地址影响的概率由所述候选地址对所述用户的所有运动点的影响概率决定;
并将所述候选地址作为最优地址。
具体的,确定单元202可以用于采用下述方式从候选地址集中选出目标地址:
一、针对每个用户,直接根据上述用户受候选地址影响的概率的公式计算每个候选地址对该用户的影响概率,将计算出的用户的影响概率与预设阈值进行比较,确定候选地址是否影响该用户,最后,综合每个候选地址影响的用户的情况,将影响的用户的个数最多的候选地址确定为最优候选地址。
二、初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=M;
从M个用户中选取第一用户,根据第一用户的n个运动点、预设的剪枝原理、以及所述第一用户对应的剪枝尺度,确定候选地址集中影响第一用户的第一候选地址、不影响第一用户的第二候选地址、可能影响第一用户的第三候选地址;
将第一候选地址的minInf加1、maxInf不变;将第二候选地址的maxInf减1、minInf不变;
计算第三候选地址是否影响第一用户,若第三候选地址影响第一用户,则将第三候选地址的minInf加1、maxInf不变;若第三候选地址不影响第一用户,则将第三候选地址的maxInf减1、minInf不变;
从M个用户中选取第二用户,重复上述过程,直至M个用户全部被选取过后,将候选地址集中,最大minInf对应的候选地址确定为影响用户的个数最多的候选地址。
可选的,所述根据第一用户的n个运动点、预设的剪枝原理、以及所述第一用户对应的剪枝尺度,确定候选地址集中影响第一用户的第一候选地址、不影响第一用户的第二候选地址、可能影响第一用户的第三候选地址可以包括:
构建所述第一用户的最小边界矩形MBR,所述第一用户的最小边界矩形为:包含所述第一用户的n个运动点的最小外接矩形;
将所述MBR的中心作为坐标原点、所述MBR的两条等分线作为坐标轴,构建平面直角坐标系;
确定所述平面直角坐标系中每个象限的第一子区域,所述象限的第一子区域为:到所述MBR的最大距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最大距离点为:位于与所述象限对角的象限中的所述MBR的顶点;
将每个象限的第一子区域围成第一区域,将位于所述第一区域的所有候选地址确定为所述第一候选地址;
分别沿着所述MBR的四条边作双向延长线,在所述MBR外形成八个区域;
获得所述八个区域中每个区域的第二子区域,所述每个区域的第二子区域为:到所述MBR的最小距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最小距离点为:所述区域中任意一点到所述MBR的最近顶点或最近垂直点;
将所述第二子区域围成第二区域,将位于所述第二区域之外的所有候选地址确定为所述第二候选地址;
将位于所述第一区域之外、所述第二区域之内的所有候选地址确定为所述第三候选地址。
进一步可选的,为了降低选址过程的复杂度,确定单元202可以利用“最小最大边界”策略提前对最终不可能成为最优地址的候选地址进行剔除,使其不在参与后续的计算过程,具体实现:
计算第三候选地址最多可影响的用户的个数;若第三候选地址最多可影响的用户的个数小于所述全局最小实际影响值Minlnf,则表示第三候选地址不可能成为最终的最优地址,将所述第三候选地址从所述候选地址集中剔除;
或者,若所述候选地址集中存在第四候选地址,所述第四候选地址的maxInf小于所述全局最小实际影响值Minlnf,则将所述第四候选地址从所述候选地址集中剔除。
进一步可选的,为了降低计算复杂度,确定单元202在计算候选地址对某个用户(如第一用户)的影响情况时,还可以用于可以采用“早期终止”优化策略,仅计算第三候选地址对第一用户的i个运动点的影响概率,所述i<n,即对第一用户的部分运动点的影响概率进行计算;
根据i个运动点的影响概率、以及上述用户受候选地址影响的概率计算公式,计算第三候选地址对第一用户的影响概率,若影响概率大于或等于所述预设阈值,则确定第三候选地址影响所述第一用户;
否则,计算第三候选地址对第一用户的全部运动点的影响概率,根据全部运动点的影响概率、以及上述用户受候选地址影响的概率计算公式,计算第三候选地址对第一用户的影响概率,若影响概率大于或等于所述预设阈值,则确定第三候选地址影响所述第一用户。
三、初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=M;
分别对M个用户中每个用户进行如下处理:根据用户的n个运动点、预设的剪枝原理、以及用户对应的剪枝尺度,对该用户进行剪枝处理,确定候选地址集中影响用户的候选地址、不影响用户的候选地址、可能影响用户的候选地址;将候选地址集中影响用户的候选地址的minInf加1、maxInf不变;将不影响用户的候选地址的maxInf减1、minInf不变;
根据步骤2)的处理结果,统计候选地址集中每个候选地址的minInf、maxInf值;
将最大minInf作为全局最小实际影响值MinInf;
