CN113268678A - 一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 - Google Patents
一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN113268678A CN113268678A CN202110372858.0A CN202110372858A CN113268678A CN 113268678 A CN113268678 A CN 113268678A CN 202110372858 A CN202110372858 A CN 202110372858A CN 113268678 A CN113268678 A CN 113268678A
- Authority
- CN
- China
- Prior art keywords
- grid
- electronic fence
- target
- stop point
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005065 mining Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 19
- 238000005520 cutting process Methods 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013506 data mapping Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000012937 correction Methods 0.000 abstract description 7
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000003032 molecular docking Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- G06F16/906—Clustering; Classification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆停靠点的语义挖掘方法、装置、存储介质及终端，该方法包括：从关联停靠点数据后的网格图中获取待语义挖掘的行政区域对应的目标网格图；统计并降序排列目标网格图中各子网格内停靠点数量生成排序后的多个停靠点数量；基于排序后的多个停靠点数量构建多个录入网格的类簇集合；计算多个录入网格的类簇集合中所有子网格的外接多边形生成初始电子围栏；将初始电子围栏切割后生成目标电子围栏；从地理信息中筛选出与物流行业相关的多个POI；当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。因此，本申请实施例可以实现数据的全面性、时效性，并为地理信息更新、自助矫正车辆安全停靠、物流通量计算等应用提供基础数据依据。
Description
技术领域
本发明涉及数据挖掘技术领域，特别涉及一种车辆停靠点的语义挖掘方法、装置、存储介质及终端。
背景技术
目前物流行业发展的如火如荼，从而诞生了大量的货车，货车作为陆运主力，其承担了很大一部分货物运输量，因此实现高效的货物运输是非常有必要的，在实现货物高效运输时，需要为车主匹配到最佳的货源区域，在匹配货源区域时，需要提前对车辆停靠点的数据进行语义挖掘。
在现有技术中，大多数数据来源于测绘大队、数据采集公司、遥感影像公司的数据。此类数据的数据采集周期长、范围小，还存在常规测绘企业无法进入部分作业区域的内部区域情况(例如工厂、物流园等)，因此无法做到快速跟进现实外部环境的快速变化，从而使得现有技术受限于地理信息的准确性和时效性，导致车辆停靠语义的挖掘存在缺失、滞后等缺陷，从而降低了货物运输的效率。
因此，如何找到一种有效的方法，实现高效语义挖掘来提升货物运输效率为亟待解决的问题。
发明内容
本申请实施例提供了一种车辆停靠点的语义挖掘方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种车辆停靠点的语义挖掘方法，该方法包括：
从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
统计目标网格图中各子网格内的停靠点数量，并将统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
基于排序后的多个停靠点数量构建多个录入网格的类簇集合；
采用最小凸多边形算法计算多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
将初始电子围栏进行切割，生成目标电子围栏；
从待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。
可选的，从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图之前，还包括：
获取并预处理预设时间段内车辆的历史停靠点集合；
从预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点；
将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
可选的，获取并预处理预设时间段内车辆的历史停靠点集合，包括：
获取预设时间段内车辆的历史停靠点集合；
从历史停靠点集合中筛除停靠时长大于预设阈值的停靠点，生成筛选后的历史停靠点集合；
从筛选后的历史停靠点集合中筛除位于预设类型道路上的停靠点，生成预处理后的历史停靠点集合。
可选的，将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图，包括：
基于经纬度构建地理空间；
根据预设网格大小将地理空间切分为网格，生成网格图；
针对网格图中每个子网格设置ID编号，生成预先创建的网格图；
逐一计算每个历史停靠点的经纬度坐标点在预先创建的网格图中所对应的子网格ID编号；
基于每个历史停靠点的经纬度坐标点在预先创建的网格图中所对应的子网格ID编号将每个历史停靠点映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
可选的，基于排序后的多个停靠点数量构建多个录入网格的类簇集合，包括：
从排序后的多个停靠点数量中确定分位数的停靠点数量，并将分位数的停靠点数量确定为密度可达阈值；
遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值，当识别到搜索状态为false且密度值大于密度可达阈值的子网格时，将遍历到的子网格确定为目标子网格；
