CN114595266A - 到达点挖掘方法、电子设备及存储介质 - Google Patents
到达点挖掘方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114595266A CN114595266A CN202210093032.5A CN202210093032A CN114595266A CN 114595266 A CN114595266 A CN 114595266A CN 202210093032 A CN202210093032 A CN 202210093032A CN 114595266 A CN114595266 A CN 114595266A
- Authority
- CN
- China
- Prior art keywords
- point
- interest
- target
- clustering
- cluster
- 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.)
- Pending
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
- G06F16/20—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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本公开实施例公开了一种到达点挖掘方法、电子设备及存储介质,所述方法包括:获取待挖掘到达点的目标兴趣点所在楼块的基础数据;所述基础数据包括所述楼块中至少一个终点位置可信的其它兴趣点的到达点和所述楼块的周边道路数据;对所述其它兴趣点的朝向角进行聚类,得到聚类簇;其中,所述其它兴趣点的所述朝向角基于所述其它兴趣点的地理位置以及所述其它兴趣点的所述到达点确定;将簇成员数量最多的聚类簇的聚类中心,确定为所述目标兴趣点的目标朝向角;将所述目标兴趣点的地理位置沿所述目标朝向角的方向延伸,并基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点。该技术方案能够提高无资料可依据的目标兴趣点的到达点的准确率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及一种到达点挖掘方法、电子设备及存储介质。
背景技术
随着基于位置的服务(LBS)的发展,越来越多的应用软件集成了与电子地图有关的服务能力。比如,用户可以通过地图导航类应用软件或者网约车应用软件搜索电子地图中的兴趣点(Point of Interest,简称为POI),规划到POI的导航路线等,其中,电子地图中的POI表征的是现实世界的住宅小区、楼内底商、地铁站、公厕等场所。
基于位置的服务系统中,针对不同的POI会根据已有资料挖掘相应的到达点,以在位置服务过程中将目的地设置为该POI的被服务对象引导至对应的到达点。在实际应用中,一些POI可能并无对应的资料,因此无法基于这些POI自身的已有资料挖掘其到达点,而已有技术中针对这类POI,则通常采用显示抓图的方式确定到达点,也即从地图数据上显示的位置信息确定初始到达点,但是初始到达点由于准确度不高,容易出现引导错误的情况。因此,针对无资料的POI如何挖掘准确到达点是当前技术领域中需要解决的技术问题之一。
发明内容
本公开实施例提供一种到达点挖掘方法、电子设备及计算机可读存储介质。
第一方面,本公开实施例中提供了一种到达点挖掘方法,其中,包括:
获取待挖掘到达点的目标兴趣点所在楼块的基础数据;所述基础数据包括所述楼块中至少一个终点位置可信的其它兴趣点的到达点和所述楼块的周边道路数据;
对所述其它兴趣点的朝向角进行聚类,得到聚类簇;其中,所述其它兴趣点的所述朝向角基于所述其它兴趣点的地理位置以及所述其它兴趣点的所述到达点确定;
将簇成员数量最多的聚类簇的聚类中心,确定为所述目标兴趣点的目标朝向角;
将所述目标兴趣点的地理位置沿所述目标朝向角的方向延伸,并基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点。
进一步地,对所述其它兴趣点的朝向角进行聚类,得到聚类簇,包括:
选取所述其他兴趣点的朝向角中的其中一个,与已有的聚类簇进行聚类,在无已有的聚类簇或者无法聚类至已有的聚类簇时,生成新的聚类簇,直到所有朝向角均被聚类至相应的聚类簇;
计算已生成的所述聚类簇的目标聚类中心,并将所述其它兴趣点的所述朝向角按照所述目标聚类中心重新进行聚类,聚类完成后重新计算聚类得到的所述聚类簇的目标聚类中心,并重复上一步骤直到所述目标聚类中心不再发生变化。
进一步地,选取所述其他兴趣点的朝向角中的其中一个,与已有的聚类簇进行聚类,在无已有的聚类簇或者无法聚类至已有的聚类簇时,生成新的聚类簇,直到所有朝向角均被聚类至相应的聚类簇,包括:
将其中一个所述其它兴趣点的朝向角作为初始聚类簇的候选聚类中心,剩余的所述其它兴趣点的朝向角构成待聚类朝向角队列;
将从所述待聚类朝向角队列中读取的朝向角作为待聚类朝向角,与已有的聚类簇的所述候选聚类中心进行比较,将符合条件的待聚类朝向角聚类至所述聚类簇,而对于不符合条件的待聚类朝向角则生成新的聚类族,并将其作为新的聚类簇的候选聚类中心,重复前述步骤直至将所述待聚类朝向角队列中的朝向角聚类至相应的聚类簇。
进一步地,将从所述待聚类朝向角队列中读取的朝向角作为待聚类朝向角,与已有的聚类簇的所述候选聚类中心进行比较,将符合条件的待聚类朝向角聚类至所述聚类簇,包括:
在所述待聚类朝向角与所述候选聚类中心的角度之差小于或等于角度预设值时,将所述待聚类朝向角与所述候选聚类中心聚类至所述聚类簇。
进一步地,所述方法还包括:
在成员数量最多的聚类簇和成员数量次多的聚类簇的成员数量之差处于预设范围时,过滤所述目标兴趣点的到达点。
进一步地,所述方法还包括:
在所述目标兴趣点的所述到达点与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第一边的长度大于或等于所述目标兴趣点的初始终点位置与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第二边的长度时,过滤所述目标兴趣点的到达点。
进一步地,所述方法还包括以下至少之一:
在所述目标兴趣点与所述到达点的类型不相匹配时,过滤所述目标兴趣点的到达点;
在所述目标兴趣点的地理位置与所述目标兴趣点的所述到达点之间的第一距离大于或等于所述目标兴趣点的地理位置与所述目标兴趣点的初始终点位置之间的第二距离时,过滤所述目标兴趣点的到达点;所述初始终点位置为基于地图数据预先确定的所述目标兴趣点的初始到达点;
