CN108242203A - 一种区域划分方法及装置 - Google Patents

Abstract

本发明实施例提供了一种区域划分方法及装置；该方法包括：获取待划分区域的区域边界，计算待划分区域矩形边界；获取待划分区域内交通枢纽点的位置信息，以交通枢纽点为离散点，绘制最短路径多边形；将最短路径多边形与待划分区域矩形边界进行区域组合处理，获取初步区域划分结果；获取并根据待划分区域中兴趣点的特征向量计算参数，计算初步区域划分结果中各区域中各兴趣点的特征向量；根据各区域中各兴趣点的特征向量，计算各区域与其空间相邻区域的区域相似度；根据区域相似度，对初步区域划分结果中的区域进行合并，生成最终区域划分结果。本发明能够充分兼顾路网和区域兴趣点特性，使得区域划分更加合理。

Description

一种区域划分方法及装置

技术领域

本发明涉及城市规划领域，尤其涉及一种区域划分方法及装置。

背景技术

近些年来，随着LBS(Location Based Service，基于位置的服务)和GIS(Geographic Information System，地理信息系统)的快速发展，城市区域研 究在很多领域变得越来越重要，如路径规划、交通流量分析、区域客流量分 析、区域人口评估、区域属性、人群移动、区域间的关系等，而进行这些分 析之前，首先需要对城市进行区域划分。

为了让区域划分变得简单，最常用的方法是基于网格的地图分割方法， 该方法将地图分割成固定大小的方格，把方格作为区域直接进行分析，虽然 实现起来简单方便，但是也存在很多不足，如没有考虑区域的语义信息，可 能将本来属于一块区域的地方分割成不同的区域，划分出的区域在各个语义 维度上也都无法对等。

发明内容

本发明实施例提供了一种区域划分方法及装置，以解决现有基于网格地 图进行区域划分存在的划分不合理的问题。

一方面，提供了一种区域划分方法，包括：

获取待划分区域的区域边界，计算待划分区域矩形边界；

获取待划分区域内交通枢纽点的位置信息，以交通枢纽点为离散点，绘 制最短路径多边形；

将最短路径多边形与待划分区域矩形边界进行区域组合处理，获取初步 区域划分结果，初步区域划分结果包括多个区域；

获取并根据待划分区域中兴趣点的特征向量计算参数，计算初步区域划 分结果中各区域中各兴趣点的特征向量；

根据各区域中各兴趣点的特征向量，计算各区域与其空间相邻区域的区 域相似度；

根据区域相似度，对初步区域划分结果中的区域进行合并，生成最终区 域划分结果。

一方面，提供了一种区域划分装置，包括：边界模块、兴趣点模块及优 化模块，其中，

边界模块用于获取待划分区域边界，计算待划分区域矩形边界；获取待 划分区域内交通枢纽点的位置信息，以交通枢纽点为离散点，绘制最短路径 多边形；将最短路径多边形与待划分区域矩形边界进行区域组合处理，获取 初步区域划分结果，初步区域划分结果包括多个区域；

兴趣点模块用于获取并根据待划分区域中兴趣点的特征向量计算参数， 计算初步区域划分结果中各区域中各兴趣点的特征向量；

优化模块用于根据各区域中各兴趣点的特征向量，计算各区域与其空间 相邻区域的区域相似度；根据区域相似度，对初步区域划分结果中的区域进 行合并，生成最终区域划分结果。

另一方面，提供了一种计算机存储介质，计算机存储介质中存储有计算 机可执行指令，计算机可执行指令用于执行前述的区域划分方法。

本发明实施例的有益效果：

本发明实施例提供了一种区域划分方法，该方法通过利用公交站点等交 通枢纽的分布特性，首先划分出分割站点的路径-泰森Path-Voronoi多边形等 最短路径多边形区域，然后通过构建兴趣点POI特征向量合并相邻区域，能 够充分兼顾路网和区域POI特性，使得城市区域的划分更加合理，解决了现 有基于网格地图进行区域划分存在的区域划分不合理的问题。