从目标网格图中搜索目标子网格对应的多个子网格；
创建类簇集合，并将目标子网格与目标子网格对应的多个子网格录入类簇集合中生成录入网格的类簇集合；
将目标子网格与目标子网格对应的多个子网格的搜索状态更改为true；
继续执行遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值的步骤，直到排序后的多个停靠点数量各自对应的子网格的搜索状态全部为true时，生成多个录入网格的类簇集合。
可选的，当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签，包括：
当多个POI的经纬度不在目标电子围栏中时，计算目标电子围栏与行政区域中高速路网的交集；
将交集标示为高速违法停车区域；或者，
当多个POI的经纬度不在目标电子围栏中时，统计驶入目标电子围栏的车辆类型；
当车辆类型为自卸车的车辆占比大于给定阈值k时，则将目标电子围栏标注为施工现场；或者，
当多个POI的经纬度不在目标电子围栏中时，识别目标电子围栏生成识别结果；
当识别结果为false且不为施工现场时，将多个POI确定为未录入的POI。
第二方面，本申请实施例提供了一种车辆停靠点的语义挖掘装置，该装置包括：
目标网格图获取模块，用于从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
停靠点数量排序模块，用于统计目标网格图中各子网格内的停靠点数量，并将统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
类簇集合构建模块，用于基于排序后的多个停靠点数量构建多个录入网格的类簇集合；
初始电子围栏生成模块，用于采用最小凸多边形算法计算多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
目标电子围栏生成模块，用于将初始电子围栏进行切割，生成目标电子围栏；
POI筛选模块，用于从待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
语义标签生成模块，用于当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。
可选的，装置还包括：
历史停靠点集合获取模块，用于获取并预处理预设时间段内车辆的历史停靠点集合；
经纬度坐标点获取模块，用于从预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点；
数据映射模块，用于将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，车辆停靠点的语义挖掘装置首先从关联停靠点数据后的网格图中获取待语义挖掘的行政区域对应的目标网格图，再统计并降序排列目标网格图中各子网格内停靠点数量生成排序后的多个停靠点数量，然后基于排序后的多个停靠点数量构建多个录入网格的类簇集合，再计算多个录入网格的类簇集合中所有子网格的外接多边形生成初始电子围栏，其次将初始电子围栏切割后生成目标电子围栏，并从地理信息中筛选出与物流行业相关的多个POI，最后当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。由于本申请依据货运车辆停靠数据，通过网格聚类及坐标关联建立静态地理信息与停靠区域的关系，进而自动化挖掘停靠区域的语义，实现数据的全面性、时效性，为地理信息更新、自助矫正车辆安全停靠、物流通量计算等应用提供基础数据依据，从而提升了货物运输效率。
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和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种车辆停靠点的语义挖掘方法的流程示意图；
图2是本申请实施例提供的一种车辆停靠点数据映射到网格后的网格图；
图3是本申请实施例提供的一种车辆停靠点的语义挖掘过程的过程示意框图；
图4是本申请实施例提供的另一种车辆停靠点的语义挖掘方法的流程示意图；
图5是本申请实施例提供的一种车辆停靠点的语义挖掘装置的装置示意图；
图6是本申请实施例提供的另一种车辆停靠点的语义挖掘装置的装置示意图
图7是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供的技术方案中，由于本申请依据货运车辆停靠数据，通过网格聚类及坐标关联建立静态地理信息与停靠区域的关系，进而自动化挖掘停靠区域的语义，实现数据的全面性、时效性，为地理信息更新、自助矫正车辆安全停靠、物流通量计算等应用提供基础数据依据，从而提升了货物运输效率，下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图4，对本申请实施例提供的车辆停靠点的语义挖掘方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的车辆停靠点的语义挖掘装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。其中，本申请实施例中的车辆停靠点的语义挖掘装置可以为用户终端，包括但不限于：个人电脑、平板电脑、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备等。在不同的网络中用户终端可以叫做不同的名称，例如：用户设备、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置、蜂窝电话、无绳电话、个人数字处理(personal digitalassistant，PDA)、5G网络或未来演进网络中的终端设备等。
请参见图1，为本申请实施例提供了一种车辆停靠点的语义挖掘方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：
S101，从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
其中，目标网格图是关联停靠点数据后的网格图中部分网格图。
通常，在生成关联停靠点数据后的网格图时，首先获取并预处理预设时间段内车辆的历史停靠点集合，然后从预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点，最后将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
