CN110929150A - 停车站点处理方法、系统、终端及可读存储介质 - Google Patents
停车站点处理方法、系统、终端及可读存储介质 Download PDFInfo
- Publication number
- CN110929150A CN110929150A CN201911126473.5A CN201911126473A CN110929150A CN 110929150 A CN110929150 A CN 110929150A CN 201911126473 A CN201911126473 A CN 201911126473A CN 110929150 A CN110929150 A CN 110929150A
- Authority
- CN
- China
- Prior art keywords
- parking
- cluster center
- user
- area
- regional
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供停车站点处理方法、系统、终端及可读存储介质,所述方法包括:根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离,通过第一间隔距离与预设间隔距离的关系,选取备选停车区域,对备选停车区域以及用户申请停车站点进行分类处理,得到备选停车区域对应的第一初始簇中心和用户申请停车站点对应的第二初始簇中心,根据地区停车区域信息、第一初始簇中心、第二初始簇中心以及地区运营区域信息库,提取备选停车区域的目标簇中心,通过目标簇中心确定目标推荐停车站点;该方法可以根据实际地区停车区域信息以及用户需求确定目标推荐停车站点,进而提升用户体验。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种停车站点处理方法、系统、终端及可读存储介质。
背景技术
随着国内车辆数量的不断增加,停车位不足的问题日益严重,尤其是在城市中,停车成为困扰驾驶员的一大难题。
传统技术中,智能终端能够将停车点推荐给驾驶员,驾驶员经过二次确认后确定停车区。但是,随着推荐信息量的增大,采用传统的方式确定停车区会降低用户体验。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高用户体验的停车站点处理方法、系统、终端及可读存储介质。
本申请实施例提供一种停车站点处理方法,所述方法包括:
根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
通过所述第一间隔距离与预设间隔距离的关系,选取定备选停车区域;
对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
通过所述目标簇中心确定目标推荐停车站点。
在其中一个实施例中,所述根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离,包括:
根据所述地区停车区域信息中的所有地区停车站点坐标,与所述用户停车站点信息中用户到达终点坐标,计算所有地区停车区域与用户到达终点之间的所述第一间隔距离。
在其中一个实施例中,所述通过所述第一间隔距离与预设间隔距离的关系,选取定备选停车区域,包括:当所述第一间隔距离大于所述预设间隔距离,则将所述第一间隔距离对应的地区停车区域确定为所述备选停车区域。
在其中一个实施例中,所述对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心,包括:
对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心;
对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心。
在其中一个实施例中,所述对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心,对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心,包括:
采用基于密度的聚类算法对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心;
采用迭代聚类算法对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心。
在其中一个实施例中,所述根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心,包括:
根据所述地区停车区域信息以及所述第二初始簇中心,提取所述备选停车区域的中间簇中心;
根据所述地区运营区域信息库,从所述中间簇中心中提取所述备选停车区域的目标簇中心。
在其中一个实施例中,所述根据所述地区停车区域信息以及所述第二初始簇中心,提取所述备选停车区域的中间簇中心,包括:
根据所述地区停车区域信息,从所述第一初始簇中心中提取所述备选停车区域的预设簇中心;
获取所述第二初始簇中心与所述预设簇中心之间的第二间隔距离;根据所述第二间隔距离,从所述预设簇中心中提取所述备选停车区域的所述中间簇中心。
在其中一个实施例中,所述通过所述目标簇中心确定目标推荐停车站点,包括:
通过所述目标簇中心、路网信息库以及道路信息库获取路网线段;
根据所述路网线段以及所述目标簇中心,得到目标推荐停车站点。
在其中一个实施例中,所述通过所述目标簇中心、路网信息库以及道路信息库获取路网线段,包括:
根据所述目标簇中心,从所述路网信息库中获取路网标识信息;
根据所述路网标识信息,从所述道路信息库中获取所述路网线段。
在其中一个实施例中,所述根据所述路网线段以及所述目标簇中心,得到目标推荐停车站点,包括:
对所述路网线段进行划分处理,得到划分点;
根据所述划分点与所述目标簇中心,确定目标推荐停车站点。
本申请实施例提供一种停车站点处理系统,所述系统包括:
间隔距离获取模块,用于根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
第一确定模块,用于通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域;
分类处理模块,用于对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
提取模块,用于根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
第二确定模块,用于通过所述目标簇中心确定目标推荐停车站点。
本申请实施例提供一种终端,包括存储器、处理器,所述存储器上存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
通过所述第一间隔距离确定备选停车区域;
对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
通过所述目标簇中心确定目标推荐停车站点。
本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
通过所述第一间隔距离确定备选停车区域;
对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
通过所述目标簇中心确定目标推荐停车站点。
本实施例提供的停车站点处理方法,该方法可以根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离,通过第一间隔距离与预设间隔距离的关系,选取备选停车区域,对备选停车区域以及用户申请停车站点进行分类处理,得到备选停车区域对应的第一初始簇中心和用户申请停车站点对应的第二初始簇中心,根据地区停车区域信息、第一初始簇中心、第二初始簇中心以及地区运营区域信息库,提取备选停车区域的目标簇中心,通过目标簇中心确定目标推荐停车站点;该方法可以根据实际地区停车区域信息以及用户需求确定目标推荐停车站点,进而提升用户体验。
附图说明
图1为一实施例提供的停车站点处理方法的应用场景图;
图2为另一实施例提供的停车站点处理方法的流程示意图;
图3为一实施例提供的停车站点处理系统的结构示意图;
图4为一个实施例提供的终端的内部结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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。
本实施例提供的停车站点处理方法,可以适用于图1所示的停车站点处理系统中。如图1所示,该系统包括终端以及后台服务器。在本实施例中,后台服务器可以根据现有的地区停车区域信息以及用户停车站点进行一系列处理后,得到目标推荐停车站点,进而根据所有目标推荐停车站点确定目标推荐停车区域,然后将目标推荐停车区域发送至终端,以供用户查看推荐停车区域。可选的,上述一系列处理可以包括距离计算、分类处理、提取处理等等。可选的,上述地区停车站点可以停放任意类型的车辆,对此本实施例不做任何限定。其中,终端以及后台服务器可以通过无线连接进行通信,还可以通过有线连接进行通信。可选的,无线连接的方式可以是Wi-Fi,移动网络或蓝牙连接。可选的,上述终端可以为智能手机、平板电脑、笔记本电脑、台式电脑或个人数字助理等具有显示信息功能的计算机设备。本实施例对终端的具体形式并不做限定。本实施例中的停车站点处理方法可以应用于非机动车辆;另外,在不考虑违规停车的情况下,本实施例提供的停车站点处理方法还可以应用于机动车辆。在下述实施例中将具体介绍停车站点处理方法的具体过程。
为了使本发明的目的、技术方案及优点更加清楚明白,通过下述实施例并结合附图,对本发明实施例中的技术方案的进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定发明。
图2为一实施例提供的停车站点处理方法的流程示意图。本实施例涉及的是如何获取推荐停车站点的过程。如图2所示,该方法包括:
步骤S101、根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离。
具体的,上述地区停车区域信息可以包括地区停车区域的坐标信息,该坐标信息的表示形式可以为二维平面坐标,还可以为经纬度坐标。可选的,地区停车区域的数量可以大于1。在本实施例中,地区停车区域可以为用户当前所处城市的城市停车区域,该地区停车区域可以为多边形区域,地区停车区域的坐标信息可以包括多边形区域的每个顶点坐标,即每个顶点坐标可以表征地区停车站点坐标。同时,后台服务器可以根据地区停车区域的每个顶点坐标确定地区停车区域中心点的坐标。可选的,上述用户停车站点信息可以包括用户驾车出发的起点坐标、用户驾车到达的终点坐标以及用户驾车从起点到达终点所需时长。
其中,步骤S101中根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离的过程,可以包括:根据所述地区停车区域信息中的所有地区停车站点坐标,与所述用户停车站点信息中用户到达终点坐标,计算所有地区停车区域与用户到达终点之间的所述第一间隔距离。
需要说明的是,后台服务器可以从地区停车区域信息库中得到所有地区停车区域信息,然后根据所有地区停车区域信息得到所有地区停车站点坐标;同时,后台服务器可以从用户停车站点信息库中得到用户停车站点信息,然后从用户停车站点信息中得到用户到达终点坐标。在本实施例中,后台服务器可以计算所有地区停车站点与用户到达终点之间的所有第一间隔距离。可选的,计算第一间隔距离的方法可以为欧式距离法、geohash算法等等。
可以理解的是,上述第一间隔距离可以表征为地区停车区域中心点与用户到达终点之间的直线距离。例如,一地区一个停车区域中一个顶点坐标A1为(x1,y1),用户到达终点坐标A2为(x2,y2),则两点之间的直线距离可以表示为另外,若该停车区域中另一个顶点坐标B1为(m1,n1)(即经纬度坐标),用户到达终点坐标B2为(m2,n2)(即经纬度坐标),则通过geohash算法可以将两个经纬度坐标转换为对应的两个字符串(即l1和l2),其中,字符串的长度可以等于12,相当于字符串中包括12个字母或数字;然后比较两个字符串中,相同字母或数字的数目,并根据相同字母或数字的数目确定对应影响宽度a和影响高度b,进而采用三角形勾股定理,根据影响宽度a和影响高度b计算两点之间的直线距离,即可选的,影响宽度a可以表征两个经纬度坐标中横坐标之间相隔的距离,影响高度b可以表征两个经纬度坐标中纵坐标之间相隔的距离。
步骤S102、通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域。
具体的,后台服务器可以对第一间隔距离与预设间隔距离进行比较处理,根据比较结果确定备选停车区域。可选的,备选停车区域可以为所有地区停车区域中的一部分地区停车区域。可选的,备选停车区域可以用于表征超区停车区域,该超区停车区域可以表征为停车区域已经超出用户到达终点时所允许停车的最大距离范围。
步骤S103、对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心。
具体的,上述用户申请停车站点可以表征为用户根据实际行车路线以及其它实际需求,所要申请的停车站点。可选的,上述分类处理可以包括按照数据类型的划分方法、按照数据来源的划分方法、按照数据密集度的划分方法等等。
需要说明的是,后台服务器可以从用户申请停车站点信息库中得到用户申请停车站点信息,即用户申请停车站点的坐标。可选的,后台服务器可以在分类处理后,将每类站点的中心点作为初始簇中心。
步骤S104、根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心。
具体的,后台服务器可以根据地区停车区域信息、第一初始簇中心、第二初始簇中心以及地区运营区域信息库,剔除不满足预设中心条件的初始簇中心,得到备选停车区域的目标簇中心。可选的,预设中心条件可以包括满足用户驾车过程中,距离、行车区域等需求的初始簇中心。
步骤S105、通过所述目标簇中心确定目标推荐停车站点。
具体的,后台服务器可以基于目标簇中心剔除不满足预设距离条件的目标簇中心,然后将未剔除的目标簇中心确定为目标推荐停车站点,进而后台服务器还可以根据所有目标推荐停车站点得到目标推荐停车区域。
本实施例提供的停车站点处理方法,该方法可以根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离,通过第一间隔距离与预设间隔距离的关系,选取备选停车区域,对备选停车区域以及用户申请停车站点进行分类处理,得到备选停车区域对应的第一初始簇中心和用户申请停车站点对应的第二初始簇中心,根据地区停车区域信息、第一初始簇中心、第二初始簇中心以及地区运营区域信息库,提取备选停车区域的目标簇中心,通过目标簇中心确定目标推荐停车站点;该方法可以根据实际地区停车区域信息以及用户需求确定目标推荐停车站点,进而提升用户体验,并且减少了运营成本,提高了停车站点的盈收能力;同时,该方法可以采用自动化方式,根据用户不同需求确定目标推荐停车站点,减少用户操作时间,降低人力资源成本,提高停车站点的营利。
作为其中一个实施例,在步骤S102中通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域的过程,具体可以包括:当所述第一间隔距离大于所述预设间隔距离,则将所述第一间隔距离对应的地区停车区域确定为所述备选停车区域。
具体的,后台服务器可以判断每个第一间隔距离是否大于预设间隔距离,若是,则将第一间隔距离对应的地区停车区域确定为备选停车区域。可选的,预设间隔距离可以根据实际需求制定的数值;在本实施例中,上述预设间隔距离可以为75m~100m。
本实施例提供的停车站点处理方法,当第一间隔距离大于预设间隔距离,则将第一间隔距离对应的地区停车区域确定为备选停车区域,进而根据备选停车区域进一步处理确定目标推荐停车站点;该方法可以根据实际地区停车区域信息以及用户需求确定目标推荐停车站点,进而提升用户体验,并且减少了运营成本,提高了停车站点的盈收能力。
作为其中一个实施例,在步骤S103中对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心的过程,可以通过以下方式实现:
步骤S1031、对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心。
具体的,后台服务器可以对备选停车区域进行聚类处理,得到备选停车区域对应的第一初始簇中心,也可以理解为,对所有备选停车区域中的所有顶点坐标进行聚类处理,得到所有备选停车区域对应的所有第一初始簇中心。可选的,第一初始簇中心的数量可以大于1。可选的,上述聚类处理可以包括基于划分的聚类算法、基于密度的聚类算法、基于层次的聚类算法、基于网格的聚类算法、基于模型的聚类算法等等。
步骤S1032、对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心。
具体的,后台服务器可以对用户申请停车站点进行聚类处理,实际上是对所有用户申请停车站点的坐标进行聚类处理,得到用户申请停车站点对应的第二初始簇中心。可选的,第二簇中心的数量可以大于1。可选的,上述聚类处理也可以包括基于划分的聚类算法、基于密度的聚类算法、基于层次的聚类算法、基于网格的聚类算法、基于模型的聚类算法等等。在本实施例中,步骤S1031中的聚类处理与步骤S1032中的聚类处理的具体方法可以不相同。
可选的,上述步骤S1031中对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心的过程,具体可以包括:采用基于密度的聚类算法对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心。
需要说明的是,上述基于密度的聚类算法可以包括DBSCAN算法和OPTICS算法;但是,在本实施例中,基于密度的聚类算法可以为DBSCAN算法。可选的,后台服务器可以获取备选停车区域中心点与用户到达终点之间的距离;当该距离大于预设第一距离阈值,可以剔除该备选停车区域,然后对剩余未剔除的备选停车区域进行基于密度的聚类算法;其中,预设第一距离阈值可以根据用户停放车辆的需求确定,在本实施例中,该预设第一距离阈值可以为1.2公里,但是也不限于该值。基于密度聚类处理过程中,将剩余未剔除的备选停车区域的所有顶点坐标作为样本,计算两两样本之间的距离,对距离进行排序,然后选取最小的距离作为基准比较距离;进一步地,计算基准比较距离与所有顶点之间的距离,并求平均值(即minPt参数),对于每个样本,以minPt参数为半径画圆,统计每个圆内的数量num,然后对所有样本的num求平均,作为第二初始簇中心。聚类完成一轮后,取未聚类的样本,不断重复迭代上述过程,直至未聚类样本的总数据小于总样本数量的预设百分比或距离的平均值minPt大于预设平均值,迭代完成后,得到所有的第二初始簇中心。其中,上述预设百分比和预设平均值可以根据实际情况通过大数据确定,均不为固定值;在本实施例中,预设百分比可以等于20%,预设平均值可以等于1.2公里。
可选的,上述步骤S1032中对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心的过程,具体可以包括:采用迭代聚类算法对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心。
可以理解的是,上述迭代聚类算法可以为K均值聚类算法。
本实施例提供的停车站点处理方法,该方法可以对备选停车区域以及用户申请停车站点进行聚类处理,得到备选停车区域对应的第一初始簇中心和用户申请停车站点对应的第二初始簇中心,进而根据地区停车区域信息、第一初始簇中心、第二初始簇中心以及地区运营区域信息库,提取备选停车区域的目标簇中心,通过目标簇中心确定目标推荐停车站点;该方法可以根据实际地区停车区域信息以及用户需求确定目标推荐停车站点,进而提升用户体验,并且减少了运营成本,提高了停车站点的盈收能力;同时,该方法可以采用自动化方式,根据用户不同需求确定目标推荐停车站点,减少用户操作时间,降低人力资源成本,提高停车站点的营利。
作为其中一个实施例,上述步骤S104中根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心的过程,可以包括如下过程:
步骤S1041、根据所述地区停车区域信息以及所述第二初始簇中心,提取所述备选停车区域的中间簇中心。
具体的,后台服务器可以根据地区停车区域信息以及第二初始簇中心进行一系列的距离运算,进而提取备选停车区域的中间簇中心。
可选的,上述步骤S1041中根据所述地区停车区域信息以及所述第二初始簇中心,提取所述备选停车区域的中间簇中心的过程,具体可以包括如下过程:
步骤S1041a、根据所述地区停车区域信息,从所述第一初始簇中心中提取所述备选停车区域的预设簇中心。
具体的,后台服务器可以通过地区停车区域坐标计算地区停车区域中心点的坐标,并计算地区停车区域中心点与第一初始簇中心之间的第三间隔距离,第三间隔距离小于预设第二间隔距离时,后台服务器可以从第一初始簇中心中剔除掉该第一初始簇中心,将剩余未剔除的第一初始簇中心作为备选停车区域的预设簇中心。可选的,计算第三间隔距离的方法可以为欧式距离法、geohash算法等等。在本实施例中,上述预设第二间隔距离可以等于150m。
步骤S1041b、获取所述第二初始簇中心与所述预设簇中心之间的第二间隔距离。
需要说明的是,后台服务器可以计算第二初始簇中心与预设簇中心之间的第二间隔距离,该计算方法也可以为欧式距离法、geohash算法等等。
步骤S1041c、根据所述第二间隔距离,从所述预设簇中心中提取所述备选停车区域的所述中间簇中心。
具体的,后台服务器可以判断第二间隔距离是否小于预设第三间隔距离,若是,则后台服务器可以从预设簇中心中剔除掉第二初始簇中心,将剩余的预设簇中心作为备选停车区域的中间簇中心。
步骤S1042、根据所述地区运营区域信息库,从所述中间簇中心中提取所述备选停车区域的目标簇中心。
具体的,地区运营区域信息库可以包括不同地区车辆的不同运营区域。可选的,后台服务器可以根据地区运营区域信息库中的运营区域,判断中间簇中心中的所有簇中心是否均在运营区域内,不在运营区域内的中间簇中心可以提出掉,将剩余的中间簇中心作为备选停车区域的目标簇中心。
本实施例提供的停车站点处理方法,该方法可以根据实际地区停车区域信息以及用户需求进一步确定目标推荐停车站点,进而提升用户体验,并且减少了运营成本,提高了停车站点的盈收能力。
作为其中一个实施例,上述步骤S105中通过所述目标簇中心确定目标推荐停车站点的过程,可以通过如下过程实现:
步骤S1051、通过所述目标簇中心、路网信息库以及道路信息库获取路网线段。
具体的,后台服务器可以根据目标簇中心、路网信息库以及道路信息库,进行一系列的高效的多维空间点索引运算、查找处理,得到路网线段。
可选的,上述步骤S1051中通过所述目标簇中心、路网信息库以及道路信息库获取路网线段的过程,具体可以包括:
步骤S1051a、根据所述目标簇中心,从所述路网信息库中获取路网标识信息。
具体的,上述路网信息库可以包括多个路网信息,路网信息可以包括不同路网的标识信息,该标识信息可以为能够识别不同路网的唯一标识。可选的,路网可以表征在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路系统。
需要说明的是,后台服务器可以对每个目标簇中心进行geohash运算,得到该目标簇中心的字段str,然后以该目标簇中心对应的str为一个九宫格的一个中心宫格,获取剩余其它八宫格的对应8个字段,根据获取到的9个字段str(即将9个字段str可以作为一个路网),可以从路网信息库中查找路网对应的路网标识信息。
步骤S1052b、根据所述路网标识信息,从所述道路信息库中获取所述路网线段。
具体的,后台服务器可以根据查找到的路网标识信息,继续从道路信息库中查找路网包含的所有道路对应的路网线段。
步骤S1052、根据所述路网线段以及所述目标簇中心,得到目标推荐停车站点。
具体的,后台服务器可以根据路网线段以及目标簇中心进行一系列的划分处理、判断处理等等后,得到目标推荐停车站点。
可选的,上述步骤S1052中根据所述路网线段以及所述目标簇中心,得到目标推荐停车站点的过程,具体可以包括:
步骤S1052a、对所述路网线段进行划分处理,得到划分点。
具体的,后台服务器可以将每个路网线段分成多个均等分线段,具体的划分的数量可以根据路网线段的长度以及实际情况确定;在本实施例中,可以将路网线段分成五等分线段。
步骤S1052b、根据所述划分点与所述目标簇中心,确定目标推荐停车站点。
进一步,后台服务器可以计算每个划分点与每个目标簇中心之间的第四间隔距离,进而判断该第四间隔距离是否大于预设第四间隔距离,若是,则剔除掉所有满足该条件的目标簇中心,将剩余的目标簇中心确定为目标推荐停车站点。可选的,预设第四间隔距离可以根据实际情况确定;在本实施例中,预设第四间隔距离可以等于300m。
另外,停车站点处理方法在执行完上述所有步骤之后,后台服务器还可以根据所有目标停车站点得到目标推荐停车区域。
需要说明的是,后台服务器可以将确定的所有目标停车站点组合,得到目标推荐停车区域。
本实施例提供的停车站点处理方法,该方法可以根据实际地区停车区域信息以及用户需求确定目标推荐停车站点,进而提升用户体验,并且减少了运营成本,提高了停车站点的盈收能力;同时,该方法可以采用自动化方式,根据用户不同需求确定目标推荐停车站点,减少用户操作时间,降低人力资源成本,提高停车站点的营利。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
关于停车站点处理系统的具体限定可以参见上文中对于停车站点处理方法的限定,在此不再赘述。上述终端的停车站点处理系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于终端中的处理器中,也可以以软件形式存储于终端中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图3为一实施例提供的停车站点处理系统结构示意图。如图3所示,该系统可以包括:间隔距离获取模块11、第一确定模块12、分类处理模块13、提取模块14以及第二确定模块15。
具体的,所述间隔距离获取模块11,用于根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
所述第一确定模块12,用于通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域;
所述分类处理模块13,用于对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
所述提取模块14,用于根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
所述第二确定模块15,用于通过所述目标簇中心确定目标推荐停车站点。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述间隔距离获取模块11具体用于根据所述地区停车区域信息中的所有地区停车站点坐标,与所述用户停车站点信息中用户到达终点坐标,计算所有地区停车区域与用户到达终点之间的所述第一间隔距离。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述第一确定模块12具体用于所述第一间隔距离大于所述预设间隔距离,则将所述第一间隔距离对应的地区停车区域确定为所述备选停车区域。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述分类处理模块13包括:第一聚类单元以及第二距离单元。
具体的,所述第一聚类单元,用于对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心;
所述第二聚类单元,用于对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述第一聚类单元具体用于采用基于密度的聚类算法对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心;所述第二聚类单元具体用于采用迭代聚类算法对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述提取模块14包括:第一提取单元以及第二提取单元。
其中,所述第一提取单元,用于根据所述地区停车区域信息以及所述第二初始簇中心,提取所述备选停车区域的中间簇中心;
所述第二提取单元,用于根据所述地区运营区域信息库,从所述中间簇中心中提取所述备选停车区域的目标簇中心。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述第一提取单元包括:第一提取子单元、获取子单元以及第二提取子单元。
其中,所述第一提取子单元,用于根据所述地区停车区域信息,从所述第一初始簇中心中提取所述备选停车区域的预设簇中心;
所述获取子单元,用于获取所述第二初始簇中心与所述预设簇中心之间的第二间隔距离;
所述第二提取子单元,用于根据所述第二间隔距离,从所述预设簇中心中提取所述备选停车区域的所述中间簇中心。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述第二确定模块包括:第一获取单元以及第二获取单元。
其中,所述第一获取单元,用于通过所述目标簇中心、路网信息库以及道路信息库获取路网线段;
所述第二获取单元,用于根据所述路网线段以及所述目标簇中心,得到目标推荐停车站点。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,所述第一获取单元具体用于根据所述目标簇中心,从所述路网信息库中获取路网标识信息,并根据所述路网标识信息,从所述道路信息库中获取所述路网线段;所述第二获取单元具体用于对所述路网线段进行划分处理,得到划分点,并根据所述划分点与所述目标簇中心,确定目标推荐停车站点。
本实施例提供的停车站点处理系统,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在一个实施例中,提供了一种终端,其内部结构图可以如图4所示。该终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该终端的处理器用于提供计算和控制能力。该终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种停车站点处理方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏,该终端的输入装置可以是显示屏上覆盖的触摸层,也可以是终端外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的终端的限定,具体的终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种终端,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域;
对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
通过所述目标簇中心确定目标推荐停车站点。
在一个实施例中,提供了一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域;
对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
通过所述目标簇中心确定目标推荐停车站点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种停车站点处理方法,其特征在于,所述方法包括:
根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域;
对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
通过所述目标簇中心确定目标推荐停车站点。
2.根据权利要求1所述的方法,其特征在于,所述根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离,包括:
根据所述地区停车区域信息中的所有地区停车站点坐标,与所述用户停车站点信息中用户到达终点坐标,计算所有地区停车区域与用户到达终点之间的所述第一间隔距离。
3.根据权利要求1所述的方法,其特征在于,所述通过所述第一间隔距离与预设间隔距离的关系,选取备选停车区域,包括:当所述第一间隔距离大于所述预设间隔距离,则将所述第一间隔距离对应的地区停车区域确定为所述备选停车区域。
4.根据权利要求1所述的方法,其特征在于,所述对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心,包括:
对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心;
对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心;
以及优选地,所述对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心,对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心,包括:
采用基于密度的聚类算法对所述备选停车区域进行聚类处理,得到所述备选停车区域对应的第一初始簇中心;
采用迭代聚类算法对所述用户申请停车站点进行聚类处理,得到所述用户申请停车站点对应的第二初始簇中心。
5.根据权利要求1所述的方法,其特征在于,所述根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心,包括:
根据所述地区停车区域信息以及所述第二初始簇中心,提取所述备选停车区域的中间簇中心;
根据所述地区运营区域信息库,从所述中间簇中心中提取所述备选停车区域的目标簇中心。
6.根据权利要求5所述的方法,其特征在于,所述根据所述地区停车区域信息以及所述第二初始簇中心,提取所述备选停车区域的中间簇中心,包括:
根据所述地区停车区域信息,从所述第一初始簇中心中提取所述备选停车区域的预设簇中心;
获取所述第二初始簇中心与所述预设簇中心之间的第二间隔距离;
根据所述第二间隔距离,从所述预设簇中心中提取所述备选停车区域的所述中间簇中心。
7.根据权利要求1所述的方法,其特征在于,所述通过所述目标簇中心确定目标推荐停车站点,包括:
通过所述目标簇中心、路网信息库以及道路信息库获取路网线段;
根据所述路网线段以及所述目标簇中心,得到目标推荐停车站点。
8.根据权利要求7所述的方法,其特征在于,所述通过所述目标簇中心、路网信息库以及道路信息库获取路网线段,包括:
根据所述目标簇中心,从所述路网信息库中获取路网标识信息;
根据所述路网标识信息,从所述道路信息库中获取所述路网线段。
9.根据权利要求7所述的方法,其特征在于,所述根据所述路网线段以及所述目标簇中心,得到目标推荐停车站点,包括:
对所述路网线段进行划分处理,得到划分点;
根据所述划分点与所述目标簇中心,确定目标推荐停车站点。
10.一种停车站点处理系统,其特征在于,所述系统包括:
间隔距离获取模块,用于根据地区停车区域信息以及用户停车站点信息,得到地区停车区域与用户停车站点之间的第一间隔距离;
第一确定模块,用于通过所述第一间隔距离确定备选停车区域;
分类处理模块,用于对所述备选停车区域以及用户申请停车站点进行分类处理,得到所述备选停车区域对应的第一初始簇中心和所述用户申请停车站点对应的第二初始簇中心;
提取模块,用于根据所述地区停车区域信息、所述第一初始簇中心、所述第二初始簇中心以及地区运营区域信息库,提取所述备选停车区域的目标簇中心;
第二确定模块,用于通过所述目标簇中心确定目标推荐停车站点。
11.一种终端,包括存储器、处理器,所述存储器上存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
12.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911126473.5A CN110929150B (zh) | 2019-11-18 | 2019-11-18 | 停车站点处理方法、系统、终端及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911126473.5A CN110929150B (zh) | 2019-11-18 | 2019-11-18 | 停车站点处理方法、系统、终端及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929150A true CN110929150A (zh) | 2020-03-27 |
CN110929150B CN110929150B (zh) | 2021-07-06 |
Family
ID=69854124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911126473.5A Active CN110929150B (zh) | 2019-11-18 | 2019-11-18 | 停车站点处理方法、系统、终端及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929150B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914940A (zh) * | 2020-08-11 | 2020-11-10 | 上海钧正网络科技有限公司 | 一种共享车辆站点分群聚类方法、系统、装置及存储介质 |
CN111932123A (zh) * | 2020-08-11 | 2020-11-13 | 上海钧正网络科技有限公司 | 一种基于流向的共享车辆站点选取的方法、装置及系统 |
CN116545519A (zh) * | 2023-05-09 | 2023-08-04 | 中国人民解放军61905部队 | 一种机动散射通信站点的规划方法、系统及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289461A (zh) * | 2010-07-07 | 2011-12-21 | 微软公司 | 基于引导请求活动和数据的推荐和有针对性的广告 |
CN106205186A (zh) * | 2016-07-11 | 2016-12-07 | 深圳市金立通信设备有限公司 | 一种推荐停车位置的方法及终端 |
CN107274713A (zh) * | 2017-07-11 | 2017-10-20 | 东华大学 | 一种基于簇的停车诱导方法 |
CN109544962A (zh) * | 2018-12-11 | 2019-03-29 | 青岛大学 | 一种车位共享与调度系统及实现方法 |
-
2019
- 2019-11-18 CN CN201911126473.5A patent/CN110929150B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289461A (zh) * | 2010-07-07 | 2011-12-21 | 微软公司 | 基于引导请求活动和数据的推荐和有针对性的广告 |
CN106205186A (zh) * | 2016-07-11 | 2016-12-07 | 深圳市金立通信设备有限公司 | 一种推荐停车位置的方法及终端 |
CN106205186B (zh) * | 2016-07-11 | 2019-04-23 | 深圳市金立通信设备有限公司 | 一种推荐停车位置的方法及终端 |
CN107274713A (zh) * | 2017-07-11 | 2017-10-20 | 东华大学 | 一种基于簇的停车诱导方法 |
CN109544962A (zh) * | 2018-12-11 | 2019-03-29 | 青岛大学 | 一种车位共享与调度系统及实现方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914940A (zh) * | 2020-08-11 | 2020-11-10 | 上海钧正网络科技有限公司 | 一种共享车辆站点分群聚类方法、系统、装置及存储介质 |
CN111932123A (zh) * | 2020-08-11 | 2020-11-13 | 上海钧正网络科技有限公司 | 一种基于流向的共享车辆站点选取的方法、装置及系统 |
CN111932123B (zh) * | 2020-08-11 | 2022-11-18 | 上海钧正网络科技有限公司 | 一种基于流向的共享车辆站点选取的方法、装置及系统 |
CN111914940B (zh) * | 2020-08-11 | 2022-12-27 | 上海钧正网络科技有限公司 | 一种共享车辆站点分群聚类方法、系统、装置及存储介质 |
CN116545519A (zh) * | 2023-05-09 | 2023-08-04 | 中国人民解放军61905部队 | 一种机动散射通信站点的规划方法、系统及电子设备 |
CN116545519B (zh) * | 2023-05-09 | 2023-10-20 | 中国人民解放军61905部队 | 一种机动散射通信站点的规划方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110929150B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929150B (zh) | 停车站点处理方法、系统、终端及可读存储介质 | |
Zhao et al. | A trajectory clustering approach based on decision graph and data field for detecting hotspots | |
JP6683252B2 (ja) | 車両使用業務で需要と運送能力の非マッチング地域を獲得するための方法、装置、デバイス及び不揮発性コンピュータ記憶媒体 | |
CN110019568B (zh) | 基于空间聚类的选址方法、装置、计算机设备及存储介质 | |
CN106651027B (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
WO2021203728A1 (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN111402579A (zh) | 道路拥堵程度预测方法、电子装置及可读存储介质 | |
CN111611992A (zh) | 确定兴趣面的方法、装置和计算机设备 | |
CN115310527A (zh) | 基于密度的聚类计算方法、装置、设备和存储介质 | |
Zhai et al. | Automatic pavement crack detection using multimodal features fusion deep neural network | |
CN112053439B (zh) | 图像中实例属性信息确定方法、装置、设备及存储介质 | |
CN113139139A (zh) | 用于确定上车点的方法、装置、电子设备和介质 | |
CN110688995B (zh) | 地图查询的处理方法,计算机可读存储介质和移动终端 | |
CN110619090B (zh) | 一种区域吸引力评估方法及设备 | |
KR102094595B1 (ko) | 신뢰 지수의 시간 의존 특징을 이용한 신뢰지수 예측 방법 및 시스템 | |
CN115205699B (zh) | 一种基于cfsfdp改进算法的地图图斑聚类融合处理方法 | |
CN112257970A (zh) | 一种基于兴趣点大数据的城市功能区自动划分方法 | |
CN110136258B (zh) | 一种环境空间标识的确定方法、装置、设备及存储介质 | |
CN109286900B (zh) | 一种Wi-Fi样本数据优化方法 | |
KR102202874B1 (ko) | 도보 네트워크 및 측위 db 확장 방법 및 시스템 | |
CN112764923A (zh) | 计算资源分配方法、装置、计算机设备及存储介质 | |
CN114971102A (zh) | 基于动态拼车的车辆调度方法及其相关产品 | |
CN106202571B (zh) | 基于二维码存储客户信息的数字地图系统及其使用方法 | |
CN113283542B (zh) | 职住信息确定方法、装置、设备及存储介质 |
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 |