CN114493383A - 一种兴趣点搜索方法、装置及计算机可读存储介质 - Google Patents
一种兴趣点搜索方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114493383A CN114493383A CN202210401680.2A CN202210401680A CN114493383A CN 114493383 A CN114493383 A CN 114493383A CN 202210401680 A CN202210401680 A CN 202210401680A CN 114493383 A CN114493383 A CN 114493383A
- Authority
- CN
- China
- Prior art keywords
- grid
- point
- interest
- search
- node
- 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 39
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000926 separation method Methods 0.000 claims description 7
- 238000010845 search algorithm Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种兴趣点搜索方法、装置及计算机可读存储介质,所述方法包括:在兴趣点搜索区域内确定编码起点,对其进行地理位置信息编码,得到编码起点栅格作为基础检索栅格;对基础检索栅格的周围区域进行地理位置信息编码,得到基础检索栅格的相邻栅格,判断相邻栅格与兴趣点搜索区域的空间关系;当基础检索栅格的相邻栅格中存在与兴趣点搜索区域的空间关系为包含关系的栅格时,将其作为新的基础检索栅格;当所有基础检索栅格的相邻栅格中均不存在与兴趣点搜索区域的空间关系为包含关系的栅格时,获得编码生成的兴趣点搜索区域对应的栅格集合,在栅格集合中进行兴趣点搜索。可实现任意形状兴趣点搜索区域的编码和兴趣点搜索,提高编码效率。
Description
技术领域
本发明涉及信息搜索技术领域,具体涉及一种兴趣点搜索方法、装置及计算机可读存储介质。
背景技术
兴趣点指地图中可抽象为节点的地理对象,例如商场、卫生间、医院、超市、饭店、公交站等。兴趣点搜索基于用户待查询的位置,依次遍历计算该位置与抽象兴趣点的距离,筛选满足阈值条件的兴趣点。但是由于城市兴趣点数量较多,采用遍历计算搜索的速度较慢。
发明内容
本发明解决的问题是现有的兴趣点搜索算法搜索速度较慢。
本发明提出一种兴趣点搜索方法,包括:
获取兴趣点搜索区域;
在所述兴趣点搜索区域内确定编码起点;
对所述编码起点进行地理位置信息编码,得到编码起点栅格,将所述编码起点栅格作为基础检索栅格;
对所述基础检索栅格的周围区域进行地理位置信息编码,得到所述基础检索栅格的相邻栅格,判断所述基础检索栅格的相邻栅格与所述兴趣点搜索区域的空间关系;
当所述基础检索栅格的相邻栅格中存在与所述兴趣点搜索区域的空间关系为包含关系的栅格时,将所述基础检索栅格的相邻栅格中与所述兴趣点搜索区域的空间关系为包含关系的栅格作为新的基础检索栅格,基于所述新的基础检索栅格返回执行所述对所述基础检索栅格的周围区域进行地理位置信息编码,得到所述基础检索栅格的相邻栅格,判断所述基础检索栅格的相邻栅格与所述兴趣点搜索区域的空间关系的步骤;
当所有所述基础检索栅格的相邻栅格中均不存在与所述兴趣点搜索区域的空间关系为包含关系的栅格时,获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索。
可选地,所述在所述兴趣点搜索区域内确定编码起点包括:
将所述兴趣点搜索区域的质心作为所述编码起点。
可选地,所述获取兴趣点搜索区域包括:
获取搜索起点;
获得所述搜索起点与各步行路段的垂直投影距离,将所述搜索起点匹配至所述垂直投影距离最短的步行路段;
将所述搜索起点投影至匹配的所述步行路段,得到投影点;
以所述投影点为起点,基于深度优先搜索算法搜索小于预设步行阈值的步行可达节点,得到步行可达节点集合;
根据所述步行可达节点集合生成所述兴趣点搜索区域。
可选地,所述以所述投影点为起点,基于深度优先搜索算法搜索小于预设步行阈值的步行可达节点,得到步行可达节点集合包括:
以所述投影点为起点,以起点为当前父节点;
选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点,将当前子节点添加至所述已搜索节点列表,计算起点至当前子节点的步行范围,将所述步行范围与所述预设步行阈值进行比较;
若所述步行范围小于或等于所述预设步行阈值,则将当前子节点添加至所述步行可达节点集合中,并将当前子节点作为当前父节点,返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤;
