CN110493333B - 一种目标位置点的确定方法、装置、设备及存储介质 - Google Patents
一种目标位置点的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110493333B CN110493333B CN201910753340.4A CN201910753340A CN110493333B CN 110493333 B CN110493333 B CN 110493333B CN 201910753340 A CN201910753340 A CN 201910753340A CN 110493333 B CN110493333 B CN 110493333B
- Authority
- CN
- China
- Prior art keywords
- target
- point
- points
- grid
- candidate
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
- Navigation (AREA)
Abstract
本申请提供一种目标位置点的确定方法、装置、设备及存储介质,涉及人工智能领域的高精地图技术,该方法包括:获取与多个对象对应的多个对象位置点;确定多个对象位置点所在的目标对象区域;将目标对象区域划分为多个网格;从多个网格中选取任意一个包括对象位置点的网格作为目标网格,确定与目标网格对应的邻域网格;以目标网格中的对象位置点为起点,对目标网格中的对象位置点以及邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点;确定多个候选位置点的中心点,得到与多个候选对象对应的目标位置点。本申请能够提高目标位置点的聚类速度、控制聚合类别体量以及更新目标位置点的运动趋势,便于对海量设备进行空间管理。
Description
技术领域
本申请属于计算机技术领域,具体涉及一种目标位置点的确定方法、装置、设备及存储介质。
背景技术
现有技术中,对海量智能设备进行空间管理时,首先通过分类、分级或者聚类的方式降低需要展示的智能设备数量,用中心点代表类别智能设备的位置,然后展示。当智能设备即将处于任务采集区域时,运营或后台会自动下发众包采集的批量更新,路况等任务。
但现有的海量智能设备管理方法,不能支持所有设备位置的展示,因此需要聚合并更新智能设备位置、运动趋势。而现有的计算代表海量智能设备位置的中心点的聚类方法,聚合速度慢,无法控制聚合类别体量。且当智能设备位置处于实时变化时,每次都需要重新计算类别与中心点,无法快速响应,且无法同时得到海量智能设备的运动趋势,导致智能设备位置以及运动趋势更新滞后,极大的影响了智能设备控制,采集任务下发,趋势预警等。
发明内容
为了提高用于展示海量智能设备位置的中心点的聚类速度、控制聚合类别体量,便于通过该中心点对海量智能设备进行空间管理,本申请提出了一种目标位置点的确定方法、装置、设备及存储介质。
一方面,本申请提出了一种目标位置点的确定方法,所述方法包括:
获取与多个对象对应的多个对象位置点;
确定所述多个对象位置点所在的目标对象区域;
将所述目标对象区域划分为多个网格;
从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,确定与所述目标网格对应的邻域网格;
以所述目标网格中的对象位置点为起点,对所述目标网格中的对象位置点以及所述邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点;
确定所述多个候选位置点的中心点,得到与多个候选对象对应的目标位置点;其中,所述多个候选对象为与所述多个候选位置点对应的对象。
另一方面,本申请提出了一种目标位置点的确定装置,所述装置包括:
对象位置点获取模块,用于获取与多个对象对应的多个对象位置点;
目标对象区域确定模块,用于确定所述多个对象位置点所在的目标对象区域;
网格划分模块,用于将所述目标对象区域划分为多个网格;
目标网格和邻域网格确定模块,用于从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,并确定与所述目标网格对应的邻域网格;
