CN111597277A

CN111597277A - 电子地图中的站点聚合方法、装置、计算机设备和介质

Info

Publication number: CN111597277A
Application number: CN201910129091.1A
Authority: CN
Inventors: 陈家启
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2019-02-21
Filing date: 2019-02-21
Publication date: 2020-08-28
Anticipated expiration: 2039-02-21
Also published as: CN111597277B

Abstract

本公开提供了一种电子地图中的站点聚合方法、装置、计算机设备和介质。该方法包括：获取相同站点列表；根据所述相同站点列表中各站点的地理位置，对所述相同站点列表中各站点进行聚类；在所述相同站点列表聚成的每个类中选择一个站点，作为该类中的二级聚合站点；获取相似站点列表；根据所述相似站点列表中各站点的地理位置，对所述相似站点列表中各站点进行聚类；在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点。本公开实施例避免了距离相近、名字相同或相似的站点在电子地图上的密集堆叠，提高站点查找便利性，减少站台线路数据错误。

Description

电子地图中的站点聚合方法、装置、计算机设备和介质

技术领域

本公开涉及电子地图领域，具体涉及一种电子地图中的站点聚合方法、装置、计算机设备和介质。

背景技术

如今，很多出行应用(例如乘车码、公交导航)都依赖于电子地图中的站点。例如，乘车码应用中用户刷码的站点要根据电子地图中的站点进行确定，公交导航中用户上下车的站点要根据电子地图中的站点进行确定。电子地图中站点设置的精确度直接影响到这些出行应用的使用精确度。

在一些城市，存在一些名字相似或一样且距离很近的站台(比如广州的一些总站，在同一个地方会有很多包含不同线路的同名或相似总站)，导致：1，在地图上展示比较密集，且会遮掩其他站台，不太容易搜索查找其他站台；2，距离相近名字相同或相似的站台，在查找线路时，很不方便，比如你要查找石牌桥站的A线路，由于石牌桥相关的站点有很多个，用户需要一个个查找站台；3，另外，实际中经常发现，一些公交站台下的线路数据经常存在错误，比如线路A实际在石牌桥1站，但公交公司给的数据是在石牌桥站2下。

发明内容

本公开的一个目的在于提出一种电子地图中的站点聚合方法、装置、计算机设备和介质，它能够避免距离相近、名字相同或相似的站点在电子地图上的密集堆叠，提高站点查找便利性，减少站台线路数据错误问题。

根据本公开实施例的一方面，公开了一种电子地图中的站点聚合方法，包括：

获取相同站点列表，所述相同站点列表由电子地图中相同站点名的站点聚集而成；

根据所述相同站点列表中各站点的地理位置，对所述相同站点列表中各站点进行聚类；

在所述相同站点列表聚成的每个类中选择一个站点，作为该类中的二级聚合站点；

获取相似站点列表，所述相似站点列表由所述二级聚合站点中符合预定相似度标准的站点聚集而成；

根据所述相似站点列表中各站点的地理位置，对所述相似站点列表中各站点进行聚类；

在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点。

根据本公开实施例的一方面，公开了一种电子地图中的站点聚合装置，包括：

相同站点列表获取单元，用于获取相同站点列表，所述相同站点列表由电子地图中相同站点名的站点聚集而成；

第一聚类单元，用于根据所述相同站点列表中各站点的地理位置，对所述相同站点列表中各站点进行聚类；

二级聚合站点选择单元，用于在所述相同站点列表聚成的每个类中选择一个站点，作为该类中的二级聚合站点；

相似站点列表获取单元，用于获取相似站点列表，所述相似站点列表由所述二级聚合站点中符合预定相似度标准的站点聚集而成；

第二聚类单元，用于根据所述相似站点列表中各站点的地理位置，对所述相似站点列表中各站点进行聚类；

一级聚合站点选择单元，用于在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点。

根据本公开实施例的一方面，公开了一种计算机设备，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行如上所述的方法。

根据本公开实施例的一方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的方法。

本公开实施例进行了二次聚类。第一次是对于电子地图中的相同站点名的站点，根据地理位置进行了一次聚类，聚到同一类中的站点看做是一个站点，即二级聚合站点，实现了距离相近、名字相同的站点在电子地图上的聚合。第二次是对于进行了第一次聚类后的站点中相似站点名的站点，根据地理位置又进行了一次聚类，聚到同一类中的站点看做是一个站点，即一级聚合站点，实现了距离相近、名字相似的站点在电子地图上的聚合。聚合后，避免了距离相近、名字相同或相似的站点在电子地图上的密集堆叠，提高站点查找便利性，减少站台线路数据错误的影响(即使线路数据有错误，但由于距离相近、名字相同或相似的站点在电子地图上已聚合为一个站点，因此没有影响)。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。

图1A-1B示出了根据本公开一个实施例的电子地图中的站点聚合方法应用的两种体系构架图。

图2A-C示出了根据本公开一个实施例的电子地图中的站点聚合方法应用于公交出行应用的场景下的场景界面图。

图3示出了站点聚类时一种不正确的聚类方式的示意图。

图4示出了根据本公开的一个实施例的站点聚类时正确的聚类方式的示意图。

图5示出了根据本公开一个实施例的电子地图中的站点聚合方法的流程图。

图6示出了根据本公开一个实施例的步骤330的详细流程图。

图7示出了根据本公开一个实施例的相似度分数计算的详细流程图。

图8示出了根据本公开另一个实施例的相似度分数计算的详细流程图。

图9示出了根据本公开一个实施例的电子地图中的站点聚合方法的流程图。

图10示出了根据本公开一个实施例的电子地图中的站点聚合装置的框图。

图11示出了根据本公开一个实施例的计算机设备的硬件结构图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。

附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面先参照图1A-1B描述一下本公开实施例所应用的体系构架。

图1A示出了根据本公开一个实施例的电子地图中的站点聚合方法应用的一种体系构架。电子地图，是利用计算机技术，以数字方式存储和查阅的地图。它不仅指作为一个单独应用的电子地图，如高德地图、百度地图，还指作为其它应用基础的电子地图。例如，乘车码应用本身不是以提高地图浏览和导航为宗旨的应用，而是一款以方便用户快速乘车、省去人工购票繁琐步骤的应用，为了自动化定位用户上下车的站点，它要以电子地图为基础。再例如，公交出行应用本身不是以提高地图浏览和导航为宗旨的应用，而是一款帮助用户找到到目的地的方便的路线，并快速将用户引导到公交车站点的应用，为了将用户引导到其需要走到的站点，它要以电子地图为基础。

站点是指公共交通公交经停的固定地点，包括公交站点、地铁站点、火车站点等。站点聚合是指将地理位置比较接近、站点名相同或近似的站点在电子地图上合为一个站点，以避免表示基本相同含义的站点在电子地图的某一位置大量堆积和重叠，不利于查找。