进一步地，在获取并预处理预设时间段内车辆的历史停靠点集合时，首先获取预设时间段内车辆的历史停靠点集合，然后从历史停靠点集合中筛除停靠时长大于预设阈值的停靠点，生成筛选后的历史停靠点集合，最后从筛选后的历史停靠点集合中筛除位于预设类型道路上的停靠点，生成预处理后的历史停靠点集合。
需要说明的是，预设类型道路至少包括高速、国道、省道等高等级道路，因为真实场景中道路是分等级的，主要是去除高速、国道、省道等高等级道路，因为工业园，港口、甚至一些大的物流园，内部会有一些市、县级道路，不能简单去掉。
进一步地，在将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图时，首先基于经纬度构建地理空间，再根据预设网格大小将地理空间切分为网格，生成网格图，然后针对网格图中每个子网格设置ID编号，生成预先创建的网格图，再逐一计算每个历史停靠点的经纬度坐标点在预先创建的网格图中所对应的子网格ID编号，最后基于每个历史停靠点的经纬度坐标点在预先创建的网格图中所对应的子网格ID编号将每个历史停靠点映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
例如，以赤道周长为基准，每0.001度代表的弧长约为113米，如果想切分成近似100*100米的网格，就截取到小数点后3位，比如(114.1215237，43.3854632)(114.1216666，43.3857777)，向下取整都会变成(114.121，43.385)，进而完成映射。含义是这两个点都在(114.121，43.385)(114.122，43.385)(114.122，43.386)(114.121，43.386)四个坐标所围成的网格内，中点(114.1215，43.3855)。ID本身只是个唯一标识，可以使用任何全局唯一的字符串表示，这里为了方便使用，才用网格中心点表示。
在一种可能的实现方式中，在生成关联停靠点数据后的网格图后，生成关联停靠点数据后的网格图可以看作全国停靠数据的网格图，由于一次性针对全国停靠数据的网格图进行语义挖掘时计算量巨大，会给计算机带来重大负载，因此需要确定进行语义挖掘的一块行政区域，并从生成关联停靠点数据后的网格图中切分出该行政区域对应的网格图得到目标网格图，网格图例如图2所示。
S102，统计目标网格图中各子网格内的停靠点数量，并将统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
其中，停靠点数量也可以看作为每个格子的车辆数量。
在一种可能的实现方式中，在基于步骤S101得到待语义挖掘的目标网格图后，可以逐一统计目标网格图中每个格子内的停靠点数量，然后将统计的多个停靠点数量进行倒序排列后生成排序后的多个停靠点数量。
例如行政区内只有5个格子，5个格子中的停靠数分别为6、9、8、6、1、2，各个格子车辆数降序排列后可为(9、8、6、2、1)。
S103，基于排序后的多个停靠点数量构建多个录入网格的类簇集合；
其中，类簇集合是一个公共的类别集合，该集合中可存放相同类型的网格。
在一种可能的实现方式中，在构建多个录入网格的类簇集合时，首先从排序后的多个停靠点数量中确定分位数的停靠点数量，并将分位数的停靠点数量确定为密度可达阈值，然后遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值，当识别到搜索状态为false且密度值大于密度可达阈值的子网格时，将遍历到的子网格确定为目标子网格，然后从目标网格图中搜索目标子网格对应的多个子网格，再创建类簇集合，并将目标子网格与目标子网格对应的多个子网格录入类簇集合中生成录入网格的类簇集合，其次将目标子网格与目标子网格对应的多个子网格的搜索状态更改为true，最后继续执行遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值的步骤，直到排序后的多个停靠点数量各自对应的子网格的搜索状态全部为true时，生成多个录入网格的类簇集合。
具体的，从目标网格图中搜索目标子网格对应的多个子网格时，以新增网格内车辆衰减率和车辆贡献率为指标做周边搜索，如果新网格内的条件满足给定指标的阈值(可根据实际应用场景调节，如70％和5％)且搜索状态不为true，则将其合并至当前中心点所代表的聚类。相关指标定义如下：车辆衰减率：新增网格的车辆数与中心网格车辆数之比；车辆贡献率：新增网格中与现有聚集区内车辆中不同的车辆数与现有聚集区内车辆数之比。
需要说明的是，本方案采用聚类中心点网格ID作为唯一标识(如图2中两个聚集区内车辆数为86和76所代表的网格)。
例如，各个格子车辆数降序排列后可为(9、8、6、2、1)，每个网格起始搜索状态都为false，表示未被聚类过。先遍历第一个9所对应的网格，发现它与6所对应的网格相邻且满足合并条件，就把这两个网格合并，并且把6所对应网格的搜索状态置为true。当遍历到6时发现该点已经被遍历过，即属于前面已经生成的某个聚类，就不再重复计算了。
S104，采用最小凸多边形算法计算多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
在一种可能的实现方式中，利用最小凸多边形算法，计算每个录入网格的类簇中所有网格的外接多边形，生成初始电子围栏。引入地理信息系统中的路网信息，以高等级道路切割初始电子围栏，生成最终的电子围栏集合。
S105，将初始电子围栏进行切割，生成目标电子围栏；
通常，采用边界游走生成凹多边形算法或通用的凸包生成算法。由于网格有大小，如边长20米，一条10米宽的路从中穿过后，即使去除路边停靠网格内依然会存留一些点，进而导致道路两边不相关POI联通，因此需要再次引入路网数据，对现有围栏进行切割。
S106，从待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
在一种可能的实现方式中，从地理信息中筛选出厂矿、工业园、物流园、港口、机场、加油站、休息区等物流行业强相关的POI信息，计算各个POI的经纬度是否在所聚网格类簇内(点是否在平面中)。实践中发现直接利用POI的导航坐标或显示坐标容易导致错误关联，因此本发明采用导航坐标与显示坐标延长线的方式，将导航坐标向延长线方向移动k米，以作为POI的经纬度，其含义是从围栏的边缘向内部延长多远，能保证该点大概率落在POI对应的实际围栏内。k的取值根据POI类型的行业不同而有差异，通过计算该类别下人工标注电子围栏的占地面积的90分位数，估算该类别多数电子围栏的半径k。如人工标注了100个电子围栏，将这些围栏按面积降序排列，假设90分位点的对应面积为31400平方米，如以圆形表示该面积则半径应为100米。
聚类结果最终会形成两个子集：关联的POI的类簇和未关联到POI的类簇。其中关联到POI的类簇(该围栏内部包含某个修正后的POI坐标)可以用来做存量语义挖掘，未关联到POI的类簇(该围栏内部不包含任何修正后的POI坐标)用来做增量语义挖掘。