若所述步行范围大于所述预设步行阈值,则计算所述步行范围与所述预设步行阈值的差值,基于所述差值在当前父节点与当前子节点之间的边上生成断点,将所述断点添加至所述步行可达节点集合,并判断当前父节点是否还有未添加至所述已搜索节点列表的子节点,若是,则返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤,若否,则退回判断上一个父节点是否还有未添加至所述已搜索节点列表的子节点,若上一个父节点还有未添加至所述已搜索节点列表的子节点,则将上一个父节点作为当前父节点,返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤,若上一个父节点没有未添加至所述已搜索节点列表的子节点,则继续退回判断上上个父节点是否还有未添加至所述已搜索节点列表的子节点,直至退回到起点且起点的所有子节点都已添加至已搜索节点列表,停止搜索,输出所述步行可达节点集合。
可选地,所述根据所述步行可达节点集合生成所述兴趣点搜索区域包括:
利用凸包算法生成所述步行可达节点集合的最小凸包区域,作为所述兴趣点搜索区域。
可选地,所述空间关系包括包含关系和相交关系,所述栅格集合包括与所述兴趣点搜索区域具有包含关系的第一栅格集合和与所述兴趣点搜索区域具有相交关系的第二栅格集合;所述获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索包括:
获得编码生成的所述兴趣点搜索区域对应的栅格集合,将所述栅格集合缓存至Redis数据库;
在所述Redis数据库预存的兴趣点编码字符中搜索属于所述第一栅格集合的兴趣点,得到第一兴趣点集合;
在所述Redis数据库预存的兴趣点编码字符中搜索属于所述第二栅格集合的兴趣点,得到第二兴趣点集合,并筛选出所述第二兴趣点集合中在所述兴趣点搜索区域内的兴趣点,得到第三兴趣点集合;
将所述第一兴趣点集合和所述第三兴趣点集合作为检索结果返回。
可选地,所述地理位置信息编码采用的编码算法为GeoHash编码算法或基于希尔珀特曲线的S2编码算法。
可选地,所述获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索还包括:
获得编码生成的所述兴趣点搜索区域对应的栅格集合,判断所述栅格集合中是否存在与所述兴趣点搜索区域具有相离关系的栅格;
若是,则将与所述兴趣点搜索区域具有相离关系的栅格去除,在剩余的所述栅格集合中进行兴趣点搜索。
本发明还提出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读取并运行时,实现如上所述的兴趣点搜索方法。
本发明还提出一种兴趣点搜索装置,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如上所述的兴趣点搜索方法。
本发明通过在兴趣点搜索区域内确定编码起点,以编码起点为起点向外扩展进行地理位置信息编码,得到扩展的栅格,判断扩展的栅格与兴趣点搜索区域的空间关系,基于扩展的栅格与兴趣点搜索区域的空间关系确定是否继续向外扩展编码区域,从而实现对兴趣点搜索区域的编码,由此,可实现对任意形状的兴趣点搜索区域的编码,同时,通过优先遍历扩展与兴趣点搜索区域具有包含关系的栅格,减少栅格与兴趣点搜索区域之间空间关系的判断次数,降低编码数量和编码时间,提高编码效率,从而提高兴趣点搜索效率。
附图说明
图1为本发明实施例兴趣点搜索方法流程一示意图;
图2为本发明实施例兴趣点搜索方法中地理位置信息编码的一实施方式示意图;
图3为本发明实施例兴趣点搜索方法流程另一示意图;
图4为本发明实施例兴趣点搜索方法中起点匹配路段的一示意图;
图5为本发明实施例兴趣点搜索方法中生成步行可达节点集合的一示意图;
图6为本发明实施例兴趣点搜索方法中兴趣点搜索区域的生成操作一示意图;
图7为本发明实施例兴趣点搜索方法实施架构的一实施例示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
如图1,在本发明一实施例中,所述兴趣点搜索方法包括以下步骤:
步骤S100,获取兴趣点搜索区域。
兴趣点搜索区域,指兴趣点搜索的限定区域,在兴趣点搜索区域内进行后续的兴趣点搜索操作。可选地,以用户搜索地点为基点,将距用户搜索地点一定距离范围内的区域设定为兴趣点搜索区域。可选地,以用户所在地为基点,将距用户所在地一定距离范围内的区域设定为兴趣点搜索区域。可选地,检测到用户搜索地点或用户所在地时,以用户搜索地点或用户所在地所在的行政区划作为兴趣点搜索区域。可选地,可由用户输入搜索区域,如文字形式输入搜索区域名称或者由用户在前端设备上手动绘制搜索区域,将用户输入的搜索区域作为兴趣点搜索区域。
兴趣点搜索区域可为任意形状,例如可为规则的矩形区域或者不规则的多边形区域。
步骤S200,在所述兴趣点搜索区域内确定编码起点。
为便于进行兴趣点搜索,对兴趣点搜索区域进行编码,首先,确定编码起点。可将兴趣点搜索区域内的任意一点作为编码起点。也可将兴趣点搜索区域内的特殊点作为编码起点,比如,将兴趣点搜索区域的质心作为编码起点,或者将兴趣点搜索区域的内心作为编码起点。因为质心点可以根据图形边界数据直接计算得到,且质心点靠近区域中心,因而将兴趣点搜索区域的质心作为编码起点,可使用较少的循环次数覆盖兴趣点搜索区域,减少编码时间。
步骤S300,对所述编码起点进行地理位置信息编码,得到编码起点栅格,将所述编码起点栅格作为基础检索栅格。
