CN113704583B - 网络疆域地图的坐标连续性调整方法及装置 - Google Patents
网络疆域地图的坐标连续性调整方法及装置 Download PDFInfo
- Publication number
- CN113704583B CN113704583B CN202111254583.7A CN202111254583A CN113704583B CN 113704583 B CN113704583 B CN 113704583B CN 202111254583 A CN202111254583 A CN 202111254583A CN 113704583 B CN113704583 B CN 113704583B
- Authority
- CN
- China
- Prior art keywords
- area
- coordinates
- new
- coordinate
- adjustment
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
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)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种网络疆域地图的坐标连续性调整方法及装置，方法包括：对以区域为维度构建网络疆域地图的数据进行初始地图坐标的坐标调整；获取区域中心，将各个区域缩放；根据区域中心的移动区域和区域内的点，重新获取区域中心，将属于区域的坐标调整至相应的区域内形成新区域；将新区域放大后再次将新区域的坐标调整至相应的新区域内形成疆域区域；对疆域区域的交叉边调整后对坐标点去重叠并展开，完成坐标连续性调整。其通过对以区域为维度的构建网络疆域地图的数据进行初始地图坐标的坐标调整后获取区域中心，并依据区域中心对区域进行缩放、坐标调整、以及放大，解决了数据的区域性分散问题，保证了区域性数据的连续性。
Description
技术领域
本发明涉及网络地图的数据处理技术领域，特别涉及一种网络疆域地图的坐标连续性调整方法及装置。
背景技术
随着网络规模的不断增大，互联网上的网络分布和关系错综复杂，网络的管理和维护显得更为重要。
5G互联网的快速铺设，带来了入网设备、服务以及应用的爆发式增长，同时也带来了高度集中的网络风险，作为互联网运行的关键设施，网络域系统化监管显的尤为重要。然而，伴随着监管手段的缺失以及安全风险的日趋严重，如何有效的反应网络及设备规模、位置、分布，描述网络风险，建立一套描述网络疆域的可视化地图，是一个亟待解决的问题。
然而，将以区域为维度获取的数据进行处理才能得到网络疆域地图，其中，对数据的处理是否准确，直接影响得到的疆域地图的精度，现有技术中，对网络疆域地图的研究基本属于空白，如何对其数据处理提高精度更是一个不曾受到关注的问题。
发明内容
本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种网络疆域地图的坐标连续性调整方法，通过对以区域为维度的构建网络疆域地图的数据进行初始地图坐标的坐标调整后获取区域中心，并依据区域中心对区域进行缩放、坐标调整、以及放大，解决了以区域为维度获取的数据的区域性分散问题，保证了区域性数据的连续性。
为了实现根据本发明的这些目的和其它优点，提供了一种网络疆域地图的坐标连续性调整方法，包括：
对以区域为维度构建网络疆域地图的数据进行初始地图坐标的坐标调整；
获取经坐标调整后的坐标数据的区域中心，并根据所述区域中心将各个所述区域按照预设的缩放比例参数分别缩放；
根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；
根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成疆域区域；
对所述疆域区域的交叉边进行调整后，对坐标点去重叠并展开，完成所述数据的坐标连续性调整。
优选的是，所述的网络疆域地图的坐标连续性调整方法中，通过graphviz的连续性聚类调整算法对所述数据进行初始地图坐标的坐标调整。
优选的是，所述的网络疆域地图的坐标连续性调整方法中，通过检查各个缩放的所述区域间是否相互包含、所述区域内的点是否被其他区域所包含，以及所述区域内的点是否不在所属区域内，来将属于所述区域的坐标调整至相应的区域内。
优选的是，所述的网络疆域地图的坐标连续性调整方法中，通过改进后的区域Impred算法，对所述疆域区域的交叉边进行调整，其中，所述改进后的区域Impred算法包括：
计算疆域区域的边界点和边界边；
获取所述疆域区域内的目标点的坐标、所述目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标；
将目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标作为目标点的周围信息；
