CN111461779A - 地图信息处理的方法、装置、可读存储介质和电子设备 - Google Patents
地图信息处理的方法、装置、可读存储介质和电子设备 Download PDFInfo
- Publication number
- CN111461779A CN111461779A CN202010245799.6A CN202010245799A CN111461779A CN 111461779 A CN111461779 A CN 111461779A CN 202010245799 A CN202010245799 A CN 202010245799A CN 111461779 A CN111461779 A CN 111461779A
- Authority
- CN
- China
- Prior art keywords
- aoi
- distribution range
- range
- candidate
- processor
- 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
- 230000010365 information processing Effects 0.000 title description 10
- 238000003672 processing method Methods 0.000 title description 4
- 238000001179 sorption measurement Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 63
- 208000013715 atelosteogenesis type I Diseases 0.000 claims description 50
- 230000004044 response Effects 0.000 claims description 16
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241001137251 Corvidae Species 0.000 description 1
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000015108 pies Nutrition 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开了一种地图信息处理的方法、装置、可读存储介质和电子设备。本发明实施例通过获取设定范围内的至少一个目标对象;并按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;根据中心点以及设定范围内包括的历史任务数据,确定至少一簇目标对象集合的至少一个初始配送范围;将每个初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,将至少一个候选配送范围与设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。通过上述方法,可以自动确定每簇目标对象集合的新的配送范围,不需要人工线下绘制,减少了人力资源浪费,并且多个目标对象使用相同的配送范围,可以提高该配送范围内运力资源的效率。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种地图信息处理的方法、装置、可读存储介质和电子设备。
背景技术
随着科技的发展,社会的进步,快递、外卖等行业给人们的日常生活带来了越来越多的便利,在配送过程中,为了方便运力资源的调配,通常为设定范围内包括的多个商户配置一个运力资源团队,该运力资源团队负责配送多个商户生成的任务。
在现有技术中,该设定范围可以称为商圈,每个商圈中包括的每个商户的配送范围由工作人员线下画出,每个商户的配送范围不同,采用现有技术的方法为商户划分配送范围,不仅浪费大量的人力资源,而且由于不同的商户的配送范围不同,某一区域可能只划分为其中一个商户的配送范围,导致商圈的坪效(商圈内所有商户的订单量/商圈内所有商户的配送范围的并集)低,运力资源拉扯严重,运力资源配送效率低。
综上所述,如何提高运力资源配送效率,减少人力资源的浪费是目前需要解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种地图信息处理的方法、装置、可读存储介质和电子设备,能够减少了人力资源浪费,并且提高运力资源的效率。
第一方面,本发明实施例提供了一种地图信息的处理方法,该方法包括:通过至少一个处理器获取设定范围内的至少一个目标对象;所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
结合第一方面,本发明实施例在第一方面的第一种实现方式中,所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点,具体包括:所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
结合第一方面,本发明实施例在第一方面的第二种实现方式中,所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围,具体包括:所述至少一个处理器确定所述中心点至所述感兴趣区域AOI的距离;根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。
结合第一方面的第二种实现方式,本发明实施例在第一方面的第三种实现方式中,根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围,具体包括:以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
结合第一方面,本发明实施例在第一方面的第四种实现方式中,所述感兴趣区域AOI吸附,包括:边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据符合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据的AOI。
结合第一方面的第四种实现方式,本发明实施例在第一方面的第五种实现方式中,所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,具体包括:所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
结合第一方面的第五种实现方式,本发明实施例在第一方面的第六种实现方式中,所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围,具体包括:所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
结合第一方面的第五种实现方式,本发明实施例在第一方面的第七种实现方式中,所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围,具体包括:所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
结合第一方面的第五种实现方式,本发明实施例在第一方面的第八种实现方式中,所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围,具体包括:所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI。
结合第一方面,本发明实施例在第一方面的第九种实现方式中,该方法还包括:根据所述历史任务数据确定所述设定范围内的任务高密度区域。
第二方面,本发明实施例提供了一种地图信息的处理装置,该装置包括:获取单元,用于通过至少一个处理器获取设定范围内的至少一个目标对象;第一确定单元,用于所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;第二确定单元,用于所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;生成单元,用于所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;第三确定单元,用于所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
第三方面,本发明实施例提供了一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如第一方面或第一方面任一种可能中任一项所述的方法。
第四方面,本发明实施例提供了一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤:通过至少一个处理器获取设定范围内的至少一个目标对象;所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
结合第四方面,本发明实施例在第四方面的第一种实现方式中所述处理器具体执行如下步骤:所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
结合第四方面,本发明实施例在第四方面的第二种实现方式中,所述处理器具体执行如下步骤:所述至少一个处理器确定所述中心点至所述感兴趣区域AOI的距离;根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。
结合第四方面的第二种实现方式,本发明实施例在第四方面的第三种实现方式中,所述处理器具体执行如下步骤:以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
结合第四方面,本发明实施例在第四方面的第四种实现方式中,所述感兴趣区域AOI吸附,包括:边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据符合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据AOI。
结合第四方面的第四种实现方式,本发明实施例在第四方面的第五种实现方式中,所述处理器具体执行如下步骤:所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
结合第四方面的第五种实现方式,本发明实施例在第四方面的第六种实现方式中,所述处理器具体执行如下步骤:所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
结合第四方面的第五种实现方式,本发明实施例在第四方面的第七种实现方式中,所述处理器具体执行如下步骤:所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
结合第四方面的第五种实现方式,本发明实施例在第四方面的第八种实现方式中,所述处理器具体执行如下步骤:所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI。
结合第四方面,本发明实施例在第四方面的第九种实现方式中,所述处理器还执行如下步骤:根据所述历史任务数据确定所述设定范围内的任务高密度区域。
本发明实施例通过获取设定范围内的至少一个目标对象;并按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;根据中心点以及设定范围内包括的历史任务数据,确定至少一簇目标对象集合的至少一个初始配送范围;将每个初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,将至少一个候选配送范围与设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。通过上述方法,可以自动确定每簇目标对象集合的新的配送范围,不需要人工线下绘制,减少了人力资源浪费,并且多个目标对象使用相同的配送范围,可以提高该配送范围内运力资源的效率。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其它目的、特征和优点将更为清楚,在附图中:
图1是现有技术中的一种配送范围示意图;
图2是本发明第一实施例的地图信息处理的方法流程图;
图3是本发明第一实施例的一种目标对象分布示意图;
图4是本发明第一实施例的另一种目标对象聚类示意图;
图5是本发明第一实施例的感兴趣区域示意图;
图6是本发明第一实施例的一种配送范围示意图;
图7是本发明第一实施例的又一种配送范围示意图;
图8是本发明第一实施例的再一种配送范围示意图;
图9是本发明第一实施例的另一种配送范围示意图;
图10是本发明第一实施例的又一种配送范围示意图;
图11是本发明第一实施例的再一种配送范围示意图;
图12是本发明第一实施例的另一种配送范围示意图;
图13是本发明第一实施例的一种高密度区域示意图;
图14是本发明第一实施例的又一种配送范围示意图;
图15是本发明第一实施例的再一种配送范围示意图;
图16是本发明第二实施例的地图信息处理的方法流程图;
图17是本发明第三实施例的应用场景图;
图18是本发明第四实施例的地图信息处理的装置示意图;
图19是本发明第五实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明公开进行描述,但是本发明公开并不仅仅限于这些实施例。在下文对本发明公开的细节描述中,详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明公开。为了避免混淆本发明公开的实质,公知的方法、过程、流程、元件和电路并没有详细叙述。
此外,本领域普通技术人员应当理解,在此提供的附图都是为了说明的目的,并且附图不一定是按比例绘制的。
除非上下文明确要求,否则整个申请文件中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义;也就是说,是“包括但不限于”的含义。
在本发明公开的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
通常在现有技术中,一个商圈中包括多个商户,每个商户对应一个配送范围,每个商户的配送范围由工作人员线下画出,浪费大量的人力资源,如图1所示,假设一个商圈内有5个商户,具体为商户1、商户2、商户3、商户4和商户5,每个商户用“圆点”表示,上述5个商户对应5个不同的配送范围,分别为配送范围1、配送范围2、配送范围3、配送范围4和配送范围5,图1仅为示例性说明,实际情况中一个商圈内包括的商户数量可以是几十个、几百个或者几千个,对应的配送范围也可以是几十个、几百个或者几千个,在此不逐一画出;并且由于不同的商户的配送范围不同,某一区域可能只划分为其中一个商户的配送范围,导致商圈的坪效(商圈内所有商户的订单量/商圈内所有商户的配送范围的并集)低;例如图1中的A区域,只属于商户1的配送范围,因此运力资源在配送任务时,如果接收到区域A中的任务,在配送时只能在该区域为商户1配送,在区域A中不会出现其它商户的任务,造成运力资源拉扯严重,运力资源配送效率低。
本发明实施例中,商圈为一个设定范围,里面包含多个商户,所述任务可以称为订单,所述配送资源可以骑手,也可以为机器,本发明实施例对其不做限定。
图2是本发明第一实施例的一种地图信息的处理方法流程图。如图2所示,具体包括如下步骤:
步骤S200、通过至少一个处理器获取设定范围内的至少一个目标对象。
在一个具体实施例中,所述设定范围中包括多个目标对象,所述设定范围可以称为商圈,所述目标对象可以为商户,例如,图3所示,在一个商圈内包括多个商户,图3中每个“圆点”代表一个商户,图3仅为示例性说明,实际情况中每个商圈内包含的商户数量可以是几十个、几百个或者几千个,在图3中不逐一画出。
步骤S201、所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点。
在一个具体实施例中,所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
假设,所述设定面积为0.5平方公里,即按照0.5平方公里的面积对图3中的商户进行聚类,生成如图4所示的聚类示意图,图4中包括5簇目标对象集合,具体为第一簇目标对象集合、第二簇目标对象集合、第三簇目标对象集合、第四簇目标对象集合和第五簇目标对象集合;每簇目标对象集合所属面积的中心为该簇目标对象集合的中心点;例如,第一簇目标对象集合的中心点为P,用黑色“小方块”表示,其它簇的中心点不做赘述。
步骤S202、所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围。
在一个具体实施例中,所述至少一个处理器确定所述中心点至所述感兴趣区域(Area Of Interest,AOI)的距离;根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。具体的,以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
本发明实施例中,所述感兴趣区域AOI为商圈范围内预先划分的一块区域,例如,一栋写字楼、一个学校、一个公园或者一个商场都可以划分为一个感兴趣区域AOI,如图5所示,一个商圈内包括多个感兴趣区域,每个形状不规则的图形表示一个感兴趣区域AOI,实际情况中,每个商圈内包括几十个、几百个或者几千个感兴趣区域AOI,图5中仅仅为示例性说明。
本发明实施例中,根据历史任务数据确定每一个任务的配送距离,假设历史数据中包括1000个任务数据,则可以确定出1000个配送距离,可以选择最大配送距离作为任一簇目标对象集合的目标配送半径,还可以选择1000个配送距离的中值作为任一簇目标对象集合的目标配送半径,也可以选择1000个配送距离的九分位值作为任一簇目标对象集合的目标配送半径,本发明实施例对其不做限定,具体根据实际情况确定。假设,以图4中的P点作为圆心,所述配送距离的九分位值作为目标配送半径,确定如图6所示的初始配送范围,图6中初始配送范围的边界点到圆心的地图导航路线距离等于目标配送半径,由于地图导航路线可以是直线也可以是曲线,所述初始配送范围的形状为不规则形状。
步骤S203、所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除。
可选的,所述感兴趣区域AOI吸附,包括:边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据的AOI,可选的,所述符合第一设定条件的河流信息为贯穿初始配送范围的河流;所述符合第二设定条件的路网为贯穿初始配送范围的主要道路或桥梁。
在一个具体实施例中,所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
本发明实施例中,所述河流AOI吸附、路网AOI吸附以及无效AOI吸附的先后顺序可以变化,本发明实施例对其不做限定。
下面通过四个具体实施例对上述情况进行详细说明,包括:
具体实施例一、初始配送范围边界与边缘附近的AOI存在交叉,具体可参见图6,因此首先对上述边缘AOI进行吸附或去除,假设边缘AOI中在初始配送范围内的面积大于在初始配送范围外的面积,或者在初始配送范围内的面积的历史任务数据的数量大于设定阈值,或者在初始配送范围内的面积的大于设定阈值则将对应的边缘AOI全部划入初始配送范围,假设边缘AOI中在初始配送范围内的面积小于在初始配送范围外的面积,或者在初始配送范围内的面积的历史任务数据的数量小于设定阈值,或者在初始配送范围内的面积的小于设定阈值则将对应的边缘AOI从初始配送范围中去除,生成第一候选配送范围,具体如图7所示。
具体实施例二、所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
举例说明,如图8所示,假设第一候选配送范围中包括一条主要河流与所述第一候选配送范围存在两个交叉点,将所述第一候选配送范围分为两部分,每部分可以称为一个河流AOI,假设图8中包括两个河流AOI,分别为河流AOI1和河流AOI2,其中,河流AOI1的历史任务数据的数量为1000,河流AOI2的历史任务数据的数量为11000,所述历史任务数据数量的比例为1/11,若第一设定值为1/10,1/11小于1/10,因此可以在第一候选配送范围中去除河流AOI1;可选的,河流AOI1的历史任务数据到中心点P的距离为10km,河流AOI2的历史任务数据到中心点P的距离为5km,若第二设定值为6km,10km大于6km,因此可以在第一候选配送范围中去除河流AOI1;可选的,满足上述两种条件中的任一种,或同时满足上述两种情况都可以去除河流AOI1,然后按照河流的路径生成第二候选配送范围,具体如图9所示。
具体实施例三、所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
举例说明,如图10所示,假设第二候选配送范围中包括一条主要路网,例如铁路线存在两个交叉点,将所述第二候选配送范围分为两部分,每部分可以称为一个路网AOI,假设图10中包括两个路网AOI,分别为路网AOI1和路网AOI2,其中,路网AOI1的历史任务数据的数量为100,路网AOI2的历史任务数据的数量为10000,所述历史任务数据数量的比例为1/100,若第三设定值为1/10,1/100小于1/10,因此可以在第二候选配送范围中去除路网AOI1;可选的,路网AOI1的历史任务数据到中心点P的距离为9km,河流AOI2的历史任务数据到中心点P的距离为5.5km,若第二设定值为6km,9km大于6km,因此可以在第二候选配送范围中去除路网AOI1;可选的,满足上述两种条件中的任一种,或同时满足上述两种情况都可以去除路网AOI1,然后按照上述铁路线的路径生成第三候选配送范围,具体如图11所示。
具体实施例四、所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI,生成候选配送范围。
举例说明,图11中包括一个无效AOI,即图11中所示的公园,由于该无效AOI与第三候选配送范围的边界交叉,因此除掉该无效区域,生成候选配送范围,具体如图12所示;可选的,所述无效区域还可以为展览馆等没有用户的AOI。
假设,当无效AOI与第三候选配送范围的边界无交叉,包含在第三候选配送范围内,将无效AOI向外扩大50米,若扩大后的无效AOI与第三候选配送范围的边界交叉,则在第三候选配送范围中除掉扩大后的无效AOI,生成候选配送范围;若扩大后的无效AOI与第三候选配送范围的边界无交叉,则在第三候选配送范围中保留扩大后的无效AOI,不作处理。
步骤S204、所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
举例说明,假设图13为根据历史任务数据生成的高密度区域,所述高密度区域中包括多个历史任务数据大于一定数值的多个AOI;将所述高密度区域与图12中的候选配送范围取交集,高密度区域与候选配送范围叠加的示意图如图14所示,最终生成最终新的配送范围,如图15所示。该簇商户集合中的商户都采用该新的配送范围。
本发明实施例中,假设存在几百个商户,每个商户对应一个配送范围,则需要绘制几百个配送范围,但是几百个商户通过聚合,假设生成5个簇,通过上述方法,每个簇生成一个新的配送范围,则上述几百个商户仅对应5个配送范围,由于几百个配送范围画图有一定的限制,因此此处只做文字说明,具体参见其他配送范围示意图。通过上述方法,可以去除商圈配送范围内的任务低密度区域,统一商圈内商户的整体配送范围,扩大了不同商户之间的配送范围的交集的面积,尽量趋于取送同区域,减少运力拉扯,提升配送效率,并且将商户的配送范围向热力区域覆盖,可以提高商户的任务量。
图16是本发明第二实施例的一种地图信息的处理方法流程图。如图16所示,步骤S200之前,该方法还包括如下步骤:
步骤S205、根据所述历史任务数据确定所述设定范围内的任务高密度区域。
本发明实施例中,步骤S205也可以设置在步骤S204之前,本发明实施例对其不做限定。
图17是本发明第三实施例的应用场景图,包括服务器、目标配送资源终端以及商户终端,其中,所述服务器还可以称为平台、系统等,目标配送资源终端以及商户终端可以为手机、平板等可以定位获取目标任务起点或终点的设备,所述服务器为至少一个,所述目标配送资源终端和商户终端的数量为多个,所述服务器还可以从第三服务平台获取地图信息,地图信息中包括河流、路网等。服务器接收到从各个终端获取的数据后,通过获取设定范围内的至少一个目标对象;并按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;根据中心点以及设定范围内包括的历史任务数据,确定至少一簇目标对象集合的至少一个初始配送范围;将每个初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,将至少一个候选配送范围与设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。通过上述方法,可以自动确定每簇目标对象集合的新的配送范围,不需要人工线下绘制,减少了人力资源浪费,并且多个目标对象使用相同的配送范围,可以提高该配送范围内运力资源的效率。
图18是本发明第四实施例的地图信息的处理装置示意图。如图18所示,本实施例的装置包括获取单元1801、第一确定单元1802、第二确定单元1803、生成单元1804和第三接收单元1805。
其中,获取单元1801,用于通过至少一个处理器获取设定范围内的至少一个目标对象;第一确定单元1802,用于所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;第二确定单元1803,用于所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;生成单元1804,用于所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;第三确定单元1805,用于所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
进一步地,所述第一确定单元具体用于:所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
进一步地,所述第二确定单元具体用于:所述至少一个处理器确定所述中心点至所述感兴趣区域AOI的至少一个距离;根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。
进一步地,所述第二确定单元具体还用于:根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围,具体包括:以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
进一步地,所述感兴趣区域AOI吸附,包括:边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据符合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据的AOI。
进一步地,所述生成单元具体用于:所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
进一步地,所述生成单元具体还用于:所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;
确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;
在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
进一步地,所述生成单元具体用于:所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;
确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;
在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
进一步地,所述生成单元具体用于:所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;
响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,
响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;
响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI。
进一步地,该装置还包括:第四确定单元,用于根据所述历史任务数据确定所述设定范围内的任务高密度区域。
图19是本发明第五实施例的电子设备的示意图。在本实施例中,电子设备为服务器。应理解,还可以为其他电子设备,如树莓派。如图19所示,该电子设备:至少包括一个处理器1901;以及,与至少一个处理器1901通信连接的存储器1902;以及,与扫描装置通信连接的通信组件1903,通信组件1903在处理器1901的控制下接收和发送数据;其中,存储器1902存储有可被至少一个处理器1901执行的指令,指令被至少一个处理器1901执行以实现:通过至少一个处理器获取设定范围内的至少一个目标对象;所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
进一步地,所述处理器具体执行如下步骤:所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
进一步地,所述处理器具体执行如下步骤:所述至少一个处理器确定所述中心点至所述感兴趣区域AOI的至少一个距离;根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。
进一步地,所述处理器具体执行如下步骤:以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
进一步地,所述感兴趣区域AOI吸附,包括:边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据符合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据的AOI。
进一步地,所述处理器具体执行如下步骤:所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
进一步地,所述处理器具体执行如下步骤:所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
进一步地,所述处理器具体执行如下步骤:所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
进一步地,所述处理器具体执行如下步骤:所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI。
进一步地,所述处理器还执行如下步骤:根据所述历史任务数据确定所述设定范围内的任务高密度区域。
具体地,该电子设备包括:一个或多个处理器1901以及存储器1902,图19中以一个处理器1901为例。处理器1901、存储器1902可以通过总线或者其他方式连接,图19中以通过总线连接为例。存储器1902作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器1901通过运行存储在存储器1902中的非易失性软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述地图信息处理的方法。
存储器1902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;存储数据区可存储选项列表等。此外,存储器1902可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器1902可选包括相对于处理器1901远程设置的存储器,这些远程存储器可以通过网络连接至外接设备。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。
一个或者多个模块存储在存储器1902中,当被一个或者多个处理器1901执行时,执行上述任意方法实施例中的地图信息处理的方法。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果,未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本发明的第六实施例涉及一种非易失性存储介质,用于存储计算机可读程序,所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即,本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施例是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
本申请实施例公开了A1、一种地图信息的处理方法,该方法包括:
通过至少一个处理器获取设定范围内的至少一个目标对象;
所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;
所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;
所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;
所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
A2、如A1所述的方法,所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点,具体包括:
所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
A3、如A1所述的方法,所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围,具体包括:
所述至少一个处理器确定所述中心点至所述感兴趣区域AOI的距离;
根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;
根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。
A4、如A3所述的方法,根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围,具体包括:
以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
A5、如A1所述的方法,所述感兴趣区域AOI吸附,包括:
边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据符合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据的AOI。
A6、如A5所述的方法,所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,具体包括:
所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;
所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;
所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;
所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
A7、如A6所述的方法,所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围,具体包括:
所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;
确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;
在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
A8、如A6所述的方法,所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围,具体包括:
所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;
确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;
在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
A9、如A6所述的方法,所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围,具体包括:
所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;
响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,
响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;
响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI。
A10、如A1所述的方法,该方法还包括:
根据所述历史任务数据确定所述设定范围内的任务高密度区域。
本申请实施例公开了B1、一种地图信息的处理装置,该装置包括:
获取单元,用于通过至少一个处理器获取设定范围内的至少一个目标对象;
第一确定单元,用于所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;
第二确定单元,用于所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;
生成单元,用于所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;
第三确定单元,用于所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
本申请实施例公开了C1、一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如A1-A10中任一项所述的方法。
本申请实施例公开了D1、一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤:
通过至少一个处理器获取设定范围内的至少一个目标对象;
所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;
所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;
所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;
所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
D2、如D1所述的电子设备,所述处理器具体执行如下步骤:
所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
D3、如D1所述的电子设备,所述处理器具体执行如下步骤:
所述至少一个处理器确定所述中心点至所述感兴趣区域AOI的距离;
根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;
根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。
D4、如D3所述的电子设备,所述处理器具体执行如下步骤:
以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
D5、如D1所述的电子设备,所述感兴趣区域AOI吸附,包括:
边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据符合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据的AOI。
D6、如D5所述的电子设备,所述处理器具体执行如下步骤:
所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;
所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;
所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;
所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
D7、如D6所述的电子设备,所述处理器具体执行如下步骤:
所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;
确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;
在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
D8、如D6所述的电子设备,所述处理器具体执行如下步骤:
所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;
确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;
在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
D9、如D6所述的电子设备,所述处理器具体执行如下步骤:
所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;
响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,
响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;
响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI。
D10、如D1所述的电子设备,所述处理器还执行如下步骤:
根据所述历史任务数据确定所述设定范围内的任务高密度区域。
Claims (10)
1.一种地图信息的处理方法,其特征在于,该方法包括:
通过至少一个处理器获取设定范围内的至少一个目标对象;
所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点;
所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围;
所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,其中,所述感兴趣区域AOI吸附为所述初始配送范围对预先划分的感兴趣区域AOI进行增加或去除;
所述至少一个处理器将所述至少一个候选配送范围与所述设定范围内任务高密度区域的交集,确定为至少一个新的配送范围。
2.如权利要求1所述的方法,其特征在于,所述至少一个处理器将所述至少一个目标对象按照设定规则进行聚类,确定出至少一簇目标对象集合的中心点,具体包括:
所述至少一个处理器将所述至少一个目标对象按照设定面积进行聚类,将所述至少一簇目标对象集合所在的设定面积的中心点确定为所述至少一簇目标对象集合的中心点。
3.如权利要求1所述的方法,其特征在于,所述至少一个处理器根据所述中心点以及所述设定范围内包括的所述至少一个目标对象的历史任务数据,确定所述至少一簇目标对象集合的至少一个初始配送范围,具体包括:
所述至少一个处理器确定所述中心点至所述感兴趣区域AOI的距离;
根据所述至少一个距离确定所述至少一簇目标对象集合的目标配送半径;
根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围。
4.如权利要求3所述的方法,其特征在于,根据所述中心点与所述目标配送半径确定所述至少一簇目标对象集合的至少一个初始配送范围,具体包括:
以所述中心点为圆心,所述目标配送半径为地图导航路线距离,确定所述至少一簇目标对象集合的至少一个初始配送范围。
5.如权利要求1所述的方法,其特征在于,所述感兴趣区域AOI吸附,包括:
边缘AOI吸附、河流AOI吸附、路网AIO吸附以及无效AOI吸附中的至少一项,其中,所述边缘AOI为所述初始配送范围边缘附近的AOI,所述河流AOI为所述初始配送范围内根据符合第一设定条件的河流信息划分为至少两部分的AOI,所述路网AOI为所述初始配送范围内根据符合第二设定条件的路网划分为至少两部分的AOI,所述无效AOI为所述初始配送范围内无任务数据的AOI。
6.如权利要求5所述的方法,其特征在于,所述至少一个处理器将每个所述初始配送范围进行感兴趣区域AOI吸附,生成至少一个候选配送范围,具体包括:
所述至少一个处理器将所述初始配送范围进行边缘AOI吸附,生成第一候选配送范围;
所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围;
所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围;
所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围。
7.如权利要求6所述的方法,其特征在于,所述至少一个处理器将所述第一候选配送范围进行河流AOI吸附,生成第二候选配送范围,具体包括:
所述至少一个处理器确定所述第一候选配送范围与河流交叉,所述河流将所述第一候选配送范围划分为至少两个河流AOI;
确定每个河流AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI;
在所述第一候选配送范围内去除所述历史任务数据数量小于第一设定值和/或者所述平均距离大于第二设定值的河流AOI。
8.如权利要求6所述的方法,其特征在于,所述至少一个处理器将所述第二候选配送范围进行路网AOI吸附,生成第三候选配送范围,具体包括:
所述至少一个处理器确定所述第二候选配送范围与高等级完整路网交叉,所述路网将所述第二候选配送范围划分为至少两个路网AOI;
确定每个路网AOI的历史任务数据的比例,以及所述历史任务数据到所述中心点的平均距离;
确定所述历史任务数据数量的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI;
在所述第二候选配送范围内去除所述历史任务数据的比例小于第三设定值和/或者所述平均距离大于第四设定值的路网AOI。
9.如权利要求6所述的方法,其特征在于,所述至少一个处理器将所述第三候选配送范围进行无效AOI吸附,生成候选配送范围,具体包括:
所述至少一个处理器确定所述第三候选配送范围内的无效AOI吸附;
响应于所述无效AOI与所述第三候选配送范围的边界交叉,除掉所述无效AOI;或者,
响应于所述无效AOI在所述第三候选配送范围内,将所述无效AOI扩大设定距离;
响应于所述无效AOI扩大设定距离后与所述第三候选配送范围的边界交叉,除掉所述无效AOI。
10.如权利要求1所述的方法,其特征在于,该方法还包括:
根据所述历史任务数据确定所述设定范围内的任务高密度区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245799.6A CN111461779B (zh) | 2020-03-31 | 2020-03-31 | 地图信息处理的方法、装置、可读存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245799.6A CN111461779B (zh) | 2020-03-31 | 2020-03-31 | 地图信息处理的方法、装置、可读存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111461779A true CN111461779A (zh) | 2020-07-28 |
CN111461779B CN111461779B (zh) | 2023-10-24 |
Family
ID=71685240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010245799.6A Active CN111461779B (zh) | 2020-03-31 | 2020-03-31 | 地图信息处理的方法、装置、可读存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461779B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034087A (zh) * | 2021-04-16 | 2021-06-25 | 拉扎斯网络科技(上海)有限公司 | 区域修正方法、装置、电子设备、存储介质及程序产品 |
CN114077979A (zh) * | 2020-08-18 | 2022-02-22 | 北京三快在线科技有限公司 | 一种确定配送服务范围的方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451673A (zh) * | 2017-06-14 | 2017-12-08 | 北京小度信息科技有限公司 | 配送区域划分方法和装置 |
CN108960694A (zh) * | 2017-05-19 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 配送区域确定方法和装置 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
CN109118274A (zh) * | 2018-07-25 | 2019-01-01 | 武汉轻工大学 | 任务点去噪分类方法、系统、终端设备及存储介质 |
CN109658034A (zh) * | 2018-12-28 | 2019-04-19 | 拉扎斯网络科技(上海)有限公司 | 配送范围生成方法、配送压力调节方法、装置及服务器 |
CN109934618A (zh) * | 2019-01-31 | 2019-06-25 | 北京三快在线科技有限公司 | 一种广告投放区域推荐方法、装置、设备及可读存储介质 |
CN110363453A (zh) * | 2018-03-26 | 2019-10-22 | 北京京东振世信息技术有限公司 | 配送信息可视化方法和装置 |
CN110533354A (zh) * | 2018-05-25 | 2019-12-03 | 步步高商业连锁股份有限公司 | 一种基于等货量密度线的连锁加盟店物流配送分区方法 |
CN110543994A (zh) * | 2019-09-11 | 2019-12-06 | 拉扎斯网络科技(上海)有限公司 | 信息处理方法、装置、可读存储介质和电子设备 |
CN110544159A (zh) * | 2019-09-09 | 2019-12-06 | 拉扎斯网络科技(上海)有限公司 | 一种地图信息处理方法、装置、可读存储介质和电子设备 |
-
2020
- 2020-03-31 CN CN202010245799.6A patent/CN111461779B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960694A (zh) * | 2017-05-19 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 配送区域确定方法和装置 |
CN107451673A (zh) * | 2017-06-14 | 2017-12-08 | 北京小度信息科技有限公司 | 配送区域划分方法和装置 |
CN110363453A (zh) * | 2018-03-26 | 2019-10-22 | 北京京东振世信息技术有限公司 | 配送信息可视化方法和装置 |
CN110533354A (zh) * | 2018-05-25 | 2019-12-03 | 步步高商业连锁股份有限公司 | 一种基于等货量密度线的连锁加盟店物流配送分区方法 |
CN109003028A (zh) * | 2018-07-17 | 2018-12-14 | 北京百度网讯科技有限公司 | 用于划分物流区域的方法和装置 |
CN109118274A (zh) * | 2018-07-25 | 2019-01-01 | 武汉轻工大学 | 任务点去噪分类方法、系统、终端设备及存储介质 |
CN109658034A (zh) * | 2018-12-28 | 2019-04-19 | 拉扎斯网络科技(上海)有限公司 | 配送范围生成方法、配送压力调节方法、装置及服务器 |
CN109934618A (zh) * | 2019-01-31 | 2019-06-25 | 北京三快在线科技有限公司 | 一种广告投放区域推荐方法、装置、设备及可读存储介质 |
CN110544159A (zh) * | 2019-09-09 | 2019-12-06 | 拉扎斯网络科技(上海)有限公司 | 一种地图信息处理方法、装置、可读存储介质和电子设备 |
CN110543994A (zh) * | 2019-09-11 | 2019-12-06 | 拉扎斯网络科技(上海)有限公司 | 信息处理方法、装置、可读存储介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
于晓寒 王东: "基于带约束K- means 聚类的城市快递配送区域划分", vol. 32, no. 5, pages 631 - 640 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114077979A (zh) * | 2020-08-18 | 2022-02-22 | 北京三快在线科技有限公司 | 一种确定配送服务范围的方法及装置 |
CN114077979B (zh) * | 2020-08-18 | 2024-05-28 | 北京三快在线科技有限公司 | 一种确定配送服务范围的方法及装置 |
CN113034087A (zh) * | 2021-04-16 | 2021-06-25 | 拉扎斯网络科技(上海)有限公司 | 区域修正方法、装置、电子设备、存储介质及程序产品 |
CN113034087B (zh) * | 2021-04-16 | 2023-01-31 | 拉扎斯网络科技(上海)有限公司 | 区域修正方法、装置、电子设备、存储介质及程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111461779B (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110645983A (zh) | 用于无人车的路径规划方法、装置和系统 | |
US9734162B2 (en) | Geospatial queries using associated distribution data | |
CN111461779A (zh) | 地图信息处理的方法、装置、可读存储介质和电子设备 | |
CN113112603A (zh) | 三维模型优化的方法和装置 | |
CN107944697B (zh) | 基于供需关系的热地图计算方法和系统、服务器、介质 | |
CN111311193B (zh) | 公共服务资源的配置方法和装置 | |
CN110544159B (zh) | 一种地图信息处理方法、装置、可读存储介质和电子设备 | |
WO2022143017A1 (zh) | 一种交通数据仓库的构建方法、装置、存储介质及终端 | |
CN105592130A (zh) | 一种服务部署方法、服务管理方法及装置 | |
CN116561240A (zh) | 电子地图处理方法、相关装置和介质 | |
CN113610008B (zh) | 获取渣土车状态的方法、装置、设备以及存储介质 | |
CN111833119A (zh) | 一种订单分配的方法、装置、电子设备及存储介质 | |
CN110457653B (zh) | 一种警情热点区域的确定方法及装置 | |
CN112927232B (zh) | 基于通勤找房的房源召回方法及装置 | |
CN111767295B (zh) | 地图数据的处理方法、装置、计算设备和介质 | |
CN114202272A (zh) | 一种基于电子围栏的车货匹配方法、装置、存储介质及终端 | |
CN116385878B (zh) | 道路中心线提取方法、分布式系统、服务器和存储介质 | |
CN116347346B (zh) | 一种围栏绘制方法和装置 | |
CN117744907B (zh) | 一种货源路线规划方法、装置、电子设备以及存储介质 | |
CN116821117B (zh) | 流式数据处理方法、系统、设备及存储介质 | |
CN112884388B (zh) | 管理策略生成模型的训练方法、装置以及设备 | |
CN113946880B (zh) | 对采集数据进行关键信息数据回填的方法、装置 | |
CN112949887B (zh) | 派件路径的规划方法、装置、设备及计算机可读存储介质 | |
CN117889872A (zh) | 道路拓扑数据的更新方法、系统、介质及设备 | |
CN114202264A (zh) | 订单处理方法、装置、存储介质及电子设备 |
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 |