S107，当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。
在一种可能的实现方式中，当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。
在另一种可能的实现方式中，当多个POI的经纬度不在目标电子围栏中时，计算目标电子围栏与行政区域中高速路网的交集；将交集标示为高速违法停车区域；或者，当多个POI的经纬度不在目标电子围栏中时，统计驶入目标电子围栏的车辆类型；当车辆类型为自卸车的车辆占比大于给定阈值k时，则将目标电子围栏标注为施工现场；或者，当多个POI的经纬度不在目标电子围栏中时，识别目标电子围栏生成识别结果；当识别结果为false且不为施工现场时，将多个POI确定为未录入的POI。
具体的，存量语义挖掘中，对于关联到POI的电子围栏，根据其POI的属性(行业经验积累形成的静态标签，其形式为关键字到标签的映射，如**钢管厂，内涵关键字为“钢管厂”，细分行业为金属加工制造，货物类型为管材，所需车型为平板)为其打标，生成语义标签，如：工业类别、货物类型、所需车辆类型等。
增量语义挖掘中，对于未关联到POI的电子围栏，可以结合路网信息、车辆静态信息挖掘深层价值。具体如下：
高速违法停车区域判断：将高速路网停靠点筛选出来，单独聚类计算围栏多边形，将结果围栏标示为高速违法停车区域；
施工场所判断：统计进入围栏的车辆类型，如果车型为自卸车的车辆占比高于给定阈值k，则将该围栏标注为施工现场；
未录入POI发现：监控目标区域围栏变化，若出现未识别电子围栏，且该围栏不满足施工现场的判断条件，则将其判断为未录入POI，由测绘人员人工验证。
例如图3所示，图3是本申请提供的一种车辆停靠点的语义挖掘过程的过程示意框图，首先需要对停靠点进行提取，然后将停靠点数据与网格关联映射后进行聚类，其次根据聚类的多个类生成电子围栏，最后将地理信息与电子围栏进行关联来进行语义挖掘，挖掘包括存量语义挖掘与增量语义挖掘。
在本申请实施例中，车辆停靠点的语义挖掘装置首先从关联停靠点数据后的网格图中获取待语义挖掘的行政区域对应的目标网格图，再统计并降序排列目标网格图中各子网格内停靠点数量生成排序后的多个停靠点数量，然后基于排序后的多个停靠点数量构建多个录入网格的类簇集合，再计算多个录入网格的类簇集合中所有子网格的外接多边形生成初始电子围栏，其次将初始电子围栏切割后生成目标电子围栏，并从地理信息中筛选出与物流行业相关的多个POI，最后当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。由于本申请依据货运车辆停靠数据，通过网格聚类及坐标关联建立静态地理信息与停靠区域的关系，进而自动化挖掘停靠区域的语义，实现数据的全面性、时效性，为地理信息更新、自助矫正车辆安全停靠、物流通量计算等应用提供基础数据依据，从而提升了货物运输效率。
请参见图4，为本申请实施例提供了一种车辆停靠点的语义挖掘模型训练方法的流程示意图。如图4所示，本申请实施例的方法可以包括以下步骤：
S201，获取并预处理预设时间段内车辆的历史停靠点集合；
S202，从预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点；
S203，将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图；
S204，从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
S205，统计目标网格图中各子网格内的停靠点数量，并将统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
S206，从排序后的多个停靠点数量中确定分位数的停靠点数量，并将分位数的停靠点数量确定为密度可达阈值；
S207，遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值，当识别到搜索状态为false且密度值大于密度可达阈值的子网格时，将遍历到的子网格确定为目标子网格；
S208，从目标网格图中搜索目标子网格对应的多个子网格；
S209，创建类簇集合，并将目标子网格与目标子网格对应的多个子网格录入类簇集合中生成录入网格的类簇集合；
S210，将目标子网格与目标子网格对应的多个子网格的搜索状态更改为true；
S211，继续执行遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值的步骤，直到排序后的多个停靠点数量各自对应的子网格的搜索状态全部为true时，生成多个录入网格的类簇集合；
S212，采用最小凸多边形算法计算多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
S213，将初始电子围栏进行切割，生成目标电子围栏；
S214，从待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
S215，当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。
在本申请实施例中，车辆停靠点的语义挖掘装置首先从关联停靠点数据后的网格图中获取待语义挖掘的行政区域对应的目标网格图，再统计并降序排列目标网格图中各子网格内停靠点数量生成排序后的多个停靠点数量，然后基于排序后的多个停靠点数量构建多个录入网格的类簇集合，再计算多个录入网格的类簇集合中所有子网格的外接多边形生成初始电子围栏，其次将初始电子围栏切割后生成目标电子围栏，并从地理信息中筛选出与物流行业相关的多个POI，最后当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。由于本申请依据货运车辆停靠数据，通过网格聚类及坐标关联建立静态地理信息与停靠区域的关系，进而自动化挖掘停靠区域的语义，实现数据的全面性、时效性，为地理信息更新、自助矫正车辆安全停靠、物流通量计算等应用提供基础数据依据，从而提升了货物运输效率。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图5，其示出了本发明一个示例性实施例提供的车辆停靠点的语义挖掘装置的结构示意图。该车辆停靠点的语义挖掘装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括目标网格图获取模块10、停靠点数量排序模块20、类簇集合构建模块30、初始电子围栏生成模块40、目标电子围栏生成模块50、POI筛选模块60、语义标签生成模块70。
