CN115271821A - 网点分布处理方法、装置、计算机设备及存储介质 - Google Patents
网点分布处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115271821A CN115271821A CN202210952788.0A CN202210952788A CN115271821A CN 115271821 A CN115271821 A CN 115271821A CN 202210952788 A CN202210952788 A CN 202210952788A CN 115271821 A CN115271821 A CN 115271821A
- Authority
- CN
- China
- Prior art keywords
- point
- target
- aggregated
- user
- mesh
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 72
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 title claims description 35
- 230000002776 aggregation Effects 0.000 claims abstract description 141
- 238000004220 aggregation Methods 0.000 claims abstract description 141
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 230000004931 aggregating effect Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000007667 floating Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- 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
- G06F16/248—Presentation of query results
-
- 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
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及人工智能技术，提供一种网点分布处理方法、装置、计算机设备与存储介质，包括：获取目标区域的初始网点集，并以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集；获取所述目标区域内的用户坐标，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中；检测是否存在未聚合至所述目标网格中的待聚合用户坐标；当检测结果为存在未聚合至所述目标网格中的所述待聚合用户坐标时，获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点；获取所述新聚合点对应的目标聚合信息；根据所述目标聚合信息确定是否新增网点。本申请能够提高网点分布的准确性，促进智慧城市的快速发展。
Description
技术领域
本申请涉及人工智能技术领域，尤其涉及一种网点分布处理方法、装置、计算机设备及存储介质。
背景技术
通过地图展示区域内网点相关信息，是目前比较直观的展现方式。现实生产活动中，很多经营活动都依赖于服务网点，而服务网点的分布是否合理，可能直接影响着企业服务是否可以获得更多市场、是否盈利。
在实现本申请的过程中，申请人发现现有技术存在如下问题：现有常见的网点分布方法，是将地图划分为若干个网格，每个网格只显示一个中心点，将落在网格中的用户坐标，聚合在网格的中心点，而聚合的点的数量值，作为是否设立网点的依据。然而，对于相邻的用户坐标，由于地图被分为了不同的网格，用户坐标也被迫分开在不同的网格进行计算，不能真实的反应出用户的聚合数据以及网点分布是否准确。
因此，有必要提供一种网点分布处理方法，能够提高网点分布的准确性。
发明内容
鉴于以上内容，有必要提出一种网点分布处理方法、网点分布处理装置、计算机设备及存储介质，能够提高网点分布的准确性。
本申请实施例第一方面还提供一种网点分布处理方法，所述网点分布处理方法包括：
获取目标区域的初始网点集，并以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集；
获取所述目标区域内的用户坐标，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中；
检测是否存在未聚合至所述目标网格中的待聚合用户坐标；
当检测结果为存在未聚合至所述目标网格中的所述待聚合用户坐标时，获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点；
获取所述新聚合点对应的目标聚合信息；
根据所述目标聚合信息确定是否新增网点。
进一步地，在本申请实施例提供的上述网点分布处理方法中，所述获取目标区域的初始网点集，包括：
检测所述目标区域是否存在网点标识；
当检测结果为所述目标区域存在所述网点标识时，获取所述网点标识；
根据所述网点标识遍历预先设置的网点标识与网点间的映射关系，得到初始网点集。
进一步地，在本申请实施例提供的上述网点分布处理方法中，所述以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集，包括：