地理位置信息编码采用的编码算法可为基于Z阶曲线的GeoHash编码算法。Geohash是一种分级的数据结构,把空间划分为网格,属于空间填充曲线中的 Z 阶曲线(Z-order curve)的实际应用。GeoHash编码算法是一种将二维的经纬度转换成一维的字符串的编码方法,每一个GeoHash字符串代表了特定矩形区域,该矩形区域内所有的点(经纬度坐标)都共享相同的GeoHash字符串。因GeoHash编码算法的具体编码操作为现有技术,此处不赘述。在确定编码起点后,获得编码起点的经纬度坐标,对编码起点的经纬度坐标进行GeoHash编码,得到编码起点对应的GeoHash字符串,生成编码起点栅格,其中,编码起点的经纬度坐标可通过调用地图软件获取。
可选地,GeoHash的编码精度选择基于兴趣点搜索区域的最小外接矩形的长宽进行选择,选择小于兴趣点搜索区域的最小外接矩形的长宽且差值最小的GeoHash编码精度,例如,兴趣点搜索区域的外接矩形长宽为200m*180m,查表选择GeoHash编码精度为7,长宽为153m*153m的栅格进行编码。若编码精度过高,栅格比较小,向外扩展的次数会增加,延长编码时间;若编码精度过低,栅格较大,编码时间较短,但是后期搜索兴趣点就要增加空间判断的计算次数,影响搜索效率。因此,通过兴趣点搜索区域限定编码精度,可避免编码精度过高或过低,尽量保证较高的搜索效率。
地理位置信息编码采用的编码算法可为基于希尔珀特曲线的S2编码算法。因S2编码算法也为现有技术,此处不赘述。
步骤S400,对所述基础检索栅格的周围区域进行地理位置信息编码,得到所述基础检索栅格的相邻栅格,判断所述基础检索栅格的相邻栅格与所述兴趣点搜索区域的空间关系。
基础检索栅格可能为一个或多个栅格,在执行步骤S400时,对每个基础检索栅格分别执行步骤S400所述的操作。
基础检索栅格的相邻栅格,可指与基础检索栅格3*3相邻的栅格,如图2,以栅格1为例,其相邻栅格为如图所示2,3,4,5,6,7,8,9共计8个栅格。
一实施方式中,采用GeoHash编码算法进行地理位置信息编码,对基础检索栅格的周围区域进行地理位置信息编码,得到基础检索栅格的相邻栅格,其具体编码流程包括:
在步骤S300对编码起点进行地理位置信息编码,得到编码起点栅格,将编码起点栅格作为基础检索栅格,具体通过GeoHash编码算法生成编码起点的GeoHash字符串,将其假设为编号1;
通过GeoHash编码算法获得栅格1的8个相邻栅格的GeoHash编码列表2,3,4,5,6,7,8,9;
通过GeoHash编码算法获得相邻栅格的矩形区域边界数据,判断相邻栅格与兴趣点搜索区域的空间关系;
选择上述8个区域中与兴趣点搜索区域属于包含关系的GeoHash编码,重复生成其相邻栅格,直至覆盖整个兴趣点搜索区域。
在得到基础检索栅格的相邻栅格后,判断每个相邻栅格与兴趣点搜索区域的空间关系。空间关系可包含相交关系、包含关系和相离关系。其中,相交关系指兴趣点搜索区域的边界穿过栅格框定区域,如图2中的栅格4、7、8、9;包含关系指栅格在兴趣点搜索区域以内且二者没有相交,如图2中的栅格1、2、3、6;相离关系指栅格在兴趣点搜索区域以外且二者没有相交,如图2中的栅格16。
以基础检索栅格为基点得到基础检索栅格的相邻栅格,当某一相邻栅格与兴趣点搜索区域为包含关系时,说明该相邻栅格与兴趣点搜索区域的边界之间没有相交点,兴趣点搜索区域内可能还有区域并未编码。
以基础检索栅格为基点得到基础检索栅格的相邻栅格,当某一相邻栅格与兴趣点搜索区域为相交关系时,说明在基础检索栅格往该相邻栅格的方向的兴趣点搜索区域内没有未编码区域。
以基础检索栅格为基点得到基础检索栅格的相邻栅格,当某一相邻栅格与兴趣点搜索区域为相离关系时,说明在基础检索栅格往该相邻栅格的方向的兴趣点搜索区域内没有未编码区域。
步骤S500,当所述基础检索栅格的相邻栅格中存在与所述兴趣点搜索区域的空间关系为包含关系的栅格时,将所述基础检索栅格的相邻栅格中与所述兴趣点搜索区域的空间关系为包含关系的栅格作为新的基础检索栅格,基于所述新的基础检索栅格返回执行所述对所述基础检索栅格的周围区域进行地理位置信息编码,得到所述基础检索栅格的相邻栅格,判断所述基础检索栅格的相邻栅格与所述兴趣点搜索区域的空间关系的步骤。
当基础检索栅格的相邻栅格中存在与兴趣点搜索区域的空间关系为包含关系的栅格时,说明该相邻栅格与兴趣点搜索区域的边界之间没有相交点,兴趣点搜索区域内可能还有区域并未编码,因而,以该相邻栅格作为新的基础检索栅格,基于新的基础检索栅格,继续返回执行步骤S400,继续对该新的基础检索栅格的周围区域进行地理位置信息编码,得到该新的基础检索栅格的相邻栅格,判断相邻栅格与兴趣点搜索区域的空间关系,直至所有基础检索栅格的相邻栅格不存在与兴趣点搜索区域的空间关系为包含关系的栅格,以实现对兴趣点搜索区域的编码,同时尽量降低编码的栅格数据,减少编码时间,提升编码效率。
步骤S600,当所有所述基础检索栅格的相邻栅格中均不存在与所述兴趣点搜索区域的空间关系为包含关系的栅格时,获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索。
基础检索栅格可能为一个或多个,若有至少一个基础检索栅格的相邻栅格中存在与所述兴趣点搜索区域的空间关系为包含关系的栅格,则执行步骤S500,若所有基础检索栅格的相邻栅格中均不存在与兴趣点搜索区域的空间关系为包含关系的栅格,则说明兴趣点搜索区域已全部编码完成,此时,获得编码生成的兴趣点搜索区域对应的栅格集合,在栅格集合中进行兴趣点搜索。
其中,本发明中兴趣点的坐标数据规定为建筑楼宇的平面质心点,不考虑楼宇实际形状及高度。
为便于理解上述内容,给出如图2所示的具体实施例,在以下具体实施例中,以质心作为编码起点,采用GeoHash编码进行地理位置信息编码,图2中给出的数字编号仅为了便于描述而设置,并不进行任何限制。具体实施例如下:
步骤一:初始化searched_list,read_search_list列表,分别用于存储已判断过空间关系的栅格ID及待判断的栅格ID。计算兴趣点搜索区域的质心点,获得质心点坐标,对质心点坐标进行GeoHash编码,将编码为1的栅格ID加入read_search_list,从read_search_list列表中取出待判断的栅格ID,判断栅格1矩形区域与兴趣点搜索区域的空间关系(相交、相离、包含),得到与兴趣点搜索区域相交的GeoHash字符串列表intersection_list=[]及包含的GeoHash字符串列表within_list=[1],并将检查过的栅格1加入searched_list=[1]。
步骤二:查询质心节点栅格1的相邻GeoHash矩形区域编码2,3,4,5,6,7,8,9,将其加入待检查列表read_search_list=[2,3,4,5,6,7,8,9],遍历read_search_list中GeoHash栅格ID,一一判断相应矩形区域与兴趣点搜索区域的空间关系(相交、相离、包含),得到与兴趣点搜索区域相交的GeoHash字符串列表intersection_list=[4,7,8,9]及包含的GeoHash字符串列表within_list=[2,3,5,6],将intersection_list中的栅格从待检查列表read_search_list中删除。
此时,已检查的栅格列表searched_list=[1,2,3,4,5,6,7,8,9],intersection_list=[4,7,8,9],within_list=[2,3,5,6],read_search_list=[2,3,5,6],read_search_list,within_list均不为空,则继续循环,取read_search_list列表中任意栅格ID,以2为例,遍历栅格2的临近栅格1,4,5,7,8,10,11,12共8个栅格与兴趣点搜索区域的空间关系,由于1,4,5,7,8五个栅格已包含于searched_list中,故略过,仅检查10,11,12三个栅格与兴趣点搜索区域的空间关系,将10加入within_list=[10],将11,12加入intersection_list=[11,12],将10,11,12加入已检查searched_list=[1,2,3,4,5,6,7,8,9,10,11,12],并从预检查列表read_search_list删除检查完后的栅格2,read_search_list=[3,5,6],并将within_list中的栅格ID加入read_search_list=[3,5,6,10],重复上述步骤,逐个计算read_search_list中基础检索栅格的相邻栅格与兴趣点搜索区域的空间关系,直至read_search_list与within_list都为空,实现对兴趣点搜索区域的编码。
通过在兴趣点搜索区域内确定编码起点,以编码起点为起点向外扩展进行地理位置信息编码,得到扩展的栅格,判断扩展的栅格与兴趣点搜索区域的空间关系,基于扩展的栅格与兴趣点搜索区域的空间关系确定是否继续向外扩展编码区域,从而实现对兴趣点搜索区域的编码,由此,可实现对任意形状的兴趣点搜索区域的编码,同时,通过优先遍历扩展与兴趣点搜索区域具有包含关系的栅格,减少栅格与兴趣点搜索区域之间空间关系的判断次数,降低编码数量和编码时间,提高编码效率,从而提高兴趣点搜索效率。
可选地,如图3,步骤S100包括:
步骤S101,获取搜索起点。其中,搜索起点可为用户搜索地点或用户所在地。
步骤S102,获得所述搜索起点与各步行路段的垂直投影距离,将所述搜索起点匹配至所述垂直投影距离最短的步行路段。
步骤S103,将所述搜索起点投影至匹配的所述步行路段,得到投影点。
如图4,获得搜索起点与步行路段a的垂直投影距离D(a),搜索起点与步行路段b之间的垂直投影距离D(b),由于D(a)<D(b),将搜索起点匹配至步行路段a,将搜索起点投影至步行路段a,得到投影点。
步骤S104,以所述投影点为起点,基于深度优先搜索算法搜索小于预设步行阈值的步行可达节点,得到步行可达节点集合。
可选地,步骤S104包括:
以所述投影点为起点,以起点为当前父节点;
选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点,将当前子节点添加至所述已搜索节点列表,计算起点至当前子节点的步行范围,将所述步行范围与所述预设步行阈值进行比较;
若所述步行范围小于或等于所述预设步行阈值,则将当前子节点添加至所述步行可达节点集合中,并将当前子节点作为当前父节点,返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤;
若所述步行范围大于所述预设步行阈值,则计算所述步行范围与所述预设步行阈值的差值,基于所述差值在当前父节点与当前子节点之间的边上生成断点,将所述断点添加至所述步行可达节点集合,并判断当前父节点是否还有未添加至所述已搜索节点列表的子节点,若是,则返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤,若否,则退回判断上一个父节点是否还有未添加至所述已搜索节点列表的子节点,若上一个父节点还有未添加至所述已搜索节点列表的子节点,则将上一个父节点作为当前父节点,返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤,若上一个父节点没有未添加至所述已搜索节点列表的子节点,则继续退回判断上上个父节点是否还有未添加至所述已搜索节点列表的子节点,直至退回到起点且起点的所有子节点都已添加至已搜索节点列表,停止搜索,输出所述步行可达节点集合。
为便于理解,给出如下示例:
步骤一:以所述投影点作为起点v_root,以起点v_root为当前父节点v_parent。
步骤二:选择当前父节点v_parent任一未添加至已搜索节点列表searched_list的当前子节点v_child为下一个搜索节点,将当前子节点v_child添加至已搜索节点列表searched_list中;其中,子节点v_child是与父节点v_parent直连的节点。
步骤三:计算起点v_root至当前子节点v_child的步行范围,与预设步行阈值进行比较,其中,步行范围。若步行范围小于所述预设步行阈值,则将当前子节点v_child添加至所述步行可达节点集合walk_node_set中,将步行范围添加至字典集合中,将当前子节点v_child作为当前父节点v_parent;若大于所述预设步行阈值,计算所述步行范围与所述预设步行阈值的差值T,基于差值T将边打断,生成断点v_break,将断点v_break添加至所述步行可达节点集合,并判断当前父节点是否还有未添加至已搜索节点列表的子节点,若是,则返回执行所述步骤二,若否,则退回判断上一个父节点是否还有未添加至所述已搜索节点列表的子节点,若上一个父节点还有未添加至所述已搜索节点列表的子节点,则将上一个父节点作为当前父节点,返回执行所述步骤二,若上一个父节点没有未添加至所述已搜索节点列表的子节点,则继续退回判断上上个父节点是否还有未添加至所述已搜索节点列表的子节点。如图5,起点v_root至子节点v_child的步行范围为40+20=60m,预设步行阈值为50m,前者大于后者,计算二者的差值T=(40+20-50)=10,基于T将边打断,生成断点v_break。
步骤四:判断当前父节点v_parent是否为搜索起点v_root且起点v_root的子节点集合{v_child1,v_child2,v_child3...v_childn}是否都在已搜索节点列表searched_list中;若都在,停止搜索,输出步行可达节点集合walk_node_set,否则重复步骤二。其中,起点v_root的子节点集合指与起点v_root直连的节点集合。
由此,通过上述预设步行阈值的限制,采用深度优先搜索算法搜索小于预设步行阈值的步行可达节点,可减少搜索的节点次数,提高搜索效率。
步骤S105,根据所述步行可达节点集合生成所述兴趣点搜索区域。
通过步行可达节点集合生成兴趣点搜索区域,可保证兴趣点搜索区域的合理性(例如满足500步行距离阈值可达范围),在实际步行可达范围区域内进行兴趣点搜索,便于得到用户易达的兴趣点,有利于提升用户体验。
可选地,如图6,所述根据所述步行可达节点集合生成所述兴趣点搜索区域包括:利用凸包算法生成所述步行可达节点集合的最小凸包区域,作为所述兴趣点搜索区域。
在步行可达节点集合的基础上,通过凸包算法生成最小凸包区域,作为兴趣点搜索区域。因凸包算法为现有技术,此处不赘述。
通过凸包算法生成步行可达节点集合的最小凸包区域,作为兴趣点搜索区域,缩小搜索范围,使搜索出的兴趣点处于步行可达范围之内,保证兴趣点搜索区域的合理性,使搜索结果更实用。
可选地,所述空间关系包括包含关系和相交关系,所述栅格集合包括与所述兴趣点搜索区域具有包含关系的第一栅格集合和与所述兴趣点搜索区域具有相交关系的第二栅格集合。所述获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索包括:
获得编码生成的所述兴趣点搜索区域对应的栅格集合,将所述栅格集合缓存至Redis数据库。
在所述Redis数据库预存的兴趣点编码字符中搜索属于所述第一栅格集合的兴趣点,得到第一兴趣点集合,即兴趣点搜索区域包含的、处于兴趣点搜索区域内的兴趣点集合。
在所述Redis数据库预存的兴趣点编码字符中搜索属于所述第二栅格集合的兴趣点,得到第二兴趣点集合,即分布与兴趣点搜索区域边界附近的兴趣点集合,并筛选出所述第二兴趣点集合中在所述兴趣点搜索区域内的兴趣点,得到第三兴趣点集合。
将所述第一兴趣点集合和所述第三兴趣点集合作为检索结果返回。
通过将栅格集合和兴趣点编码字符缓存至Redis数据库,可实现对地理信息的缓存索引,提升兴趣点搜索速度。
因为在整个编码过程中,对基础检索栅格的周围区域进行地理位置信息编码,获得的基础检索栅格的相邻栅格有可能与兴趣点搜索区域具有相离关系,例如,图2中栅格22,所以需要去除与兴趣点搜索区域具有相离关系的栅格。具体而言,所述获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索还包括:
获得编码生成的所述兴趣点搜索区域对应的栅格集合,判断所述栅格集合中是否存在与所述兴趣点搜索区域具有相离关系的栅格;若是,则将与所述兴趣点搜索区域具有相离关系的栅格去除,在剩余的所述栅格集合中进行兴趣点搜索;若否,则直接在栅格集合的所有栅格中进行兴趣点搜索。
本发明通过深度优先搜索获得步行范围可达区域,缩小兴趣点搜索范围,同时通过上述编码方式对区域进行地理位置信息编码,提高编码效率,并可实现任意多边形区域的编码,适用不同场景,且区分区域包含及相交的编码,可提高搜索速度。
本发明一实施例中,兴趣点搜索装置包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如上所述的兴趣点搜索方法。本发明兴趣点搜索装置相对于现有技术所具有的有益效果与上述兴趣点搜索方法一致,此处不赘述。
兴趣点搜索装置可以实施为本地或远程服务器。
可选地,如图7,本发明实施例提出一种兴趣点搜索系统,包括用户端、算法后台和数据库。其中,用户端可以实施为电脑、手机或者其他显示屏设备。算法后台可以实施于所述兴趣点搜索装置。数据库可实施为Redis数据库。
通过用户端获取位置参数、兴趣点类型和搜索范围阈值,发送给算法后台,由算法后台实施如上所述的兴趣点搜索方法,生成GeoHash编码列表,在数据库快速搜索区域内包含的兴趣点信息,返回用户端。其中,位置参数指用户搜索地点或用户所在地等参数。搜索范围阈值指兴趣点搜索区域的范围,可包含预设步行阈值。
本发明一实施例中,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读取并运行时,实现如上所述的兴趣点搜索方法。本发明计算机可读存储介质相对于现有技术所具有的有益效果与上述兴趣点搜索方法一致,此处不赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种兴趣点搜索方法,其特征在于,包括以下步骤:
获取兴趣点搜索区域;
在所述兴趣点搜索区域内确定编码起点;
对所述编码起点进行地理位置信息编码,得到编码起点栅格,将所述编码起点栅格作为基础检索栅格;
对所述基础检索栅格的周围区域进行地理位置信息编码,得到所述基础检索栅格的相邻栅格,判断所述基础检索栅格的相邻栅格与所述兴趣点搜索区域的空间关系;
当所述基础检索栅格的相邻栅格中存在与所述兴趣点搜索区域的空间关系为包含关系的栅格时,将所述基础检索栅格的相邻栅格中与所述兴趣点搜索区域的空间关系为包含关系的栅格作为新的基础检索栅格,基于所述新的基础检索栅格返回执行所述对所述基础检索栅格的周围区域进行地理位置信息编码,得到所述基础检索栅格的相邻栅格,判断所述基础检索栅格的相邻栅格与所述兴趣点搜索区域的空间关系的步骤;
当所有所述基础检索栅格的相邻栅格中均不存在与所述兴趣点搜索区域的空间关系为包含关系的栅格时,获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索。
2.如权利要求1所述的兴趣点搜索方法,其特征在于,所述在所述兴趣点搜索区域内确定编码起点包括:
将所述兴趣点搜索区域的质心作为所述编码起点。
3.如权利要求1所述的兴趣点搜索方法,其特征在于,所述获取兴趣点搜索区域包括:
获取搜索起点;
获得所述搜索起点与各步行路段的垂直投影距离,将所述搜索起点匹配至所述垂直投影距离最短的步行路段;
将所述搜索起点投影至匹配的所述步行路段,得到投影点;
以所述投影点为起点,基于深度优先搜索算法搜索小于预设步行阈值的步行可达节点,得到步行可达节点集合;
根据所述步行可达节点集合生成所述兴趣点搜索区域。
4.如权利要求3所述的兴趣点搜索方法,其特征在于,所述以所述投影点为起点,基于深度优先搜索算法搜索小于预设步行阈值的步行可达节点,得到步行可达节点集合包括:
以所述投影点为起点,以起点为当前父节点;
选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点,将当前子节点添加至所述已搜索节点列表,计算起点至当前子节点的步行范围,将所述步行范围与所述预设步行阈值进行比较;
若所述步行范围小于或等于所述预设步行阈值,则将当前子节点添加至所述步行可达节点集合中,并将当前子节点作为当前父节点,返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤;
若所述步行范围大于所述预设步行阈值,则计算所述步行范围与所述预设步行阈值的差值,基于所述差值在当前父节点与当前子节点之间的边上生成断点,将所述断点添加至所述步行可达节点集合,并判断当前父节点是否还有未添加至所述已搜索节点列表的子节点,若是,则返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤,若否,则退回判断上一个父节点是否还有未添加至所述已搜索节点列表的子节点,若上一个父节点还有未添加至所述已搜索节点列表的子节点,则将上一个父节点作为当前父节点,返回执行所述选择当前父节点的任一未添加至已搜索节点列表的子节点为当前子节点的步骤,若上一个父节点没有未添加至所述已搜索节点列表的子节点,则继续退回判断上上个父节点是否还有未添加至所述已搜索节点列表的子节点,直至退回到起点且起点的所有子节点都已添加至已搜索节点列表,停止搜索,输出所述步行可达节点集合。
5.如权利要求3所述的兴趣点搜索方法,其特征在于,所述根据所述步行可达节点集合生成所述兴趣点搜索区域包括:
利用凸包算法生成所述步行可达节点集合的最小凸包区域,作为所述兴趣点搜索区域。
6.如权利要求1所述的兴趣点搜索方法,其特征在于,所述空间关系包括包含关系和相交关系,所述栅格集合包括与所述兴趣点搜索区域具有包含关系的第一栅格集合和与所述兴趣点搜索区域具有相交关系的第二栅格集合;所述获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索包括:
获得编码生成的所述兴趣点搜索区域对应的栅格集合,将所述栅格集合缓存至Redis数据库;
在所述Redis数据库预存的兴趣点编码字符中搜索属于所述第一栅格集合的兴趣点,得到第一兴趣点集合;
在所述Redis数据库预存的兴趣点编码字符中搜索属于所述第二栅格集合的兴趣点,得到第二兴趣点集合,并筛选出所述第二兴趣点集合中在所述兴趣点搜索区域内的兴趣点,得到第三兴趣点集合;
将所述第一兴趣点集合和所述第三兴趣点集合作为检索结果返回。
7.如权利要求1至6中任一项所述的兴趣点搜索方法,其特征在于,所述地理位置信息编码采用的编码算法为GeoHash编码算法或基于希尔珀特曲线的S2编码算法。
8.如权利要求1至6中任一项所述的兴趣点搜索方法,其特征在于,所述获得编码生成的所述兴趣点搜索区域对应的栅格集合,在所述栅格集合中进行兴趣点搜索还包括:
获得编码生成的所述兴趣点搜索区域对应的栅格集合,判断所述栅格集合中是否存在与所述兴趣点搜索区域具有相离关系的栅格;
若是,则将与所述兴趣点搜索区域具有相离关系的栅格去除,在剩余的所述栅格集合中进行兴趣点搜索。
9.一种计算机可读存储介质,其特征在于,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读取并运行时,实现如权利要求1-8任一项所述的兴趣点搜索方法。
10.一种兴趣点搜索装置,其特征在于,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如权利要求1-8任一项所述的兴趣点搜索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210401680.2A CN114493383B (zh) | 2022-04-18 | 2022-04-18 | 一种兴趣点搜索方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210401680.2A CN114493383B (zh) | 2022-04-18 | 2022-04-18 | 一种兴趣点搜索方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114493383A true CN114493383A (zh) | 2022-05-13 |
CN114493383B CN114493383B (zh) | 2022-08-23 |
Family
ID=81489599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210401680.2A Active CN114493383B (zh) | 2022-04-18 | 2022-04-18 | 一种兴趣点搜索方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493383B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8566029B1 (en) * | 2009-11-12 | 2013-10-22 | Google Inc. | Enhanced identification of interesting points-of-interest |
CN104516950A (zh) * | 2014-12-10 | 2015-04-15 | 百度在线网络技术(北京)有限公司 | 一种兴趣点的查询方法及装置 |
CN104636482A (zh) * | 2015-02-16 | 2015-05-20 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN106708837A (zh) * | 2015-08-18 | 2017-05-24 | 高德软件有限公司 | 兴趣点搜索方法、装置 |
CN108549690A (zh) * | 2018-04-12 | 2018-09-18 | 石家庄铁道大学 | 基于空间距离约束的空间关键字查询方法及系统 |
CN108920462A (zh) * | 2018-06-29 | 2018-11-30 | 北京奇虎科技有限公司 | 基于地图的兴趣点poi检索方法和装置 |
WO2019024343A1 (zh) * | 2017-08-04 | 2019-02-07 | 深圳大学 | 基于带序兴趣区域的轨迹查询的扩张搜索扩展算法 |
CN111127062A (zh) * | 2018-11-01 | 2020-05-08 | 中国移动通信集团广东有限公司 | 一种基于空间搜索算法的群体欺诈识别方法及装置 |
CN111309844A (zh) * | 2020-03-18 | 2020-06-19 | 上海中旖能源科技有限公司 | 获取全地图poi信息的方法和装置 |
-
2022
- 2022-04-18 CN CN202210401680.2A patent/CN114493383B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8566029B1 (en) * | 2009-11-12 | 2013-10-22 | Google Inc. | Enhanced identification of interesting points-of-interest |
