CN115511343A - 一种城市核心区域的确定方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种城市核心区域的确定方法、装置、设备以及存储介质，涉及计算机信息处理领域，尤其涉及大数据领域。具体实现方案为：获取来自至少一个数据源的城市特征数据及城市特征数据对应的位置信息；基于地图的网格信息和城市特征数据对应的位置信息，对城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值；根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格；根据候选网格的分布情况，确定城市核心区域的边界。如此，可根据来自多个数据源的多源数据，更为精准地确定城市核心区域并自动生成城市核心区域，广泛应用于城市交通行业报告、城市活跃人口分析、城市核心区域初始化等应用场景。

Description

一种城市核心区域的确定方法、装置、设备以及存储介质

技术领域

本公开涉及计算机信息处理技术领域，尤其涉及大数据领域。

背景技术

城市区域作为宏观层面上衡量交通状态或其他评价指标的基本单位，应用于各行业的排行、对比、趋势变化等权威报告的生成过程中。

然而，城市区域选择不同，对于最终的量化效果影响较大。例如，按照城市的行政区范围选择，由于存在市辖区和区县等各区发展程度不同、密集程度不同，交通状态大不相同，任意单个的市辖区或区县都很难真正代表其所在城市的交通状态。

此外，每个行政区域也分为：人口较多人流活动频繁的活跃区域和人口较少人流活动稀疏的非活跃区域。如果按整个行政区域统计，会将不活跃区域也包含进去，不能真实反映该区域的交通状态或区域特点。

为此，在衡量一个城市的交通状态或其他评价指标时，通常需要确定城市核心区域作为主要的数据来源和依据。其中，城市核心区域指城市内人口较多，人流活动较频繁的活跃区域。

发明内容

本公开提供了一种的方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种城市核心区域的确定方法，包括：获取来自至少一个数据源的城市特征数据及城市特征数据对应的位置信息；基于地图的网格信息和城市特征数据对应的位置信息，对城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值；根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格；根据候选网格的分布情况，确定城市核心区域的边界。

根据本公开的另一方面，提供了一种城市核心区域的确定装置，包括：数据获取模块，用于获取来自至少一个数据源的城市特征数据及城市特征数据对应的位置信息；融合值确定模块，用于基于地图的网格信息和城市特征数据对应的位置信息，对城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值；候选网格确定模块，用于根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格；边界确定模块，用于根据候选网格的分布，确定城市核心区域的边界。

根据本公开的另一方面，提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述城市核心区域的确定方法。

根据本公开的另一方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述城市核心区域的确定方法。

根据本公开的另一方面，提供一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述城市核心区域的确定方法。

根据本公开的另一方面，提供一种电子地图产品，包括城市核心区域确定模块，用于执行城市核心区域的确定方法，在电子地图产品所显示的地图中显示城市核心区域的边界。

本公开提供了一种的方法、装置、设备以及存储介质，根据地图中每一网格对应的来自多个数据源的多源数据，确定每一网格对应的城市特征融合值，并根据城市特征融合值的大小确定属于城市核心区域的候选网格，然后根据候选网格的分布情况，确定城市核心区域的边界。如此，可根据来自多个数据源的多源数据，更为精准地确定城市核心区域并自动生成城市核心区域，广泛应用于城市交通行业报告、城市活跃人口分析、城市核心区域初始化等应用场景。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开第一实施例实现城市核心区域的确定方法的流程示意图；

图2是本公开第二实施例的实现城市核心区域的确定方法的流程示意图；

图3是本公开第二实施例根据地图网格分布确定城市核心区域的示意图；

图4是本公开第二实施例对城市核心区域的边界进行平滑处理的示意图；

图5是本公开第三实施例确定城市核心区域的边界的方法的流程示意图；

图6是本公开第三实施例确定城市核心区域的边界点的示意图；

图7是本公开第三实施例对城市核心区域的边界点进行连线形成边界的示意图；

图8是本公开第四实施例确定城市核心区域的边界的方法的流程示意图；

图9是本公开第四实施例确定城市核心区域的边界点的示意图；

图10是本公开第四实施例对城市核心区域的边界点进行连线形成边界的示意图；

图11是本公开实施例城市核心区域的确定装置的结构示意图；

图12是用来实现本公开实施例城市核心区域的确定方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1示出了本公开一实施例实现城市核心区域的确定方法的主要流程，如图1所示，包括：

操作S110，获取来自至少一个数据源的城市特征数据及城市特征数据对应的位置信息；

其中，位置信息指用于描述空间位置的信息。例如，二维(2D)坐标或三维(3D)坐标。

城市特征数据指基于位置信息的个体数据。例如，个体的活动位置信息：比如个体所在的位置数据以及兴趣点(Point of Interest，POI)位置数据。

具体地，城市特征数据，包括：1)城市静态的商业特征，例如商店、超市、购物中心、交通枢纽等POI，以及根据不同类型的POI，向周边辐射和扩展得到的邻近地区的特征数据；2)城市的动态行为特征，例如交通出行、居住工作、娱乐游玩等数据。

城市特征数据具有与之对应的位置信息，例如，个体活动所发生位置的位置信息。如此，可基于城市特征数据对应的位置信息，对一定空间范围的城市特征数据进行计算和统计。

通常，特定类型的城市特征数据往往来自特定的数据源，例如，个体的定位信息以及商店、购物中心、交通枢纽等POI可能来自电子地图；交通出行数据可能来自交通费用支付系统；居住工作信息和娱乐游玩数据可能来自消费终端应用等等。

城市核心区域主要取决于所选取的城市特征，选取不同的城市特征数据，计算出来的城市核心区域边界会有所不同。

本公开实施例，可从多个数据源获取城市特征数据并对多个数据源的城市特征数据进行融合处理，实施者可根据城市核心区域所应用的不同场景，从多个数据源选取需要的城市特征数据。

操作S120，基于地图的网格信息和城市特征数据对应的位置信息，对城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值；

其中，地图的网格信息指根据坐标对地图进行网格划分得到一组子区域，各个子区域的坐标互补且不相交。

对城市特征数据进行的分组处理指根据城市特征数据对应的位置信息，将城市特征数据划分到地图的各个网格中得到每一网格对应的城市特征数据。

由于，在本公开实施中，城市特征数据可以来自多个数据源，因此需要对来自多个数据源的城市特征数据进行融合处理，得到一个能综合反映该网格的城市特征的城市特征融合值。

对城市特征数据进行的融合处理，指对每一网格对应的来自多个数据源的城市特征数据进行合并、去重、归一化得到可运算的数据值，然后使用预设的函数或计算规则，对各数据值进行运算处理，得到融合了各城市特征数据特点，能综合反映该网格的城市特征的城市特征融合值。

如此得到的城市特征融合值，可综合考虑到人口聚集、活动行为、生活设施、出行行为等各种因素，因此以城市特征融合值为依据确定的城市核心区域更符合城市核心区域的定义，也更为精准。

操作S130，根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格；

在确定了每一网格对应的城市特征融合值之后，就可以依据该值确定城市核心区域的候选网格。

城市核心区域的候选网格指符合城市核心区域特点，可能属于城市核心区域的网格。

根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格时，可依据数值范围或数值特点来判断。例如，城市特征融合值大于等于某个城市特征融合值阈值时，即可推断该网格为候选网格；或该特征融合值符合某一规律(比如，是个偶数)，即可推断该网格为候选网格等。

在本公开实施例中，根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格可过滤掉那些不符合城市核心区域特点的网格，减少后续计算量，节省计算资源，大大提高处理速度。

操作S140，根据候选网格的分布，确定城市核心区域的边界。

由于城市核心区域主要指人口较多，人流活动较频繁的活跃区域，并表现为人群居住、活动、出行等方面出现聚集。

而候选网格正是符合上述特点的网格，如果这样的网格是聚集在一起的，则包含这些候选网格且后续网格聚集在一起的区域就很有可能是城市核心区域。

因此，可以根据候选网格的分布情况，例如单位面积内候选网格的数量，以及候选网格之间的距离等因素来找到聚集的候选网格。一旦找到聚集的候选网格，就可以将把大部分聚集的候选网格包括在内的边界线确定城市核心区域的边界。

本公开实施例，首先，通过操作110获取及城市特征数据对应的位置信息；然后，通过操作120以地图的网格为单位，对来自多个数据源的城市特征数据进行融合处理，得到可以综合反映每一网格城市特征的城市特征融合值；之后，通过操作130，依据每一网格的城市特征融合值，识别出符合城市核心区域特点的候选网格；然后，再通过操作140根据符合城市核心区域特点的候选网格，找到聚集的候选网格，并将包括聚集的候选网格的边界，确定为城市核心区域的边界。如此，就可根据来自多个数据源的城市特征数据，自动得到一个带有边界的城市核心区域，无须人工参与，处理速度较快，大大简化和加速了城市核心区域的确定过程。

而且，如前所述，由于本公开实施例使用的是来自多个数据源的城市特征数据，并以对来自多个数据源的城市特征数据进行了融合处理得到的城市特征融合值为依据来确定的城市核心区域，如此确定的城市核心区域更符合城市核心区域的定义，也更为精准，可适用于各种应用场景。

图2示出了本公开另一实施例实现城市核心区域的确定方法的主要流程。

其中，图2所示的本公开实施例，应用于电子地图产品中。该电子地图产品设置有一键显示城市核心区域的功能。当用户按下相应的按键，该电子地图产品的客户端就会向后台服务器发出请求；后台服务器收到请求后就会根据从大数据平台中获取的来自多个数据源的城市特征数据，计算得到城市核心区域的边界，并将该边界的坐标返回给客户端；之后，电子地图产品的客户端就会显示一个带有使用红线标记出城市核心区域边界电子地图。如此，可实时快捷的确定出城市核心区域，并进行可视化显示。

如图2所示，在该电子地图产品的服务器端，所执行的用于确定城市核心区域边界的过程，主要包括：

操作S2010，基于地图的空间位置对地图进行栅格化，得到地图的网格信息；

在本实施例中，对地图的栅格化指依据一定的单位长度对地图进行划分，得到大小相同的网格，如图3所示。

网格的划分可以将地图化整为零，基于更小区域单位进行计算，使计算量和计算复杂度都大大减小。

此外，网格的划分不但可以大大提高查询和搜索的速度，大幅提高计算速度和处理能力；还可以提供空间相邻关系以及网格周围分布情况并进行热力辐射计算等数据，为城市核心区域的确定提供更多决策依据。

本公开实施例在进行地图的栅格化时，还可根据计算量、处理时间等灵活调整网格的单元大小，如此可使计算效能最大。

操作S2020，基于地图的网格信息和城市特征数据对应的位置信息，对城市特征数据进行分组，得到每一网格对应的城市特征数据子集；

通常来说，基于个体活动的城市特征数据伴随这个体运动具有一定的随机性和离散型，例如，个体的出行数据和POI数据等。这种随机性和离散型不利于进行统计。

因此，在本公开实施例中，将这些个体活动的城市特征数据都映射到具有固定坐标的网格中，使城市特征数据固定到某个具体的位置空间，并使得离散的数据形成一定的空间关系。

如此，可更好地进行统计和后续的处理。

具体地，在本公开实施例中，会对来自不同源数据的城市特征数据进行独立计算。将每一类型城市特征数据中的个体数据，基于X、Y坐标的位置信息loc(x，y)的hash函数，完成城市特征数据和地图网格的一一映射。之后，针对每一网格，完成数据去重得到每一网格每一类型城市特征数据的初始值。

此外，每一类型城市特征数据中的个体数据往往是一段时间内收集到的数据，因此还需对各种类型城市特征数据进行时间上的统一，尽量使用同一时期的数据。

在城市特征数据的选择上，本公开实施例主要基于互联网的大数据，包括POI、人口、定位客流、出行轨迹四类数据作为城市的特征数据源，以综合城市设施分布、人口分布、居住情况、客流分布和交通状况等。

操作S2030，对城市特征数据子集中来自不同数据源的城市特征数据进行归一化处理，得到每个数据源对应的归一化值；

由于来自不同数据源的城市特征数据的单位不同、取值范围不同、数据规律或分布不同等，如果不经过任何处理就直接用于计算，会出现某些城市特征数据的影响力较大，而另一些城市特征数据的影响力较小，从而使得计算得到的最终值更多得取决于来自各数据源的不同城市特征数据本身的数值特点，而丢失了数值本应代表的意义，这样就无法使各城市特征数据的特点得到均衡体现。

为此，在本公开实施例中，对来自不同数据源的城市特征数据进行了归一化处理，使其的取值范围都落入到[0,1]区间内，如此可使得各城市特征数据能发挥均衡的影响力，从而使得最终计算得到地城市特征融合值能均衡地体现各城市特征数据的特点。

在本公开实施例中，对来自不同数据源的城市特征数据进行归一化处理时，采用的是最小值和最大值(min-max)归一化算法。实施者也可以根据具体的实施需求、实施条件和实施效果，选用其他任何适用的归一化算法。

此外，由于通过归一化的数据可能存在异常的最大值，也称为奇异值。而奇异值对于最终的计算结果影响较大，因此本公开实施例还进行了以下处理：

1)根据数据的分布，取较高分段(例如90％～95％)的点的值作为最大值，而并不是取最高分(top)的点的值作为最大值；

2)通过削峰操作，将超过1的值设置成1。

如此可使得归一化的值更具有代表意义。

操作S2040，根据每个数据源的权重，对每个数据源对应的归一化值进行加权求和，得到每一网格对应的城市特征融合值；

在本公开实施例中，在对来自不同数据源的城市特征数据进行了归一化处理之后，会对每个数据源对应的归一化值进行加权求和以弥补单一数据源的稀疏。

而由于不同类型地城市(比如功能不同、规模不同等因素)，或城市核心区域所应用的场景不同，所关注或看重的城市特征数据的类型也会有所不同。

例如，对于一线城市来说，各个区域的居住的人口都较多，差异不是很大，则可能更关注定位客流和出行轨迹等；而对于二线城市来说，人口分布非常不均，但人流活动并不是很频繁，则可能更关注人口数据等。

例如，如果城市核心区域的确定是用于反映人口密度指标的，那人口数据就更为重要；而如果城市核心区域的确定是用于反映交通状态指标的，则客流和出行轨迹等数据就更为重要。

为此，在本公开实施例中，还为每种类型的城市特征数据设置了权重系数k，k∈[0，1]，并根据该权重系数对各类型的城市特征数据归一化处理后的值进行加权求和。

具体地，使用如下公式计算每一网格的城市特征融合值：

v_i表示第i类数据源对应的网格的归一化后热力值，k_i表示对应的权重系数。

如此，可根据不同的城市类型或应用场景的需要，灵活确定各种类型在城市特征融合值中的比例和影响力，使得城市特征融合值更符合城市特点，更好地满足应用场景的需求。

操作S2050，对每个网格的城市特征融合值进行归一化处理；

由于不同城市中，权重系数设置不同，各类型的城市特征数据的数据量和分布也可能不同，这可能会导致经过上述融合处理得到的城市融合值在不同城市的取值范围大不相同，不具可比性。如此，也会使得城市核心区域确定的标准不可比。

为此，在本公开实施例中，会对经过加权求和得到城市特征融合值进行再次的归一化，使得城市特征融合值在各个城市之间也具有可比性，并为提供统一的城市特征融合值阈值创建了条件，奠定了数据基础；否则，可能需要为每一个城市都指定一个城市特征融合值阈值。

如此，可使得统一的城市特征融合值阈值普遍适用于不同城市，并使城市特征融合值能更为精准地反映该网格符合城市核心区域特点的程度。

此外，对权重进行归一化处理，可以将一些重要程度很低的城市特征数据筛选掉，从而简化后续计算。

操作S2060，根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格；

在本公开实施例中，在得到每一网格对应的城市特征融合值之后，会根据预设的城市特征融合值阈值，对网格进行筛选，将城市特征融合值低于城市特征融合值阈值的网格筛选掉。仅保留城市特征融合值高于等于城市特征融合值阈值的网格作为候选网格，用于后续计算。

如图3所示的网格中，斜线填充的网格就是根据每一网格对应的城市特征融合值所确定的城市核心区域的候选网格。

通过城市特征融合值阈值对网格进行筛选，可以剔除城市特征融合值较小的网格，也就是那些不满足城市核心区域特点网格，也称为边缘网格或者长尾网格。如此，不仅可以降低后续计算数据量，提高运算速度，另还可以减少无效数据对于边界生成的影响。

操作S2070，确定代表每一候选网格的点，得到点集，对点集中的点进行聚类，得到目标簇类；

在本公开实施例中，将每一候选网格的中心点，确定为代表相应候选网格的点。如图3所示，斜线填充的网格上的实心原点就是每一候选网格的中心点。

将该中心点的坐标作为代表该候选网格的点的坐标值，如此，可将候选网格转化为图中的一个点，以进行后续的图运算。

将给网格的城市特征融合值(归一化后的值)作为该点的值，如此可以根据该点值，依据空间聚类算法对代表网格的点进行聚类得到目标簇类，每个目标簇类中的点所代表的网格很可能就是城市核心区域中的网格。

在本公开实施例中，是使用DBScan算法作为空间聚类算法的，其聚类的步骤包括：

1)邻域搜索。设定空间距离范围Distance，对于任何一个在Distance范围内的周边相邻网格，均确定为该网格的邻域网格。

2)密度判断。统计该网格邻域范围的候选网格数据量(grid_num)，以及每一候选网格的城市特征融合值(grid_value)，通过候选网格数据量阈值(grid_num_threshold)对候选网格进行筛选。

例如，如果grid_num>＝grid_num_threshold，则该候选网格为有效网格，该网格的邻域网格也设为待选的有效网格；否则为无效网格，不再参与后续的网格搜索。

3)集合生成。基于第2)步的结果，将有效的网格添加到簇类的集合中，同时对于有效网格的领域网格作为待搜索网格。如果待搜索遍历的网格曾经被计算过，则直接跳过，否则重复上述1)-3)步骤。将有效的网格添加到簇类集合中，直到待搜索网格集合为空，则簇类已经生成。

4)全部遍历。按照1)-3)规则,遍历该城市所有的候选网格，最终生成不同的簇类。根据不同簇类的包含的网格数据量、面积等统计值，对于包含过小面积或者过少的网格的簇类，进行剔除，得到目标簇类。

如果一个城市在经过上述运算得到多个目标簇类时，说明该城市具有多个分散的城市核心区域。

如图3所示，在该图中左部较为集中的点就形成了一个簇类，也就是本公开实施例要确定的目标簇类，而分布在右下角的点则不属于该簇类，可以被剔除掉。

操作S2080，根据目标簇类中的点，确定城市核心区域的边界；

在确定目标簇类中的点之后，就可以根据这些点的坐标，经过图运算，计算出可以包括每个簇中各个点的一个多边形的边界线。这条边界线就可以作为该簇类对应的城市核心区域的边界。

如图3所示，连接最外侧的点所形成的包括所有点的多边形的边界线，就可以该簇类对应的城市核心区域的边界。

操作S2090，对边界进行平滑处理；

对于上述生成的多边形边界，可能存在异常凸出或者凹陷，因此还可以通过特定算法，对边界进行平滑处理。

在本公开实施例中，就采用了三阶贝塞尔平滑算法对边界进行平滑处理，其处理效果如图4所示。其中，虚线部分即为处理后得到的边界，比原有实线所示的原有边界要更为平滑。

操作S2100，输出坐标序。

在边界线确定之后，即可将该边界线上的点的坐标作为序列输出出来，并发送给电子地图产品的客户端。

电子地图产品的客户端在得到该坐标序列后，就可以根据坐标序列中的各个点坐标在电子地图中绘制和显示城市核心区域的边界，从而使城市核心区域更为直观。

在图2所示的本公开实施例中，通过实时收集到的城市特征数据自动生成城市核心区域的边界，不仅降低了人工成本，还可以根据实时更新的城市特征数据，实时动态更新城市核心区域的边界，及时反映城市的发展变化。

通过这一方式确定的城市核心区域，还可以应用于城市交通行业报告、城市活跃人口分析、城市核心区域初始化等各种场景，可对城市的发展规划和正确决策提供有力的数据支持。

进一步地，在本公开的众多实施例中，可采用不同的实施方式实现根据候选网格分布，确定城市核心区域边界。

图5示出了本公开另一实施例根据目标簇类中的点确定城市核心区域的边界的主要过程，包括：

操作S510，基于目标簇类中的中心点的辐射半径，对目标簇类中的点进行多次收缩处理至预设的半径阈值，将收缩处理中覆盖的点作为边界点；

以图6所示的目标簇类为例，将辐射半径从R1收缩到R2，得到P61、P62、P63；再将辐射半径从R2收缩到R3，得到点P64、P65、P66。

操作S520，将候选边界点按照顺时针进行排序和连线，构成有序的边界；

以图6所示的目标簇类为例，按照顺时针进行排序和连线得到{P61，P64，P62，P63，P65，P66}这一有序的边界。

操作S530，将有序的边界，确定为城市核心区域的边界。

这一方法可更为精准的确定城市核心区域的边界，不会涵盖过多的额外区域。

图8示出了本公开另一实施例根据目标簇类中的点确定城市核心区域的边界的主要过程，包括：

操作S810，从目标簇类点中确定起始边界顶点；

以图9所示的目标簇类为例，可以选取坐标最靠上的点，例如点P作为起始边界顶点。

操作S820，计算起始边界顶点与目标簇类点中其他点之间的角度，并将角度最大的点确定为下一个边界顶点，直至各个边界顶点的连线形成包络多边形；

以图9所示的目标簇类为例，计算起始边界顶点P与邻近点P1、P2和P3之间的角度，并将角度最大的点P1作为下一个边界顶点。

然后再将P1作为起始边界顶点重复上述操作，直至各个边界顶点的连线形成包络多边形，如图10所示。

操作S830，将包络多边形，确定为城市核心区域的边界。

在该实施例中，包络多边形可包含目标簇类中所有的点，不仅可含盖城市核心区域，还可含盖城市核心区域的辐射区域。

需要说明的是图5和图8都仅为如何根据候选网格分布，确定城市核心区域边界的示例性说明，并不代表对本公开实施例的限定。

实施者可根据实施需求、实施条件和实施效果灵活采用任何使用的实施方式，以取得不同的实施效果。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供一种城市核心区域的确定装置，如图11所示，该装置110包括：数据获取模块1101，用于获取来自至少一个数据源的城市特征数据及城市特征数据对应的位置信息；融合值确定模块1102，用于基于地图的网格信息和城市特征数据对应的位置信息，对城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值；候选网格确定模块1103，用于根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格；边界确定模块1104，用于根据候选网格的分布情况，确定城市核心区域的边界。

根据本公开一实施例，其中，融合值确定模块1102包括：数据分组子模块，用于基于地图的网格信息和城市特征数据对应的位置信息，对城市特征数据进行分组，得到每一网格对应的城市特征数据子集；归一化处理子模块，用于对城市特征数据子集中来自不同数据源的城市特征数据进行归一化处理，得到每个数据源对应的归一化值；

加权求和子模块，用于根据每个数据源的权重，对每个数据源对应的归一化值进行加权求和，得到每一网格对应的城市特征融合值。

根据本公开一实施例，该装置110还包括：城市特征融合值归一化处理模块，用于对城市特征融合值进行归一化处理。

根据本公开一实施例，其中，边界确定模块1104包括：点集获取子模块，用于确定代表每一候选网格的点，得到点集；聚类子模块，用于对点集中的点进行聚类，得到点的簇类；目标簇类确定子模块，用于根据点的簇类，确定目标簇类；边界确定子模块，用于根据目标簇类中的点分布情况，确定城市核心区域的边界。

根据本公开一实施例，其中，点集获取子模块具体用于将每一候选网格的中心点，确定为代表相应候选网格的点。

根据本公开一实施例，其中，边界确定子模块包括：起始边界顶点确定单元，用于从目标簇类点中确定起始边界顶点；角度计算单元，用于计算起始边界顶点与目标簇类点中其他点之间的角度，并将角度最大的点确定为下一个边界顶点，直至各个边界顶点的连线形成包络多边形；边界确定单元，用于将包络多边形，确定为城市核心区域的边界。

根据本公开一实施例，其中，边界确定子模块包括：边界点确定单元，用于基于目标簇类中的中心点的辐射半径，对目标簇类中的点进行多次收缩处理至预设的半径阈值，将收缩处理中覆盖的点作为边界点；边界点排序单元，用于将候选边界点按照顺时针进行排序和连线，构成有序的边界；边界确定单元，用于将有序的边界，确定为城市核心区域的边界。

根据本公开一实施例，该装置110还包括：边界平滑处理模块，用于对边界进行平滑处理。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图12示出了可以用来实施本公开的实施例的示例电子设备1200的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图12所示，设备1200包括计算单元1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序，来执行各种适当的动作和处理。在RAM 1203中，还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。

设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理，例如本公开城市核心区域的确定方法。例如，在一些实施例中，本公开城市核心区域的确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时，可以执行上文描述的本公开城市核心区域的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元1201可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开城市核心区域的确定方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (20)

1.一种城市核心区域的确定方法，包括：

获取来自至少一个数据源的城市特征数据及所述城市特征数据对应的位置信息；

基于地图的网格信息和所述城市特征数据对应的位置信息，对所述城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值；

根据所述每一网格对应的城市特征融合值，确定城市核心区域的候选网格；

根据所述候选网格的分布，确定所述城市核心区域的边界。

2.根据权利要求1所述的方法，其中，所述基于地图的网格信息和所述城市特征数据对应的位置信息，对所述城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值，包括：

基于地图的网格信息和所述城市特征数据对应的位置信息，对所述城市特征数据进行分组，得到每一网格对应的城市特征数据子集；

对所述城市特征数据子集中来自不同数据源的城市特征数据进行归一化处理，得到每个数据源对应的归一化值；

根据每个数据源的权重，对所述每个数据源对应的归一化值进行加权求和，得到每一网格对应的城市特征融合值。

3.根据权利要求2所述的方法，还包括：

对所述城市特征融合值进行归一化处理。

4.根据权利要求1所述的方法，其中，所述根据所述候选网格的分布，确定城市核心区域的边界，包括：

确定代表每一候选网格的点，得到点集；

对所述点集中的点进行聚类，得到点的簇类；

根据所述点的簇类，确定目标簇类；

根据所述目标簇类中的点，确定城市核心区域的边界。

5.根据权利要求4所述的方法，其中，所述确定代表每一候选网格的点，包括：

将每一候选网格的中心点，确定为代表相应候选网格的点。

6.根据权利要求4所述的方法，其中，所述根据所述目标簇类中的点，确定城市核心区域的边界，包括：

从所述目标簇类点中确定起始边界顶点；

计算所述起始边界顶点与所述目标簇类点中其他点之间的角度，并将角度最大的点确定为下一个边界顶点，直至各个边界顶点的连线形成包络多边形；

将所述包络多边形，确定为城市核心区域的边界。

7.根据权利要求4所述的方法，其中，所述根据所述目标簇类中的点，确定城市核心区域的边界，包括：

基于目标簇类中的中心点的辐射半径，对所述目标簇类中的点进行多次收缩处理至预设的半径阈值，将所述收缩处理中覆盖的点作为边界点；

将所述边界点按照顺时针进行排序和连线，构成有序的边界；

将所述有序的边界，确定为城市核心区域的边界。

8.根据权利要求6或7任一项所述的方法，还包括：

对所述边界进行平滑处理。

9.一种城市核心区域的确定装置，包括：

数据获取模块，用于获取来自至少一个数据源的城市特征数据及所述城市特征数据对应的位置信息；

融合值确定模块，用于基于地图的网格信息和所述城市特征数据对应的位置信息，对所述城市特征数据进行分组和融合处理，得到每一网格对应的城市特征融合值；

候选网格确定模块，用于根据每一网格对应的城市特征融合值，确定城市核心区域的候选网格；

边界确定模块，用于根据所述候选网格的分布，确定所述城市核心区域的边界。

10.根据权利要求9所述的装置，其中，所述融合值确定模块包括：

数据分组子模块，用于基于地图的网格信息和所述城市特征数据对应的位置信息，对所述城市特征数据进行分组，得到每一网格对应的城市特征数据子集；

归一化处理子模块，用于对所述城市特征数据子集中来自不同数据源的城市特征数据进行归一化处理，得到每个数据源对应的归一化值；

加权求和子模块，用于根据每个数据源的权重，对所述每个数据源对应的归一化值进行加权求和，得到每一网格对应的城市特征融合值。

11.根据权利要求9所述的装置，还包括：

城市特征融合值归一化处理模块，用于对所述城市特征融合值进行归一化处理。

12.根据权利要求9所述的装置，其中，所述边界确定模块包括：

点集获取子模块，用于确定代表每一候选网格的点，得到点集；

聚类子模块，用于对所述点集中的点进行聚类，得到点的簇类；

目标簇类确定子模块，用于根据所述点的簇类，确定目标簇类；

边界确定子模块，用于根据所述目标簇类中的点，确定城市核心区域的边界。

13.根据权利要求9所述的装置，其中，所述点集获取子模块具体用于将每一候选网格的中心点，确定为代表相应候选网格的点。

14.根据权利要求9所述的装置，其中，所述边界确定子模块包括：

起始边界顶点确定单元，用于从所述目标簇类点中确定起始边界顶点；

角度计算单元，用于计算所述起始边界顶点与所述目标簇类点中其他点之间的角度，并将角度最大的点确定为下一个边界顶点，直至各个边界顶点的连线形成包络多边形；

边界确定单元，用于将所述包络多边形，确定为城市核心区域的边界。

15.根据权利要求9所述的装置，其中，所述边界确定子模块包括：

边界点确定单元，用于基于目标簇类中的中心点的辐射半径，对所述目标簇类中的点进行多次收缩处理至预设的半径阈值，将所述收缩处理中覆盖的点作为边界点；

边界点排序单元，用于将所述候选边界点按照顺时针进行排序和连线，构成有序的边界；

边界确定单元，用于将所述有序的边界，确定为城市核心区域的边界。

16.根据权利要求9所述的装置，还包括：

边界平滑处理模块，用于对所述边界进行平滑处理。

17.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1－8中任一项所述的城市核心区域的确定方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1－8中任一项所述的城市核心区域的确定方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1－8中任一项所述的城市核心区域的确定方法。

20.一种电子地图产品，包括城市核心区域确定模块，用于执行权利要求1－8中任一项所述的城市核心区域的确定方法，在所述电子地图产品所显示的地图中显示城市核心区域的边界。

Images