目标网格图获取模块10，用于从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
停靠点数量排序模块20，用于统计目标网格图中各子网格内的停靠点数量，并将统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
类簇集合构建模块30，用于基于排序后的多个停靠点数量构建多个录入网格的类簇集合；
初始电子围栏生成模块40，用于采用最小凸多边形算法计算多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
目标电子围栏生成模块50，用于将初始电子围栏进行切割，生成目标电子围栏；
POI筛选模块60，用于从待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
语义标签生成模块70，用于当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。
可选的，例如图6所示，装置1还包括：
历史停靠点集合获取模块80，用于获取并预处理预设时间段内车辆的历史停靠点集合；
经纬度坐标点获取模块90，用于从预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点；
数据映射模块100，用于将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
需要说明的是，上述实施例提供的车辆停靠点的语义挖掘装置在执行车辆停靠点的语义挖掘方法时，仅以上述各功能模块的计算进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构计算成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的车辆停靠点的语义挖掘装置与车辆停靠点的语义挖掘方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，车辆停靠点的语义挖掘装置首先从关联停靠点数据后的网格图中获取待语义挖掘的行政区域对应的目标网格图，再统计并降序排列目标网格图中各子网格内停靠点数量生成排序后的多个停靠点数量，然后基于排序后的多个停靠点数量构建多个录入网格的类簇集合，再计算多个录入网格的类簇集合中所有子网格的外接多边形生成初始电子围栏，其次将初始电子围栏切割后生成目标电子围栏，并从地理信息中筛选出与物流行业相关的多个POI，最后当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。由于本申请依据货运车辆停靠数据，通过网格聚类及坐标关联建立静态地理信息与停靠区域的关系，进而自动化挖掘停靠区域的语义，实现数据的全面性、时效性，为地理信息更新、自助矫正车辆安全停靠、物流通量计算等应用提供基础数据依据，从而提升了货物运输效率。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的车辆停靠点的语义挖掘方法。
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的车辆停靠点的语义挖掘方法。
请参见图7，为本申请实施例提供了一种终端的结构示意图。如图7所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图7所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆停靠点的语义挖掘应用程序。
在图7所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的车辆停靠点的语义挖掘应用程序，并具体执行以下操作：
从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
统计目标网格图中各子网格内的停靠点数量，并将统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
基于排序后的多个停靠点数量构建多个录入网格的类簇集合；
采用最小凸多边形算法计算多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
将初始电子围栏进行切割，生成目标电子围栏；
从待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。
在一个实施例中，处理器1001在执行从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图之前时，还执行以下操作：
获取并预处理预设时间段内车辆的历史停靠点集合；
从预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点；
将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
在一个实施例中，处理器1001在执行获取并预处理预设时间段内车辆的历史停靠点集合时，具体执行以下操作：
获取预设时间段内车辆的历史停靠点集合；
从历史停靠点集合中筛除停靠时长大于预设阈值的停靠点，生成筛选后的历史停靠点集合；
从筛选后的历史停靠点集合中筛除位于预设类型道路上的停靠点，生成预处理后的历史停靠点集合。
在一个实施例中，处理器1001在执行将每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图时，具体执行以下操作：
基于经纬度构建地理空间；
根据预设网格大小将地理空间切分为网格，生成网格图；
针对网格图中每个子网格设置ID编号，生成预先创建的网格图；
逐一计算每个历史停靠点的经纬度坐标点在预先创建的网格图中所对应的子网格ID编号；
基于每个历史停靠点的经纬度坐标点在预先创建的网格图中所对应的子网格ID编号将每个历史停靠点映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
在一个实施例中，处理器1001在执行基于排序后的多个停靠点数量构建多个录入网格的类簇集合时，具体执行以下操作：
从排序后的多个停靠点数量中确定分位数的停靠点数量，并将分位数的停靠点数量确定为密度可达阈值；
遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值，当识别到搜索状态为false且密度值大于密度可达阈值的子网格时，将遍历到的子网格确定为目标子网格；
从目标网格图中搜索目标子网格对应的多个子网格；
创建类簇集合，并将目标子网格与目标子网格对应的多个子网格录入类簇集合中生成录入网格的类簇集合；
将目标子网格与目标子网格对应的多个子网格的搜索状态更改为true；
继续执行遍历识别排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值的步骤，直到排序后的多个停靠点数量各自对应的子网格的搜索状态全部为true时，生成多个录入网格的类簇集合。
在一个实施例中，处理器1001在执行当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签时，具体执行以下操作：
当多个POI的经纬度不在目标电子围栏中时，计算目标电子围栏与行政区域中高速路网的交集；
将交集标示为高速违法停车区域；或者，
当多个POI的经纬度不在目标电子围栏中时，统计驶入目标电子围栏的车辆类型；
当车辆类型为自卸车的车辆占比大于给定阈值k时，则将目标电子围栏标注为施工现场；或者，
当多个POI的经纬度不在目标电子围栏中时，识别目标电子围栏生成识别结果；
当识别结果为false且不为施工现场时，将多个POI确定为未录入的POI。
在本申请实施例中，车辆停靠点的语义挖掘装置首先从关联停靠点数据后的网格图中获取待语义挖掘的行政区域对应的目标网格图，再统计并降序排列目标网格图中各子网格内停靠点数量生成排序后的多个停靠点数量，然后基于排序后的多个停靠点数量构建多个录入网格的类簇集合，再计算多个录入网格的类簇集合中所有子网格的外接多边形生成初始电子围栏，其次将初始电子围栏切割后生成目标电子围栏，并从地理信息中筛选出与物流行业相关的多个POI，最后当多个POI的经纬度在目标电子围栏中时，基于多个POI的属性针对目标电子围栏添加标识后生成语义标签。由于本申请依据货运车辆停靠数据，通过网格聚类及坐标关联建立静态地理信息与停靠区域的关系，进而自动化挖掘停靠区域的语义，实现数据的全面性、时效性，为地理信息更新、自助矫正车辆安全停靠、物流通量计算等应用提供基础数据依据，从而提升了货物运输效率。
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，车辆停靠点的语义挖掘的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (10)
1.一种车辆停靠点的语义挖掘方法，其特征在于，所述方法包括：
从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
统计所述目标网格图中各子网格内的停靠点数量，并将所述统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
基于所述排序后的多个停靠点数量构建多个录入网格的类簇集合；
采用最小凸多边形算法计算所述多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
将所述初始电子围栏进行切割，生成目标电子围栏；
从所述待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
当所述多个POI的经纬度在所述目标电子围栏中时，基于所述多个POI的属性针对所述目标电子围栏添加标识后生成语义标签。
2.根据权利要求1所述的方法，其特征在于，所述从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图之前，还包括：
获取并预处理预设时间段内车辆的历史停靠点集合；
从所述预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点；
将所述每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
3.根据权利要求2所述的方法，其特征在于，所述获取并预处理预设时间段内车辆的历史停靠点集合，包括：
获取预设时间段内车辆的历史停靠点集合；
从所述历史停靠点集合中筛除停靠时长大于预设阈值的停靠点，生成筛选后的历史停靠点集合；
从所述筛选后的历史停靠点集合中筛除位于预设类型道路上的停靠点，生成预处理后的历史停靠点集合。
4.根据权利要求2所述的方法，其特征在于，所述将所述每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图，包括：
基于经纬度构建地理空间；
根据预设网格大小将所述地理空间切分为网格，生成网格图；
针对所述网格图中每个子网格设置ID编号，生成预先创建的网格图；
逐一计算所述每个历史停靠点的经纬度坐标点在所述预先创建的网格图中所对应的子网格ID编号；
基于所述每个历史停靠点的经纬度坐标点在所述预先创建的网格图中所对应的子网格ID编号将所述每个历史停靠点映射至所述预先创建的网格图中，生成关联停靠点数据后的网格图。
5.根据权利要求1所述的方法，其特征在于，所述基于所述排序后的多个停靠点数量构建多个录入网格的类簇集合，包括：
从所述排序后的多个停靠点数量中确定分位数的停靠点数量，并将所述分位数的停靠点数量确定为密度可达阈值；
遍历识别所述排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值，当所述识别到搜索状态为false且密度值大于所述密度可达阈值的子网格时，将所述遍历到的子网格确定为目标子网格；
从所述目标网格图中搜索所述目标子网格对应的多个子网格；
创建类簇集合，并将所述目标子网格与所述目标子网格对应的多个子网格录入所述类簇集合中生成录入网格的类簇集合；
将所述目标子网格与所述目标子网格对应的多个子网格的搜索状态更改为true；
继续执行所述遍历识别所述排序后的多个停靠点数量各自对应的子网格的搜索状态与密度值的步骤，直到所述排序后的多个停靠点数量各自对应的子网格的搜索状态全部为true时，生成多个录入网格的类簇集合。
6.根据权利要求1所述的方法，其特征在于，所述当所述多个POI的经纬度在所述目标电子围栏中时，基于所述多个POI的属性针对所述目标电子围栏添加标识后生成语义标签，包括：
当所述多个POI的经纬度不在所述目标电子围栏中时，计算所述目标电子围栏与所述行政区域中高速路网的交集；
将所述交集标示为高速违法停车区域；或者，
当所述多个POI的经纬度不在所述目标电子围栏中时，统计驶入所述目标电子围栏的车辆类型；
当所述车辆类型为自卸车的车辆占比大于给定阈值k时，则将所述目标电子围栏标注为施工现场；或者，
当所述多个POI的经纬度不在所述目标电子围栏中时，识别所述目标电子围栏生成识别结果；
当所述识别结果为false且不为所述施工现场时，将所述多个POI确定为未录入的POI。
7.一种车辆停靠点的语义挖掘装置，其特征在于，所述装置包括：
目标网格图获取模块，用于从关联停靠点数据后的网格图中获取待语义挖掘的行政区域所对应的目标网格图；
