CN117149928A - 地理网格的空间数据处理方法、终端设备及存储介质 - Google Patents
地理网格的空间数据处理方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN117149928A CN117149928A CN202311087524.4A CN202311087524A CN117149928A CN 117149928 A CN117149928 A CN 117149928A CN 202311087524 A CN202311087524 A CN 202311087524A CN 117149928 A CN117149928 A CN 117149928A
- Authority
- CN
- China
- Prior art keywords
- grid
- data
- geographic
- spatial
- data processing
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000003672 processing method Methods 0.000 title abstract description 13
- 238000011835 investigation Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000006870 function Effects 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000005520 cutting process Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 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
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual 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
- G06F16/20—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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了地理网格的空间数据处理方法、终端设备及计算机可读存储介质，该方法包括：接收位置信息获取请求，所述位置信息获取请求中至少包括待测位置经纬度信息和网格级别；基于预设函数，将所述待测位置经纬度信息和所述网格级别转换为网格编号；在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征；根据所述地理网格空间特征和所述网格编号，构建区域模型。解决了相关网格切割技术中，网格变形大，导致最终获取的地理数据不准确的问题。达到了提高地理网格数据准确性的效果。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及地理网格的空间数据处理方法、终端设备及计算机可读存储介质。
背景技术
Hadoop是一种分布式系统基础架构，主要是解决数据存储和数据分析计算的问题，用户可以在不了解分布式底层细节的情况下，开发分布式程序。
在通过Hadoop离线平台处理数据时，由于Hadoop系列离线平台中无基于地理网格对应的处理分析方案，因此需要先在离线平台外部开发作业进行网格处理分析，然后再把分析后的数据入库离线平台。部分情况下，可在Hadoop中按照经纬度的小数位数进行网格切割，此种方案每级别网格面积相差100倍左右，且若数据覆盖全国时，网格变形较大，导致最终获取的地理数据不准确。
发明内容
本申请实施例通过提供一种地理网格的空间数据处理方法、终端设备及计算机可读存储介质，解决了相关网格切割技术中，网格变形大，导致最终获取的地理数据不准确的问题。达到了提高地理网格数据准确性的效果。
本申请实施例提供了一种地理网格的空间数据处理方法，所述地理网格的空间数据处理方法包括：
接收位置信息获取请求，所述位置信息获取请求中至少包括待测位置经纬度信息和网格级别；
基于预设函数，将所述待测位置经纬度信息和所述网格级别转换为网格编号；
在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征；
根据所述地理网格空间特征和所述网格编号，构建区域模型。
可选地，所述在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征的步骤包括：
对所述区域调查请求进行解析，确定调查半径；
根据所述调查半径和所述网格编号，确定所述待调查区域。
可选地，所述在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征的步骤还包括：
对所述区域调查请求进行解析，确定待调查内容；
将所述待调查内容与标签数据库进行匹配，确定标签；
在所述待调查区域中，筛选出具备所述标签的地理网格，并获取所述地理网格空间特征。
可选地，所述接收位置信息获取请求的步骤之前，包括：
采集网格数据，根据所述网格数据之间的关联关系，生成网格标签；
根据所述网格数据与所述网格标签，构建标签数据库。
可选地，所述采集网格数据，根据所述网格数据之间的关联关系，生成网格标签的步骤包括：
对所述网格数据根据数据类型进行关联和整合，生成网格子标签；
通过预设数据处理方式对所述网格子标签进行处理，生成所述网格标签。
可选地，所述根据所述网格数据与所述网格标签，构建标签数据库的步骤之后，包括：
根据数据类型定时或者实时采集所述网格数据；
将存在变动的所述网格数据更新所述网格标签。
可选地，所述在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征的步骤包括：
对所述区域调查请求进行解析；
根据解析结果，确定所述区域调查请求对应的网格级别和用户权限；
根据所述网格级别和所述用户权限，判断是否接入对应的数据接口。
可选地，所述根据所述地理网格空间特征和所述网格编号，构建区域模型的步骤包括：
根据实际需求，获取对应的所述地理网格空间特征和所述网格编号；
基于预设模型构建算法，构建所述区域模型。
此外，为实现上述目的，本发明实施例还提供一种终端设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的地理网格的空间数据处理程序，所述处理器执行所述地理网格的空间数据处理程序时，实现如上所述的方法。
此外，为实现上述目的，本发明实施例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地理网格的空间数据处理程序，所述地理网格的空间数据处理程序被处理器执行时，实现如上所述的方法。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
基于Google S2算法划分网格，在接收到包括待测位置经纬度信息和网格级别的位置信息获取请求后，基于预设函数，将待测位置经纬度信息和网格级别转换为网格编号。在接收到基于网格编号的区域调查请求时，获取待调查区域的地理网格空间特征，根据地理网格空间特征和网格编号，构建区域模型。预设函数中包含经纬度网格间转换、空间范围查询、距离计算、坐标系转换、网格等级间转换等函数。解决了相关网格切割技术中，网格变形大，从而导致最终获取的地理数据不准确的问题。实现了提高地理网格数据准确性的效果。
附图说明
图1为本申请地理网格的空间数据处理方法实施例一的流程示意图；
图2为本申请地理网格的空间数据处理方法实施例二的流程示意图；
图3为本申请一实施例方案涉及的硬件运行环境的终端结构示意图。
具体实施方式
在Hadoop离线平台中不存在基于地理网格对应的处理分析方案，因此需要先在离线平台外部开发作业进行网格处理分析。在相关网格切割技术中，网格变形大，导致最终获取的地理数据不准确。为了解决这一问题，本申请提供一种地理网格的空间数据处理方法，基于Google S2算法划分网格，在接收到包括待测位置经纬度信息和网格级别的位置信息获取请求后，基于预设函数，将待测位置经纬度信息和网格级别转换为网格编号。在接收到基于网格编号的区域调查请求时，获取待调查区域的地理网格空间特征，根据地理网格空间特征和网格编号，构建区域模型。实现了提高地理网格数据准确性的效果。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以通过各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
在本实施例中，提供一种地理网格的空间数据处理方法。
参照图1，本实施例的地理网格的空间数据处理方法包括以下步骤：
步骤S100：接收位置信息获取请求，所述位置信息获取请求中至少包括待测位置经纬度信息和网格级别；
在本实施例中，位置信息获取请求可以包括待测位置经纬度信息和网格级别。待测位置经纬度信息指的是所要查询的地址在地图上的经纬度数据。网格级别指的是通过Google S2划分得到的不同级别的地理网格，每个级别中的网格有对应的网格编号。
作为一种可选实施方式，在接收到位置信息获取请求后，对所述位置信息获取请求进行解析，确定待测位置的经纬度信息和所要查询的精度级别。根据精度级别确定网格级别。
示例性地，由Google S2划分网格后，不同网格级别对应的精度级别不同，网格级别越低，对应的精度级别也越低，例如16级网格中每个网格的面积比19级网格中每个网格的面积大，其所覆盖的数据量也较大。但当要获取某一具体经纬度信息G对应的详细数据时，应选择级别较高的网格，网格级别越高，每个网格的面积就越小，网格内的数据也越精细。相邻级别间网格面积相差4倍左右。一个位置信息获取请求中可以包括多个不同的网格级别要求。由于相邻级别间网格面积相差较小，因此不同网格级别切换时，过渡较平滑。
作为另一种可选实施方式，Google S2是一种地理空间索引系统，主要用于地理位置搜索、聚合和可视化分析等。Google S2提供多种编程语言的实现版本，如C++、Java、Go、Python等，以支持不同的开发环境和平台，开发人员可以在不同的系统和框架中使用S2进行地理空间分析和查询操作。
示例性地，Google S2使用了基于分层的索引结构，将地球表面划分为不同的层级，每个层级都是一个正方形网格。层级编号以及每个网格的位置和大小都经过优化，以提供高效的索引和查询性能。为了适应不同的应用需求，Google S2可以将地球表面划分为30个不同级别的网格，级别越高，网格越小，网格数据也更精细。
步骤S200：基于预设函数，将所述待测位置经纬度信息和所述网格级别转换为网格编号；
在本实施例中，预设函数指的是Hive UDF函数，根据预先编写好的Hive UDF函数，可以实现经纬度网格间转换、空间范围查询、距离计算、坐标系转换和网格等级间转换等。网格编号包括网格级别数以及具体的位置数据。
作为一种可选实施方式，可以基于Google S2算法的原理，使用Java语言编写HiveUDF函数，生成函数列表。在后续使用中，还可以基于实际需要，编写Hive UDF函数并更新到函数列表中。
示例性地，在接收到位置信息获取请求后，解析得到经纬度信息和网格级别，调取经纬度转网格编号函数，将经纬度信息和网格级别传参到函数中对应的参数位置，得到位置信息获取请求对应的网格编号。
可选地，在更新函数列表时，可以通过手动更新法、自动化脚本更新法、版本控制系统更新法和动态加载更新法等。当函数列表较小且不常更新变动时，可以通过手动更新法来更新函数列表，手动添加、修改或者删除函数。当函数列表需要频繁更新或者依赖外部数据源时，可以通过自动化脚本更新法来更新函数列表，通过编写脚本从指定的数据源或配置文件中读取函数信息，并自动更新函数列表。为了更方便地管理函数列表，实现函数列表的同步异步更新，可以使用版本控制系统更新法来更新函数列表，将函数列表作为代码库中的一部分，并使用版本控制系统来跟踪函数的添加、修改和删除。当函数列表的搭建环境使用的编程语言或者框架提供了动态加载函数功能时，可以通过动态加载更新法来更新函数列表，在运行程序时，根据实际需要动态加载函数，并将新函数添加到函数列表中，使得函数列表可以根据运行条件进行动态更新，提供更大的灵活性和可扩展性。
作为另一种可选实施方式，在接收位置信息获取请求之前，对经纬度数据进行梳理，添加相应的Google S2的网格级别，并将数据存储至Elasticsearch等NoSQL数据库中使用。在SQL中使用函数，操作简单。在接收到位置信息获取请求后，根据相关数据调取对应的函数，生成网格编号。
示例性地，首先安装适用于实际需求的编程语言的Google S2库，例如使用Python时，可以使用s2sphere库。连接到Elasticsearch或其他NoSQL数据库。获取经纬度数据，使用经纬度数据创建一个S2LatLng对象。这个对象用于后续的转换操作。使用S2LatLng对象将经纬度坐标转换为S2坐标，也即生成S2CellId对象，S2CellId对象中包含了网格单元的编号。从S2CellId对象中获取网格单元的级别，级别越高，网格单元越小。将经纬度数据、S2网格单元ID和网络级别存储到Elasticsearch或其他NoSQL数据库中的相应字段中。
作为又一种可选实施方式，为了方便对地理数据进行管理和分析，对每个地理网格生成网格编号。
示例性地，查询位置数据A周边指定范围内的F数据，假如选定16级网格。若16级网格中，位置A周边指定范围占的网格是10个，则获取这10个网格的网格编号，在数据表中将这10个网格编号的相关数据关联起来，筛选出F数据。通过网格编号来查找数据，数据容量占用空间小，使得数据响应更快。
步骤S300：在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征；
在本实施例中，地理网格空间特征指的是每个地理网格内，可以表征位置特征的数据。区域调查请求可以是如市场研究、商业决策、城市规划等需要特定区域数据的请求。
作为一种可选实施方式，可以通过建立网格画像来表征地理网格空间特征。网格画像是指将地理区域划分为网格，并在每个网格单元中收集和分析人口、消费行为、兴趣偏好等数据，从而描绘出该地区的人口特征和行为趋势。网格画像可以帮助了解人口分布、消费习惯、兴趣爱好等信息。
示例性地，建立地理网格空间特征后，可以对不同地理区域进行比较和分析，进行数据关联。了解各个区域的特点和差异，为市场营销、商业定位、城市规划等决策提供数据支持。例如，零售商可以利用地理网格空间特征了解不同区域的消费者特征，以更好的定位店铺和指定营销策略，城市规划者可以根据地理网格空间特征了解人口分布和需求，优化公共设施和交通规划。
作为另一种可选实施方式，为了保护数据的安全，在接收到区域调查请求后，需要先验证发出区域调查请求的用户是否具备获取相应数据的权限。若不具备相关权限，则无法接入对应的API接口，获取不到对应的网格数据。
示例性地，由于不同级别网格的数据精细度不同，细粒度的小网格对应的数据比较精确，涉及的隐私数据也越多，因此只有权限高的用户可以获取到细粒度网格的数据。
作为又一种可选实施方式，在接收到基于网格编号的区域调查请求时，对区域调查请求进行解析，确定调查半径，根据调查半径和网格编号，确定待调查区域。
示例性地，接收到区域调查请求时，以网格编号对应的网格为圆心，再根据调查半径确定待调查区域。确定待调查区域后，用户可根据实际需要，自行调节网格级别。
作为再一种可选实施方式，为了便于提取网格内容，每个网格具备相应的标签。接收到区域调查请求后，对区域调查请求进行解析，确定待调查的内容。将待调查的内容与网格标签数据库进行匹配，确定标签。再在待调查区域中筛选出具备所述标签的地理网格，进而获取这些地理网格的地理网格空间特征。
