CN108171529B - 一种地址相似度评估方法 - Google Patents

一种地址相似度评估方法 Download PDF

Info

Publication number
CN108171529B
CN108171529B CN201711254896.6A CN201711254896A CN108171529B CN 108171529 B CN108171529 B CN 108171529B CN 201711254896 A CN201711254896 A CN 201711254896A CN 108171529 B CN108171529 B CN 108171529B
Authority
CN
China
Prior art keywords
address
similarity
compared
sim
longitude
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
Application number
CN201711254896.6A
Other languages
English (en)
Other versions
CN108171529A (zh
Inventor
龙华
祁俊辉
邵玉斌
杜庆治
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunming University of Science and Technology
Original Assignee
Kunming University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN201711254896.6A priority Critical patent/CN108171529B/zh
Publication of CN108171529A publication Critical patent/CN108171529A/zh
Application granted granted Critical
Publication of CN108171529B publication Critical patent/CN108171529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0261—Targeted advertisements based on user location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种地址相似度评估方法，属于信息处理技术领域。本发明摒弃单纯利用地址文本信息或经纬度信息确定地址的相似度，而是创新性地将地址文本信息按照行政区域划分为六段式词集合，并对词集合以六段式赋予权重，进而通过Jaro‑Winler Distance算法计算其基于文本信息的相似度、通过坐标转换及勾股定理计算其基于经纬度的相似度、通过余弦定理计算其基于词集合的相似度，三个相似度分别从不同方面反映了地址的相似程度，最后再将所计算的三个相似度进行融合，得到最终相似度。本发明与现有技术相比，主要解决了现有技术一味追求效率而导致的准确性不足等现象，致力于增加目前依靠计算机进行地址相似度评估的准确性。

