CN110726418B - 兴趣点区域确定方法、装置、设备及存储介质 - Google Patents

兴趣点区域确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110726418B
CN110726418B CN201910959421.XA CN201910959421A CN110726418B CN 110726418 B CN110726418 B CN 110726418B CN 201910959421 A CN201910959421 A CN 201910959421A CN 110726418 B CN110726418 B CN 110726418B
Authority
CN
China
Prior art keywords
clustering
data
determining
grid data
interest
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
CN201910959421.XA
Other languages
English (en)
Other versions
CN110726418A (zh
Inventor
路新江
李岩岩
段建国
熊辉
杜广雷
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910959421.XA priority Critical patent/CN110726418B/zh
Publication of CN110726418A publication Critical patent/CN110726418A/zh
Priority to US16/864,648 priority patent/US11740102B2/en
Application granted granted Critical
Publication of CN110726418B publication Critical patent/CN110726418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/26—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
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G01C21/3682—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities output of POI information on a road map

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Navigation (AREA)

Abstract

本申请公开了兴趣点区域确定方法、装置、设备及存储介质，涉及自动驾驶领域。具体实现方案为：该方法应用于电子设备，包括：接收第一用户输入的兴趣点区域确定请求，兴趣点区域确定请求中包括目标区域范围；响应于兴趣点区域确定请求，获取目标区域范围内至少一个区块的网格数据；针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据定位数据，网格数据和父兴趣点个数对对应的网格数据进行聚类；根据聚类结果确定各区块内的至少一个POI区域。

