CN113865604A - 一种位置数据的生成方法和装置 - Google Patents

Abstract

本发明实施例提供了一种位置数据的生成方法和装置，其中，所述方法包括：获取针对目标位置的定位数据和轨迹数据；根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合；对所述位置数据集合进行聚类处理得到目标位置数据。本发明实施例避免了人工核实目标位置数据，降低了位置数据生成的成本。而且，在地图数据支持不完善的情况下，也可以基于定位数据和轨迹数据生成位置数据集合，提高了位置数据生成的准确率。

Description

一种位置数据的生成方法和装置

技术领域

本发明涉及互联网技术领域，特别是涉及一种位置数据的生成方法和装置。

背景技术

自提点实际上是一个地图上的兴趣点(Point Of Information，简称POI)。坐标是POI重要的基础属性之一，正确的POI必须要有准确的坐标。

目前，自提点的生成方案为用户在自提点申请界面填写自提点的名称，并从地图中点击选取一个POI，结合POI的地址和用户太难写的具体门牌号等，构成最终的自提点位置数据。其中，自提点的坐标则是用户在地图中点击选取的POI的坐标。当地图中没有收录用户满意的自提点时，用户只能在地图中选取一个满意的自提点附近的POI，此时用户填写的自提点和在地图中点击选取的POI不是同一个POI，会导致最终生成的自提点的名称和坐标、地址等不匹配，产生错误的自提点。

为了解决上述问题，相关技术中主要通过如下方法生成自提点位置数据：1)通过地理编码的方式获取自提点位置数据；2)通过人工核实的方式获取自提点位置数据。

但是，通过地理编码的方式获取自提点位置数据具有如下缺点：

1)准确率低：地理编码需要有较完善的地图数据支持，目前自建的地理编码的准确率未能达到上线标准。

2)覆盖低：自提点的地址和自提点也不是完全匹配的关系，无法直接通过地理编码获取自提点位置数据。

3)局限性：地理编码对位置数据距离较小的POI处理能力较差。

通过人工核实的方式获取自提点位置数据具有如下缺点：

1)成本高：基于人力的核实会耗费大量的人力；

2)时效性差：核实一轮的周期较长。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种位置数据的生成方法和装置。

为了解决上述问题，根据本发明实施例的第一方面，公开了一种位置数据的生成方法，包括：获取针对目标位置的定位数据和轨迹数据；根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合；对所述位置数据集合进行聚类处理得到目标位置数据。

可选地，所述获取针对目标位置的定位数据和轨迹数据，包括：获取第一用户的定位数据和第二用户的轨迹数据；分别将所述定位数据和所述轨迹数据与所述目标位置建立关联关系。

可选地，所述根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合，包括：根据所述距离阈值和所述第一用户选择的位置，对所述定位数据和所述轨迹数据进行过滤处理得到所述位置数据集合。

可选地，所述根据所述距离阈值和所述第一用户选择的位置，对所述定位数据和所述轨迹数据进行过滤处理得到所述位置数据集合，包括：将所述定位数据和所述轨迹数据中，与所述第一用户选择的位置之间的距离超过所述距离阈值的所述定位数据和所述轨迹数据过滤掉，得到所述位置数据集合。

可选地，所述对所述位置数据集合进行聚类处理得到目标位置数据，包括：对所述位置数据集合进行聚类处理得到多个位置数据簇；从多个所述位置数据簇中选择出候选数据簇；对所述候选数据簇进行聚类处理得到目标中心点；将所述目标中心点的位置数据作为所述目标位置数据。

可选地，所述对所述位置数据集合进行聚类处理得到多个位置数据簇，包括：根据DBSCAN算法对所述位置数据集合进行聚类处理得到多个所述位置数据簇。

可选地，所述从多个所述位置数据簇中选择出候选数据簇，包括：将包含位置数据最多的所述位置数据簇作为所述候选数据簇。

可选地，所述对所述候选数据簇进行聚类处理得到目标中心点，包括：根据K-means算法对所述候选数据簇中的位置数据进行聚类处理得到所述目标中心点。

可选地，所述轨迹数据表示所述第二用户确认到达所述目标位置前后的预设时间间隔的轨迹数据。

根据本发明实施例的第二方面，还公开了一种位置数据的生成装置，包括：获取模块，用于获取针对目标位置的定位数据和轨迹数据；过滤模块，用于根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合；聚类模块，用于对所述位置数据集合进行聚类处理得到目标位置数据。