CN104516950A (zh) * | 2014-12-10 | 2015-04-15 | 百度在线网络技术(北京)有限公司 | 一种兴趣点的查询方法及装置 |
CN104636482A (zh) * | 2015-02-16 | 2015-05-20 | 百度在线网络技术(北京)有限公司 | 用于确定目标地址的方法和装置 |
CN106708837A (zh) * | 2015-08-18 | 2017-05-24 | 高德软件有限公司 | 兴趣点搜索方法、装置 |
WO2019024343A1 (zh) * | 2017-08-04 | 2019-02-07 | 深圳大学 | 基于带序兴趣区域的轨迹查询的扩张搜索扩展算法 |
CN108549690A (zh) * | 2018-04-12 | 2018-09-18 | 石家庄铁道大学 | 基于空间距离约束的空间关键字查询方法及系统 |
CN108920462A (zh) * | 2018-06-29 | 2018-11-30 | 北京奇虎科技有限公司 | 基于地图的兴趣点poi检索方法和装置 |
CN111127062A (zh) * | 2018-11-01 | 2020-05-08 | 中国移动通信集团广东有限公司 | 一种基于空间搜索算法的群体欺诈识别方法及装置 |
CN111309844A (zh) * | 2020-03-18 | 2020-06-19 | 上海中旖能源科技有限公司 | 获取全地图poi信息的方法和装置 |
Non-Patent Citations (1)
Title |
---|
康志瑜等: "城市道路交通网中最短路径搜索算法设计及其实现", 《国防交通工程与技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114493383B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8078641B2 (en) | Adjusting spatial operations based on map density | |
CN109165215A (zh) | 一种云环境下时空索引的构建方法、装置及电子设备 | |
De Floriani et al. | Intervisibility on terrains | |
CN111090712A (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN103927934A (zh) | 一种闭合围栏绘制的方法及系统 | |
CN114529633B (zh) | 一种支持gis线对象和面对象连续lod绘制的方法 | |
CN106407682B (zh) | 土壤采样点确定方法及装置 | |
KR101086402B1 (ko) | 영상 분할 방법 | |
JP2010160591A (ja) | 空間データ管理装置、空間データ管理方法、および、空間データ管理プログラム | |
CN110428386B (zh) | 地图网格合并方法、装置、存储介质、电子装置 | |
CN106204719B (zh) | 基于二维邻域检索的三维场景中海量模型实时调度方法 | |
CN108446357A (zh) | 一种基于二维地理位置的海量数据空间范围查询方法 | |
US20160019248A1 (en) | Methods for processing within-distance queries | |
CN111611992A (zh) | 确定兴趣面的方法、装置和计算机设备 | |
CN114485611B (zh) | 基于北斗网格码的三维空间最短路径规划方法和装置 | |
CN111666361B (zh) | 一种存储多边形包含关系的四叉树构建方法及索引方法 | |
CN114493383B (zh) | 一种兴趣点搜索方法、装置及计算机可读存储介质 | |
Azri et al. | Review of spatial indexing techniques for large urban data management | |
CN112132951B (zh) | 一种基于视觉的网格语义地图的构建方法 | |
CN111080080A (zh) | 一种村镇地质灾害风险预估方法及系统 | |
CN111858613A (zh) | 一种业务数据的检索方法 | |
CN116358527A (zh) | 点云数据处理、高程确定方法、设备及存储介质 | |
Khot et al. | Road network compression techniques in spatiotemporal embedded systems: A survey | |
CN114238528A (zh) | 一种地图加载方法、装置、电子设备及存储介质 | |
CN113128122A (zh) | 基于bim的市政公路检测方法 |
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 |