Description

一种地址相似度评估方法
技术领域
本发明涉及一种地址相似度评估方法，属于信息处理技术领域。
背景技术
地理信息系统在目前业务系统中逐渐频繁使用。例如一些团购APP会根据用户所处位置查找周边商家信息；亦或在开发者制作新地图时需参考现有地图进行具体地址的比较等。
目前，对地址进行相似度的评估方法主要分为两类：一类是将地址文本信息作为输入，利用字符串相似算法，如Levenshteit Distance，对地址文本进行相似度量；另一类是进行经纬度信息的比较进而得出其相似度。但是这两类方法都有各自的缺陷，若直接利用字符串相似算法比较地址文本，一旦地址文本中存在简写形式，这种方法误差较大；若单纯依靠经纬度信息来确定，也是一个非常不可靠的方法，一旦对多个现有地图具体地址进行比较时，因为每个地图具有自己特有的坐标系，多次转换会使精度不准确而导致评估结果误差较大。
发明内容
本发明要解决的技术问题是针对现有技术的局限和不足，提供一种地址相似度评估方法，用以解决上诉问题。
本发明的技术方案是：一种地址相似度评估方法，摒弃单纯利用地址文本信息或经纬度信息确定地址的相似度，而是创新性地将地址文本信息按照行政区域划分为六段式词集合，并对词集合以六段式赋予权重，进而计算其基于文本信息的相似度、基于经纬度的相似度、基于词集合的相似度，最后再将所计算的三个相似度融合，得到最终相似度。
具体包括以下步骤：
Step1：获取待比较地址X的地址文本strx及该地址对应的经纬度坐标(Ex,Nx)，和目标地址Y的地址文本stry及该地址对应的经纬度坐标(Ey,Ny)。
Step2：对待比较地址X的地址文本strx和目标地址Y的地址文本stry进行预处理，采用命名实体识别技术和地址词库对其进行六段式分词，对不足六段式的地址进行补充，得到待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}。
Step3：对待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}以六段式设权重，对应权重集合为W:{w1,w2…w6}。
Step4：以待比较地址X的地址文本strx和目标地址Y的地址文本stry作为输入，采用字符串相似算法Jaro-Winler Distance对其进行相似度的计算，得到待比较地址X和目标地址Y之间基于地址文本的相似度Sim1(X,Y)。
Step5：以待比较地址X的经纬度坐标(Ex,Nx)和目标地址Y的经纬度坐标(Ey,Ny)作为输入，采用坐标转换及勾股定理，计算待比较地址X和目标地址Y的直线距离lxy，给出误差范围Δl，由公式(1)计算待比较地址X和目标地址Y之间基于经纬度坐标的相似度Sim2(X,Y)。
Figure BDA0001492445750000021
Step6：以待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}作为输入，以权重集合W:{w1,w2…w6}作为标准，生成特征向量FX＝{fx1,fx2…fxg}和FY＝{fy1,fy2…fyg}，由余弦定理确定待比较地址X和目标地址Y之间基于词集合的相似度Sim3(X,Y)。
Step7：设Step4、Step5、Step6步骤所计算出的相似度对应权值分别为α、β、γ，权值α、β、γ满足α+β+γ＝1的要求，由相似度Sim1(X,Y)及权值α、相似度Sim2(X,Y)及权值β、相似度Sim3(X,Y)及权值γ，由公式(2)计算出待比较地址X和目标地址Y之间的最终相似度Sim(X,Y)。
Sim(X,Y)＝Sim1(X,Y)·α+Sim2(X,Y)·β+Sim3(X,Y)·γ (2)
进一步地，所述步骤Step2中，地址词库应包含全国地名数据，按照行政级别依次排序，并且每个地名对应唯一一个的所属的经纬度范围。
进一步地，所述步骤Step2中，六段式分词具体指按照行政区域划分，即按照省(自治区、直辖市)、市(州)、县(区)、镇(乡、街道)、村(路)、其他，考虑到有些地址文本存在简写形式，故对不足六段式的地址通过经纬度查找地址词库进行补充。
进一步地，所述步骤Step3中权重集合W:{w1,w2…w6}，实际上是对六段式地址信息的每段设置权重。一般地，该权重需满足公式(3)的要求，但可根据实际情况进行调整。
w1＜w2＜w3＜w4＞w5＞w6 (3)
进一步地，所述步骤Step6中，特征向量FX＝{fx1,fx2…fxg}和FY＝{fy1,fy2…fyg}的长度g由待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}中的元素决定。如公式(4)所示，即特征向量FX＝{fx1,fx2…fxg}和FY＝{fy1,fy2…fyg}的长度g为待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}的并集集合长度。
g＝len(X∪Y) (4)
进一步地，所述步骤Step7中，相似度对应权值α、β、γ需满足公式(5)的要求，但可根据实际情况进行调整。
β＜α＜γ (5)
进一步地，所述步骤Step4、Step5、Step6、Step7中所计算的相似度Sim1(X,Y)、Sim2(X,Y)、Sim3(X,Y)、Sim(X,Y)应是一个介于[0,1]之间的数值，且值越接近1则说明待比较地址X和目标地址Y的相似度越高。