附图说明

图1为本发明第一实施例提供的区域划分方法的流程图；

图2为本发明第二实施例提供的区域划分装置的结构示意图；

图3为本发明第三实施例涉及的城市区域划分方法的流程图；

图4为本发明第三实施例涉及的城市边界及矩形边界图；

图5为本发明第三实施例涉及的初步划分结果的示意图；

图6为本发明第三实施例涉及的最终划分结果的示意图；

图7为本发明第三实施例涉及的初步划分结果的局部区域放大图；

图8为本发明第三实施例涉及的最终划分结果的局部区域放大图；

图9为本发明第三实施例涉及的路径-泰森多边形计算示意图。

具体实施方式

下面将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、完整地描述，显然，所描述的实施例只是本发明中一部分实施例，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做 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。

现通过具体实施方式结合附图的方式对本发明做出进一步的诠释说明。

第一实施例：

图1为本发明第一实施例提供的区域划分方法的流程图，由图1可知， 本实施例提供的区域划分方法包括：

S101：获取待划分区域的区域边界，计算待划分区域矩形边界；

S102：获取待划分区域内交通枢纽点的位置信息，以交通枢纽点为离散 点，绘制最短路径多边形；

S103：将最短路径多边形与待划分区域矩形边界进行区域组合处理，获 取初步区域划分结果，初步区域划分结果包括多个区域；

S104：获取并根据待划分区域中兴趣点的特征向量计算参数，计算初步 区域划分结果中各区域中各兴趣点的特征向量；

S105：根据各区域中各兴趣点的特征向量，计算各区域与其空间相邻区 域的区域相似度；

S106：根据区域相似度，对初步区域划分结果中的区域进行合并，生成 最终区域划分结果。

在一些实施例中，上述实施例中的获取待划分区域内交通枢纽点的位置 信息包括：

获取待划分区域中所有交通枢纽点的位置数据集；交通枢纽点包括公交 站、地铁站、码头、机场中的至少一种；

合并同一交通枢纽点的多个站点的位置数据，得到交通枢纽点的位置信 息。

在一些实施例中，上述实施例中的最短路径多边形为路径-泰森多边形， 以交通枢纽点为离散点，绘制最短路径多边形包括：

获取第一交通枢纽点与第二交通枢纽点之间的最短道路路径；

获取涵盖第一交通枢纽点与第二交通枢纽点之间的最短道路路径的最 小圆的圆心；

将圆心与第一交通枢纽点与第二交通枢纽点的中点的连线作为第一交 通枢纽点与第二交通枢纽点的边界；

循环处理所有的交通枢纽点，获取最短路径多边形。

在一些实施例中，上述实施例中的获取初步区域划分结果包括：

获取待划分区域矩形边界中最小行政单位的行政区域；

将行政区域与最短路径多边形中的区域取交集，生成初步区域划分结 果。

在一些实施例中，上述实施例中的特征向量计算参数包括位置信息、辐 射半径及主题权重；计算初步区域划分结果中各区域中各兴趣点的特征向量 包括：

获取兴趣点的主题辐射范围及主题权重；

统计获得各区域各主题的兴趣点数量因；

统计获取各区域所有兴趣点的特征向量。

在一些实施例中，上述实施例中的区域划分方法，在计算初步区域划分 结果中各区域中各兴趣点的特征向量之前，还包括：

设置待划分区域的区域数目阈值；

