CN110827286B - 基于路网的地理区域分割方法、装置以及电子设备 - Google Patents
基于路网的地理区域分割方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN110827286B CN110827286B CN201810894996.3A CN201810894996A CN110827286B CN 110827286 B CN110827286 B CN 110827286B CN 201810894996 A CN201810894996 A CN 201810894996A CN 110827286 B CN110827286 B CN 110827286B
- Authority
- CN
- China
- Prior art keywords
- road
- network
- block set
- element block
- geographic
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于路网的地理区域分割方法,包括:从待分割地理区域的地图数据中提取道路交通网络;确定所述道路交通网络对应的闭合路网;将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。所述基于路网的地理区域分割方法对地理区域实现更加精准的分割,同时没有破坏道路交通的连通性约束和实际地理要素的约束,更加符合实际应用场景,更具实用性。
Description
技术领域
本申请涉及物流交通技术领域,具体涉及一种基于路网的地理区域分割方法。本申请同时涉及一种基于路网的地理区域分割装置,以及一种电子设备。
背景技术
随着互联网的发展,以网络为依托的电子商务也在用户日常生活中得以普及,庞大的用户消费群给物流配送工作带来压力,而如何快速有效的分配配送任务和配送路线成为物流配送工作中重中之重,比如在快递或者外卖配送等物流配送场景中,需要划分最细粒度的区域进行运营决策或基于供需关系的在线调度等。
目前,针对地理区域最细粒度划分方式主要有以下两种:一是根据行政区域分割,但由于地图管制原因,一般企业能获得较准确的行政分级信息只能精确到三级行政区粒度。二是根据标准规则格网进行分割,比如根据GeoHash(道格拉斯-普克算法)或者标准正多边形来对城市地图进行分割,例如在打车场景中,以正六边形分割的城市地图为基础,其计算每个最小粒度正六边形内实时供需关系,动态调价。
然而,现有技术提供的针对地理区域最细粒度划分方式,没有考虑实际场景中的道路连通性约束,例如在打车场景中,乘客与司机是仅限于道路上点对点的概念,用标准格网来计算司机的可服务乘客范围是可行的,但是在快递或者外卖配送场景中,真实的地理要素约束是强因素,一个真实的地理要素不能分割为多个部分,例如学校或者居民社区是一个不可切割的整体。如果将一个居民社区分割成多个区块,或者将明显有通行障碍约束的道路两侧划分为同一区块,考虑到交通约束带来的配送成本,存在较大的缺陷。同时,采用格网分割获得的区块大小通常一致,而实际地理要素中,不同地理要素大小不一样,同样存在弊端。
发明内容
本申请提供一种基于路网的地理区域分割方法,以解决现有技术存在的缺陷。本申请同时涉及一种基于路网的地理区域分割装置,以及一种电子设备。
本申请提供一种基于路网的地理区域分割方法,包括:
从待分割地理区域的地图数据中提取道路交通网络;
确定所述道路交通网络对应的闭合路网;
将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
可选的,所述从待分割地理区域的地图数据中提取道路交通网络,包括:
基于道路灰度从所述地图数据中提取所述待分割地理区域中道路交通网络的道路;
获取所述道路交通网络中道路的道路属性;
根据所述道路属性对所述道路交通网络中的道路进行分类;
从所述道路交通网络中剔除道路等级低于基准道路等级的道路,和/或剔除道路宽度低于基准道路宽度的道路。
可选的,所述确定所述道路交通网络对应的闭合路网,包括:
提取所述道路交通网络中道路的中心线;
根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。
可选的,所述根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网,包括:
判断所述道路交通网络中两条或者两条以上道路的始端和/或末端的距离是否小于基准距离阈值,若是,将所述两条或者两条以上道路的始端和/或末端进行合并;
和/或,判断所述道路交通网络中道路的始端和/或末端是否与至少一条道路的始端和/或末端合并,若否,将所述道路从所述道路交通网络中剔除。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:
对所述道路交通网络对应的闭合路网进行缓冲区处理,获得所述道路交通网络对应的路网区域;
将所述待分割地理区域与所述道路交通网络对应的路网区域进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
从所述要素区块集中筛选区块大小低于基准区块阈值下限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:
确定所述要素区块集中与所述要素区块边界相邻和/或重合最大的要素区块;
将所述要素区块与确定的所述边界相邻和/或重合最大的要素区块进行合并。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
从所述要素区块集中筛选区块大小超出基准区块阈值上限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:
获取所述要素区块内路网等级低于基准路网等级和/或路网宽度低于基准路网宽度的道路;
根据获取到的道路对所述要素区块进行二次分割。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
判断所述要素区块集中的要素区块边界上边界点的数目是否大于边界点数目阈值,若是,采用GeoHash算法对所述要素区块边界上边界点进行压缩处理。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
判断所述要素区块集中的要素区块是否存在内边界,若是,根据所述要素区块的外边界,生成与所述要素区块的外边界相同且不包含内边界的要素区块;
基于生成的所述不包含内边界的要素区块替换所述存在内边界的要素区块。
可选的,所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤,基于要素识别模型实现;
其中,所述要素识别模型根据输入的所述要素区块的灰度和/或颜色,对所述要素区块的灰度和/颜色与基准灰度范围和/或基准颜色范围进行相似度匹配,输出与所述要素区块的灰度值匹配的地理要素。
可选的,所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行后,执行如下操作:
对所述要素区块进行编码并赋予相应的属性;其中,所述属性包括下述至少一项:位置相关GeoHash编码、面积、中心点以及区域要素类别。
可选的,所述确定所述道路交通网络对应的闭合路网,包括:
对所述道路交通网络中道路各车道分别进行缓冲区处理,获得各车道的车道缓冲区域;
对所述道路交通网络中归属于同一道路的多个车道的车道缓冲区域进行合并;
针对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网;
相应的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:
将所述待分割地理区域的与闭合路网进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
本申请还提供一种基于路网的地理区域分割装置,包括:
道路交通网络提取单元,用于从待分割地理区域的地图数据中提取道路交通网络;
闭合路网确定单元,用于确定所述道路交通网络对应的闭合路网;
差分计算单元,用于将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
地理要素确定单元,用于将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
可选的,所述道路交通网络提取单元,包括:
道路提取子单元,用于基于道路灰度从所述地图数据中提取所述待分割地理区域中道路交通网络的道路;
道路属性获取子单元,用于获取所述道路交通网络中道路的道路属性;
道路分类子单元,用于根据所述道路属性对所述道路交通网络中的道路进行分类;
道路过滤子单元,用于从所述道路交通网络中剔除道路等级低于基准道路等级的道路,和/或剔除道路宽度低于基准道路宽度的道路。
可选的,所述闭合路网确定单元,包括:
中心线提取子单元,用于提取所述道路交通网络中道路的中心线;
闭合计算子单元,用于根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。
本申请还提供一种电子设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
从待分割地理区域的地图数据中提取道路交通网络;
确定所述道路交通网络对应的闭合路网;
将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
与现有技术相比,本申请具有如下优点:
本申请提供的所述基于路网的地理区域分割方法,从待分割地理区域的地图数据中提取道路交通网络;确定所述道路交通网络对应的闭合路网;将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
所述基于路网的地理区域分割方法,在考虑到道路交通的连通性约束和实际地理要素的约束的基础上,通过对待分割地理区域的道路交通网络与所述道路交通网络的对应的闭合路网进行差分计算,即:利用所述道路交通网络的对应的闭合路网对所述待分割地理区域进行分割,从而获得所述待分割地理区域包含的地理要素的要素区块集,并进一步通过要素属性匹配识别所述待分割地理区域的要素区块集中要素区块各自对应的地理要素,从而对地理区域实现更加精准的分割,同时没有破坏道路交通的连通性约束和实际地理要素的约束,更加符合实际应用场景,更具实用性。
附图说明
附图1是本申请提供的一种基于路网的地理区域分割方法实施例的处理流程图;
附图2是本申请提供的一种城市地理区域的示意图;
附图3是本申请提供的一种城市要素区块的示意图;
附图4是本申请提供的一种城市要素区块的局部放大示意图;
附图5是本申请提供的一种基于路网的地理区域分割方法过程的示意图;
附图6是本申请提供的一种基于路网的地理区域分割装置实施例的示意图;
附图7是本申请提供的一种电子设备的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其他方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供一种基于路网的地理区域分割方法,本申请还提供一种基于路网的地理区域分割装置,以及一种电子设备。以下分别结合本申请提供的实施例的附图逐一进行详细说明,并且对方法的各个步骤进行说明。
本申请提供的一种基于路网的地理区域分割方法实施例如下:
参照附图1,其示出了本申请提供的一种基于路网的地理区域分割方法实施例的处理流程图,参照附图2,其示出了本申请提供的一种城市地理区域的示意图,参照附图3,其示出了本申请提供的一种城市要素区块的示意图,参照附图4,其示出了本申请提供的一种城市要素区块的局部放大示意图,参照附图5,其示出了本申请提供的一种基于路网的地理区域分割方法过程的示意图。
步骤S101,从待分割地理区域的地图数据中提取道路交通网络。
在快递或者外卖配送等物流配送场景中,考虑到真实道路交通的连通性约束和实际地理要素的约束,采用行政区域划分或者标准规则格网进行分割,很可能会将一个真实的地理要素分割为多个部分,或者将明显有通行障碍约束的道路两侧区域分割为同一区块,都会增加配送调度难度,导致配送成本上升。因此,有必要在考虑真实道路交通的连通性约束和实际地理要素的约束的基础上,对地理区域实现更加精准的粒度分割。
本申请提供一种基于路网的地理区域分割方法,根据从城市的地图数据中提取真实的道路交通网络进行区块分割,分割后获得的多边形区块,其内一般是完整的一个或者多个地理要素(如居民小区、商业中心、学校等),不会造成独立不可分割的地理要素被分割成多个区块的情形,并且将真实道路交通网络本身作为区块之间的边界,同时,同一个区块内部的连通性不存在障碍,因此不会破坏真实道路交通的连通性约束和实际地理要素的约束。
需要说明的是,现有技术在进行路网分割时是以POI(Point of Interest,兴趣点)为最小粒度进行分割的,而本实施例中,则是以AOI(Areaof Interest,兴趣面)为最小粒度,将城市的地理区域范围分割为无缝或近似无缝的AOI组合。针对整个城市的地理区域范围而言,以整个城市的地图数据为基准进行路网分割,不会存在某处空白的问题,对于城市的地理区域是全覆盖的。本实施例以基于路网的全域AOI分割为例进行说明,全域AOI即是指将一个城市整体分割为无缝或近似无缝的AOI组合。
本申请实施例所述待分割地理区域,是指需要进行区块分割的实际地理区域范围,比如在快递或者外卖配送等物流配送场景中,所述待分割地理区域可以是配送范围所属的城市,或者是城市的某一区域。所述待分割地理区域的地图数据,是指需要进行区块分割的实际地理区域范围的地图图像,比如城市的地图数据可以从开源地图数据、电子地图厂商获得,或者由电子地图图像改为卫星遥感图像。所述道路交通网络,由需要进行区块分割的实际地理区域范围内的真实道路组成,比如,某城市的道路交通网络,可理解为该城市内所有道路组成的路网。
本申请实施例提供的一种优选实施方式中,本步骤从所述待分割地理区域的地图数据中提取所述待分割地理区域内的道路交通网络,包括:基于道路灰度从所述地图数据中提取所述待分割地理区域中道路交通网络的道路;获取所述道路交通网络中道路的道路属性;根据所述道路属性对所述道路交通网络中的道路进行分类;从所述道路交通网络中剔除道路等级低于基准道路等级的道路,和/或剔除道路宽度低于基准道路宽度的道路。
例如,图2所示某城市的地图图像,来源于互联网的OpenStreetMap或第三方电子地图厂商提供的在线地图图像,具体提供的地图图像为栅格图片形式的电子地图。在提取城市道路交通网络的过程中,因为不同地理要素的图像灰度值不一样,而相同等级路网灰度值一致且连续,因此根据地图图像中的路网灰度来提取道路交通网络。并且,获取道路交通网络中各条道路的相关必要道路属性(宽度、车道数、道路级别等),按照道路级别对道路交通网络中的道路进行分类。完成分类后,将道路交通网络中道路级别最低的一级道路剔除,并同时将路网宽度过小的道路从道路(比如,将居民小区内部的道路剔除)交通网络中剔除。
步骤S102,确定所述道路交通网络对应的闭合路网。
上述步骤S101从所述待分割地理区域的地图数据中提取所述待分割地理区域内的道路交通网络,本步骤在上述步骤S101获得的所述待分割地理区域内的道路交通网络的基础上,对所述道路交通网络中的道路进行闭合计算,通过闭合计算来确定所述道路交通网络对应的闭合路网。
本申请实施例提供的一种优选实施方式中,所述确定所述道路交通网络对应的闭合路网,包括:
提取所述道路交通网络中道路的中心线;根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。
对所述道路交通网络提取中心线和进行闭合计算的好处在于:以道路交通网络多车道的道路或者立交桥处的道路为例,提取多车道的道路或者立交桥处道路的中心线,使多车道的道路变为单一分界线,避免同一道路在车道间生成多条细长区块,同一道路在车道间的区块并非商业活动区,所以无实际用处,可见,对所述道路交通网络提取中心线和进行闭合计算避免产生车道间的无效区块碎片。
进一步,所述根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网,优选采用如下方式确定:
判断所述道路交通网络中两条或者两条以上道路的始端和/或末端的距离是否小于基准距离阈值,若是,表明这两条或者两条以上道路相距很接近,将所述两个或者两个以上道路的始端和/或末端进行合并;若否,则表明这两条或者两条以上道路相距较远,不作处理即可。和/或,判断所述道路交通网络中道路的始端和/或末端是否与至少一条道路的始端和/或末端合并,若是,不作处理即可;若否,表明当前道路在始端和/或末端是孤立的(比如,实际场景中的断头路),无法与道路交通网络中其他道路形成闭合,则将所述道路从所述道路交通网络中剔除。
步骤S103,将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集。
本步骤根据上述步骤S101获取的所述待分割地理区域的地图数据,以及上述步骤S102通过闭合计算确定的所述道路交通网络对应的闭合路网,以所述待分割地理区域的地图图像为底图,对所述待分割地理区域与所述闭合路网进行差分计算,从而获得由所述闭合路网分割生成的地理要素的要素区块集,即城市的地理区域范围由该城市的闭合路网分割获得的AOI(要素区块)组成的AOI集合(要素区块集)。
优选的,将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:
对所述道路交通网络对应的闭合路网进行缓冲区处理,获得所述道路交通网络对应的路网区域;将所述待分割地理区域与所述道路交通网络对应的路网区域进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。如图2所示的某城市地理要素的要素区块组成的要素区块集,即该城市的全域AOI集合;图3为该城市某局部区域AOI集合的放大图。
这其中,对所述闭合路网进行缓冲区处理(buffer)的目的是使所述闭合路网从线元素转换为面元素,转变为面元素后才能与所述待分割地理区域进行差分计算。
本步骤将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集后,参见图2和图3所示的某城市的AOI集合,其中有许多面积很小的AOI,这些AOI在实际中对应的地理要素可能并无实际用途,因此可以将这些面积很小的AOI(碎片AOI)与相邻的AOI进行合并。优选的,可采用如下方式实现对AOI的合并操作:
从所述要素区块集中筛选区块大小低于基准区块阈值下限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:确定所述要素区块集中与所述要素区块边界相邻和/或重合最大的要素区块;将所述要素区块与确定的所述边界相邻和/或重合最大的要素区块进行合并。
此外,本步骤将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集后,参见图2和图3所示的某城市的AOI集合,还存在许多面积很大的AOI,对于这些AOI可进一步进行二次分割,具体实现如下:
从所述要素区块集中筛选区块大小超出基准区块阈值上限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:获取所述要素区块内路网等级低于基准路网等级和/或路网宽度低于基准路网宽度的道路;根据获取到的道路对所述要素区块进行二次分割。
在具体实施时,对于上述分割生成的AOI,分别是对应实际地理要素的多边形,而实际当中地理要素的形状往往较为复杂,因此,上述生成的多边形AOI的边界较为复杂,构成多边形AOI的边界点也比较多,为了减少计算量,提升计算效率,针对多边形AOI的边界进行压缩处理,使压缩后的多边形AOI的边界在尽量保持边界信息的同时最大比例压缩数据。
本申请实施例提供的一种优选实施方式中,针对多边形AOI的边界进行压缩处理,具体通过判断所述要素区块集中的要素区块边界上边界点的数目是否大于边界点数目阈值,若是,采用GeoHash算法对所述要素区块边界上边界点进行压缩处理;若否,不作处理即可。
此外,在实际应用中,还可能存在AOI的内部空缺的情形,即:AOI存在内边界,与上述AOI的外边界类似,内部边界上的边界点同样会带来计算复杂的问题,因此,还可针对内部存在空缺的AOI进行优化,优选采用如下方式实现:
判断所述要素区块集中的要素区块是否存在内边界,若是,根据所述要素区块的外边界,生成与所述要素区块的外边界相同且不包含内边界的要素区块;基于生成的所述不包含内边界的要素区块替换所述存在内边界的要素区块。若否,不作处理即可。
需要说明的是,上述获取所述待分割地理区域的地图数据,以及通过闭合计算确定的所述道路交通网络对应的闭合路网,并且以所述待分割地理区域的地图图像为底图,对所述待分割地理区域与所述闭合路网进行差分计算,从而获得由所述闭合路网分割生成的地理要素的要素区块集的过程中。优选通过提取所述道路交通网络中道路的中心线,根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算获得所述道路交通网络对应的闭合路网;并且,在针对所述待分割地理区域与所述闭合路网进行差分计算的过程中,优选通过对所述道路交通网络对应的闭合路网进行缓冲区处理获得所述道路交通网络对应的路网区域,将所述待分割地理区域与所述道路交通网络对应的路网区域进行差分计算,从而获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。除此之外,还可以采用其他方式实现,比如在确定所述道路交通网络对应的闭合路网的过程中,就对所述道路交通网络中道路各车道分别进行缓冲区处理,然后对处理后获得的车道缓冲区域进行合并,同样可以起到消除车道间的无效区块碎片的效果。
本申请实施例提供的另一种优选实施方式中,所述确定所述道路交通网络对应的闭合路网,包括:对所述道路交通网络中道路各车道分别进行缓冲区处理,获得各车道的车道缓冲区域;对所述道路交通网络中归属于同一道路的多个车道的车道缓冲区域进行合并;针对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。相应的,本步骤所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:将所述待分割地理区域的与闭合路网进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
步骤S104,将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
本申请实施例提供的一种优选实施方式中,本步骤将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤,基于要素识别模型实现;其中,所述要素识别模型根据输入的所述要素区块的灰度和/或颜色,对所述要素区块的灰度和/颜色与基准灰度范围和/或基准颜色范围进行相似度匹配,输出与所述要素区块的灰度值匹配的地理要素。
在具体实施时,所述要素识别模型可以通过抽取部分样本图像数据,针对不同的地理要素区域灰度值范围进行建模,找到不同要素灰度值的最佳分割点,然后对所有AOI的灰度与要素模型灰度进行相似度匹配,以自动识别全部AOI的要素属性。类似的,还可以基于地理要素区域颜色范围进行建模,通过颜色来识别要素区块的颜色匹配的地理要素。
本申请提供的另一种优选实施方式中,在上述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素之后,对所述要素区块进行编码并赋予相应的属性;其中,所述属性包括下述至少一项:位置相关GeoHash编码、面积、中心点以及区域要素类别。
对所述要素区块进行编码并赋予相应的属性的目的是为了实现标准化的输出,比如对全部AOI进行统一编码和属性赋值,包括位置相关GeoHash编码、面积、中心点及区域要素类别等,然后向对接的使用所述地理要素的系统或者应用方输出。
综上所述,所述基于路网的地理区域分割方法,在考虑到道路交通的连通性约束和实际地理要素的约束的基础上,通过对待分割地理区域的道路交通网络与所述道路交通网络的对应的闭合路网进行差分计算,即:利用所述道路交通网络的对应的闭合路网对所述待分割地理区域进行分割,从而获得所述待分割地理区域包含的地理要素的要素区块集,并进一步通过要素属性匹配识别所述待分割地理区域的要素区块集中要素区块各自对应的地理要素,从而对地理区域实现更加精准的分割,同时没有破坏道路交通的连通性约束和实际地理要素的约束,更加符合实际应用场景,更具实用性。
本申请提供的一种基于路网的地理区域分割装置实施例如下:
在上述的实施例中,提供了一种基于路网的地理区域分割方法,与之相对应的,本申请还提供了一种基于路网的地理区域分割装置,下面结合附图进行说明。
参照附图6,其示出了本申请提供的一种基于路网的地理区域分割装置实施例的示意图。
由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种基于路网的地理区域分割装置,包括:
道路交通网络提取单元601,用于从待分割地理区域的地图数据中提取道路交通网络;
闭合路网确定单元602,用于确定所述道路交通网络对应的闭合路网;
差分计算单元603,用于将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
地理要素确定单元604,用于将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
可选的,所述道路交通网络提取单元601,包括:
道路提取子单元,用于基于道路灰度从所述地图数据中提取所述待分割地理区域中道路交通网络的道路;
道路属性获取子单元,用于获取所述道路交通网络中道路的道路属性;
道路分类子单元,用于根据所述道路属性对所述道路交通网络中的道路进行分类;
道路过滤子单元,用于从所述道路交通网络中剔除道路等级低于基准道路等级的道路,和/或剔除道路宽度低于基准道路宽度的道路。
可选的,所述闭合路网确定单元602,包括:
中心线提取子单元,用于提取所述道路交通网络中道路的中心线;
闭合计算子单元,用于根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。
可选的,所述闭合计算子单元,包括:
道路合并子模块,用于判断所述道路交通网络中两条或者两条以上道路的始端和/或末端的距离是否小于基准距离阈值,若是,将所述两条或者两条以上道路的始端和/或末端进行合并;
和/或,道路剔除过滤子模块,用于判断所述道路交通网络中道路的始端和/或末端是否与至少一条道路的始端和/或末端合并,若否,将所述道路从所述道路交通网络中剔除。
可选的,差分计算单元603,包括:
路网区域确定子单元,用于对所述道路交通网络对应的闭合路网进行缓冲区处理,获得所述道路交通网络对应的路网区域;
要素区块分割子单元,用于将所述待分割地理区域与所述道路交通网络对应的路网区域进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
可选的,所述基于路网的地理区域分割装置,包括:
要素区块筛选单元,用于从所述要素区块集中筛选区块大小低于基准区块阈值下限的要素区块;并且,针对筛选出的至少一个要素区块,运行相邻要素区块确定单元和要素区块合并单元;
所述相邻要素区块确定单元,用于确定所述要素区块集中与所述要素区块边界相邻和/或重合最大的要素区块;
所述要素区块合并单元,用于将所述要素区块与确定的所述边界相邻和/或重合最大的要素区块进行合并。
可选的,所述基于路网的地理区域分割装置,包括:
第二要素区块筛选单元,用于从所述要素区块集中筛选区块大小超出基准区块阈值上限的要素区块;并且,针对筛选出的至少一个要素区块,运行道路获取单元和二次分割单元;
所述道路获取单元,用于获取所述要素区块内路网等级低于基准路网等级和/或路网宽度低于基准路网宽度的道路;
所述二次分割单元,用于根据获取到的道路对所述要素区块进行二次分割。
可选的,所述基于路网的地理区域分割装置,包括:
边界处理单元,用于判断所述要素区块集中的要素区块边界上边界点的数目是否大于边界点数目阈值,若是,采用GeoHash算法对所述要素区块边界上边界点进行压缩处理。
可选的,所述基于路网的地理区域分割装置,包括:
内边界判断单元,用于判断所述要素区块集中的要素区块是否存在内边界,若是,运行要素区块生成单元和要素区块替换单元;
所述要素区块生成单元,用于根据所述要素区块的外边界,生成与所述要素区块的外边界相同且不包含内边界的要素区块;
所述要素区块替换单元,用于基于生成的所述不包含内边界的要素区块替换所述存在内边界的要素区块。
可选的,所述地理要素确定单元604,基于要素识别模型运行;其中,所述要素识别模型根据输入的所述要素区块的灰度和/或颜色,对所述要素区块的灰度和/颜色与基准灰度范围和/或基准颜色范围进行相似度匹配,输出与所述要素区块的灰度值匹配的地理要素。
可选的,所述基于路网的地理区域分割装置,包括:
编码单元,用于对所述要素区块进行编码并赋予相应的属性;
其中,所述属性包括下述至少一项:位置相关GeoHash编码、面积、中心点以及区域要素类别。
可选的,所述闭合路网确定单元602,包括:
车道缓冲区域确定子单元,用于对所述道路交通网络中道路各车道分别进行缓冲区处理,获得各车道的车道缓冲区域;
车道缓冲区域合并子单元,用于对所述道路交通网络中归属于同一道路的多个车道的车道缓冲区域进行合并;
道路闭合计算子单元,用于针对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网;
相应的,所述差分计算单元603,具体用于将所述待分割地理区域的与闭合路网进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
本申请提供的一种电子设备实施例如下:
在上述的实施例中,提供了一种基于路网的地理区域分割方法,此外,本申请还提供了一种用于实现所述基于路网的地理区域分割方法的电子设备,下面结合附图进行说明。
参照附图7,其示出了本实施例提供的一种电子设备的示意图。
本申请提供的所述电子设备实施例描述得比较简单,相关的部分请参见上述提供的所述基于路网的地理区域分割方法实施例的对应说明即可。下述描述的实施例仅仅是示意性的。
本申请提供一种电子设备,包括:
存储器701和处理器702;
所述存储器701用于存储计算机可执行指令,所述处理器702用于执行如下计算机可执行指令:
从待分割地理区域的地图数据中提取道路交通网络;
确定所述道路交通网络对应的闭合路网;
将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
可选的,所述从待分割地理区域的地图数据中提取道路交通网络,包括:
基于道路灰度从所述地图数据中提取所述待分割地理区域中道路交通网络的道路;
获取所述道路交通网络中道路的道路属性;
根据所述道路属性对所述道路交通网络中的道路进行分类;
从所述道路交通网络中剔除道路等级低于基准道路等级的道路,和/或剔除道路宽度低于基准道路宽度的道路。
可选的,所述确定所述道路交通网络对应的闭合路网,包括:
提取所述道路交通网络中道路的中心线;
根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。
可选的,所述根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网,包括:
判断所述道路交通网络中两条或者两条以上道路的始端和/或末端的距离是否小于基准距离阈值,若是,将所述两条或者两条以上道路的始端和/或末端进行合并;
和/或,判断所述道路交通网络中道路的始端和/或末端是否与至少一条道路的始端和/或末端合并,若否,将所述道路从所述道路交通网络中剔除。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:
对所述道路交通网络对应的闭合路网进行缓冲区处理,获得所述道路交通网络对应的路网区域;
将所述待分割地理区域与所述道路交通网络对应的路网区域进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集指令执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素指令执行前,所述处理器702还用于执行如下计算机可执行指令:
从所述要素区块集中筛选区块大小低于基准区块阈值下限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:
确定所述要素区块集中与所述要素区块边界相邻和/或重合最大的要素区块;
将所述要素区块与确定的所述边界相邻和/或重合最大的要素区块进行合并。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集指令执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素指令执行前,所述处理器702还用于执行如下计算机可执行指令:
从所述要素区块集中筛选区块大小超出基准区块阈值上限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:
获取所述要素区块内路网等级低于基准路网等级和/或路网宽度低于基准路网宽度的道路;
根据获取到的道路对所述要素区块进行二次分割。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集指令执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素指令执行前,所述处理器702还用于执行如下计算机可执行指令:
判断所述要素区块集中的要素区块边界上边界点的数目是否大于边界点数目阈值,若是,采用GeoHash算法对所述要素区块边界上边界点进行压缩处理。
可选的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集指令执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素指令执行前,所述处理器702还用于执行如下计算机可执行指令:
判断所述要素区块集中的要素区块是否存在内边界,若是,根据所述要素区块的外边界,生成与所述要素区块的外边界相同且不包含内边界的要素区块;
基于生成的所述不包含内边界的要素区块替换所述存在内边界的要素区块。
可选的,所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素指令,基于要素识别模型执行;其中,所述要素识别模型根据输入的所述要素区块的灰度和/或颜色,对所述要素区块的灰度和/颜色与基准灰度范围和/或基准颜色范围进行相似度匹配,输出与所述要素区块的灰度值匹配的地理要素。
可选的,所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素指令执行后,所述处理器702还用于执行如下计算机可执行指令:
对所述要素区块进行编码并赋予相应的属性;
其中,所述属性包括下述至少一项:位置相关GeoHash编码、面积、中心点以及区域要素类别。
可选的,所述确定所述道路交通网络对应的闭合路网,包括:
对所述道路交通网络中道路各车道分别进行缓冲区处理,获得各车道的车道缓冲区域;
对所述道路交通网络中归属于同一道路的多个车道的车道缓冲区域进行合并;
针对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网;
相应的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:
将所述待分割地理区域的与闭合路网进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (16)
1.一种基于路网的地理区域分割方法,其特征在于,包括:
从待分割地理区域的地图数据中提取道路交通网络;
确定所述道路交通网络对应的闭合路网;
将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
2.根据权利要求1所述的基于路网的地理区域分割方法,其特征在于,所述从待分割地理区域的地图数据中提取道路交通网络,包括:
基于道路灰度从所述地图数据中提取所述待分割地理区域中道路交通网络的道路;
获取所述道路交通网络中道路的道路属性;
根据所述道路属性对所述道路交通网络中的道路进行分类;
从所述道路交通网络中剔除道路等级低于基准道路等级的道路,和/或剔除道路宽度低于基准道路宽度的道路。
3.根据权利要求1所述的基于路网的地理区域分割方法,其特征在于,所述确定所述道路交通网络对应的闭合路网,包括:
提取所述道路交通网络中道路的中心线;
根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。
4.根据权利要求3所述的基于路网的地理区域分割方法,其特征在于,所述根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网,包括:
判断所述道路交通网络中两条或者两条以上道路的始端和/或末端的距离是否小于基准距离阈值,若是,将所述两条或者两条以上道路的始端和/或末端进行合并;
和/或,判断所述道路交通网络中道路的始端和/或末端是否与至少一条道路的始端和/或末端合并,若否,将所述道路从所述道路交通网络中剔除。
5.根据权利要求1所述的基于路网的地理区域分割方法,其特征在于,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:
对所述道路交通网络对应的闭合路网进行缓冲区处理,获得所述道路交通网络对应的路网区域;
将所述待分割地理区域与所述道路交通网络对应的路网区域进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
6.根据权利要求1所述的基于路网的地理区域分割方法,其特征在于,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
从所述要素区块集中筛选区块大小低于基准区块阈值下限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:
确定所述要素区块集中与所述要素区块边界相邻和/或重合最大的要素区块;
将所述要素区块与确定的所述边界相邻和/或重合最大的要素区块进行合并。
7.根据权利要求1所述的基于路网的地理区域分割方法,其特征在于,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
从所述要素区块集中筛选区块大小超出基准区块阈值上限的要素区块;并且,针对筛选出的至少一个要素区块,执行如下操作:
获取所述要素区块内路网等级低于基准路网等级和/或路网宽度低于基准路网宽度的道路;
根据获取到的道路对所述要素区块进行二次分割。
8.根据权利要求1至7任意一项所述的基于路网的地理区域分割方法,其特征在于,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
判断所述要素区块集中的要素区块边界上边界点的数目是否大于边界点数目阈值,若是,采用GeoHash算法对所述要素区块边界上边界点进行压缩处理。
9.根据权利要求8所述的基于路网的地理区域分割方法,其特征在于,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集步骤执行后,且所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行前,执行如下操作:
判断所述要素区块集中的要素区块是否存在内边界,若是,根据所述要素区块的外边界,生成与所述要素区块的外边界相同且不包含内边界的要素区块;
基于生成的所述不包含内边界的要素区块替换所述存在内边界的要素区块。
10.根据权利要求1所述的基于路网的地理区域分割方法,其特征在于,所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤,基于要素识别模型实现;
其中,所述要素识别模型根据输入的所述要素区块的灰度和/或颜色,对所述要素区块的灰度和/颜色与基准灰度范围和/或基准颜色范围进行相似度匹配,输出与所述要素区块的灰度值匹配的地理要素。
11.根据权利要求1所述的基于路网的地理区域分割方法,其特征在于,所述将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素步骤执行后,执行如下操作:
对所述要素区块进行编码并赋予相应的属性;
其中,所述属性包括下述至少一项:位置相关GeoHash编码、面积、中心点以及区域要素类别。
12.根据权利要求5所述的基于路网的地理区域分割方法,其特征在于,所述确定所述道路交通网络对应的闭合路网,包括:
对所述道路交通网络中道路各车道分别进行缓冲区处理,获得各车道的车道缓冲区域;
对所述道路交通网络中归属于同一道路的多个车道的车道缓冲区域进行合并;
针对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网;
相应的,所述将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集,包括:
将所述待分割地理区域的与闭合路网进行差分计算,获得所述待分割地理区域由所述路网区域分割的至少一个地理要素的要素区块组成的要素区块集。
13.一种基于路网的地理区域分割装置,其特征在于,包括:
道路交通网络提取单元,用于从待分割地理区域的地图数据中提取道路交通网络;
闭合路网确定单元,用于确定所述道路交通网络对应的闭合路网;
差分计算单元,用于将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
地理要素确定单元,用于将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
14.根据权利要求13所述的基于路网的地理区域分割装置,其特征在于,所述道路交通网络提取单元,包括:
道路提取子单元,用于基于道路灰度从所述地图数据中提取所述待分割地理区域中道路交通网络的道路;
道路属性获取子单元,用于获取所述道路交通网络中道路的道路属性;
道路分类子单元,用于根据所述道路属性对所述道路交通网络中的道路进行分类;
道路过滤子单元,用于从所述道路交通网络中剔除道路等级低于基准道路等级的道路,和/或剔除道路宽度低于基准道路宽度的道路。
15.根据权利要求13所述的基于路网的地理区域分割装置,其特征在于,所述闭合路网确定单元,包括:
中心线提取子单元,用于提取所述道路交通网络中道路的中心线;
闭合计算子单元,用于根据所述道路交通网络中道路的中心线对所述道路交通网络中道路进行闭合计算,获得所述道路交通网络对应的闭合路网。
16.一种电子设备,其特征在于,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
从待分割地理区域的地图数据中提取道路交通网络;
确定所述道路交通网络对应的闭合路网;
将所述待分割地理区域与所述闭合路网进行差分计算,获得所述待分割地理区域包含的地理要素的要素区块集;
将所述要素区块集中的要素区块与所述地图数据中包含的要素属性进行匹配,获得所述要素区块集中的要素区块各自对应的地理要素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810894996.3A CN110827286B (zh) | 2018-08-08 | 2018-08-08 | 基于路网的地理区域分割方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810894996.3A CN110827286B (zh) | 2018-08-08 | 2018-08-08 | 基于路网的地理区域分割方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110827286A CN110827286A (zh) | 2020-02-21 |
CN110827286B true CN110827286B (zh) | 2023-05-16 |
Family
ID=69535271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810894996.3A Active CN110827286B (zh) | 2018-08-08 | 2018-08-08 | 基于路网的地理区域分割方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827286B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598101B (zh) * | 2020-05-25 | 2021-03-23 | 中国测绘科学研究院 | 基于遥感影像场景分割的城区智能提取方法、系统及设备 |
CN112100311B (zh) * | 2020-11-19 | 2021-03-05 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种道路交通路网地理信息数据管理方法、装置及系统 |
CN113901342B (zh) * | 2021-09-30 | 2022-07-26 | 北京百度网讯科技有限公司 | 一种路网数据处理方法、装置、电子设备及存储介质 |
CN114880423B (zh) * | 2022-07-08 | 2022-09-30 | 高德软件有限公司 | 高精资料数据的切分方法、装置、设备及产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1934936A2 (en) * | 2005-10-10 | 2008-06-25 | Nordic Bioscience A/S | A method of segmenting an image |
CN106323301A (zh) * | 2015-06-29 | 2017-01-11 | 北京四维图新科技股份有限公司 | 一种道路情报的获取方法及装置 |
CN106595681A (zh) * | 2016-12-16 | 2017-04-26 | 上海博泰悦臻网络技术服务有限公司 | 一种路径数据的差分更新方法、系统及服务器 |
CN107808518A (zh) * | 2017-10-26 | 2018-03-16 | 东南大学 | 一种基于多路谱聚类理论的交通小区划分方法 |
CN108195382A (zh) * | 2017-12-28 | 2018-06-22 | 湖北省测绘工程院 | 一种高精度导航图精度配准方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013165476A (ja) * | 2011-11-11 | 2013-08-22 | Mitsubishi Electric Corp | 画像処理装置、画像処理方法、画像表示装置、プログラム及び記録媒体 |
-
2018
- 2018-08-08 CN CN201810894996.3A patent/CN110827286B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1934936A2 (en) * | 2005-10-10 | 2008-06-25 | Nordic Bioscience A/S | A method of segmenting an image |
CN106323301A (zh) * | 2015-06-29 | 2017-01-11 | 北京四维图新科技股份有限公司 | 一种道路情报的获取方法及装置 |
CN106595681A (zh) * | 2016-12-16 | 2017-04-26 | 上海博泰悦臻网络技术服务有限公司 | 一种路径数据的差分更新方法、系统及服务器 |
CN107808518A (zh) * | 2017-10-26 | 2018-03-16 | 东南大学 | 一种基于多路谱聚类理论的交通小区划分方法 |
CN108195382A (zh) * | 2017-12-28 | 2018-06-22 | 湖北省测绘工程院 | 一种高精度导航图精度配准方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110827286A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110827286B (zh) | 基于路网的地理区域分割方法、装置以及电子设备 | |
CN110827048B (zh) | 基于路网的地理区域分割方法、装置以及电子设备 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
CN110135351B (zh) | 基于城市建筑空间数据的建成区边界识别方法及设备 | |
CN103093186B (zh) | 用于改进图像识别的系统和方法 | |
JP2017533482A (ja) | 車線データの処理方法、装置、記憶媒体及び機器 | |
CN112733781B (zh) | 结合poi数据的城市功能区识别方法、存储介质和电子设备 | |
CN109522852B (zh) | 基于光学遥感影像的人造目标检测方法、装置及设备 | |
CN115600307B (zh) | 一种从城市场景的Mesh模型中生成单体化建筑的方法 | |
CN111291811A (zh) | 区域划分和分类方法、装置和计算机可读存储介质 | |
CN111400533A (zh) | 图像筛选方法、装置、电子设备和存储介质 | |
CN106373199A (zh) | 一种倾斜摄影建筑物模型快速提取方法 | |
CN111429463A (zh) | 实例分割方法、装置、电子设备和存储介质 | |
Inostroza et al. | Urban sprawl and fragmentation in Latin America: A comparison with European cities. The myth of the diffuse Latin American city | |
CN109635701A (zh) | 车道通行属性获取方法、装置和计算机可读存储介质 | |
Bakirman et al. | Use of artificial intelligence toward climate-neutral cultural heritage | |
Wang et al. | Urban function zoning using geotagged photos and openstreetmap | |
CN110866081B (zh) | 一种基于互联网地图的路况拥堵分析方法 | |
CN111382220A (zh) | 一种poi数据划分方法和装置 | |
CN110363251B (zh) | 一种sku图像分类方法、装置、电子设备及存储介质 | |
CN114896353A (zh) | 一种地理编码方法、存储介质及系统 | |
Wijnant et al. | Per-parcel classification of urban ikonos imagery | |
CN114004740A (zh) | 基于无人机激光雷达点云的建筑物墙线提取方法 | |
CN108629240B (zh) | 一种区域划分方法及装置 | |
Karsznia et al. | May AI help you? Automatic settlement selection for small-scale maps using selected machine learning models |
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 |