Description

兴趣点区域确定方法、装置、设备及存储介质
技术领域
本申请涉及到图像处理技术领域，尤其涉及智能交通技术。
背景技术
兴趣点(英文全称为：Point of Interest,简称：POI)被广泛应用于地图学和导航系统中。为了满足可标识的需求，一个POI通常须包含名称、类别、地理坐标、区域等基本信息。其中，POI区域即为POI的占地面积所在的区域。
现有技术中POI区域确定方法仍然以人工方式进行。具体地，该方式采用专业的采集车辆在预设的POI边界行驶，车辆行驶过程中按照定位频率定位行驶过程中每个点的经纬度坐标,在车辆行驶的起点位置与终点位置重合时，由每个点的经纬度坐标形成POI的边界线，由POI边界线所围起来的区域即为确定出的POI区域。
所以现有技术中对POI区域的确定方法具有很高的设备成本和人工成本。并且由于采集效率较低导致确定POI区域的效率较低。
发明内容
本申请实施例提供一种兴趣点区域确定方法、装置、设备及存储介质，解决了现有技术中对POI区域的确定方法具有很高的设备成本和人工成本。并且由于采集效率不高，导致确定POI区域的效率较低的技术问题。
本申请实施例第一方面提供一种兴趣点区域确定方法,所述方法应用于电子设备，所述方法包括：
接收第一用户输入的兴趣点区域确定请求，所述兴趣点区域确定请求中包括目标区域范围；响应于所述兴趣点区域确定请求，获取所述目标区域范围内至少一个区块的网格数据；针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类；根据聚类结果确定各区块内的至少一个POI区域。
本申请实施例中，由于能够根据活动在区块内的用户的定位数据与网格的关联关系对每个区块的网格进行聚类，用户的定位数据可以将在一个POI区域的网格进行紧密关联，所以将具有紧密关联关系的网格聚类在一起，能够确定出对应的POI区域，无需人工确定，进而降低了成本，并且提高了POI区域的确定效率。
进一步地，如上所述的方法，所述获取所述目标区域范围内至少一个区块的网格数据，包括：
获取所述目标区域范围内的道路数据；根据所述道路数据生成对应的路网数据；将所述路网数据中的各多边形确定为各区块；将各所述区块进行网格划分，以获取对应的网格数据。
本申请实施例中，获取目标区域范围内的道路数据，并根据道路数据生成对应的路网数据，由路网数据确定区块并确定区块内的网格数据，由于区块是由道路数据经过处理后生成的，POI区域周围会存在多条道路，所以由道路所围成的区块内可包括至少一个POI区域，为后续确定POI区域提供数据支持。
进一步地，如上所述的方法，所述根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类，包括：
根据所述定位数据和所述网格数据生成对应的定位贡献关系图；将所述父兴趣点个数确定为对应的聚类中心个数；根据所述定位贡献关系图并按照所述聚类中心个数对对应的网格数据进行聚类。
本申请实施例中，由于定位贡献关系图能够准确反映活动在区块内的用户的定位数据与网格的关联关系，所以根据定位贡献关系图并按照聚类中心个数对对应的网格数据进行聚类，能够准确将具有紧密关联关系的网格聚类在一起，确定出与父兴趣点个数对应的POI区域，提高了确定POI区域的准确性。
进一步地，如上所述的方法，所述根据所述定位数据和所述网格数据生成对应的定位贡献关系图，包括：
根据所述网格数据生成对应的定位贡献关系图的节点；根据所述定位数据确定任意两个节点间是否存在无向边；若所述两个节点间存在无向边，则根据所述定位数据确定所述无向边的权值；根据所述节点和所述无向边的权值生成对应的定位贡献关系图。
本申请实施例中，根据定位数据和所述网格数据生成对应的定位贡献关系图时，根据所述定位数据确定任意两个节点间是否存在无向边，若所述两个节点间存在无向边，则根据所述定位数据确定所述无向边的权值，使生成的定位贡献关系图能够准确反映活动在区块内的用户的定位数据与网格的关联关系。
进一步地，如上所述的方法，所述根据所述定位数据确定任意两个节点间是否存在无向边，包括：
若根据所述定位数据确定所述第二用户在预设时间段内先后访问过两个节点，则确定所述两个节点间存在无向边；若根据所述定位数据确定所述第二用户在各预设时间段内均未先后访问过所述两个节点，则确定所述两个节点间不存在无向边。
本申请实施例中，以定位数据中第二用户在预设时间段内是否先后访问过两个节点来确定两个节点间是否存在无向边，能够确定存在无向边的网格数据间具有紧密关联关系，而不存在无向边的网格数据间不具有紧密关联关系。
所述根据所述定位数据确定所述无向边的权值，包括：
根据在各预设时间段内先后访问过所述两个节点的频次确定所述无向边的权值；其中，所述频次与所述无向边的权值呈正相关关系。
本申请实施例中，采用各预设时间段内先后访问过所述两个节点的频次确定所述无向边的权值，能够根据无向边的权值准确反映无向边的网格数据间的紧密关联的程度。
进一步地，如上所述的方法，所述根据所述定位贡献关系图并按照所述聚类中心个数对对应的网格数据进行聚类，包括：
根据所述定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值；根据所述聚类参数值从所述网格数据中筛选出聚类中心网格数据，所述聚类中心网格数据的个数与所述聚类中心个数相同；确定每个网格数据与各聚类中心网格数据的匹配关系值；根据所述匹配关系值确定每个网格数据所属类别。
本申请实施例中，将定位贡献关系图融入到对聚类参数值的计算中，使计算出的聚类参数值能够真实反映用户的定位数据与网格的关联关系，在按照网格数据的聚类参数值和聚类中心网格数据对网格进行聚类后，能够使具有紧密关联关系的网格聚类在一起，形成与聚类中心网格数据同一类别的网格簇，进而确定出对应的POI区域。
进一步地，如上所述的方法，所述预设聚类模型为密度峰值聚类模型；
所述根据所述定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值，包括：
根据所述定位贡献关系图中无向边的权值和所述无向边对应的两个节点的距离确定所述无向边起点的网格数据的第一聚类参数值；根据所述定位贡献关系图中每个节点与对应的预设高密度节点的距离确定该节点对应网格数据的第二聚类参数值。
本申请实施例中，由于密度峰值聚类模型能够聚类出不规则的簇，POI区域也是不规则的，所以更加适用于对POI区域的确定方法中，并且将定位贡献关系图融入到对密度峰值聚类模型的聚类参数值的计算中，使计算出的聚类参数值能够真实反映用户的定位数据与网格的关联关系。
进一步地，如上所述的方法，所述根据所述聚类参数值从所述网格数据中筛选出聚类中心网格数据，包括：
将所述网格数据按照所述第一聚类参数值和所述第二聚类参数分别进行排序；获取所述第一聚类参数值和所述第二聚类参数值均排在前M个的网格数据；根据所述第一聚类参数值和所述第二聚类参数值的乘积值从所述前M个网格数据中筛选出N个网格数据；将所述N个网格数据确定为所述聚类中心网格数据。
本申请实施例中，由于首先选出第一聚类参数值和所述第二聚类参数值均排在前M个的网格数据，再通过第一聚类参数值和所述第二聚类参数值的乘积值从所述前M个网格数据中筛选出N个网格数据，所以使选择出来的聚类中心网格数据的密度大于周围邻居网格数据的密度；并且聚类中心网格数据与高密度网格数据之间的距离相对较大，使选择出来的聚类中心网格数据更加适用于密度峰值聚类模型。
进一步地，如上所述的方法，所述匹配关系值为对应的无向边的权值；
所述根据所述匹配关系值确定每个网格数据所属类别，包括：
将最大无向边的权值所对应的聚类中心网格数据所属类别确定为该网格数据所属类别。
本申请实施例中，将最大无向边的权值所对应的聚类中心网格数据所属类别确定为该网格数据所属类别，由于无线边的权值反映了网格数据与聚类中心网格数据的紧密关联程度，所以将紧密关联程度最大的聚类中心网格数据所属类别确定为该网格数据所属类别，使确定出的网格数据所属类别更加准确。
进一步地，如上所述的方法，所述根据聚类结果确定各区块内的至少一个POI区域，包括：
将各区块内各类别的网格数据所在的区域确定为对应类别的POI区域。
进一步地，所述根据聚类结果确定各区块内的至少一个POI区域之后，还包括：
根据所述POI区域中所包含的父兴趣点和子兴趣点对所述聚类结果进行验证。
本申请实施例中，根据所述POI区域中所包含的父兴趣点和子兴趣点对所述聚类结果进行验证，能够确定聚类出的POI区域是否准确。
进一步地，本申请实施例中，所述根据聚类结果确定各区块内的至少一个POI区域之后，还包括：
对所述POI区域的边界进行平滑处理。
本申请实施例中，将POI区域的边界进行平滑处理，能够消除POI区域边界的锯齿现象。
进一步地，如上所述的方法，所述根据所述POI区域中所包含的父兴趣点和子兴趣点对所述聚类结果进行验证之后，还包括：
若聚类结果通过验证，则输出各区块内的至少一个POI区域；
将各POI区域以对应的展示策略进行显示。
本申请实施例中，在确定出区块中的至少一个POI区域后，将各POI区域以对应的展示策略进行显示，能够将相邻的POI区域进行区分显示。更加便于用户对确定出的POI区域的查看。
本申请实施例第二方面提供一种兴趣点区域确定装置，所述装置位于电子设备，所述装置包括：
请求接收模块，用于接收第一用户输入的兴趣点区域确定请求，所述兴趣点区域确定请求中包括目标区域范围。网格数据获取模块，用于响应于所述兴趣点区域确定请求，获取所述目标区域范围内至少一个区块的网格数据。区块聚类模块，用于针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类。POI区域确定模块，用于根据聚类结果确定各区块内的至少一个POI区域。
进一步地，如上所述的装置，网格数据获取模块，在获取目标区域范围内至少一个区块的网格数据时，具体用于获取目标区域范围内的道路数据。根据道路数据生成对应的路网数据。将路网数据中的各多边形确定为各区块。将各区块进行网格划分，以获取对应的网格数据。
进一步地，如上所述的装置，区块聚类模块，在根据定位数据，网格数据和父兴趣点个数对对应的网格数据进行聚类时，具体用于根据定位数据和网格数据生成对应的定位贡献关系图；将父兴趣点个数确定为对应的聚类中心个数；根据定位贡献关系图并按照聚类中心个数对对应的网格数据进行聚类。
进一步地，如上所述的装置，区块聚类模块，在根据定位数据和网格数据生成对应的定位贡献关系图时，具体用于根据网格数据生成对应的定位贡献关系图的节点；根据定位数据确定任意两个节点间是否存在无向边；若两个节点间存在无向边，则根据定位数据确定无向边的权值；根据节点和无向边的权值生成对应的定位贡献关系图。
进一步地，如上所述的装置，区块聚类模块，在根据定位数据确定任意两个节点间是否存在无向边时，具体用于若根据定位数据确定第二用户在预设时间段内先后访问过两个节点，则确定两个节点间存在无向边；若根据定位数据确定第二用户在各预设时间段内均未先后访问过两个节点，则确定两个节点间不存在无向边。
进一步地，如上所述的装置，区块聚类模块，在根据定位数据确定无向边的权值时，具体用于根据在各预设时间段内先后访问过两个节点的频次确定无向边的权值。其中，频次与无向边的权值呈正相关关系。
进一步地，如上所述的装置，区块聚类模块，在根据定位贡献关系图并按照聚类中心个数对对应的网格数据进行聚类时，具体用于根据定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值；根据聚类参数值从网格数据中筛选出聚类中心网格数据，聚类中心网格数据的个数与聚类中心个数相同；确定每个网格数据与各聚类中心网格数据的匹配关系值；根据匹配关系值确定每个网格数据所属类别。
进一步地，如上所述的装置，预设聚类模型为密度峰值聚类模型。相应地，区块聚类模块，在根据定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值时，具体用于根据定位贡献关系图中无向边的权值和无向边对应的两个节点的距离确定无向边起点的网格数据的第一聚类参数值；根据定位贡献关系图中每个节点与对应的预设高密度节点的距离确定该节点对应网格数据的第二聚类参数值。
进一步地，如上所述的装置，区块聚类模块，在根据聚类参数值从网格数据中筛选出聚类中心网格数据时，具体用于将网格数据按照第一聚类参数值和第二聚类参数分别进行排序；获取第一聚类参数值和第二聚类参数值均排在前M个的网格数据；根据第一聚类参数值和第二聚类参数值的乘积值从前M个网格数据中筛选出N个网格数据；将N个网格数据确定为聚类中心网格数据。
进一步地，如上所述的装置，匹配关系值为对应的无向边的权值。区块聚类模块，在根据匹配关系值确定每个网格数据所属类别时，具体用于将最大无向边的权值所对应的聚类中心网格数据所属类别确定为该网格数据所属类别。
进一步地，如上所述的装置，POI区域确定模块，具体用于将各区块内各类别的网格数据所在的区域确定为对应类别的POI区域。
进一步地，如上所述的装置，还包括：平滑处理模块，用于对POI区域的边界进行平滑处理。
进一步地，如上所述的装置，还包括：结果验证模块，用于根据POI区域中所包含的父兴趣点和子兴趣点对聚类结果进行验证。
进一步地，如上所述的装置，还包括：显示模块，用于若聚类结果通过验证，则输出各区块内的至少一个POI区域；将各POI区域以对应的展示策略进行显示。
本申请实施例第三方面提供一种电子设备,包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够第一方面中任一项所述的方法。
本申请实施例第四方面提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面任一项所述的方法。
本申请实施例第五方面提供一种兴趣点区域确定方法，包括：
获取所述目标区域范围内至少一个区块的网格数据；针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类；根据聚类结果确定各区块内的至少一个POI区域。
本申请实施例第六方面提供一种计算机程序，包括程序代码，当计算机运行所述计算机程序时，所述程序代码执行如第一方面所述的方法。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是可以实现本申请实施例的兴趣点区域确定方法的场景图；
图2是根据本申请第一实施例提供的兴趣点区域确定方法的流程示意图；
图3是根据本申请第二实施例提供的兴趣点区域确定方法的流程示意图；
图4是根据本申请第二实施例提供的兴趣点区域确定方法步骤202的流程示意图；
图5是根据本申请第二实施例提供的兴趣点区域确定方法中路网数据示意图；
图6是根据本申请第二实施例提供的兴趣点区域确定方法步骤204的流程示意图；
图7是根据本申请第二实施例提供的兴趣点区域确定方法步骤206的流程示意图；
图8是根据本申请第二实施例提供的兴趣点区域确定方法中步骤2062的流程示意图；
图9是根据本申请第二实施例提供的兴趣点区域确定方法中确定出的POI区域示意图；
图10是可以应用本申请实施例的兴趣点区域确定方法的应用场景图；
图11为根据本申请第三实施例提供的兴趣点区域确定装置的结构示意图；
图12为根据本申请第四实施例提供的兴趣点区域确定装置的结构示意图；
图13是用来实现本申请实施例的兴趣点区域确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了清楚理解本申请的技术方案，首先对本申请实施例中提到的术语和算法进行解释：
兴趣点(POI)：POI是指电子地图上的某个地标、景点，用以标示该地点所代表的行政部门、商业机构、旅游景点、名胜古迹、交通设施等。POI通常须包含名称、类别、地理坐标、区域等基本信息。
密度峰值聚类模型：密度峰值聚类模型(简称：DPCA)进行聚类的核心思想是寻找被低密度区域分离的高密度区域。密度峰值聚类模型基于这样的假设：首先类簇中心点的密度大于周围邻居点的密度；其次类簇中心点与高密度点之间的距离相对较大。因此，密度峰值聚类模型主要有两个需要计算的聚类参数：第一为目标点的局部密度；第二为目标点与高密度点之间的距离。
下面对本申请实施例提供的兴趣点区域确定方法的实现场景进行介绍。如图1所示，本申请实施例提供的兴趣点区域确定方法对应的实现场景中包括至少一个数据库和电子设备。电子设备与至少一个数据库通信连接获取数据。其中，至少一个数据库可以包括：存储电子地图中POI数据的POI数据库，存储电子地图道路数据的道路数据库，以及存储第二用户的定位数据的定位数据库。其中，在POI数据库中能够获取到每个区块对应的POI数据，包括每个区块对应的父兴趣点名称和个数，每个父兴趣点对应的子兴趣点名称及个数等。从定位数据库中能够获取第二用户在各个区块中每个预设时间段内的定位数据。从道路数据库中，能够获取到电子地图中的预设级数的道路数据。可以理解的是，这些数据库也可以集成一起，并可存储到电子设备中。具体地，在执行本申请实施例中的兴趣点区域确定方法时，从道路数据库中获取目标区域范围的道路数据，并对道路数据进行处理后获取至少一个区块及至少一个区块的网格数据，根据各区块的标识信息可从定位数据库中获取各区块中第二用户在每个预设时间段内的定位数据。并根据各区块的标识信息从POI数据库中获取各区块中的父兴趣点个数。在获取到各区块的网格数据及对应的定位数据和父兴趣点个数后，针对每个区块，根据定位数据，网格数据和父兴趣点个数对对应的网格数据进行聚类，根据聚类结果确定各区块内的至少一个POI区域。其中，每一个POI区域均为一个相对独立的功能区域。如POI区域可以为写字楼、住宅区、商场等。由于大部分第二用户的定位数据在相对较短的时间内仅会出现在一个独立的功能区域内。若将区块进行网格划分，通过活动在区块内的第二用户的定位数据可以将在一个独立功能区域的网格进行紧密关联，而在不同独立功能区域的网格没有紧密关联关系，而且一个POI区域中的父兴趣点个数均为一个。所以通过用户的定位数据与网格的关联关系进行聚类，能够得到该区块内与父兴趣点个数相同的具有紧密关联关系的网格簇，每个网格簇所在的区域即可作为一个POI区域。本申请实施例中的兴趣点区域确定方法采用数据间的关联关系即可确定POI区域，无需人工确定，进而降低了成本，并且提高了POI区域的确定效率。
以下将参照附图来具体描述本申请的实施例。
实施例一
图2是根据本申请第一实施例提供的兴趣点区域确定方法的流程示意图，如图2所示，本申请实施例的执行主体为兴趣点区域确定装置，该兴趣点区域确定装置可以集成在电子设备中。则本实施例提供的兴趣点区域确定方法包括以下几个步骤。
步骤101，接收第一用户输入的兴趣点区域确定请求，兴趣点区域确定请求中包括目标区域范围。
其中，第一用户为确定兴趣点区域的用户。
本实施例中，目标区域范围即为确定出至少一个POI区域的待处理的区域范围。如可以为某一国家，某一省市或者某一城市的某个区等。
具体地，本实施例中，电子设备可提供一个确定兴趣点区域的客户端或网页，在客户端或网页上可包括目标区域范围的输入或选择操作项，通过该操作项输入或选择出目标区域范围后，可点击发送请求操作项，即可发出兴趣点区域确定请求。第一电子设备接收到该兴趣点区域确定请求。在该兴趣点区域确定请求中包括目标区域范围。
步骤102，响应于兴趣点区域确定请求，获取目标区域范围内至少一个区块的网格数据。
具体地，本实施例中，电子设备提取出兴趣点区域确定请求中的目标区域范围，可从道路数据库中获取到该目标区域范围对应的电子地图道路数据。对道路数据进行处理，形成至少一个区块的网格数据。
其中，每个区块可以为多边形，多边形内的网格数据可以为将多边形均匀划分成矩形的网格数据。
值得说明的是，由于区块是由道路数据经过处理后生成的，POI区域周围会存在多条道路，所以由道路所围成的区块内可包括至少一个POI区域。
步骤103，针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据定位数据，网格数据和父兴趣点个数对对应的网格数据进行聚类。
可以理解的是，本实施例中，是针对每个区块来确定在其内的POI区域的。
所以本实施例中，可针对每个区块，进行如下处理：
首先可从定位数据库中获取该区块的第二用户在每个预设时间段内的定位数据。其中，第二用户为在区块内活动的用户。第二用户为多个，由多个第二用户构成用户集合。具体地，可采用用户集合中每个第二用户的终端设备的定位模块对第二用户进行定位。在对第二用户进行具体定位时，预先设置一个时间段，该时间段为相对较短的时间段，如可以为半小时，1小时等。则可统计一天内，一周内或更长时间每个预设时间段内第二用户在该区块内的定位数据。该定位数据可以为该第二用户经过的该区块内的网格数据，或者可以为该第二用户的定位轨迹等。
其次可从POI数据库中获取该区块中的父兴趣点个数。具体可以为首先电子设备将区块与电子地图进行匹配，确定该区块在电子地图中所围成的区域，在将该所围成的区域信息发送给POI数据库，以从POI数据库中获取该所围成的区域内的父兴趣点个数。
其中，父兴趣点个数与POI区域的个数相同。即在一个POI区域内仅包括一个父兴趣点。可以理解的是，在一个POI区域还可包括至少一个子兴趣点。
最后，根据获取到的定位数据，对应的网格数据和父兴趣点个数对对应的网格数据进行聚类，由于大部分第二用户的定位数据在相对较短的时间内仅会出现在一个POI区域内。在将区块进行网格划分，通过用户的定位数据可以将在一个POI区域的网格进行紧密关联，而在不同POI区域的网格没有紧密关联关系，而且一个POI区域中的父兴趣点个数均为一个。所以通过第二用户的定位数据与网格的关联关系进行聚类，能够得到该区块内与父兴趣点个数相同的具有紧密关联关系的网格簇，每个网格簇所在的区域即可作为一个POI区域。
步骤104，根据聚类结果确定各区块内的至少一个POI区域。
具体地，本实施例中，聚类结果为形成的与父兴趣节点个数相同的网格簇，可将每个网格簇所在区域确定为对应的POI区域，将每个网格簇的边界确定为POI区域的边界。
本实施例提供的兴趣点区域确定方法，通过接收第一用户输入的兴趣点区域确定请求，兴趣点区域确定请求中包括目标区域范围；响应于兴趣点区域确定请求，获取目标区域范围内至少一个区块的网格数据；针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据定位数据，网格数据和父兴趣点个数对对应的网格数据进行聚类；根据聚类结果确定各区块内的至少一个POI区域。由于能够根据活动在区块内的用户的定位数据与网格的关联关系对每个区块的网格进行聚类，用户的定位数据可以将在一个POI区域的网格进行紧密关联，所以将具有紧密关联关系的网格聚类在一起，能够确定出对应的POI区域，无需人工确定，进而降低了成本，并且提高了POI区域的确定效率。
实施例二
图3是根据本申请第二实施例提供的兴趣点区域确定方法的流程示意图，如图3所示，本实施例提供的兴趣点区域确定方法，是在本申请实施例一提供的兴趣点区域确定方法的基础上，对步骤102-步骤104的进一步细化。并且还包括了对POI区域的后处理步骤，则本实施例提供的兴趣点区域确定方法包括以下步骤。
步骤201，接收第一用户输入的兴趣点区域确定请求，兴趣点区域确定请求中包括目标区域范围。
本实施例中，步骤201的实现方式与本申请第一实施例中的步骤101的实现方式相同，在此不再一一赘述。
步骤202，响应于兴趣点区域确定请求，获取目标区域范围内至少一个区块的网格数据。
进一步地，如图4所示，本实施例中，步骤202中包括以下步骤。
步骤2021，获取目标区域范围内的道路数据。
进一步地，本实施例中，获取的目标区域范围内的道路数据可以包括预设级数的道路数据，如可以为7级道路数据，5级道路数据等。
步骤2022，根据道路数据生成对应的路网数据。
进一步地，本实施例中，将道路数据生成对应的路网数据，路网数据中包括多个不规则的多边形。
其中，将道路数据生成对应的路网数据的方法可以为：第一个道路从起点到达终点后,获取该第一个道路与其他道路的交点,然后按照正时针或逆时针方向确定下一个道路，并寻找下一个道路与其他道路的交点,以此类推,直到最后一个道路的终点经纬度坐标与第一个道路的起点经纬度坐标一致为止。则根据该方法即可确定出一个路网数据的多边形。如图5所示，该电子地图中目标区域范围为北京市某区中的一个区域范围，该目标区域范围内生成的路网数据中包括多个多边形51。
步骤2023，将路网数据中的各多边形确定为各区块。
步骤2024，将各区块进行网格划分，以获取对应的网格数据。
进一步地，本实施例中，将各区块均匀进行网格划分，每个网格可以为矩形。可由每个网格的位置坐标构成对应的网格数据。
本实施例中，获取目标区域范围内的道路数据，并根据道路数据生成对应的路网数据，由路网数据确定区块并确定区块内的网格数据，由于区块是由道路数据经过处理后生成的，POI区域周围会存在多条道路，所以由道路所围成的区块内可包括至少一个POI区域，为后续确定POI区域提供数据支持。
步骤203，针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数。
本实施例中，步骤203的实现方式与本申请第一实施例中的步骤103中相应部分的实现方式类似，在此不再一一赘述。
步骤204，根据定位数据和网格数据生成对应的定位贡献关系图。
进一步地，本实施例中，为了建立第二用户的定位数据与网格的关联关系，根据定位数据和网格数据生成对应的定位贡献关系图。
可选地，本实施例中，如图6所示，步骤204包括以下步骤：
步骤2041，根据网格数据生成对应的定位贡献关系图的节点。
本实施例中，定位贡献关系图为一个无向图，包括：节点和由节点构成的无向边。可将区块内的每个网格数据确定为定位贡献关系图的对应的节点。
步骤2042，根据定位数据确定任意两个节点间是否存在无向边。
可选地，本实施例中，根据定位数据确定任意两个节点间是否存在无向边，包括：
若根据定位数据确定第二用户在预设时间段内先后访问过两个节点，则确定两个节点间存在无向边。若根据定位数据确定第二用户在各预设时间段内均未先后访问过两个节点，则确定两个节点间不存在无向边。
其中，第二用户为在区块内活动的用户。第二用户为多个，由多个第二用户构成用户集合。
具体地，本实施例中，遍历定位贡献关系图中的任意两个节点执行以下操作：获取第二用户在每个预设时间段内的定位数据，根据定位数据判断在每个预设时间段内是否先后访问过两个节点，若确定在某一个或多个预设时间段内第二用户先后访问过两个节点，则这两个节点间存在无向边。若确定每个预设时间段内均未先后访问过两个节点，则确定这两个节点间不存在无向边。
步骤2043，若两个节点间存在无向边，则根据定位数据确定无向边的权值。
进一步地，本实施例中，根据定位数据确定无向边的权值，包括：
根据在各预设时间段内先后访问过两个节点的频次确定无向边的权值；
其中，频次与无向边的权值呈正相关关系。
具体地，本实施例中，由于通过第二用户的定位数据可以将一个POI区域的网格进行紧密关联，所以若各预设时间段内先后访问过两个节点的频次越大，则该无向边的权值越大，这两个节点所代表的网格的相似度越高，这两个节点所代表的网格的关联越紧密。
作为一种可选实施方式，本实施例中，无向边的权值表示为式(1)所示：
Figure BDA0002228423900000151
其中，w(e)表示无向边的权值，U表示用户集合，用户集合中包括多个第二用户，Tr表示第二用户在每个预设时间段先后访问该无向边的两个节点的个数集合。m为各预设时间段内先后访问过两个节点的频次。
步骤2044，根据节点和无向边的权值生成对应的定位贡献关系图。
本实施例中，定位贡献关系图包括与区块中的网格数据个数相同的节点以及多个无向边以及无向边的权重。
步骤205，将父兴趣点个数确定为对应的聚类中心个数。
本实施例中，由于在区块中的POI区域的个数与区块中的父兴趣点个数相同，而聚类中心个数与分类出的POI区域个数相同。所以为了获得区块中的每个POI区域，将父兴趣点个数确定为对应的聚类中心个数。
步骤206，根据定位贡献关系图并按照聚类中心个数对对应的网格数据进行聚类。
进一步地，如图7所示，本实施例中，步骤206包括以下步骤：
步骤2061，根据定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值。
进一步地，本实施例中，由于密度峰值聚类模型能够聚类出不规则的簇，POI区域也是不规则的，所以更加适用于对POI区域的确定，所以本实施例中，预设聚类模型为密度峰值聚类模型。则在密度峰值聚类模型中包括的聚类参数为：局部密度和网格数据与高密度网格数据之间的距离。
所以作为一种可选实施方式，本实施例中，根据定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值，包括：
首先，根据定位贡献关系图中无向边的权值和无向边对应的两个节点的距离确定无向边起点的网格数据的第一聚类参数值。
其中，第一聚类参数值为局部密度值。
具体地，本实施例中，无向边起点的网格数据的第一聚类参数值可表示为式(2)所示：
Figure BDA0002228423900000161
其中，ρi表示无向边起点的网格数据的局部密度值，j表示以i为起点的无向边的终点。sij表示节点i和节点j之间的相似度。其中，sij＝wij，wij即表示节点i和节点j构成的无向边的权值，dij表示节点i和节点j之间距离，该距离为欧式距离。γ为大于1的常数，σ为样本方差，也为常数。
本实施例中，wij越小，节点j对节点i对局部密度值的贡献越小，反之，wij越大，节点j对节点i对局部密度值的贡献越大。同时dij越大，节点j对节点i的局部密度值贡献越小，反之，dij越小，节点j对节点i对局部密度值的贡献越大。
其次，根据定位贡献关系图中每个节点与对应的预设高密度节点的距离确定该节点对应网格数据的第二聚类参数值。
其中，第二聚类参数值为该节点对应的网格数据与高密度网格数据之间的距离值。
本实施例中，可根据每个节点的局部密度值确定每个节点周围的多个比该节点局部密度值更高的节点，从这些局部密度值更高的节点中确定与该节点距离最近的节点作为该节点的预设高密度节点。
则本实施例中，节点i对应网格数据的第二聚类参数值可表示为式(3)所示：
Figure BDA0002228423900000171
其中，dij′表示节点i与节点i对应的周围局部密度值高的节点j′的距离。
Figure BDA0002228423900000172
表示该节点i与预设高密度节点之间的距离值，即该节点对应的网格数据与高密度网格数据之间的距离值。
步骤2062，根据聚类参数值从网格数据中筛选出聚类中心网格数据，聚类中心网格数据的个数与聚类中心个数相同。
本实施例中，按照第一聚类参数值和第二聚类参数值的大小对网格数据进行排序，筛选出第一聚类参数值和第二聚类参数值都较大的前N个网格数据作为聚类中心网格数据。其中，N为聚类中心网格数据的个数，也为聚类中心个数。
作为一种可选实施方式，本实施例中，如图8所示，步骤2062包括以下步骤：
步骤2062a，将网格数据按照第一聚类参数值和第二聚类参数分别进行排序。
步骤2062b，获取第一聚类参数值和第二聚类参数均排在前M个的网格数据。
本实施例中，由于聚类中心网格数据的密度大于周围邻居网格数据的密度；并且聚类中心网格数据与高密度网格数据之间的距离相对较大。所以本实施例中，首先筛选出M个局部密度值相对较大且与对应的高密度网格数据之间的距离也相对较大的M个网格数据。
步骤2062c，根据第一聚类参数值和第二聚类参数值的乘积值从前M个网格数据中筛选出N个网格数据。
步骤2062d，将N个网格数据确定为聚类中心网格数据。
其中，N也为聚类中心网格数据个数。
进一步地，本实施例中，可计算前M个网格数据中第一聚类参数值和第二聚类参数值的乘积值，按照乘积值从大到小对前M个网格数据进行排序，获取乘积值排在前N个的网格数据作为聚类中心网格数据。
步骤2063，确定每个网格数据与各聚类中心网格数据的匹配关系值。
进一步地，本实施例中，匹配关系值为对应的无向边的权值。
本实施例中，由于每个网格数据与各聚类中心网格数据的无向边的权值表示每个网格数据与各聚类中心网格数据的相似度，所以可采用每个网格数据与各聚类中心网格数据的无向边的权值表示每个网格数据与各聚类中心网格数据的匹配关系值。
步骤2064，根据匹配关系值确定每个网格数据所属类别。
进一步地，本实施例中，步骤2064，根据匹配关系值确定每个网格数据所属类别，包括：
将最大无向边的权值所对应的聚类中心网格数据所属类别确定为该网格数据所属类别。
进一步地，本实施例中，每个网格数据与各聚类中心网格数据的无向边的权值越高，则相似度越高，说明该网格数据与对应的聚类中心网格数据属于同一类别的概率越高。反之，相似度越低，说明该网格数据与对应的聚类中心网格数据属于同一类别的概率越低。所以将最大无向边的权值所对应的聚类中心网格数据所属类别确定为该网格数据所属类别。
可以理解的是，若某网格数据与某聚类中心网格数据没有无向边，则对应的无向边权值为零，说明该网格数据一定不属于该聚类中心网格数据所属的类别。
本实施例中，由于密度峰值聚类模型能够聚类出不规则的簇，POI区域也是不规则的，所以更加适用于对POI区域的确定方法中，并且将定位贡献关系图融入到对密度峰值聚类模型的聚类参数值的计算中，使计算出的聚类参数值能够真实反映用户的定位数据与网格的关联关系，使确定出的POI区域更加准确。
步骤207，根据聚类结果确定各区块内的至少一个POI区域。
进一步地，本实施例中，将各区块内各类别的网格数据所在的区域确定为对应类别的POI区域。如图9所示，该区块中包括两个POI区域。一个为POI区域61，一个为POI区域62。
步骤208，对POI区域的边界进行平滑处理。
进一步地，本实施例中，如图9所示，由于每个类别的网格数据所在的区域的边界由最外围的网格数据边界组成，网格数据又为矩形，所以使POI区域的边界呈现锯齿形状。所以本实施例中，对POI区域的边界进行平滑处理。
在对POI区域进行平滑处理时，平滑处理方式可以通过插值方法，曲线拟合方法等，本实施例中对此不作限定。
本实施例中，将POI区域的边界进行平滑处理，能够消除POI区域边界的锯齿现象。
步骤209，根据POI区域中所包含的父兴趣点和子兴趣点对聚类结果进行验证。
进一步地，本实施例中，确定POI区域中的的父兴趣点个数，若父兴趣点个数为多个或没有存在父兴趣点，则说明聚类结果未通过验证。还可从POI数据库中获取预先存储的每个POI对应的子兴趣点。然后将每个POI区域中包含的子兴趣点与获取到的对应的子兴趣点进行对比，若确定的子兴趣点与获取到的子兴趣点不匹配，也说明聚类结果未通过验证。
步骤210，若聚类结果通过验证，则输出各区块内的至少一个POI区域；将各POI区域以对应的展示策略进行显示。
进一步地，本实施例中，若聚类结果通过验证，则说明确定出的POI区域是正确的，则输出各区块内的至少一个POI区域。并且为了区分每个POI区域，将各POI区域以对应的展示策略进行显示。
本实施例中，可预先设置相邻POI区域的展示策略，使相邻区域的展示策略不同，以将相邻POI区域进行区分。
比如一个区块包括两个POI区域，则第一POI区域以红背景色显示，第二POI区域以蓝背景色显示。
本实施例中，在确定出区块中的至少一个POI区域后，将各POI区域以对应的展示策略进行显示，能够将相邻的POI区域进行区分显示。更加便于用户对确定出的POI区域的查看。
本实施例提供的兴趣点区域确定方法，由于定位贡献关系图能够准确反映活动在区块内的用户的定位数据与网格的关联关系，密度峰值聚类模型更适合于不规则区域的聚类，所以根据定位贡献关系图并采用密度峰值聚类模型对对应的网格数据进行聚类，能够准确将具有紧密关联关系的网格聚类在一起，提高了确定POI区域的准确性。
下面对本申请实施例提供的兴趣点区域确定方法的应用场景进行说明。本申请实施例中的兴趣点区域确定方法可应用在对电子地图的搜索场景中。如图10所示，为本申请实施例提供的兴趣点区域确定方法的一种应用场景图。该兴趣点区域确定方法可由第一电子设备执行，该第一电子设备可以为服务器。则第一用户通过第二电子设备发送POI区域搜索请求给服务器，服务器根据该POI区域搜索请求确定需要进行搜索的POI区域所在的区块，并在电子地图中按照第一实施例或第二实施例中的兴趣点区域确定方法确定出该搜索的POI区域，并将该POI区域发送给第一电子设备，以使第一电子设备对该POI区域进行显示。在第二电子设备获取到该POI区域后，还可按照POI区域进行导航，以更准确的定位出是否到达POI区域。
实施例四
图11为根据本申请第三实施例提供的兴趣点区域确定装置的结构示意图，如图11所示，本实施例提供的兴趣点区域确定装置300位于电子设备中，则该兴趣点区域确定装置300包括：请求接收模块301，网格数据获取模块302，区块聚类模块303和POI区域确定模块304。
其中，请求接收模块301，用于接收第一用户输入的兴趣点区域确定请求，兴趣点区域确定请求中包括目标区域范围。网格数据获取模块302，用于响应于兴趣点区域确定请求，获取目标区域范围内至少一个区块的网格数据。区块聚类模块303，用于针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据定位数据，网格数据和父兴趣点个数对对应的网格数据进行聚类。POI区域确定模块304，用于根据聚类结果确定各区块内的至少一个POI区域。
本实施例提供的兴趣点区域确定装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果与图2所示方法实施例类似，在此不再一一赘述。
图12为根据本申请第四实施例提供的兴趣点区域确定装置的结构示意图,如图12所示,本实施例提供的兴趣点区域确定装置400在图11所示兴趣点区域确定装置300的基础上，还包括以下技术方案。
进一步地，网格数据获取模块302，在获取目标区域范围内至少一个区块的网格数据时，具体用于获取目标区域范围内的道路数据。根据道路数据生成对应的路网数据。将路网数据中的各多边形确定为各区块。将各区块进行网格划分，以获取对应的网格数据。
进一步地，区块聚类模块303，在根据定位数据，网格数据和父兴趣点个数对对应的网格数据进行聚类时，具体用于根据定位数据和网格数据生成对应的定位贡献关系图；将父兴趣点个数确定为对应的聚类中心个数；根据定位贡献关系图并按照聚类中心个数对对应的网格数据进行聚类。
进一步地，区块聚类模块303，在根据定位数据和网格数据生成对应的定位贡献关系图时，具体用于根据网格数据生成对应的定位贡献关系图的节点；根据定位数据确定任意两个节点间是否存在无向边；若两个节点间存在无向边，则根据定位数据确定无向边的权值；根据节点和无向边的权值生成对应的定位贡献关系图。
进一步地，区块聚类模块303，在根据定位数据确定任意两个节点间是否存在无向边时，具体用于若根据定位数据确定第二用户在预设时间段内先后访问过两个节点，则确定两个节点间存在无向边；若根据定位数据确定第二用户在各预设时间段内均未先后访问过两个节点，则确定两个节点间不存在无向边。
进一步地，区块聚类模块303，在根据定位数据确定无向边的权值时，具体用于根据在各预设时间段内先后访问过两个节点的频次确定无向边的权值。其中，频次与无向边的权值呈正相关关系。
进一步地，区块聚类模块303，在根据定位贡献关系图并按照聚类中心个数对对应的网格数据进行聚类时，具体用于根据定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值；根据聚类参数值从网格数据中筛选出聚类中心网格数据，聚类中心网格数据的个数与聚类中心个数相同；确定每个网格数据与各聚类中心网格数据的匹配关系值；根据匹配关系值确定每个网格数据所属类别。
进一步地，预设聚类模型为密度峰值聚类模型。相应地，区块聚类模块303，在根据定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值时，具体用于根据定位贡献关系图中无向边的权值和无向边对应的两个节点的距离确定无向边起点的网格数据的第一聚类参数值；根据定位贡献关系图中每个节点与对应的预设高密度节点的距离确定该节点对应网格数据的第二聚类参数值。
进一步地，区块聚类模块303，在根据聚类参数值从网格数据中筛选出聚类中心网格数据时，具体用于将网格数据按照第一聚类参数值和第二聚类参数分别进行排序；获取第一聚类参数值和第二聚类参数值均排在前M个的网格数据；根据第一聚类参数值和第二聚类参数值的乘积值从前M个网格数据中筛选出N个网格数据；将N个网格数据确定为聚类中心网格数据。
进一步地，匹配关系值为对应的无向边的权值。区块聚类模块303，在根据匹配关系值确定每个网格数据所属类别时，具体用于将最大无向边的权值所对应的聚类中心网格数据所属类别确定为该网格数据所属类别。
进一步地，POI区域确定模块304，具体用于将各区块内各类别的网格数据所在的区域确定为对应类别的POI区域。
进一步地，本实施例提供的兴趣点区域确定装置，还包括：平滑处理模块401，用于对POI区域的边界进行平滑处理。
进一步地，本实施例提供的兴趣点区域确定装置，还包括：结果验证模块402，用于根据POI区域中所包含的父兴趣点和子兴趣点对聚类结果进行验证。
进一步地，本实施例提供的兴趣点区域确定装置，还包括：显示模块403，用于若聚类结果通过验证，则输出各区块内的至少一个POI区域；将各POI区域以对应的展示策略进行显示。
本实施例提供的兴趣点区域确定装置可以执行图3-图4，图6-图8所示方法实施例的技术方案，其实现原理和技术效果与图3-图4，图6-图8所示方法实施例类似，在此不再一一赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图13所示，是根据本申请实施例的兴趣点区域确定方法的电子设备的框图。电子设备旨在各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图13所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图13中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的兴趣点区域确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的兴趣点区域确定方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的兴趣点区域确定方法对应的程序指令/模块(例如，附图11所示的请求接收模块301，网格数据获取模块302，区块聚类模块303和POI区域确定模块304)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的兴趣点区域确定方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据图13的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至图13的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图13的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图13中以通过总线连接为例。
输入装置403可接收输入的语音、数字或字符信息，以及产生与图13的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括语音播放设备、显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，由于能够根据活动在区块内的用户的定位数据与网格的关联关系对每个区块的网格进行聚类，用户的定位数据可以将在一个POI区域的网格进行紧密关联，所以将具有紧密关联关系的网格聚类在一起，能够确定出对应的POI区域，无需人工确定，进而降低了成本，并且提高了POI区域的确定效率。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种兴趣点区域确定方法，其特征在于，所述方法应用于电子设备，所述方法包括：
接收第一用户输入的兴趣点区域确定请求，所述兴趣点区域确定请求中包括目标区域范围；
响应于所述兴趣点区域确定请求，获取所述目标区域范围内至少一个区块的网格数据；
针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类；
根据聚类结果确定各区块内的至少一个POI区域，每个所述POI区域对应一个所述父兴趣点。
2.根据权利要求1所述的方法，其特征在于，所述获取所述目标区域范围内至少一个区块的网格数据，包括：
获取所述目标区域范围内的道路数据；
根据所述道路数据生成对应的路网数据；
将所述路网数据中的各多边形确定为各区块；
将各所述区块进行网格划分，以获取对应的网格数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类，包括：
根据所述定位数据和所述网格数据生成对应的定位贡献关系图；
将所述父兴趣点个数确定为对应的聚类中心个数；
根据所述定位贡献关系图并按照所述聚类中心个数对对应的网格数据进行聚类。
4.根据权利要求3所述的方法，其特征在于，所述根据所述定位数据和所述网格数据生成对应的定位贡献关系图，包括：
根据所述网格数据生成对应的定位贡献关系图的节点；
根据所述定位数据确定任意两个节点间是否存在无向边；
若所述两个节点间存在无向边，则根据所述定位数据确定所述无向边的权值；
根据所述节点和所述无向边的权值生成对应的定位贡献关系图。
5.根据权利要求4所述的方法，其特征在于，所述根据所述定位数据确定任意两个节点间是否存在无向边，包括：
若根据所述定位数据确定所述第二用户在预设时间段内先后访问过两个节点，则确定所述两个节点间存在无向边；
若根据所述定位数据确定所述第二用户在各预设时间段内均未先后访问过所述两个节点，则确定所述两个节点间不存在无向边。
6.根据权利要求5所述的方法，其特征在于，所述根据所述定位数据确定所述无向边的权值，包括：
根据在各预设时间段内先后访问过所述两个节点的频次确定所述无向边的权值；
其中，所述频次与所述无向边的权值呈正相关关系。
7.根据权利要求6所述的方法，其特征在于，所述根据所述定位贡献关系图并按照所述聚类中心个数对对应的网格数据进行聚类，包括：
根据所述定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值；
根据所述聚类参数值从所述网格数据中筛选出聚类中心网格数据，所述聚类中心网格数据的个数与所述聚类中心个数相同；
确定每个网格数据与各聚类中心网格数据的匹配关系值；
根据所述匹配关系值确定每个网格数据所属类别。
8.根据权利要求7所述的方法，其特征在于，所述预设聚类模型为密度峰值聚类模型；
所述根据所述定位贡献关系图确定在预设聚类模型中各网格数据的至少一个聚类参数值，包括：
根据所述定位贡献关系图中无向边的权值和所述无向边对应的两个节点的距离确定所述无向边起点的网格数据的第一聚类参数值；
根据所述定位贡献关系图中每个节点与对应的预设高密度节点的距离确定该节点对应网格数据的第二聚类参数值。
9.根据权利要求8所述的方法，其特征在于，所述根据所述聚类参数值从所述网格数据中筛选出聚类中心网格数据，包括：
将所述网格数据按照所述第一聚类参数值和所述第二聚类参数分别进行排序；
获取所述第一聚类参数值和所述第二聚类参数值均排在前M个的网格数据；
根据所述第一聚类参数值和所述第二聚类参数值的乘积值从所述前M个网格数据中筛选出N个网格数据；
将所述N个网格数据确定为所述聚类中心网格数据。
10.根据权利要求9所述的方法，其特征在于，所述匹配关系值为对应的无向边的权值；
所述根据所述匹配关系值确定每个网格数据所属类别，包括：
将最大无向边的权值所对应的聚类中心网格数据所属类别确定为该网格数据所属类别。
11.根据权利要求1所述的方法，其特征在于，所述根据聚类结果确定各区块内的至少一个POI区域，包括：
将各区块内各类别的网格数据所在的区域确定为对应类别的POI区域。
12.根据权利要求1所述的方法，其特征在于，所述根据聚类结果确定各区块内的至少一个POI区域之后，还包括：
根据所述POI区域中所包含的父兴趣点和所述父兴趣点对应的子兴趣点对所述聚类结果进行验证。
13.根据权利要求1所述的方法，其特征在于，所述根据聚类结果确定各区块内的至少一个POI区域之后，还包括：
对所述POI区域的边界进行平滑处理。
14.根据权利要求12所述的方法，其特征在于，所述根据所述POI区域中所包含的父兴趣点和所述父兴趣点对应的子兴趣点对所述聚类结果进行验证之后，还包括：
若聚类结果通过验证，则输出各区块内的至少一个POI区域；
将各POI区域以对应的展示策略进行显示。
15.一种兴趣点区域确定装置，其特征在于，所述装置位于电子设备，所述装置包括：
请求接收模块，用于接收第一用户输入的兴趣点区域确定请求，所述兴趣点区域确定请求中包括目标区域范围；
网格数据获取模块，用于响应于所述兴趣点区域确定请求，获取所述目标区域范围内至少一个区块的网格数据；
区块聚类模块，用于针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类；
POI区域确定模块，用于根据聚类结果确定各区块内的至少一个POI区域，每个所述POI区域对应一个所述父兴趣点。
16.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-14中任一项所述的方法。
17.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-14中任一项所述的方法。
18.一种兴趣点区域确定方法，其特征在于，包括：
获取目标区域范围内至少一个区块的网格数据；
针对每个区块，获取第二用户在每个预设时间段内的定位数据和父兴趣点个数；根据所述定位数据，所述网格数据和所述父兴趣点个数对对应的网格数据进行聚类；
根据聚类结果确定各区块内的至少一个POI区域，每个所述POI区域对应一个所述父兴趣点。
CN201910959421.XA 2019-10-10 2019-10-10 兴趣点区域确定方法、装置、设备及存储介质 Active CN110726418B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910959421.XA CN110726418B (zh) 2019-10-10 2019-10-10 兴趣点区域确定方法、装置、设备及存储介质
US16/864,648 US11740102B2 (en) 2019-10-10 2020-05-01 Method, apparatus, device and storage medium for determining point of interest area