本发明的有益效果是：本发明与现有技术相比，主要解决了现有技术一味追求效率而导致的准确性不足等现象，致力于增加目前依靠计算机进行地址相似度评估的准确性。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图和具体实施方式，对本发明作进一步说明。
实施例1：如图1所示，一种地址相似度评估方法，具体包括以下步骤：
Step1：获取待比较地址X的地址文本strx及该地址对应的经纬度坐标(Ex,Nx)，和目标地址Y的地址文本stry及该地址对应的经纬度坐标(Ey,Ny)；具体的：
待比较地址X的地址文本strx为“云南省昆明市呈贡区昆明理工大学”，对应的经纬度坐标(Ex,Nx)为(102.862936,24.859147)；目标地址Y的地址文本stry为“云南省昆明市呈贡区大学城景明南路雨花毓秀小区”，对应的经纬度坐标(Ey,Ny)为(102.855682,24.859286)。
Step2：对待比较地址X的地址文本strx和目标地址Y的地址文本stry进行预处理，采用命名实体识别技术和地址词库对其进行六段式分词，对不足六段式的地址进行补充，得到待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}；具体的：
由于strx不足六段式，故根据地址词库对地址进行补充，得到待比较地址X的地址词集合为X:{云南省,昆明市,呈贡区,大学城,景明南路,昆明理工大学}，目标地址Y的地址词集合为Y:{云南省,昆明市,呈贡区,大学城,景明南路,雨花毓秀小区}。
Step3：对待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}以六段式设权重，对应权重集合为W:{w1,w2…w6}；具体的：
对应权重集合为W:{1,2,3,4,3,2}。
Step4：以待比较地址X的地址文本strx和目标地址Y的地址文本stry作为输入，采用字符串相似算法Jaro-Winler Distance对其进行相似度的计算，得到待比较地址X和目标地址Y之间基于地址文本的相似度Sim1(X,Y)；具体的：
Sim1(X,Y)＝0.9504
Step5：以待比较地址X的经纬度坐标(Ex,Nx)和目标地址Y的经纬度坐标(Ey,Ny)作为输入，采用坐标转换及勾股定理，计算待比较地址X和目标地址Y的直线距离lxy，给出误差范围Δl，由公式(1)计算待比较地址X和目标地址Y之间基于经纬度坐标的相似度Sim2(X,Y)。
Figure BDA0001492445750000041
具体的：
经计算，待比较地址X和目标地址Y的直线距离lxy＝731m，给出误差范围Δl＝2000m，故相似度为：
Figure BDA0001492445750000042
Step6：以待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}作为输入，以权重集合W:{w1,w2…w6}作为标准，生成特征向量FX＝{fx1,fx2…fxg}和FY＝{fy1,fy2…fyg}，由余弦定理确定待比较地址X和目标地址Y之间基于词集合的相似度Sim3(X,Y)；具体的：
特征向量FX＝{1,2,3,4,3,2,0}，FY＝{1,2,3,4,3,0,2}，经余弦定理计算后相似度Sim3(X,Y)＝0.907。
Step7：设Step4、Step5、Step6步骤所计算出的相似度对应权值分别为α、β、γ，权值α、β、γ满足α+β+γ＝1的要求，由相似度Sim1(X,Y)及权值α、相似度Sim2(X,Y)及权值β、相似度Sim3(X,Y)及权值γ，由公式(2)计算出待比较地址X和目标地址Y之间的最终相似度Sim(X,Y)。
Sim(X,Y)＝Sim1(X,Y)·α+Sim2(X,Y)·β+Sim3(X,Y)·γ(2)
具体的：
取权值α＝0.3、β＝0.2、γ＝0.5，经融合后最终相似度为：
Sim(X,Y)＝Sim1(X,Y)·α+Sim2(X,Y)·β+Sim3(X,Y)·γ
＝0.9504×0.3+0.6345×0.2+0.907×0.5
＝0.8655
由以上结果可以表明，最终计算所得相似度为0.8655，相对于常规使用Levenshteit Distance算法计算所得0.4545来讲，有较大幅度的提升，特别是针对信息不完全的地址信息来讲。另外，关于计算基于经纬度坐标的相似度Sim2(X,Y)中误差范围的取值Δl，以及相似度Sim1(X,Y)、Sim2(X,Y)、Sim3(X,Y)对应权值的取值α、β、γ，应以实际情况进行多次检测、适当调整后合理取值。
本发明摒弃单纯利用地址文本信息或经纬度信息确定地址的相似度，而是创新性地将地址文本信息按照行政区域划分为六段式词集合，并对词集合以六段式赋予权重，进而通过Jaro-Winler Distance算法计算其基于文本信息的相似度、通过坐标转换及勾股定理计算其基于经纬度的相似度、通过余弦定理计算其基于词集合的相似度，三个相似度分别从不同方面反映了地址的相似程度，最后再将所计算的三个相似度进行融合，得到最终相似度。
以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (4)