可选地，所述获取模块，包括：数据获取模块，用于获取第一用户的定位数据和第二用户的轨迹数据；数据关联模块，用于分别将所述定位数据和所述轨迹数据与所述目标位置建立关联关系。

可选地，所述过滤模块，用于根据所述距离阈值和所述第一用户选择的位置，对所述定位数据和所述轨迹数据进行过滤处理得到所述位置数据集合。

可选地，所述过滤模块，用于将所述定位数据和所述轨迹数据中，与所述第一用户选择的位置之间的距离超过所述距离阈值的所述定位数据和所述轨迹数据过滤掉，得到所述位置数据集合。

可选地，所述聚类模块，包括：第一聚类模块，用于对所述位置数据集合进行聚类处理得到多个位置数据簇；簇选择模块，用于从多个所述位置数据簇中选择出候选数据簇；第二聚类模块，用于对所述候选数据簇进行聚类处理得到目标中心点；位置确定模块，用于将所述目标中心点的位置数据作为所述目标位置数据。

可选地，所述第一聚类模块，用于根据DBSCAN算法对所述位置数据集合进行聚类处理得到多个所述位置数据簇。

可选地，所述簇选择模块，用于将包含位置数据最多的所述位置数据簇作为所述候选数据簇。

可选地，所述第二聚类模块，用于根据K-means算法对所述候选数据簇中的位置数据进行聚类处理得到所述目标中心点。

可选地，所述轨迹数据表示所述第二用户确认到达所述目标位置前后的预设时间间隔的轨迹数据。

与现有技术相比，本发明实施例提供的技术方案具有如下优点：

本发明实施例提供的一种位置数据的生成方案，获取针对目标位置的定位数据和轨迹数据，再根据预设的距离阈值对定位数据和轨迹数据进行过滤处理得到位置数据集合，进而对位置数据集合进行聚类处理得到目标位置数据。本发明实施例避免了人工核实目标位置数据，降低了位置数据生成的成本。而且，在地图数据支持不完善的情况下，也可以基于定位数据和轨迹数据生成位置数据集合，提高了位置数据生成的准确率。

附图说明

图1是本发明实施例的一种位置数据的生成方法的步骤流程图；

图2是本发明实施例的一种对位置数据集合进行聚类处理的步骤流程图；

图3是本发明实施例的一种自提点坐标的生成方案的流程示意图；

图4是本发明实施例的一种自提点坐标的生成方案的业务场景示意图；

图5是本发明实施例的一种位置数据的生成装置的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，示出了本发明实施例的一种位置数据的生成方法的步骤流程图。该位置数据的生成方法具体可以包括如下步骤：

步骤101，获取针对目标位置的定位数据和轨迹数据。

在本发明的实施例中，目标位置可以理解为用户满意的自提点。针对目标位置的定位数据和轨迹数据可以理解为与目标位置关联的定位数据和轨迹数据。在实际应用中，可以按照预设周期获取大量的定位数据和轨迹数据。其中，预设周期可以为每天、每小时等，本发明的实施例对定位数据和轨迹数据的数量级不做具体限制。

步骤102，根据预设的距离阈值对定位数据和轨迹数据进行过滤处理得到位置数据集合。

在本发明的实施例中，由于获取到的大量的定位数据和轨迹数据并非均可以使用，进一步提升定位数据和轨迹数据的合格率，需要对定位数据和轨迹数据进行过滤处理。对定位数据和轨迹数据进行过滤处理的目的在于，过滤得到符合条件的定位数据和轨迹数据。

步骤103，对位置数据集合进行聚类处理得到目标位置数据。

在本发明的实施例中，符合条件的定位数据和轨迹数据可以组成为位置数据集合。对位置数据集合进行聚类处理，目的在于从位置数据集合中选择出目标位置数据。该目标位置数据即目标位置的位置数据。

本发明实施例提供的一种位置数据的生成方案，获取针对目标位置的定位数据和轨迹数据，再根据预设的距离阈值对定位数据和轨迹数据进行过滤处理得到位置数据集合，进而对位置数据集合进行聚类处理得到目标位置数据。本发明实施例避免了人工核实目标位置数据，降低了位置数据生成的成本。而且，在地图数据支持不完善的情况下，也可以基于定位数据和轨迹数据生成位置数据集合，提高了位置数据生成的准确率。