判断初步区域划分结果中的区域数目是否大于区域数目阈值；

若大于，则计算初步区域划分结果中各区域中各兴趣点的特征向量；

若不大于，则将初步区域划分结果作为最终区域划分结果。

在一些实施例中，上述实施例中的根据区域相似度，对初步区域划分结 果中的区域进行合并，生成最终区域划分结果包括：

设置待划分区域的区域面积阈值；

选取各区域中的区域相似度最大且区域面积和不大于区域面积阈值的 两个区域，将该两区域合并为一个区域；

判断合并后的区域数目是否小于区域数目阈值；

若合并后的区域数目不大于区域数目阈值，则划分区域任务结束，输出 最终区域划分结果；

若合并后的区域数目大于区域数目阈值，则继续通过兴趣点进行合并。

第二实施例：

图2为本发明第二实施例提供的区域划分装置的结构示意图，由图2可 知，本实施例提供的区域划分装置包括：边界模块21、兴趣点模块22及优 化模块23，其中，

边界模块21用于获取待划分区域边界，计算待划分区域矩形边界；获 取待划分区域内交通枢纽点的位置信息，以交通枢纽点为离散点，绘制最短 路径多边形；将最短路径多边形与待划分区域矩形边界进行区域组合处理， 获取初步区域划分结果，初步区域划分结果包括多个区域；

兴趣点模块22用于获取并根据待划分区域中兴趣点的特征向量计算参 数，计算初步区域划分结果中各区域中各兴趣点的特征向量；

优化模块23用于根据各区域中各兴趣点的特征向量，计算各区域与其 空间相邻区域的区域相似度；根据区域相似度，对初步区域划分结果中的区 域进行合并，生成最终区域划分结果。

在一些实施例中，上述实施例中的边界模块21用于获取待划分区域中 所有交通枢纽点的位置数据集，合并同一交通枢纽点的多个站点的位置数 据，得到交通枢纽点的位置信息；交通枢纽点包括公交站、地铁站、码头、 机场中的至少一种。

在一些实施例中，上述实施例中的边界模块21用于获取第一交通枢纽 点与第二交通枢纽点之间的最短道路路径；获取涵盖第一交通枢纽点与第二 交通枢纽点之间的最短道路路径的最小圆的圆心；将圆心与第一交通枢纽点 与第二交通枢纽点的中点的连线作为第一交通枢纽点与第二交通枢纽点的 边界；循环处理所有的交通枢纽点，获取最短路径多边形，最短路径多边形 为路径-泰森多边形。

在一些实施例中，上述实施例中的边界模块21用于获取待划分区域矩 形边界中最小行政单位的行政区域；将行政区域与最短路径多边形中的区域 取交集，生成初步区域划分结果。

在一些实施例中，上述实施例中的特征向量计算参数包括位置信息、辐 射半径及主题权重；兴趣点模块22用于获取兴趣点的主题辐射范围及主题 权重；统计获得各区域各主题的兴趣点数量因；统计获取各区域所有兴趣点 的特征向量。

在一些实施例中，上述实施例中的优化模块23还用于在计算初步区域 划分结果中各区域中各兴趣点的特征向量之前，设置待划分区域的区域数目 阈值；判断初步区域划分结果中的区域数目是否大于区域数目阈值；若大于， 则计算初步区域划分结果中各区域中各兴趣点的特征向量；若不大于，则将 初步区域划分结果作为最终区域划分结果。

在一些实施例中，上述实施例中的优化模块23用于设置待划分区域的 区域面积阈值；选取各区域中的区域相似度最大且区域面积和不大于区域面 积阈值的两个区域，将该两区域合并为一个区域；判断合并后的区域数目是 否小于区域数目阈值；若合并后的区域数目不大于区域数目阈值，则划分区 域任务结束，输出最终区域划分结果；若合并后的区域数目大于区域数目阈 值，则继续通过兴趣点进行合并。