1.一种地址相似度评估方法，其特征在于，具体包括以下步骤：
Step1：获取待比较地址X的地址文本strx及该地址对应的经纬度坐标(Ex,Nx)和目标地址Y的地址文本stry及该地址对应的经纬度坐标(Ey,Ny)；
Step2：对待比较地址X的地址文本strx和目标地址Y的地址文本stry进行预处理，采用命名实体识别技术和地址词库对其进行六段式分词，对不足六段式的地址进行补充，得到待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}；
Step3：对待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}以六段式设权重，对应权重集合为W:{w1,w2…w6}；
Step4：以待比较地址X的地址文本strx和目标地址Y的地址文本stry作为输入，采用字符串相似算法Jaro-WinlerDistance对其进行相似度的计算，得到待比较地址X和目标地址Y之间基于地址文本的相似度Sim1(X,Y)；
Step5：以待比较地址X的经纬度坐标(Ex,Nx)和目标地址Y的经纬度坐标(Ey,Ny)作为输入，采用坐标转换及勾股定理，计算待比较地址X和目标地址Y的直线距离lxy，给出误差范围Δl，由公式(1)计算待比较地址X和目标地址Y之间基于经纬度坐标的相似度Sim2(X,Y)；
Figure FDA0003166057400000011
Step6：以待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}作为输入，以权重集合W:{w1,w2…w6}作为标准，生成特征向量FX＝{fx1,fx2…fxg}和FY＝{fy1,fy2…fyg}，由余弦定理确定待比较地址X和目标地址Y之间基于词集合的相似度Sim3(X,Y)；
Step7：设Step4、Step5、Step6步骤所计算出的相似度对应权值分别为α、β、γ，权值α、β、γ满足α+β+γ＝1的要求，由相似度Sim1(X,Y)及权值α、相似度Sim2(X,Y)及权值β、相似度Sim3(X,Y)及权值γ，由公式(2)计算出待比较地址X和目标地址Y之间的最终相似度Sim(X,Y)；
Sim(X,Y)＝Sim1(X,Y)·α+Sim2(X,Y)·β+Sim3(X,Y)·γ (2)；
所述步骤Step2中，六段式分词具体指按照行政区域划分，即按照省、市、县、镇、村和其他划分，所述省包括自治区、直辖市，所述市包括州，所述县包括区，所述镇包括乡、街道，所述村包括路，对不足六段式的地址通过经纬度查找地址词库进行补充；
所述步骤Step3中权重集合W:{w1,w2…w6}，是对六段式地址信息的每段设置权重，该权重需满足公式：w1＜w2＜w3＜w4＞w5＞w6的要求；
所述步骤Step7中，相似度对应权值α、β、γ需满足β＜α＜γ的要求。
2.根据权利要求1所述的地址相似度评估方法，其特征在于：所述步骤Step2中，地址词库应包含全国地名数据，按照行政级别依次排序，并且每个地名对应唯一一个的所属的经纬度范围。
3.根据权利要求1所述的地址相似度评估方法，其特征在于：所述步骤Step6中，特征向量FX＝{fx1,fx2…fxg}和FY＝{fy1,fy2…fyg}的长度g由待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}中的元素决定；如公式：g＝len(X∪Y)所示，即特征向量FX＝{fx1,fx2…fxg}和FY＝{fy1,fy2…fyg}的长度g为待比较地址X的地址词集合X:{x1,x2…x6}和目标地址Y的地址词集合Y:{y1,y2…y6}的并集集合长度。
4.根据权利要求1所述的地址相似度评估方法，其特征在于：所述步骤Step4、Step5、Step6、Step7中所计算的相似度Sim1(X,Y)、Sim2(X,Y)、Sim3(X,Y)、Sim(X,Y)应是一个介于[0,1]之间的数值，且值越接近1则说明待比较地址X和目标地址Y的相似度越高。
CN201711254896.6A 2017-12-04 2017-12-04 一种地址相似度评估方法 Active CN108171529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711254896.6A CN108171529B (zh) 2017-12-04 2017-12-04 一种地址相似度评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711254896.6A CN108171529B (zh) 2017-12-04 2017-12-04 一种地址相似度评估方法