当本发明的实施例应用于生成自提点的坐标数据时，上述目标位置即自提点，目标位置数据即自提点的坐标数据。在本发明的一种优选实施例中，获取针对目标位置的定位数据和轨迹数据的一种实施方式为，获取第一用户的定位数据和第二用户的轨迹数据，分别将定位数据和轨迹数据与目标位置建立关联关系。在实际应用中，第一用户可以为目标位置的拥有者，如目标位置的店主。第二用户可以为目标位置的客户，如目标位置的配送员。

在本发明的一种实施例中，可以按照预设周期获取第一用户的定位数据和第二用户的轨迹数据。其中，预设周期可以为一天、一小时等。再将定位数据和轨迹数据与目标位置建立关联关系。随着时间的推移，与目标位置建立关联关系的定位数据和轨迹数据的数量越来越多，从而可以获取大量的定位数据和轨迹数据，为后续生成目标位置数据提供了大量的数据基础。

在本发明的一种优选实施例中，根据预设的距离阈值对定位数据和轨迹数据进行过滤处理得到位置数据集合的一种实施方式为，根据距离阈值和第一用户选择的位置，对定位数据和轨迹数据进行过滤处理得到位置数据集合。在实际应用中，第一用户可以在地图或者位置选择列表中选择位置。第一用户选择的位置可以理解为第一用户满意的位置附近的位置。在实际应用中，可以计算定位数据与第一用户选择位置之间的距离，以及计算轨迹数据与第一用户选择的位置之间的距离。将定位数据与第一用户选择位置之间的距离与距离阈值进行比较，并将轨迹数据与第一用户选择的位置之间的距离与距离阈值进行比较，将定位数据和轨迹数据中，与第一用户选择的位置之间的距离超过距离阈值的定位数据和轨迹数据过滤掉，得到位置数据集合。例如，定位数据包含定位d01、d02和d03，轨迹数据包含轨迹g01、g02和g03。第一用户选择的位置为w。定位d01与位置w之间的距离为dw01，定位d02与位置w之间的距离为dw02，定位d03与位置w之间的距离为dw03，轨迹g01与位置w之间的距离为gw01，轨迹g02与位置w之间的距离为gw02，轨迹g03与位置w之间的距离为gw03。预设的距离阈值为y，若dw01＞y，dw02＜y，dw03＜y，gw01＞y，gw02＜y，gw03＜y，则将定位数据中的定位d01过滤掉，并将轨迹数据中的轨迹g01过滤掉，保留定位d02和d03，保留轨迹g02和g03，将定位d02和d03，轨迹g02和g03组成位置数据集合。

在本发明的一种优选实施例中，参照图2，示出了本发明实施例的一种对位置数据集合进行聚类处理的步骤流程图。对位置数据集合进行聚类处理得到目标位置数据的一种实施方式可以包含如下步骤：

步骤201，对位置数据集合进行聚类处理得到多个位置数据簇。

在本发明的实施例中，可以根据DBSCAN算法对位置数据集合进行聚类处理得到多个位置数据簇。每个位置数据簇中包含多个位置数据。例如，根据DBSCAN算法对位置数据集合J进行聚类处理得到位置数据簇c01、c02和c03。

步骤202，从多个位置数据簇中选择出候选数据簇。

在本发明的实施例中，可以将包含位置数据最多的位置数据簇作为候选数据簇。接上例，位置数据簇c01包含m个位置数据、位置数据簇c02包含n个位置数据、位置数据簇c03包含p个位置数据。其中，m＞n＞p。则将位置数据簇c01作为候选数据簇。

步骤203，对候选数据簇进行聚类处理得到目标中心点。

在本发明的实施例中，可以根据K-means算法对候选数据簇中的位置数据进行类别个数为1的聚类处理得到目标中心点。例如，根据K-means算法对候选数据簇c01中的m个位置数据进行聚类处理，得到m个位置数据的中心点z。

步骤204，将目标中心点的位置数据作为目标位置数据。

在本发明的实施例中，将目标中心点的坐标作为目标位置数据。

在本发明的一种优选实施例中，上述轨迹数据可以表示第二用户确认到达目标位置前后的预设时间间隔的轨迹数据。例如，第二用户user2在时间点t1时未到达目标位置q，第二用户user2在时间点t2时到达目标位置q，第二用户user2在时间点t3时已经驶过目标位置q，t1＜t2＜t3。则t3与t1之间的时间间隔为预设时间间隔。第二用户user2在时间点t1到t3之间的行驶轨迹即轨迹数据。该轨迹数据可以有多个连续的坐标组成。

基于上述关于一种位置数据的生成方法实施例的相关说明，下面介绍一种自提点坐标的生成方案。该自提点坐标的生成方案基于大量的业务数据，其中，业务数据包含但不限于：针对自提点每天的司机配送轨迹坐标，针对自提点每天的司机交付坐标，针对自提点每天店主的定位坐标，针对自提点店主手选的POI坐标。参照图3，示出了本发明实施例的一种自提点坐标的生成方案的流程示意图。

获取店主手选POI坐标、店主定位坐标和司机交付坐标。将店主定位坐标和司机交付坐标组成情报坐标集合，进而将店主手选POI坐标与情报坐标集合相关联。在本发明的实施例中，由于地图中不存在准确的自提点，因此店主可以在地图中选择店主的自提点附近的某个自提点。上述手选POI坐标可以理解为店主在地图中选择的自提点坐标。

基于阈值过滤坐标奇异值。基于对历史数据的分析，阈值可以设置为1公里。可以过滤掉与店主在地图中手选的POI坐标之间的距离超过1公里的店主定位坐标和司机交付坐标。

通过DBSCAN+K-MEANS的聚类方法得到自提点坐标。针对过滤后得到的满足距离阈值条件的店主定位坐标和司机交付坐标，首先利用DBSCAN算法进行聚类，此时会得到若干个坐标簇；接着选取坐标个数最多的簇，再利用K-means算法对坐标个数最多的簇中的坐标进行类别个数为1的聚类，最终得到的簇的中心点即为自提点坐标。

参照图4，示出了本发明实施例的一种自提点坐标的生成方案的业务场景示意图。图4中的坐标点为基于阈值过滤后的坐标点。圆圈内的坐标点组成通过DBSCAN算法聚合得到的坐标簇。圆圈内的点为通过DBSCAN算法和K-MEANS算法得到的自提点坐标。

基于司机的配送轨迹坐标和店主定位坐标，生成准确的自提点坐标，实现大量没有准确坐标的自提点的坐标纠错，解决由于坐标错误导致司机无法正常配送的问题，并且准确的自提点数据有利于后续收录至地图的POI库，扩充地图POI数据。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图5，示出了本发明实施例的一种位置数据的生成装置的结构框图，该位置数据的生成装置具体可以包括如下模块：

获取模块51，用于获取针对目标位置的定位数据和轨迹数据；

过滤模块52，用于根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合；

聚类模块53，用于对所述位置数据集合进行聚类处理得到目标位置数据。

在本发明的一种优选实施例中，所述获取模块51，包括：

数据获取模块，用于获取第一用户的定位数据和第二用户的轨迹数据；

数据关联模块，用于分别将所述定位数据和所述轨迹数据与所述目标位置建立关联关系。

在本发明的一种优选实施例中，所述过滤模块52，用于根据所述距离阈值和所述第一用户选择的位置，对所述定位数据和所述轨迹数据进行过滤处理得到所述位置数据集合。

在本发明的一种优选实施例中，所述过滤模块52，用于将所述定位数据和所述轨迹数据中，与所述第一用户选择的位置之间的距离超过所述距离阈值的所述定位数据和所述轨迹数据过滤掉，得到所述位置数据集合。

在本发明的一种优选实施例中，所述聚类模块53，包括：

第一聚类模块，用于对所述位置数据集合进行聚类处理得到多个位置数据簇；

簇选择模块，用于从多个所述位置数据簇中选择出候选数据簇；

第二聚类模块，用于对所述候选数据簇进行聚类处理得到目标中心点；

位置确定模块，用于将所述目标中心点的位置数据作为所述目标位置数据。

在本发明的一种优选实施例中，所述第一聚类模块，用于根据DBSCAN算法对所述位置数据集合进行聚类处理得到多个所述位置数据簇。

在本发明的一种优选实施例中，所述簇选择模块，用于将包含位置数据最多的所述位置数据簇作为所述候选数据簇。

在本发明的一种优选实施例中，所述第二聚类模块，用于根据K-means算法对所述候选数据簇中的位置数据进行聚类处理得到所述目标中心点。

在本发明的一种优选实施例中，所述轨迹数据表示所述第二用户确认到达所述目标位置前后的预设时间间隔的轨迹数据。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、系统、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种位置数据的生成方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (18)