在实际应用中，图2所示实施例中的所有功能模块，都可以采用处理器、 编辑逻辑器件等方式实现。

第三实施例：

本实施例以待划分区域为城市为例进行说明，在实际应用中，待划分区 域可以是任意的国家级、省市级、村镇级地图，现结合具体应用场景对本发 明做进一步的诠释说明。

区域POI(Point of Interest，兴趣点)是非常重要的划分指标。区域POI 则是指区域中的感兴趣点，如餐厅、商场、体育馆、学校、公司等。每个 POI至少包含四方面信息：名称、类别、经度、纬度。POI信息反映了区域 的位置语义，是区域的元特征，而人流量是受POI吸引的，为此了解区域的 POI分布情况对于计算区域的人流量显得十分重要。泰森多边形(Voronoi 多边形)是荷兰气象学家A·H·Thiessen提出的一种利用平面中的离散点对平面进行分区的方法，该方法先将平面中的离散点连接成三角形，然后对三角 形的每条边做垂直平分线，垂直平分线的交点形成的多边形即Voronoi多边 形，这种方法保证每个Voronoi多边形中有且仅有一个离散点。最初该方法 用于根据离散分布的气象站的降雨量计算区域降雨量，现在该方法在基站覆 盖面积计算、晶体结构、地理区域划分上具有广泛应用。但将方法用于交通 区域划分的缺陷在于，该方法并未考虑区域间的关联度，会导致出现比如密 集型商圈被划分为多区域的情况，为基于区域划分的上层应用带来了困难。

本实施例利用公交站点的分布特性，首先划分出分割站点的 Path-Voronoi多边形区域，然后通过构建POI特征向量合并相邻区域，能够 充分兼顾路网和区域POI特性。

具体的，本实施例旨在构建一个通用的交通区域划分方法，通过对具有 不同特征的小型区域自底向上的合并，完成各种不同需求的交通区域划分。

为了达到上述目的，本实施例针对基于网格地图分割方法的不足，结合 Voronoi多边形划分方法的优点，提出了一种简单高效、适应性强的基于公 交站点和POI的交通区域划分方法(边界-泰森)。

在实际应用中，大中城市都有发达的公交系统，且基本覆盖市区全部范 围，因此以公交车站点作为基本离散点，结合公交站点附近各主题的POI 信息，利用Path-Voronoi多边形算法对城市进行区域划分。

具体的，如图3所示，本实施例提供的区域划分方法包括以下主要步骤：

1、获取城市公交站点位置数据集。

假设目标城市有q个公交站点，每个公交站点具有上行和下行之分，则 目标城市共有2q个公交站点位置数据，以集合表示为 L{L11,L12,L21,L22,…Lq1,Lq2}，集合中的元素Li1表示第i个公交站的上行 站点经纬度(lngi1,lati1)，Li2表示第i个公交站的下行站点经纬度(lngi2,lati2)。

2、合并公交上下行站点的位置数据。

以上下行经纬度的均值作为合并后该站点的位置。例如，第i个公交站 的上下行站点合并后的位置Li＝(lngi,lati)，其中，

lngi＝(lngi1+lngi2)/2

lati＝(lati1+lati2)/2

3、获取城市边界。

城市的边界是一个由多点构成的不规则多边形。

其来源主要有：

直接购买矢量地图，从中获取城市边界的矢量多边形

使用百度、高德等地图服务商提供的面向商业用户的Web服务获取矢 量地图，从中获取城市边界的矢量多边形

使用ArcGIS等专用GIS软件根据已有纸质栅格地图等比缩放绘制矢量 地图，从中获取城市边界的矢量多边形

如果以上途径均不可获得，请自行配置人员采集地图数据并绘制矢量地 图，从中获取城市边界的矢量多边形

4、获得城市的矩形边界。

以城市边界上的所有边界点的经度最大值lngmax，纬度最大值latmax 作为矩形边界的右上顶点坐标(lngmax,latmax)，以城市所有边界的经度最小 值lngmin，纬度最小值latmin，作为矩形边界的左下顶点坐标(lngmin,latmin)；

5、设置城市区域数目阈值和区域面积阈值。

根据不同区域使用方对区域划分的粒度要求，设定城市区域数目的阈值 N’。具体阈值的设定原则如下：

城市区域数目阈值原则上不大于第2步骤合并后的站点数目；

城市区域数目阈值不小于区域使用方要求的区域数目，一般情况下应当 等于区域使用方要求的区域数目；

如果区域使用方要求的区域数目大于第2步骤合并后的站点数目，城市 区域数目阈值应当服从第一原则。一般情况下一线城市的公交站点数目 会多达数千个，足以满足区域使用方的要求。

为了保证划分区域大小保持一定的水平，避免出现超大型区域干扰区域 划分结果，预先设定城市区域面积阈值S’。具体阈值的设定原则如下：

城市区域面积阈值S’原则上不大于城市面积Scity；

城市区域面积阈值S’一般不应当大于城市次级行政区划(区县级)的最 小值。例如城市有n个区县级行政区划，其面积分别为S1,S2...Sn,从中选出 最小的面积Smin(min属于1...n),则城市区域面积阈值S’一般不应当大于 Smin；

城市区域面积阈值S’原则上不小于第2)步骤中合并后的站点中任意三 个站点构成的三角形面积。例如城市有n个站点，其位置分别为L1,L2...Ln, 则城市区域面积阈值S’一般不应当大于三角形LaLbLc的面积(a不等于b 不等于c，且abc均大于1小于n)。

6、以公交站点为离散点，生成Path-Voronoi多边形。

如图9所示，图中点A、点B为公交站点，由点A到点B的曲线路径 为点A到点B的最短道路路径。传统的Voronoi多边形是以A、B两点构成 线段的中垂线为AB之间边界。Path-Voronoi方法使用涵盖AB之间的最短 道路路径的最小圆的圆心D，同线段AB中点C的连线为A、B之间的边界。 通常情况下，线段AB和其最短道路路径构成一个闭合的多边形；当点A到B的最短道路路径与线段AB重合的时候，取线段AB的中垂线作为A、B 之间的边界；当线段AB为最小圆圆弦的时候，CD连线即为线段AB中垂 线，这种情况下的划分方法退化为Voronoi多边形方法。Path-Voronoi方法构 建的多边形称之为Path-Voronoi多边形。

7、划分出城市边界内的多边形区域。

将Voronoi多边形分区后的区域与相应城市行政区域取交集，将处于边 界之外的多边形减去，得到初步区域划分结果；

8、判定区域数目是否小于阈值。

如果区域数目小于城市区域数目阈值N’，则视为满足区域划分条件， 跳转至最后一步。反之，则需要继续通过POI对区域做进一步的合并，进入 下一步。

9、获取POI的信息

将POI信息根据类别划分为不同主题，按主题收集城市的POI信息；

10、设置POI主题辐射半径。

按照POI的主题i(i属于1,2……n)分别设置主题辐射范围Ri(Ri属 于R1,R2……Rn)。

计算公式：

其中k是辐射常数，取值区间一般在1.2-3之间。

其具体设定原则如下：

计算城市内各主题类别点所占区域平均面积Si(Si∈S1,S2,....Sn)。一般 情况下，由于样本量太大和信息量不足，难以对所有的个体面积做出统计， 采取抽样假设检验的方式进行主题面积估算。

11、设置POI主题权重。

按照POI的主题1,2……n分别设置主题权重Pi(Pi∈P1,P2……Pn)。

此权重的设定取决于区域使用方所属行业，行业关联较高的POI权重较 大。例如，交管部门一般情况下并不关心网吧主题的POI点，在此应用中网 吧的权重可以设为0。

12、统计各区域各主题的POI数量因子。

假设区域A中主题1的数目为IA1,周边区域的主题1数目为OA1，

则区域A的主题1的数量因子NA1为：

其中，rA1i为周边区域的主题1类别的POI中的第i个区域A的距离； R1为主题1的辐射范围半径；且长度rA1i与R1的单位相同；

为周边区域主题1类别的POI中的第i个到区域A的辐射 因子。

13、统计各区域POI特征向量。

假设多边形区域A中主题1的数目因子为NA1，多边形区域A的面积 为SA，主题1的权重为P1，则区域A的主题1的特征因子DA1为：

由此得出，区域A的POI特征向量为：

14、统计区域和相邻区域的相似度。

假设区域A各主题POI特征向量其某相邻区域B各 主题POI特征向量由于欧式距离只反映向量间的相对距 离，而余弦距离只反映向量夹角信息，故而选用可以同时表现向量夹角和相 对距离信息的谷本距离(又称之为Jaccard距离)来测度向量关系。以两向 量和的谷本距离测度作为两区域的距离d_AB，其公式为