图1A所示的体系结构包括用户终端101、互联网102、电子地图服务器103和站点聚合插件104。

用户终端101是指显示电子地图供用户查看的终端，它是电子地图或基于电子地图的应用所安装的终端。在电子地图应用(如高德地图、百度地图等)的情况下，它是电子地图应用所安装在的终端。在基于电子地图的应用(如乘车码应用、公交出行应用等)的情况下，它是基于电子地图的应用所安装在的终端。如图1A所示，它可以是手机、笔记本电脑、桌面电脑、车载终端、PDA、电视终端、机器人终端等各种形式的用户终端。

电子地图服务器103是服务运营商处所设置的运行电子地图，并在电子地图的基础上进行进一步的数据处理的终端。在电子地图应用(如高德地图、百度地图等)的情况下，它是电子地图服务提供商的服务器。在基于电子地图的应用(如乘车码应用、公交出行应用等)的情况下，它是这些应用的服务运营商运行电子地图、并在其上进行进一步的数据处理的服务器。电子地图服务器103与各用户终端103通过互联网102连接并通信。

如图1A中的站点聚合插件104是执行本公开实施例的电子地图中的站点聚合方法(如图5)的组件。将本公开实施例的电子地图中的站点聚合方法(如图5)编程到组件中，将其作为电子地图服务器103的前置组件。当电子地图服务器103的电子地图向用户呈现之前，经过站点聚合插件104进行站点聚合，并将站点聚合后的电子地图呈现给各用户终端101。在图1A的体系构架中，本公开实施例的电子地图中的站点聚合方法(如图5)是由站点聚合插件104执行的。

图1B的体系构架与图1A的区别在于，图1B的体系构架中缺少了站点聚合插件104。在图1B的体系构架中，根据本公开实施例的电子地图中的站点聚合方法完全由电子地图服务器103执行。将本公开实施例的电子地图中的站点聚合方法(如图5)编程到电子地图服务器103中。这样，电子地图服务器103除了完成运行电子地图、对电子地图进行基本的数据处理之外，还要完成站点聚合功能。

图2A-C示出了根据本公开一个实施例的电子地图中的站点聚合方法应用于公交出行应用的场景下的场景界面图。公交出行应用是这样一种应用，用户可以通过该应用查询到目的地的公交乘车路线，并且能够将用户导航到需要乘车的站点。

现有的公交出行应用中，当用户打开公交出行应用后，首先出现图2A所示的电子地图界面。在电子地图上显示了用户当前地理位置、以及附近的各站点的名称。从图2A中可以看出，电子地图上有很多叫做“石牌桥站”的站点，重叠在一起，非常不利于查找。当用户在图2A下部的目的地输入栏输出目的地后，公交出行应用会给出若干到目的地的推荐路线。用户选择其中一个推荐路线，公交出行应用为用户显示到推荐路线的乘车站点的导航路线并提供语言导航。如果推荐路线的乘车站点恰好是“石牌桥站”，由于“石牌桥站”的站点有很多，用户容易看不清要真正达到的“石牌桥站”，容易到达一个错误的“石牌桥站”。

经过本公开实施例的改进后，当用户打开公交出行应用后，出现的是图2B所示的电子地图界面。从图2B中可以看出，图2A中的大量“石牌桥站”在图2B中仅聚合到一个“石牌桥站”，用户查询起来非常容易，不会发生很多“石牌桥站”互相掩盖的情况，提高了用户的查找效率。

用户还可以查看同一聚合后的站点下掩盖的下级聚合站点或下级站点。虽然在图2B的电子地图上，统一显示一个“石牌桥站”，如果用户想要查看统一的“石牌桥站”下面的二级聚合站点，其可以点击该“石牌桥站”的位置，出现图2C所示的界面。在界面的上部出现石牌坊站的一级聚合站点名称“石牌桥站”，下面有①②③④分别代表其下的二级聚合站点。例如，①代表二级聚合站点“石牌桥站”，②代表二级聚合站点“大石牌桥站”，③代表二级聚合站点“石牌坊桥站”，④代表二级聚合站点“大石牌坊桥站”，它们的地理位置是非常接近的，基本是指同一地方，是对同一地方的不同叫法，因此，它们是“石牌桥站”下的二级聚合站点。当用户选择①②③④中的一个后，界面电子地图的下方出现二级聚合站点下属的各站点(虽然都叫“大石牌桥站”，但可能也是由多个叫“大石牌桥站”的站点聚合而成的，并不是一个站点)。用户选择二级聚合站点下面的真正站点，可以更精确查找到该真正站点的地理位置。

图5示出了根据本公开一个实施例的电子地图中的站点聚合方法的流程图。该方法由图1A的站点聚合插件104或图1B的电子地图服务器103执行。如图5所示，该方法包括：

步骤310、获取相同站点列表，所述相同站点列表由电子地图中相同站点名的站点聚集而成；

步骤320、根据所述相同站点列表中各站点的地理位置，对所述相同站点列表中各站点进行聚类；

步骤330、在所述相同站点列表聚成的每个类中选择一个站点，作为该类中的二级聚合站点；

步骤340、获取相似站点列表，所述相似站点列表由所述二级聚合站点中符合预定相似度标准的站点聚集而成；

步骤350、根据所述相似站点列表中各站点的地理位置，对所述相似站点列表中各站点进行聚类；

步骤360、在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点。

下面对步骤310-360进行进一步的详细描述。

在步骤310中，获取相同站点列表，所述相同站点列表由电子地图中相同站点名的站点聚集而成。

电子地图中的每个站点具有站点标识、站点名、站点地址、站点地理位置等属性。在一个实施例中，站点名是站点的名称，如“大石牌桥站”。在一个实施例中，站点名是站点的名称+交通工具线路的名称，例如“大石牌桥站25路”代表25路公交经停大石牌桥时的站名，而“大石牌桥站5路”代表5路公交经停大石牌桥时的站名，两者的站点名是不一样的。站点标识是唯一分配给站点的使该站点区别于其它站点的标记或符号，例如字母或数字串。可能不同站点具有同一站点名，但不同站点一定具有不同站点标识。站点地址是站点用文字表示的位置信息，如“XX市XX街XX号”。站点地理位置是用坐标表示的位置信息，例如，可以用经度和纬度表示电子地图上的一个站点。

相同站点列表是在电子地图中的各站点中具有同一站点名的站点构成的列表。在一个实施例中，相同站点列表中包括站点名相同的站点的站点标识、站点名、站点地理位置。步骤310包括：

遍历电子地图上的所有站点的站点名，将同一站点名的站点标识放入一个相同站点列表；

获取电子地图上所述同一站点名的站点标识对应的站点地理位置，将站点地理位置与所述站点标识相对应地存储在所述相同站点列表。

由于电子地图的各站点属性是以结构化数据的形式关联存储，因此，可以遍历电子地图的所有站点的站点名，为同一站点名的站点标识建立一个相同站点列表。这样，可能建立起许多相同站点列表，每个相同站点列表中的站点具有同一站点名。由于后续过程需要用到各站点的地理位置来聚类，可以按照电子地图的结构化数据，获取电子地图上所述站点名的站点标识对应的站点地理位置，将站点地理位置与所述站点标识相对应地存储在所述相同站点列表。这样，相同站点列表中就包括站点名相同的站点的站点标识、站点名、站点地理位置。

在另一个实施例中，相同站点列表中包括站点名相同的站点的站点标识、站点名、站点地址、站点地理位置。步骤310包括：

获取电子地图上所述同一站点名的站点标识对应的站点地址、站点地理位置，将站点地址、站点地理位置与所述站点标识相对应地存储在所述相同站点列表。

将站点地址也放入相同站点列表中对应存储的目的是在后续判断各站点是否符合预定相似度标准中可能不但用到站点名的比较、和站点地理位置的比较，可能还用到站点地址的比较。该实施例的其它部分与前一实施例相同，故不赘述。

在步骤320中，根据所述相同站点列表中各站点的地理位置，对所述相同站点列表中各站点进行聚类。

聚类是指根据相同站点列表中的站点的地理位置，将地理位置比较接近的站点聚成一类。

图3示出了站点聚类时一种不正确的聚类方式的示意图。图3中的站点A、B、C都具有相同的站点名，例如“石牌桥站”，站点A和B相距9米，站点B和C相距8米。认为10米之内的站点都可以聚合为一类。按照A-B-C的顺序进行遍历，先考察站点A，站点B与其的距离在10米之内，将站点B与站点A聚为一类。由于站点A和B已经聚为一类，不再考察站点B，直接考察站点C，因为未聚合的站台只剩站点C，站点C单独作为一个聚合站台。但实际上，站点C和站点B的距离也小于10米，站点A-C的地理位置都足够接近，将站点A-C都聚成一类是有道理的。如果遍历时从站点B开始遍历，则站点A-C都聚成一类。导致遍历的先后顺序决定聚类的结果。

本公开的实施例可以克服上述问题，提高聚类结果的准确性，并使聚类结果与遍历顺序无关。

在该实施例中，步骤320包括：

对于所述相同站点列表中的每一站点，确定所述相同站点列表中的其它站点到该站点的距离小于预定半径的站点个数；

如果确定出的站点个数大于预定个数阈值，将该站点确定为核心站点；如果确定出的站点个数不大于预定个数阈值，但与至少一个核心站点的距离在所述预定半径之内，将该站点确定为边界站点；如果确定出的站点个数不大于预定个数阈值，且与任一个核心站点的距离都不在所述预定半径之内，将该站点确定为噪声站点；

将噪声站点本身聚为一个类；

将距离在所述预定半径之内的所有核心站点之间进行连接，每组连通的核心站点、与距离该组核心站点中的至少一个核心节点距离在所述预定半径之内的边界站点形成一个类。

预定半径是预先规定的距离，在该距离之内认为两个站点是足够接近的，可以划在同一类中。图3中错误的例子中，按照任意顺序遍历站点，逐一选取一个站点，考察其它站点与该站点之间的距离是否在预定半径之内，这样，遍历的顺序就对聚类的结果造成影响。但本实施例中，先认为各站点之间没有顺序，对每个站点逐一考察所述相同站点列表中的其它站点到该站点的距离小于预定半径的站点个数是否大于预定个数阈值，如果大于，就说明在其周围聚拢了足够数量的其它站点，可以将其作为核心站点。这些核心站点是平等的，没有先后顺序。如果两个核心站点之间的聚类小于预定半径，是说明这两个核心站点也是类似的，可以聚到一个类中，将它们进行连接。对于连通起来的一组核心站点，只要外围的边界站点聚类其中一个核心站点的聚类在预定半径之内，就可以把该边界站点划到该组核心节点所属的类中，而不需要与该组核心节点中所有核心节点的距离都在预定半径之内。

在考量所述相同站点列表中的其它站点到该站点的距离时，该距离可以从所述其它站点的地理位置和该站点的地理位置计算出。在一个实施例中，由于所述相同站点列表中，将站点的地理位置与站点的标识对应存储，因此，可以从所述相同站点列表中得到所述其它站点的地理位置和该站点的地理位置。

下面结合图4A-B解释上述聚类过程。

在图4A中，一个相同站点列表中有9个站点，预定半径为R，预定个数阈值为6。对于图4A中的实心实线圆表示的站点201，在以其为圆心的半径R的范围之内，有7个其它站点，大于预定个数阈值6，因此，是一个核心站点201。对于其它的空心实线圆表示的7个站点202，虽然以它们中的每一个为圆心的半径R的范围之内，凑不够大于预定个数阈值6的数目的站点，但它们本身在以核心站点201为圆心的半径R的范围之内，所以是边界站点202。由于图4A中的空心虚线圆表示的站点203，在以其为圆心的半径R的范围之内，凑不够大于预定个数阈值6的数目的站点，同时，其也不在以任何一个核心站点201为圆心的半径R的范围内，因此，是噪声站点，将其单独聚成一个类，而其余的核心站点201、以及围绕该核心站点201在半径R范围内的7个边界站点202，可以聚成一个类。

在图4B中，一个相同站点列表中有11个站点，预定半径为R，预定个数阈值为6。对于图4B中的实心实线圆表示的三个站点201，在以其为圆心的半径R的范围之内，分别有9、9、7个其它站点，大于预定个数阈值6，因此，它们都是核心站点201。对于其它的空心实线圆表示的7个站点202，虽然以它们中的每一个为圆心的半径R的范围之内，凑不够大于预定个数阈值6的数目的站点，但它们本身在以三个核心站点201中至少一个为圆心的半径R的范围之内(例如它们都在以最左边的一个核心站点201为圆心的半径R的范围之内)，所以是边界站点202。由于图4A中的空心虚线圆表示的站点203，在以其为圆心的半径R的范围之内，凑不够大于预定个数阈值6的数目的站点，同时，其也不在以任何一个核心站点201为圆心的半径R的范围内，因此，是噪声站点，将其单独聚成一个类。对于三个核心站点201，由于两两之间的距离都小于预定半径，可以将它们两两连接，成为三角形。这三个核心站点201为一组连通的核心站点。图4B中的7个空心实线圆表示的边界站点，都与三个核心站点201中至少一个的距离在所述预定半径R之内(例如，它们都与三个核心站点201中最左边一个的聚类的所述预定半径R之内)，因此，可以将它们与三个连通的核心节点一起，形成一个类。

该聚类方式的好处在于，先将所述相同站点列表中的其它站点到该站点的距离小于预定半径的站点个数大于预定个数阈值的所有站点一并划出，作为核心节点，这些核心节点是平等的，在此基础上考量剩下的边界站点应该划到哪个或哪些核心节点所属的类中，避免了遍历站点的顺序对聚类的结果产生的影响，提高了聚类的准确性，从而提高了在电子地图中站点聚类的准确性。

在步骤330中，在所述相同站点列表聚成的每个类中选择一个站点，作为该类中的二级聚合站点。

聚类的最终目的在于将多个类似的点聚成一个类，因此，从该类的多个点中要选择出一个有代表性的点，来代表该类的所有点，即将该类的所有点聚成该有代表性的点。

二级聚合站点是将电子地图中具有同一站点名的站点聚合而成的站点，它代表了所有被聚合的、具有同一站点名的站点。

如图6所示，在一个实施例中，步骤330包括：

步骤3301、如果所述类中的核心站点只有一个，将该核心站点作为该类中的二级聚合站点；

步骤3302、如果所述类中的核心站点有多个，选取所述多个核心站点中的一个，作为该类中的二级聚合站点。

如图4A所示，聚成的类中的核心站点只有一个，由于该类中的其它站点与该核心站点的距离都不超过预定半径R，可以认为，其它站点都围绕着该核心站点，将该类的各站点聚到位于它们的中心的核心站点是合理的。而如图4B所示，聚成的类中的核心站点不只一个，由于该类中的其它站点与这些核心站点中至少一个的距离不超过预定半径R，可以认为，其它站点都围绕着该不只一个核心站点，从该不只一个核心站点中选取一个，将该类的各站点聚到该选取的核心站点是合理的。这样选择二级聚合站点，使得选择的二级聚合站点更有代表性，提高站点聚合的效果。

在一个实施例中，步骤3302中，可以在所述多个核心站点中任取一个，作为该类中的二级聚合站点。

在另一个实施例中，步骤3302包括：

获取所述多个核心站点的交通流量信息；

按照所述交通流量信息，选取所述多个核心站点中的一个，作为该类中的二级聚合站点。

交通流量信息是表示在某一位置的在一定周期内交通流量的信息。该交通流量可以是一定周期内(例如每天)经过该站点的人的数量，或者可以是一定周期内(例如每天)经过该站点的交通工具(例如公交车)的数量，或者是一定周期内(例如每天)从该站点上下车的人的数量。

在交通流量是一定周期内(例如每天)经过该站点的人的数量时，核心站点的交通流量信息(即一定周期内经过核心站点的人的数量信息)可以从交管局服务器获取。

在交通流量是一定周期内(例如每天)经过该站点的交通工具(例如公交车)的数量时，由于公交出行应用中，公交车每经过一站，要将公交线路总服务器发送停车位置和停车时间的信息，因此，核心站点的交通流量信息(即一定周期内经过核心站点的交通工具的数量信息)可以从各公交线路总服务器存储的停车信息得出。

在交通流量是一定周期内(例如每天)从该站点上下车的人的数量时，由于公交出行时，乘客在站点上下车，要扫描乘车码，将乘车信息上报到公交线路总服务器，因此，核心站点的交通流量信息(即一定周期内从核心站点上下车的人的数量信息)可以从各公交线路总服务器存储的乘车信息得出。

在一个实施例中，在按照所述交通流量信息，选取所述多个核心站点中的一个，作为该类中的二级聚合站点时，可以选取交通流量信息指示的交通流量最大的一个。这是因为，交通流量越大，该站点在该类的所有站点中的作用越突出，将其确定为二级聚合站点，更有代表性，有利于提高站点聚合效果。

在另一个实施例中，在按照所述交通流量信息，选取所述多个核心站点中的一个，作为该类中的二级聚合站点时，可以从交通流量信息指示的交通流量超出预定交通流量阈值的核心站点中任取一个。该实施例是考虑到，可以认为，只要交通流量超出预定交通流量阈值，这些核心站点在类中的重要程度是差不多的，从中任取一个，同样具有代表性。

根据交流流量信息选择二级聚合站点的好处是，使得选出的二级聚合站点反映了交流流量的实际状况，提高聚合的现实效果。

在另一个实施例中，步骤3302包括：

针对所述多个核心站点中的一个核心站点，确定该类中所有其它站点到该核心站点的距离之和；

将所述距离之和最小的一个核心站点，作为该类中的二级聚合站点。

该类中所有其它站点到该核心站点的距离之和代表了该类中所有其它站点围绕该站点的程度。该距离之和越小，说明其它站点总体上越围绕该站点；该距离之和越大，说明其它站点总体上越不围绕该站点。因此，将所述距离之和最小的一个核心站点，作为该类中的二级聚合站点的好处是，使得选出的二级聚合站点中心性越好，聚合效果越好。

在步骤340中，获取相似站点列表，所述相似站点列表由所述二级聚合站点中符合预定相似度标准的站点聚集而成。

经过步骤310-330中，将电子地图中相同的站点名的站点聚合成了二级聚合站点，这样得到的二级聚合站点中，相同站点名的站点就很少了(但有时也存在，例如图4A和图4B的站点203与聚成的类中的站点203距离较远，但仍然具有同一站点名)。然后，需要解决这样一个问题。有些站点名虽然不相同，但是是类似的，例如，“中关村第二小学”与“中关村二小”实际上指的是同一个站点，因此，还要针对这种站点，也要聚成一个站点，避免电子地图上用户的混淆。因此，要获取相似站点列表，并将相似站点列表中的站点进行聚类。

相似站点列表是二级聚合站点中一组相似的二级聚合站点组成的列表。这组二级聚合站点要表现出相似性，有合理的理由怀疑它们指代的是同一站点，例如“石牌桥站”、“大石牌桥站”、“石牌坊桥站”、“大石牌坊桥站”很可能指的是同一个地方。

相似的二级聚合站点的特点是站点名比较类似，例如“石牌桥站”、“大石牌桥站”、“石牌坊桥站”、“大石牌坊桥站”。但是，并非名称类似的都是指代同一个地方，例如“车公庙”和“车公庄”仅相差一个字，却指代的是完全不同的地方，因此，除了名称有一定的相似度之外，还要地理位置上接近。因此，在一个实施例中，所述预定相似度标准包括：如果任意两个二级聚合站点的站点名汉明距离小于第一预定汉明距离阈值，且所述两个站点的地理位置之间的距离小于预定距离，则将所述两个站点聚集在一个相似站点列表内。

汉明距离是指将一个字符串改变成另一个字符串，需要增加或删除的字符的个数。例如，“车公庙”和“车公庄”之间的汉明距离是2，因为“车公庙”改变为“车公庄”，首先要将“庙”删除。接着，在“车公”的后面增加一个字符“庄”。增加1个字符，删除1个字符，一共2个字符，汉明距离为2。但是，“石牌桥站”和“大石牌桥站”之间的汉明距离是1，因为只要在“石牌桥站”的前面增加一个字符“大”就可以了。

该实施例中，确定所述两个站点的地理位置之间的距离时，所述两个站点的地理位置之间的距离根据所述两个站点的地理位置计算。如上所述，站点的地理位置在电子地图中结合每个站点结构化存储。

该实施例的优点是，即考虑到了相似的二级聚合站点在站点名上的相似性，又用地理位置的接近程度来区分是否是相似的二级聚合站点，提高了二级聚合站点进一步聚合的准确性。

以上仅仅是预定相似度标准总的原则。在具体实施时，步骤340可以包括：

从所有二级聚合站点的集合中任选一个二级聚合站点放到相似站点列表中；

针对所述集合中、相似站点列表外的每个其它二级聚合站点，逐一计算该其它二级聚合站点的站点名分别与相似站点列表中每个二级聚合站点的站点名的汉明距离、以及该其它二级聚合站点的地理位置分别与相似站点列表中每个二级聚合站点的地理位置的距离，如果与相似站点列表中一个二级聚合站点的站点名的汉明距离小于第一预定汉明距离阈值、且与该二级聚合站点的地理位置的距离小于预定距离，则将该其它二级聚合站点放入相似站点列表中，直到遍历完所述集合中的所有二级聚合站点。

第一预定汉明距离阈值是预先根据经验设定的、认定两个站点相似需要满足的两个站点之间的站点名汉明距离最大值。预定距离是预先根据经验设定的、认定两个站点相似需要满足的两个站点之间的物理距离的最大值。

所有的二级聚合站点构成二级聚合站点的集合。假设集合中二级聚合站点的数量为N，从中先取出一个，放在相似站点列表中。由于此时相似站点列表中只有一个二级聚合站点，计算集合中剩下的N-1个二级聚合站点的每一个到该相似站点列表中唯一的一个二级聚合站点的站点名汉明距离、以及地理位置之间的距离，如果计算出的站点名汉明距离小于第一预定汉明距离阈值，且计算出的地理位置之间的距离小于预定距离，将认为同时满足了认定两个站点相似所需要的汉明距离条件和物理距离条件，将其加入相似站点列表中。这时，相似站点列表中就有2个二级聚合站点了，集合中剩下N-2个二级聚合站点。计算集合中剩下的N-2个二级聚合站点的每一个到该相似站点列表中2个二级聚合站点的每一个的站点名汉明距离、以及地理位置之间的距离，如果计算出的与其中一个二级聚合站点的站点名汉明距离小于第一预定汉明距离阈值，且计算出的到该二级聚合站点的地理位置之间的距离小于预定距离，将认为同时满足了认定两个站点相似所需要的汉明距离条件和物理距离条件，将其加入相似站点列表中。遍历完所述集合中的所有二级聚合站点。最后，集合中就只剩下与相似站点列表中任何一个二级聚合站点的站点名汉明距离和地理位置之间的距离都不同时符合要求的二级聚合站点，即与相似站点列表中任何一个二级聚合站点都不类似的站点。可以针对这些剩下的二级聚合站点，再任选一个二级聚合站点放入另一个相似站点列表中，重复与上面相同的过程，得到另一个相似站点列表。重复循环，就得到了全部相似站点列表。

在另一个实施例中，在确定两个站点是否类似时，不仅考虑其站点名汉明距离、实际物理距离，还考虑其地址名称的相似性。由于在前述实施例中提及，在相同站点列表中，可以将站点的地址名称与站点标识、站点名、站点地理位置相对应地存储，因此，可以从所述相同站点列表中，获取所述站点的地址名称。

这样做的好处是，如果两个站点在实际中指代基本同一个地方，其地址名称应该相同或类似。例如，“中关村一小”和“中关村第一小学”的站点名表面上不相同，它们指代一个地方，因此其地址名称“XX市XX街XX号”很可能是一样的，或相差不大。因此，将地址名称的相似度引入到两个站点是否相似的判断中，提高了相似站点判断的精确性，提高了聚类的效果。

因此，在该实施例中，所述预定相似度标准包括：如果所述相似站点列表中任意两个站点的站点名汉明距离小于第一预定汉明距离阈值、所述两个站点的地址名称的汉明距离小于第二预定汉明距离阈值、且所述两个站点的地理位置之间的距离小于预定距离，则将所述两个站点聚集在一个相似站点列表内。

由于汉明距离是指将一个字符串改变成另一个字符串，需要增加或删除的字符的个数，因此，两个站点的地址名称的汉明距离就是将一个站点的地址名称变成另一个站点的地址名称，需要增加或删除的字符的个数。例如，“中关村南大街156号A栋”和“中关村南大街156号”这两个地址名称的汉明距离为2，因为从前者到后者需要删除2个字符。

第二预定汉明距离阈值是预先根据经验设定的、认定两个站点相似需要满足的两个站点的地址名称之间的汉明距离最大值。

关于两个站点的站点名汉明距离、地理位置距离的考量，与前述实施例相同，故不赘述。

在具体实施时，步骤340可以包括：

针对所述集合中、相似站点列表外的每个其它二级聚合站点，逐一计算该其它二级聚合站点的站点名分别与相似站点列表中每个二级聚合站点的站点名的汉明距离、该其它二级聚合站点的地址名称分别与相似站点列表中每个二级聚合站点的地址名称的汉明距离、以及该其它二级聚合站点的地理位置分别与相似站点列表中每个二级聚合站点的地理位置的距离，如果与相似站点列表中一个二级聚合站点的站点名的汉明距离小于第一预定汉明距离阈值、与该二级聚合站点的地址名称的汉明距离小于第二预定汉明距离阈值、且与该二级聚合站点的地理位置的距离小于预定距离，则将该其它二级聚合站点放入相似站点列表中，直到遍历完所述集合中的所有二级聚合站点。

该实施过程与前述实施例中的获取相似站点列表的实施过程的不同之处仅在于，只有集合中剩下的一个其它二级聚合站点与相似站点列表中一个二级聚合站点的站点名的汉明距离、地址名称的汉明距离、地理位置的距离都满足相应条件，才将该其它二级聚合站点放入相似站点列表中，而不是仅考虑站点名的汉明距离、地理位置的距离这两个指标，其余部分与前述实施例相同，故不赘述。

在另一个实施例中，衡量两个二级聚合站点是否相似，从而决定是否放入相似站点列表中，不是孤立考量站点名的汉明距离、地理位置的距离，而是综合考量这两个指标，用量化的分数来决定是否要加入相似站点列表中，提高了相似站点判断的精确性，从而提高了聚类的效果。

在该实施例中，所述预定相似度标准包括：如果任意两个二级聚合站点的相似度分数大于预定相似度分数阈值，则将所述两个站点聚集在一个相似站点列表内。如图7所示，在一个实施例中，所述相似度分数通过以下方式计算：

步骤410、根据所述两个二级聚合站点的站点名汉明距离，确定第一分数；

步骤420、根据所述两个二级聚合站点的地理位置的距离，确定第二分数；

步骤430、根据第一分数和第二分数，确定相似度分数。

相似度分数是表征两个二级聚合站点相似的程度的指标。两个二级聚合站点越相似，相似度分数越大。

在步骤410中，确定第一分数可以采用公式法或查表法。

在公式法的实施例中，步骤410可以包括：

根据以下公式确定第一分数：

S1＝a1/(b1+H1) 公式1

其中，S1表示第一分数，H1是两个二级聚合站点的站点名汉明距离，a1和b1是正常数。

由于所述两个二级聚合站点的站点名汉明距离越小，说明两个二级聚合站点可能越相似，第一分数应该越大，因此，第一分数与两个二级聚合站点的站点名汉明距离反相关。在分母上加上正常数b1是为了防止两个二级聚合站点的站点名汉明距离为0时造成第一分数无限大。

公式法的优点是，提高相似度分数确定的精确性，从而提高聚类的效果。

在查表法的实施例中，步骤410可以包括：

根据所述两个二级聚合站点的站点名汉明距离，查找预设的站点名汉明距离与第一分数对应关系表，确定第一分数。

站点名汉明距离与第一分数对应关系表是预设的、存储各种站点名汉明距离的范围所对应的第一分数的表格。例如，距离0-1m,对应的第一分数为5分；距离1-2m,对应的第一分数为4分。查找对应关系表时，确定所述两个二级聚合站点的站点名汉明距离所属的范围，在对应关系表中确定该范围所对应的第一分数。例如，距离为1.5m时，属于1-2m,对应的第一分数为4分。

查表法的优点是简便易行。

在步骤420中，确定第二分数时，也可以用公式法或查表法。

在公式法的实施例中，步骤410可以包括：

根据以下公式确定第二分数：

S2＝a2/(b2+H2) 公式2

其中，S2表示第二分数，H2是两个二级聚合站点的地理位置的距离，a2和b2是正常数。公式法的优点是，提高相似度分数确定的精确性，提高聚类的效果。

在查表法的实施例中，步骤420可以包括：

根据所述两个二级聚合站点的地理位置的距离，查找预设的地理位置距离与第二分数对应关系表，确定第二分数。查表法的优点是简便易行。

在步骤430中，根据第一分数和第二分数，确定相似度分数，可以采用将第一分数和第二分数的和作为相似度分数的方式，也可以采用将第一分数和第二分数的平均值作为相似度分数的方式。在一个实施例中，步骤430可以包括：将第一分数和第二分数的加权和作为相似度分数。

预先为第一分数和第二分数分配权重，使得第一分数和第二分数的权重的和为1。计算第一分数和第二分数的加权和，作为相似度分数。该实施例的优点是，充分考虑到站点名汉明距离与地理位置的距离对于判定两个站点是否相似的不同贡献，使得确定的相似度分数更加准确，提高聚类的效果。

在该实施例中，在具体实施时，步骤340包括：

针对所述集合中、相似站点列表外的每个其它二级聚合站点，逐一计算该其它二级聚合站点与相似站点列表中每个二级聚合站点的相似度分数，如果与相似站点列表中一个二级聚合站点的相似度分数大于预定相似度分数阈值，则将该其它二级聚合站点放入相似站点列表中，直到遍历完所述集合中的所有二级聚合站点。

本实施例的获取相似站点列表的过程与前述根据二级聚合站点的站点名的汉明距离、以及二级聚合站点的地理位置距离来获取相似站点列表的实施例的过程的差别仅在于，本实施例中，针对所述集合中、相似站点列表外的每个其它二级聚合站点，逐一计算的是该其它二级聚合站点与相似站点列表中每个二级聚合站点的相似度分数，并与预定相似度分数阈值比较，而不是逐一计算该其它二级聚合站点的站点名分别与相似站点列表中每个二级聚合站点的站点名的汉明距离、以及与相似站点列表中每个二级聚合站点的地理位置的距离，并分别与第一预定汉明距离阈值、预定距离进行比较，其余部分与前述实施例的过程一致，故不赘述。

在一个实施例中，相似度分数可以不仅与站点之间的站点名汉明距离、地理位置的距离有关，还与站点的地址名称的汉明距离有关，即根据站点名汉明距离、地理位置的距离、站点的地址名称的汉明距离共同确定相似度分数。该实施例的优点是，不仅考虑到站点名汉明距离、地理位置的距离对判定两个站点是否相似的影响，还考虑到站点的地址名称的汉明距离对判定两个站点是否相似的影响，使得相似站点的判定更精确，提高站点聚类的效果。

在该实施例中，所述预定相似度标准包括：如果任意两个二级聚合站点的相似度分数大于预定相似度分数阈值，则将所述两个站点聚集在一个相似站点列表内。如图8所示，所述相似度分数通过以下方式计算：

步骤440、根据所述两个二级聚合站点的地址名称汉明距离，确定第三分数；

步骤450、根据第一分数、第二分数和第三分数，确定相似度分数。

关于第一分数、第二分数的确定，与前述实施例相同，不再赘述。关于步骤440中第三分数的确定，也可以采用公式法或查表法。

在公式法的实施例中，步骤440可以包括：

根据以下公式确定第三分数：

S3＝a3/(b3+H3) 公式3

其中，S3表示第二分数，H3是两个二级聚合站点的地址名称汉明距离，a3和b3是正常数。公式法的优点是，提高相似度分数确定的精确性，提高聚类的效果。

在查表法的实施例中，步骤440可以包括：

根据所述两个二级聚合站点的地址名称汉明距离，查找预设的地址名称汉明距离与第三分数对应关系表，确定第三分数。查表法的优点是简便易行。

在图8所示的实施例中，步骤340的具体实施过程与图7所示的实施例基本相同，故不赘述。

在步骤350中，根据所述相似站点列表中各站点的地理位置，对所述相似站点列表中各站点进行聚类。

步骤350与步骤320的执行过程大体类似，其包括：

对于所述相似站点列表中的每一站点，确定所述相似站点列表中的其它站点到该站点的距离小于预定半径的站点个数；

将噪声站点本身聚为一个类；

步骤350与步骤320的区别仅在于，步骤350是对相似站点列表中各站点进行聚类，步骤320是对相同站点列表中各站点进行聚类，其过程类似，故不展开描述。

在步骤360中，在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点。

步骤350的选择站点的过程与步骤330中的选择的过程大体类似，只不过在步骤350中选择的是一级聚合站点，在步骤330中选择的是二级聚合站点。具体地说，步骤360包括：

如果所述类中的核心站点只有一个，将该核心站点作为该类中的一级聚合站点；

如果所述类中的核心站点有多个，选取所述多个核心站点中的一个，作为该类中的一级聚合站点。

在一个实施例中，所述选取所述多个核心站点中的一个，作为该类中的一级聚合站点，包括：按照所述多个核心站点的站点名的字符编码顺序，选取所述多个核心站点中的一个，作为该类中的一级聚合站点。

由于站点名是由字符组成的，字符是有编码顺序的，例如Unicode码顺序、ASCII码顺序。以ASCII码为例，ASCII码使用指定的7位或8位二进制数组合来表示128或256种可能的字符。标准ASCII码也叫基础ASCII码，使用7位二进制数(剩下的1位二进制为0)来表示所有的大写和小写字母，数字0到9、标点符号，以及在美式英语中使用的特殊控制字符。这样，对于英文或拼音字符，就可以根据ASCII码的顺序，选择核心站点中的一个。对于中文字符，可以按照其拼音的ASCII码的顺序，选择核心站点中的一个。

在一个实施例中，按照所述多个核心站点的站点名的字符编码顺序，选取所述多个核心站点中的一个，作为该类中的一级聚合站点，包括：

从所述多个核心站点的站点名的第一个字符开始，如果这些站点名的第一个字符完全相同，比较第二个字符，直到在特定字符序号的位置上，所述多个核心站点名的字符不相同，确定该位置上不相同的字符中在字符编码表中位置最靠前的字符，将该确定的字符所在的核心站点名的站点，确定为该类中的一级聚合站点。

这里的字符编码表是指字符转换成编码后的顺序表。例如，ASCII码中，大写和小写字母，数字0到9、标点符号在编码顺序表中都有固定的顺序。字符编码表就是ASCII码的顺序表。在该表中，字母A排在B之前，字母B排在C之前……数字1排在2之前，数字2排在3之前……

例如，对于“中关村一小”和“中关村第一小学”这两个核心站点名，对应的汉语拼音是“zhong guan cun yi xiao”和“zhong guan cun di yi xiao xue”。两个核心站点名的第一个字符和第二个字符完全相同，从第三个字符的位置上，这两个核心站点名的字符不相同，分别是“一”和“第”。确定该不相同的字符“一”和“第”的拼音“yi”和“di”中,在ASCII码顺序表中的顺序是“d”排在“y”之前，因此，可以将“中关村第一小学”确定为该类中的一级聚合站点。

本领域技术人员应当理解，虽然上述实施例中，确定该位置上不相同的字符中在字符编码表中位置最靠前的字符，将该确定的字符所在的核心站点名的站点，确定为该类中的一级聚合站点，但在其它实施例中，也可以确定该位置上不相同的字符中在字符编码表中位置最靠后的字符或某一特定位置的字符，将该确定的字符所在的核心站点名的站点，确定为该类中的一级聚合站点。

按照所述多个核心站点的站点名的字符编码顺序选取一级聚合站点的好处是，由于字符编码顺序易于获取，可以减小计算量和处理符合，提高处理效率。

在另一个实施例中，所述选取所述多个核心站点中的一个，作为该类中的一级聚合站点，包括：

获取所述多个核心站点的交通流量信息；

按照所述交通流量信息，选取所述多个核心站点中的一个，作为该类中的一级聚合站点。

该实施例与前述根据交通流量信息选取二级聚合站点的实施例是类似的，其细节可以参照前述根据交通流量信息选取二级聚合站点的实施例，故不赘述。

将所述距离之和最小的一个核心站点，作为该类中的一级聚合站点。

该实施例与前述根据所有其它站点到该核心站点的距离之和选取一级聚合站点的实施例是类似的，其细节可以参照前述根据所有其它站点到该核心站点的距离之和选取一级聚合站点的实施例，故不赘述。

在一个实施例中，如图9所示，在步骤360之后，所述方法还包括：

步骤370、将一级聚合站点显示在电子地图上；

步骤380、响应于用户查看二级聚合站点的请求，显示一级聚合站点所属的类的二级聚合站点；

步骤390、响应于用户对显示的二级聚合站点的选择，显示选择的二级聚合站点所属的类的站点。

如图2C所示，在界面中部的电子地图上的“石牌桥站”就是显示的一级聚合站点的一个例子。为了界面的简洁，便于查找，在电子地图上只显示一级聚合站点。如果用户想要查看一级聚合站点下面有哪些二级聚合站点，或者查看二级聚合站点下面有哪些站点，可以采取在界面上电子地图以外的区域上进行显示的方式。

用户查看二级聚合站点的请求可以采取多种方式生成。在一个实施例中，响应于用户触摸电子地图上显示的一级聚合站点，生成用户查看该一级聚合站点下的二级聚合站点的请求。在另一个实施例中，在界面上有查看二级聚合站点的选项，响应于用户选择该选项，呈现一级聚合站点的列表；响应于用户从一级聚合站点的列表中选择一个一级聚合站点，生成用户查看该一级聚合站点下的二级聚合站点的请求。

响应于用户查看二级聚合站点的请求，显示一级聚合站点下的二级聚合站点。在一个实施例中，二级聚合站点不显示在电子地图中，而是显示在界面中电子地图外的其它区域。在图2C的例子中，其显示在电子地图的上部，即①②③④，其中，①代表二级聚合站点“石牌桥站”，②代表二级聚合站点“大石牌桥站”，③代表二级聚合站点“石牌坊桥站”，④代表二级聚合站点“大石牌坊桥站”。

接着，响应于用户对显示的二级聚合站点的选择，显示选择的二级聚合站点所属的类的站点。

用户对显示的二级聚合站点的选择可以通过多种方式进行。在一个实施例中，用户对显示的二级聚合站点的选择是通过用户触摸显示的二级聚合站点进行的。如图2C所示，用户触摸界面上的①②③④中的一个，例如用户触摸①，界面电子地图的下方出现二级聚合站点“石牌桥站”下属的各站点。用户可以看到二级聚合站点“石牌桥站”下属的各站点的具体信息，便于用户精确查找其目标站点。

该实施例的好处是，由于仅将一级聚合站点显示在电子地图上，提高了电子地图显示的简洁性和清楚度，减少同义站点堆叠，提高界面查找效率。同时，在用户需要查看一级聚合站点下面掩盖的各站点时，又提供了用户查看到更详细的具体站点信息的途径，兼顾了效率和精确度。

如图10所示，根据本公开的一个实施例，还提供了一种电子地图中的站点聚合装置，包括：

相同站点列表获取单元510，用于获取相同站点列表，所述相同站点列表由电子地图中相同站点名的站点聚集而成；

第一聚类单元520，用于根据所述相同站点列表中各站点的地理位置，对所述相同站点列表中各站点进行聚类；

二级聚合站点选择单元530，用于在所述相同站点列表聚成的每个类中选择一个站点，作为该类中的二级聚合站点；

相似站点列表获取单元540，用于获取相似站点列表，所述相似站点列表由所述二级聚合站点中符合预定相似度标准的站点聚集而成；

第二聚类单元550，用于根据所述相似站点列表中各站点的地理位置，对所述相似站点列表中各站点进行聚类；

一级聚合站点选择单元560，用于在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点。

在一个实施例中，所述第一聚类单元520进一步用于：

将噪声站点本身聚为一个类；

在一个实施例中，所述二级聚合站点选择单元530进一步用于：

如果所述类中的核心站点只有一个，将该核心站点作为该类中的二级聚合站点；

如果所述类中的核心站点有多个，选取所述多个核心站点中的一个，作为该类中的二级聚合站点。

在一个实施例中，所述选取所述多个核心站点中的一个，作为该类中的二级聚合站点，包括：

获取所述多个核心站点的交通流量信息；

在一个实施例中，所述预定相似度标准包括：

如果任意两个二级聚合站点的站点名汉明距离小于第一预定汉明距离阈值，且所述两个站点的地理位置之间的距离小于预定距离，则将所述两个站点聚集在一个相似站点列表内。

在一个实施例中，所述预定相似度标准包括：

如果任意两个二级聚合站点的站点名汉明距离小于第一预定汉明距离阈值、所述两个站点的地址名称的汉明距离小于第二预定汉明距离阈值、且所述两个站点的地理位置之间的距离小于预定距离，则将所述两个站点聚集在一个相似站点列表内。

在一个实施例中，所述预定相似度标准包括：如果任意两个二级聚合站点的相似度分数大于预定相似度分数阈值，则将所述两个站点聚集在一个相似站点列表内。所述相似度分数通过以下方式计算：

根据所述两个二级聚合站点的站点名汉明距离，确定第一分数；

根据所述两个二级聚合站点的地理位置的距离，确定第二分数；

根据第一分数和第二分数，确定相似度分数。

根据所述两个二级聚合站点的地址名称汉明距离，确定第三分数；

根据第一分数、第二分数和第三分数，确定相似度分数。

在一个实施例中，第二聚类单元550进一步用于：

将噪声站点本身聚为一个类；

在一个实施例中，所述一级聚合站点选择单元560进一步用于：

在一个实施例中，所述装置还包括：

一级聚合站点显示单元，用于将一级聚合站点显示在电子地图上；

二级聚合站点显示单元，用于响应于用户查看二级聚合站点的请求，显示一级聚合站点所属的类的二级聚合站点；

具体站点显示单元，用于响应于用户对显示的二级聚合站点的选择，显示选择的二级聚合站点所属的类的站点。

根据本公开实施例的电子地图中的站点聚合方法可以由图11的计算机设备204实现。在图1A的体系构架中，该计算机设备204为图1A中的站点聚合插件104。在图1B的体系构架中，该计算机设备204为图1B中的电子地图服务器103。图11显示的计算机设备204仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图11所示，计算机设备204以通用计算设备的形式表现。计算机设备204的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图5中所示的各个步骤。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

计算机设备204也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该计算机设备204交互的设备通信，和/或与使得该计算机设备204能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，计算机设备204还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与计算机设备204的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备204使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述方法实施例部分描述的方法。

根据本公开的一个实施例，还提供了一种用于实现上述方法实施例中的方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims

1.一种电子地图中的站点聚合方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述相同站点列表中各站点的地理位置，对所述相同站点列表中各站点进行聚类，包括：

将噪声站点本身聚为一个类；

3.根据权利要求2所述的方法，其特征在于，所述在所述相同站点列表聚成的每个类中选择一个站点，作为该类中的二级聚合站点，包括：

4.根据权利要求3所述的方法，其特征在于，所述选取所述多个核心站点中的一个，作为该类中的二级聚合站点，包括：

获取所述多个核心站点的交通流量信息；

5.根据权利要求3所述的方法，其特征在于，所述选取所述多个核心站点中的一个，作为该类中的二级聚合站点，包括：

6.根据权利要求1所述的方法，其特征在于，所述预定相似度标准包括：

7.根据权利要求1所述的方法，其特征在于，所述预定相似度标准包括：

8.根据权利要求1所述的方法，其特征在于，所述预定相似度标准包括：如果任意两个二级聚合站点的相似度分数大于预定相似度分数阈值，则将所述两个站点聚集在一个相似站点列表内，

其中，所述相似度分数通过以下方式计算：

根据第一分数和第二分数，确定相似度分数。

9.根据权利要求1所述的方法，其特征在于，所述预定相似度标准包括：如果任意两个二级聚合站点的相似度分数大于预定相似度分数阈值，则将所述两个站点聚集在一个相似站点列表内，

其中，所述相似度分数通过以下方式计算：

根据第一分数、第二分数和第三分数，确定相似度分数。

10.根据权利要求1所述的方法，其特征在于，所述根据所述相似站点列表中各站点的地理位置，对所述相似站点列表中各站点进行聚类，包括：

将噪声站点本身聚为一个类；

11.根据权利要求10所述的方法，其特征在于，所述在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点，包括：

12.根据权利要求1所述的方法，其特征在于，在所述相似站点列表聚成的每个类中选择一个站点，作为该类中的一级聚合站点之后，所述方法还包括：

将一级聚合站点显示在电子地图上；

响应于用户查看二级聚合站点的请求，显示一级聚合站点所属的类的二级聚合站点；

响应于用户对显示的二级聚合站点的选择，显示选择的二级聚合站点所属的类的站点。

13.一种电子地图中的站点聚合装置，其特征在于，包括：

14.一种计算机设备，其特征在于，包括：

存储器，存储有计算机可读指令；

处理器，读取存储器存储的计算机可读指令，以执行权利要求1-12中的任一个所述的方法。

15.一种计算机程序介质，其特征在于，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求1-12中的任一个所述的方法。