停靠点数量排序模块，用于统计所述目标网格图中各子网格内的停靠点数量，并将所述统计的多个停靠点数量降序排列后生成排序后的多个停靠点数量；
类簇集合构建模块，用于基于所述排序后的多个停靠点数量构建多个录入网格的类簇集合；
初始电子围栏生成模块，用于采用最小凸多边形算法计算所述多个录入网格的类簇集合中所有子网格的外接多边形，生成初始电子围栏；
目标电子围栏生成模块，用于将所述初始电子围栏进行切割，生成目标电子围栏；
POI筛选模块，用于从所述待语义挖掘的行政区域所对应的地理信息中筛选出与物流行业相关的多个POI；
语义标签生成模块，用于当所述多个POI的经纬度在所述目标电子围栏中时，基于所述多个POI的属性针对所述目标电子围栏添加标识后生成语义标签。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
历史停靠点集合获取模块，用于获取并预处理预设时间段内车辆的历史停靠点集合；
经纬度坐标点获取模块，用于从所述预处理后的历史停靠点集合中获取每个历史停靠点的经纬度坐标点；
数据映射模块，用于将所述每个历史停靠点的经纬度坐标点按位取整后映射至预先创建的网格图中，生成关联停靠点数据后的网格图。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-6任意一项的方法步骤。
10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-6任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110372858.0A CN113268678B (zh) | 2021-04-07 | 2021-04-07 | 一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110372858.0A CN113268678B (zh) | 2021-04-07 | 2021-04-07 | 一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113268678A true CN113268678A (zh) | 2021-08-17 |
| CN113268678B CN113268678B (zh) | 2023-10-27 |
Family
ID=77228782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110372858.0A Active CN113268678B (zh) | 2021-04-07 | 2021-04-07 | 一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113268678B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114154577A (zh) * | 2021-12-03 | 2022-03-08 | 北京中交兴路信息科技有限公司 | 一种基于停靠点聚类的企业车队识别方法和装置 |
| CN114169589A (zh) * | 2021-11-22 | 2022-03-11 | 北京中交兴路信息科技有限公司 | 一种预测车辆目的地的方法、装置、存储介质及终端 |
| CN114564655A (zh) * | 2021-12-23 | 2022-05-31 | 北京中交兴路信息科技有限公司 | 基于协同过滤的车辆推荐方法、装置、设备及存储介质 |
| CN114610825A (zh) * | 2022-03-11 | 2022-06-10 | 阿波罗智联(北京)科技有限公司 | 关联网格集的确认方法、装置、电子设备及存储介质 |
| CN116071954A (zh) * | 2022-12-29 | 2023-05-05 | 北京中交兴路信息科技有限公司 | 车辆停靠区域的识别方法、装置、设备及存储介质 |
| CN116668951A (zh) * | 2022-10-26 | 2023-08-29 | 荣耀终端有限公司 | 一种生成地理围栏的方法、电子设备及存储介质 |
| CN117131149A (zh) * | 2023-10-26 | 2023-11-28 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150077276A1 (en) * | 2013-09-16 | 2015-03-19 | Fleetmatics Irl Limited | System and method for automated identification of location types for geofences |
| CN108604347A (zh) * | 2015-11-04 | 2018-09-28 | 探索广告股份有限公司 | 用于基于性能驱动的动态地理围栏的目标定位的系统和方法 |
| US20180364063A1 (en) * | 2017-06-14 | 2018-12-20 | Here Global B.V. | Mapping system and method for identifying a parking lot from probe data |
| CN109325502A (zh) * | 2018-08-20 | 2019-02-12 | 杨学霖 | 基于视频渐进区域提取的共享单车停放检测方法和系统 |
| CN111770447A (zh) * | 2020-09-01 | 2020-10-13 | 摩拜(北京)信息技术有限公司 | 生成电子围栏的方法、装置及服务器 |
| CN112612975A (zh) * | 2020-12-30 | 2021-04-06 | 北京优挂信息科技有限公司 | 车辆常运货物类型的识别方法、装置、设备及存储介质 |
-
2021
- 2021-04-07 CN CN202110372858.0A patent/CN113268678B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150077276A1 (en) * | 2013-09-16 | 2015-03-19 | Fleetmatics Irl Limited | System and method for automated identification of location types for geofences |
| CN108604347A (zh) * | 2015-11-04 | 2018-09-28 | 探索广告股份有限公司 | 用于基于性能驱动的动态地理围栏的目标定位的系统和方法 |