以所述初始网点为中心点构建外部正方形作为网格；
获取所述外部正方形的边长到所述中心点的第一距离，所述第一距离对应的最大值为参数Y；
获取所述初始网点集中所述初始网点间的第二距离，所述第二距离的值为参数Z；
检测所述第一距离对应的最大值是否大于所述第二距离；
当检测结果为所述第一距离对应的最大值大于所述第二距离时，设定所述第一距离的值为参数Z；
当检测结果为所述第一距离对应的最大值不大于所述第二距离时，设定所述第一距离的值为参数Y；
将确定了第一距离值的网格作为所述初始网点的目标网格，组合所述目标网格，得到目标网格集。
进一步地，在本申请实施例提供的上述网点分布处理方法中，所述将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中，包括：
检测所述用户坐标是否处于一个所述目标网格中；
当检测结果为所述用户坐标处于一个所述目标网格中时，将所述用户坐标聚合至所处的所述目标网格中；
当检测结果为所述用户坐标处于多个所述目标网格中时，获取所述用户坐标与每个所述目标网格的距离，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。
进一步地，在本申请实施例提供的上述网点分布处理方法中，所述以所述待聚合用户坐标为中心点确定新聚合点，包括：
获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点构建外部正方形，得到第一待聚合用户网格；
获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点构建外部正方形，得到待聚合用户网格；
获取所述待聚合用户网格内的所述待聚合用户坐标的数量以及所述待聚合用户网格间的相交信息；
根据所述待聚合用户坐标的数量与所述相交信息确定新聚合点。
进一步地，在本申请实施例提供的上述网点分布处理方法中，所述获取所述新聚合点对应的目标聚合信息包括：
获取所述新聚合点对应网格内的预设坐标点，并确定所述预设坐标点对应的预设权重；
将所述待聚合用户坐标作为数据点，并根据所述预设权重确定所述新聚合点对应网格内的数据点数量；
确定所述数据点数量对应的数量等级，并将所述数量等级作为所述目标聚合信息。
进一步地，在本申请实施例提供的上述网点分布处理方法中，所述根据所述目标聚合信息确定是否新增网点包括：
检测所述数量等级是否达到预设等级；
当检测结果为所述数量等级达到所述预设等级时，根据所述数量等级遍历预先设置的数量等级与网点规模的查询关系，得到目标网点规模，并根据所述目标网点规模新增网点；
当检测结果为所述数量等级未达到所述预设等级时，确定不新增网点。
本申请实施例第二方面还提供一种网点分布处理装置，所述网点分布处理装置包括：
网点获取模块，用于获取目标区域的初始网点集，并以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集；
坐标聚合模块，用于获取所述目标区域内的用户坐标，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中；
坐标检测模块，用于检测是否存在未聚合至所述目标网格中的待聚合用户坐标；
聚合处理模块，用于当检测结果为存在未聚合至所述目标网格中的所述待聚合用户坐标时，获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点；
信息获取模块，用于获取所述新聚合点对应的目标聚合信息；
网点确定模块，用于根据所述目标聚合信息确定是否新增网点。
本申请实施例第三方面还提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如上述任意一项所述网点分布处理方法。
本申请实施例第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述网点分布处理方法。
本申请实施例提供的上述网点分布处理方法、网点分布处理装置、计算机设备以及计算机可读存储介质，通过以目标区域内的初始网点为中心点构建目标网格，将所述目标区域内的用户坐标聚合至与所述用户坐标的距离最近的目标网格中，并对未聚合至目标网格中的待聚合用户坐标重新聚合，得到新聚合点以及对应的目标聚合信息，根据目标聚合信息确定是否新增网点。本申请采用已知聚合点和动态进行网格划分方法，可以弥补相邻数据由于区域内地图被划分为不同的网格，造成聚合不准确问题；结合对现有的网点进行聚合展示，从而为业务提供网点分布规划，判断服务网点分布是否合理提供参考依据，提高网点分布的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中，比如智慧政务的网点分布处理模块等，能够促进智慧城市的快速发展。
附图说明
图1是本申请实施例一提供的网点分布处理方法的流程图。
图2是本申请实施例二提供的网点分布处理装置的结构图。
图3是本申请实施例三提供的计算机设备的结构示意图。
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例是本申请一部分实施例，而不是全部的实施例。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明实施例提供的网点分布处理方法由计算机设备执行，相应地，网点分布处理装置运行于计算机设备中。图1是本申请实施例一提供的网点分布处理方法的流程图。如图1所示，所述网点分布处理方法可以包括如下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略：
S11，获取目标区域的初始网点集，并以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集。
在本申请的至少一实施例中，所述目标区域是指要进行网点分布处理的区域。所述初始网点集是指若干初始网点的集合，所述初始网点集中可以存在一个初始网点，也可以存在多个初始网点。本申请实施例以所述初始网点集中存在多个初始网点为例。所述初始网点是指所述目标区域中现有的服务网点，用于为所述目标区域的用户提供相关服务。所述目标网格集是指若干目标网格的集合，对于每一个所述初始网点，均存在与之对应的所述目标网格。
可选地，所述获取目标区域的初始网点集包括：
检测所述目标区域是否存在网点标识；
当检测结果为所述目标区域存在所述网点标识时，获取所述网点标识；
根据所述网点标识遍历预先设置的网点标识与网点间的映射关系，得到初始网点集。
其中，所述网点标识用于标识服务网点信息，所述网点标识可以为数字标识、颜色标识或者字母标识，在此不做限制。所述网点标识与网点间存在映射关系，通过遍历所述映射关系，能够得到所述网点标识对应的初始网点，组合若干所述初始网点，得到初始网点集。
可选地，所述以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集，包括：
以所述初始网点为中心点构建外部正方形作为网格；
获取所述外部正方形的边长到所述中心点的第一距离，所述第一距离对应的最大值为参数Y；
获取所述初始网点集中所述初始网点间的第二距离，所述第二距离的值为参数Z；
检测所述第一距离对应的最大值是否大于所述第二距离；
当检测结果为所述第一距离对应的最大值大于所述第二距离时，设定所述第一距离的值为参数Z；
当检测结果为所述第一距离对应的最大值不大于所述第二距离时，设定所述第一距离的值为参数Y；
将确定了第一距离值的网格作为所述初始网点的目标网格，组合所述目标网格，得到目标网格集。
其中，以所述初始网点为中心点构建外部正方形作为网格，并对所述外部正方形的边长到所述中心点的距离进行相关设置，得到所述初始网点对应的目标网格，组合所述目标网格，能够得到目标网格集。所述外部正方形的边长到所述中心点的第一距离为浮动参数，所述第一距离对应的最大值为参数Y。获取所述初始网点集中所述初始网点间的第二距离，所述第二距离的值为参数Z，通过比较所述第二距离的值Z与所述第一距离对应的最大值参数Y之间的大小关系，确定所述第一距离的值，并将确定了第一距离值的网格作为所述初始网点的目标网格，组合所述目标网格，得到目标网格集。
S12，获取所述目标区域内的用户坐标，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。
在本申请的至少一实施例中，所述目标区域内包含若干用户，对于每一个用户，均存在与之对应的用户坐标，将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。所述用户可以是指享受网点提供服务的主体，所述用户坐标可以通过定位所述用户对应的移动终端确定，在此不做限制。本申请实施例采用动态进行网格划分的方式，可以弥补相邻数据被划分为不同的网格导致聚合不准确的问题。
可选地，所述将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中，包括：
检测所述用户坐标是否处于一个所述目标网格中；
当检测结果为所述用户坐标处于一个所述目标网格中时，将所述用户坐标聚合至所处的所述目标网格中；
当检测结果为所述用户坐标处于多个所述目标网格中时，获取所述用户坐标与每个所述目标网格的距离，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。
其中，所述获取所述用户坐标与每个所述目标网格的距离也即获取所述用户坐标与每个所述目标网格的中心点的距离。本申请采用已知聚合点和动态进行网格划分方法，可以弥补相邻数据由于区域内地图被划分为不同的网格，造成聚合不准确问题。
S13，检测是否存在未聚合至所述目标网格中的待聚合用户坐标。
当检测结果为存在未聚合至所述目标网格中的所述待聚合用户坐标时，执行步骤S14。
在本申请的至少一实施例中，所述待聚合用户坐标是指未能聚合至相应目标网格中的用户坐标。当检测结果为不存在未聚合至所述目标网格中的所述待聚合用户坐标时，此时，所述用户坐标均聚合在相应的所述目标网格中。通过确定所述目标网格中所述用户坐标的数量值，为业务提供网点分布参考。
S14，获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点。
在本申请的至少一实施例中，获取未能聚合至相应目标网格中的用户坐标，也即获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点。
可选地，所述以所述待聚合用户坐标为中心点确定新聚合点包括：
获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点构建外部正方形，得到待聚合用户网格；
获取所述待聚合用户网格内的所述待聚合用户坐标的数量以及所述待聚合用户网格间的相交信息；
根据所述待聚合用户坐标的数量与所述相交信息确定新聚合点。
其中，除去已经聚合至目标网格中的用户坐标，得到未聚合至所述目标网格中的所述待聚合用户坐标。获取所述待聚合用户坐标，并以每一所述待聚合用户坐标为中心点构建外部正方形，得到待聚合用户网格，所述待聚合用户坐标的数量与所述待聚合用户网格的数量相同。在一实施例中，所述待聚合用户网格间可能存在相交的情况，以待聚合用户网格A为例，待聚合用户网格A可能仅与一个待聚合用户网格B相交，也可能同时与待聚合用户网格B、C、D相交。对应地，一个所述待聚合用户网格内可能仅有一个待聚合用户坐标，也可能有多个待聚合用户坐标。所述以待聚合用户坐标为中心点构建的外部正方形的边长到中心点距离的值为浮动参数。将所述待聚合用户网格内的所述待聚合用户坐标的数量以及所述待聚合用户网格间的相交信息作为初始聚合点的选定依据设定选定的条件，条件一为：所述待聚合用户网格间相交数量最多的网格；条件二为：所述待聚合用户网格内的待聚合用户坐标的总数量。条件一的权重大于条件二的权重。在一实施例中，将相交数量最多的网格的中心点作为新聚合点，或者将待聚合用户坐标的总数量最多的网格的中心点作为新聚合点。所述新聚合点的数量可以为1个，也可以为多个，在此不做限制。
S15，获取所述新聚合点对应的目标聚合信息。
在本申请的至少一实施例中，所述目标聚合信息是指所述新聚合点对应网格内的数据点数量对应的数量等级的信息。在确定所述新聚合点之后，继续以所述新聚合点为中心点构建外部正方形作为网格，并以所述网格的边长到中心点的距离值构建新网格。新网格的数量可以为1个，也可以为多个，将待聚合用户坐标聚合至上述新网格中。其中，网格构建方法以及坐标聚合至网格的方法均在前文有描述，在此不做赘述。
可选地，所述获取所述新聚合点对应的目标聚合信息包括：
获取所述新聚合点对应网格内的预设坐标点，并确定所述预设坐标点对应的预设权重；
将所述待聚合用户坐标作为数据点，并根据所述预设权重确定所述新聚合点对应网格内的数据点数量；
确定所述数据点数量对应的数量等级，并将所述数量等级作为所述目标聚合信息。
其中，所述数量等级可以为预先设置的用于评估数据点数量大小的等级，例如，所述数量等级从高到低依次为数量等级A、数量等级B与数量等级C，其中，所述数量等级A中的数据点数量最多，所述数量等级C中的数据点数量最少。所述数据点数量与所述数量等级间存在对应关系，通过查询该对应关系，能够得到所述数据点数量对应的所述数量等级。本申请通过确定所述新聚合点对应的数量等级作为所述目标聚合信息，并依据所述目标聚合信息确定是否新增网点以及新增何种规模的网点，从而为相关业务提供网点分布规划，提高网点分布的准确性。
所述预设坐标点是指预先设置的与网点提供的服务相关的坐标点，所述预设坐标点可以为居民区、写字楼等，通过对居民区、写字楼此类用户聚集性较高的场所设定预设权重，并将该预设权重作为所述新聚合点对应网格点的数据点数量的考量指标，能够提高数据点数量确定的准确性，继而提高网点分布处理的准确性。
在一实施例中，在所述获取所述新聚合点对应网格内的预设坐标点之前，所述方法还包括：检测所述新聚合点对应网格内是否存在预设坐标点标识；当检测结果为所述新聚合点对应网格内存在所述预设坐标点标识时，确定所述新聚合点对应网格点存在预设坐标点，并根据所述预设坐标点标识确定对应的预设坐标点。所述预设坐标点标识是指用于标识预设坐标点的信息，标识的方式可以为文字标识、颜色标识或字母标识等，在此不做限制。可以理解的是，所述新聚合点对应网格内可能存在一个预设坐标点，也可能存在多个预设坐标点，还可能不存在预设坐标点。依据所述预设坐标点与对应新聚合点的中心点的距离设置所述预设坐标点的权重，所述预设坐标点与所述新聚合点的中心点的距离越近，所述预设坐标点的权重越大；所述预设坐标点与所述新聚点的中心点的距离越远，所述预设坐标点的权重越小。
在一实施例中，预先设置预设权重与数据点数量的对应关系，通过查询所述对应关系能够得到所述预设权重对应的数据点数量。示例性地，所述预设权重从大到小依次为3、2、1，其中，预设权重3对应的数据点数量为30，预设权重2对应的数据点数量为20，预设权重1对应的数据点数量为10。所述根据所述预设权重确定所述新聚合点对应网格内的数据点数量包括：获取所述新聚合点对应网格内所述待聚合用户坐标的第一数量；获取所述预设权重对应的第二数量；将所述第一数量与所述第二数量进行求和处理得到新聚合点对应网格内的数据点数量。示例性地，当所述新聚合点内包含待聚合用户坐标以及两个预设坐标点时，获取所述待聚合用户坐标的数量为5个，所述预设坐标点的预设权重分别为1与2，其中，预设权重1对应的数据点数量为10，预设权重2对应的数据点数量为20，此时，所述新聚合点对应网格内的数据点数量为35个。
S16，根据所述目标聚合信息确定是否新增网点。
在本申请的至少一实施例中，所述根据所述目标聚合信息确定是否新增网点包括：
检测所述数量等级是否达到预设等级；
当检测结果为所述数量等级达到所述预设等级时，根据所述数量等级遍历预先设置的数量等级与网点规模的查询关系，得到目标网点规模，并根据所述目标网点规模新增网点；
当检测结果为所述数量等级未达到所述预设等级时，确定不新增网点。
其中，所述预设等级为预先设置的满足新增网点要求的等级，例如，所述预设等级可以为数量等级A。所述网点规模是指网点能够提供服务的辐射范围，可以理解的是，所述网点规模越大，该网点能够提供服务的辐射范围越大。
本申请实施例提供的上述网点分布处理方法，通过以目标区域内的初始网点为中心点构建目标网格，并将所述目标区域内的用户坐标聚合至与所述用户坐标的距离最近的目标网格中，并对未聚合至目标网格中的待聚合用户坐标重新聚合，得到新聚合点以及对应的目标聚合信息，根据目标聚合信息确定是否新增网点。本申请采用已知聚合点和动态进行网格划分方法，可以弥补相邻数据由于区域内地图被划分为不同的网格，造成聚合不准确问题；结合对现有的网点进行聚合展示，从而为业务提供网点分布规划，判断服务网点分布是否合理提供参考依据，提高网点分布的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中，比如智慧政务的网点分布处理模块等，能够促进智慧城市的快速发展。
图2是本申请实施例二提供的网点分布处理装置的结构图。
在一些实施例中，所述网点分布处理装置20可以包括多个由计算机程序段所组成的功能模块。所述网点分布处理装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)网点分布处理的功能。
本实施例中，所述网点分布处理装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：网点获取模块201、坐标聚合模块202、坐标检测模块203、聚合处理模块204、信息获取模块205以及网点确定模块206。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
所述网点获取模块201可以用于获取目标区域的初始网点集，并以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集。
在本申请的至少一实施例中，所述目标区域是指要进行网点分布处理的区域。所述初始网点集是指若干初始网点的集合，所述初始网点集中可以存在一个初始网点，也可以存在多个初始网点。本申请实施例以所述初始网点集中存在多个初始网点为例。所述初始网点是指所述目标区域中现有的服务网点，用于为所述目标区域的用户提供相关服务。所述目标网格集是指若干目标网格的集合，对于每一个所述初始网点，均存在与之对应的所述目标网格。
可选地，所述获取目标区域的初始网点集包括：
检测所述目标区域是否存在网点标识；
当检测结果为所述目标区域存在所述网点标识时，获取所述网点标识；
根据所述网点标识遍历预先设置的网点标识与网点间的映射关系，得到初始网点集。
其中，所述网点标识用于标识服务网点信息，所述网点标识可以为数字标识、颜色标识或者字母标识，在此不做限制。所述网点标识与网点间存在映射关系，通过遍历所述映射关系，能够得到所述网点标识对应的初始网点，组合若干所述初始网点，得到初始网点集。
可选地，所述以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集，包括：
以所述初始网点为中心点构建外部正方形作为网格；
获取所述外部正方形的边长到所述中心点的第一距离，所述第一距离对应的最大值为参数Y；
获取所述初始网点集中所述初始网点间的第二距离，所述第二距离的值为参数Z；
检测所述第一距离对应的最大值是否大于所述第二距离；
当检测结果为所述第一距离对应的最大值大于所述第二距离时，设定所述第一距离的值为参数Z；
当检测结果为所述第一距离对应的最大值不大于所述第二距离时，设定所述第一距离的值为参数Y；
将确定了第一距离值的网格作为所述初始网点的目标网格，组合所述目标网格，得到目标网格集。其中，以所述初始网点为中心点构建外部正方形作为网格，并对所述外部正方形的边长到所述中心点的距离进行相关设置，得到所述初始网点对应的目标网格，组合所述目标网格，能够得到目标网格集。所述外部正方形的边长到所述中心点的第一距离为浮动参数，所述第一距离对应的最大值为参数Y。获取所述初始网点集中所述初始网点间的第二距离，所述第二距离的值为参数Z，通过比较所述第二距离的值Z与所述第一距离对应的最大值参数Y之间的大小关系，确定所述第一距离的值，并将确定了第一距离值的网格作为所述初始网点的目标网格，组合所述目标网格，得到目标网格集。
所述坐标聚合模块202可以用于获取所述目标区域内的用户坐标，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。
在本申请的至少一实施例中，所述目标区域内包含若干用户，对于每一个用户，均存在与之对应的用户坐标，将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。所述用户可以是指享受网点提供服务的主体，所述用户坐标可以通过定位所述用户对应的移动终端确定，在此不做限制。本申请实施例采用动态进行网格划分的方式，可以弥补相邻数据被划分为不同的网格导致聚合不准确的问题。
可选地，所述将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中，包括：
检测所述用户坐标是否处于一个所述目标网格中；
当检测结果为所述用户坐标处于一个所述目标网格中时，将所述用户坐标聚合至所处的所述目标网格中；
当检测结果为所述用户坐标处于多个所述目标网格中时，获取所述用户坐标与每个所述目标网格的距离，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。
其中，所述获取所述用户坐标与每个所述目标网格的距离也即获取所述用户坐标与每个所述目标网格的中心点的距离。本申请采用已知聚合点和动态进行网格划分方法，可以弥补相邻数据由于区域内地图被划分为不同的网格，造成聚合不准确问题。
所述坐标检测模块203可以用于检测是否存在未聚合至所述目标网格中的待聚合用户坐标。
在本申请的至少一实施例中，所述待聚合用户坐标是指未能聚合至相应目标网格中的用户坐标。当检测结果为不存在未聚合至所述目标网格中的所述待聚合用户坐标时，此时，所述用户坐标均聚合在相应的所述目标网格中。通过确定所述目标网格中所述用户坐标的数量值，为业务提供网点分布参考。
所述聚合处理模块204可以用于当检测结果为存在未聚合至所述目标网格中的所述待聚合用户坐标时，获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点。
在本申请的至少一实施例中，获取未能聚合至相应目标网格中的用户坐标，也即获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点。
可选地，所述以所述待聚合用户坐标为中心点确定新聚合点包括：
获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点构建外部正方形，得到待聚合用户网格；
获取所述待聚合用户网格内的所述待聚合用户坐标的数量以及所述待聚合用户网格间的相交信息；
根据所述待聚合用户坐标的数量与所述相交信息确定新聚合点。
其中，除去已经聚合至目标网格中的用户坐标，得到未聚合至所述目标网格中的所述待聚合用户坐标。获取所述待聚合用户坐标，并以每一所述待聚合用户坐标为中心点构建外部正方形，得到待聚合用户网格，所述待聚合用户坐标的数量与所述待聚合用户网格的数量相同。在一实施例中，所述待聚合用户网格间可能存在相交的情况，以待聚合用户网格A为例，待聚合用户网格A可能仅与一个待聚合用户网格B相交，也可能同时与待聚合用户网格B、C、D相交。对应地，一个所述待聚合用户网格内可能仅有一个待聚合用户坐标，也可能有多个待聚合用户坐标。所述以待聚合用户坐标为中心点构建的外部正方形的边长到中心点距离的值为浮动参数。将所述待聚合用户网格内的所述待聚合用户坐标的数量以及所述待聚合用户网格间的相交信息作为初始聚合点的选定依据设定选定的条件，条件一为：所述待聚合用户网格间相交数量最多的网格；条件二为：所述待聚合用户网格内的待聚合用户坐标的总数量。条件一的权重大于条件二的权重。在一实施例中，将相交数量最多的网格的中心点作为新聚合点，或者将待聚合用户坐标的总数量最多的网格的中心点作为新聚合点。所述新聚合点的数量可以为1个，也可以为多个，在此不做限制。
所述信息获取模块205可以用于获取所述新聚合点对应的目标聚合信息。
在本申请的至少一实施例中，所述目标聚合信息是指所述新聚合点对应网格内的数据点数量对应的数量等级的信息。在确定所述新聚合点之后，继续以所述新聚合点为中心点构建外部正方形作为网格，并以所述网格的边长到中心点的距离值构建新网格。新网格的数量可以为1个，也可以为多个，将待聚合用户坐标聚合至上述新网格中。其中，网格构建方法以及坐标聚合至网格的方法均在前文有描述，在此不做赘述。
可选地，所述获取所述新聚合点对应的目标聚合信息包括：
获取所述新聚合点对应网格内的预设坐标点，并确定所述预设坐标点对应的预设权重；
将所述待聚合用户坐标作为数据点，并根据所述预设权重确定所述新聚合点对应网格内的数据点数量；
确定所述数据点数量对应的数量等级，并将所述数量等级作为所述目标聚合信息。
其中，所述数量等级可以为预先设置的用于评估数据点数量大小的等级，例如，所述数量等级从高到低依次为数量等级A、数量等级B与数量等级C，其中，所述数量等级A中的数据点数量最多，所述数量等级C中的数据点数量最少。所述数据点数量与所述数量等级间存在对应关系，通过查询该对应关系，能够得到所述数据点数量对应的所述数量等级。本申请通过确定所述新聚合点对应的数量等级作为所述目标聚合信息，并依据所述目标聚合信息确定是否新增网点以及新增何种规模的网点，从而为相关业务提供网点分布规划，提高网点分布的准确性。
所述预设坐标点是指预先设置的与网点提供的服务相关的坐标点，所述预设坐标点可以为居民区、写字楼等，通过对居民区、写字楼此类用户聚集性较高的场所设定预设权重，并将该预设权重作为所述新聚合点对应网格点的数据点数量的考量指标，能够提高数据点数量确定的准确性，继而提高网点分布处理的准确性。
在一实施例中，在所述获取所述新聚合点对应网格内的预设坐标点之前，所述方法还包括：检测所述新聚合点对应网格内是否存在预设坐标点标识；当检测结果为所述新聚合点对应网格内存在所述预设坐标点标识时，确定所述新聚合点对应网格点存在预设坐标点，并根据所述预设坐标点标识确定对应的预设坐标点。所述预设坐标点标识是指用于标识预设坐标点的信息，标识的方式可以为文字标识、颜色标识或字母标识等，在此不做限制。可以理解的是，所述新聚合点对应网格内可能存在一个预设坐标点，也可能存在多个预设坐标点，还可能不存在预设坐标点。依据所述预设坐标点与对应新聚合点的中心点的距离设置所述预设坐标点的权重，所述预设坐标点与所述新聚合点的中心点的距离越近，所述预设坐标点的权重越大；所述预设坐标点与所述新聚点的中心点的距离越远，所述预设坐标点的权重越小。
在一实施例中，预先设置预设权重与数据点数量的对应关系，通过查询所述对应关系能够得到所述预设权重对应的数据点数量。示例性地，所述预设权重从大到小依次为3、2、1，其中，预设权重3对应的数据点数量为30，预设权重2对应的数据点数量为20，预设权重1对应的数据点数量为10。所述根据所述预设权重确定所述新聚合点对应网格内的数据点数量包括：获取所述新聚合点对应网格内所述待聚合用户坐标的第一数量；获取所述预设权重对应的第二数量；将所述第一数量与所述第二数量进行求和处理得到新聚合点对应网格内的数据点数量。示例性地，当所述新聚合点内包含待聚合用户坐标以及两个预设坐标点时，获取所述待聚合用户坐标的数量为5个，所述预设坐标点的预设权重分别为1与2，其中，预设权重1对应的数据点数量为10，预设权重2对应的数据点数量为20，此时，所述新聚合点对应网格内的数据点数量为35个。
所述网点确定模块206用于根据所述目标聚合信息确定是否新增网点。
在本申请的至少一实施例中，所述根据所述目标聚合信息确定是否新增网点包括：
检测所述数量等级是否达到预设等级；
当检测结果为所述数量等级达到所述预设等级时，根据所述数量等级遍历预先设置的数量等级与网点规模的查询关系，得到目标网点规模，并根据所述目标网点规模新增网点；
当检测结果为所述数量等级未达到所述预设等级时，确定不新增网点。
其中，所述预设等级为预先设置的满足新增网点要求的等级，例如，所述预设等级可以为数量等级A。所述网点规模是指网点能够提供服务的辐射范围，可以理解的是，所述网点规模越大，该网点能够提供服务的辐射范围越大。
参阅图3所示，为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中，所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解，图3示出的计算机设备的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述计算机设备3是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述计算机设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的网点分布处理方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
在一些实施例中，所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行计算机设备3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的网点分布处理方法的全部或者部分步骤；或者实现网点分布处理装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出，所述计算机设备3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，计算机设备，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种网点分布处理方法，其特征在于，所述网点分布处理方法包括：
获取目标区域的初始网点集，并以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集；
获取所述目标区域内的用户坐标，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中；
检测是否存在未聚合至所述目标网格中的待聚合用户坐标；
当检测结果为存在未聚合至所述目标网格中的所述待聚合用户坐标时，获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点；
获取所述新聚合点对应的目标聚合信息；
根据所述目标聚合信息确定是否新增网点。
2.根据权利要求1所述的网点分布处理方法，其特征在于，所述获取目标区域的初始网点集，包括：
检测所述目标区域是否存在网点标识；
当检测结果为所述目标区域存在所述网点标识时，获取所述网点标识；
根据所述网点标识遍历预先设置的网点标识与网点间的映射关系，得到初始网点集。
3.根据权利要求1所述的网点分布处理方法，其特征在于，所述以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集，包括：
以所述初始网点为中心点构建外部正方形作为网格；
获取所述外部正方形的边长到所述中心点的第一距离，所述第一距离对应的最大值为参数Y；
获取所述初始网点集中所述初始网点间的第二距离，所述第二距离的值为参数Z；
检测所述第一距离对应的最大值是否大于所述第二距离；
当检测结果为所述第一距离对应的最大值大于所述第二距离时，设定所述第一距离的值为参数Z；
当检测结果为所述第一距离对应的最大值不大于所述第二距离时，设定所述第一距离的值为参数Y；
将确定了第一距离值的网格作为所述初始网点的目标网格，组合所述目标网格，得到目标网格集。
4.根据权利要求1所述的网点分布处理方法，其特征在于，所述将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中，包括：
检测所述用户坐标是否处于一个所述目标网格中；
当检测结果为所述用户坐标处于一个所述目标网格中时，将所述用户坐标聚合至所处的所述目标网格中；
当检测结果为所述用户坐标处于多个所述目标网格中时，获取所述用户坐标与每个所述目标网格的距离，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中。
5.根据权利要求1所述的网点分布处理方法，其特征在于，所述以所述待聚合用户坐标为中心点确定新聚合点，包括：
获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点构建外部正方形，得到待聚合用户网格；
获取所述待聚合用户网格内的所述待聚合用户坐标的数量以及所述待聚合用户网格间的相交信息；
根据所述待聚合用户坐标的数量与所述相交信息确定新聚合点。
6.根据权利要求5所述的网点分布处理方法，其特征在于，所述获取所述新聚合点对应的目标聚合信息包括：
获取所述新聚合点对应网格内的预设坐标点，并确定所述预设坐标点对应的预设权重；
将所述待聚合用户坐标作为数据点，并根据所述预设权重确定所述新聚合点对应网格内的数据点数量；
确定所述数据点数量对应的数量等级，并将所述数量等级作为所述目标聚合信息。
7.根据权利要求6所述的网点分布处理方法，其特征在于，所述根据所述目标聚合信息确定是否新增网点包括：
检测所述数量等级是否达到预设等级；
当检测结果为所述数量等级达到所述预设等级时，根据所述数量等级遍历预先设置的数量等级与网点规模的查询关系，得到目标网点规模，并根据所述目标网点规模新增网点；
当检测结果为所述数量等级未达到所述预设等级时，确定不新增网点。
8.一种网点分布处理装置，其特征在于，所述网点分布处理装置包括：
网点获取模块，用于获取目标区域的初始网点集，并以所述初始网点集中每一初始网点为中心点构建目标网格，得到目标网格集；
坐标聚合模块，用于获取所述目标区域内的用户坐标，并将所述用户坐标聚合至与所述用户坐标的距离最近的所述目标网格中；
坐标检测模块，用于检测是否存在未聚合至所述目标网格中的待聚合用户坐标；
聚合处理模块，用于当检测结果为存在未聚合至所述目标网格中的所述待聚合用户坐标时，获取所述待聚合用户坐标，并以所述待聚合用户坐标为中心点确定新聚合点；
信息获取模块，用于获取所述新聚合点对应的目标聚合信息；
网点确定模块，用于根据所述目标聚合信息确定是否新增网点。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述网点分布处理方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，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7中任意一项所述网点分布处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210952788.0A CN115271821A (zh) | 2022-08-09 | 2022-08-09 | 网点分布处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210952788.0A CN115271821A (zh) | 2022-08-09 | 2022-08-09 | 网点分布处理方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115271821A true CN115271821A (zh) | 2022-11-01 |
Family
ID=83751500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210952788.0A Pending CN115271821A (zh) | 2022-08-09 | 2022-08-09 | 网点分布处理方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115271821A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117539971A (zh) * | 2024-01-10 | 2024-02-09 | 深圳市易甲文技术有限公司 | 一种海量地理坐标聚合方法及相关设备 |
-
2022
- 2022-08-09 CN CN202210952788.0A patent/CN115271821A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117539971A (zh) * | 2024-01-10 | 2024-02-09 | 深圳市易甲文技术有限公司 | 一种海量地理坐标聚合方法及相关设备 |
| CN117539971B (zh) * | 2024-01-10 | 2024-04-26 | 深圳市易甲文技术有限公司 | 一种海量地理坐标聚合方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111950738A (zh) | 机器学习模型优化效果评估方法、装置、终端及存储介质 | |
| CN112700131B (zh) | 基于人工智能的ab测试方法、装置、计算机设备及介质 | |
| CN112580881B (zh) | 营业网点选址方法、装置、计算机设备及存储介质 | |
| CN113282795A (zh) | 数据结构图生成及更新方法、装置、电子设备及存储介质 | |
| CN111768096A (zh) | 基于算法模型的评级方法、装置、电子设备及存储介质 | |
| CN114219023A (zh) | 数据聚类方法、装置、电子设备及可读存储介质 | |
| CN112598135A (zh) | 模型训练处理方法、装置、计算机设备及介质 | |
| CN111694844A (zh) | 基于配置算法的企业运行数据分析方法、装置及电子设备 | |
| CN111950706A (zh) | 基于人工智能的数据处理方法、装置、计算机设备及介质 | |
| CN112102011A (zh) | 基于人工智能的用户等级预测方法、装置、终端及介质 | |
| CN114240162A (zh) | 人员调度方法、装置、设备及存储介质 | |
| CN111932147A (zh) | 指标统筹的可视化方法、装置、电子设备及存储介质 | |
| CN114201212B (zh) | 配置文件处理方法、装置、计算机设备及存储介质 | |
| CN115271821A (zh) | 网点分布处理方法、装置、计算机设备及存储介质 | |
| CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
| CN112818028B (zh) | 数据指标筛选方法、装置、计算机设备及存储介质 | |
| CN112235714B (zh) | 基于人工智能的poi定位方法、装置、计算机设备及介质 | |
| CN113742069A (zh) | 基于人工智能的容量预测方法、装置及存储介质 | |
| CN114221908A (zh) | 动态限流熔断处理方法、装置、计算机设备及存储介质 | |
| CN113127428A (zh) | 数据批量导入方法、装置及相关设备 | |
| CN115471215B (zh) | 一种业务流程处理方法及装置 | |
| CN114817408B (zh) | 调度资源识别方法、装置、电子设备及存储介质 | |
| CN113487111A (zh) | 基于人工智能的风险识别方法、装置、电子设备及介质 | |
| CN115827179A (zh) | 一种物理机设备的算力调度方法、装置、设备及存储介质 | |
| CN115061895A (zh) | 业务流程编排方法、装置、电子设备及存储介质 |
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 |