候选位置点确定模块,用于以所述目标网格中的对象位置点为起点,对所述目标网格中的对象位置点以及所述邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点;
目标位置点确定模块,用于确定所述多个候选位置点的中心点,得到与多个候选对象对应的目标位置点;其中,所述多个候选对象为与所述多个候选位置点对应的对象。
另一方面,本申请提出了一种设备,所述设备包括:处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述所述的目标位置点的确定方法。
另一方面,本申请提出了一种计算机可读存储介质,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述所述的目标位置点的确定方法。
本申请提出的一种目标位置点的确定方法、装置、设备及存储介质,首先对多个对象的对象位置点,即海量设备的海量位置点所在的目标对象区域进行网格划分,建立网格与海量设备的空间关系,然后通过网格约束的聚合方式,以任意一个网格作为目标网格,并以目标网格中的对象位置点为起点对该目标网格以及邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点,接着确定该多个候选位置点的中心,得到该类的目标位置点,即源节点。由于本申请先将海量设备的活动范围划分为网格,然后采用网格约束的聚类方式,每次聚类只对目标网格以及邻域网格中的位置点进行聚类,聚合速度较快,能够控制聚合体量,避免智能设备位置更新的滞后,提高了对海量智能设备进行空间管理,采集任务下发,趋势预警等的便利性和准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,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,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例提供的一种目标位置点的确定方法的实施环境示意图。
图2是本申请实施例提供的一种目标位置点的确定方法的流程示意图。
图3是本申请实施例提供的一种网格划分示意图。
图4是本申请实施例提供的另一种目标位置点的确定方法的流程示意图。
图5是本申请实施例提供的另一种目标位置点的确定方法的流程示意图。
图6是本申请实施例提供的另一种目标位置点的确定方法的流程示意图。
图7是本申请实施例提供的一种确定目标位置点的趋势向量的原理图。
图8是本申请实施例提供的一种目标位置点的确定方法在一种场景中的逻辑框架图。
图9是本申请实施例提供的一种目标位置点的确定装置的结构示意图。
图10是本申请实施例提供的另一种目标位置点的确定装置的结构示意图。
图11是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或对象固有的其它步骤或单元。
图1是本申请实施例提供的一种目标位置点的确定方法的实施环境示意图,如图1所示,该实施环境可以至少包括服务器01和多个客户端02,所述服务器01与所述客户端02通过有线或无线建立连接,以通过此网络实现服务器01和客户端02之间的数据传输。例如,所传输的数据包括客户端的位置信息。
具体地,所述服务器01可以包括一个独立运行的服务器,或者分布式服务器,或者由多个服务器组成的服务器集群。服务器01可以包括网络通信单元、处理器和存储器等。所述服务器01可以为上述客户端02提供后台服务。
具体地,所述客户端02可以包括智能手机、台式电脑、平板电脑、笔记本电脑、数字助理、智能可穿戴设备、车载、音箱、电视、机器人等。
本说明书实施例中,通过服务器01和多个客户端02的交互,多个客户端02向服务器01发送位置信息,由服务器01对多个客户端2的位置信息进行聚类,得到与多个客户端02对应的目标位置点,并当多个客户端02处于任务采集区时,由服务器01将采集任务等下发至多个客户端02。
需要说明的是,图1中的实施环境仅仅是本申请实施例提供的一种示例。
以下介绍本申请的一种目标位置点的确认方法,图2是本申请实施例提供的一种目标位置点的确定方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的***或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,所述方法可以包括:
S201.获取与多个对象对应的多个对象位置点。
本说明书实施例中,所述对象可以为智能设备,该智能设备可以为具有计算处理能力的设备、器械或者机器。
在实际应用中,该智能设备可以为车上的设备,比如智能行车记录仪、车机、智能后视镜等,也可以为用户随声携带的设备,比如智能手机、电脑、智能可穿戴设备等。
在实际应用中,当需要对海量设备进行空间管理时,可以定期获取与海量设备的对应的设备位置点。
S203.确定所述多个对象位置点所在的目标对象区域。
S205.将所述目标对象区域划分为多个网格。
图3所示为本申请实施例提供的一种网格划分示意图,从图3中可以看出,在获取到多个对象位置点之后,可以根据对象活动范围,确定所述多个对象位置点所在的目标对象区域,并基于地理学第一定律将所述目标对象区域划分为多个网格。
在一个可行的实施例中,如图4所示,所述将所述目标对象区域划分为多个网格,可以包括:
S2051.确定所述目标对象区域的最小外接矩形。
S2053.按照预设的网格大小,将所述最小外接矩形划分为多个网格。
具体地,可以根据预先设定的网格大小,对网格进行如下划分:
横向网格个数n=(max(x)-min(x))/dx;
纵向网格个数m=(max(y)-min(y))/dy;
其中x,y取决于所述目标对象区域的最小外接矩形,dx,dy作为阈值,可根据实际情况进行调整。
S207.从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,确定与所述目标网格对应的邻域网格。
本申请实施例中,继续如图3所示,在网格划分好之后,可以依次选取每个网格作为目标网格,若选取的网格中未有对象位置点落入,则继续选取下一个网格,直至所选取的网格中包含至少一个对象位置点。
继续如图3所示,在选取出包含至少一个对象位置点的目标网格之后,可以将目标网格的临街网格或距离目标网格一定范围内的网格确定为邻域网格,具体地,所述确定与所述目标网格对应的邻域网格,可以包括:
S2071.将与所述目标网格相邻的网格或将网格中心到所述目标网格的中心的距离小于第四阈值的网格确定为所述邻域网格。
由于对象上报的位置点有可能会出现误差或错误,而误差或错误的对象位置点会降低对象的空间管理,采集任务下发,趋势预警等的精度。为了提高了多个对象的空间管理的准确性,在一个可行的实施例中,在所述从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,确定与所述目标网格对应的邻域网格之后,所述方法还可以包括:
S208.删除错误对象位置点以及纠正异常对象位置点。
具体地,如图4所示,所述删除错误对象位置点以及纠正异常对象位置点可以包括:
S2081.获取每个对象位置点的当前经纬度坐标。
S2083.将经纬度坐标出现错误或处于所述目标网格与所述邻域网格所形成的区域之外的对象位置点删除。
在实际应用中,可以将对象位置数据长期处于错误经纬度(比如:经纬度数据为负数、经度数据超过180°,纬度数据超过90°等情况)的对象位置点删除或将既不位于目标网格,也不位于邻域网格中的对象位置点删除。
S2085.获取与每个对象位置点对应的多个历史对象位置点;其中,所述历史对象位置点表征与所述对象位置点对应的对象在第二预设时间之前经过的位置点。
S2087.若每个对象位置点同时满足第一条件、第二条件和第三条件,则通过与所述对象位置点对应的多个历史对象位置点对所述对象位置点进行样条差值处理,得到纠正后的对象位置点;其中,所述第一条件为所述对象位置点与相邻的历史对象位置点之间的距离大于第五阈值,所述第二条件为与所述对象位置点对应的对象从所述相邻的历史对象位置点移动到所述对象位置点的时间小于第六阈值,所述第三条件为与所述对象位置点对应的对象在所述对象位置点的加速度大于第七阈值。
在实际应用中,若该对象位置点与历史对象位置点距离过大,时间间隔小于1s(轨迹为秒级),且加速度大于a时,可以利用历史对象位置点对该对象位置点进行插值处理,得到与该对象位置点对应的纠正后的位置点。该插值算法可以为二次样条差值算法、三次样条差值算法等,本申请实施例对此不作限定。
S209.以所述目标网格中的对象位置点为起点,对所述目标网格中的对象位置点以及所述邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点。
本申请实施例中,在得到目标网格和邻域网格之后,可以以目标网格中的对象为起点对周围邻域网格中的点进行位置聚类,直至该类数量超过阈值或遍历完区域内所有的点。该聚类方法可以包括基于密度的聚类方法(Dbscan)、K均值聚类(k-means)、层次聚类等。
下面以Dbscan为例,详细介绍S209中的聚类过程,该聚类过程是改进的网格约束的Dbscan聚类,如图5所述,该过程可以包括:
S2091.从所述目标网格中选取任意一个对象位置点作为第一起点。
在实际应用中,若目标网格中仅包括一个对象位置点,则将该唯一的对象位置点作为所述第一起点,若所述目标网格中包括多个对象位置点,则可以从所述多个对象位置点中选取任意一个对象位置点作为所述第一起点。
S2093.基于预设聚类半径以及所述第一起点,确定与所述第一起点对应的第一聚类区域。
本申请实施例中,Dbscan算法需要预先确定聚类半径Eps以及样本点数MinPts,以Eps为半径,第一起点为圆点,可以确定与第一起点对应的第一聚类区域,即第一E邻域。
S2095.若所述第一聚类区域内的对象位置点的数量大于或等于第一阈值,则获取所述第一聚类区域内的对象位置点,得到第一目标位置点集合。
本申请实施例中,若第一聚类区域中的对象位置点的数量大于或等于MinPts,则表明所述第一起点为核心对象位置点,此时,可以将第一聚类区域内的所有对象位置点聚类到第一目标位置点集合中。若第一聚类区域内的对象位置点的数量小于所述第一阈值,则重新确定第一起点。
在实际应用中,为了提高聚类速度和精度,防止对同一个对象位置点进行重处理复,可以将对已经被处理过的对象位置点进行标记,比如将第一起点标记为已处理。
S2097.若所述第一目标位置点集合中的对象位置点的数量小于第二阈值,则将所述第一目标位置点集合中除所述第一起点之外的其他对象位置点作为第二起点。
本申请实施例中,若所述第一目标位置点集合中的对象位置点的数量大于或等于第二阈值,则将所述第一目标位置点集合中的对象位置点确定为所述候选位置点。
S2099.基于所述预设聚类半径以及所述第二起点,确定与所述第二起点对应的第二聚类区域。
S2101.若所述第二聚类区域内的对象位置点的数量大于或等于所述第一阈值,则将位于所述第二聚类区域内且不属于所述第一目标位置点集合中的对象位置点添加至所述第一目标位置点集合中,得到第二目标位置点集合。
本申请实施例中,在得到第一目标位置点集合后,如果第一目标位置点集中的对象位置点的数量满足要求,比如大于或等于第二阈值,则将第一目标位置点集合中的对象位置点确定为属于同一类的候选位置点,如果第一目标位置点集合中的对象位置点的数量不满足要求,则需要对该集合进行S2099-S2013的扩展,该扩展方法主要是以第一目标位置点集合中除第一起点之外的其他未被处理过的位置点作为第二起点,以Eps作为半径,确定与该第二起点对应的第二E邻域,若该第二E邻域内的对象位置点的数量大于或等于MinPts,则表明该第二起点为核心对象位置点,可以将位与第二E邻域内但不属于第一目标位置点集合中的对象位置点添加至所述第一目标位置点集合中,得到第二目标位置点集合,从而对第一目标位置点集合进行扩充。
S2103.若所述第二目标位置点集合中的对象位置点的数量大于或等于所述第二阈值,则将所述第二目标位置点集合中的对象位置点确定为所述候选位置点;其中,所述第一聚类区域和所述第二聚类区域均位于所述目标网络与所述邻域网格所形成的区域内。
本申请实施例中,若所述第二目标位置点集合中的对象位置点的数量满足要求,比如大于第二阈值时,可以将该第二目标位置点集合中的对象位置点视为属于同一类别的候选位置点。若所述第二目标位置点集合中的对象位置点的数量不满足要求,则不将该二目标位置点集合中的对象位置点视为一类。
在实际应用中,若所述第二目标位置点集合中的对象位置点的数量不满于要求,但E邻域内已经不存在可聚合的对象位置点,则可以停止聚合。
在实际应用中,在得到属于同一类别的候选位置点之后,若中心网格中仍然存在未聚合的点,则继续S207-S209中的聚类过程。