| US20180364063A1 (en) * | 2017-06-14 | 2018-12-20 | Here Global B.V. | Mapping system and method for identifying a parking lot from probe data |
| CN109325502A (zh) * | 2018-08-20 | 2019-02-12 | 杨学霖 | 基于视频渐进区域提取的共享单车停放检测方法和系统 |
| CN111770447A (zh) * | 2020-09-01 | 2020-10-13 | 摩拜(北京)信息技术有限公司 | 生成电子围栏的方法、装置及服务器 |
| CN112612975A (zh) * | 2020-12-30 | 2021-04-06 | 北京优挂信息科技有限公司 | 车辆常运货物类型的识别方法、装置、设备及存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114169589A (zh) * | 2021-11-22 | 2022-03-11 | 北京中交兴路信息科技有限公司 | 一种预测车辆目的地的方法、装置、存储介质及终端 |
| CN114154577A (zh) * | 2021-12-03 | 2022-03-08 | 北京中交兴路信息科技有限公司 | 一种基于停靠点聚类的企业车队识别方法和装置 |
| CN114564655A (zh) * | 2021-12-23 | 2022-05-31 | 北京中交兴路信息科技有限公司 | 基于协同过滤的车辆推荐方法、装置、设备及存储介质 |
| CN114610825A (zh) * | 2022-03-11 | 2022-06-10 | 阿波罗智联(北京)科技有限公司 | 关联网格集的确认方法、装置、电子设备及存储介质 |
| CN116668951A (zh) * | 2022-10-26 | 2023-08-29 | 荣耀终端有限公司 | 一种生成地理围栏的方法、电子设备及存储介质 |
| CN116668951B (zh) * | 2022-10-26 | 2024-04-23 | 荣耀终端有限公司 | 一种生成地理围栏的方法、电子设备及存储介质 |
| CN116071954A (zh) * | 2022-12-29 | 2023-05-05 | 北京中交兴路信息科技有限公司 | 车辆停靠区域的识别方法、装置、设备及存储介质 |
| CN117131149A (zh) * | 2023-10-26 | 2023-11-28 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法 |
| CN117131149B (zh) * | 2023-10-26 | 2024-01-23 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113268678B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113268678B (zh) | 一种车辆停靠点的语义挖掘方法、装置、存储介质及终端 | |
| Yao et al. | Simulating urban land-use changes at a large scale by integrating dynamic land parcel subdivision and vector-based cellular automata | |
| CN113222492B (zh) | 一种车辆行驶线路类型的判别方法、装置、存储介质及终端 | |
| CN109859505B (zh) | 高速站点的预警处理方法、装置、服务器和介质 | |
| CN108806254B (zh) | 城市交通走廊的识别方法、装置及计算机可读存储介质 | |
| Yang et al. | A novel urban emergency path planning method based on vector grid map | |
| CN115100231A (zh) | 一种区域边界的确定方法和装置 | |
| CN114611830A (zh) | 一种基于多维度分区的医药配送车辆路径规划方法及装置 | |
| CN112616118B (zh) | 一种车辆所经过的etc门架确定方法、装置及存储介质 | |
| CN116824868B (zh) | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 | |
| CN115525642A (zh) | 逆地理编码方法、装置及电子设备 | |
| CN112418483A (zh) | 基于gis的钢厂道路交通物质流分析系统、方法、设备及介质 | |
| CN113610008B (zh) | 获取渣土车状态的方法、装置、设备以及存储介质 | |
| CN116244395A (zh) | 基于城市道路和poi数据的区域类型判别方法、装置及设备 | |
| CN115830255A (zh) | 一种仿真场景生成方法、装置、电子设备和存储介质 | |
| Letnik et al. | On fundamental principles of the optimal number and location of loading bays in urban areas | |
| CN113282638B (zh) | 一种城建用车识别方法和装置 | |
| Stadler et al. | A method for the optimized placement of bus stops based on voronoi diagrams | |
| CN112699202B (zh) | 禁行道路的识别方法、装置、电子设备及存储介质 | |
| CN113624245B (zh) | 导航方法及装置、计算机存储介质、电子设备 | |
| CN107123075A (zh) | 道路结构物数据交互方法及装置 | |
| CN113434777A (zh) | 出行方式的推荐方法、装置、电子设备及存储介质 | |
| CN114692930A (zh) | 一种优化车辆路径的方法、装置、设备和存储介质 | |
| Kim et al. | GIS for Transportation | |
| CN117744907B (zh) | 一种货源路线规划方法、装置、电子设备以及存储介质 |
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 |