根据每个候选地址的maxInf值,按照maxInf值从大到小的顺序对候选地址进行排序,从最大maxInf值对应的候选地址开始,依次计算每个候选地址可能影响的用户的情况。
若该候选地址影响用户,则将该候选地址的minInf再次加1、maxInf不变,若该候选地址不影响用户,则将该候选地址的maxInf再次减1、minInf不变。
将候选地址集中,最大minInf值对应的候选地址确定为影响用户的个数最多的候选地址。
需要说明的是,第二方面中的获取单元201可以为图2所示选址装置中的通信接口1012,第二方面中的确定单元202可以为单独设立的处理器1011,也可以集成在选址装置的某一个处理器1011中实现,此外,也可以以程序代码的形式存储于选址装置的存储器1011中,由选址装置的某一个处理器调用并执行以上确定单元202的功能。这里所述的处理器可以是一个中央处理器(Central Processing Unit,CPU),或者是特定集成电路(Application Specific Integrated Circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。
由上可知,本发明实施例提供一种选址装置,获取M个用户中每个用户的n个运动点,根据每个用户的n个运动点,从候选地址集中选出目标地址,所述目标地址为影响的用户的个数最多的候选地址。如此,可以根据用户的多个运动点来确定候选地址对该用户的影响情况,将影响用户最多的候选地址确定为最优地址,这种选址方案符合人们处于不断运动当中的实际情况,更能挖掘出符合用户日常活动规律的最大影响地址,不再根据用户的单一静止点来确定最大影响地址,提高了选址的准确性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的单元和系统的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件(例如处理器)来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘或光盘等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种选址方法,其特征在于,包括:
获取M个用户中每个用户的运动点集,所述每个用户的运动点集包含n个运动点,所述M为大于或等于1的整数,所述n为大于或等于2的整数;
根据所述每个用户的运动点集,从候选地址集中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址,所述候选地址集包含至少两个候选地址,所述候选地址影响的用户为:受所述候选地址影响的概率大于或等于预设阈值的用户,所述受所述候选地址影响的概率由所述候选地址对所述用户的所有运动点的影响概率决定;
所述根据所述每个用户的运动点集,从候选地址集中选出目标地址包括:
初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=M;
a:从所述M个用户中选取第一用户,根据所述第一用户的n个运动点、预设的剪枝原理、以及所述第一用户对应的剪枝尺度,确定所述候选地址集中影响所述第一用户的第一候选地址、不影响所述第一用户的第二候选地址、可能影响所述第一用户的第三候选地址;
b:将所述第一候选地址的minInf加1、maxInf不变;将所述第二候选地址的maxInf减1、minInf不变;
c:计算所述第三候选地址是否影响所述第一用户,若所述第三候选地址影响所述第一用户,则将所述第三候选地址的minInf加1、maxInf不变;若所述第三候选地址不影响所述第一用户,则将所述第三候选地址的maxInf减1、minInf不变;
从所述M个用户中选取第二用户,重复上述a~c过程,直至所述M个用户全部被选取过后,将所述候选地址集中,最大minInf对应的候选地址确定为所述目标地址。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述b之后,根据所述候选地址集中每个候选地址的minInf,将最大minInf作为全局最小实际影响值MinInf;
计算所述第三候选地址最多可影响的用户的个数;
若所述第三候选地址最多可影响的用户的个数小于所述全局最小实际影响值MinInf,则将所述第三候选地址从所述候选地址集中剔除,否则,执行所述c。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述b之后,所述c之前,根据所述候选地址集中每个候选地址的minInf,将最大minInf作为全局最小实际影响值MinInf;
若所述候选地址集中存在第四候选地址,所述第四候选地址的maxInf小于所述全局最小实际影响值MinInf,则将所述第四候选地址从所述候选地址集中剔除。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述第一用户的n个运动点、预设的剪枝原理、以及所述第一用户对应的剪枝尺度,确定所述候选地址集中影响所述第一用户的第一候选地址、不影响所述第一用户的第二候选地址、可能影响所述第一用户的第三候选地址,包括:
构建所述第一用户的最小边界矩形MBR,所述第一用户的最小边界矩形为:包含所述第一用户的n个运动点的最小外接矩形;
将所述MBR的中心作为坐标原点、所述MBR的两条等分线作为坐标轴,构建平面直角坐标系;
确定所述平面直角坐标系中每个象限的第一子区域,所述象限的第一子区域为:到所述MBR的最大距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最大距离点为:位于与所述象限对角的象限中的所述MBR的顶点;
将每个象限的第一子区域围成第一区域,将位于所述第一区域的所有候选地址确定为所述第一候选地址;
分别沿着所述MBR的四条边作双向延长线,在所述MBR外形成八个区域;
获得所述八个区域中每个区域的第二子区域,所述每个区域的第二子区域为:到所述MBR的最小距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最小距离点为:所述区域中任意一点到所述MBR的最近顶点或最近垂直点;
将所述第二子区域围成第二区域,将位于所述第二区域之外的所有候选地址确定为所述第二候选地址;
将位于所述第一区域之外、所述第二区域之内的所有候选地址确定为所述第三候选地址。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述计算所述第三候选地址是否影响所述第一用户,包括:
分别计算所述第三候选地址对所述第一用户的i个运动点的影响概率,所述i<n;
根据所述i个运动点的影响概率,计算所述第三候选地址对所述第一用户的影响概率,若所述第三候选地址对所述第一用户的影响概率大于或等于所述预设阈值,则确定所述第三候选地址影响所述第一用户;
若所述影响概率小于所述预设阈值,则计算所述第三候选地址对所述第一用户的n个运动点的影响概率;
根据所述n个运动点的影响概率,计算所述第三候选地址对所述第一用户的影响概率,若所述第三候选地址对所述第一用户的影响概率大于或等于所述预设阈值,则确定所述第三候选地址影响所述第一用户。
6.一种选址装置,其特征在于,包括:
获取单元,用于获取M个用户中每个用户的运动点集,所述每个用户的运动点集包含n个运动点,所述M为大于或等于1的整数,所述n为大于或等于2的整数;
确定单元,用于根据获取单元获取到的所述每个用户的运动点集,从候选地址集中选出目标地址;所述目标地址为影响的用户的个数最多的候选地址,所述候选地址集包含至少两个候选地址,所述候选地址影响的用户为:受所述候选地址影响的概率大于或等于预设阈值的用户,所述受所述候选地址影响的概率由所述候选地址对所述用户的所有运动点的影响概率决定;
并将所述候选地址作为最优地址;
所述确定单元具体用于:
初始化候选地址集中每个候选地址的最小实际影响值minInf=0、最大潜在影响值maxInf=M;
a:从所述M个用户中选取第一用户,根据所述第一用户的n个运动点、预设的剪枝原理、以及所述第一用户对应的剪枝尺度,确定所述候选地址集中影响所述第一用户的第一候选地址、不影响所述第一用户的第二候选地址、可能影响所述第一用户的第三候选地址;
b:将所述第一候选地址的minInf加1、maxInf不变;将所述第二候选地址的maxInf减1、minInf不变;
c:计算所述第三候选地址是否影响所述第一用户,若所述第三候选地址影响所述第一用户,则将所述第三候选地址的minInf加1、maxInf不变;若所述第三候选地址不影响所述第一用户,则将所述第三候选地址的maxInf减1、minInf不变;
从所述M个用户中选取第二用户,重复上述a~c过程,直至所述M个用户全部被选取过后,将所述候选地址集中,最大minInf对应的候选地址确定为所述第一候选地址。
7.根据权利要求6所述的装置,其特征在于,所述确定单元还用于:
在所述b之后,根据所述候选地址集中每个候选地址的minInf,将最大minInf作为全局最小实际影响值MinInf;
计算所述第三候选地址最多可影响的用户的个数;
若所述第三候选地址最多可影响的用户的个数小于所述全局最小实际影响值Minlnf,则将所述第三候选地址从所述候选地址集中剔除,否则,执行所述c。
8.根据权利要求6所述的装置,其特征在于,所述确定单元还用于:
在所述b之后,所述c之前,根据所述候选地址集中每个候选地址的minInf,将最大minInf作为全局最小实际影响值MinInf;
若所述候选地址集中存在第四候选地址,所述第四候选地址的maxInf小于所述全局最小实际影响值Minlnf,则将所述第四候选地址从所述候选地址集中剔除。
9.根据权利要求6-8任一项所述的装置,其特征在于,所述确定单元具体用于:
构建所述第一用户的最小边界矩形MBR,所述第一用户的最小边界矩形为:包含所述第一用户的n个运动点的最小外接矩形;
将所述MBR的中心作为坐标原点、所述MBR的两条等分线作为坐标轴,构建平面直角坐标系;
