CN115658710A - 地图更新处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供一种地图更新处理方法、装置、电子设备及存储介质，涉及地图数据处理技术领域。该方法包括：获取同一目标区域的地图数据和观测数据；其中，地图数据包括至少一个地图要素的特征数据，观测数据包括至少一个观测要素的特征数据；根据地图要素的特征数据、观测要素的特征数据和预先建立好的多维指标体系，计算任一地图要素和任一观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对；基于所有的候选匹配对，确定目标匹配结果。上述方式提高了目标匹配结果的准确率。

Description

地图更新处理方法、装置、电子设备及存储介质

技术领域

本申请涉及地图数据处理技术领域，尤其涉及一种地图更新处理方法、装置、电子设备及存储介质。

背景技术

基于无人驾驶对高精度地图的要求，高精度地图的绝对和相对坐标精度必须更高，并且高精度地图所含有的信息元素更丰富和细致，必须给自动驾驶系统提供高鲜度、高精度、多维度的道路及附加信息。

由于地图更新的越及时越好，因此为了实现地图的高效更新，现有技术一般直接利用位置进行匹配。

但是，即使在现实中是不同类型的两个要素，现有技术很有可能将不同类型、且位置接近的两个要素认定为是一个要素，进而得到的匹配结果准确率低，无法有效更新地图的技术问题。

发明内容

本申请提供了一种地图更新处理方法、装置、电子设备及存储介质，用以解决匹配结果的准确率低导致的地图更新准确率低的问题。

根据本申请的第一方面，提供了一种地图更新处理方法，包括：

根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据；其中，所述目标区域为对所述原始区域进行切分后得到的子区域，所述地图数据包括至少一个地图要素的特征数据，所述观测数据包括至少一个观测要素的特征数据；

根据所述地图要素的特征数据、所述观测要素的特征数据和预先建立好的多维指标体系，计算任一所述地图要素和任一所述观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对；

基于所有的所述候选匹配对，确定目标匹配结果，以实现对所述待更新的地图上的原始区域的更新；其中，所述目标匹配结果为多个所述候选匹配对作为目标匹配对的集合。

在一种可能的实现方式中，所述根据所述地图要素的特征数据、所述观测要素的特征数据和预先建立好的多维指标体系，计算任一所述地图要素和任一所述观测要素之间的综合匹配度，包括：

识别所述预先建立好的多维指标体系中的指标；其中，所述多维指标体系包括以下至少两个指标：属性指标、信度指标和空间位置指标；

针对任一所述地图要素和任一所述观测要素，若所述多维指标体系中的指标包括所述属性指标，则从所述地图要素的特征数据中提取地图要素的属性数据，从所述观测要素的特征数据中提取观测要素的属性数据，并根据所述地图要素的属性数据和所述观测要素的属性数据，计算所述地图要素和所述观测要素之间的属性匹配度；

若所述多维指标体系中的指标包括所述空间位置指标，则从所述地图要素的特征数据中提取地图要素的空间位置数据，从所述观测要素的特征数据中提取观测要素的空间位置数据，并根据所述地图要素的空间位置数据和所述观测要素的空间位置数据，计算所述地图要素和所述观测要素之间的空间位置匹配度；

若所述多维指标体系中的指标包括所述信度指标，则从所述观测要素的特征数据中提取观测要素的信度数据，并根据所述观测要素的信度数据，计算所述地图要素和所述观测要素之间的信度匹配度；

基于所述多维指标体系中的指标所确定的所述属性匹配度、所述空间位置匹配度和所述信度匹配度中的至少两种，计算所述地图要素和所述观测要素之间的综合匹配度。

在一种可能的实现方式中，当所述属性指标包括类型、宽度、颜色、高度、尺寸、形状和颜色中的至少两个子属性指标时，所述根据所述地图要素的属性数据和所述观测要素的属性数据，计算所述地图要素和所述观测要素之间的属性匹配度，包括：

从所述地图要素的属性数据中提取所述地图要素在每一个子属性指标上的子属性数据，并从所述观测要素的属性数据中提取所述观测要素在每一个子属性指标上的子属性数据；

针对每一个子属性指标，根据所述地图要素在所述子属性指标上的子属性数据和所述观测要素在所述子属性指标上的子属性数据，计算所述地图要素和所述观测要素之间的子属性匹配度；

基于所述地图要素和所述观测要素之间在所有子属性指标上的子属性匹配度，确定所述地图要素和所述观测要素之间的属性匹配度。

在一种可能的实现方式中，所述基于所有的所述候选匹配对，确定目标匹配结果，包括：

基于预设的目标搜索算法和所有的所述候选匹配对进行推理匹配，得到多个推理匹配结果；其中，所述推理匹配结果为多个所述候选匹配对的集合；

计算每个所述推理匹配结果的评价得分，并将评价得分最高的推理匹配结果确定为目标匹配结果。

在一种可能的实现方式中，所述计算每个所述推理匹配结果的评价得分，包括：

针对任一推理匹配结果中的每个所述候选匹配对，根据所述候选匹配对的位置数据、所述推理匹配结果中其他候选匹配对的位置数据和预设的位置相似度计算公式，计算出所述候选匹配对的位置相似度；

针对每个所述推理匹配结果，基于所述推理匹配结果中所有所述候选匹配对的位置相似度、所述候选匹配对的综合匹配度和预设的目标函数，确定每个所述推理匹配结果的评价得分。

在一种可能的实现方式中，当所述位置相似度计算公式包括横向位置相似度计算公式、纵向位置相似度计算公式和垂直位置相似度计算公式时，所述根据所述候选匹配对的位置数据、所述推理匹配结果中其他候选匹配对的位置数据和预设的位置相似度计算公式，计算出所述候选匹配对的位置相似度，包括：