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910959421.XA CN110726418B (zh) 2019-10-10 2019-10-10 兴趣点区域确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110726418A CN110726418A (zh) 2020-01-24
CN110726418B true CN110726418B (zh) 2021-08-03

Family

ID=69219963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910959421.XA Active CN110726418B (zh) 2019-10-10 2019-10-10 兴趣点区域确定方法、装置、设备及存储介质

Country Status (2)

Country Link
US (1) US11740102B2 (zh)
CN (1) CN110726418B (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210342962A1 (en) * 2009-08-31 2021-11-04 Leigh W Budlong System and method for standardizing and tracking land use utility
CN111352964B (zh) * 2020-02-07 2023-09-12 北京梧桐车联科技有限责任公司 获取兴趣点信息的方法、装置、设备及存储介质
CN111695047B (zh) * 2020-04-27 2024-03-19 汉海信息技术(上海)有限公司 用户聚类方法及装置，电子设备及存储介质
CN111553279B (zh) * 2020-04-28 2023-05-05 北京百度网讯科技有限公司 兴趣点的表征学习、识别方法、装置、设备及存储介质
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
CN111708858B (zh) * 2020-06-10 2023-09-05 北京百度网讯科技有限公司 一种地图数据处理方法、装置、设备以及存储介质
CN111737392B (zh) * 2020-06-22 2024-04-02 北京百度网讯科技有限公司 合并楼块数据的方法、装置、设备及存储介质
CN112115222B (zh) * 2020-09-08 2024-03-08 北京百度网讯科技有限公司 兴趣点显示方法、装置、电子设备和存储介质
CN113220815B (zh) * 2021-05-19 2023-08-29 北京百度网讯科技有限公司 区域信息处理方法及装置
CN113486237B (zh) * 2021-06-07 2023-06-27 海南太美航空股份有限公司 一种航班信息的推荐方法、系统、存储介质和电子设备
CN113590674A (zh) * 2021-06-29 2021-11-02 北京百度网讯科技有限公司 出行目的识别方法、装置、设备及存储介质
CN113569149B (zh) * 2021-07-30 2024-01-19 拉扎斯网络科技（上海）有限公司 信息处理方法、装置、电子设备
CN113865604B (zh) * 2021-08-31 2023-04-14 北京三快在线科技有限公司 一种位置数据的生成方法和装置
CN113780857A (zh) * 2021-09-17 2021-12-10 清华大学 一种土地利用活力适应度的测量方法、装置及电子设备
CN114169771A (zh) * 2021-12-09 2022-03-11 贝壳找房网(北京)信息技术有限公司 区域划分方法和装置、电子设备和存储介质
CN114495484B (zh) * 2021-12-17 2023-10-27 北京航空航天大学杭州创新研究院 基于多源数据层次图聚类算法的公交站点位置推荐方法
CN114386536B (zh) * 2022-03-22 2022-07-01 腾讯科技（深圳）有限公司 区域确定方法、装置、计算设备以及存储介质
CN116863127A (zh) * 2022-03-28 2023-10-10 华为技术有限公司 一种感兴趣区域的获取方法以及相关设备
CN115438998A (zh) * 2022-09-22 2022-12-06 广州市城市规划设计有限公司 一种公共服务中心体系的识别方法、装置、设备及介质
CN116227791B (zh) * 2023-05-08 2023-09-05 湖南工商大学 基于语义融合模型探索城市功能区动态划分的可视分析方法
CN116503098B (zh) * 2023-06-27 2023-11-14 北京阿帕科蓝科技有限公司 共享车辆车站的挖掘方法、装置、计算机设备和存储介质

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6202023B1 (en) * 1996-08-22 2001-03-13 Go2 Systems, Inc. Internet based geographic location referencing system and method
US8566029B1 (en) * 2009-11-12 2013-10-22 Google Inc. Enhanced identification of interesting points-of-interest
CN103514235B (zh) * 2012-06-30 2017-03-08 北京百度网讯科技有限公司 一种增量码库的建立方法和装置
US8706410B2 (en) * 2012-07-16 2014-04-22 Ford Global Technologies, Llc Navigation system with enhanced point of interest arrival guidance
US9378591B2 (en) * 2012-07-27 2016-06-28 Nokia Technologies Oy Method and apparatus for detecting occlusion in an augmented reality display
US9464908B2 (en) * 2014-09-10 2016-10-11 Volkswagen Ag Apparatus, system and method for clustering points of interest in a navigation system
CN104834666A (zh) * 2015-03-06 2015-08-12 中山大学 基于路网和兴趣点的声环境功能区划分方法
CN106920387B (zh) * 2015-12-24 2020-06-09 阿里巴巴集团控股有限公司 获取交通道路中路线热度的方法及装置
CN105825510B (zh) * 2016-03-17 2017-05-17 中南大学 一种兴趣点与道路网的自动配准方法
CN109478184B (zh) * 2016-06-24 2022-04-19 谷歌有限责任公司 识别、处理和显示数据点聚类
CN107543553B (zh) * 2016-06-27 2020-12-15 阿里巴巴（中国）有限公司 一种兴趣点更新方法及装置
CN107562747B (zh) * 2016-06-30 2021-04-09 上海博泰悦臻网络技术服务有限公司 信息显示方法及系统、电子设备、及数据库
CN107025504A (zh) * 2017-04-19 2017-08-08 上海天玑科技股份有限公司 一种考虑区域交通状况的服务型库房选址方法
CN107462256B (zh) * 2017-08-16 2019-11-12 城市生活（北京）资讯有限公司 一种导航方法及系统
CN108280685B (zh) * 2018-01-19 2019-07-23 百度在线网络技术（北京）有限公司 信息获取方法和装置
CN108427965B (zh) * 2018-03-05 2022-08-23 重庆邮电大学 一种基于路网聚类的热点区域挖掘方法
CN108763538B (zh) * 2018-05-31 2019-07-23 北京嘀嘀无限科技发展有限公司 一种确定兴趣点poi地理位置的方法及装置
CN110309432B (zh) * 2018-06-11 2024-06-07 腾讯科技（北京）有限公司 基于兴趣点的同义词确定方法、地图兴趣点处理方法
CN109029446B (zh) * 2018-06-22 2020-11-20 北京邮电大学 一种行人位置预测方法、装置及设备
CN109389119B (zh) * 2018-10-23 2021-10-26 百度在线网络技术（北京）有限公司 兴趣点区域确定方法、装置、设备和介质
CN109947819B (zh) * 2019-03-12 2021-05-28 百度在线网络技术（北京）有限公司 疑似作弊区域的挖掘方法、装置、计算机设备和存储介质
CN110008300B (zh) * 2019-04-11 2021-07-09 北京百度网讯科技有限公司 Poi别名的确定方法、装置、计算机设备和存储介质
CN110095133A (zh) * 2019-04-30 2019-08-06 广州小鹏汽车科技有限公司 路况提醒方法、装置、车辆、计算机设备及其存储介质
CN110297967B (zh) * 2019-05-14 2022-04-12 北京百度网讯科技有限公司 兴趣点确定方法、装置、设备及计算机可读存储介质
CN110267206B (zh) * 2019-05-21 2020-11-17 中国联合网络通信集团有限公司 用户位置预测方法及装置
CN110287426B (zh) * 2019-05-23 2021-12-31 北京百度网讯科技有限公司 兴趣点父子关系的建立方法、装置、存储介质及处理器

Also Published As

Publication number Publication date
US20210108941A1 (en) 2021-04-15
CN110726418A (zh) 2020-01-24
US11740102B2 (en) 2023-08-29

Similar Documents

Publication Publication Date Title
CN110726418B (zh) 兴趣点区域确定方法、装置、设备及存储介质
CN109478184B (zh) 识别、处理和显示数据点聚类
CN111695488B (zh) 兴趣面识别方法、装置、设备以及存储介质
CN111858820B (zh) 用地性质识别方法、装置、电子设备及存储介质
CN112101339B (zh) 地图兴趣点的信息获取方法、装置、电子设备和存储介质
US10346495B2 (en) System and method for large scale crowdsourcing of map data cleanup and correction
KR20160010278A (ko) 관심 지점을 표시하기 위한 방법 및 장치
CN113342912B (zh) 地理位置区域的编码方法、建立编码模型的方法及装置
US20170039450A1 (en) Identifying Entities to be Investigated Using Storefront Recognition
US9811539B2 (en) Hierarchical spatial clustering of photographs
CN110660219A (zh) 停车场停车预测方法和装置
CN110674208B (zh) 用于确定用户的职住地信息的方法和装置
CN111523031B (zh) 用于推荐兴趣点的方法和装置
CN110399445A (zh) 一种兴趣点的处理方法、装置及设备
TW201738838A (zh) 共乘路徑的計算方法及使用此方法的計算裝置與記錄媒體
CN111507204A (zh) 倒计时信号灯的检测方法、装置、电子设备及存储介质
CN111523061B (zh) 用于生成兴趣面的方法和装置
WO2021154155A1 (en) Methods and data processing systems for predicting road attributes
CN113160693B (zh) 一种道路路口的处理方法、装置、设备和存储介质
JP7298090B2 (ja) 地理位置点の空間関係を抽出する方法及び装置
CN116823535A (zh) 一种基于多模态大模型的行程规划及智能导览系统
CN114674328B (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
CN115062240A (zh) 一种停车场排序方法、装置、电子设备和存储介质
CN116843891A (zh) 图形轮廓检测方法、装置、存储介质、设备及程序产品
CN113449754A (zh) 标签的匹配模型训练和展示方法、装置、设备及介质

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