确定所述平面直角坐标系中每个象限的第一子区域,所述象限的第一子区域为:到所述MBR的最大距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最大距离点为:位于与所述象限对角的象限中的所述MBR的顶点;
将每个象限的第一子区域围成第一区域,将位于所述第一区域的所有候选地址确定为所述第一候选地址;
分别沿着所述MBR的四条边作双向延长线,在所述MBR外形成八个区域;
获得所述八个区域中每个区域的第二子区域,所述每个区域的第二子区域为:到所述MBR的最小距离点的距离小于或等于所述剪枝尺度的所有点的集合,所述MBR的最小距离点为:所述区域中任意一点到所述MBR的最近顶点或最近垂直点;
将所述第二子区域围成第二区域,将位于所述第二区域之外的所有候选地址确定为所述第二候选地址;
将位于所述第一区域之外、所述第二区域之内的所有候选地址确定为所述第三候选地址。
10.根据权利要求6-8任一项所述的装置,其特征在于,所述确定单元具体用于:
分别计算所述第三候选地址对所述第一用户的i个运动点的影响概率,所述i<n;
根据所述i个运动点的影响概率,计算所述第三候选地址对所述第一用户的影响概率,若所述第三候选地址对所述第一用户的影响概率大于或等于所述预设阈值,则确定所述第三候选地址影响所述第一用户;
若所述影响概率小于所述预设阈值,则计算所述第三候选地址对所述第一用户的n个运动点的影响概率;
根据所述n个运动点的影响概率,计算所述第三候选地址对所述第一用户的影响概率,若所述第三候选地址对所述第一用户的影响概率大于或等于所述预设阈值,则确定所述第三候选地址影响所述第一用户。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610347674.8A CN107423299B (zh) | 2016-05-24 | 2016-05-24 | 一种选址方法及装置 |
PCT/CN2016/102221 WO2017201949A1 (zh) | 2016-05-24 | 2016-10-14 | 一种选址方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610347674.8A CN107423299B (zh) | 2016-05-24 | 2016-05-24 | 一种选址方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107423299A CN107423299A (zh) | 2017-12-01 |
CN107423299B true CN107423299B (zh) | 2020-06-02 |
Family
ID=60412668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610347674.8A Active CN107423299B (zh) | 2016-05-24 | 2016-05-24 | 一种选址方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107423299B (zh) |
WO (1) | WO2017201949A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108764562B (zh) * | 2018-05-24 | 2022-03-15 | 浪潮软件科技有限公司 | 一种基于轨迹分析的自助办税点部署方法 |
CN112686942B (zh) * | 2019-10-17 | 2024-05-31 | 中国石油天然气股份有限公司 | 确定钻井平台目标地址的方法和装置 |
CN112308597B (zh) * | 2020-08-14 | 2023-07-18 | 西安工程大学 | 一种在竞争环境中根据影响运动用户选择设施地址的方法 |
CN112651775B (zh) * | 2020-12-22 | 2024-02-27 | 北京彩智科技有限公司 | 一种确定地理辐射范围的方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202352A (ja) * | 2000-01-19 | 2001-07-27 | Shimizu Corp | 物流拠点立地計画支援システム |
CN101364921A (zh) * | 2008-09-17 | 2009-02-11 | 中国科学院计算技术研究所 | 一种车用自组网络中确定通信目的节点位置的方法及系统 |
CN103220376A (zh) * | 2013-03-30 | 2013-07-24 | 清华大学 | 利用移动终端的位置数据来定位ip位置的方法 |
CN104680336A (zh) * | 2015-03-24 | 2015-06-03 | 深圳市中兴云服务有限公司 | 员工位置确定方法及系统 |