将所述疆域区域、疆域区域的边界点以及所述周围信息作为Impred算法的计算依据，使用Impred算法进行多区域边交叉检查和坐标调整。
优选的是，所述的网络疆域地图的坐标连续性调整方法中，根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域，具体包括：
通过将地图坐标所代表的各个缩放后的区域内的坐标点求和并取平均值后，得到缩放后的区域的区域中心；
基于所述区域中心创建多边形区域，并确定所述多边形区域的边和顶点坐标；
通过Fast Overlap Removal方法对所述多边形区域进行去重叠和展开后，将各个所述多边形区域内的坐标点通过对角线方式调整至相应的多边形区域内，形成新区域。
一种网络疆域地图的坐标连续性调整装置，包括：
第一调整模块，用于对以区域为维度构建网络疆域地图的数据进行初始地图坐标的坐标调整；
缩放模块，用于获取经坐标调整后的坐标数据的区域中心，并根据所述区域中心将各个所述区域按照预设的缩放比例参数分别缩放；
第二调整模块，用于根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；
放大调整模块，用于根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成疆域区域；
第三调整模块，用于对所述疆域区域的交叉边进行调整后，对坐标点去重叠并展开，完成所述数据的坐标连续性调整。
优选的是，所述的网络疆域地图的坐标连续性调整装置中，所述放大模块用于通过改进后的区域Impred算法，调整各个所述新区域的交叉边点的坐标，其中，所述改进后的区域Impred算法包括：
计算疆域区域的边界点和边界边；
获取所述疆域区域内的目标点的坐标、所述目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标；
将目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标作为目标点的周围信息；
将所述疆域区域、疆域区域的边界点以及所述周围信息作为Impred算法的计算依据，使用Impred算法进行多区域边交叉检查和坐标调整。
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
本发明至少包括以下有益效果：
本发明的网络疆域地图的坐标连续性调整方法，通过对以区域为维度获取的构建网络疆域地图的数据进行初始地图坐标的坐标调整后，获取该数据的区域中心，并针对区域中心对所述数据对应的区域按照预设的缩放比例参数分别缩放，而后根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成疆域区域；对所述疆域区域的交叉边进行调整后，对坐标点去重叠并展开，即对以区域为维度获取的构建网络疆域地图的数据进行新老区域中心的获取，并依据区域中心对区域进行缩放、坐标调整、以及放大，解决了以区域为维度获取的数据的区域性分散问题，保证了区域性数据的连续性。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述的网络疆域地图的坐标连续性调整方法的流程图；
图2为本发明所述的网络疆域地图的坐标连续性调整方法的调整原理图；
图3为本发明实施例中采用graphviz的modularity聚类调整算法调整图和坐标后的生成图；
图4为本发明实施例中通过缩放区域和坐标调整对图3的数据进行连接性调整后的生成图；
图5为本发明实施例中对图4进行区域移动和坐标调整后的生成图；
图6为本发明实施例中对图5的数据进行区域放大和坐标调整后的生成图；
图7为本发明实施例中基于改进的区域Impred调整算法对图6的区域内点线交叉进行调整后的生成图；
图8为本发明实施例中通过坐标去重叠和坐标距离展开对图7的数据进行处理后的生成图；
图9为本发明所述的网络疆域地图的坐标连续性调整装置的结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
如图1和图2所示，本发明提供一种网络疆域地图的坐标连续性调整方法，包括：
对以区域为维度构建网络疆域地图的数据进行初始地图坐标的坐标调整；
获取经坐标调整后的坐标数据的区域中心，并根据所述区域中心将各个所述区域按照预设的缩放比例参数分别缩放；
根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；
根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成疆域区域；
对所述疆域区域的交叉边进行调整后，对坐标点去重叠并展开，完成所述数据的坐标连续性调整。
在上述方案中，通过对以区域为维度获取的构建网络疆域地图的数据进行初始地图坐标的坐标调整后，获取该数据的区域中心，并针对区域中心对所述数据对应的区域按照预设的缩放比例参数分别缩放，而后根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成疆域区域；对所述疆域区域的交叉边进行调整后，对坐标点去重叠并展开，即对以区域为维度获取的构建网络疆域地图的数据进行新老区域中心的获取，并依据区域中心对区域进行缩放、坐标调整、以及放大，解决了以区域为维度获取的数据的区域性分散问题，保证了区域性数据的连续性。
一个优选方案中，通过graphviz的连续性聚类调整算法对所述数据进行初始地图坐标的坐标调整。
在上述方案中，以区域为维度获取的数据首先要保证区域的连续性，所以在对数据进行进一步的连续性坐标调整之前，先要经过初始地图坐标的坐标调整，在这里优选采用graphviz的连续性聚类调整算法对数据进行初始地图坐标的坐标调整。
一个优选方案中，通过检查各个缩放的所述区域间是否相互包含、所述区域内的点是否被其他区域所包含，以及所述区域内的点是否不在所属区域内，来将属于所述区域的坐标调整至相应的区域内。
在上述方案中，对数据进行坐标连续性调整的目的主要在于将分属于不同区域的坐标进行准确的划分，而通过检查各个缩放的所述区域间是否相互包含、所述区域内的点是否被其他区域所包含，以及所述区域内的点是否不在所属区域内，能够准确的将属于某个区域的坐标调整至相应区域内。
一个优选方案中，通过改进后的区域Impred算法，对所述疆域区域的交叉边进行调整，其中，所述改进后的区域Impred算法包括：
计算疆域区域的边界点和边界边；
获取所述疆域区域内的目标点的坐标、所述目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标；
将目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标作为目标点的周围信息；
将所述疆域区域、疆域区域的边界点以及所述周围信息作为Impred算法的计算依据，使用Impred算法进行多区域边交叉检查和坐标调整。
在上述方案中，在对各个所述新区域和坐标进行放大前，先根据通过改进后的区域Impred算法，调整各个所述新区域的交叉边点的坐标，能够将相邻区域间重叠的点或坐标进行去除，进而减少无关的边交叉，使得相邻区域间不仅边界明确且连续。
一个优选方案中，根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域，具体包括：
通过将地图坐标所代表的各个缩放后的区域内的坐标点求和并取平均值后，得到缩放后的区域的区域中心；
基于所述区域中心创建多边形区域，并确定所述多边形区域的边和顶点坐标；
通过Fast Overlap Removal方法对所述多边形区域进行去重叠和展开后，将各个所述多边形区域内的坐标点通过对角线方式调整至相应的多边形区域内，形成新区域。
在上述方案中，通过地图坐标所代表的各个缩放后的区域内的坐标点求和并取平均值后，得到缩放后的区域的区域中心；然后基于所述区域中心创建多边形区域，并确定所述多边形区域的边和顶点；最后通过Fast Overlap Removal方法对所述多边形区域进行去重叠和展开后，将各个所述多边形区域内的坐标点通过对角线方式调整至相应的多边形区域内，形成新区域，解决了以区域为维度获取的数据的区域性分散问题，保证了区域性数据的连续性。
实施例1
采用本发明所述的网络疆域地图的坐标连续性调整方法进行网络疆域地图的数据的坐标的连续性调整，以graph数据为例，采集的数据初始为6个区域，分别设定为cluster=1，…，cluster=6，每个区域节点数量不等，cluster代表区域，label代表标识，fontsize代表字体大小，pos代表坐标；连续性调整前输入的数据（即初始数据），采用graphviz的modularity聚类调整算法调整图和坐标后，生成图如图3所示，二个区域存在区域重叠和区域交叉：区域1（cluster=1）和区域6（cluster=6）、区域4（cluster=4）和区域5（cluster=5），二个区域被另一个区域所包含：区域3（cluster=3）被区域6（cluster=6）所包含、区域2（cluster=2）被区域6（cluster=6）所包含，这个问题需要通过区域坐标连续性调整解决。
采用graphviz的modularity聚类调整算法调整图和坐标的数据如下：
graph{
11816 [cluster=1, label="11816", fontsize=6, pos="737.13,-1076.13"];
37054 [cluster=2, label="37054", fontsize=6, pos="706.07,-1281.61"];
……
393223 [cluster=3, label="393223", fontsize=6, pos="781.72,-1217.02"];
……
9186 [cluster=4, label="9186", fontsize=6, pos="1219.0,-1127.29"];
……
8903 [cluster=5, label="8903", fontsize=6, pos="1182.48,-1085.18"];
……
9925 [cluster=6, label="9925", fontsize=6, pos="632.49,-1150.12"];
……
11816-- 17554;
1930 -- 45816;
12479 -- 9625;
45572 -- 12924;
38176 -- 11816;
3662 -- 37054;
17814 -- 37037;
17619 -- 9186;
17554 -- 8657;
17444 -- 49349;
}
之后，通过缩放区域和坐标调整对图2的数据连接性调整，数据如下，调整后，如图4所示，区域重叠、交叉和包含有明显改善。区域重叠和交叉由两个变为一个：区域3（cluster=3）被区域6（cluster=6）所包含改变为两个区域相互存在重叠和交叉。区域包含由两个变为一个：区域 2（cluster=2）依然被区域6（cluster=6）所包含。虽存在重叠、交叉和包含，但明显有所改善。值得说明的是，在本实施例中采用了经graphviz的modularity聚类调整算法调整的数据，但在实际应用中，可以对任意网络数据进行如下调整，在此不做赘述。
graph{
11816 [cluster=1, label="11816", fontsize=6, pos="737.13,-1076.13"];
37054 [cluster=2, label="37054", fontsize=6, pos="709.06,-1287.72"];
……
393223 [cluster=3, label="393223", fontsize=6, pos="780.97,-1207.47"];
……
9186 [cluster=4, label="9186", fontsize=6, pos="1197.3,-1158.14"];
……
8903 [cluster=5, label="8903", fontsize=6, pos="1240.5,-1130.58"];
……
9925 [cluster=6, label="9925", fontsize=6, pos="681.23,-1204.5"];
……
11816-- 17554;
1930 -- 45816;
12479 -- 9625;
45572 -- 12924;
38176 -- 11816;
3662 -- 37054;
17814 -- 37037;
17619 -- 9186;
17554 -- 8657;
17444 -- 49349;
}
对图3进行区域移动和坐标调整，数据如下，调整后如图5所示，区域重叠、交叉和包含基本消除。区域2（cluster=2）和区域6（cluster=6）边界存在锯齿，区域之间边线还存在交叉情况，如区域1和区域6之间的边线存在交叉，其他情况基本消除。
graph{
11816 [cluster=1, label="11816", fontsize=6, pos="737.13,-1076.13"];
37054 [cluster=2, label="37054", fontsize=6, pos="627.87,-1325.28"];
……
393223 [cluster=3, label="393223", fontsize=6, pos="861.27,-1171.29"];
……
9186 [cluster=4, label="9186", fontsize=6, pos="1125.98,-1185.8"];
……
8903 [cluster=5, label="8903", fontsize=6, pos="1297.29,-1072.42"];
……
9925 [cluster=6, label="9925", fontsize=6, pos="661.73,-1182.75"];
……
11816-- 17554;
1930 -- 45816;
12479 -- 9625;
45572 -- 12924;
38176 -- 11816;
3662 -- 37054;
17814 -- 37037;
17619 -- 9186;
17554 -- 8657;
17444 -- 49349;
}
对图4的数据进行区域放大和坐标调整，数据如下，通过对图3区域计算新的区域中心，区域放大调整和坐标调整，由于放大原因，各区域的位置稍有变化，从而彻底消除区域之间的锯齿、重叠、包含以及交叉情况，调整后如图6所示，已明显改善，区域2和区域6之间已经消除锯齿，区域1和区域6之间已无交叉，但是存在点线交叉。
graph{
11816 [cluster=1, label="11816", fontsize=6, pos="737.13,-1076.13"];
37054 [cluster=2, label="37054", fontsize=6, pos="591.03,-1322.72"];
……
393223 [cluster=3, label="393223", fontsize=6, pos="861.59,-1175.3"];
……
9186 [cluster=4, label="9186", fontsize=6, pos="1135.09,-1172.85"];
……
8903 [cluster=5, label="8903", fontsize=6, pos="1297.29,-1072.42"];
……
9925 [cluster=6, label="9925", fontsize=6, pos="661.73,-1182.75"];
……
11816-- 17554;
1930 -- 45816;
12479 -- 9625;
45572 -- 12924;
38176 -- 11816;
3662 -- 37054;
17814 -- 37037;
17619 -- 9186;
17554 -- 8657;
17444 -- 49349;
}
基于改进的区域Impred调整算法对图5的区域内点线交叉进行检测，如存在交叉，则通过该算法进行调整改善，数据如下，调整后，如图7所示，区域2和区域6之间、区域4和区域6之间边线交叉已明显改善，区域之间相邻且没有重叠，点线交叉明显改善，但是个别区域内坐标点之间距离紧凑，容易造成坐标点重叠。
graph{
11816 [cluster=1, label="11816", fontsize=6, pos="-250.33,51.29"];
37054 [cluster=2, label="37054", fontsize=6, pos="-429.55,-251.19"];
……
393223 [cluster=3, label="393223", fontsize=6, pos="-97.66,-70.36"];
……
9186 [cluster=4, label="9186", fontsize=6, pos="167.5,-97.2"];
……
8903 [cluster=5, label="8903", fontsize=6, pos="436.81,55.84"];
……
9908 [cluster=6, label="9908", fontsize=6, pos="-342.83,-79.5"];
……
11816-- 17554;
1930 -- 45816;
12479 -- 9625;
45572 -- 12924;
38176 -- 11816;
3662 -- 37054;
17814 -- 37037;
17619 -- 9186;
17554 -- 8657;
17444 -- 49349;
}
通过坐标去重叠和坐标距离展开对图6的数据进行处理，在这里，利用FastOverlap Removal去重叠和坐标距离放大调整，数据如下，通过Fast Overlap Removal调整对图6的坐标去重叠和坐标距离展开调整，保持坐标之间距离35（距离可自定义）以上的距离长度，调整后，如图8，区域内各坐标点之间距离宽松，不紧凑，效果比较好。
graph{
11816 [cluster=1,label="11816",pos="-207.83,93.79",fontsize="6"]
37054 [cluster=2,label="37054",pos="-387.05,-208.69",fontsize="6"]
……
393223 [cluster=3,label="393223",pos="-55.16,-27.86",fontsize="6"]
……
9186 [cluster=4,label="9186",pos="210,-54.7",fontsize="6"]
……
8903 [cluster=5,label="8903",pos="479.31,98.34",fontsize="6"]
……
9925 [cluster=6,label="9925",pos="-300.33,-37",fontsize="6"]
……
11816-- 17554;
1930 -- 45816;
12479 -- 9625;
45572 -- 12924;
38176 -- 11816;
3662 -- 37054;
17814 -- 37037;
17619 -- 9186;
17554 -- 8657;
17444 -- 49349;
}
可见，采用本发明的网络疆域地图的坐标连续性调整方法，通过对以区域为维度的构建网络疆域地图的数据进行初始地图坐标的坐标调整后，获取该数据的区域中心，并针对区域中心对所述数据对应的区域进行缩放，根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；最后对新区域的交叉边进行调整后，通过区域和坐标距离放大，完成所述数据的坐标连续性调整，即对以区域为维度的构建网络疆域地图的数据进行初始地图坐标的坐标调整后获取区域中心，并依据区域中心对区域进行缩放、坐标调整、以及放大，解决了以区域为维度获取的数据的区域性分散问题，保证了区域性数据的连续性。
如图9所示，一种网络疆域地图的坐标连续性调整装置，包括：
第一调整模块1，用于对以区域为维度构建网络疆域地图的数据进行初始地图坐标的坐标调整；
缩放模块2，用于获取经坐标调整后的坐标数据的区域中心，并根据所述区域中心将各个所述区域按照预设的缩放比例参数分别缩放；
第二调整模块3，用于根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；
放大调整模块4，用于根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成疆域区域；
第三调整模块5，用于对所述疆域区域的交叉边进行调整后，对坐标点去重叠并展开，完成所述数据的坐标连续性调整。
在上述方案中，首先通过第一调整模块通过对以区域为维度获取的构建网络疆域地图的数据进行初始地图坐标的坐标调整，而后通过缩放模块获取该数据的区域中心，并针对区域中心对所述数据对应的区域进行缩放，再通过第二调整模块在根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；之后通过放大调整模块根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成疆域区域；最后利用第三调整模块对所述疆域区域的交叉边进行调整后，对坐标点去重叠并展开，即对以区域为维度获取的构建网络疆域地图的数据进行新老区域中心的获取，并依据区域中心对区域进行缩放、坐标调整、以及放大，解决了以区域为维度获取的数据的区域性分散问题，保证了区域性数据的连续性。
一个优选方案中，所述放大调整模块4用于通过改进后的区域Impred算法，调整各个所述新区域的交叉边点的坐标，其中，所述改进后的区域Impred算法包括：
计算疆域区域的边界点和边界边；
获取所述疆域区域内的目标点的坐标、所述目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标；
将目标点所在的疆域区域的边界点的坐标，目标点所在疆域区域内的其他坐标，以及与所述目标点有关系的其他疆域区域内的坐标点的坐标作为目标点的周围信息；
将所述疆域区域、疆域区域的边界点以及所述周围信息作为Impred算法的计算依据，使用Impred算法进行多区域边交叉检查和坐标调整。
在上述方案中，在对各个所述疆域区域和坐标进行放大前，先根据通过改进后的区域Impred算法，调整各个所述疆域区域的交叉边点的坐标，能够将相邻区域间重叠的点或坐标进行去除，进而减少无关的边交叉，使得相邻区域间不仅边界明确且连续。
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述任一种方法的步骤。
在上述方案中，所述电子设备可以是机器人。所述电子设备可包括，但不仅限于，处理器、存储器，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。所称处理器可以是中央处理单元，以及其他通用处理器等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。所述存储器可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。所述存储器也可以是所述电子设备的外部存储设备，例如所述电子设备上配备的插接式硬盘，智能存储卡，安全数字卡，闪存卡等。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前所述任一种方法的步骤。
在上述方案中，所述存储器还可以既包括所述电子设备的内部存储单元也包括外部存储设备，所述存储器用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (6)
1.一种网络疆域地图的坐标连续性调整方法，其特征在于，包括：
对以区域为维度构建网络疆域地图的数据进行初始地图坐标的坐标调整；
获取经坐标调整后的坐标数据的区域中心，并根据所述区域中心将各个所述区域按照预设的缩放比例参数分别缩放；
根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；
具体包括：
通过将地图坐标所代表的各个缩放后的区域内的坐标点求和并取平均值后，得到缩放后的区域的区域中心；
基于所述区域中心创建多边形区域，并确定所述多边形区域的边和顶点坐标；
通过Fast Overlap Removal方法对所述多边形区域进行去重叠和展开后，将各个所述多边形区域内的坐标点通过对角线方式调整至相应的多边形区域内，形成新区域；
根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成调整新区域；
对所述调整新区域的交叉边进行调整后，对坐标点去重叠并展开，完成所述数据的坐标连续性调整；其中，通过改进后的区域Impred算法，对所述调整新区域的交叉边进行调整，所述改进后的区域Impred算法包括：
计算调整新区域的边界点和边界边；
获取所述调整新区域内的目标点的坐标、所述目标点所在的调整新区域的边界点的坐标，目标点所在调整新区域内的其他坐标，以及与所述目标点有关系的其他调整新区域内的坐标点的坐标；
将目标点所在的调整新区域的边界点的坐标，目标点所在调整新区域内的其他坐标，以及与所述目标点有关系的其他调整新区域内的坐标点的坐标作为目标点的周围信息；
基于新的区域、区域边界点以及所述周围信息，作为Impred算法的计算依据，使用Impred算法进行多区域边交叉检查和坐标调整。
2.如权利要求1所述的网络疆域地图的坐标连续性调整方法，其特征在于，通过graphviz的连续性聚类调整算法对所述数据进行初始地图坐标的坐标调整。
3.如权利要求1所述的网络疆域地图的坐标连续性调整方法，其特征在于，通过检查各个缩放的所述区域间是否相互包含、所述区域内的点是否被其他区域所包含，以及所述区域内的点是否不在所属区域内，来将属于所述区域的坐标调整至相应的区域内。
4.一种网络疆域地图的坐标连续性调整装置，其特征在于，包括：
第一调整模块，用于对以区域为维度构建网络疆域地图的数据进行初始地图坐标的坐标调整；
缩放模块，用于获取经坐标调整后的坐标数据的区域中心，并根据所述区域中心将各个所述区域按照预设的缩放比例参数分别缩放；
第二调整模块，用于根据所述区域中心的移动区域和区域内的点，重新获取缩放后的区域的区域中心，并根据重新获取的区域中心，将属于区域的坐标调整至相应的区域内，形成新区域；
具体包括：
通过将地图坐标所代表的各个缩放后的区域内的坐标点求和并取平均值后，得到缩放后的区域的区域中心；
基于所述区域中心创建多边形区域，并确定所述多边形区域的边和顶点坐标；
通过Fast Overlap Removal方法对所述多边形区域进行去重叠和展开后，将各个 所述多边形区域内的坐标点通过对角线方式调整至相应的多边形区域内，形成新区域；
放大调整模块，用于根据所述缩放比例参数将所述新区域放大，再次将属于放大后的新区域的坐标调整至相应的新区域内，形成调整新区域；
第三调整模块，用于对所述调整新区域的交叉边进行调整后，对坐标点去重叠并展开，完成所述数据的坐标连续性调整；其中，通过改进后的区域Impred算法，对所述调整新区域的交叉边进行调整，所述改进后的区域Impred算法包括：
计算调整新区域的边界点和边界边；
获取所述调整新区域内的目标点的坐标、所述目标点所在的调整新区域的边界点的坐标，目标点所在调整新区域内的其他坐标，以及与所述目标点有关系的其他调整新区域内的坐标点的坐标；
将目标点所在的调整新区域的边界点的坐标，目标点所在调整新区域内的其他坐标，以及与所述目标点有关系的其他调整新区域内的坐标点的坐标作为目标点的周围信息；
基于新的区域、区域边界点以及所述周围信息，作为Impred算法的计算依据，使用Impred算法进行多区域边交叉检查和坐标调整。
5.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111254583.7A CN113704583B (zh) | 2021-10-27 | 2021-10-27 | 网络疆域地图的坐标连续性调整方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111254583.7A CN113704583B (zh) | 2021-10-27 | 2021-10-27 | 网络疆域地图的坐标连续性调整方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113704583A CN113704583A (zh) | 2021-11-26 |
| CN113704583B true CN113704583B (zh) | 2022-02-18 |
Family
ID=78647081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111254583.7A Active CN113704583B (zh) | 2021-10-27 | 2021-10-27 | 网络疆域地图的坐标连续性调整方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113704583B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115082505B (zh) * | 2022-07-25 | 2022-11-04 | 远江盛邦（北京）网络安全科技股份有限公司 | 一种网络疆域地图调整方法、装置、电子设备及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103150309B (zh) * | 2011-12-07 | 2016-03-30 | 清华大学 | 一种空间方向感知地图兴趣点搜索方法和系统 |