Publications (2)

Publication Number Publication Date
CN108171529A CN108171529A (zh) 2018-06-15
CN108171529B true CN108171529B (zh) 2021-09-14

Family

ID=62524249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711254896.6A Active CN108171529B (zh) 2017-12-04 2017-12-04 一种地址相似度评估方法

Country Status (1)

Country Link
CN (1) CN108171529B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109657163B (zh) * 2018-12-19 2022-01-18 拉扎斯网络科技（上海）有限公司 目的地址确定方法、装置、电子设备和存储介质
CN111723164B (zh) * 2019-03-18 2023-12-12 阿里巴巴集团控股有限公司 地址信息的处理方法和装置
CN110335139B (zh) * 2019-06-21 2022-10-14 深圳前海微众银行股份有限公司 基于相似度的评估方法、装置、设备及可读存储介质
CN110532546B (zh) * 2019-07-29 2023-03-31 中国电子科技集团公司第五十四研究所 一种融合地理位置和文本相似性的警情自动下发方法
CN110598791A (zh) * 2019-09-12 2019-12-20 深圳前海微众银行股份有限公司 地址相似度评价方法、装置、设备及介质
CN110851669A (zh) * 2019-10-17 2020-02-28 清华大学 基于地理位置信息的机构命名排歧方法及装置
CN111325235B (zh) * 2020-01-19 2023-04-25 南京师范大学 面向多语种的通用地名语义相似度计算方法及其应用
CN113191602A (zh) * 2021-04-13 2021-07-30 上海东普信息科技有限公司 基于地址的物流分派方法、装置、设备和存储介质
CN113535880B (zh) * 2021-09-16 2022-02-25 阿里巴巴达摩院(杭州)科技有限公司 地理信息确定方法、装置、电子设备及计算机存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388023A (zh) * 2008-09-12 2009-03-18 北京搜狗科技发展有限公司 电子地图兴趣点数据冗余检测方法和系统
CN101600178A (zh) * 2009-06-26 2009-12-09 成都市华为赛门铁克科技有限公司 垃圾信息确认方法和装置、终端
CN105404686A (zh) * 2015-12-10 2016-03-16 湖南科技大学 一种基于地理特征层次分词的新闻事件地名地址匹配方法
CN106096024A (zh) * 2016-06-24 2016-11-09 北京京东尚科信息技术有限公司 地址相似度的评估方法和评估装置
CN106649331A (zh) * 2015-10-29 2017-05-10 阿里巴巴集团控股有限公司 商圈识别方法及设备
CN106959958A (zh) * 2016-01-11 2017-07-18 阿里巴巴集团控股有限公司 地图兴趣点简称获取方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388023A (zh) * 2008-09-12 2009-03-18 北京搜狗科技发展有限公司 电子地图兴趣点数据冗余检测方法和系统
CN101600178A (zh) * 2009-06-26 2009-12-09 成都市华为赛门铁克科技有限公司 垃圾信息确认方法和装置、终端
CN106649331A (zh) * 2015-10-29 2017-05-10 阿里巴巴集团控股有限公司 商圈识别方法及设备
CN105404686A (zh) * 2015-12-10 2016-03-16 湖南科技大学 一种基于地理特征层次分词的新闻事件地名地址匹配方法
CN106959958A (zh) * 2016-01-11 2017-07-18 阿里巴巴集团控股有限公司 地图兴趣点简称获取方法和装置
CN106096024A (zh) * 2016-06-24 2016-11-09 北京京东尚科信息技术有限公司 地址相似度的评估方法和评估装置

Also Published As

Publication number Publication date
CN108171529A (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
CN108171529B (zh) 一种地址相似度评估方法
US10627241B2 (en) Map-centric map matching method and apparatus
CN104572645B (zh) 兴趣点数据关联方法及装置
EP3407223B1 (en) Location based full text search
US11162797B2 (en) Map matching method and apparatus
CN109478184B (zh) 识别、处理和显示数据点聚类
CN107256230B (zh) 一种基于多元化地理信息点的融合方法
EP3632139B1 (en) Methods and systems for naming a pick up location
US20190360818A1 (en) Map-centric map matching method and apparatus
CN110149804B (zh) 用于确定兴趣点的父-子关系的系统和方法
CN113450455B (zh) 用于生成停车场的道路链路的地图的方法、设备和计算机程序产品
CN110795515B (zh) 兴趣点poi的处理方法、装置、电子设备及计算机存储介质
CN109284446A (zh) 一种poi信息融合方法
US20200355515A1 (en) Method, apparatus, and computer program product for on-street parking localization
US20200141738A1 (en) Navigation system, apparatus and method for associating a probe point with a road segment
US20160335887A1 (en) System and Method for Roundabouts from Probe Data Using Vector Fields
CN105046629A (zh) 一种基于数位编码的空间定位方法
CN109270563A (zh) 一种基于增强型隐马尔可夫模型的地图匹配方法
CN106155998A (zh) 一种数据处理方法及装置
CN111931077A (zh) 数据处理方法、装置、电子设备及存储介质
US20210157307A1 (en) Method, apparatus and computer program product for determining a measure of probe quality
US20230137263A1 (en) Method and apparatus for generating structured trajectories from geospatial observations
US20130159207A1 (en) Identifying location in package and mail delivery systems
Li et al. VIS-MM: a novel map-matching algorithm with semantic fusion from vehicle-borne images
US20210270629A1 (en) Method and apparatus for selecting a path to a destination

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant