CN116304391B - 一种地图区域框选后的推荐选区生成方法及系统 - Google Patents
一种地图区域框选后的推荐选区生成方法及系统 Download PDFInfo
- Publication number
- CN116304391B CN116304391B CN202310530185.6A CN202310530185A CN116304391B CN 116304391 B CN116304391 B CN 116304391B CN 202310530185 A CN202310530185 A CN 202310530185A CN 116304391 B CN116304391 B CN 116304391B
- Authority
- CN
- China
- Prior art keywords
- selection area
- frame selection
- area
- cell
- recommended
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000009432 framing Methods 0.000 claims description 15
- 238000013139 quantization Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04842—Selection of displayed objects or displayed text elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Instructional Devices (AREA)
Abstract
本发明涉及地图数据处理技术领域，具体公开了一种地图区域框选后的推荐选区生成方法及系统，方法包括根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为N维向量数据；基于卫星地图的显示范围获取用户框选出的第一框选区；确定第二框选区；将第二框选区划分为m*m个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据；根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区；根据被选区和未选区生成推荐选区等步骤。本发明在用户大致框选的范围之下，即使用户对区域不了解，也能够得到与该范围地区信息相关性极高的推荐选区，大大提高了信息查找效率和准确度。
Description
技术领域
本发明涉及地图数据处理技术领域，尤其涉及一种地图区域框选后的推荐选区生成方法及系统。
背景技术
现有的城市信息统计方式智能化低，需要大量的人工总结经验数据，因此也造成了数据维度单一、数据计量不准、数据计量范围受限等问题。
造成以上问题的原因之一则是区域的选定方式不佳，现有方式有采用文本匹配搜索或者下拉框点击选择的方式，这种方式需要操作人员依次点击选择，不仅操作繁琐，而且由于选项以被设定，所以无法选取选项之外的区域，故数据计量范围明显被限制。也存在一些地图圈选的方式，例如根据街道走向从地图上一步步画出所选范围，由于街道有大有小，所以所划范围也会存在误差，且操作起来非常费时，也会发生误操作，影响进程，除此之外，这种方式还要求操作人员对相关区域比较了解才可实施，否则很容易导致数据错误。
因此，本领域人员亟需寻找一种新的技术方案来解决上述的问题。
发明内容
针对现有技术中的技术问题，本发明提供一种地图区域框选后的推荐选区生成方法及系统。
本发明公开了一种地图区域框选后的推荐选区生成方法，包括步骤：
根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为N维向量数据；N大于1；
基于卫星地图的显示范围获取用户框选出的第一框选区；
根据预设的选区扩大策略以及第一框选区的范围，确定第二框选区；第二框选区完全覆盖第一框选区；
将第二框选区划分为m*m个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据；m大于1；
根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区；
根据被选区和未选区生成推荐选区。
进一步的，根据预设的选区扩大策略以及第一框选区的范围，确定第二框选区，包括：
根据第一框选区的范围，确定与第一框选区边缘至少有两个重合点的矩形框选区；矩形框选区完全覆盖第一框选区；
根据预设扩展参数以及矩形框选区，确定第二框选区；预设扩展参数大于1；
其中，第一框选区、矩形框选区以及第二框选区的中心位置相重合。
进一步的，根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为N维向量数据，包括：
预设尺度级别从高到低依次为：省、市、县、乡、街道/村、工业区/商业区/社区、楼/厂；
对每级尺度对应的地区信息量化为N维向量数据；
其中，地区信息包括在卫星地图上的经纬度信息、高级别尺度所属信息。
进一步的，将第二框选区划分为m*m个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据，包括：
将第二框选区划分为m*m个小格；
当第二框选区中包含有数量最少且不少于2个的非最低级的尺度时，将该尺度设定为计量尺度，或当第二框选区中包含有数量最少且为1个的非最低级的尺度时，将下一级尺度设定为计量尺度，或当第二框选区中仅包含有一种且为最低级的尺度时，将该尺度设定为计量尺度，获取小格内计量尺度对应的N维向量数据；
定义每个小格中计量尺度的属性，位于第一框选区内设定为正取地属性，第二框选区内、第一框选区外设定为反取地属性；
根据预设的特征数据计算策略以及计量尺度的属性和对应的N维向量数据计算每个小格的特征数据；
其中，特征数据计算策略包括：
通过属性为反取地属性的计量尺度的N维向量数据的反向量数据以及属性为正取地属性的计量尺度的N维向量数据，计算每个小格对应的N维向量数据；
将每个小格对应的N维向量数据输入预设的数据处理模型，得到一维向量数据，作为该小格的特征数据。
进一步的，根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区，包括：
判断每个小格的特征数据是否大于或等于预设的范围判定阈值；
若是，则将该小格的标签值设为1；
若否，则将该小格的标签值设为0；
令标签值为1的小格为被选区，令标签值为0的小格为未选区。
进一步的，根据被选区和未选区生成推荐选区，包括：
根据相连的被选区的边缘生成推荐选区。
进一步的，还包括：根据小格的标签值以及预设的损失函数计算策略，计算推荐选区的损失函数；
损失函数计算策略包括：
在第二框选区外围扩展一圈小格，且令其标签值均为0，结合第二框选区内小格的标签值得到（m+2）*（m+2）的第一矩阵；
建立参考矩阵，并对第一矩阵与参考矩阵进行卷积运算得到m*m的第二矩阵/>；
计算损失函数；其中，/>，/>为第/>个小格的初始标签值，初始标签值为根据小格的特征数据与预设的范围判定阈值之间的关系设定的标签值，/>，/>为第/>个小格的选定标签值，选定标签值为，当小格位于第一框选区内时选定标签值为1，当小格位于第一框选区外时选定标签值为0；，/>表示在第二矩阵/>中当小格对应的标签值为1且其周围四个小格中标签值为1的小格少于两个时，采用该小格的标签值参与运算，/>表示在第二矩阵中当小格对应的标签值为0且其周围四个小格中标签值为1的小格多于两个时，对该小格的标签值进行非运算后参与运算；k为预设的经验参数。
进一步的，将损失函数的值反向传播至数据处理模型，对数据处理模型的模型参数进行训练优化。
进一步的，还包括：
在第一框选区的边界线上生成若干个标记点；
根据用户拖动指令移动标记点的位置；
根据移动后的标记点的位置调整推荐选区；
以及，获取推荐选区调整数据，并传播至数据处理模型，对数据处理模型的模型参数进行训练优化。
本发明还包括一种地图区域框选后的推荐选区生成系统，系统包括信息量化模块、选区确定模块、推荐选区生成模块，其中：
信息量化模块，与选区确定模块相连接，信息量化模块用于根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为向量数据；
选区确定模块，与信息量化模块、推荐选区生成模块相连接，选区确定模块用于基于卫星地图的显示范围获取用户框选出的第一框选区； 以及，根据预设的选区扩大策略以及第一框选区的范围，确定第二框选区；第二框选区完全覆盖第一框选区；以及，将第二框选区划分为m行、m列个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据；以及，根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区；
推荐选区生成模块，与选区确定模块相连接，推荐选区生成模块用于根据被选区和未选区生成推荐选区。
本发明的地图区域框选后的推荐选区生成方法及系统，根据卫星地图以及预设的多级尺度将每级尺度对应的地区信息量化为N维向量数据，再基于卫星地图的显示范围获取用户框选出的第一框选区，之后确定出完全覆盖第一框选区的第二框选区，再将第二框选区划分为m*m个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据，与预设的范围判定阈值进行比较判断，将小格设为被选区或未选区，最后再根据被选区和未选区生成推荐选区，用户只需基于卫星地图框选出第一框选区，就可得到对应的推荐选区，操作非常方便快捷，且本发明中的推荐选区的生成是基于多级尺度对应的地区信息，所以在用户大致框选的范围之下，即使用户对区域不了解，也能够得到与该范围地区信息相关性极高的推荐选区，大大提高了信息查找效率和准确度。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（一）；
图2为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（二）；
图3为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（三）；
图4为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（四）；
图5为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（五）；
图6为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（六）；
图7为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（七）；
图8为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（八）；
图9为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（九）；
图10为本发明实施例的地图区域框选后的推荐选区生成方法的步骤流程图（十）；
图11为本发明实施例的地图区域框选后的推荐选区生成方法的框选区示意图（一）；
图12为本发明实施例的地图区域框选后的推荐选区生成方法的框选区示意图（二）；
图13为本发明实施例的地图区域框选后的推荐选区生成系统的结构组成图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。
本发明实施例的一种地图区域框选后的推荐选区生成方法，如图1所示，包括步骤：
步骤S10：根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为N维向量数据。
本实施例中，N的取值大于1。具体的，步骤S10：根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为N维向量数据，如图2所示，包括：
步骤S101：预设尺度级别从高到低依次为：省、市、县、乡、街道/村、工业区/商业区/社区、楼/厂。
本步骤划分的尺度级别适应于大部分地区，而针对一些特殊区域，可根据以上尺度划分做出适当的调整，确保卫星地图上的内容均被设定。以上尺度的设定可对应为A、B、C、D、E、F、G级。
步骤S102：对每级尺度对应的地区信息量化为N维向量数据。
本步骤中，地区信息至少包括了在卫星地图上的经纬度信息，以及高级别尺度所属信息。例如，D级的“XX乡”的地区信息包括了其对应的经纬度信息，还包括从属于C级的“XX县”的高级别尺度所属信息，还可包含其他信息，本实施例不做具体的限定。对于地区信息向N维向量的量化过程，可参考图像向量化技术，本发明实施例不具体阐述。
通过以上步骤，每一级尺度均对应有一个N维向量数据。
步骤S20：基于卫星地图的显示范围获取用户框选出的第一框选区。
本实施例并不限定卫星地图显示的缩放比例，用户在卫星地图的显示范围之下进行区域的框选，得到第一框选区。本实施例并不限定第一框选区的形状，第一框选区既可以为多边形，也可以为圆形；如图11所示，1101为第一框选区，此框选区为一个不规则的六边形。
步骤S30：根据预设的选区扩大策略以及第一框选区的范围，确定第二框选区。
由于本实施例中的第一框选区为用户大致的框选，所以为了后续结果输出的准确度，基于第一框选区的范围得到一个更大的第二框选区，作为后续选区推荐的基准范围，本实施例的第二框选区完全覆盖第一框选区。
具体的，步骤S30：根据预设的选区扩大策略以及第一框选区的范围，确定第二框选区，如图3所示，包括：
步骤S301：根据第一框选区的范围，确定与第一框选区边缘至少有两个重合点的矩形框选区。
本实施例中的矩形框选区完全覆盖第一框选区。由于第一框选区的形状多种多样，所以本步骤的矩形框选区为了完全覆盖第一框选区且具备适宜的框选范围，故至少与第一框选区的边缘有两个重合点。当不限定矩形框选区相邻边的关系时，可直接以第一框选区的外接矩形作为此步骤中的矩形框选区，优选的，本实施例中的矩形框选区的形状为正方形，则矩形框选区为外接于第一框选区的正方形选区，且此正方形选区的边长取决于第一框选区中距离最远的两点的位置，如图11所示，正方形框1102为本实施例的矩形框选区（即图11中较小的正方形框）。
步骤S302：根据预设扩展参数以及矩形框选区，确定第二框选区。
本实施例的预设扩展参数为自行设定，但本实施例中的预设扩展参数大于1，例如取值为1.2，得到如图11所示的1103正方形选区（即图11中较大的正方形框）。需要说明的是，本发明实施例中的第一框选区、矩形框选区以及第二框选区的中心位置相重合。
步骤S40：将第二框选区划分为m*m个小格，并根据第二框选区中所包含的尺度对应的向量数据计算每个小格的特征数据。
本实施例不限定m的取值范围，但m应当为大于1的整数。
具体的，步骤S40：将第二框选区划分为m*m个小格，并根据第二框选区中所包含的尺度对应的向量数据计算每个小格的特征数据，如图4所示，包括：
步骤S401：将第二框选区划分为m*m个小格。
本实施例的向量数据的处理可基于神经网络模型实现，对应的，m可取值为112，从而得到112*112=12544个小格。
步骤S402：当第二框选区中包含有数量最少且不少于2个的非最低级的尺度时，将该尺度设定为计量尺度，或当第二框选区中包含有数量最少且为1个的非最低级的尺度时，将下一级尺度设定为计量尺度，或当第二框选区中仅包含有一种且为最低级的尺度时，将该尺度设定为计量尺度，获取小格内计量尺度对应的N维向量数据。
本步骤中，例如第二框选区框选到两个E级，三十个F级，则将E级设定为计量尺度；若框选到一个E级，三十个F级，则将F级设定为计量尺度。由于前述步骤得到每个尺度对应的N维向量数据，所以可对应得出每个小格内计量尺度对应的N维向量数据。此步骤实施时需要说明的是，由于小格的划分，会存在一个小格中既包含了“a乡”的部分，也包含了“b乡”的部分，或者“a乡”存在于多个小格中，此时可根据每个小格中各区域所占的比例确定对应的权重系数，继而通过线性插值的计算方式确定出每个小格中计量尺度对应的N维向量数据。
步骤S403：定义每个小格中计量尺度的属性，位于第一框选区内设定为正取地属性，第二框选区内、第一框选区外设定为反取地属性。
步骤S404：根据预设的特征数据计算策略以及计量尺度的属性和对应的N维向量数据计算每个小格的特征数据。
其中，如图5所示，特征数据计算策略包括：
步骤S4041：通过属性为反取地属性的计量尺度的N维向量数据的反向量数据以及属性为正取地属性的计量尺度的N维向量数据，计算每个小格对应的N维向量数据。
此步骤中，为反取地属性时，需要先求取反向量数据之后再进行运算，而正取地属性则直接进行运算，通过向量数据的求和运算，得到每个小格对应的N维向量数据。
步骤S4042：将每个小格对应的N维向量数据输入预设的数据处理模型，得到一维向量数据，作为该小格的特征数据。
假设本实施例中的N取值为300，则在步骤S4041之后，共得到300*112*112个特征向量，通过数据处理模型的运算，得到1*112*112的向量数据。本实施例在预设的数据处理模型可通过神经网络模型实现。
步骤S50：根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区。
具体的，步骤S50：根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区，如图6所示，包括：
步骤S501：判断每个小格的特征数据是否大于或等于预设的范围判定阈值。
将每个小格的特征数据与范围判定阈值作差，若大于或等于0，则执行步骤S502，若小于0，则执行步骤S503。
步骤S502：将该小格的标签值设为1。
步骤S503：将该小格的标签值设为0；
步骤S504：令标签值为1的小格为被选区，令标签值为0的小格为未选区。
通过以上步骤确定出每个小格是被选区或未选区之后，执行步骤S60。
步骤S60：根据被选区和未选区生成推荐选区。
如图12所示，1201为第一框选区（即图12中最小的正方形方框），1202为第二框选区（即图12中最大的正方形方框），1203圈选的范围（即图12中不规则形状的线圈）则为通过本发明方法得出的推荐选区。
此步骤中，根据相连的被选区的边缘生成推荐选区，这是因为以上数据处理过程中会存在一些奇异点，其周围小格的标签值并不全部与之相同，所以在生成推荐选区时，需结合小格以及周围小格的标签值进行，而奇异点是脱离推荐选区这一封闭区域的，本发明对奇异点的情况举例说明如下：
首先，判定该小格（为方便表述，后续称为点）为奇异点的方式为：该点与之靠近的四个点（上、下、左、右位置），有三个及以上不与该点的标签值相同，当该点的标签值为1时，与之靠近的四个点中有三个或四个点的标签值为0，当该点的标签值为0时，与之靠近的四个点中有三个或四个点的标签值为1。
所以，为了解决这种情况，具体的，如图7所示，本发明方法还包括步骤S70：根据小格的标签值以及预设的损失函数计算策略，计算推荐选区的损失函数。
其中，如图8所示，本步骤中的损失函数计算策略包括：
步骤S701：在第二框选区外围扩展一圈小格，且令其标签值均为0，结合第二框选区内小格的标签值得到（m+2）*（m+2）的第一矩阵。
步骤S702：建立参考矩阵，并对第一矩阵与参考矩阵进行卷积运算得到m*m的第二矩阵/>。
步骤S703：计算损失函数。
其中，，/>为第/>个小格的初始标签值，此处的初始标签值为通过前述步骤S502和步骤S503的操作所得的标签值，即根据小格的特征数据与预设的范围判定阈值之间的关系设定的标签值，/>，/>为第/>个小格的选定标签值，选定标签值为：当小格位于第一框选区内时选定标签值为1，当小格位于第一框选区外时选定标签值为0；/>，/>表示在第二矩阵/>中当小格对应的标签值为1且其周围四个小格中标签值为1的小格少于两个时，采用该小格的标签值参与运算，/>表示在第二矩阵/>中当小格对应的标签值为0且其周围四个小格中标签值为1的小格多于两个时，对该小格的标签值进行非运算后参与运算；k为预设的经验参数。
的值是根据小格的初始标签值计算得出的，而的值则是根据奇异点计算得出的。经验参数k一般取值大于1，便于在计算损失函数时将奇异点的影响放大，进而实现步骤S80的目的。
具体的，本发明的方法还包括步骤S80：将损失函数的值反向传播至数据处理模型，对数据处理模型的模型参数进行训练优化。
本发明实施例中的数据处理模型用于将N维向量数据计算输出得到一个一维向量数据。若损失函数的值异常，则说明前述数据处理模型的模型参数并没有达到最优，故将损失函数的值反向传播至数据处理模型，对数据处理模型的模型参数进行训练优化，直至得到损失函数的值最小，此时对应的模型参数则为数据处理模型的最优模型参数。
具体的，本发明的方法还包括：对推荐选区进行调整。如图10所示，本步骤具体包括：
步骤S901：在第一框选区的边界线上生成若干个标记点。
步骤S902：根据用户拖动指令移动标记点的位置。
步骤S903：根据移动后的标记点的位置调整推荐选区。
根据用户的拖动指令，对推荐选区的范围进行进一步调整优化。
以及，步骤S904：获取推荐选区调整数据，并传播至数据处理模型，对数据处理模型的模型参数进行训练优化。
本实施例还获取推荐选区调整数据，作为数据处理模型的影响因子，进一步对数据处理模型的模型参数进行调整，使得推荐选区的范围更加精准。
当用户在获得想要的推荐选区之后，本发明可通过抽取对应区域的城市信息进而实现数据的统计与分析。
本发明实施例还包括一种地图区域框选后的推荐选区生成系统，如图13所示，系统包括信息量化模块10、选区确定模块20、推荐选区生成模块30，其中：
信息量化模块10，与选区确定模块20相连接，信息量化模块10用于根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为向量数据；
选区确定模块20，与信息量化模块10、推荐选区生成模块30相连接，选区确定模块20用于基于卫星地图的显示范围获取用户框选出的第一框选区； 以及，根据预设的选区扩大策略以及第一框选区的范围，确定第二框选区；第二框选区完全覆盖第一框选区；以及，将第二框选区划分为m行、m列个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据；以及，根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区；
推荐选区生成模块30，与选区确定模块20相连接，推荐选区生成模块30用于根据被选区和未选区生成推荐选区。
本系统实施例中的信息量化模块10、选区确定模块20、推荐选区生成模块30所实现的对应功能可结合前述方法的实施例进行理解，此处将不再赘述。
本发明实施例的地图区域框选后的推荐选区生成方法及系统，根据卫星地图以及预设的多级尺度将每级尺度对应的地区信息量化为N维向量数据，再基于卫星地图的显示范围获取用户框选出的第一框选区，之后确定出完全覆盖第一框选区的第二框选区，再将第二框选区划分为m*m个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据，与预设的范围判定阈值进行比较判断，将小格设为被选区或未选区，最后再根据被选区和未选区生成推荐选区，用户只需基于卫星地图框选出第一框选区，就可得到对应的推荐选区，操作非常方便快捷，且本发明中的推荐选区的生成是基于多级尺度对应的地区信息，所以在用户大致框选的范围之下，即使用户对区域不了解，也能够得到与该范围地区信息相关性极高的推荐选区，大大提高了信息查找效率和准确度。
以上借助具体实施例对本发明做了进一步描述，但是应该理解的是，这里具体的描述，不应理解为对本发明的实质和范围的限定，本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改，都属于本发明所保护的范围。
Claims (9)
1.一种地图区域框选后的推荐选区生成方法，其特征在于，包括步骤：
根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为N维向量数据；N大于1；预设尺度级别从高到低依次为：省、市、县、乡、街道/村、工业区/商业区/社区、楼/厂；
基于所述卫星地图的显示范围获取用户框选出的第一框选区；
根据预设的选区扩大策略以及所述第一框选区的范围，确定第二框选区；所述第二框选区完全覆盖所述第一框选区；
将所述第二框选区划分为m*m个小格，并根据第二框选区中所包含的尺度对应的向量数据计算每个小格的特征数据；m大于1；
根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区；
根据所述被选区和所述未选区生成推荐选区；
将所述第二框选区划分为m*m个小格，并根据第二框选区中所包含的尺度对应的向量数据计算每个小格的特征数据，包括：
将所述第二框选区划分为m*m个小格；
当第二框选区中包含有数量最少且不少于2个的非最低级的尺度时，将该尺度设定为计量尺度，或当第二框选区中包含有数量最少且为1个的非最低级的尺度时，将下一级尺度设定为计量尺度，或当第二框选区中仅包含有一种且为最低级的尺度时，将该尺度设定为计量尺度，获取小格内计量尺度对应的N维向量数据；
定义每个小格中计量尺度的属性，位于所述第一框选区内设定为正取地属性，所述第二框选区内、所述第一框选区外设定为反取地属性；
根据预设的特征数据计算策略以及所述计量尺度的属性和对应的N维向量数据计算每个小格的特征数据；
其中，所述特征数据计算策略包括：
通过属性为反取地属性的计量尺度的N维向量数据的反向量数据以及属性为正取地属性的计量尺度的N维向量数据，计算每个小格对应的N维向量数据；
将每个小格对应的N维向量数据输入预设的数据处理模型，得到一维向量数据，作为该小格的特征数据。
2.如权利要求1所述的一种地图区域框选后的推荐选区生成方法，其特征在于，根据预设的选区扩大策略以及所述第一框选区的范围，确定第二框选区，包括：
根据所述第一框选区的范围，确定与所述第一框选区边缘至少有两个重合点的矩形框选区；所述矩形框选区完全覆盖所述第一框选区；
根据预设扩展参数以及所述矩形框选区，确定所述第二框选区；所述预设扩展参数大于1；
其中，所述第一框选区、矩形框选区以及所述第二框选区的中心位置相重合。
3.如权利要求1所述的一种地图区域框选后的推荐选区生成方法，其特征在于，根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为N维向量数据，包括：
所述地区信息包括在卫星地图上的经纬度信息、高级别尺度所属信息。
4.如权利要求3所述的一种地图区域框选后的推荐选区生成方法，其特征在于，根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区，包括：
判断每个小格的特征数据是否大于或等于预设的范围判定阈值；
若是，则将该小格的标签值设为1；
若否，则将该小格的标签值设为0；
令标签值为1的小格为被选区，令标签值为0的小格为未选区。
5.如权利要求4所述的一种地图区域框选后的推荐选区生成方法，其特征在于，根据所述被选区和所述未选区生成推荐选区，包括：
根据相连的被选区的边缘生成所述推荐选区。
6.如权利要求5所述的一种地图区域框选后的推荐选区生成方法，其特征在于，还包括：根据小格的标签值以及预设的损失函数计算策略，计算所述推荐选区的损失函数；
所述损失函数计算策略包括：
在所述第二框选区外围扩展一圈小格，且令其标签值均为0，结合第二框选区内小格的标签值得到（m+2）*（m+2）的第一矩阵；建立参考矩阵，对第一矩阵与参考矩阵进行卷积运算得到m*m的第二矩阵；
计算损失函数；其中，/>，/>为第个小格的初始标签值，所述初始标签值为根据小格的特征数据与预设的范围判定阈值之间的关系设定的标签值，/>，为第个小格的选定标签值，所述选定标签值为，当小格位于所述第一框选区内时选定标签值为1，当小格位于所述第一框选区外时选定标签值为0；，/>，表示在第二矩阵中当小格对应的标签值为1且其周围四个小格中标签值为1的小格少于两个时，采用该小格的标签值参与运算，/>表示在第二矩阵中当小格对应的标签值为0且其周围四个小格中标签值为1的小格多于两个时，对该小格的标签值进行非运算后参与运算；k为预设的经验参数。
7.如权利要求6所述的一种地图区域框选后的推荐选区生成方法，其特征在于，将所述损失函数的值反向传播至所述数据处理模型，对所述数据处理模型的模型参数进行训练优化。
8.如权利要求7所述的一种地图区域框选后的推荐选区生成方法，其特征在于，还包括：
在所述第一框选区的边界线上生成若干个标记点；
根据用户拖动指令移动所述标记点的位置；
根据移动后的所述标记点的位置调整所述推荐选区；
以及，获取推荐选区调整数据，并传播至所述数据处理模型，对所述数据处理模型的模型参数进行训练优化。
9.一种地图区域框选后的推荐选区生成系统，其特征在于，所述系统包括信息量化模块、选区确定模块、推荐选区生成模块，其中：
所述信息量化模块，与所述选区确定模块相连接，所述信息量化模块用于根据卫星地图以及预设的多级尺度，将每级尺度对应的地区信息量化为向量数据；预设尺度级别从高到低依次为：省、市、县、乡、街道/村、工业区/商业区/社区、楼/厂；
所述选区确定模块，与所述信息量化模块、推荐选区生成模块相连接，所述选区确定模块用于基于所述卫星地图的显示范围获取用户框选出的第一框选区； 以及，根据预设的选区扩大策略以及所述第一框选区的范围，确定第二框选区；所述第二框选区完全覆盖所述第一框选区；以及，将所述第二框选区划分为m行、m列个小格，并根据每个小格中所包含的数量最少的尺度对应的向量数据计算对应小格的特征数据；以及，根据每个小格的特征数据与预设的范围判定阈值之间的关系，将小格设为被选区或未选区；
所述推荐选区生成模块，与所述选区确定模块相连接，所述推荐选区生成模块用于根据所述被选区和所述未选区生成推荐选区；
将所述第二框选区划分为m*m个小格，并根据第二框选区中所包含的尺度对应的向量数据计算每个小格的特征数据，包括：
将所述第二框选区划分为m*m个小格；
当第二框选区中包含有数量最少且不少于2个的非最低级的尺度时，将该尺度设定为计量尺度，或当第二框选区中包含有数量最少且为1个的非最低级的尺度时，将下一级尺度设定为计量尺度，或当第二框选区中仅包含有一种且为最低级的尺度时，将该尺度设定为计量尺度，获取小格内计量尺度对应的N维向量数据；
定义每个小格中计量尺度的属性，位于所述第一框选区内设定为正取地属性，所述第二框选区内、所述第一框选区外设定为反取地属性；
根据预设的特征数据计算策略以及所述计量尺度的属性和对应的N维向量数据计算每个小格的特征数据；
其中，所述特征数据计算策略包括：
通过属性为反取地属性的计量尺度的N维向量数据的反向量数据以及属性为正取地属性的计量尺度的N维向量数据，计算每个小格对应的N维向量数据；
将每个小格对应的N维向量数据输入预设的数据处理模型，得到一维向量数据，作为该小格的特征数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310530185.6A CN116304391B (zh) | 2023-05-12 | 2023-05-12 | 一种地图区域框选后的推荐选区生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310530185.6A CN116304391B (zh) | 2023-05-12 | 2023-05-12 | 一种地图区域框选后的推荐选区生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116304391A CN116304391A (zh) | 2023-06-23 |
| CN116304391B true CN116304391B (zh) | 2023-07-25 |
Family
ID=86834466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310530185.6A Active CN116304391B (zh) | 2023-05-12 | 2023-05-12 | 一种地图区域框选后的推荐选区生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116304391B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116595271B (zh) * | 2023-07-17 | 2023-09-12 | 湖南谛图科技有限公司 | 基于深度学习的空间地图信息推荐方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345130A (zh) * | 2018-10-12 | 2019-02-15 | 深圳市和讯华谷信息技术有限公司 | 商业选址的方法、装置、计算机设备及存储介质 |
| CN109994038A (zh) * | 2019-02-20 | 2019-07-09 | 北京三快在线科技有限公司 | 不规则区域内兴趣点确定方法、装置、电子设备 |
| CN111160292A (zh) * | 2019-12-31 | 2020-05-15 | 上海易维视科技有限公司 | 人眼检测方法 |
| CN112256906A (zh) * | 2020-10-23 | 2021-01-22 | 安徽启新明智科技有限公司 | 在显示屏上标记批注的方法、装置和存储介质 |
| CN113534822A (zh) * | 2021-09-14 | 2021-10-22 | 深圳市元鼎智能创新有限公司 | 扫地机器人的路径控制方法、装置及扫地机器人 |
| CN115115872A (zh) * | 2022-06-07 | 2022-09-27 | 腾讯科技（深圳）有限公司 | 图像识别方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10878291B2 (en) * | 2019-03-28 | 2020-12-29 | International Business Machines Corporation | Visually guided query processing |
-
2023
- 2023-05-12 CN CN202310530185.6A patent/CN116304391B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109345130A (zh) * | 2018-10-12 | 2019-02-15 | 深圳市和讯华谷信息技术有限公司 | 商业选址的方法、装置、计算机设备及存储介质 |
| CN109994038A (zh) * | 2019-02-20 | 2019-07-09 | 北京三快在线科技有限公司 | 不规则区域内兴趣点确定方法、装置、电子设备 |
| CN111160292A (zh) * | 2019-12-31 | 2020-05-15 | 上海易维视科技有限公司 | 人眼检测方法 |
| CN112256906A (zh) * | 2020-10-23 | 2021-01-22 | 安徽启新明智科技有限公司 | 在显示屏上标记批注的方法、装置和存储介质 |
| CN113534822A (zh) * | 2021-09-14 | 2021-10-22 | 深圳市元鼎智能创新有限公司 | 扫地机器人的路径控制方法、装置及扫地机器人 |
| CN115115872A (zh) * | 2022-06-07 | 2022-09-27 | 腾讯科技（深圳）有限公司 | 图像识别方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Crop Mapping Using Sentinel Full-Year Dual-Polarized SAR Data and a CPU-Optimized Convolutional Neural Network With Two Sampling Strategies;Shengjie Liu 等;《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 》;7017-7031 * |
| 基于深度相机的同时定位与建图在动态环境下的研究;解万方;《中国优秀硕士学位论文全文数据库信息科技辑》;I138-1346 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116304391A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111836358B (zh) | 定位方法、电子设备和计算机可读存储介质 | |
| US10725008B2 (en) | Automatic siting for air quality monitoring stations | |
| CN109493346A (zh) | 一种基于多损失的胃癌病理切片图像分割方法和装置 | |
| CN111783772A (zh) | 一种基于RP-ResNet网络的抓取检测方法 | |
| CN108540988B (zh) | 一种场景划分方法及装置 | |
| CN116994140A (zh) | 基于遥感影像的耕地提取方法、装置、设备和介质 | |
| CN116304391B (zh) | 一种地图区域框选后的推荐选区生成方法及系统 | |
| CN110597873A (zh) | 降水数据估计方法、装置、设备及存储介质 | |
| KR102319145B1 (ko) | 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치 | |
| CN113420619A (zh) | 一种遥感影像建筑物提取方法 | |
| CN109918542B (zh) | 一种用于关系图数据的卷积分类方法及系统 | |
| KR20210028716A (ko) | 딥러닝 모델의 트레이닝 방법, 장치, 전자 기기 및 저장 매체 | |
| CN114647819A (zh) | 基于图卷积网络的环境数据的格点处理方法 | |
| CN115829163B (zh) | 基于多模式集成的长江中下游流域径流预测方法和系统 | |
| CN110418283A (zh) | 基于WiFi数据的位置指纹库创建方法 | |
| Mandal | Geo-information based spatio-temporal modeling of urban land use and land cover change in Butwal municipality, Nepal | |
| CN117391139A (zh) | 基于改进UNet神经网络的天气现象预报订正方法 | |
| CN109657907B (zh) | 地理国情监测数据的质量控制方法、装置和终端设备 | |
| CN116403071B (zh) | 基于特征重构的少样本混凝土缺陷检测方法及装置 | |
| US20230186594A1 (en) | Information processing apparatus, information processing method, and non-transitory computer readable medium | |
| CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
| CN110795519A (zh) | 基于Markov模型和概率统计的位置预测方法及可读存储介质 | |
| CN112884162A (zh) | 一种数据生成方法、装置、设备及存储介质 | |
| CN113486590A (zh) | 一种数据处理方法、设备和存储介质 | |
| Shashikanth et al. | Fine resolution Indian summer monsoon rainfall projection with statistical downscaling |
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 |