在所述目标兴趣点与所述目标兴趣点的所述到达点之间的连线跨越其它楼块时,过滤所述目标兴趣点的到达点;
在所述目标兴趣点的所述到达点所在道路的属性不符合预设属性时,过滤所述目标兴趣点的到达点。
进一步地,所述方法还包括:
在所述目标兴趣点的所述到达点所在的道路与所述目标兴趣点的初始终点位置所在的道路相交,且所述目标兴趣点的所述到达点和所述初始终点位置与交点的距离均小于预设距离阈值时,将所述目标兴趣点的所述到达点更新至所述交点的位置。
进一步地,所述方法还包括:
在所述目标兴趣点的所述到达点所在的道路为上下线分离道路,并且所述到达点所在道路的下游节点至所述到达点的第一距离小于或等于第一距离阈值,而所述到达点所在道路的上游节点至所述到达点的第二距离大于或等于第二距离阈值,则将所述到达点更新为所述下游节点所在的位置。
进一步地,基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点,包括:
将延伸后与周边道路相交的多个位置点中,与所述目标兴趣点的地理位置距离最短的位置点确定为所述到达点。
第二方面,本公开实施例中提供了一种基于位置的服务提供方法,其中,所述方法利用第一方面所述的方法所确定的到达点为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
第三方面,本公开实施例中提供了一种到达点挖掘装置,其中,包括:
获取模块,被配置为获取待挖掘到达点的目标兴趣点所在楼块的基础数据;所述基础数据包括所述楼块中至少一个终点位置可信的其它兴趣点的到达点和所述楼块的周边道路数据;
聚类模块,被配置为对所述其它兴趣点的朝向角进行聚类,得到聚类簇;其中,所述其它兴趣点的所述朝向角基于所述其它兴趣点的地理地理位置以及所述其它兴趣点的所述到达点确定;
第一确定模块,被配置为将簇成员数量最多的聚类簇的聚类中心,确定为所述目标兴趣点的目标朝向角;
第二确定模块,被配置为将所述目标兴趣点的地理位置沿所述目标朝向角的方向延伸,并基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点。
第四方面,本公开实施例中提供了一种基于位置的服务提供装置,其中,所述装置利用第三方面所述的到达点挖掘装置所确定的到达点为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
所述功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。
在一个可能的设计中,上述装置的结构中包括存储器和处理器,所述存储器用于存储一条或多条支持上述装置执行上述对应方法的计算机指令,所述处理器被配置为用于执行所述存储器中存储的计算机指令。上述装置还可以包括通信接口,用于上述装置与其他设备或通信网络通信。
第五方面,本公开实施例提供了一种电子设备,包括存储器、处理器以及存储在存储器上的计算机程序,其中,所述处理器执行所述计算机程序以实现上述任一方面所述的方法。
第六方面,本公开实施例提供了一种计算机可读存储介质,用于存储上述任一装置所用的计算机指令,该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
第七方面,本公开实施例提供了一种计算机程序产品,其包含计算机指令,该计算机指令被处理器执行时用于实现上述任一方面所述的方法。
本公开实施例提供的技术方案可以包括以下有益效果:
本公开实施例针对无资料目标兴趣点,在挖掘该兴趣点的到达点时,通过获取该目标兴趣点所在楼块内的其它兴趣点的到达点和楼块的周边道路数据,并基于其它兴趣点的到达点确定其它兴趣点的朝向角,进而再通过将其它兴趣点的朝向角进行聚类的方式,得到成员数量最多的聚类簇后,将该聚类簇的聚类中心确定为目标兴趣点的朝向角;基于目标兴趣点的朝向角以及目标兴趣点的地理位置确定目标兴趣点的到达点。通过这种方式,可以在目标兴趣点无资料可挖掘的情况下,通过参考目标兴趣点所在楼块内的其它兴趣点的朝向角进而获得目标兴趣点的朝向角,并基于该朝向角挖掘出目标兴趣点的到达点,能够提高无资料可依据的目标兴趣点的到达点的准确率。
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,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开一实施方式的到达点挖掘方法的流程图;
图2示出根据本公开一实施方式中改进后的kmeans聚类算法的实现流程图;
图3示出根据本公开一实施方式中无资料底商的到达点挖掘方法的应用场景示意图;
图4示出根据本公开一实施方式的到达点挖掘装置的结构框图;
图5是适于用来实现根据本公开实施方式的到达点挖掘和/或基于位置的服务提供方法的电子设备的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施方式,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施方式无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
下面通过具体实施例详细介绍本公开实施例的细节。
图1示出根据本公开一实施方式的到达点挖掘方法的流程图。如图1所示,该到达点挖掘方法包括以下步骤:
在步骤S101中,获取待挖掘到达点的目标兴趣点所在楼块的基础数据;所述基础数据包括所述楼块中至少一个终点位置可信的其它兴趣点的到达点和所述楼块的周边道路数据;
在步骤S102中,对所述其它兴趣点的朝向角进行聚类,得到聚类簇;其中,所述其它兴趣点的所述朝向角基于所述其它兴趣点的地理位置以及所述其它兴趣点的所述到达点确定;
在步骤S103中,将簇成员数量最多的聚类簇的聚类中心,确定为所述目标兴趣点的目标朝向角;
在步骤S104中,将所述目标兴趣点的地理位置沿所述目标朝向角的方向延伸,并基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点。
本实施例中,到达点可以理解为在导航或者路径规划等基于位置的服务系统中,针对每个POI预先设置的引导到达点,被服务对象请求该POI的路径规划服务或者导航服务时,基于位置的服务系统将被服务对象引导至该POI对应的到达点。
通常情况下,对于POI的到达点有如下要求:在到达点位置处,实地视野范围内需可见POI的标志物,如挂牌、门面、入口、院内楼块楼体等,并且从到达点人可步行到达POI;此外,到达点可见可达,规划路径的必经路段不穿院行驶,且为距离最短的合理路径。
在基于位置的服务系统中,不同POI的到达点可以基于不同的策略挖掘得到,挖掘策略可以包括但不限于亲子引导策略、多门引导策略、人工到达点引导策略、挖掘到达点引导策略、朝向角引导策略、显示抓路引导策略。
对于有资料的POI可以采用亲子引导策略、多门引导策略、人工到达点引导策略、朝向角引导策略等,对于无资料的POI可以采用显示抓路引导策略和挖掘到达点策略。显示抓路引导策略指的是基于电子地图中显示坐标抓路位置得到的到达点,对于一些POI例如楼内底商等该策略得到的到达点的准确度较低。因此本公开实施例针对无资料数据可用的目标兴趣点,采用挖掘到达点策略获得其对应的到达点。在一些实施例中,在显示抓路引导策略中,通过POI在电子地图的显示坐标和该POI在楼块的相对位置,可以判断出POI的大致方位,之后根据该方位向楼块的最近边引垂线,垂线和最近路的交点可以确定为到达点。
在一些实施例中,目标兴趣点可以是无资料POI,并且通过显示抓路引导策略得到的到达点的准确度不高。例如,目标兴趣点可以是楼块内的底商POI。
基础数据可以包括但不限于目标兴趣点所在楼块中其它POI的数据、该楼块的数据以及周边道路的数据等。其它POI的数据可以包括但不限于POI对应的到达点,该到达点对应的挖掘策略、该POI的地理位置等数据,该地理位置可以是在地图中示出的该POI在现实世界中的位置。楼块的数据可以包括但不限于该楼块为渲染楼块还是卫星楼块,该楼块在地图中的边界位置信息,该楼块所包括的POI等。周边道路数据可以包括但不限于路网数据以及路网上的节点数据等。节点数据可以包括但不限于路网中各个路段之间的相交节点等。
终点位置可信的其它兴趣点可以理解为利用已有资料挖掘出的到达点可信度较高的兴趣点。终点位置可信的其它兴趣点可以包括但不限于人工到达点引导策略确定到达点的兴趣点、挖掘到达点引导策略确定到达点的兴趣点、朝向角引导策略确定到达点的兴趣点、显示抓路引导策略确定到达点的兴趣点、全域挖掘高可信引导策略确定到达点的兴趣点、session挖掘高可信引导策略确定到达点的兴趣点。其中,朝向角引导策略和全域挖掘高可信引导策略均基于兴趣点的图像挖掘得到到达点,而session挖掘高可信引导策略基于用户的行为挖掘得到到达点。挖掘到达点引导策略则是基于本公开实施例提出的到达点挖掘方法得到的到达点。上述各个引导策略得到的到达点的可信度均较高,因此通过上述引导策略挖掘得到的到达点可以作为当前目标兴趣点的到达点挖掘的数据基础。
本实施例中,获取了目标兴趣点所在楼块的基础数据之后,可以从中筛选出终点位置可信的其它兴趣点,并基于该其它兴趣点的地理位置以及到达点位置确定该其它兴趣点的朝向角。在一些实施例中,朝向角可以定义为其它兴趣点的挂牌朝向的方位与起点方位之间的夹角;例如以正北方向为起点方位,其它兴趣点的挂牌朝向的方位从该起点方位按照顺时针转过的角度即为该其它兴趣点的朝向角。需要说明的是,该起点方位可以根据实际情况而定,在此不做具体限制。
本实施例中,将目标兴趣点所在楼块的其它兴趣点对应的朝向角进行聚类,所得到的聚类结果可以包括一个或多个聚类簇,每个聚类簇中可以包括一个或多个成员,该成员可以是其它兴趣点对应的朝向角,并且每个聚类簇中还可以包括一个聚类中心。在一些实施例中,可以从多个聚类簇中筛选出成员数量最多的一个聚类簇,并将该聚类簇的聚类中心确定为目标兴趣点的目标朝向角。
在一些实施例中,在对其它兴趣点对应的朝向角进行聚类的过程中,基于各个朝向角之间的角度差值进行聚类,将角度差值相差不大(例如大于预设角度阈值)的一个或多个朝向角聚为一类,而将角度差值(小于或等于预设角度阈值)相差较大的一个或多个朝向角聚为不同类。因此,在一个聚类簇中成员数量较多时,可以理解为该楼块内数量较多的兴趣点的朝向角大致接近,因此目标兴趣点的朝向角大概率也与这些兴趣点接近,因此可以将该聚类簇中聚类中心确定为该目标兴趣点的朝向角。
在确定了目标兴趣点的朝向角之后,可以将目标兴趣点在电子地图上的位置沿该朝向角延伸,延伸后的射线与该楼块周边的道路相交,而基于相交的位置即可确定目标兴趣点的到达点。
本公开实施例针对无资料目标兴趣点,在挖掘该兴趣点的到达点时,通过获取该目标兴趣点所在楼块内的其它兴趣点的到达点和楼块的周边道路数据,并基于其它兴趣点的到达点确定其它兴趣点的朝向角,进而再通过将其它兴趣点的朝向角进行聚类的方式,得到成员数量最多的聚类簇后,将该聚类簇的聚类中心确定为目标兴趣点的朝向角;基于目标兴趣点的朝向角以及目标兴趣点的地理位置确定目标兴趣点的到达点。通过这种方式,可以在目标兴趣点无资料可挖掘的情况下,通过参考目标兴趣点所在楼块内的其它兴趣点的朝向角进而获得目标兴趣点的朝向角,并基于该朝向角挖掘出目标兴趣点的到达点,能够提高无资料可依据的目标兴趣点的到达点的准确率。
在本实施例的一个可选实现方式中,步骤S102,即对所述其它兴趣点的朝向角进行聚类,得到聚类簇的步骤,进一步包括以下步骤:
选取所述其他兴趣点的朝向角中的其中一个,与已有的聚类簇进行聚类,在无已有的聚类簇或者无法聚类至已有的聚类簇时,生成新的聚类簇,直到所有朝向角均被聚类至相应的聚类簇;
计算已生成的所述聚类簇的目标聚类中心,并将所述其它兴趣点的所述朝向角按照所述目标聚类中心重新进行聚类,聚类完成后重新计算聚类得到的所述聚类簇的目标聚类中心,并重复上一步骤直到所述目标聚类中心不再发生变化。
该可选的实现方式中,可以针对所有其他兴趣点的朝向角进行初始聚类,初始聚类方式可以是将任意一个朝向角作为一个聚类簇的聚类中心,进而将其他朝向角与该聚类簇的聚类中心进行比较,如果能够聚为一类,则加入该聚类簇,如果不能聚为一类则重新生成一个聚类簇,后续的朝向角则与已有的聚类簇的聚类中心分别进行比较,如果均不能聚为一类,依然生成新的一个聚类簇,以此类推,直到所有朝向角均遍历完毕,进而得到初始聚类得到的一个或多个聚类簇。
对于初始聚类的
一个或多个聚类簇,分别计算目标聚类中心,并将所有朝向角与已有的目标聚类中心进行比较,并将该朝向角聚类至最接近的一个目标聚类中心所在的聚类簇,重复上述步骤,直到所有朝向角均被遍历一遍为止,之后再重新计算每个聚类簇的目标聚类中心,并将所有朝向角重新进行聚类,直到目标聚类中心不再发生变化为止。
最终得到的目标聚类中心对应的聚类簇为最终聚类簇。
在本实施例的一个可选实现方式中,步骤S102,即选取所述其他兴趣点的朝向角中的其中一个,与已有的聚类簇进行聚类,在无已有的聚类簇或者无法聚类至已有的聚类簇时,生成新的聚类簇,直到所有朝向角均被聚类至相应的聚类簇的步骤,进一步包括以下步骤:
将其中一个所述其它兴趣点的朝向角作为初始聚类簇的候选聚类中心,剩余的所述其它兴趣点的朝向角构成待聚类朝向角队列;
将从所述待聚类朝向角队列中读取的朝向角作为待聚类朝向角,与已有的聚类簇的所述候选聚类中心进行比较,将符合条件的待聚类朝向角聚类至所述聚类簇,而对于不符合条件的待聚类朝向角则生成新的聚类族,并将其作为新的聚类簇的候选聚类中心,重复前述步骤,直至将所述待聚类朝向角队列中的朝向角聚类至相应的聚类簇。
该可选的实现方式中,通过对经典的kmeans聚类算法进行改进,使得得到的聚类结果中聚类簇的数量不固定。经典的kmeans算法中,通过给定的k,决定聚类簇的数量(小于或等于k)。
本实施例中,从其它兴趣点的朝向角中抽取其中一个朝向角,作为初始的聚类簇的候选聚类中心;然后从剩余的朝向角中抽取一个朝向角,将该后抽取的朝向角与上述候选聚类中心进行聚类,如果该后抽取的朝向角能够与该候选聚类中心聚为一类,则将该后抽取的朝向角加入该候选聚类中心所在的聚类簇中,如果不能聚为一类,则生成新的一个聚类簇,将该后抽取的朝向角确定为该新的一个聚类簇的候选聚类中心。重复上述步骤,将剩余的朝向角与已生成的聚类簇的候选聚类中心进行聚类,并在剩余的朝向角均遍历完成之后,可以得到一个或多个聚类簇,并且每个聚类簇中均包括一个候选聚类中心。
之后,针对所生成的一个或多个聚类簇,计算每个聚类簇中的目标聚类中心。在一些实施例中,该目标聚类中心可以通过计算该聚类簇中所有成员(也即朝向角)的平均值的方式获得。
针对每个聚类簇计算得到目标聚类中心之后,可以将其它兴趣点的所有朝向角再重新聚类一遍,也即将所有朝向角与所有的目标聚类中心进行聚类,对于无法与任意一个目标聚类中心聚为一类的朝向角,可以生成新的聚类簇。重复该步骤,上述步骤中所有朝向角均与目标聚类中心进行过聚类之后,再次计算每个聚类簇中的目标聚类中心,并将每个朝向角与新的目标聚类中心进行聚类,依次类推,直到目标聚类中心不再发生变化位置。
在本实施例的一个可选实现方式中,将从所述待聚类朝向角队列中读取的朝向角作为待聚类朝向角,与已有的聚类簇的所述候选聚类中心进行比较,将符合条件的待聚类朝向角聚类至所述聚类簇的步骤,进一步包括以下步骤:
在所述待聚类朝向角与所述候选聚类中心的角度之差小于或等于角度预设值时,将所述待聚类朝向角与所述候选聚类中心聚类至所述聚类簇。
该可选的实现方式中,在聚类过程中,通过加入待聚类朝向角与聚类中心的角度差限制,使得聚类簇数量可以根据实际情况动态变化。也即在聚类过程中,在待聚类朝向角与某个聚类簇的聚类中心的角度之差小于或者等于角度预设值时,则将该待聚类朝向角聚类至该聚类中心一簇,而在待聚类朝向角与聚类中心的角度之差大于角度预设值时,该待聚类朝向角聚类与该聚类中心不聚为一簇。在一些实施例中,角度预设值可以根据实际需求设定,比如可以设置为15度等。
而在所述待聚类朝向角与所述候选聚类中心的角度之差大于所述角度预设值时,所述待聚类朝向角与所述候选聚类中心聚类至不同聚类簇。
本实施例中基于kmeans聚类算法的思想,保证了最后聚类结果的动态平衡,使得聚类结果达到预期效果。
图2示出根据本公开一实施方式中改进后的kmeans聚类算法的实现流程图。如图2所示,该方法包括如下步骤:
在步骤S201中,基于其它兴趣点的朝向角构成初始朝向角队列A。
在步骤S202中,从初始朝向角队列中随机抽取出(在一些其他实施例中,也可以通过其他方式抽取)一个角度b1,将其作为当前聚类结果中聚类簇的候选聚类中心,剩余的朝向角构成待聚类朝向角队列S1。
在步骤S203中,从S1中再随机抽取出一个角度b2,如果b2和b1角度差小于或等于15度,则(b1,b2)聚为一簇,且b1依然是该聚类簇的候选聚类中心,如果b2和b1的角度差大于15度,则(b2)被生成为单独的一簇,且该聚类簇的候选聚类中心为b2,此时生成了两个聚类簇,分别为(b1)和(b2),且b1为一个簇中心,b2为另一个簇中心。
在步骤S204中,判断S1是否为空,如果不为空则重复步骤203中的操作,把S1中的角度遍历一遍;如果为空,则转步骤S205。
在步骤S205中,针对生成的所有聚类簇,求出每个聚类簇的聚类中心(例如可以通过求每个聚类簇中朝向角的平均值得到聚类中心),然后把初始朝向角队列A中的所有朝向角按上述求出的聚类中心重新进行聚类,该聚类方式与上述3中的类似,通过确定朝向角与聚类中心之间的角度差是否小于或等于15度来确定是否可以被聚类至该聚类中心所在的聚类簇,对于无法与任意一个聚类中心聚为一簇的朝向角,可以重新生成新的聚类簇。
在步骤S206中,判断求出的聚类中心较上一次是否有变化,如果有变化则重复步骤205,直到求出的聚类中心不再发生变化;如果没有变化,则转步骤S207。
在步骤S207中,输出聚簇结果;该聚簇结果包括聚类簇中的所有成员(也即被聚类至该聚类簇的朝向角)和聚类中心。
在本实施例的一个可选实现方式中,所述方法进一步还包括以下步骤:
在成员数量最多的聚类簇和成员数量次多的聚类簇的成员数量之差处于预设范围时,过滤所述目标兴趣点的到达点。
该可选的实现方式中,基于同一楼块内终点位置可信的其它兴趣点的到达点和楼块周边道路数据挖掘出目标兴趣点的到达点之后,为了能够更进一步地提高该到达点的准确度,可以对所挖掘出的到达点进行过滤,过滤掉准确度不够高的到达点。需要说明的是,对于过滤掉所挖掘出的到达点的目标兴趣点,可以将其达到点恢复为显示抓图得到的到达点。
在一些实施例中,一种过滤方式是:基于成员数量最多的聚类簇和成员数量次多的聚类簇的成员数量之间的比较结果过滤目标兴趣点的到达点。该种方式下,如果生成的多个聚类簇中,成员数量最多的第一聚类簇和成员数量次多的第二聚类簇的成员数量差不多,比如差值在3以内,则目标兴趣点的朝向角可能与第一聚类簇的聚类中心一致,也可能与第二聚类簇的聚类中心一致,为了避免目标兴趣点挖掘出的到达点出现错误,可以将该目标兴趣点的到达点进行过滤。
在本实施例的一个可选实现方式中,所述方法进一步还包括以下步骤:
在所述目标兴趣点的所述到达点与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第一边的长度大于或等于所述目标兴趣点的初始终点位置与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第二边的长度时,过滤所述目标兴趣点的到达点。
该可选的实现方式中,基于同一楼块内终点位置可信的其它兴趣点的到达点和楼块周边道路数据挖掘出目标兴趣点的到达点之后,为了能够更进一步地提高该到达点的准确度,可以对所挖掘出的到达点进行过滤,过滤掉准确度不够高的到达点。需要说明的是,对于过滤掉所挖掘出的到达点的目标兴趣点,可以将其达到点恢复为显示抓图得到的到达点。
在一些实施例中,一种过滤方式是:基于目标兴趣点的到达点与目标兴趣点的地理位置之间的连线与楼块边界所交的第一边的长度、目标兴趣点的初始终点位置与目标兴趣点的地理位置之间的连线与楼块边界所交的第二边的长度之间的比较结果过滤目标兴趣点的到达点。该种方式下,从到达点至目标兴趣点的连线如果与楼块边界相交的边较短,比如长于初始终点位置至目标兴趣点的连线与楼块边界相交的边的长度,则可以认为该到达点的准确度较低,可以将其过滤。
在本实施例的一个可选实现方式中,所述方法进一步还包括以下步骤中的至少之一:
基于所述目标兴趣点的类型过滤所述目标兴趣点的到达点;
基于所述目标兴趣点的地理位置与所述目标兴趣点的所述到达点之间的第一距离、所述目标兴趣点的地理位置与所述目标兴趣点的初始终点位置之间的第二距离的长度对比结果过滤所述目标兴趣点的到达点;所述初始终点位置为基于地图数据预先确定的所述目标兴趣点的初始到达点;
基于所述目标兴趣点与所述目标兴趣点的所述到达点之间的连线是否跨越其它楼块过滤所述目标兴趣点的到达点;
基于所述目标兴趣点的所述到达点所在道路的属性,以及所述目标兴趣点的初始终点位置所在道路的属性之间的对比结果过滤所述目标兴趣点的到达点。
该可选的实现方式中,基于同一楼块内终点位置可信的其它兴趣点的到达点和楼块周边道路数据挖掘出目标兴趣点的到达点之后,为了能够更进一步地提高该到达点的准确度,可以对所挖掘出的到达点进行过滤,过滤掉准确度不够高的到达点。需要说明的是,对于过滤掉所挖掘出的到达点的目标兴趣点,可以将其达到点恢复为显示抓图得到的到达点。
过滤的方式还包括以下方式中的一种或多种的组合:
1、基于目标兴趣点的类型过滤目标兴趣点的到达点。该种方式下,在目标兴趣点的类型已知的情况下,可以根据该类型与到达点之间的匹配度进行过滤,目标兴趣点的类型例如可以是风景名声、交通设施、地名地址等。
2、基于目标兴趣点的地理位置与目标兴趣点的到达点之间的第一距离、目标兴趣点的地理位置与目标兴趣点的初始终点位置之间的第二距离的长度对比结果过滤目标兴趣点的到达点;初始终点位置为基于地图数据预先确定的目标兴趣点的初始到达点。该种方式下,初始终点位置为显示抓图得到的到达点,而如果挖掘出的到达点与目标兴趣点之间的直线距离长于显示抓图得到的初始终点位置与目标兴趣点之间的直线距离还长,则挖掘出的到达点可能有误的概率较大,因此,将该目标兴趣点的到达点进行过滤。
3、基于目标兴趣点与目标兴趣点的到达点之间的连线是否跨越其它楼块过滤目标兴趣点的到达点。该种方式下,如果挖掘出的到达点与目标兴趣点之间的连线需要跨越其它楼块,则可以认为该挖掘出的到达点距离目标兴趣点较远,需要绕过其它楼栋,因此该到达点有误的可能性也比较大,可以将其过滤。
4、基于目标兴趣点的到达点所在道路的属性过滤目标兴趣点的到达点。该种方式下,到达点位于公共道路上更为准确,因此可以通过判断挖掘出的到达点所在道路的属性来判断该到达点的准确度。如果到达点所在道路的属性不符合预先的设置,比如该道路不是公共道路,则可以过滤该到达点。在一些实施例中,也可以通过比较挖掘出的到达点所在道路的属性与显示抓图得到的初始终点位置的属性在属性不一致时,将挖掘出的该到达点过滤。
在本实施例的一个可选实现方式中,所述方法进一步还包括以下步骤:
在所述目标兴趣点的所述到达点所在的道路与所述目标兴趣点的初始终点位置所在的道路相交,且所述目标兴趣点的所述到达点和所述初始终点位置与交点的距离均小于预设距离阈值时,将所述目标兴趣点的所述到达点更新至所述交点的位置。该可选的实现方式中,为了提高到达点的准确度,还可以通过优化挪位的方式将通过上文中描述的方式挖掘出的到达点挪到更为准确的新的到达点。
在一些实施例中,优化挪位的方式至少包括以下方式:
在目标兴趣点的到达点所在的道路与目标兴趣点的初始终点位置所在的道路相交,且该到达点和该初始终点位置与交点的距离均小于预设距离阈值时,将该到达点的位置更新至该交点的位置。
在本实施例的一个可选实现方式中,所述方法进一步还包括以下步骤:
在所述目标兴趣点的所述到达点所在的道路为上下线分离道路,并且所述到达点所在道路的下游节点至所述到达点的第一距离小于或等于第一距离阈值,而所述到达点所在道路的上游节点至所述到达点的第二距离大于或等于第二距离阈值,则将所述到达点更新为所述下游节点所在的位置。
在一些实施例中,优化挪位的方式至少包括以下方式:
在挖掘出的目标兴趣点的到达点所在的道路为上下线分离道路,并且到达点所在道路的下游节点至到达点的第一距离小于或等于第一距离阈值,而到达点所在道路的上游节点至到达点的第二距离大于或等于第二距离阈值,则将到达点更新为下游节点所在的位置。其中,上下线分离道路是指上行路和下行路之间有隔栏的道路或者该道路为高速路之类的,也即无法从上行路或者下行路直接掉头到对面的下行路或者上行路,而是需要绕路到上游节点才能掉头的道路。上游节点可以理解为在道路行驶前方与其他道路的交汇之处,而下游节点可以理解为在道路行驶后方与其他道路的交汇之处。
在本实施例的一个可选实现方式中,步骤S104中基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点的步骤,进一步包括以下步骤:
将延伸后与周边道路相交的多个位置点中,与所述目标兴趣点的地理位置距离最短的位置点确定为所述到达点。
该可选的方式中,在确定了目标兴趣点的朝向角之后,针对目标兴趣点在地图上的显示位置,以该显示位置为起点,在朝向角方向上做射线向外延伸,以便找到与楼块周边道路的交点。通常情况下,延伸后与道路的交点不止一个,比如在多条并行道路的情况下,可以得到多个交点。针对所获得的道路交点,从中找出显示位置与道路交点的连线线段最短的道路交点,将其作为目标兴趣点的挖掘到达点。
根据本公开一实施方式的基于位置的服务提供方法,该基于位置的服务提供方法包括:利用上述到达点挖掘方法所确定的到达点为被服务对象提供位置基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
本实施例中,该基于位置的服务提供方法可以在终端上执行,终端是手机、ipad、电脑、智能手表、车辆等。本公开实施例,针对电子地图上的目标兴趣点,利用上文提及的到达点挖掘方法挖掘到目标兴趣点的到达点,在基于位置的服务过程中,可以使用该达到点,将被服务对象引导至目标兴趣点附近,方便被服务对象在抵达到达点之后能够准确地定位目标兴趣点。
被服务对象可以是手机、ipad、电脑、智能手表、车辆、机器人等。对被服务对象进行引导的过程中可以基于上述到达点挖掘方法得到的到达点进行引导,具体细节可以参见上述对到达点挖掘方法的描述,在此不再赘述。
图3示出根据本公开一实施方式中无资料底商的到达点挖掘方法的应用场景示意图。如图3所示,在针对城市A中的某个商圈挖掘无资料底商的到达点时,服务器收集该针对该商圈的基础数据,该基础数据可以包括但不限于人工到达点引导策略POI、挖掘到达点引导策略POI、朝向角引导策略POI、显示抓路引导策略POI、高可信到达点POI(包括全域挖掘高可信POI、session挖掘高可信POI)、道路基础信息(路网信息和node节点信息)、楼块基础信息(渲染楼块和卫星楼块)。上述POI是指基于相应的引导策略已经得到到达点的POI,比如人工到达引导策略POI为基于人工方式获得到达点的POI,其中一些POI的引导策略由于采用了与POI相关的资料数据得到的到达点,因此该到达点比较可信,而一些POI的引导策略由于无资料可用,因此得到的到达点不太可信,本方案中将到达点可信的POI称之为有资料底商POI,而到达点不可信的POI称之为无资料底商POI。
服务器在收集了上述基础数据之后,对基础数据进行处理。在处理过程中,首先区分同一楼栋内的有资料底商POI和无资料底商POI。无资料底商POI主要包括上述基础数据中收集的显示抓路引导策略POI,而人工到到达点引导策略POI、挖掘到达点引导策略POI、朝向角引导策略POI为有挖掘策略的POI,可以认为是有资料底商POI,此外,全域挖掘高可信POI、session挖掘高可信POI为高可信POI,也属于有资料底商POI。
服务器还基于基础数据中每个楼栋周边的道路数据、节点信息和周围其他楼栋的信息,计算每一个有资料底商POI的朝向角,该朝向角可以基于POI在电子地图上的显示位置和已知的到达点之间的连线所对应的射线的方向确定,比如可以预设正北方向为0度,角度沿顺时针方向增加。
服务器还根据有资料底商POI的朝向角挖掘无资料底商POI的到达点,具体包括:
针对同一栋楼内所有有资料底商POI的朝向角执行改进后的kmeans聚类算法,生成多个聚类簇,聚类簇的数量不固定,每个聚类簇中包括多个成员,每个成员为有资料底商POI的朝向角。
将成员数量最多的聚类簇的聚类中心确定为无资料底商POI的朝向角;
根据无资料底商POI在地图上的显示坐标和朝向角做射线,计算射线和楼栋周边道路的交点,找出显示坐标和多个交点之间连线线段最短的交点,确定为无资料底商POI的挖掘到达点,保存挖掘到达点所在道路的道路属性。
针对商圈内的所有楼栋均执行上述挖掘流程,获得所有楼栋内无资料底商POI的挖掘到达点。
进一步地,服务器还对上述挖掘到达点进行过滤和优化。过滤过程中,将可能存在错误的挖掘到达点删除,将删除了挖掘到达点的无资料底商POI的到达点恢复成显示抓路引导策略得到的到达点。在优化过程中,为了避免绕路,利用优化策略将挖掘到达点挪位至更优的位置处,最终得到商圈内各个楼栋的无资料底商POI的到达点。
下述为本公开装置实施例,可以用于执行本公开方法实施例。
图4示出根据本公开一实施方式的到达点挖掘装置的结构框图。该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图4所示,该到达点挖掘装置包括:
获取模块401,被配置为获取待挖掘到达点的目标兴趣点所在楼块的基础数据;所述基础数据包括所述楼块中至少一个终点位置可信的其它兴趣点的到达点和所述楼块的周边道路数据;
聚类模块402,被配置为对所述其它兴趣点的朝向角进行聚类,得到聚类簇;其中,所述其它兴趣点的所述朝向角基于所述其它兴趣点的地理地理位置以及所述其它兴趣点的所述到达点确定;
第一确定模块403,被配置为将簇成员数量最多的聚类簇的聚类中心,确定为所述目标兴趣点的目标朝向角;
第二确定模块404,被配置为将所述目标兴趣点的地理位置沿所述目标朝向角的方向延伸,并基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点。
在本实施例的一个可选实现方式中,所述聚类模块,包括:
初始聚类子模块,被配置为选取所述其他兴趣点的朝向角中的其中一个,与已有的聚类簇进行聚类,在无已有的聚类簇或者无法聚类至已有的聚类簇时,生成新的聚类簇,直到所有朝向角均被聚类至相应的聚类簇;
优化聚类子模块,被配置为计算已生成的所述聚类簇的目标聚类中心,并将所述其它兴趣点的所述朝向角按照所述目标聚类中心重新进行聚类,聚类完成后重新计算聚类得到的所述聚类簇的目标聚类中心,并重复上一步骤直到所述目标聚类中心不再发生变化。
在本实施例的一个可选实现方式中,所述初始聚类子模块,包括:
构成子模块,被配置为将其中一个所述其它兴趣点的朝向角作为初始聚类簇的候选聚类中心,剩余的所述其它兴趣点的朝向角构成待聚类朝向角队列;
读取子模块,被配置为将从所述待聚类朝向角队列中读取的朝向角作为待聚类朝向角,与已有的聚类簇的所述候选聚类中心进行比较,将符合条件的待聚类朝向角聚类至所述聚类簇,而对于不符合条件的待聚类朝向角则生成新的聚类族,并将其作为新的聚类簇的候选聚类中心,重复前述步骤直至将所述待聚类朝向角队列中的朝向角聚类至相应的聚类簇。
在本实施例的一个可选实现方式中,所述读取子模块,包括:
聚类子模块,被配置为在所述待聚类朝向角与所述候选聚类中心的角度之差小于或等于角度预设值时,将所述待聚类朝向角与所述候选聚类中心聚类至所述聚类簇。
在本实施例的一个可选实现方式中,所述装置还包括:
第一过滤模块,被配置为在成员数量最多的聚类簇和成员数量次多的聚类簇的成员数量之差处于预设范围时,过滤所述目标兴趣点的到达点。
在本实施例的一个可选实现方式中,所述装置还包括:
第二过滤模块,被配置为基于所述目标兴趣点的所述到达点与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第一边的长度、所述目标兴趣点的初始终点位置与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第二边的长度之间的比较结果过滤所述目标兴趣点的到达点。
在本实施例的一个可选实现方式中,所述装置还包括以下至少之一:
第三过滤模块,被配置为基于所述目标兴趣点的类型过滤所述目标兴趣点的到达点;
第四过滤模块,被配置为基于所述目标兴趣点的地理位置与所述目标兴趣点的所述到达点之间的第一距离、所述目标兴趣点的地理位置与所述目标兴趣点的初始终点位置之间的第二距离的长度对比结果过滤所述目标兴趣点的到达点;所述初始终点位置为基于地图数据预先确定的所述目标兴趣点的初始到达点;
第五过滤模块,被配置为基于所述目标兴趣点与所述目标兴趣点的所述到达点之间的连线是否跨越其它楼块过滤所述目标兴趣点的到达点;
第六过滤模块,被配置为基于所述目标兴趣点的所述到达点所在道路的属性过滤所述目标兴趣点的到达点。
在本实施例的一个可选实现方式中,所述装置还包括:
第一更新模块,被配置为在所述目标兴趣点的所述到达点所在的道路与所述目标兴趣点的初始终点位置所在的道路相交,且所述目标兴趣点的所述到达点和所述初始终点位置与交点的距离均小于预设距离阈值时,将所述目标兴趣点的所述到达点更新至所述交点的位置。
在本实施例的一个可选实现方式中,所述装置还包括:
第二更新模块,被配置为在所述目标兴趣点的所述到达点所在的道路为上下线分离道路,并且所述到达点所在道路的下游节点至所述到达点的第一距离小于或等于第一距离阈值,而所述到达点所在道路的上游节点至所述到达点的第二距离大于或等于第二距离阈值,则将所述到达点更新为所述下游节点所在的位置。
在本实施例的一个可选实现方式中,所述第二确定模块,包括:
确定子模块,被配置为将延伸后与周边道路相交的多个位置点中,与所述目标兴趣点的地理位置距离最短的位置点确定为所述到达点。
本实施例中的到达点挖掘装置与上文中的到达点挖掘方法对应一致,具体细节可以参见上述对到达点挖掘方法的描述,在此不再赘述。
根据本公开一实施方式的基于位置的服务提供装置,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。该基于位置的服务提供装置利用上述到达点挖掘装置所确定的到达点为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
本实施例中的基于位置的服务提供装置与上文中的基于位置的服务提供方法对应一致,具体细节可以参见上述对基于位置的服务提供方法的描述,在此不再赘述。
图5是适于用来实现根据本公开实施方式的到达点挖掘和/或基于位置的服务提供方法的电子设备的结构示意图。
如图5所示,电子设备500包括处理单元501,其可实现为CPU、GPU、FPGA、NPU等处理单元。处理单元501可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行本公开上述任一方法的实施方式中的各种处理。在RAM503中,还存储有电子设备500操作所需的各种程序和数据。处理单元501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施方式,上文参考本公开实施方式中的任一方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,所述计算机程序包含用于执行本公开实施方式中任一方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种到达点挖掘方法,其中,包括:
获取待挖掘到达点的目标兴趣点所在楼块的基础数据;所述基础数据包括所述楼块中至少一个终点位置可信的其它兴趣点的到达点和所述楼块的周边道路数据;
对所述其它兴趣点的朝向角进行聚类,得到聚类簇;其中,所述其它兴趣点的所述朝向角基于所述其它兴趣点的地理位置以及所述其它兴趣点的所述到达点确定;
将簇成员数量最多的聚类簇的聚类中心,确定为所述目标兴趣点的目标朝向角;
将所述目标兴趣点的地理位置沿所述目标朝向角的方向延伸,并基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点。
2.根据权利要求1所述的方法,其中,对所述其它兴趣点的朝向角进行聚类,得到聚类簇,包括:
选取所述其他兴趣点的朝向角中的其中一个,与已有的聚类簇进行聚类,在无已有的聚类簇或者无法聚类至已有的聚类簇时,生成新的聚类簇,直到所有朝向角均被聚类至相应的聚类簇;
计算已生成的所述聚类簇的目标聚类中心,并将所述其它兴趣点的所述朝向角按照所述目标聚类中心重新进行聚类,聚类完成后重新计算聚类得到的所述聚类簇的目标聚类中心,并重复上一步骤直到所述目标聚类中心不再发生变化。
3.根据权利要求1所述的方法,其中,选取所述其他兴趣点的朝向角中的其中一个,与已有的聚类簇进行聚类,在无已有的聚类簇或者无法聚类至已有的聚类簇时,生成新的聚类簇,直到所有朝向角均被聚类至相应的聚类簇,包括:
将其中一个所述其它兴趣点的朝向角作为初始聚类簇的候选聚类中心,剩余的所述其它兴趣点的朝向角构成待聚类朝向角队列;
将从所述待聚类朝向角队列中读取的朝向角作为待聚类朝向角,与已有的聚类簇的所述候选聚类中心进行比较,将符合条件的待聚类朝向角聚类至所述聚类簇,而对于不符合条件的待聚类朝向角则生成新的聚类族,并将其作为新的聚类簇的候选聚类中心,重复前述步骤直至将所述待聚类朝向角队列中的朝向角聚类至相应的聚类簇。
4.根据权利要求3所述的方法,其中,将从所述待聚类朝向角队列中读取的朝向角作为待聚类朝向角,与已有的聚类簇的所述候选聚类中心进行比较,将符合条件的待聚类朝向角聚类至所述聚类簇,包括:
在所述待聚类朝向角与所述候选聚类中心的角度之差小于或等于角度预设值时,将所述待聚类朝向角与所述候选聚类中心聚类至所述聚类簇。
5.根据权利要求1-3任一项所述的方法,其中,所述方法还包括:
在成员数量最多的聚类簇和成员数量次多的聚类簇的成员数量之差处于预设范围时,过滤所述目标兴趣点的到达点。
6.根据权利要求1-3任一项所述的方法,其中,所述方法还包括:
在所述目标兴趣点的所述到达点与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第一边的长度大于或等于所述目标兴趣点的初始终点位置与所述目标兴趣点的地理位置之间的连线与所述楼块边界所交的第二边的长度时,过滤所述目标兴趣点的到达点。
7.根据权利要求1-3任一项所述的方法,其中,所述方法还包括以下至少之一:
在所述目标兴趣点与所述到达点的类型不相匹配时,过滤所述目标兴趣点的到达点;
在所述目标兴趣点的地理位置与所述目标兴趣点的所述到达点之间的第一距离大于或等于所述目标兴趣点的地理位置与所述目标兴趣点的初始终点位置之间的第二距离时,过滤所述目标兴趣点的到达点;所述初始终点位置为基于地图数据预先确定的所述目标兴趣点的初始到达点;
在所述目标兴趣点与所述目标兴趣点的所述到达点之间的连线跨越其它楼块时,过滤所述目标兴趣点的到达点;
在所述目标兴趣点的所述到达点所在道路的属性不符合预设属性时,过滤所述目标兴趣点的到达点。
8.根据权利要求1-3任一项所述的方法,其中,所述方法还包括:
在所述目标兴趣点的所述到达点所在的道路与所述目标兴趣点的初始终点位置所在的道路相交,且所述目标兴趣点的所述到达点和所述初始终点位置与交点的距离均小于预设距离阈值时,将所述目标兴趣点的所述到达点更新至所述交点的位置。
9.根据权1-3所述的方法,其中,所述方法还包括:
在所述目标兴趣点的所述到达点所在的道路为上下线分离道路,并且所述到达点所在道路的下游节点至所述到达点的第一距离小于或等于第一距离阈值,而所述到达点所在道路的上游节点至所述到达点的第二距离大于或等于第二距离阈值,则将所述到达点更新为所述下游节点所在的位置。
10.根据权利要求1-3任一项所述的方法,其中,基于延伸后与周边道路相交的位置确定所述目标兴趣点的到达点,包括:
将延伸后与周边道路相交的多个位置点中,与所述目标兴趣点的地理位置距离最短的位置点确定为所述到达点。
11.一种基于位置的服务提供方法,其中,所述方法利用权利要求1-10任一项所述的方法所确定的到达点为被服务对象提供基于位置的服务,所述基于位置的服务包括:导航、地图渲染、路线规划中的一种或多种。
12.一种计算机程序产品,其包括计算机指令,其中,该计算机指令被处理器执行时实现权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093032.5A CN114595266A (zh) | 2022-01-26 | 2022-01-26 | 到达点挖掘方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093032.5A CN114595266A (zh) | 2022-01-26 | 2022-01-26 | 到达点挖掘方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114595266A true CN114595266A (zh) | 2022-06-07 |
Family
ID=81806668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210093032.5A Pending CN114595266A (zh) | 2022-01-26 | 2022-01-26 | 到达点挖掘方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114595266A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115525841A (zh) * | 2022-10-14 | 2022-12-27 | 高德软件有限公司 | 兴趣点信息的获取方法、电子设备及存储介质 |
-
2022
- 2022-01-26 CN CN202210093032.5A patent/CN114595266A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115525841A (zh) * | 2022-10-14 | 2022-12-27 | 高德软件有限公司 | 兴趣点信息的获取方法、电子设备及存储介质 |
CN115525841B (zh) * | 2022-10-14 | 2024-02-02 | 高德软件有限公司 | 兴趣点信息的获取方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11544950B2 (en) | Method and apparatus for updating road map geometry based on received probe data | |
US11151905B2 (en) | Navigable topological maps | |
US10006774B2 (en) | Method of resolving a point location from encoded data representative thereof | |
US8996523B1 (en) | Forming quality street addresses from multiple providers | |
CN109478184B (zh) | 识别、处理和显示数据点聚类 | |
CN110383006B (zh) | 用于基于探针数据更新道路地图几何形状的方法和设备 | |
US8738284B1 (en) | Method, system, and computer program product for dynamically rendering transit maps | |
US10677598B2 (en) | Map-centric map matching method and apparatus | |
US8209121B1 (en) | Registration of location data to street maps using hidden markov models, and application thereof | |
US11162797B2 (en) | Map matching method and apparatus | |
JP2012511721A (ja) | 目的地を判定するためのベクトルを有する地図データベース、及びベクトル判定方法 | |
CN113450455B (zh) | 用于生成停车场的道路链路的地图的方法、设备和计算机程序产品 | |
US10859392B2 (en) | Dynamic one-way street detection and routing penalties | |
CN112444254B (zh) | 生成地图版本间对应关系的方法、设备和计算机程序产品 | |
US9411822B2 (en) | System and method of generating and using open sky data | |
CN112444255B (zh) | 生成地图版本间对应关系的方法、设备和计算机程序产品 | |
CN111457925A (zh) | 社区路径导航方法、装置、计算机设备及存储介质 | |
US11428534B2 (en) | Method, apparatus, and computer program product for map matching location data to a map | |
US20230137263A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
CN114595266A (zh) | 到达点挖掘方法、电子设备及存储介质 | |
Teimouri et al. | Abstracting routes to their route-defining locations | |
CN114722890A (zh) | 目标场所的边界生成方法、装置、电子设备及存储介质 | |
CN102506850B (zh) | 一种地理位置的定位方法、装置及信息系统 | |
Gedicke et al. | Selecting Landmarks for Wayfinding Assistance Based on Advance Visibility | |
US20230132499A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations |
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 |