示例性地，当标签为人口密度标签时，每个标签反映不同的人口密度层级。当标签为人均收入标签时，每个标签反映不同的收入等级。根据不同的等级提取对应的标签。
步骤S400：根据所述地理网格空间特征和所述网格编号，构建区域模型。
在本实施例中，在生成地理网格空间特征和网格编号之后，根据区域调查请求构建对应的区域模型。
作为一种可选实施方式，区域模型可以是统计模型、机器学习模型或者其他类型的模型，用于描述和预测不同网格之间的关系和特征。可以通过回归聚类、聚类分析或者空间插值等方法来构建模型。
示例性地，可以根据区域调查请求调取地理网格空间特征和网格编号之后，构建预测人口增长趋势模型、评估营销商品价格模型等。在构建模型后，可以使用交叉验证或者误差分析等方法来对模型进行验证和评估。
在本实施例中，构建地理网格，并在接收到位置信息获取请求后，基于预设函数，确定位置信息获取请求对应的网格编号，后续查询数据时可以基于网格编号进行查询，响应速度更快。当接收到基于网格编号的区域调查请求时，获取待调查区域的地理网格空间特征，根据地理网格空间特征和网格编号，构建区域模型。由于是基于Google S2切割技术来分割网格，使得不同级别的网格切换更顺滑。同时由于采用Hive UDF函数，用户可以根据实际需求编写函数，从而在使用时，可以快速的获得准确的地理数据。
实施例二
基于实施例一，提出本申请的另一实施例，参照图2，在接收位置信息获取请求的步骤之前，包括：
步骤S001：采集网格数据，根据所述网格数据之间的关联关系，生成网格标签；
在本实施例中，构建地理网格时，需要先采集地图上各个点位的数据，将采集到的数据进行融合，生成网格数据。再根据网格数据之间的关联关系，生成网格标签。网格标签用于体现每个地理网格的特征。关联关系可以包括空间关联、属性关联、时间关联、网络管理和层级关联等关联关系。
作为一种可选实施方式，在构建网格标签时，对采集到的网格数据根据数据类型进行关联和整合，生成网格子标签。再通过预设数据处理方式对网格子标签进行处理，生成网格标签。
示例性地，对网格数据根据数据类型进行关联和整合，数据类型可以包括如地理位置数据、人口数据、经济数据等实质内容不同的数据。对同一类型的数据进行关联，可以通过一定的规则进行整合，例如可以计算每个网格的平均经济指标，将其作为一个子标签，再计算每个网格的人口密度，将其作为另一个子标签。每个子标签代表网格的一个特征或属性，可以根据需要选择生成的子标签的数量和类型。在生成网格子标签后，可以将多个子标签的值进行加权求和，得到一个综合的网格标签；也可以将多个子标签的值进行平均，得到一个代表网格特征的平均标签。网格标签可以是一个具体的数值，也可以是一个离散的类别，可以根据预设的阈值或分类规则，将标签划分为不同的类别。
作为另一种可选实施方式，在生成网格标签时，可以通过网格数据的空间、属性、时间、网络或者层级进行关联。不同关联关系可通过不同的分析方法和技术进行探索和分析，利用这些关联关系可以更好的进行地理决策分析。将存在关联关系的数据关联整合起来后，建立网格标签。
示例性地，对于空间关联，相邻的网格通常在空间上是相邻的，它们之间存在着空间邻近关系，这种关联关系可以用于空间分析和空间模式识别，例如研究地理现象在空间上的分布和聚集。
对于属性关联，地理网格中的数据通常包括多个属性，这些属性之间存在一定的关联关系。如不同网格的人口数量可能与其经济指标相关，或者不同网格的土地利用类型可能与其生态环境指标相关。这种关联关系可以通过统计分析和数据挖掘方法来探索和分析。
对于时间关联，地理网格数据通常具有时间维度，不同时间点的网格数据之间可能存在关联关系。如不同时间点的气温数据可能呈现出季节性变化，或者不同时间点的人口数据可能呈现出人口增长趋势。这种关联关系可以用于时间序列分析和趋势预测。
对于网络关联，在某些地理网格中，网格之间可能通过网格进行连接，形成网格结构。如交通网格中的道理网格之间通过道路网格进行连接。这种关联关系可以用于网络分析和路径规划，例如研究最短路径和最优路径。
对于层级关联，地理网格数据通常存在着多个层级的关联关系。例如，一个国家可以被划分为省、市、县等多个层级的网格。这种关联关系可以用于空间分析和多尺度建模，例如研究不同层级网格之间的相互影响和关联。
根据实际需要，建立不同的关联关系，生成不同的网格标签，在接收到数据获取请求或者相关的数据查询请求时，可以提取对应的网格标签，获取存在关联关系的网格数据，根据关联的网格数据进行数据决策和数据分析，提高效率。
步骤S002：根据所述网格数据与所述网格标签，构建标签数据库。
作为一种可选实施方式，构建标签数据库时，先定义标签数据库的结构，包括网格的唯一标识符、网格的属性字段和网格的标签字段。
示例性地，创建数据库时，使用数据库管理系统，如MySQL、Qracle、SQLite等，来创建数据库表，并设置字段的数据类型。使用数据导入工具或者编写脚本将采集到的网格数据导入到数据库表中，再将网格标签数据插入到数据库表，生成标签数据库。
作为又一种可选实施方式，在创建标签数据库后，根据数据类型定时或者实时采集网格数据，将存在变动的网格数据更新到网格标签中，并同步到标签数据库。
示例性地，地理网格中有些数据变动不频繁，为了节约数据处理流程，可以根据数据变动的频率对数据进行分类。实时采集变动频率高的数据，定时采集变动频率低的数据。如人口密度数据不会频繁变动，可以通过定时采集；路况数据变动频繁，可以通过实时采集。
作为另一种可选实施方式，在构建标签数据库时，可以先定义数据库所需要的标签类型，再收集标签类型相关的数据，根据收集到的标签数据，设计数据库架构。根据数据库架构，创建数据库表，最后将收集到的标签数据导入到数据库表中。为了便于访问标签数据库，还需要定义访问接口，以便用户通过各种条件和标签进行搜索和过滤数据。在标签数据库使用过程中，还要定期更新和管理标签数据库，确保新数据的添加和已有数据的更新。
示例性地，标签类型可以是产品、文章、图片或者其他实体类型，根据实际需要，可以定义多个标签类型，并为每个类型确定其属性。确定标签类型后，基于数据采集工具采集标签数据，并确保数据准确、一致，且按照定义的标签类型对采集到的数据进行分类。对分类后的标签数据，根据拟定的表和字段的结构，设计数据库架构。为每个表添加适当的字段和约束，以确保数据的完整性和一致性，生成数据库表。将收集到的标签数据按照约定的格式和结构导入到数据库表中，并进行必要的数据清洗和验证。在使用标签数据库时，为了提高查询和响应速度，可以根据需要对标签数据库进行优化，实时或者定时监控和改进数据库的质量和性能，如当内存占用超过预设百分比，降低了标签数据库的运行速度时，可以将历史数据进行清除，释放内存空间。
在本实施例中，通过建立网格标签来体现每个网格的特征，便于进行数据查询，提高数据查询效率。
实施例三
在本申请实施例中，提出一种地理网格的空间数据处理装置。
参照图3，图3为本申请一实施例方案涉及的硬件运行环境的终端结构示意图。
如图3所示，该控制终端可以包括：处理器1001，例如CPU，网络接口1003，存储器1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。网络接口1003可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1004可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1004可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图3中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图3所示，作为一种计算机存储介质的存储器1004中可以包括操作系统、网络通信模块、以及地理网格的空间数据处理程序。
在图3所示的地理网格的空间数据处理设备硬件结构中，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，并执行以下操作：
接收位置信息获取请求，所述位置信息获取请求中至少包括待测位置经纬度信息和网格级别；
基于预设函数，将所述待测位置经纬度信息和所述网格级别转换为网格编号；
在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征；
根据所述地理网格空间特征和所述网格编号，构建区域模型。
可选地，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，还执行以下操作：
对所述区域调查请求进行解析，确定调查半径；
根据所述调查半径和所述网格编号，确定所述待调查区域。
可选地，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，还执行以下操作：
对所述区域调查请求进行解析，确定待调查内容；
将所述待调查内容与标签数据库进行匹配，确定标签；
在所述待调查区域中，筛选出具备所述标签的地理网格，并获取所述地理网格空间特征。
可选地，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，还执行以下操作：
采集网格数据，根据所述网格数据之间的关联关系，生成网格标签；
根据所述网格数据与所述网格标签，构建标签数据库。
可选地，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，还执行以下操作：
对所述网格数据根据数据类型进行关联和整合，生成网格子标签；
通过预设数据处理方式对所述网格子标签进行处理，生成所述网格标签。
可选地，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，还执行以下操作：
根据数据类型定时或者实时采集所述网格数据；
将存在变动的所述网格数据更新所述网格标签。
可选地，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，还执行以下操作：
对所述区域调查请求进行解析；
根据解析结果，确定所述区域调查请求对应的网格级别和用户权限；
根据所述网格级别和所述用户权限，判断是否接入对应的数据接口。
可选地，处理器1001可以调用存储器1004中存储的地理网格的空间数据处理程序，还执行以下操作：
根据实际需求，获取对应的所述地理网格空间特征和所述网格编号；
基于预设模型构建算法，构建所述区域模型。
此外，为实现上述目的，本发明实施例还提供一种终端设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的地理网格的空间数据处理程序，所述处理器执行所述地理网格的空间数据处理程序时，实现如上所述的地理网格的空间数据处理方法。
此外，为实现上述目的，本发明实施例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地理网格的空间数据处理程序，所述地理网格的空间数据处理程序被处理器执行时，实现如上所述的地理网格的空间数据处理方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种地理网格的空间数据处理方法，其特征在于，所述地理网格的空间数据处理方法包括：
接收位置信息获取请求，所述位置信息获取请求中至少包括待测位置经纬度信息和网格级别；
基于预设函数，将所述待测位置经纬度信息和所述网格级别转换为网格编号；
在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征；
根据所述地理网格空间特征和所述网格编号，构建区域模型。
2.如权利要求1所述的地理网格的空间数据处理方法，其特征在于，所述在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征的步骤包括：
对所述区域调查请求进行解析，确定调查半径；
根据所述调查半径和所述网格编号，确定所述待调查区域。
3.如权利要求2所述的地理网格的空间数据处理方法，其特征在于，所述在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征的步骤还包括：
对所述区域调查请求进行解析，确定待调查内容；
将所述待调查内容与标签数据库进行匹配，确定标签；
在所述待调查区域中，筛选出具备所述标签的地理网格，并获取所述地理网格空间特征。
4.如权利要求1所述的地理网格的空间数据处理方法，其特征在于，所述接收位置信息获取请求的步骤之前，包括：
采集网格数据，根据所述网格数据之间的关联关系，生成网格标签；
根据所述网格数据与所述网格标签，构建标签数据库。
5.如权利要求4所述的地理网格的空间数据处理方法，其特征在于，所述采集网格数据，根据所述网格数据之间的关联关系，生成网格标签的步骤包括：
对所述网格数据根据数据类型进行关联和整合，生成网格子标签；
通过预设数据处理方式对所述网格子标签进行处理，生成所述网格标签。
6.如权利要求4所述的地理网格的空间数据处理方法，其特征在于，所述根据所述网格数据与所述网格标签，构建标签数据库的步骤之后，包括：
根据数据类型定时或者实时采集所述网格数据；
将存在变动的所述网格数据更新所述网格标签。
7.如权利要求1所述的地理网格的空间数据处理方法，其特征在于，所述在接收到基于所述网格编号的区域调查请求时，获取待调查区域的地理网格空间特征的步骤包括：
对所述区域调查请求进行解析；
根据解析结果，确定所述区域调查请求对应的网格级别和用户权限；
根据所述网格级别和所述用户权限，判断是否接入对应的数据接口。
8.如权利要求1所述的地理网格的空间数据处理方法，其特征在于，所述根据所述地理网格空间特征和所述网格编号，构建区域模型的步骤包括：
根据实际需求，获取对应的所述地理网格空间特征和所述网格编号；
基于预设模型构建算法，构建所述区域模型。
9.一种终端设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的地理网格的空间数据处理程序，所述处理器执行所述地理网格的空间数据处理程序时，实现权利要求1-8任一所述的方法。
10.一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上存储有地理网格的空间数据处理程序，所述地理网格的空间数据处理程序被处理器执行时，实现权利要求1-8任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311087524.4A CN117149928A (zh) | 2023-08-25 | 2023-08-25 | 地理网格的空间数据处理方法、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311087524.4A CN117149928A (zh) | 2023-08-25 | 2023-08-25 | 地理网格的空间数据处理方法、终端设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117149928A true CN117149928A (zh) | 2023-12-01 |
Family
ID=88903821
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311087524.4A Pending CN117149928A (zh) | 2023-08-25 | 2023-08-25 | 地理网格的空间数据处理方法、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117149928A (zh) |
-
2023
- 2023-08-25 CN CN202311087524.4A patent/CN117149928A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Automated identification and characterization of parcels with OpenStreetMap and points of interest | |
| CN113434623B (zh) | 一种基于多源异构空间规划数据的融合方法 | |
| CN109493119B (zh) | 一种基于poi数据的城市商业中心识别方法及系统 | |
| Jochem et al. | Tools for mapping multi-scale settlement patterns of building footprints: An introduction to the R package foot | |
| WO2022227303A1 (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
| Li et al. | A regionalization method for clustering and partitioning based on trajectories from NLP perspective | |
| Molloy et al. | Automated design of gradual zone systems: An iterative algorithm to design optimally sized spatial zones suitable for spatial modeling, while respecting municipal boundaries | |
| Lansley et al. | Big data and geospatial analysis | |
| CN111597279B (zh) | 基于深度学习的信息预测方法及相关设备 | |
| CN114398669A (zh) | 基于隐私保护计算和跨组织的联合信用评分方法及装置 | |
| Schirmer et al. | A multiscale clustering of the urban morphology for use in quantitative models | |
| Regal et al. | A spatio-functional logistics profile clustering analysis method for metropolitan areas | |
| CN113379269A (zh) | 多因素空间聚类的城市商业功能区划方法、装置及介质 | |
| CN115329011A (zh) | 数据模型的构建方法、数据查询的方法、装置及存储介质 | |
| Das et al. | LYRIC: Deadline and budget aware spatio-temporal query processing in cloud | |
| CN117149928A (zh) | 地理网格的空间数据处理方法、终端设备及存储介质 | |
| Yan et al. | A new approach for identifying urban employment centers using mobile phone data: A case study of Shanghai | |
| CN113723860A (zh) | 一种土地资源资产离任审计评价方法、装置及存储介质 | |
| CN117931978B (zh) | 流域人居数据分析方法及系统、计算机设备 | |
| Pavlis et al. | Retail areas and their catchments | |
| Demir et al. | GIS-based procedural modeling in contemporary urban planning practice | |
| Nas et al. | Analysis of Distribution Patterns in Mapping Cirebon Internet Service Facilities Using NNA Algorithm Based on Geographic Information Systems | |
| CN116578676B (zh) | 一种地名时空演化查询方法及系统 | |
| Sacramento Gutierres et al. | Responsive geographical information systems for spatio-temporal analysis of mobile networks in barcelona | |
| Planting | Developing a data repository for the Climate Adaptive City Enschede |
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 |