从所述候选匹配对的位置数据中分别提取所述候选匹配对的第一分量位置信息、第二分量位置信息和第三分量位置信息；其中，所述第一分量位置信息为所述候选匹配对在横向方向上的位置信息，所述第二分量位置信息为所述候选匹配对在纵向方向上的位置信息，所述第三分量位置信息为所述候选匹配对在垂直方向上的位置信息；

从所述推理匹配结果中其他候选匹配对的位置数据中分别提取所述其他候选匹配对的第四分量位置信息、第五分量位置信息和第六分量位置信息；其中，所述第四分量位置信息为所述其他候选匹配对在横向方向上的位置信息，所述第五分量位置信息为所述其他候选匹配对在纵向方向上的位置信息，所述第六分量位置信息为所述其他候选匹配对在垂直方向上的位置信息；

基于所述候选匹配对的第一分量位置信息、所述其他候选匹配对的第四分量位置信息和所述横向位置相似度计算公式，计算所述候选匹配对的横向位置相似度；

基于所述候选匹配对的第二分量位置信息、所述其他候选匹配对的第五分量位置信息和所述纵向位置相似度计算公式，计算所述候选匹配对的纵向位置相似度；

基于所述候选匹配对的第三分量位置信息、所述其他候选匹配对的第六分量位置信息和所述垂直位置相似度计算公式，计算所述候选匹配对的垂直位置相似度；

基于所述候选匹配对的横向位置相似度、所述纵向位置相似度和所述垂直位置相似度，确定所述候选匹配对的位置相似度。

在一种可能的实现方式中，在所述获取同一目标区域的地图数据和观测数据之前，方法还包括：

获取所述原始区域的原始地图数据和传感器采集到的原始观测数据；

对所述原始地图数据和所述原始观测数据分别按照点要素的聚类结果进行划分，得到多个目标区域的地图数据和观测数据。

根据本申请的第二方面，提供了一种地图更新处理装置，包括：

获取模块，用于根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据；其中，所述目标区域为对所述原始区域进行切分后得到的子区域，所述地图数据包括至少一个地图要素的特征数据，所述观测数据包括至少一个观测要素的特征数据；

计算模块，用于根据所述地图要素的特征数据、所述观测要素的特征数据和预先建立好的多维指标体系，计算任一所述地图要素和任一所述观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对；

确定模块，用于基于所有的所述候选匹配对，确定目标匹配结果，以实现对所述待更新的地图上的原始区域的更新；其中，所述目标匹配结果为多个所述候选匹配对作为目标匹配对的集合。

根据本申请的第三方面，提供了一种电子设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面所述的地图更新处理方法。

根据本申请的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上第一方面所述的地图更新处理方法。

根据本申请的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的地图更新处理方法。

本申请提供的一种地图更新处理方法，先根据获取的地图更新请求中的待更新的地图上的原始区域，并获取同一目标区域的地图数据和观测数据；其中，目标区域为对原始区域进行切分后得到的子区域，地图数据包括至少一个地图要素的特征数据，观测数据包括至少一个观测要素的特征数据；然后根据地图要素的特征数据、观测要素的特征数据和预先建立好的多维指标体系，计算任一地图要素和任一观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对；最后基于所有的候选匹配对，确定目标匹配结果，以实现对待更新的地图上的原始区域的更新。

由于原始区域面积大更容易出现错误匹配的情况，因此本申请实施例在进行地图数据和观测数据匹配前，均获取的是原始区域切分后得到的子区域内的数据，通过上述方式可以使地图数据和观测数据的匹配范围缩小，进而提高匹配准确率；另外，通过多维指标体系的应用，可以准确地计算出任一所述地图要素和任一所述观测要素之间在多指标下的综合匹配度，生成综合匹配度较高的候选匹配对，进而提高目标匹配结果的准确率，由于每个目标区域均对应一个目标匹配结果，因此可以通过不同目标区域内的目标匹配结果提高地图更新时的匹配准确率。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请实施例涉及的应用场景的示意图；

图2为本申请实施例提供的一种地图更新处理方法的流程示意图；

图3为本申请实施例提供的划分场景的示意图；

图4为本申请实施例提供的另一种地图更新处理方法的流程示意图；

图5为本申请实施例提供的又一种地图更新处理方法的流程示意图；

图6为本申请实施例提供的一种地图更新处理装置的结构示意图；

图7为本申请实施例提供的一种电子设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。

为了便于理解，首先对本申请实施例的应用场景进行介绍。

图1为本申请实施例涉及的应用场景的示意图。如图1所示，本实施例的应用场景为用户利用客户端通过数据集成平台从数据源1中获取地图数据，从数据源2中获取观测数据，进而基于地图数据和观测数据进行的匹配操作。

但是现有技术一般直接利用位置进行匹配，即使在现实中是不同类型的两个要素，其很有可能将不同类型、且位置接近的两个要素认定为是一个要素，进而得到的匹配结果准确率低，最终导致地图更新准确率低的技术问题。

为了解决上述技术问题，本申请的整体发明构思为：如何提供一种应用于地图数据处理领域，且匹配准确率较高的地图更新方法。通过分析地图数据和观测数据的特征数据将数据进行切分，得到同一目标区域的地图数据和观测数据，然后列举所有可能的匹配对，过滤得到候选匹配对，再基于推理匹配，输出多种候选匹配结果，最后通过目标函数来评价以选出准确率高的最优匹配结果。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图2为本申请实施例提供的一种地图更新处理方法的流程示意图。如图2所示，本实施例的方法，包括：

S201：根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据。其中，目标区域为对原始区域进行切分后得到的子区域，地图数据包括至少一个地图要素的特征数据，观测数据包括至少一个观测要素的特征数据。

在本申请实施例中，地图数据和观测数据均为矢量数据。观测数据或称为上报数据。原始区域可以指整条路段，目标区域可以指整条路段中的一部分路段，而场景是目标区域所对应的场景，其包含该目标区域内的所有地图要素和观测要素。场景划分的具体步骤见下述S204～S205，在此不做赘述。上述地图要素和观测要素均是实体要素，该实体要素包括点要素和线要素，点要素或称为点状要素，包括但不限于：杆、标牌、箭头、分歧合流等。线要素或称为线状要素，可以为标线。本申请实施例在对线要素的特征数据进行提取之前，可以将线要素的特征数据进行离散化，具体描述见下述S403，在此不做赘述。进一步的，地图要素的特征数据、观测要素的特征数据各自包括空间位置数据、属性数据和信度数据中的至少一个。

S202：根据地图要素的特征数据、观测要素的特征数据和预先建立好的多维指标体系，计算任一地图要素和任一观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对。其中，多维指标体系或称为匹配度评价指标，包括以下至少两个指标：属性指标、信度指标和空间位置指标。

应理解，上述多维指标体系还可以包括除属性指标、信度指标和空间位置指标之外的其他指标。上述属性指标包括以下至少之一的子属性指标：类型、宽度、颜色、高度、尺寸、形状和颜色。由于地图要素的特征数据、观测要素的特征数据各自包括空间位置数据、属性数据和信度数据中的至少一个，因此预先建立好的多维指标体系可以基于属性指标、信度指标和空间位置指标进行建立。

由于要素类型有点要素和线要素，因此本申请实施例可以针对点要素和线要素在多维指标体系中分别建立各自的属性指标，例如：线要素的属性指标包括类型、宽度和颜色三个子属性指标，点要素的属性指标包括高度、尺寸、类型、形状、颜色五个子属性指标。不同类型要素分别建立各自属性指标的好处是能够准确评价地图要素和观测要素之间的属性匹配度，进而得到准确的综合匹配度。

理论上，上报中的一个观测要素和地图中每个地图要素都有可能代表现实中同一个实体要素，因此通过计算地图要素和观测要素之间的综合匹配度的方式，能够列出所有可能的匹配对，为后续候选匹配对的筛选提供选择基础。S202的流程可以概括为：输入地图要素的特征数据和观测要素的特征数据，然后计算二者之间的匹配度，再筛选综合匹配度高的匹配对，最终输出候选匹配对。筛选时，可以滤除匹配度太低的匹配对，例如：针对两个尺寸相差很大的标牌，计算出二者的匹配度就会很低，会被过滤掉。

综合匹配度的大小用于表示一个观测要素与某个地图要素匹配的可能性大小。在本申请实施例中，匹配度可以从属性指标、信度指标和空间位置指标三个维度来描述。

通过综合匹配度的计算以及与预设阈值的判断，可以筛选出准确率较高的候选匹配对。在实际应用中，不同的候选匹配对即使综合匹配度均大于预设阈值，但是仍存在互相排斥的可能性，因此本申请实施例有必要执行下述S203。

S203：基于所有的候选匹配对，确定目标匹配结果，以实现对待更新的地图上的原始区域的更新。其中，目标匹配结果为多个候选匹配对作为目标匹配对的集合。

所有的候选匹配对数量较多，且候选匹配对之间存在互斥性的可能。因此为了从中识别出准确率高的目标匹配对，本申请实施例在该步骤中，可以通过提供算法的方式确定目标匹配结果，以使目标匹配结果中的各个目标匹配对与所有的候选匹配对相比，进一步地提高了准确率。进一步的，本申请实施例对算法类型不做具体限定。

在本实施例中，S201至S203实现的是同一目标区域的地图数据和观测数据获取，基于多维指标体系的候选匹配对生成，以及目标匹配对的确定过程，一方面，通过获取同一目标区域的地图数据和观测数据的方式，缩小匹配范围，以提高匹配准确率；第二方面，通过多维指标体系的应用，可以准确地计算出任一地图要素和任一观测要素之间在多指标下的综合匹配度，生成综合匹配度较高的候选匹配对，进而提高目标匹配结果的准确率，由于每个目标区域均对应一个目标匹配结果，因此可以通过不同目标区域内的目标匹配结果提高地图更新时的匹配准确率。

一种可能的实现方式中，在S201：获取同一目标区域的地图数据和观测数据之前，方法还可以包括下述S204～S205：

S204：获取原始区域的原始地图数据和传感器采集到的原始观测数据。

S205：对原始地图数据和原始观测数据分别按照点要素的聚类结果进行划分，得到多个目标区域的地图数据和观测数据。

应理解，原始区域是大区域，目标区域是小区域。原始观测数据或称为原始上报数据。原始地图数据是所有目标区域的地图数据的汇总，原始观测数据是所有目标区域的观测数据的汇总。在进行划分操作时，仅考虑点要素，且无需对点要素的类型进行区分，每一个点要素在不考虑类型的情况下均能够作为一个数据点进行聚类分析，以得到聚类结果。由于场景是按照点要素的聚类结果对原始区域进行划分得到的，因此本申请实施例对划分后的场景的数量以及场景中路段的长短均不做具体限定。

通过S204～S205能够实现场景建立，场景建立是指将一个大区域划分成多个小区域，同时将大区域的原始地图数据和原始上报数据划分为多个小区域的地图数据和上报数据，具体流程为：输入所有点要素、点要素按空间距离进行聚类分组、按组划分场景和输出切分后的场景。在上述流程中，具体做法是先对原始地图数据按预设规则做切分处理，再按照相同的切分位置将原始上报数据进行切分，这样就相当于用相同的切割线将原始地图数据和原始上报数据做了切分处理，在相同切割线内的地图数据和上报数据就形成了一个场景。由于地图要素呈稀疏分布，因此上述预设规则可以由点要素的密集程度决定。

上述地图数据由所有地图要素的一系列特征数据组成，且特征数据包括空间位置数据，因此将地图要素按空间距离进行聚类，能够划分为多个组，且由地图要素构成的每个组均对应一个场景。

通过点要素实现聚类分组的方式，能够划分场景，并且能够使上报数据中对应的点要素和地图数据中的点要素切到一个场景中，进而保证匹配时上报数据能够在同一场景中找到对应的点要素。比如有100个点要素，其中50个点要素间的距离都很小，另外50个点要素间的距离也很小，但是两组间的距离很大，此时就会聚为两类，即划分为两个场景。或者，当两组间的距离超过预设距离值时，也可以切两刀划分成三个场景，如图3所示，将50个点要素构成的组作为场景1，将另外50个点要素构成的组作为场景3，中间不包含点要素的组作为场景2。综上，通过S204～S205能够实现场景建立，进而缩小匹配范围，提升匹配准确率。

在上述实施例的基础上，下面结合几个具体的实施例对本申请技术方案进行更详细的描述。

图4为本申请实施例提供的另一种地图更新处理方法的流程示意图。在图2所示实施例的基础上，本实施例重点对图2中的S202进行细化。如图4所示，本实施例的方法可以包括下述S401～S407，其中：

S401：根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据。其中，目标区域为对原始区域进行切分后得到的子区域，地图数据包括至少一个地图要素的特征数据，观测数据包括至少一个观测要素的特征数据。应理解，S401的具体实现方式与图2中的S201类似，此处不做赘述。

S402：识别预先建立好的多维指标体系中的指标；其中，多维指标体系包括以下至少两个指标：属性指标、信度指标和空间位置指标。

在本申请实施例中，多维指标体系可以根据实际需要进行适应性建立，因此其可以同时包含属性指标、信度指标和空间位置指标三种指标，也可以对具体所采用的指标进行增减。

S403：针对任一地图要素和任一观测要素，若多维指标体系中的指标包括属性指标，则从地图要素的特征数据中提取地图要素的属性数据，从观测要素的特征数据中提取观测要素的属性数据，并根据地图要素的属性数据和观测要素的属性数据，计算地图要素和观测要素之间的属性匹配度。

本申请实施例中任一地图要素和任一观测要素之间均可以形成匹配对。匹配对用于反映地图要素和观测要素组成的匹配关系。匹配对的属性匹配度越高，表明地图要素和观测要素是同一要素实体的可能性越大。

属性匹配度可以理解为属性相似度，属性相似度即地图要素和观测要素在各个子属性指标维度上的相似程度，如标牌大小、空间位置及观测要素与地图要素之间的距离。属性相似度是表达了观测要素和地图要素在属性指标上的一致程度，一致程度越高，则属性匹配度的得分越高，根据两个要素的一致程度，计算出不同的分数，例如：标牌的颜色相同则标记1分，颜色不同则标记为0分。

为了比较连续属性是否一致，本申请实施例可以对线要素进行离散化，例如根据国标将标线宽度离散为150mm、200mm、250mm、300mm或450mm，标线宽度相同则标记为1分，不同则标记为0分。

S404：若多维指标体系中的指标包括空间位置指标，则从地图要素的特征数据中提取地图要素的空间位置数据，从观测要素的特征数据中提取观测要素的空间位置数据，并根据地图要素的空间位置数据和观测要素的空间位置数据，计算地图要素和观测要素之间的空间位置匹配度。

应理解，空间位置匹配度或称为位置得分，该位置得分用于描述观测要素和地图要素在空间上匹配的可能性，距离越小匹配的可能性越大。本申请实施例可以取距离的倒数作为位置得分。

S405：若多维指标体系中的指标包括信度指标，则从观测要素的特征数据中提取观测要素的信度数据，并根据观测要素的信度数据，计算地图要素和观测要素之间的信度匹配度。应理解，信度匹配度或称为存在信度，存在信度用于反映地图要素存在的可能性，其是根据历史上报观测数据的次数进行反映的。在本申请实施例中，存在信度和上报该地图要素的次数成正比，上报次数越多，表明地图要素存在的可能性越大，并且上报该地图要素的次数由观测要素的信度数据确定。

S406：基于多维指标体系中的指标所确定的属性匹配度、空间位置匹配度和信度匹配度中的至少两种，计算地图要素和观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对。

具体的，可以为每一个匹配度均设置对应的维度权重，为了区分各维度权重，可以进行如下设置，即：将与属性匹配度对应的维度权重确定为第一维度权重，将与空间位置匹配度对应的维度权重确定为第二维度权重，将与信度匹配度对应的维度权重确定为第三维度权重。

当多维指标体系包括属性指标、信度指标和空间位置指标时，上述综合匹配度的计算方式可以采用线性模型，如式(1)：

其中，e_base为地图要素，e_report为观测要素，matchScore为地图要素和观测要素之间的综合匹配度，θ₁、θ₂和θ₃分别指第一维度权重、第二维度权重和第三维度权重，用于表示属性匹配度、空间位置匹配度和信度匹配度对综合匹配度的贡献度，

为地图要素和观测要素之间的属性匹配度，用于反映在属性指标上的得分，其中

为地图要素和观测要素之间在第i个子属性指标上的子属性匹配度，w_i为与子属性匹配度对应的权重，n为子属性指标的数量，disScore(e_base,e_report)地图要素和观测要素之间的空间位置匹配度，用于反映在空间位置指标上的得分，disScore(e_base,e_report)为地图要素和观测要素之间的信度匹配度，用于反映在信度指标上的得分。

S407：基于所有的候选匹配对，确定目标匹配结果，以实现对待更新的地图上的原始区域的更新。其中，目标匹配结果为多个候选匹配对作为目标匹配对的集合。

通过执行上述S402至S406的操作，可以使本申请构建候选匹配对，具体的，生成任一地图要素和任一观测要素构成的匹配对，然后进行综合匹配度的计算，进而通过筛选得到综合匹配度大于预设阈值的候选匹配对，候选匹配对的准确率高，为生成准确率高的目标匹配结果做好数据准备。

一种可能的实现方式中，当属性指标包括类型、宽度、颜色、高度、尺寸、形状和颜色中的至少两个子属性指标时，S403：根据地图要素的属性数据和观测要素的属性数据，计算地图要素和观测要素之间的属性匹配度，包括：

S4031：从地图要素的属性数据中提取地图要素在每一个子属性指标上的子属性数据，并从观测要素的属性数据中提取观测要素在每一个子属性指标上的子属性数据。

S4032：针对每一个子属性指标，根据地图要素在子属性指标上的子属性数据和观测要素在子属性指标上的子属性数据，计算地图要素和观测要素之间的子属性匹配度。

S4033：基于地图要素和观测要素之间在所有子属性指标上的子属性匹配度，确定地图要素和观测要素之间的属性匹配度。

通过S4031～S4033的描述可知，本申请实施例可以从计算地图要素和观测要素在各个子属性指标上的子属性匹配度，进而根据式(1)中的

确定地图要素和观测要素之间的属性匹配度，为计算综合匹配度提供数据基础。

图5为本申请实施例提供的又一种地图更新处理方法的流程示意图。在上述图2或图3所示实施例的基础上，本实施例对S203或S407的具体实现方式进行更详细的说明。

如图5所示，本实施例的方法包括下述S501～S504，其中：

S501：根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据。其中，目标区域为对原始区域进行切分后得到的子区域，地图数据包括至少一个地图要素的特征数据，观测数据包括至少一个观测要素的特征数据。

S502：根据地图要素的特征数据、观测要素的特征数据和预先建立好的多维指标体系，计算任一地图要素和任一观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对。其中，多维指标体系包括以下至少两个指标：属性指标、信度指标和空间位置指标。

S503：基于预设的目标搜索算法和所有的候选匹配对进行推理匹配，得到多个推理匹配结果。其中，推理匹配结果为多个候选匹配对的集合。推理匹配结果简称为匹配结果。

S504：计算每个推理匹配结果的评价得分，并将评价得分最高的推理匹配结果确定为目标匹配结果。

预设的目标搜索算法可以是指贪心算法，也可以是其他算法，本申请实施例对算法具体类型不做具体限定。

应理解，S503中推理匹配的原理是先假设某个候选匹配对Pair-A正确，以该候选匹配对的横纵向距离为参考去找下一个候选匹配对，再以找到的这个候选匹配对作为参考找下一个候选匹配对，重复这个过程直到找完所有候选匹配对，至此就能得到一个从Pair-A出发的匹配结果。再依次从剩下的候选匹配对出发就能找到多个匹配结果，如果从N个候选匹配对出发最多会得到N个匹配结果，再通过评价函数对匹配结果评价，选择一个得分最高的匹配结果作为目标匹配结果。如假设Pair-A正确，Pair-A的横纵向距离为(d₁，d₂)在这个距离上加减一个buffer，得到(d₁±buffer，d₁±buffer)，并且该区间就是下一个候选匹配对Pair-B应该满足的横纵向距离区间，其中buffer反映了上报最差相对精度，是一个人为设定的先验值，找到Pair-B后，再以Pair-B的横纵向距离(d₃，d₄)为参考找Pair-C，重复这个过程就能得到从Pair-A出发的匹配结果。

相对精度误差是指两个候选匹配对的距离之差，分横向和纵向。如上述的Pair-A和Pair-B的精度误差为(d₃-d₁,d₄-d₂)。

推理匹配的目标是要找到一组相对精度误差小、匹配度高足够高的候选匹配对，从而得到一个准确度较好的目标匹配结果。具体做法是：(1)选择一个候选匹配对(假设为候选匹配对A)出发；(2)从剩余候选匹配对中选择满足参考关系中的其中一个(每次选最佳)；(3)重复上一步，直到遍历完所有候选匹配对，得到一个从候选匹配对A出发的匹配结果。(4)跳转到(1)，依次选择剩余未出发过的候选匹配对出发，重复2、3步骤，直到所有候选匹配对都作为出发点被遍历过。

其中，在选择下一个候选匹配对时，选择的策略是找能够使位置相似度和综合匹配度(即目标函数值)增加的匹配对，目标函数由综合匹配度和位置相似度组成，表达了候选匹配结果内部匹配对之间位置关系的一致程度，用于实现对候选匹配结果的评价。

通过执行上述S503至S504的操作，可以使本申请生成推理匹配结果，进而从中选择精准度更高的目标匹配结果。无论是推理匹配结果，还是目标匹配结果，其结构均由多个候选匹配对组成，一个候选匹配结果代表一种匹配方案。

一种可能的实现方式中，S504：计算每个推理匹配结果的评价得分，包括下述S5041～S5042：

S5041：针对任一推理匹配结果中的每个候选匹配对，根据候选匹配对的位置数据、推理匹配结果中其他候选匹配对的位置数据和预设的位置相似度计算公式，计算出候选匹配对的位置相似度。

由于位置可以是横向、纵向和垂直等多维方向的位置，因此预设的位置相似度计算公式可以包括：横向位置相似度计算公式、纵向位置相似度计算公式和垂直位置相似度计算公式，并且S4041的具体执行步骤见下述S1～S6，在此不做具体赘述。预设的位置相似度计算公式是位置相似度的建模结果，该公式可以准确地评价推理匹配结果内部各候选匹配对位置关系的相似度。

S5042：针对每个推理匹配结果，基于推理匹配结果中所有候选匹配对的位置相似度、候选匹配对的综合匹配度和预设的目标函数，确定每个推理匹配结果的评价得分。本申请实施例在应用目标函数之前，预先对目标函数进行建模，得到预设的目标函数，如式(2)：

其中，J(x)为某个推理匹配结果的评价得分，x_i为该推理匹配结果中第i个候选匹配对，N为该推理匹配结果中候选匹配对的数量，w_i为候选匹配对x_i的权重，attScore(x_i)为候选匹配对x_i的综合匹配度，posScore(x_i)为候选匹配对x_i的位置相似度。

通过S5041～S5042的描述可知，位置相似度能够衡量推理匹配结果中候选匹配对之间相对位置的一致性，并且目标函数能够评价推理匹配结果的优劣。由于一个推理匹配结果由多个候选匹配对组成，且多个候选匹配对之间的相对精度的大小以及自身的综合匹配度的大小均能决定该推理匹配结果的优劣，因此本申请实施例在对目标函数建模时，将所有候选匹配对的位置相似度和所有候选匹配对的综合匹配度作为了评分依据。目标函数对同一场景下的各个推理匹配结果做出评价，为每个推理匹配结果打分，最终输出评价得分最高的推理匹配结果，并将其作为目标匹配结果，其目的是实现对推理匹配结果的评价优选。

一种可能的实现方式中，S5041：计算出候选匹配对的位置相似度，包括下述S1～S6，其中：

S1：从候选匹配对的位置数据中分别提取候选匹配对的第一分量位置信息、第二分量位置信息和第三分量位置信息；其中，第一分量位置信息为候选匹配对在横向方向上的位置信息，第二分量位置信息为候选匹配对在纵向方向上的位置信息，第三分量位置信息为候选匹配对在垂直方向上的位置信息。

在本申请实施例中，横向距离一般是指在垂直于行驶方向上标线到行车轨迹的距离。在本申请实施例中，上述候选匹配对在横向方向上的位置信息可以理解为横向距离，横向距离在本实施例中可以指候选匹配对与标线之间的距离。纵向距离一般是指在平行于行驶方向上行车轨迹的长度。在本申请实施例中，上述候选匹配对在纵向方向上的位置信息可以理解为纵向距离，纵向距离在本申请实施例中是指候选匹配对在平行于行驶方向上与固定点之间的距离。

S2：从推理匹配结果中其他候选匹配对的位置数据中分别提取其他候选匹配对的第四分量位置信息、第五分量位置信息和第六分量位置信息；其中，第四分量位置信息为其他候选匹配对在横向方向上的位置信息，第五分量位置信息为其他候选匹配对在纵向方向上的位置信息，第六分量位置信息为其他候选匹配对在垂直方向上的位置信息。

S3：基于候选匹配对的第一分量位置信息、其他候选匹配对的第四分量位置信息和横向位置相似度计算公式，计算候选匹配对的横向位置相似度。

在同一推理匹配结果中，候选匹配对与任一其他候选匹配对之间的横向位置相似度计算公式如式(3)所示：

其中，ψ(x_i,x_j)为候选匹配对与任一其他候选匹配对之间的横向位置相似度，x_i为候选匹配对，x_j为同一推理匹配结果中的其他候选匹配对，d_i为候选匹配对的第一分量位置信息，或称为候选匹配对的横向距离，d_j为其他候选匹配对的第四分量位置信息，或称为其他候选匹配对的横向距离。由此可见，候选匹配对与某个其他候选匹配对x_j之间的横向位置相似度和|d_i-d_j|成反比。

由于同一推理匹配结果中候选匹配对的数量为多个，因此候选匹配对的横向位置相似度在计算时，与所有其他候选匹配对之间的横向位置相似度均有关，因此候选匹配对的横向位置相似度为式(4)：

其中，x为候选匹配对，x_j为同一推理匹配结果中的第j个候选匹配对，N为同一推理匹配结果中候选匹配对的数量，

为候选匹配对的横向位置相似度，用于反映候选匹配对x为整个推理匹配结果计算评价得分所贡献的横向位置相似度。S4：基于候选匹配对的第二分量位置信息、其他候选匹配对的第五分量位置信息和纵向位置相似度计算公式，计算候选匹配对的纵向位置相似度。

S5：基于候选匹配对的第三分量位置信息、其他候选匹配对的第六分量位置信息和垂直位置相似度计算公式，计算候选匹配对的垂直位置相似度。

应理解，S4中的纵向位置相似度计算公式和S5中的垂直位置相似度计算公式，其形式可以与S3中的横向位置相似度计算公式一致，也可以不一致。以上各公式的形式可以根据实际需要进行自定义设置。因此本申请实施例对横向位置相似度计算公式、纵向位置相似度计算公式、垂直位置相似度计算公式的具体形式均不做具体限定。

S6：基于候选匹配对的横向位置相似度、纵向位置相似度和垂直位置相似度，确定候选匹配对的位置相似度。当考虑横向、纵向和垂直向时，候选匹配对的位置相似度为式(5)：

其中，i为横向、纵向或垂直向3个维度中的第i个；w_i为候选匹配对在横向、纵向或垂直向维度上的权重，

为候选匹配对的横向、纵向或垂直向位置相似度。

通过S1～S6的描述可知，横向位置相似度用于衡量匹配对之间在横向位置上的一致性，同理，纵向位置相似度用于衡量匹配对之间在纵向位置上的一致性，垂直位置相似度用于衡量匹配对之间在垂直位置上的一致性。从横向、纵向和垂直多维角度出发，可以衡量匹配对之间在三维空间上的一致性。

本申请实施例定义了要素间在多维指标体系上的综合匹配度计算方法、候选匹配结果综合评价方法以及设计了一种基于贪心算法的推理匹配方法，继而得到准确度高的目标匹配结果，在此基础上，本申请实施例还可以基于目标匹配结果达到发现地图变化、更新高精度地图的目的。本申请实施例通过对候选匹配结果的准确评价及快速的搜索算法，在保证地图识别正确率的条件下能够更高效地更新地图。

综上，本申请实施例的总体流程共有四个步骤：场景建立、生成匹配对、推理匹配和评价优选。场景建立的具体流程见S204～S205，生成匹配对的具体流程见S402～S406，推理匹配的具体流程见S503，评价优选的具体流程见S504。在生成匹配对过程中，通过匹配度评价指标的建模以及对属性离散化的操作，能够更加准确地计算地图要素和观测要素之间的综合匹配度。在推理匹配过程中，通过高效的搜索算法，通过对问题建模，在保证搜索效率的前提下，能够提升匹配的准确率。在评价优选过程中，通过对位置相似度的建模，可以更准确地评价推理匹配结果内部各候选匹配对之间的相对位置关系相似度。

图6为本申请实施例提供的一种地图更新处理装置的结构示意图。本实施例的装置可以为软件和/或硬件的形式。如图6所示，本实施例提供的地图更新处理装置，包括：获取模块61、计算模块62和确定模块63。其中：

获取模块61，用于根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据；其中，目标区域为对原始区域进行切分后得到的子区域，地图数据包括至少一个地图要素的特征数据，观测数据包括至少一个观测要素的特征数据。

计算模块62，用于根据地图要素的特征数据、观测要素的特征数据和预先建立好的多维指标体系，计算任一地图要素和任一观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对。

确定模块63，用于基于所有的候选匹配对，确定目标匹配结果，以实现对待更新的地图上的原始区域的更新；其中，目标匹配结果为多个候选匹配对作为目标匹配对的集合。

一种可能的实现方式中，计算模块62包括：识别单元和计算单元，其中：

识别单元，用于识别预先建立好的多维指标体系中的指标；其中，多维指标体系包括以下至少两个指标：属性指标、信度指标和空间位置指标。

计算单元，用于针对任一地图要素和任一观测要素，若多维指标体系中的指标包括属性指标，则从地图要素的特征数据中提取地图要素的属性数据，从观测要素的特征数据中提取观测要素的属性数据，并根据地图要素的属性数据和观测要素的属性数据，计算地图要素和观测要素之间的属性匹配度。

计算单元，还用于若多维指标体系中的指标包括空间位置指标，则从地图要素的特征数据中提取地图要素的空间位置数据，从观测要素的特征数据中提取观测要素的空间位置数据，并根据地图要素的空间位置数据和观测要素的空间位置数据，计算地图要素和观测要素之间的空间位置匹配度。

计算单元，还用于若多维指标体系中的指标包括信度指标，则从观测要素的特征数据中提取观测要素的信度数据，并根据观测要素的信度数据，计算地图要素和观测要素之间的信度匹配度。

计算单元，还用于基于多维指标体系中的指标所确定的属性匹配度、空间位置匹配度和信度匹配度中的至少两种，计算地图要素和观测要素之间的综合匹配度。

一种可能的实现方式中，当属性指标包括类型、宽度、颜色、高度、尺寸、形状和颜色中的至少两个子属性指标时，计算单元，还用于：

从地图要素的属性数据中提取地图要素在每一个子属性指标上的子属性数据，并从观测要素的属性数据中提取观测要素在每一个子属性指标上的子属性数据。

针对每一个子属性指标，根据地图要素在子属性指标上的子属性数据和观测要素在子属性指标上的子属性数据，计算地图要素和观测要素之间的子属性匹配度。

基于地图要素和观测要素之间在所有子属性指标上的子属性匹配度，确定地图要素和观测要素之间的属性匹配度。

一种可能的实现方式中，确定模块63包括：推理匹配单元和计算确定单元，其中：

推理匹配单元，用于基于预设的目标搜索算法和所有的候选匹配对进行推理匹配，得到多个推理匹配结果；其中，推理匹配结果为多个候选匹配对的集合。

计算确定单元，用于计算每个推理匹配结果的评价得分，并将评价得分最高的推理匹配结果确定为目标匹配结果。

一种可能的实现方式中，计算确定单元，还用于：

针对任一推理匹配结果中的每个候选匹配对，根据候选匹配对的位置数据、推理匹配结果中其他候选匹配对的位置数据和预设的位置相似度计算公式，计算出候选匹配对的位置相似度。

针对每个推理匹配结果，基于推理匹配结果中所有候选匹配对的位置相似度、候选匹配对的综合匹配度和预设的目标函数，确定每个推理匹配结果的评价得分。

当位置相似度计算公式包括横向位置相似度计算公式、纵向位置相似度计算公式和垂直位置相似度计算公式时，计算确定单元，还用于：

从候选匹配对的位置数据中分别提取候选匹配对的第一分量位置信息、第二分量位置信息和第三分量位置信息；其中，第一分量位置信息为候选匹配对在横向方向上的位置信息，第二分量位置信息为候选匹配对在纵向方向上的位置信息，第三分量位置信息为候选匹配对在垂直方向上的位置信息。

从推理匹配结果中其他候选匹配对的位置数据中分别提取其他候选匹配对的第四分量位置信息、第五分量位置信息和第六分量位置信息；其中，第四分量位置信息为其他候选匹配对在横向方向上的位置信息，第五分量位置信息为其他候选匹配对在纵向方向上的位置信息，第六分量位置信息为其他候选匹配对在垂直方向上的位置信息。

基于候选匹配对的第一分量位置信息、其他候选匹配对的第四分量位置信息和横向位置相似度计算公式，计算候选匹配对的横向位置相似度。

基于候选匹配对的第二分量位置信息、其他候选匹配对的第五分量位置信息和纵向位置相似度计算公式，计算候选匹配对的纵向位置相似度。

基于候选匹配对的第三分量位置信息、其他候选匹配对的第六分量位置信息和垂直位置相似度计算公式，计算候选匹配对的垂直位置相似度。

基于候选匹配对的横向位置相似度、纵向位置相似度和垂直位置相似度，确定候选匹配对的位置相似度。

本实施例提供的地图更新处理装置，可用于执行上述任意方法实施例提供的地图更新处理方法，其实现原理和技术效果类似，此处不做赘述。

本申请的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

图7为本申请实施例提供的一种电子设备的结构示意图。该电子设备包括接收器70、发送器71、至少一个处理器72和存储器73，由上述部件构成的该电子设备可以用来实施本申请上述几个具体的实施例，此处不再赘述。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当处理器执行计算机执行指令时，实现上述实施例中方法中的各个步骤。

本申请实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例中方法中的各个步骤。

本申请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。

用于实施本申请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电子设备上执行。

在本申请的上下文中，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。计算机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，作为数据电子设备)、或者包括中间件部件的计算系统(例如，应用电子设备)、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。

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，本申请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，只要能够实现本申请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，并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种地图更新处理方法，其特征在于，包括：

根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据；其中，所述目标区域为对所述原始区域进行切分后得到的子区域，所述地图数据包括至少一个地图要素的特征数据，所述观测数据包括至少一个观测要素的特征数据；

根据所述地图要素的特征数据、所述观测要素的特征数据和预先建立好的多维指标体系，计算任一所述地图要素和任一所述观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对；

基于所有的所述候选匹配对，确定目标匹配结果，以实现对所述待更新的地图上的原始区域的更新；其中，所述目标匹配结果为多个所述候选匹配对作为目标匹配对的集合。

2.根据权利要求1所述的方法，其特征在于，所述根据所述地图要素的特征数据、所述观测要素的特征数据和预先建立好的多维指标体系，计算任一所述地图要素和任一所述观测要素之间的综合匹配度，包括：

识别所述预先建立好的多维指标体系中的指标；其中，所述多维指标体系包括以下至少两个指标：属性指标、信度指标和空间位置指标；

针对任一所述地图要素和任一所述观测要素，若所述多维指标体系中的指标包括所述属性指标，则从所述地图要素的特征数据中提取地图要素的属性数据，从所述观测要素的特征数据中提取观测要素的属性数据，并根据所述地图要素的属性数据和所述观测要素的属性数据，计算所述地图要素和所述观测要素之间的属性匹配度；

若所述多维指标体系中的指标包括所述空间位置指标，则从所述地图要素的特征数据中提取地图要素的空间位置数据，从所述观测要素的特征数据中提取观测要素的空间位置数据，并根据所述地图要素的空间位置数据和所述观测要素的空间位置数据，计算所述地图要素和所述观测要素之间的空间位置匹配度；

若所述多维指标体系中的指标包括所述信度指标，则从所述观测要素的特征数据中提取观测要素的信度数据，并根据所述观测要素的信度数据，计算所述地图要素和所述观测要素之间的信度匹配度；

基于所述多维指标体系中的指标所确定的所述属性匹配度、所述空间位置匹配度和所述信度匹配度中的至少两种，计算所述地图要素和所述观测要素之间的综合匹配度。

3.根据权利要求2所述的方法，其特征在于，当所述属性指标包括类型、宽度、颜色、高度、尺寸、形状和颜色中的至少两个子属性指标时，所述根据所述地图要素的属性数据和所述观测要素的属性数据，计算所述地图要素和所述观测要素之间的属性匹配度，包括：

从所述地图要素的属性数据中提取所述地图要素在每一个子属性指标上的子属性数据，并从所述观测要素的属性数据中提取所述观测要素在每一个子属性指标上的子属性数据；

针对每一个子属性指标，根据所述地图要素在所述子属性指标上的子属性数据和所述观测要素在所述子属性指标上的子属性数据，计算所述地图要素和所述观测要素之间的子属性匹配度；

基于所述地图要素和所述观测要素之间在所有子属性指标上的子属性匹配度，确定所述地图要素和所述观测要素之间的属性匹配度。

4.根据权利要求1所述的方法，其特征在于，所述基于所有的所述候选匹配对，确定目标匹配结果，包括：

基于预设的目标搜索算法和所有的所述候选匹配对进行推理匹配，得到多个推理匹配结果；其中，所述推理匹配结果为多个所述候选匹配对的集合；

计算每个所述推理匹配结果的评价得分，并将评价得分最高的推理匹配结果确定为目标匹配结果。

5.根据权利要求4所述的方法，其特征在于，所述计算每个所述推理匹配结果的评价得分，包括：

针对任一推理匹配结果中的每个所述候选匹配对，根据所述候选匹配对的位置数据、所述推理匹配结果中其他候选匹配对的位置数据和预设的位置相似度计算公式，计算出所述候选匹配对的位置相似度；

针对每个所述推理匹配结果，基于所述推理匹配结果中所有所述候选匹配对的位置相似度、所述候选匹配对的综合匹配度和预设的目标函数，确定每个所述推理匹配结果的评价得分。

6.根据权利要求1所述的方法，其特征在于，在所述获取同一目标区域的地图数据和观测数据之前，还包括：

获取所述原始区域的原始地图数据和传感器采集到的原始观测数据；

对所述原始地图数据和所述原始观测数据分别按照点要素的聚类结果进行划分，得到多个目标区域的地图数据和观测数据。

7.一种地图更新处理装置，其特征在于，包括：

获取模块，用于根据获取的地图更新请求中的待更新的地图上的原始区域，获取同一目标区域的地图数据和观测数据；其中，所述目标区域为对所述原始区域进行切分后得到的子区域，所述地图数据包括至少一个地图要素的特征数据，所述观测数据包括至少一个观测要素的特征数据；

计算模块，用于根据所述地图要素的特征数据、所述观测要素的特征数据和预先建立好的多维指标体系，计算任一所述地图要素和任一所述观测要素之间的综合匹配度，并将综合匹配度大于预设阈值的地图要素和观测要素组合为候选匹配对；

确定模块，用于基于所有的所述候选匹配对，确定目标匹配结果，以实现对所述待更新的地图上的原始区域的更新；其中，所述目标匹配结果为多个所述候选匹配对作为目标匹配对的集合。

8.一种电子设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至6任一项所述的地图更新处理方法。

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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的地图更新处理方法。

10.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1至6任一项所述的地图更新处理方法。

Images