| CN105701255A (zh) * | 2016-03-22 | 2016-06-22 | 西安交通大学 | 一种应用于快速位置检索的区域地图坐标编码方法 |
| US11914614B2 (en) * | 2018-08-02 | 2024-02-27 | Resight Ltd. | System and method for generating a collection of approximately coordinated region maps |
| CN111724488B (zh) * | 2019-06-25 | 2022-09-09 | 腾讯科技（深圳）有限公司 | 地图场景绘制方法、装置、可读存储介质和计算机设备 |
| CN110706305A (zh) * | 2019-09-24 | 2020-01-17 | 上海钧正网络科技有限公司 | 地图应用中绘制区域的方法、装置和计算机设备 |
| CN110807983B (zh) * | 2019-10-10 | 2021-09-28 | 支付宝(杭州)信息技术有限公司 | 一种电子地图的区域调整方法、装置及电子设备 |
| CN111275730A (zh) * | 2020-01-13 | 2020-06-12 | 平安国际智慧城市科技股份有限公司 | 地图区域的确定方法、装置、设备及存储介质 |
| CN112348029B (zh) * | 2021-01-08 | 2021-08-10 | 禾多科技（北京）有限公司 | 局部地图调整方法、装置、设备和计算机可读介质 |
-
2021
- 2021-10-27 CN CN202111254583.7A patent/CN113704583B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113704583A (zh) | 2021-11-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111428919B (zh) | 路径规划方法、装置、电子设备及存储介质 | |
| CN113704583B (zh) | 网络疆域地图的坐标连续性调整方法及装置 | |
| CN109255181B (zh) | 一种基于多模型的障碍物分布仿真方法、装置以及终端 | |
| CN110378175A (zh) | 道路边沿的识别方法和装置 | |
| CN104507392A (zh) | 图像处理装置及图像处理方法 | |
| CN110059521A (zh) | 目标跟踪方法及装置 | |
| CN113495940A (zh) | 道路区域校正装置、道路区域校正方法以及计算机程序 | |
| CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
| CN109300139A (zh) | 车道线检测方法和装置 | |
| CN110189252B (zh) | 生成平均脸图像的方法和装置 | |
| CN116414134A (zh) | 路径规划方法、装置、电子设备及计算机可读存储介质 | |
| CN115082505B (zh) | 一种网络疆域地图调整方法、装置、电子设备及存储介质 | |
| JP2809762B2 (ja) | 図形整形装置 | |
| CN113656653B (zh) | 网络疆域地图的构建方法、装置及电子设备 | |
| CN111199357B (zh) | 一种快递点电子围栏诊断方法及装置 | |
| CN112489057B (zh) | 交通标志数据处理方法、电子装置和存储介质 | |
| CN111913965B (zh) | 一种面向空间大数据缓冲区分析的方法 | |
| CN111767295A (zh) | 地图数据的处理方法、装置、计算设备和介质 | |
| CN110935175A (zh) | 数据处理方法及装置 | |
| CN115687549B (zh) | 一种快速高效的生活圈划定方法、装置、设备及介质 | |
| CN113034087B (zh) | 区域修正方法、装置、电子设备、存储介质及程序产品 | |
| CN116187663B (zh) | 一种林地修复的空间布局方法、装置、设备及存储介质 | |
| CN117235089B (zh) | 地图检查方法、装置、电子设备及可读存储介质 | |
| JP3314744B2 (ja) | メッシュ図形処理装置およびメッシュ図形処理方法 | |
| Feng et al. | A lane line segmentation algorithm based on adaptive threshold and connected domain theory |
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 |