CN104848849A (zh) * | 2015-05-12 | 2015-08-19 | 百度在线网络技术(北京)有限公司 | 基于定位技术的目标集结地点规划方法和规划装置 |
CN105307112A (zh) * | 2014-08-01 | 2016-02-03 | 中国电信股份有限公司 | 分析获取用户移动轨迹的方法和系统 |
-
2016
- 2016-05-24 CN CN201610347674.8A patent/CN107423299B/zh active Active
- 2016-10-14 WO PCT/CN2016/102221 patent/WO2017201949A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202352A (ja) * | 2000-01-19 | 2001-07-27 | Shimizu Corp | 物流拠点立地計画支援システム |
CN101364921A (zh) * | 2008-09-17 | 2009-02-11 | 中国科学院计算技术研究所 | 一种车用自组网络中确定通信目的节点位置的方法及系统 |
CN103220376A (zh) * | 2013-03-30 | 2013-07-24 | 清华大学 | 利用移动终端的位置数据来定位ip位置的方法 |
CN105307112A (zh) * | 2014-08-01 | 2016-02-03 | 中国电信股份有限公司 | 分析获取用户移动轨迹的方法和系统 |
CN104680336A (zh) * | 2015-03-24 | 2015-06-03 | 深圳市中兴云服务有限公司 | 员工位置确定方法及系统 |
CN104848849A (zh) * | 2015-05-12 | 2015-08-19 | 百度在线网络技术(北京)有限公司 | 基于定位技术的目标集结地点规划方法和规划装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107423299A (zh) | 2017-12-01 |
WO2017201949A1 (zh) | 2017-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423299B (zh) | 一种选址方法及装置 | |
CN109541634B (zh) | 一种路径规划方法、装置和移动设备 | |
CN112348836A (zh) | 一种自动提取建筑物轮廓的方法及装置 | |
CN111368638A (zh) | 电子表格的创建方法、装置、计算机设备和存储介质 | |
CN109117854B (zh) | 关键点匹配方法、装置、电子设备以及存储介质 | |
CN109313809B (zh) | 一种图像匹配方法、装置及存储介质 | |
CN114529837A (zh) | 建筑物轮廓提取方法、系统、计算机设备及存储介质 | |
CN111433780A (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
CN111161331B (zh) | 一种bim模型和gis模型配准方法 | |
CN115601774B (zh) | 表格识别方法、装置、设备、存储介质和程序产品 | |
JP2017010554A (ja) | 曲線検出方法と曲線検出装置 | |
CN110909663A (zh) | 一种人体关键点识别方法、装置及电子设备 | |
EP3189472A1 (en) | Managing registration of user identity using handwriting | |
CN114581491A (zh) | 一种行人轨迹跟踪方法、系统及相关装置 | |
CN108038491B (zh) | 一种图像分类方法及装置 | |
CN110766068B (zh) | 一种验证码识别方法及计算设备 | |
CN115311172A (zh) | 地图区域分割方法以及相关设备 | |
CN111523531A (zh) | 文字处理方法、装置、电子设备及计算机可读存储介质 | |
JP6937782B2 (ja) | 画像処理方法及びデバイス | |
CN111860287A (zh) | 一种目标检测方法及装置、存储介质 | |
CN109360215B (zh) | 三维模型的外轮廓查找方法、装置、设备和存储介质 | |
CN111127480A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN110992371B (zh) | 一种基于先验信息的人像分割方法、装置及电子设备 | |
CN112819074A (zh) | 用于目标检测模型的损失函数优化方法、装置及设备 | |
CN109675316B (zh) | 游戏场景图生成方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |