CN109359170B - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN109359170B CN109359170B CN201811302018.1A CN201811302018A CN109359170B CN 109359170 B CN109359170 B CN 109359170B CN 201811302018 A CN201811302018 A CN 201811302018A CN 109359170 B CN109359170 B CN 109359170B
- Authority
- CN
- China
- Prior art keywords
- grid
- information
- map
- visited
- generating
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3614—Destination input or retrieval through interaction with a road map, e.g. selecting a POI icon on a road map
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3605—Destination input or retrieval
- G01C21/3617—Destination input or retrieval using user history, behaviour, conditions or preferences, e.g. predicted or inferred from previous use or current movement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Abstract
本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:根据接收的定位请求信息,确定针对目标兴趣面的到访信息,其中,所述到访信息包括至少一个到访点的位置信息;根据所述至少一个到访点的位置信息,确定包含所述至少一个到访点的到访点分布图;将所述到访点分布图进行网格划分,得到包含至少一个网格的第一网格图;基于所述第一网格图,生成针对所述目标兴趣面的轮廓信息。该实施方式实现了目标兴趣面的轮廓信息的自动生成,节约了兴趣面轮廓信息的生成成本,提高了兴趣面轮廓信息的生成效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于生成信息的方法和装置。
背景技术
在地理应用中,AOI(area of interest,即信息面,也叫兴趣面)指的是地图数据中的区域状的地理实体。从空间来看,办公大楼、旅游景点、商场等地理实体都是一个三维空间建筑物,而用于描述地理实体二维空间的面数据可以形象刻画地理实体的空间属性。AOI轮廓为区域状地理实体的边界信息,AOI轮廓的确定是在地图上确定AOI对应的具体区域。目前,地图数据中的AOI轮廓的确定,主要是通过人工采集的方式。该方式需要配置专业的采集设备,雇佣专业的采集人员,执行严格的作用流程,最后确定出AOI轮廓。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面,本申请实施例提供了一种用于生成信息的方法,该方法包括:根据接收的定位请求信息,确定针对目标兴趣面的到访信息,其中,上述到访信息包括至少一个到访点的位置信息;根据上述至少一个到访点的位置信息,确定包含上述至少一个到访点的到访点分布图;将上述到访点分布图进行网格划分,得到包含至少一个网格的第一网格图;基于上述第一网格图,生成针对上述目标兴趣面的轮廓信息。
在一些实施例中,上述基于上述第一网格图,生成针对上述目标兴趣面的轮廓信息,包括:对上述第一网格图中的网格进行过滤处理,得到第二网格图;从上述第二网格图中确定网格作为边界网格,以及根据边界网格的位置信息生成上述目标兴趣面的轮廓信息。
在一些实施例中,上述第二网格图包括道路位置信息;以及上述从上述第二网格图中确定网格作为边界网格,包括:根据上述道路位置信息和上述第二网格图中网格的位置信息,从上述第二网格图中确定网格作为边界网格。
在一些实施例中,上述对上述第一网格图进行过滤处理,得到第二网格图,包括:对于上述第一网格图中的网格,执行以下过滤处理:确定该网格中包括的到访点的数量是否小于预先设定的数量阈值;响应于确定该网格中包括的到访点的数量小于上述数量阈值,将该网格进行删除;响应于确定上述第一网格图中的各网格执行完成上述过滤处理,将处理后的第一网格图作为上述第二网格图。
在一些实施例中,上述基于上述第一网格图,生成针对上述目标兴趣面的轮廓信息,包括:将上述第一网格图输入预先建立的生成模型,得到边界像素点信息,其中,上述生成模型用于表征网格图与边界像素点信息的对应关系;根据得到的边界像素点信息,生成针对上述目标兴趣面的轮廓信息。
在一些实施例中,上述生成模型是通过以下方式训练得到的:获取训练样本集,其中,训练样本包括网格图和与网格图对应的边界像素点信息;将上述训练样本集中的训练样本的网格图作为输入,将与输入的网格图对应的边界像素点信息作为期望输出,训练得到上述生成模型。
第二方面,本申请实施例提供了一种用于生成信息的装置,装置包括:第一确定单元,被配置成根据接收的定位请求信息,确定针对目标兴趣面的到访信息,其中,上述到访信息包括至少一个到访点的位置信息;第二确定单元,被配置成根据上述至少一个到访点的位置信息,确定包含上述至少一个到访点的到访点分布图;划分单元,被配置成将上述到访点分布图进行网格划分,得到包含至少一个网格的第一网格图;生成单元,被配置成基于上述第一网格图,生成针对上述目标兴趣面的轮廓信息。
在一些实施例中,上述生成单元包括:过滤单元,被配置成对上述第一网格图中的网格进行过滤处理,得到第二网格图;生成子单元,被配置成从上述第二网格图中确定网格作为边界网格,以及根据边界网格的位置信息生成上述目标兴趣面的轮廓信息。
在一些实施例中,上述第二网格图包括道路位置信息;以及上述生成子单元进一步被配置成:根据上述道路位置信息和上述第二网格图中网格的位置信息,从上述第二网格图中确定网格作为边界网格。
在一些实施例中,上述过滤单元进一步被配置成:对于上述第一网格图中的网格,执行以下过滤处理:确定该网格中包括的到访点的数量是否小于预先设定的数量阈值;响应于确定该网格中包括的到访点的数量小于上述数量阈值,将该网格进行删除;响应于确定上述第一网格图中的各网格执行完成上述过滤处理,将处理后的第一网格图作为上述第二网格图。
在一些实施例中,上述生成单元进一步被配置成:将上述第一网格图输入预先建立的生成模型,得到边界像素点信息,其中,上述生成模型用于表征网格图与边界像素点信息的对应关系;根据得到的边界像素点信息,生成针对上述目标兴趣面的轮廓信息。
在一些实施例中,上述生成模型是通过以下方式训练得到的:获取训练样本集,其中,训练样本包括网格图和与网格图对应的边界像素点信息;将上述训练样本集中的训练样本的网格图作为输入,将与输入的网格图对应的边界像素点信息作为期望输出,训练得到上述生成模型。
第三方面,本申请实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于生成信息的方法和装置,首先根据接收的定位请求信息确定针对目标兴趣面的到访信息,之后根据至少一个到访点的位置信息确定包含至少一个到访点的到访点分布图,然后将到访点分布图进行网格划分得到包含至少一个网格的第一网格图,最后基于第一网格图生成针对目标兴趣面的轮廓信息,从而有效利用了定位请求信息,实现了目标兴趣面的轮廓信息的自动生成,节约了兴趣面轮廓信息的生成成本,提高了兴趣面轮廓信息的生成效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于生成信息的方法的一个实施例的流程图;
图3是以某栋办公大楼为例得到的到访点分布图的示意图;
图4是以地图中的某区域为例对该区域进行网格划分的示意图;
图5是以图3中例举的办公大楼对应的到访点分布图为例,对该到访点分布图进行网格划分得到的第一网格图的示意图;
图6是对图5中的第一网格图进行过滤处理得到的第二网格图的示意图;
图7是以图6中举例的第二网格图为例得到的轮廓的示意图。
图8是根据本申请的用于生成信息的方法的一个应用场景的示意图;
图9是根据本申请的用于生成信息的方法的又一个实施例的流程图;
图10是根据本申请的用于生成信息的装置的一个实施例的结构示意图;
图11是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于生成信息的方法或用于生成信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如地图类应用、定位系统、购物类应用、搜索类应用、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是能够发送定位请求信息的各种电子设备,包括但不限于智能手机、平板电脑、智能手表、智能手环等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103发送的定位请求信息进行处理的后台服务器。后台服务器可以对接收到的定位请求信息等数据进行分析等处理,并生成兴趣面的轮廓信息。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于生成信息的方法一般由服务器105执行,相应地,用于生成信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,根据接收的定位请求信息,确定针对目标兴趣面的到访信息。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器105)可以通过无线连接方式从用户所使用的终端设备(例如图1所示的终端设备101、102、103)接收定位请求信息。在这里,定位请求信息中可以包括用于对终端设备进行定位的信息。作为示例,上述定位请求信息可以包括终端设备接收到的AP(Wireless Access Point,无线访问接入点)信号强度序列、终端设备所扫描到的WiFi(Wireless-Fidelity,无线保真)的信息、终端设备所连接的WiFi的信息等等。上述执行主体可以根据定位请求信息生成定位数据。其中,定位数据可以包括定位时间、终端设备的位置信息(例如,经纬度坐标)等等。之后,上述执行主体可以根据终端设备的定位数据,确定针对目标兴趣面的到访信息,其中,到访信息可以包括至少一个到访点的位置信息。需要说明书的是,根据定位请求信息生成定位数据是目前广泛研究和应用的公知技术,此处不再赘述。
在这里,到访点的信息可以包括到访时间、位置信息、兴趣面的标识符等等。其中,兴趣面的标识符可以用于唯一标识一个兴趣面。作为示例,上述执行主体可以通过以下方式确定针对目标兴趣面的到访点的信息:
首先,执行主体可以接收到海量终端设备发送的定位请求信息,从而生成海量的定位数据,并从海量的定位数据中确定多个目标定位数据。其中,目标定位数据的位置信息所指示的地理位置位于预定的地理区域内。该预定的地理区域中包括目标兴趣面,还可以包括除目标兴趣面之外的其他兴趣面。即,执行主体从海量定位数据中选取落入目标兴趣面所在地理区域(该地理区域大于目标兴趣面所占的区域)内的定位数据作为目标定位数据。
之后,对于多个目标定位数据中的每一条定位数据,上述执行主体可以确定该条定位数据的位置信息所对应地理位置的预设范围内的多个兴趣面的分布信息。
然后,上述执行主体可以根据该条定位数据的定位时间、该条定位数据对应的终端设备所产生的历史到访信息、上述多个兴趣面的类型(例如,餐饮类、办公类、购物类等等)等,采用贝叶斯(Bayesian)公式、马尔科夫网络(Markov Networks)或神经网络等方式预测该条定位数据对应的终端设备的使用者到访的兴趣面,并将预测得到的兴趣面作为预测兴趣面。在这里,假设,生成该条定位数据时所使用的定位请求信息为目标定位请求信息,则该条定位数据对应终端设备可以是指发送目标定位请求信息的终端设备。
最后,响应于确定预测兴趣面为目标兴趣面,上述执行主体使用该定位数据生成针对目标兴趣面的到访点的信息。其中,生成的到访点的信息包括到访时间、位置信息、目标兴趣面的标识符。其中,到访点的到访时间、位置信息分别与该定位数据的定位时间、位置信息相同。
步骤202,根据至少一个到访点的位置信息,确定包含至少一个到访点的到访点分布图。
在本实施例中,上述执行主体可以根据上述至少一个到访点的位置信息,确定包括上述至少一个到访点的到访点分布图。作为示例,对于至少一个到访点中的每一个到访点,上述执行主体可以根据该到访点的位置信息,在电子地图上标识出该到访点。从而得到包含有上述至少一个到访点的标识的地图,并将该地图作为到访点分布图。图3是以目标兴趣面为某栋办公大楼为例,得到的到访点分布图,该到访点分布图中的标识“★”表示到访点。
步骤203,将到访点分布图进行网格划分,得到包含至少一个网格的第一网格图。
在本实施例中,上述执行主体可以将步骤202中得到的到访点分布图进行网格划分,得到包括至少一个网格的第一网格图。在这里,第一网格图中的每一个网格中至少包括一个到访点。实践中,可以根据实际需要设定各个网格的面积和形状,此处不做限定。图4是以地图中的某区域为例,对该区域进行网格划分的示意图,每一个网格中的数值用于标识该网格的坐标。作为示例,网格的坐标可以采用GeoHash算法得到的。GeoHash是一种广泛使用的地址编码方法,它能够把二维的空间经纬度数据编码成一个字符串。需要说明的是,对地图进行网格划分是目前广泛研究和应用的公知技术,此处不再赘述。
图5是以图3中例举的办公大楼对应的到访点分布图为例,对该分布图进行网格划分得到的第一网格图,图5中的第一网格图中的每一个网格至少包括一个到访点。
步骤204,基于第一网格图,生成针对目标兴趣面的轮廓信息。
在本实施例中,上述执行主体可以基于第一网格图生成针对目标兴趣面的轮廓信息。
在本实施例的一些可选的实现方式中,上述步骤204可以具体如下进行:步骤S1,对第一网格图中的网格进行过滤处理,得到第二网格图。步骤S2,从第二网格图中确定网格作为边界网格,并根据边界网格的位置信息生成目标兴趣面的轮廓信息。
在本实现方式中,上述执行主体可以采用各种方式对上述第一网格图中的网格进行过滤处理,从而得到第二网格图。图6是以图5中举例的第一网格图为例,对图5中的第一网格图进行过滤处理得到的第二网格图。作为示例,上述执行主体可以根据第一网格图中各个网格的位置对第一网格图中的网格进行过滤处理。举例来说,执行主体可以删除第一网格图中孤立的网格,例如,如果第一网格图中的某一个网格不与其他网格相邻,则可以删除该网格。之后,执行主体可以根据预设的规则从第二网格图中确定网格作为边界网格。作为示例,执行主体可以预先设定用于确定边界网格的规则,例如,该规则可以规定位置位于第二网格图最外侧的网格为边界网格,即第二网格图中每一行和每一列的两端的网格为边界网格。然后,上述执行主体可以根据边界网格的位置信息生成目标兴趣面的轮廓信息。作为示例,上述执行主体可以将边界网格围成的轮廓作为目标兴趣面的轮廓,并根据各个边界网格的坐标生成用于描述该轮廓的坐标序列作为轮廓信息。图7是以图6中举例的第二网格图为例,得到的轮廓。
在一些可选的实现方式中,步骤S1可以具体如下进行:
首先,对于第一网格图中的每一个网格,上述执行主体可以执行以下过滤处理:确定该网格中包括的到访点的数量是否小于预先设定的数量阈值。响应于确定该网格中包括的到访点的数量小于上述数量阈值,将该网格进行删除。在这里,上述数量阈值可以根据实际需要进行设定,此处不做限定。
然后,响应于确定上述第一网格图中的各网格执行完成上述过滤处理,上述执行主体可以将处理后的第一网格图作为上述第二网格图。通过本实现方式,上述执行主体可以将第一网格图中包括到访点数量少的网格过滤掉,从而减小由于到访点误差引发的错误。
在一些可选的实现方式中,上述第二网格图还可以包括道路位置信息,其中,道路位置信息用于表征第二网格图所对应地理位置处的道路的位置信息。以及步骤S2还可以如下进行:根据上述道路位置信息和上述第二网格图中网格的位置信息,从上述第二网格图中确定网格作为边界网格。
在本实现方式中,上述执行主体可以综合考虑道路位置信息和第二网格中网格的位置信息,从第二网格中确定边界网格。作为示例,上述执行主体可以首先根据道路位置信息确定上述第二网格中哪些网格所表示的区域为道路,并将这些表示的区域为道路的网格作为道路网格。之后,对于第二网格图中的每一行/每一列,执行主体可以判断该行/列的中是否包括道路网格,如果包括,则将该道路网格作为边界网格;如果不包括,则将第二网格图中每一行和每一列的两端的网格为边界网格。本实现方式,在确定边界网格时综合考虑了道路位置信息,因此,可以使确定的边界网格更加准确。
继续参见图8,图8是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图8的应用场景中,以办公大楼B为目标兴趣面,服务器首先根据接收的定位请求信息,确定针对办公大楼B的到访信息,其中,到访信息包括多个到访点的位置信息。之后,服务器根据多个到访点的位置信息,确定包含多个到访点的到访点分布图801。然后,服务器将到访点分布图801进行网格划分,得到包含多个网格的第一网格图802。最后,服务器基于第一网格图802,生成针对目标兴趣面的轮廓信息803。
本申请的上述实施例提供的方法通过有效利用了定位请求信息,实现了目标兴趣面的轮廓信息的自动生成,节约了兴趣面轮廓信息的生成成本,提高了兴趣面轮廓信息的生成效率。
进一步参考图9,其示出了用于生成信息的方法的又一个实施例的流程900。该用于生成信息的方法的流程900,包括以下步骤:
步骤901,根据接收的定位请求信息,确定针对目标兴趣面的到访信息。
在本实施例中,步骤901与图2所示实施例的步骤201类似,此处不再赘述。
步骤902,根据至少一个到访点的位置信息,确定包含至少一个到访点的到访点分布图。
在本实施例中,步骤902与图2所示实施例的步骤202类似,此处不再赘述。
步骤903,将到访点分布图进行网格划分,得到包含至少一个网格的第一网格图。
在本实施例中,步骤903与图2所示实施例的步骤203类似,此处不再赘述。
步骤904,将第一网格图输入预先建立的生成模型,得到边界像素点信息。
在本实施例中,上述执行主体中可以预先存储有生成模型。这样,上述执行主体可以将步骤903中确定的第一网格图输入生成模型,从而得到第一网格图对应的边界像素点信息。其中,边界像素点信息可以用于描述第一网格图的多个边界像素点在第一网格图中的坐标。
在这里,生成模型可以用于表征网格图与边界像素点信息的对应关系。作为示例,上述生成模型可以包括特征提取部分和对应关系表。特征提取部分可以用于提取网格图的特征信息,可以理解的是,图像的特征信息提取是目前应用比较广泛的技术,此处不再赘述。对应关系表可以是技术人员基于对大量特征信息与边界像素点信息的统计而制定的、存储有多个特征信息与边界像素点信息的对应关系的对应关系表。这样,上述生成模型可以首先使用特征提取单元提取第一网格图的特征信息,并将得到的特征信息作为目标特征信息。之后,将目标特征信息与对应关系表中的特征信息进行对比,若目标特征信息与对应关系表中的某条特征信息相同或相似,则将对应关系表中的该条特征信息对应的边界像素点信息作为第一网格图的边界像素点信息。
在本实施例的一些可选的实现方式中,生成模型是通过以下方式训练得到的:首先,获取训练样本集,其中,训练样本包括网格图和与网格图对应的边界像素点信息。然后,将上述训练样本集中的训练样本的网格图作为输入,将与输入的网格图对应的边界像素点信息作为期望输出,训练得到生成模型。
在本实现方式中,上述训练样本集中的训练样本可以包括网格图和与网格图对应的边界像素点信息。作为示例,训练样本可以是通过以下方式得到:首先,根据接收的定位请求信息确定针对样本兴趣面的到访信息,其中,到访信息包括多个针对样本兴趣面的到访点的位置信息。之后,根据多个针对样本兴趣面的到访点的位置信息,确定包含多个到访点的到访点分布图。然后,将到访点分布图进行网格划分,得到网格图。最后,接收技术人员针对得到网格图输入的标注信息,并根据标注信息对网格图中的像素点进行标注。作为示例,技术人员可以通过在网格图中直接画出样本兴趣面轮廓的方式,输入标注信息。这样,执行主体可以根据技术人员所画的样本兴趣面轮廓,确定网格图中各个像素点的类型,其中,像素点的类型可以包括边界像素点和普通像素点。例如,可以将技术人员所画的样本兴趣面轮廓处对应的像素点标注为边界像素点,其他像素点标注为普通像素点。
作为示例,训练生成模型的执行主体可以与上述主体相同,也可以不同。作为示例,训练生成模型的执行主体可以首先确定初始模型以及初始模型的模型参数。这里,初始模型可以用于表征网格图与边界像素点信息的对应关系,初始模型可以是深度卷积神经网络、深度神经网络等等各种用于进行语义分割的神经网络模型。之后,可以将训练样本集中的训练样本中的网格图输入初始模型,得到该网格图的边界像素点信息,将该网格图对应的边界像素点信息作为初始模型的期望输出,利用机器学习方法训练初始模型。具体地,可以首先利用预设的损失函数计算所得到的边界像素点信息与期望输出之间的差异。然后,可以基于计算所得的差异,调整初始模型的模型参数,并在满足预设的训练结束条件的情况下,结束训练,得到生成模型。例如,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长,训练次数超过预设次数,初始模型的预测准确率大于预设准确率阈值等等。
这里,可以采用各种实现方式基于所生成的边界像素点信息与期望输出之间的差异调整初始模型的模型参数。例如,可以采用BP(Back Propagation,反向传播)算法或者SGD(Stochastic Gradient Descent,随机梯度下降)算法来调整初始模型的模型参数。
步骤905,根据得到的边界像素点信息,生成针对目标兴趣面的轮廓信息。
在本实施例中,上述执行主体可以预先存储有第一网格图中的地理位置信息(例如,横纵坐标)与像素点的对应关系。这样,根据步骤904中得到的边界像素点信息,上述执行主体可以确定第一网格图中哪些地理位置是目标兴趣点的边界位置,并生成目标兴趣面的轮廓信息。
从图9中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程900突出了使用生成模型生成边界像素点信息的步骤,而生成模型是通过大量的训练样本训练得到的。由此,本实施例描述的方法可以使生成的目标兴趣面的轮廓信息更加准确。
进一步参考图10,作为对上述各图所示方法的实现,本申请提供了一种用于生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图10所示,本实施例的用于生成信息的装置1000包括:第一确定单元1001、第二确定单元1002、划分单元1003和生成单元1004。其中,第一确定单元1001被配置成根据接收的定位请求信息,确定针对目标兴趣面的到访信息,其中,上述到访信息包括至少一个到访点的位置信息;第二确定单元1002被配置成根据上述至少一个到访点的位置信息,确定包含上述至少一个到访点的到访点分布图;划分单元1003被配置成将上述到访点分布图进行网格划分,得到包含至少一个网格的第一网格图;生成单元1004被配置成基于上述第一网格图,生成针对上述目标兴趣面的轮廓信息。
在本实施例中,用于生成信息的装置1000的第一确定单元1001、第二确定单元1002、划分单元1003和生成单元1004的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述生成单元1004包括:过滤单元(图中未示出),被配置成对上述第一网格图中的网格进行过滤处理,得到第二网格图;生成子单元(图中未示出),被配置成从上述第二网格图中确定网格作为边界网格,以及根据边界网格的位置信息生成上述目标兴趣面的轮廓信息。
在本实施例的一些可选的实现方式中,上述第二网格图包括道路位置信息;以及上述生成子单元进一步被配置成:根据上述道路位置信息和上述第二网格图中网格的位置信息,从上述第二网格图中确定网格作为边界网格。
在本实施例的一些可选的实现方式中,上述过滤单元进一步被配置成:对于上述第一网格图中的网格,执行以下过滤处理:确定该网格中包括的到访点的数量是否小于预先设定的数量阈值;响应于确定该网格中包括的到访点的数量小于上述数量阈值,将该网格进行删除;响应于确定上述第一网格图中的各网格执行完成上述过滤处理,将处理后的第一网格图作为上述第二网格图。
在本实施例的一些可选的实现方式中,上述生成单元1004进一步被配置成:将上述第一网格图输入预先建立的生成模型,得到边界像素点信息,其中,上述生成模型用于表征网格图与边界像素点信息的对应关系;根据得到的边界像素点信息,生成针对上述目标兴趣面的轮廓信息。
在本实施例的一些可选的实现方式中,上述生成模型是通过以下方式训练得到的:获取训练样本集,其中,训练样本包括网格图和与网格图对应的边界像素点信息;将上述训练样本集中的训练样本的网格图作为输入,将与输入的网格图对应的边界像素点信息作为期望输出,训练得到上述生成模型。
下面参考图11,其示出了适于用来实现本申请实施例的服务器的计算机系统1100的结构示意图。图11示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图11所示,计算机系统1100包括中央处理单元(CPU)1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中,还存储有系统1100操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
以下部件连接至I/O接口1105:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(CPU)1101执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一确定单元、第二确定单元、划分单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一确定单元还可以被描述为“根据接收的定位请求信息确定针对目标兴趣面的到访信息的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:根据接收的定位请求信息,确定针对目标兴趣面的到访信息,其中,上述到访信息包括至少一个到访点的位置信息;根据上述至少一个到访点的位置信息,确定包含上述至少一个到访点的到访点分布图;将上述到访点分布图进行网格划分,得到包含至少一个网格的第一网格图;基于上述第一网格图,生成针对上述目标兴趣面的轮廓信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于生成信息的方法,包括:
根据接收的定位请求信息,确定针对目标兴趣面的到访信息,包括:根据所接收的多个终端设备发送的定位请求信息生成多个定位数据;从所述多个定位数据中选取多个位于预定的地理区域内的定位数据作为目标定位数据,其中,所述预定的地理区域内包括目标兴趣面;对于各目标定位数据,预测该目标定位数据对应的终端设备的使用者到访的兴趣面,并将预测得到的兴趣面作为预测兴趣面;响应于确定预测兴趣面为目标兴趣面,使用该目标定位数据生成针对目标兴趣面的到访信息,其中,所述到访信息包括至少一个到访点的位置信息;
根据所述至少一个到访点的位置信息,确定包含所述至少一个到访点的到访点分布图;
将所述到访点分布图进行网格划分,得到包含至少一个网格的第一网格图,其中,所述第一网格图中的网格包括至少一个到访点;
基于所述第一网格图,生成针对所述目标兴趣面的轮廓信息。
2.根据权利要求1所述的方法,其中,所述基于所述第一网格图,生成针对所述目标兴趣面的轮廓信息,包括:
对所述第一网格图中的网格进行过滤处理,得到第二网格图;
从所述第二网格图中确定网格作为边界网格,以及根据边界网格的位置信息生成所述目标兴趣面的轮廓信息。
3.根据权利要求2所述的方法,其中,所述第二网格图包括道路位置信息;以及
所述从所述第二网格图中确定网格作为边界网格,包括:
根据所述道路位置信息和所述第二网格图中网格的位置信息,从所述第二网格图中确定网格作为边界网格。
4.根据权利要求2所述的方法,其中,所述对所述第一网格图进行过滤处理,得到第二网格图,包括:
对于所述第一网格图中的网格,执行以下过滤处理:确定该网格中包括的到访点的数量是否小于预先设定的数量阈值;响应于确定该网格中包括的到访点的数量小于所述数量阈值,将该网格进行删除;
响应于确定所述第一网格图中的各网格执行完成所述过滤处理,将处理后的第一网格图作为所述第二网格图。
5.根据权利要求1所述的方法,其中,所述基于所述第一网格图,生成针对所述目标兴趣面的轮廓信息,包括:
将所述第一网格图输入预先建立的生成模型,得到边界像素点信息,其中,所述生成模型用于表征网格图与边界像素点信息的对应关系;
根据得到的边界像素点信息,生成针对所述目标兴趣面的轮廓信息。
6.根据权利要求5所述的方法,其中,所述生成模型是通过以下方式训练得到的:
获取训练样本集,其中,训练样本包括网格图和与网格图对应的边界像素点信息;
将所述训练样本集中的训练样本的网格图作为输入,将与输入的网格图对应的边界像素点信息作为期望输出,训练得到所述生成模型。
7.一种用于生成信息的装置,包括:
第一确定单元,被配置成根据接收的定位请求信息,确定针对目标兴趣面的到访信息,包括:根据所接收的多个终端设备发送的定位请求信息生成多个定位数据;从所述多个定位数据中选取多个位于预定的地理区域内的定位数据作为目标定位数据,其中,所述预定的地理区域内包括目标兴趣面;对于各目标定位数据,预测该目标定位数据对应的终端设备的使用者到访的兴趣面,并将预测得到的兴趣面作为预测兴趣面;响应于确定预测兴趣面为目标兴趣面,使用该目标定位数据生成针对目标兴趣面的到访信息,其中,所述到访信息包括至少一个到访点的位置信息;
第二确定单元,被配置成根据所述至少一个到访点的位置信息,确定包含所述至少一个到访点的到访点分布图;
划分单元,被配置成将所述到访点分布图进行网格划分,得到包含至少一个网格的第一网格图,其中,所述第一网格图中的网格包括至少一个到访点;
生成单元,被配置成基于所述第一网格图,生成针对所述目标兴趣面的轮廓信息。
8.根据权利要求7所述的装置,其中,所述生成单元包括:
过滤单元,被配置成对所述第一网格图中的网格进行过滤处理,得到第二网格图;
生成子单元,被配置成从所述第二网格图中确定网格作为边界网格,以及根据边界网格的位置信息生成所述目标兴趣面的轮廓信息。
9.根据权利要求8所述的装置,其中,所述第二网格图包括道路位置信息;以及
所述生成子单元进一步被配置成:
根据所述道路位置信息和所述第二网格图中网格的位置信息,从所述第二网格图中确定网格作为边界网格。
10.根据权利要求8所述的装置,其中,所述过滤单元进一步被配置成:
对于所述第一网格图中的网格,执行以下过滤处理:确定该网格中包括的到访点的数量是否小于预先设定的数量阈值;响应于确定该网格中包括的到访点的数量小于所述数量阈值,将该网格进行删除;
响应于确定所述第一网格图中的各网格执行完成所述过滤处理,将处理后的第一网格图作为所述第二网格图。
11.根据权利要求7所述的装置,其中,所述生成单元进一步被配置成:
将所述第一网格图输入预先建立的生成模型,得到边界像素点信息,其中,所述生成模型用于表征网格图与边界像素点信息的对应关系;
根据得到的边界像素点信息,生成针对所述目标兴趣面的轮廓信息。
12.根据权利要求11所述的装置,其中,所述生成模型是通过以下方式训练得到的:
获取训练样本集,其中,训练样本包括网格图和与网格图对应的边界像素点信息;
将所述训练样本集中的训练样本的网格图作为输入,将与输入的网格图对应的边界像素点信息作为期望输出,训练得到所述生成模型。
13.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811302018.1A CN109359170B (zh) | 2018-11-02 | 2018-11-02 | 用于生成信息的方法和装置 |
US16/568,927 US11512970B2 (en) | 2018-11-02 | 2019-09-12 | Method and apparatus for generating information |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811302018.1A CN109359170B (zh) | 2018-11-02 | 2018-11-02 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109359170A CN109359170A (zh) | 2019-02-19 |
CN109359170B true CN109359170B (zh) | 2020-05-12 |
Family
ID=65343942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811302018.1A Active CN109359170B (zh) | 2018-11-02 | 2018-11-02 | 用于生成信息的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11512970B2 (zh) |
CN (1) | CN109359170B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109933638B (zh) * | 2019-03-19 | 2023-05-23 | 腾讯科技(深圳)有限公司 | 基于电子地图的目标区域轮廓确定方法、装置及存储介质 |
CN113450034A (zh) * | 2020-03-24 | 2021-09-28 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN111523061B (zh) * | 2020-04-23 | 2023-03-21 | 北京百度网讯科技有限公司 | 用于生成兴趣面的方法和装置 |
CN111652956B (zh) * | 2020-05-19 | 2023-07-07 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种元网格轮廓边界优化方法、介质及终端设备 |
CN111695488B (zh) * | 2020-06-09 | 2023-09-08 | 北京百度网讯科技有限公司 | 兴趣面识别方法、装置、设备以及存储介质 |
US11270438B2 (en) * | 2020-06-12 | 2022-03-08 | Samasource Impact Sourcing, Inc. | System and method for triggering machine learning (ML) annotation model retraining |
CN111966925B (zh) * | 2020-06-30 | 2024-04-09 | 北京百度网讯科技有限公司 | 楼栋兴趣点判重方法、装置、电子设备和存储介质 |
CN112215864B (zh) * | 2020-11-05 | 2022-08-30 | 腾讯科技(深圳)有限公司 | 电子地图的轮廓处理方法、装置及电子设备 |
CN113420095B (zh) * | 2021-05-25 | 2022-11-11 | 上海交通大学 | 一种基于边界反衍的可视栅格处理方法及系统 |
CN113988701B (zh) * | 2021-11-15 | 2023-07-18 | 广州极飞科技股份有限公司 | 地势分析方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893998A (zh) * | 2016-03-30 | 2016-08-24 | 北京奇虎科技有限公司 | 一种指定区域内的实点的密度估计方法和装置 |
CN107105055A (zh) * | 2017-05-23 | 2017-08-29 | 上海双微导航技术有限公司 | 一种基于位置信息的应用和地理信息匹配系统 |
CN108010282A (zh) * | 2017-11-30 | 2018-05-08 | 中冶南方工程技术有限公司 | 有毒气体分布时图的绘制方法及有毒气体场所的救助方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7197500B1 (en) * | 1996-10-25 | 2007-03-27 | Navteq North America, Llc | System and method for use and storage of geographic data on physical media |
US9397890B2 (en) * | 2009-02-02 | 2016-07-19 | Waldeck Technology Llc | Serving a request for data from a historical record of anonymized user profile data in a mobile environment |
WO2014182280A1 (en) * | 2013-05-07 | 2014-11-13 | Empire Technology Development Llc | Online data management |
US20150133167A1 (en) * | 2013-11-08 | 2015-05-14 | Qualcomm Incorporated | Techniques for efficient rf heat map representation |
EP3695349A1 (en) * | 2017-10-10 | 2020-08-19 | Xad, Inc. | Systems and methods for using geo-blocks and geo-fences to discover lookalike mobile devices |
CN110234062B (zh) * | 2018-03-05 | 2022-02-25 | 腾讯科技(深圳)有限公司 | 定位方法、定位装置、服务器和计算机可读存储介质 |
US11263751B2 (en) * | 2018-10-26 | 2022-03-01 | Samsung Electronics Co., Ltd. | Method and apparatus for image segmentation using an event sensor |
-
2018
- 2018-11-02 CN CN201811302018.1A patent/CN109359170B/zh active Active
-
2019
- 2019-09-12 US US16/568,927 patent/US11512970B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893998A (zh) * | 2016-03-30 | 2016-08-24 | 北京奇虎科技有限公司 | 一种指定区域内的实点的密度估计方法和装置 |
CN107105055A (zh) * | 2017-05-23 | 2017-08-29 | 上海双微导航技术有限公司 | 一种基于位置信息的应用和地理信息匹配系统 |
CN108010282A (zh) * | 2017-11-30 | 2018-05-08 | 中冶南方工程技术有限公司 | 有毒气体分布时图的绘制方法及有毒气体场所的救助方法 |
Also Published As
Publication number | Publication date |
---|---|
US11512970B2 (en) | 2022-11-29 |
US20200141753A1 (en) | 2020-05-07 |
CN109359170A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359170B (zh) | 用于生成信息的方法和装置 | |
CN108874919B (zh) | 规划用地自动核查方法、电子设备、存储介质及系统 | |
US11481666B2 (en) | Method and apparatus for acquiring information | |
US20170067744A1 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
CN106845470B (zh) | 地图数据采集方法和装置 | |
CN109799550B (zh) | 用于预测降雨强度的方法和装置 | |
CN110608982A (zh) | 检测方法、装置、移动设备、电子设备及存储介质 | |
CN111294730B (zh) | 一种网络问题投诉信息处理的方法及装置 | |
CN110619807B (zh) | 生成全局热力图的方法和装置 | |
CN109327887B (zh) | 用于生成信息的方法和装置 | |
CN110618982A (zh) | 一种多源异构数据的处理方法、装置、介质及电子设备 | |
CN110457407B (zh) | 用于处理点云数据的方法和装置 | |
CN109088793B (zh) | 用于检测网络故障的方法和装置 | |
CN109344294B (zh) | 特征生成方法、装置、电子设备及计算机可读存储介质 | |
CN113869599A (zh) | 鱼类疫病发展预测方法、系统、设备及介质 | |
CN109388684B (zh) | 用于生成信息的方法和装置 | |
CN115640372A (zh) | 一种室内平面的区域指引方法、装置、系统、设备及介质 | |
CN113808134B (zh) | 油罐布局信息生成方法、装置、电子设备、介质 | |
CN115100231A (zh) | 一种区域边界的确定方法和装置 | |
CN112597174B (zh) | 地图更新方法、装置、电子设备和计算机可读介质 | |
CN114119973A (zh) | 一种基于图像语义分割网络的空间距离预测方法及系统 | |
CN111369624A (zh) | 定位方法和装置 | |
CN112435224B (zh) | 一种停止线提取的置信度评估方法及装置 | |
CN106981034B (zh) | 生成住房使用信息的方法和装置 | |
CN110633334A (zh) | 用于获取信息的方法及装置 |
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 |