1.一种位置数据的生成方法，其特征在于，包括：

获取针对目标位置的定位数据和轨迹数据；

根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合；

对所述位置数据集合进行聚类处理得到目标位置数据。

2.根据权利要求1所述的方法，其特征在于，所述获取针对目标位置的定位数据和轨迹数据，包括：

获取第一用户的定位数据和第二用户的轨迹数据；

分别将所述定位数据和所述轨迹数据与所述目标位置建立关联关系。

3.根据权利要求2所述的方法，其特征在于，所述根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合，包括：

根据所述距离阈值和所述第一用户选择的位置，对所述定位数据和所述轨迹数据进行过滤处理得到所述位置数据集合。

4.根据权利要求3所述的方法，其特征在于，所述根据所述距离阈值和所述第一用户选择的位置，对所述定位数据和所述轨迹数据进行过滤处理得到所述位置数据集合，包括：

将所述定位数据和所述轨迹数据中，与所述第一用户选择的位置之间的距离超过所述距离阈值的所述定位数据和所述轨迹数据过滤掉，得到所述位置数据集合。

5.根据权利要求1所述的方法，其特征在于，所述对所述位置数据集合进行聚类处理得到目标位置数据，包括：

对所述位置数据集合进行聚类处理得到多个位置数据簇；

从多个所述位置数据簇中选择出候选数据簇；

对所述候选数据簇进行聚类处理得到目标中心点；

将所述目标中心点的位置数据作为所述目标位置数据。

6.根据权利要求5所述的方法，其特征在于，所述对所述位置数据集合进行聚类处理得到多个位置数据簇，包括：

根据DBSCAN算法对所述位置数据集合进行聚类处理得到多个所述位置数据簇。

7.根据权利要求5所述的方法，其特征在于，所述从多个所述位置数据簇中选择出候选数据簇，包括：

将包含位置数据最多的所述位置数据簇作为所述候选数据簇。

8.根据权利要求5所述的方法，其特征在于，所述对所述候选数据簇进行聚类处理得到目标中心点，包括：

根据K-means算法对所述候选数据簇中的位置数据进行聚类处理得到所述目标中心点。

9.根据权利要求2至8中任一项所述的方法，其特征在于，所述轨迹数据表示所述第二用户确认到达所述目标位置前后的预设时间间隔的轨迹数据。

10.一种位置数据的生成装置，其特征在于，包括：

获取模块，用于获取针对目标位置的定位数据和轨迹数据；

过滤模块，用于根据预设的距离阈值对所述定位数据和所述轨迹数据进行过滤处理得到位置数据集合；

聚类模块，用于对所述位置数据集合进行聚类处理得到目标位置数据。

11.根据权利要求10所述的装置，其特征在于，所述获取模块，包括：

数据获取模块，用于获取第一用户的定位数据和第二用户的轨迹数据；

数据关联模块，用于分别将所述定位数据和所述轨迹数据与所述目标位置建立关联关系。

12.根据权利要求11所述的装置，其特征在于，所述过滤模块，用于根据所述距离阈值和所述第一用户选择的位置，对所述定位数据和所述轨迹数据进行过滤处理得到所述位置数据集合。

13.根据权利要求12所述的装置，其特征在于，所述过滤模块，用于将所述定位数据和所述轨迹数据中，与所述第一用户选择的位置之间的距离超过所述距离阈值的所述定位数据和所述轨迹数据过滤掉，得到所述位置数据集合。

14.根据权利要求10所述的装置，其特征在于，所述聚类模块，包括：

第一聚类模块，用于对所述位置数据集合进行聚类处理得到多个位置数据簇；

簇选择模块，用于从多个所述位置数据簇中选择出候选数据簇；

第二聚类模块，用于对所述候选数据簇进行聚类处理得到目标中心点；

位置确定模块，用于将所述目标中心点的位置数据作为所述目标位置数据。

15.根据权利要求14所述的装置，其特征在于，所述第一聚类模块，用于根据DBSCAN算法对所述位置数据集合进行聚类处理得到多个所述位置数据簇。

16.根据权利要求14所述的装置，其特征在于，所述簇选择模块，用于将包含位置数据最多的所述位置数据簇作为所述候选数据簇。

17.根据权利要求14所述的装置，其特征在于，所述第二聚类模块，用于根据K-means算法对所述候选数据簇中的位置数据进行聚类处理得到所述目标中心点。

18.根据权利要求11至17中任一项所述的装置，其特征在于，所述轨迹数据表示所述第二用户确认到达所述目标位置前后的预设时间间隔的轨迹数据。

Images