则其相似度为：

遍历所有区域与其所有相邻区域，计算相似度并将其放入邻域关系集M 中。

值得注意的是区域A和区域B之间的相似度等于区域B和区域A之间 的相似度，即mAB＝mBA。故而两个区域之间的相似度只用计算一次。

15、相似区域合并。

选取邻域关系集M中区域相似度最大且区域面积和不大于区域面积阈 值S’的两个区域，将该两区域合并为一个区域X。

16、判断区域数目是否小于阈值。

如果区域数目小于城市区域数目阈值N’，则视为满足区域划分目标， 划分区域任务结束。反之，则需要继续通过POI对区域做进一步的合并，进 入下一步。

17、更新合并后区域与邻域的关系、

重新计算合并后区域X的所有主题的POI数量因子，计算方法见步骤 12。

重新计算合并后区域X的POI特征向量，计算方法见步骤13。

更新合并后区域X与相邻区域的相似度至邻域关系集M中。

进入区域合并步骤15。

18、对子行政区域迭代。

当区域使用方为按行政区划分级的行政机构或企业时，如果有对应的次 级行政区划下的交通区域划分需求，还可通过次级行政区划再次对现有多边 形进行切分以便于相关组织管理。其切分方法见步骤7。

具体的，以深圳市的交通区域划分为例，以深圳市公交车站点作为离散 点，利用改进的Voronoi多边形算法结合深圳市的POI信息对城市进行区域 划分，其关键步骤如下：

获取城市公交站点位置数据集。获取深圳市公交线路站点11710个，存 入数据库。

合并公交上下行站点的位置数据。将公交车站点上下行合并成一个站 点，将第一步骤获取的11710个站点按照上下行分别合并，得到站点5865 个；将站点的名称、位置及相关信息存入空间数据库。

获取城市边界。获取深圳市城市边界，将其作为多边形存储至空间数据 库。

获得城市的矩形边界。设置深圳的矩形边界，该边界必须大于深圳城市 边界，即取深圳市最大最小经纬度，得出深圳的最小外接矩形存入数据库， 具体的如图4所示。

设置城市区域数目阈值和区域面积阈值。根据当前需要，通过配置文件 设定城市的区域数目阈值和区域面积阈值。

以公交站点为离散点，生成Path-Voronoi多边形。

以上述第4步骤最小外接矩形为分区前的原始区，以第2步合并出的 5865个公交站点为基本离散点，使用Path-Voronoi方法生成基于最短路径划 分的等量Path-Voronoi多边形；划分出城市边界内的多边形区域将所有的 Path-Voronoi多边形区域与相应城市行政区域取交集，得到初步区域划分结 果，如图5所示。

将获取的区域多边形存入空间数据库。

判定区域数目是否小于阈值

读取配置文件中的城市区域数目阈值，判定当前的所有站点数是否小于 该阈值，不小于则进入下个步骤。

获取POI的信息。

将POI种类分为以下20种主题，如下表1所示：

表1

分别获取以上20个类别的所有POI，将每个POI点的信息(位置，名 称，城市,街道,分类等信息)存入数据库。

设置POI主题辐射半径。按照基本原则设置各主题的POI主题辐射半径 存数据库。

设置POI主题权重。按照基本原则设置各主题的POI主题权重存入数据 库。

统计各区域各主题的POI数量因子。按照第12步骤所描述的方法为划 定的所有区域的所有主题设定POI数量因子。

统计各区域POI特征向量。按照第13步骤所描述的方法，计算划定的 所有区域中的POI特征向量。

统计区域和相邻区域的相似度。按照发明内容中第14步骤所描述的方 法，对每对邻域的特征向量计算谷本距离，作为邻域相似度。

相似区域合并。按照第15步骤所描述的方法，以相似度为主要判定依 据进行相似区域合并。

判断区域数目是否小于等于阈值。按照第16步骤所描述的方法，此处 作为区域划分任务的出口判定。如果未满足划分要求，则进入下一步。

更新合并后区域与邻域的关系。按照第17步骤所描述的方法，更新合 并后区域与邻域的关系并跳转至15步骤继续合并。

经过对区域的反复迭代合并，获得最终结果，图与6所示。

如图7及图8为某一片区域的放大版，如图7及图8所示，对比初步分 区结果和最终分区结果，从图中椭圆圈出来的区域可以看出，最终分区结果 将POI相似度非常高的区域合并了起来，为诸如商圈人气指数、客流量等分 析提供了完整、独立的区域划分依据。

综上可知，通过本发明实施例的实施，至少存在以下有益效果：

本发明实施例提供了一种区域划分方法，该方法通过利用公交站点等交 通枢纽的分布特性，首先划分出分割站点的路径-泰森Path-Voronoi多边形等 最短路径多边形区域，然后通过构建兴趣点POI特征向量合并相邻区域，能 够充分兼顾路网和区域POI特性，使得城市区域的划分更加合理，解决了现 有基于网格地图进行区域划分存在的区域划分不合理的问题。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或 计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软 件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含 有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和 光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和 /或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方 框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式 处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算 机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图 一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理 设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储 器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上， 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现 的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程 图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步 骤。

以上仅是本发明的具体实施方式而已，并非对本发明做任何形式上的限 制，凡是依据本发明的技术实质对以上实施方式所做的任意简单修改、等同 变化、结合或修饰，均仍属于本发明技术方案的保护范围。

Claims (14)

1.一种区域划分方法，包括：

获取待划分区域的区域边界，计算待划分区域矩形边界；

获取所述待划分区域内交通枢纽点的位置信息，以所述交通枢纽点为离散点，绘制最短路径多边形；

将所述最短路径多边形与所述待划分区域矩形边界进行区域组合处理，获取初步区域划分结果，所述初步区域划分结果包括多个区域；

获取并根据待划分区域中兴趣点的特征向量计算参数，计算所述初步区域划分结果中各区域中各兴趣点的特征向量；

根据所述各区域中各兴趣点的特征向量，计算各区域与其空间相邻区域的区域相似度；

根据所述区域相似度，对所述初步区域划分结果中的区域进行合并，生成最终区域划分结果。

2.如权利要求1所述的区域划分方法，其特征在于，所述获取待划分区域内交通枢纽点的位置信息包括：

获取待划分区域中所有交通枢纽点的位置数据集；所述交通枢纽点包括公交站、地铁站、码头、机场中的至少一种；

合并同一交通枢纽点的多个站点的位置数据，得到所述交通枢纽点的位置信息。

3.如权利要求1所述的区域划分方法，其特征在于，所述最短路径多边形为路径-泰森多边形，所述以所述交通枢纽点为离散点，绘制最短路径多边形包括：

获取第一交通枢纽点与第二交通枢纽点之间的最短道路路径；

获取涵盖第一交通枢纽点与第二交通枢纽点之间的最短道路路径的最小圆的圆心；

将所述圆心与所述第一交通枢纽点与第二交通枢纽点的中点的连线作为第一交通枢纽点与第二交通枢纽点的边界；

循环处理所有的交通枢纽点，获取所述最短路径多边形。

4.如权利要求1所述的区域划分方法，其特征在于，所述获取初步区域划分结果包括：

获取所述待划分区域矩形边界中最小行政单位的行政区域；

将所述行政区域与所述最短路径多边形中的区域取交集，生成所述初步区域划分结果。

5.如权利要求1所述的区域划分方法，其特征在于，所述特征向量计算参数包括位置信息、辐射半径及主题权重；所述计算所述初步区域划分结果中各区域中各兴趣点的特征向量包括：

获取兴趣点的主题辐射范围及主题权重；

统计获得各区域各主题的兴趣点数量因；

统计获取各区域所有兴趣点的特征向量。

6.如权利要求1至5任一项所述的区域划分方法，其特征在于，在计算所述初步区域划分结果中各区域中各兴趣点的特征向量之前，还包括：

设置待划分区域的区域数目阈值；

判断所述初步区域划分结果中的区域数目是否大于所述区域数目阈值；

若大于，则计算所述初步区域划分结果中各区域中各兴趣点的特征向量；

若不大于，则将所述初步区域划分结果作为最终区域划分结果。

7.如权利要求6所述的区域划分方法，其特征在于，所述根据所述区域相似度，对所述初步区域划分结果中的区域进行合并，生成最终区域划分结果包括：

设置待划分区域的区域面积阈值；

选取各区域中的区域相似度最大且区域面积和不大于所述区域面积阈值的两个区域，将该两区域合并为一个区域；

判断合并后的区域数目是否小于所述区域数目阈值；

若合并后的区域数目不大于所述区域数目阈值，则划分区域任务结束，输出所述最终区域划分结果；

若合并后的区域数目大于所述区域数目阈值，则继续通过兴趣点进行合并。

8.一种区域划分装置，包括：边界模块、兴趣点模块及优化模块，其中，

所述边界模块用于获取待划分区域边界，计算待划分区域矩形边界；获取所述待划分区域内交通枢纽点的位置信息，以所述交通枢纽点为离散点，绘制最短路径多边形；将所述最短路径多边形与所述待划分区域矩形边界进行区域组合处理，获取初步区域划分结果，所述初步区域划分结果包括多个区域；

所述兴趣点模块用于获取并根据待划分区域中兴趣点的特征向量计算参数，计算所述初步区域划分结果中各区域中各兴趣点的特征向量；

所述优化模块用于根据所述各区域中各兴趣点的特征向量，计算各区域与其空间相邻区域的区域相似度；根据所述区域相似度，对所述初步区域划分结果中的区域进行合并，生成最终区域划分结果。

9.如权利要求8所述的区域划分装置，其特征在于，所述边界模块用于获取待划分区域中所有交通枢纽点的位置数据集，合并同一交通枢纽点的多个站点的位置数据，得到所述交通枢纽点的位置信息；所述交通枢纽点包括公交站、地铁站、码头、机场中的至少一种。

10.如权利要求8所述的区域划分装置，其特征在于，所述边界模块用于获取第一交通枢纽点与第二交通枢纽点之间的最短道路路径；获取涵盖第一交通枢纽点与第二交通枢纽点之间的最短道路路径的最小圆的圆心；将所述圆心与所述第一交通枢纽点与第二交通枢纽点的中点的连线作为第一交通枢纽点与第二交通枢纽点的边界；循环处理所有的交通枢纽点，获取所述所述最短路径多边形，所述最短路径多边形为路径-泰森多边形。

11.如权利要求8所述的区域划分装置，其特征在于，所述边界模块用于获取所述待划分区域矩形边界中最小行政单位的行政区域；将所述行政区域与所述最短路径多边形中的区域取交集，生成所述初步区域划分结果。

12.如权利要求8所述的区域划分装置，其特征在于，所述特征向量计算参数包括位置信息、辐射半径及主题权重；所述兴趣点模块用于获取兴趣点的主题辐射范围及主题权重；统计获得各区域各主题的兴趣点数量因；统计获取各区域所有兴趣点的特征向量。

13.如权利要求8至12任一项所述的区域划分装置，其特征在于，所述优化模块还用于在计算所述初步区域划分结果中各区域中各兴趣点的特征向量之前，设置待划分区域的区域数目阈值；判断所述初步区域划分结果中的区域数目是否大于所述区域数目阈值；若大于，则计算所述初步区域划分结果中各区域中各兴趣点的特征向量；若不大于，则将所述初步区域划分结果作为最终区域划分结果。

14.如权利要求13所述的区域划分装置，其特征在于，所述优化模块用于设置待划分区域的区域面积阈值；选取各区域中的区域相似度最大且区域面积和不大于所述区域面积阈值的两个区域，将该两区域合并为一个区域；判断合并后的区域数目是否小于所述区域数目阈值；若合并后的区域数目不大于所述区域数目阈值，则划分区域任务结束，输出所述最终区域划分结果；若合并后的区域数目大于所述区域数目阈值，则继续通过兴趣点进行合并。