CN111210513A - 信息处理方法、装置、设备和存储介质 - Google Patents
信息处理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111210513A CN111210513A CN201811394118.1A CN201811394118A CN111210513A CN 111210513 A CN111210513 A CN 111210513A CN 201811394118 A CN201811394118 A CN 201811394118A CN 111210513 A CN111210513 A CN 111210513A
- Authority
- CN
- China
- Prior art keywords
- area
- target
- determining
- map tiles
- data analyzer
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 54
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims description 42
- 238000004458 analytical method Methods 0.000 claims description 40
- 239000013598 vector Substances 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 24
- 238000013178 mathematical model Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Computer Graphics (AREA)
- Instructional Devices (AREA)
Abstract
本申请实施例提供了一种信息处理方法、装置、设备和存储介质，以提高信息的处理效率。所述的方法包括：确定目标地图瓦片；采用预设数据分析器确定所述目标地图瓦片对应的区域特征；根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。从而能够快速的获取目标地图瓦片所具有的特征，并能够对目标区域的规划进行指导，提高处理效率和准确性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种信息处理方法和装置、一种电子设备和一种存储介质。
背景技术
随着计算机技术的发展，计算机技术得到了广泛的应用，娱乐活动、定位导航、生活服务等方面，均为人们的生活提供了便利。
在城市相关数据的处理领域，以交通数据为例，可通过可视化显示技术进行城市道路、交通等状况的显示。但是，目前每个城市的交通等都是各自进行规范分析，效率较低。
发明内容
本申请实施例提供了一种信息处理方法，以提高信息的处理效率。
相应的，本申请实施例还提供了一种信息处理装置、一种电子设备以及一种存储介质，用以保证上述方法的实现及应用。
为了解决上述问题，本申请实施例公开了一种信息处理方法，所述的方法包括：确定目标地图瓦片；采用预设数据分析器确定所述目标地图瓦片对应的区域特征；根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
可选的，所述目标地图瓦片属于目标区域。
可选的，所述确定目标地图瓦片，包括：将目标区域划分为n*m个地图瓦片，从所述n*m个地图瓦片中选择目标地图瓦片。
可选的，所述采用预设数据分析器确定所述目标地图瓦片对应的区域特征，包括：将所述目标地图瓦片输入所述数据分析器，确定所述地图瓦片对应的区域特征。
可选的，所述根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，包括：按照时间段对所述目标地图瓦片对应的区域特征进行分析，确定所述目标地图瓦片对应目标区域在不同时间段的区域状态。
可选的，对所述目标地图瓦片对应的区域特征进行分析，确定对应的分析结果，包括：依据所述目标地图瓦片对应的区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
可选的，所述根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，包括：依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态；依据所述区域状态对所述目标区域进行规划处理。
可选的，依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态，包括：获取所述目标地图瓦片的目标区域特征；将所述目标地图瓦片对应确定的区域特征，与所述目标地图瓦片的目标区域特征进行匹配，得到匹配结果；依据所述匹配结果，确定所述目标区域的区域状态。
可选的，还包括：对所述数据分析器进行训练。
可选的，所述对所述数据分析器进行训练，包括：确定指定区域对应的多个地图瓦片的区域特征；采用多个具有区域特征的地图瓦片进行数据分析器的训练。
可选的，所述区域特征包括以下至少一种：交通特征、人口特征、环境特征。
本申请实施例还公开了一种信息处理方法，包括：确定目标地图瓦片；采用预设数据分析器确定所述目标地图瓦片对应的区域特征。
本申请实施例还公开了一种信息处理方法，包括：确定指定区域对应多个地图瓦片的区域特征；采用多个具有区域特征的地图瓦片进行数据分析器的训练。
可选的，所述确定指定区域对应多个地图瓦片的区域特征，包括：确定指定区域以及所述指定区域对应的区域特征；将所述区域特征映射到所述指定区域对应的多个地图瓦片上。
可选的，所述确定指定区域以及所述指定区域对应的区域特征，包括：确定指定区域及其区域数据，并将所述指定区域划分为n*m个网格；依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征。
可选的，所述依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征，包括：对所述指定区域的区域数据进行转换，确定所述n*m个网格分别对应的向量，将所述向量作为所述网格的区域特征。
可选的，所述将所述区域特征映射到所述指定区域对应的多个地图瓦片上，包括：确定所述指定区域中所述n*m个网格分别对应的n*m个地图瓦片；将所述n*m个网格的区域特征映射到对应的地图瓦片上。
可选的，所述采用多个具有区域特征的地图瓦片进行数据分析器的训练，包括：将n*m个具有区域特征的地图瓦片分别输入所述数据分析器，得到对应的输出结果；依据输出结果和所述地图瓦片对应的区域特征，对所述数据分析器的参数进行调整。
可选的，所述区域特征包括以下至少一种：交通特征、人口特征、环境特征。
本申请实施例还公开了一种信息处理装置，所述的装置包括：确定模块，用于确定目标地图瓦片；预测模块，用于采用预设数据分析器确定所述目标地图瓦片对应的区域特征；规划分析模块，用于根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
本申请实施例还公开了一种信息处理装置，所述的装置包括：瓦片确定模块，用于确定目标地图瓦片；特征预测模块，用于采用预设数据分析器确定所述目标地图瓦片对应的区域特征。
本申请实施例还公开了一种信息处理装置，所述的装置包括：特征确定模块，用于确定指定区域对应多个地图瓦片的区域特征；训练模块，用于采用多个具有区域特征的地图瓦片进行数据分析器的训练。
本申请实施例还公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如本申请实施例中一个或多个所述的信息处理方法。
本申请实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如本申请实施例中一个或多个所述的信息处理方法。
与现有技术相比，本申请实施例包括以下优点：
在本申请实施例中，可基于数据分析器对地图瓦片进行分析，从而确定目标地图瓦片的区域特征，从而能够快速的获取目标地图瓦片所具有的特征，再根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，能够对目标区域的规划进行指导，提高处理效率和准确性。
附图说明
图1是本申请的一种信息处理方法实施例的步骤流程图；
图2是本申请的另一种信息处理方法实施例的步骤流程图；
图3是本申请的又一种信息处理方法实施例的步骤流程图；
图4是本申请的一种信息处理方法可选实施例的步骤流程图；
图5是本申请的又一种信息处理方法的一个可选实施例的步骤流程图；
图6是本申请的又一种信息处理方法的另一个可选实施例的步骤流程图；
图7是本申请的一种信息处理装置实施例的结构框图；
图8是本申请的另一种信息处理装置实施例的结构框图；
图9是本申请的另一种信息处理装置可选实施例的结构框图；
图10是本申请的又一种信息处理装置实施例的结构框图；
图11是本申请的又一种信息处理装置可选实施例的结构框图；
图12是本申请一实施例提供的装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例中，可基于数据分析器对地图瓦片进行分析，从而确定目标地图瓦片的区域特征，从而能够快速的获取目标地图瓦片所具有的特征，提高处理效率。
其中，数据分析器也可称为数据分析模型、用于分析的数据集合等，该数据分析器可基于地图瓦片的数据和数学模型训练得到，因此可用于分析地图瓦片的区域特征。数学模型是运用数理逻辑方法和数学语言建构的科学或工程模型，数学模型是针对参照某种事物系统的特征或数量依存关系，采用数学语言，概括地或近似地表述出的一种数学结构，这种数学结构是借助于数学符号刻画出来的某种系统的纯关系结构。数学模型可以是一个或一组代数方程、微分方程、差分方程、积分方程或统计学方程及其组合，通过这些方程定量地或定性地描述系统各变量之间的相互关系或因果关系。除了用方程描述的数学模型外，还有用其他数学工具，如代数、几何、拓扑、数理逻辑等描述的模型。其中，数学模型描述的是系统的行为和特征而不是系统的实际结构。
可选择合适的数据模型进行数据分析器的训练，然后可基于数据分析器进行目标区域的预测和分析。其中，数据模型可依据需求选择，如采用卷积神经网络(ConvolutionalNeural Network，CNN)、深度卷积神经网络等机器学习模型。
数据分析器的训练过程如图1所示：
步骤102，确定指定区域对应多个地图瓦片的区域特征。
本申请实施例中区域指的是一定地理范围，如国家、城市等，区域可包括目标区域、指定区域等。其中，指定区域可在数据分析器的训练阶段提供样本数据。例如指定区域可为城市，可基于该城市人口、交通、环境等数据作为样本数据，从而得到不同类型的区域特征，区域特征的类型可依据规划分析需求确定，不同类型的区域特征可训练不同的数据分析器。其中，所述区域特征包括以下至少一种：交通特征、人口特征、环境特征。其中，每个区域对应具有地图，对于地图可进行切分从而针对不同的分片来确定区域特征。
一个可选实施例中，所述确定指定区域对应多个地图瓦片的区域特征，包括：确定指定区域以及所述指定区域对应的区域特征；将所述区域特征映射到所述指定区域对应的多个地图瓦片上。对于一个指定区域的地图可通过地图瓦片方式显示，其中，地图瓦片方式是指将一定范围内的地图按照一定的尺寸和格式，如按缩放级别或者比例尺，切成若干行和列的栅格图片的方式，对切片后的栅格图片被形象的称为瓦片(Tile)或地图瓦片。本申请实施例中地图瓦片可为2D地图瓦片、卫星地图瓦片等，从而地图瓦片具有图像的相关特征，如形状、颜色等特征，可作为该地图瓦片的瓦片特征。对于一个指定区域的地图瓦片，由于其不能直接计算人口、交通、环境等区域特征，因此可将区域按照网格划分得到矩阵，矩阵中网格与瓦片对应，矩阵的大小与地图瓦片的大小匹配，如采用相同的比例尺等，从而针对指定区域可按矩阵的每一个网格的大小下载地图瓦片数据，然后将计算得到的各网格的区域特征映射到相应的地图瓦片，将各区域特征作为该地图瓦片的标签数据，给地图瓦片加上速度、人口等标签。
所述确定指定区域以及所述指定区域对应的区域特征，包括：确定指定区域及其区域数据，并将所述指定区域划分为n*m个网格；依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征。可选择具有所需类型的样本数据的区域作为指定区域，并获取该指定区域的区域数据，如人口、交通、环境等数据，其中可获取所需类型的数据作为区域数据。然后可将该指定区域划分为n*m个网格的矩阵，从而确定该指定区域对应的矩阵，再依据该指定区域的区域数据进行计算，得到n*m个网格的矩阵中每个网络对应区域特征，例如对人口类型的区域数据，可确定每个网格对应的人口密度、数量、流动量等区域特征，对于交通类型的区域数据，可确定每个网格对应的车辆速度、方向等区域特征，对于环境类型的区域数据，可确定每个网格对应的建筑密度、绿化密度、道路状况等区域特征。其中，n、m为正整数，两者的取值可相同或不同。
其中，所述依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征，包括：对所述指定区域的区域数据进行转换，确定所述n*m个网格分别对应的向量，将所述向量作为所述网格的区域特征。对于指定区域的区域数据可进行转换，如根据区域数据对应类型的特征转换为向量数据，并按照所述n*m个网格进行处理，得到所述n*m个网格中每个网格对应的向量，将所述向量作为该网格的区域特征，从而得到n*m个网格各自的区域特征。
例如指定区域为城市，可划定城市区域为目标区域，然后针对该城市区域计算得到该城市在人口，车辆的相关区域数据。对于该城市区域可划分成n*m个网格，然后可基于区域数据的得到所述n*m个网格中各网格对应在人口密度、车辆速度、方向等区域特征。在一个示例中，可使用流场可视化的流场计算方法，流场也可称为向量场，因此可将区域数据转换为向量的区域特征。以车辆行驶轨迹为区域数据为例，可将行驶轨迹转化为流场的向量数据，所述n*m个网格中每个网格对应一个向量，该向量的大小可为速度，向量的方向为车流方向，从而每一个网格通过计算都可以得到速度与方向的交通类区域特征。
对于人口类、环境类的区域数据，也可基于该区域数据的特征得到相应的向量数据作为区域特征，从而得到每个网格在相应类型维度上的区域特征，便于进行区域类型的处理。
另一个可选实施例中，所述将所述区域特征映射到所述指定区域对应的多个地图瓦片上，包括：确定所述指定区域中所述n*m个网格分别对应的n*m个地图瓦片，并将所述n*m个网格的区域特征映射到对应的地图瓦片上。将指定区域划分为n*m个网格，相应该指定区域对应地图具有n*m个地图瓦片，可确定每个网格对应的地图瓦片，然后将每个网格对应的区域特征分别映射给对应的地图瓦片，将映射得到的区域特征作为该瓦片的标签数据，从而确定出所述n*m个地图瓦片中每个地图瓦片的标签，得到具有标签数据的地图瓦片。
步骤104，采用多个具有区域特征的地图瓦片进行数据分析器的训练。
对于该指定区域，可依据该指定区域中多个具有区域特征的地图瓦片进行数据分析器的训练，其中，在初始化相应的数学模型得到数据分析器后，可将瓦片数据输入到数据分析器中，得到相应的输出结果，依据输出结果可反向对数据分析器对应数学模型的参数进行调整，从而不断的调整数据分析器，提高数据分析器的准确性。其中，每一个地图瓦片具有颜色、形状等图像相关特征作为该瓦片区域的瓦片特征，再将具有标签数据的地图瓦片输入到数据分析器中，从而数据分析器可学习到地图瓦片所具有的瓦片特征，如通过颜色、形状等特征区分建筑物、道路、车辆、人、植物等，并学习各种瓦片特征所对应的区域特征等，从而在完成训练后使用数据分析器的过程中，输入新的地图瓦片，数据分析器可基于学习到的瓦片特征来预测这种瓦片的区域特征。
一个可选实施例中，所述采用多个具有区域特征的地图瓦片进行数据分析器的训练，包括：将n*m个具有区域特征的地图瓦片分别输入所述数据分析器，得到对应的输出结果；依据输出结果和所述地图瓦片对应的区域特征，对所述数据分析器的参数进行调整。可以将指定区域对应的n*m个具有区域特征的地图瓦片，分别输入到数据分析器中，数据分析器可学习各地图瓦片的瓦片特征，得到相应的输出结果，然后可将该输出结果与对应地图瓦片的区域特征进行匹配，依据匹配结果调整该数据分析器的参数，得到调整后的数据分析器，直到该数据分析器的数据结果满足准确性等要求，可使用该数据分析器，在使用数据分析器的过程中，还可不断的对数据分析器进行训练，从而提高数据分析器的准确性。
在训练得到能够进行预测分析的数据分析器后，可提供该数据分析器，以进行各区域对应地图瓦片的区域特征的预测，进而对区域进行分析。数据分析器的训练过程如图2所示：
步骤202，确定目标地图瓦片。
步骤204，采用所述数据分析器确定所述目标地图瓦片对应的区域特征。
本申请实施例中，目标地图瓦片属于目标区域，目标区域可对应一个地图瓦片，也可对应多个地图瓦片，针对需要预测分析的目标区域，若其对应一个地图瓦片则可将其作为目标地图瓦片，若该目标区域对应多个地图瓦片，可从中选择至少一个地图瓦片作为目标地图瓦片，其中，地图瓦片的数量可依据选择的比例尺等确定，然后可将每个目标地图瓦片分别输入到数据分析器中，数据分析器可学习该目标地图瓦片的瓦片特征，然后基于瓦片特征确定对应的区域特征，从而得到目标地图瓦片对应的区域特征。
一个可选实施例中，所述确定目标地图瓦片，包括：将目标区域划分为n*m个地图瓦片，从所述n*m个地图瓦片中选择目标地图瓦片。确定出需要预测分析的目标区域后，可以选择目标区域对应地图的缩放级别或者比例尺瓦片等，然后可确定该目标区域对应的n*m个地图瓦片，从所述n*m个地图瓦片中选择目标地图瓦片。
另一个可选实施例中，所述采用所述预设数据分析器确定所述目标地图瓦片对应的区域特征，包括：将所述目标地图瓦片分别输入所述数据分析器，确定所述地图瓦片对应的区域特征。可将目标地图瓦片输入到所述数据分析器中，数据分析器可分析该地图瓦片的瓦片特征，还可基于该瓦片特征确定具有类似特征的瓦片对应的区域特征，从而将区域特征作为相应的输出结果，得到该地图瓦片对应的区域特征，作为该地图瓦片所具有的标签数据。
以城市交通为例，可将地图瓦片对应建筑、道路等特征作为瓦片特征，车辆速度、方向作为区域特征，则将目标地图瓦片输入数据分析器后，数据分析器可分析该目标地图瓦片对应建筑、道路等特征，从而确定这类地图瓦片对应的车辆速度、方向作为区域特征输出。
在上述实施例的基础上，在确定出目标地图瓦片的区域特征后，还可对所述目标地图瓦片对应的区域特征进行分析，来确定对应的分析结果。
参照图3，示出了本申请的另一种信息处理方法实施例的步骤流程图。
步骤302，确定目标地图瓦片。
步骤304，采用预设数据分析器确定所述目标地图瓦片对应的区域特征。
步骤306，根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
对目标地图瓦片对应的区域特征进行分析，如通过区域特征分析目标地图瓦片对应目标区域的区域状态，如交通拥堵状态，绿化覆盖率等，又如依据目标地图瓦片对应目标区域，对目标地图瓦片对应目标区域进行规划等，如规划交通线路，规划城市绿化方案等。
一个可选实施例中，所述根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，包括：按照时间段对所述目标地图瓦片对应的区域特征进行分析，确定所述目标地图瓦片对应目标区域在不同时间段的区域状态。区域的人文自然环境状态，针对不同类型的区域特征可得到不同的状态，如交通拥堵的区域以及拥堵时间，人口稠密的地区以及流动量，绿化覆盖率与建筑的关联等区域状态。本申请实施例可基于不同时间段的地图瓦片训练数据分析器，从而对于目标地图瓦片可通过数据分析器得到在不同时间段该目标地图瓦片对应的区域特征，然后基于不同时间段对应的区域特征，可得到该目标地图瓦片对应区域在不同时间段的区域状态，如在上下班高峰期拥堵，又如不同时间的人口流动量，又如在不同季节绿化率等。以城市交通为例，对于城市交通可进行车辆速度预测，寻找城市拥堵路段等，并且可分时段获取数据来训练数据分析器，从而针对目标地图瓦片可得到不同时间段对应的区域特征，分时段分析拥堵路段，便于进行规划分析。
在另外的一些实施例中，通过数据分析器对各目标地图瓦片进行处理，可得到各目标地图瓦片对应的区域特征，其中多个目标地图瓦片可属于同一个目标区域，因此可基于多个目标地图瓦片的区域特征，可依据该区域特征对所述目标区域进行规划分析，如分析目标区域的区域状况，规划该区域未来的建设等。例如，针对城市区域的交通类区域特征，可通过对不同城市的地图瓦片的预测交通状况，以及检测不同城市交通状况等；又如，可对具有相同区域特征的地图瓦片进行特征聚类，确定各区域特征所导致的交通拥堵、事故发生率等状况。其中，可基于各地图瓦片的区域特征分析拥堵路段，根据分析得到的特征规则进行该目标区域的规划分析和推荐等。
另一个可选实施例中，所述根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，包括：依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态；依据所述区域状态对所述目标区域进行规划处理。可以依据n*m个地图瓦片的区域特征，分析目标区域的区域状态，其中，区域状态指的是区域的人文自然环境状态，针对不同类型的区域特征可得到不同的状态，如交通拥堵的区域以及拥堵时间，人口稠密的地区以及流动量，绿化覆盖率与建筑的关联等区域状态。然后可基于区域状态进行目标区域的规划，如基于道路拥堵区域和时间进行限行、限流、错峰出行以及道路规划等，又如依据人口的稠密情况以及流动情况，规划区域的功能性等，具体规划分析可依据区域状态和区域的规划需求等确定。
在一个可选实施例中，依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态，包括：获取所述目标地图瓦片的目标区域特征；将所述目标地图瓦片对应确定的区域特征，与所述目标区域特征进行匹配，确定匹配结果；依据所述匹配结果，确定所述目标区域的区域状态。
有一些城市等目标区域已具有对应地图瓦片的目标区域特征，通过数据分析器对该目标区域的地图瓦片进行处理，得到预测的该目标区域中各地图瓦片对应的区域特征，可将该目标区域中各地图瓦片对应预测的区域特征和对应目标区域特征进行匹配，确定特征匹配的地图瓦片以及特征不匹配的地图瓦片，从而可得到该目标区域的区域状态，如与其他区域分享相同特征的区域，以及具有特性的区域等，从而针对不同区域可采用不同的规划方案。
其中，以城市的交通数据为例，基于城市A的交通数据训练数据分析器，从而数据分析器可学习到城市A的各地图瓦片的瓦片特征以及对应的交通特征，从而针对城市B的各地图瓦片，通过该数据分析器可预测城市B的各地图瓦片的交通特征。在两个已有交通数据的城市A和B中，通过一个城市A的标签，预测另一个城市B的交通特征。由于是通过数据分析器进行预测，因此城市B的各地图瓦片对应预测得到的交通特征和对应目标交通特征可能会有区别，因此可将两者比较确定哪些地图瓦片预测正确，哪些地图瓦片预测有问题，从而针对正确的地图瓦片可分享共同的交通与规划的规律，而对于预测有问题的地图瓦片不进行分享，从而针对不同的区域进行不同的区域。
本申请实施例可对城市等区域的规划作出指导，基于交通速度、人口密度以及其他城市指标，可作为区域中各个地图瓦片的标签数据，从而执行数据分析器的训练，标签数据也就是区域特征不同，所训练的数据分析器也不同，从而可采用不同的数据分析器分析区域在不同维度的特征，进行区域规划的分析。
本申请实施例中，地图瓦片可通过不同的渲染方式，从而得到不同特征的地图瓦片，从而能够为数据分析器的训练提供丰富的样本数据，得到所需的数据分析器，并基于数据分析器进行地图瓦片对应交通、人口、环境等方向的预测和规划分析。
在上述实施例的基础上，还提供了一种数据分析器的训练方法，能够基于区域的地图瓦片进行数据分析器的训练，得到所需的各种数据分析器。
参照图4，示出了本申请的另一种信息处理方法实施例的步骤流程图。
步骤402，确定指定区域及其区域数据，并将所述指定区域划分为n*m个网格。
步骤404，依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征。其中，可对所述指定区域的区域数据进行转换，确定所述n*m个网格分别对应的向量，将所述向量作为所述网格的区域特征。
步骤406，确定所述指定区域中所述n*m个网格分别对应的n*m个地图瓦片，并将所述n*m个网格的区域特征映射到对应的地图瓦片上。
步骤408，将n*m个具有区域特征的地图瓦片分别输入所述数据分析器，得到对应的输出结果。
步骤410，依据输出结果和所述地图瓦片对应的区域特征，对所述数据分析器的参数进行调整。
从而基于已有区域的区域数据进行数据分析器的训练，可分析出区域中地图瓦片的共性特征，从而得到地图瓦片对应在交通、人口、环境等方面的区域特征，以在不同区域中分享该区域特征，共享其他区域的数据。
在上述实施例的基础上，还提供了一种基于数据分析器的区域特征预测和分析方法，能够基于训练得到的数据分析器进行地图瓦片的区域特征的预测，再基于预测结果进行规划分析。
其中可基于单个目标地图瓦片的区域特征，对其对应的目标区域进行分析。
参照图5，示出了本申请的另一种信息处理方法实施例的步骤流程图。
步骤502，确定目标区域及其对应的目标地图瓦片。
步骤504，将所述目标地图瓦片输入所述数据分析器，确定所述地图瓦片对应的区域特征。
步骤506，按照时间段对所述目标地图瓦片对应的区域特征进行分析，确定所述目标地图瓦片对应目标区域在不同时间段的区域状态。
对于目标地图瓦片可通过数据分析器得到在不同时间段该目标地图瓦片对应的区域特征，然后基于不同时间段对应的区域特征，可得到该目标地图瓦片对应区域在不同时间段的区域状态，如在上下班高峰期拥堵，又如不同时间的人口流动量，又如在不同季节绿化率等。从而可基于数据分析器快速的得到区域特征，进而预测出该区域的状态，如交通拥堵等。
也可基于多个目标地图瓦片的区域特征，对其对应的目标区域进行分析。
参照图6，示出了本申请的又一种信息处理方法实施例的步骤流程图。
步骤602，将目标区域划分为n*m个地图瓦片，从所述n*m个地图瓦片中选择多个目标地图瓦片。
步骤604，将所述目标地图瓦片输入所述数据分析器，确定所述地图瓦片对应的区域特征。
步骤606，依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态。所述依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态，包括：获取所述目标地图瓦片的目标区域特征；将所述目标地图瓦片对应确定的区域特征，与所述目标区域特征进行匹配，得到匹配结果；依据所述匹配结果，确定所述目标区域的区域状态。
步骤608，依据所述区域状态对所述目标区域进行规划处理。如基于道路拥堵区域和时间进行限行、限流、错峰出行以及道路规划等，又如依据人口的稠密情况以及流动情况，规划区域的功能性等，具体规划分析可依据区域状态和区域的规划需求等确定。
基于训练得到的数据分析器可进行区域中各个地图瓦片的区域特征预测，然后基于区域特征可对该区域进行规划分析，从而共享其他区域的特征，提高分析的效率，也可借鉴其他区域的成功或失败特征等进行更加准确的规划。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
在上述实施例的基础上，本实施例还提供了一种信息处理装置，应用于终端设备、服务器等电子设备中。
参照图7，示出了本申请的一种信息处理装置实施例的结构框图，具体可以包括如下模块：
瓦片确定模块702，用于确定目标地图瓦片。
特征预测模块704，用于采用预设数据分析器确定所述目标地图瓦片对应的区域特征。
其中，该信息处理装置还可包括：分析模块，用于对所述目标地图瓦片对应的区域特征进行分析，确定对应的分析结果。其中，可按照时间段对所述目标地图瓦片对应的区域特征进行分析，确定所述目标地图瓦片对应目标区域在不同时间段的区域状态。也可依据所述目标地图瓦片对应的区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
综上，可基于数据分析器对目标区域的多个地图瓦片进行分析，从而确定各地图瓦片的区域特征，再基于多个地图瓦片对应的区域特征，对所述目标区域进行规划分析，从而能够预测区域特征并对目标区域的规划进行指导，提高规划分析的效率和准确性。
参照图8，示出了本申请的另一种信息处理装置实施例的结构框图，具体可以包括如下模块：
确定模块802，用于确定目标地图瓦片。
预测模块804，用于采用预设数据分析器确定所述目标地图瓦片对应的区域特征。
规划分析模块806，用于根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
综上，可基于数据分析器对地图瓦片进行分析，从而确定目标地图瓦片的区域特征，从而能够快速的获取目标地图瓦片所具有的特征，再根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，能够预测区域特征并对目标区域的规划进行指导，提高处理效率和准确性。
参照图9示出了本申请的另一种信息处理装置实施例的结构框图，具体可以包括如下模块：
训练模块808，用于对所述数据分析器进行训练。
确定模块802，用于确定目标地图瓦片。其中，所述目标地图瓦片属于目标区域。
预测模块804，用于采用所述数据分析器分别确定所述目标地图瓦片对应的区域特征。
规划分析模块806，用于对所述目标地图瓦片对应的区域特征进行分析，确定对应的分析结果。
其中，所述确定模块802，用于将目标区域划分为n*m个地图瓦片，从所述n*m个地图瓦片中选择目标地图瓦片。
所述预测模块804，用于将所述目标地图瓦片输入所述数据分析器，确定所述地图瓦片对应的区域特征。
一个可选实施例中，所述规划分析模块806，用于按照时间段对所述目标地图瓦片对应的区域特征进行分析，确定所述目标地图瓦片对应目标区域在不同时间段的区域状态。
另一个可选实施例中，所述规划分析模块806，用于依据所述目标地图瓦片对应的区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
所述规划分析模块806，用于依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态；依据所述区域状态对所述目标区域进行规划处理。
所述规划分析模块806，用于获取所述目标地图瓦片的目标区域特征；将所述目标地图瓦片对应确定的区域特征，与所述目标地图瓦片的目标区域特征进行匹配，得到匹配结果；依据所述匹配结果，确定所述目标区域的区域状态。
所述训练模块808，用于确定指定区域对应的多个地图瓦片的区域特征；采用多个具有区域特征的地图瓦片进行数据分析器的训练。
所述区域特征包括以下至少一种：交通特征、人口特征、环境特征。
基于训练得到的数据分析器可进行区域中各个地图瓦片的区域特征预测，然后基于区域特征可对该区域进行规划分析，从而共享其他区域的特征，提高分析的效率，也可借鉴其他区域的成功或失败特征等进行更加准确的规划。
在上述实施例的基础上，本实施例还提供了一种信息处理装置，应用于终端设备、服务器等电子设备中。
参照图10，示出了本申请的一种信息处理装置实施例的结构框图，具体可以包括如下模块：
特征确定模块1002，用于确定指定区域对应多个地图瓦片的区域特征。
训练模块1004，用于采用多个具有区域特征的地图瓦片进行数据分析器的训练。
基于已有区域的区域数据进行数据分析器的训练，在初始化相应的数学模型得到数据分析器后，可将瓦片数据输入到数据分析器中，得到相应的输出结果，依据输出结果可反向对数据分析器对应数学模型的参数进行调整，从而不断的调整数据分析器，提高数据分析器的准确性。
参照图11，示出了本申请的一种信息处理装置实施例的结构框图，具体可以包括如下模块：
特征确定模块1002，用于确定指定区域对应多个地图瓦片的区域特征。
训练模块1004，用于采用多个具有区域特征的地图瓦片进行数据分析器的训练。
所述特征确定模块1002，包括：区域确定子模块10022和瓦片映射子模块10024，其中：
区域确定子模块10022，用于确定指定区域以及所述指定区域对应的区域特征。
瓦片映射子模块10024，用于将所述区域特征映射到所述指定区域对应的多个地图瓦片上。
所述区域确定子模块10022，用于确定指定区域及其区域数据，并将所述指定区域划分为n*m个网格；依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征。
所述区域确定子模块10022，用于对所述指定区域的区域数据进行转换，确定所述n*m个网格分别对应的向量，将所述向量作为所述网格的区域特征。
所述瓦片映射子模块10024，用于确定所述指定区域中所述n*m个网格分别对应的n*m个地图瓦片，并将所述n*m个网格的区域特征映射到对应的地图瓦片上。
所述训练模块1006，用于将n*m个具有区域特征的地图瓦片分别输入所述数据分析器，得到对应的输出结果；依据输出结果和所述地图瓦片对应的区域特征，对所述数据分析器的参数进行调整。
所述区域特征包括以下至少一种：交通特征、人口特征、环境特征。
从而基于已有区域的区域数据进行数据分析器的训练，可分析出区域中地图瓦片的共性特征，从而得到地图瓦片对应在交通、人口、环境等方面的区域特征，以在不同区域中分享该区域特征，共享其他区域的数据。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
本申请实施例提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。本申请实施例中，所述电子设备包括终端设备、服务器(集群)等各类型的设备。
本公开的实施例可被实现为使用任意适当的硬件，固件，软件，或及其任意组合进行想要的配置的装置，该装置可包括终端设备、服务器(集群)等电子设备。图12示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置1200。
对于一个实施例，图12示出了示例性装置1200，该装置具有一个或多个处理器1202、被耦合到(一个或多个)处理器1202中的至少一个的控制模块(芯片组)1204、被耦合到控制模块1204的存储器1206、被耦合到控制模块1204的非易失性存储器(NVM)/存储设备1208、被耦合到控制模块1204的一个或多个输入/输出设备1210，以及被耦合到控制模块1206的网络接口1212。
处理器1202可包括一个或多个单核或多核处理器，处理器1202可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中，装置1200能够作为本申请实施例中所述终端设备、服务器(集群)等设备。
在一些实施例中，装置1200可包括具有指令1214的一个或多个计算机可读介质(例如，存储器1206或NVM/存储设备1208)以及与该一个或多个计算机可读介质相合并被配置为执行指令1214以实现模块从而执行本公开中所述的动作的一个或多个处理器1202。
对于一个实施例，控制模块1204可包括任意适当的接口控制器，以向(一个或多个)处理器1202中的至少一个和/或与控制模块1204通信的任意适当的设备或组件提供任意适当的接口。
控制模块1204可包括存储器控制器模块，以向存储器1206提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器1206可被用于例如为装置1200加载和存储数据和/或指令1214。对于一个实施例，存储器1206可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，存储器1206可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，控制模块1204可包括一个或多个输入/输出控制器，以向NVM/存储设备1208及(一个或多个)输入/输出设备1210提供接口。
例如，NVM/存储设备1208可被用于存储数据和/或指令1214。NVM/存储设备1208可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备1208可包括在物理上作为装置1200被安装在其上的设备的一部分的存储资源，或者其可被该设备访问可不必作为该设备的一部分。例如，NVM/存储设备1208可通过网络经由(一个或多个)输入/输出设备1210进行访问。
(一个或多个)输入/输出设备1210可为装置1200提供接口以与任意其他适当的设备通信，输入/输出设备1210可以包括通信组件、音频组件、传感器组件等。网络接口1212可为装置1200提供接口以通过一个或多个网络通信，装置1200可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如WiFi、2G、3G、4G、5G等，或它们的组合进行无线通信。
对于一个实施例，(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器(例如，存储器控制器模块)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器1202中的至少一个可与控制模块1204的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，装置1200可以但不限于是：服务器、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中，装置1200可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置1200包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中，检测装置中可采用主控芯片作为处理器或控制模块，传感器数据、位置信息等存储到存储器或NVM/存储设备中，传感器组可作为输入/输出设备，通信接口可包括包括网络接口。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种信息处理方法和装置，一种电子设备和一种存储介质，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (27)
1.一种信息处理方法，其特征在于，所述的方法包括：
确定目标地图瓦片；
采用预设数据分析器确定所述目标地图瓦片对应的区域特征；
根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
2.根据权利要求1所述的方法，其特征在于，所述目标地图瓦片属于目标区域。
3.根据权利要求2所述的方法，其特征在于，所述确定目标地图瓦片，包括：
将目标区域划分为n*m个地图瓦片，从所述n*m个地图瓦片中选择目标地图瓦片。
4.根据权利要求1所述的方法，其特征在于，所述采用预设数据分析器确定所述目标地图瓦片对应的区域特征，包括：
将所述目标地图瓦片输入所述数据分析器，确定所述地图瓦片对应的区域特征。
5.根据权利要求2所述的方法，其特征在于，所述根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，包括：
按照时间段对所述目标地图瓦片对应的区域特征进行分析，确定所述目标地图瓦片对应目标区域在不同时间段的区域状态。
6.根据权利要求2所述的方法，其特征在于，所述根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析，包括：
依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态；
依据所述区域状态对所述目标区域进行规划处理。
7.根据权利要求6所述的方法，其特征在于，依据所述多个目标地图瓦片对应的区域特征，分析所述目标地图瓦片对应的目标区域的区域状态，包括：
获取所述目标地图瓦片的目标区域特征；
将所述目标地图瓦片对应确定的区域特征，与所述目标地图瓦片的目标区域特征进行匹配，得到匹配结果；
依据所述匹配结果，确定所述目标区域的区域状态。
8.根据权利要求1所述的方法，其特征在于，还包括：
对所述数据分析器进行训练。
9.根据权利要求8所述的方法，其特征在于，所述对所述数据分析器进行训练，包括：
确定指定区域对应的多个地图瓦片的区域特征；
采用多个具有区域特征的地图瓦片进行数据分析器的训练。
10.根据权利要求1-9任一所述的方法，其特征在于，所述区域特征包括以下至少一种：交通特征、人口特征、环境特征。
11.一种信息处理方法，其特征在于，所述的方法包括：
确定目标地图瓦片；
采用预设数据分析器确定所述目标地图瓦片对应的区域特征。
12.一种信息处理方法，其特征在于，包括：
确定指定区域对应多个地图瓦片的区域特征；
采用多个具有区域特征的地图瓦片进行数据分析器的训练。
13.根据权利要求12所述的方法，其特征在于，所述确定指定区域对应多个地图瓦片的区域特征，包括：
确定指定区域以及所述指定区域对应的区域特征；
将所述区域特征映射到所述指定区域对应的多个地图瓦片上。
14.根据权利要求13所述的方法，其特征在于，所述确定指定区域以及所述指定区域对应的区域特征，包括：
确定指定区域及其区域数据，并将所述指定区域划分为n*m个网格；
依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征。
15.根据权利要求14所述的方法，其特征在于，所述依据所述指定区域的区域数据，确定所述n*m个网格分别对应的区域特征，包括：
对所述指定区域的区域数据进行转换，确定所述n*m个网格分别对应的向量，将所述向量作为所述网格的区域特征。
16.根据权利要求13所述的方法，其特征在于，所述将所述区域特征映射到所述指定区域对应的多个地图瓦片上，包括：
确定所述指定区域中所述n*m个网格分别对应的n*m个地图瓦片；
将所述n*m个网格的区域特征映射到对应的地图瓦片上。
17.根据权利要求16所述的方法，其特征在于，所述采用多个具有区域特征的地图瓦片进行数据分析器的训练，包括：
将n*m个具有区域特征的地图瓦片分别输入所述数据分析器，得到对应的输出结果；
依据输出结果和所述地图瓦片对应的区域特征，对所述数据分析器的参数进行调整。
18.根据权利要求13-17任一所述的方法，其特征在于，所述区域特征包括以下至少一种：交通特征、人口特征、环境特征。
19.一种信息处理装置，其特征在于，所述的装置包括：
确定模块，用于确定目标地图瓦片；
预测模块，用于采用预设数据分析器确定所述目标地图瓦片对应的区域特征；
规划分析模块，用于根据所述区域特征，对所述目标地图瓦片对应的目标区域进行规划分析。
20.一种信息处理装置，其特征在于，所述的装置包括：
瓦片确定模块，用于确定目标地图瓦片；
特征预测模块，用于采用预设数据分析器确定所述目标地图瓦片对应的区域特征。
21.一种信息处理装置，其特征在于，所述的装置包括：
特征确定模块，用于确定指定区域对应多个地图瓦片的区域特征；
训练模块，用于采用多个具有区域特征的地图瓦片进行数据分析器的训练。
22.一种电子设备，其特征在于，包括：处理器；和
存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-10中一个或多个所述的信息处理方法。
23.一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如权利要求1-10中一个或多个所述的信息处理方法。
24.一种电子设备，其特征在于，包括：处理器；和
存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求11所述的信息处理方法。
25.一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如权利要求11所述的信息处理方法。
26.一种电子设备，其特征在于，包括：处理器；和
存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求12-18中一个或多个所述的信息处理方法。
27.一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被执行时，使得处理器执行如权利要求12-18中一个或多个所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811394118.1A CN111210513A (zh) | 2018-11-21 | 2018-11-21 | 信息处理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811394118.1A CN111210513A (zh) | 2018-11-21 | 2018-11-21 | 信息处理方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111210513A true CN111210513A (zh) | 2020-05-29 |
Family
ID=70788441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811394118.1A Pending CN111210513A (zh) | 2018-11-21 | 2018-11-21 | 信息处理方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111210513A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112101429A (zh) * | 2020-08-27 | 2020-12-18 | 广东工业大学 | 一种基于Mask R-CNN的地图地理环境自动识别方法 |
| CN112380489A (zh) * | 2020-11-03 | 2021-02-19 | 武汉光庭信息技术股份有限公司 | 数据处理时间计算方法、数据处理平台评价方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819671A (zh) * | 2012-07-25 | 2012-12-12 | 深圳市网信联动技术有限公司 | 一种结合地图进行数据分析的方法 |
| CN103279487A (zh) * | 2013-04-25 | 2013-09-04 | 中国科学院遥感与数字地球研究所 | 一种地图瓦片缓存的组织和管理方法 |
| CN104281709A (zh) * | 2014-10-27 | 2015-01-14 | 杭州智诚惠通科技有限公司 | 交通信息瓦片地图的生成方法和系统 |
| CN107977407A (zh) * | 2017-11-20 | 2018-05-01 | 深圳市科比特航空科技有限公司 | 瓦片地图存储方法、装置、存储介质和计算机设备 |
-
2018
- 2018-11-21 CN CN201811394118.1A patent/CN111210513A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819671A (zh) * | 2012-07-25 | 2012-12-12 | 深圳市网信联动技术有限公司 | 一种结合地图进行数据分析的方法 |
| CN103279487A (zh) * | 2013-04-25 | 2013-09-04 | 中国科学院遥感与数字地球研究所 | 一种地图瓦片缓存的组织和管理方法 |
| CN104281709A (zh) * | 2014-10-27 | 2015-01-14 | 杭州智诚惠通科技有限公司 | 交通信息瓦片地图的生成方法和系统 |
| CN107977407A (zh) * | 2017-11-20 | 2018-05-01 | 深圳市科比特航空科技有限公司 | 瓦片地图存储方法、装置、存储介质和计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| 宁津生 主编: "《测绘综合能力强化》", 30 September 2016, 北京：测绘出版社, pages: 108 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112101429A (zh) * | 2020-08-27 | 2020-12-18 | 广东工业大学 | 一种基于Mask R-CNN的地图地理环境自动识别方法 |
| CN112380489A (zh) * | 2020-11-03 | 2021-02-19 | 武汉光庭信息技术股份有限公司 | 数据处理时间计算方法、数据处理平台评价方法及系统 |
| CN112380489B (zh) * | 2020-11-03 | 2024-04-16 | 武汉光庭信息技术股份有限公司 | 数据处理时间计算方法、数据处理平台评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tekouabou et al. | Improving parking availability prediction in smart cities with IoT and ensemble-based model | |
| CN107610464B (zh) | 一种基于高斯混合时间序列模型的轨迹预测方法 | |
| US10877012B2 (en) | Automatic siting for air quality monitoring stations | |
| Ghaemi et al. | LaSVM-based big data learning system for dynamic prediction of air pollution in Tehran | |
| Yang et al. | Developments in connected and automated vehicles | |
| CN109543909B (zh) | 车辆案件数量的预测方法、装置和计算机设备 | |
| EP3443482B1 (en) | Classifying entities in digital maps using discrete non-trace positioning data | |
| CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
| CN113505521B (zh) | 一种耦合神经网络-数值模拟的城市内涝快速预报方法 | |
| CN108182240B (zh) | 兴趣点新增率预测模型训练及预测方法、装置及存储介质 | |
| CN113895460B (zh) | 行人轨迹预测方法、装置及存储介质 | |
| US20230342520A1 (en) | Traffic simulation conversion method and apparatus, and computer device and storage medium | |
| WO2022142418A1 (zh) | 一种基于gis地图信息的交通拥堵指数预测方法及装置 | |
| CN111210513A (zh) | 信息处理方法、装置、设备和存储介质 | |
| CN116046008A (zh) | 基于态势感知的路线规划方法、系统及效能评估装置 | |
| CN103824307A (zh) | 一种确定无效运动目标像素的方法和装置 | |
| Zhu et al. | Road network abstraction approach for traffic analysis: framework and numerical analysis<? show [AQ ID= Q1]?> | |
| CN116737857A (zh) | 道路数据处理方法、相关装置和介质 | |
| Yap et al. | A global feature-rich network dataset of cities and dashboard for comprehensive urban analyses | |
| CN116539006B (zh) | 径流预测方法、装置、计算机设备和存储介质 | |
| Vu et al. | Bus running time prediction using a statistical pattern recognition technique | |
| Zhang et al. | Incorporation of spatial anisotropy in urban expansion modelling with cellular automata | |
| CN116665170A (zh) | 目标检测模型的训练及目标检测方法、装置、设备和介质 | |
| JP2021076593A (ja) | 構築及び位置特定技術分野に焦点を当てた動的マップ生成 | |
| CN112330953A (zh) | 基于云数据的交通控制方法、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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40030614 Country of ref document: HK |