在实际应用中,若将每个包含对象位置点的网格均作为所述目标网格进行位置聚类之后,即所有的网格均遍历完后,所述目标对象区域内仍存在未被分类的孤立对象位置点,则将剩余的孤立点划入离其最近的网格类别中,具体可以为:将所述未被分类的对象位置点添加至与所述未被分类的对象位置点的距离小于第三阈值的第一目标位置点集合或第二目标位置点集合中。继续如图3所示,图3中虚线区域内的7个对象位置点为使用本申请实施例提供的网格约束的密度聚类方法进行聚类得到的属于同一类的候选位置点。
本申请实施例中,首先对网格进行划分,接着通过使用网格约束的密度聚类算法,每次位置聚类的时候只对目标网格和邻域网格中的位置点进行聚类,相比于对所有的对象位置点进行聚类相比,聚类速度明显提高,且能够通过Eps和MinPts,控制聚合体量,将延迟时间缩短至秒级,防止由于聚类速度较慢,导致的不能准确及时地对海量对象进行空间管控,从而影响采集任务下发,趋势预警等。
S2011.确定所述多个候选位置点的中心点,得到与多个候选对象对应的目标位置点;其中,所述多个候选对象为与所述多个候选位置点对应的对象。
本申请实施例中,在确定出属于同一类别的多个候选位置点之后,可以根据候选每个对象在对应的候选位置点的当前经纬度坐标的平均值来确定与多个候选对象对应的源节点,即目标位置点。在得到所述目标位置点之后,可以对该目标位置点进行展示,即通过展示该目标位置点对该目标位置点包括的多个候选对象进行展示。
具体地,如图6所示,所述确定所述多个候选位置点的中心点,得到与多个候选对象对应的目标位置点,可以包括:
S20111.获取每个候选位置点的当前经纬度坐标以及每个候选对象在对应的候选位置点的当前运动方向信息。
S20113.计算每个候选位置点的当前经纬度坐标的平均值,将所述平均值对应的位置点确定为所述目标位置点。
继续如图3所示,可以求虚线区域范围内的7个候选位置点的经纬度坐标的平均值,将该平均值对应的位置即为目标位置点。
S20115.将每个候选对象在对应的候选位置点的当前运动方向信息进行累加,得到与所述目标位置点对应的当前运动方向信息。
本申请实施例中,除了确定目标位置点之外,还可以将每个候选对象在对应的候选位置点的当前运动方向信息进行累加,得到与所述目标位置点对应的当前运动方向信息,从而对该目标位置点的运动方向信息进行更新。其中,该目标对象对应的当前运动方向可以为代表同一类的多个候选对象的运动方向的趋势向量。即该目标位置点中可以包括以下三类信息:(1)该目标位置点的位置新;(2)该目标位置点的趋势信息;(3)该目标位置点包括的多个候选对象的信息,比如身份标识(Identity,ID)。
具体地,如图7所示,假设该目标位置点A中包括4个候选对象位置点B、C、D、E,则可以将相应的对象在B、C、D、E的当前运动趋势向量进行累加,得到该目标位置点的运动趋势向量。
在一个可行的实施例中,继续如图6所示,在所述确定所述多个候选位置点的中心点,得到与多个候选对象对应的目标位置点之后,所述方法还包括对目标位置点的位置信进行更新的步骤,所述对所述目标位置点的位置信息进行更新可以包括:
S2013.获取每个候选对象在第一预设时间之后的下一个经纬度坐标。
S2015.基于每个候选对象的下一个经纬度坐标和当前经纬度坐标,确定所述候选对象的位置变化信息。
S2017.将每个候选对象的位置变化信息累加到与所述目标位置点对应的当前运动方向信息中,得到所述目标位置点更新后的位置信息。
在实际应用中,每个候选对象的位置信回传时都与该对象之前的位置作差,得到每个候选对象的位置变化信息,比如位置变化向量。将每个候选对象的位置变化向量累加到目标位置点的趋势向量中,得到所述目标位置点更新后的位置信息。由于目标位置点的位置更新之后,趋势向量已经与位置变化量进行累加,可以将趋势向量置为空,进行下一轮迭代。
在实际应用中,在对目标位置点进行更新的过程中,也可以不通过趋势向量来更新,仅通过不断地执行S201-S2011来计算不同时间点的目标位置点,从而实现对目标位置点的更新。
本申请实施例中,在得到目标位置点时,还可以得到根据目标位置点对应的多个候选对象的当前运动方向信息得到该目标位置点的运动趋势,并根据多个候选对象的位置变化信息,对该目标位置点的位置信息进行更新,避免对象位置更新的滞后,有利于对海量对象的实时监控,同时,根据目标位置点的运动趋势、覆盖及密度,能够准确及时地下发采集任务,提高任务的回传率及有效率,此外,利用目标位置点的运动趋势,可以提前预警路况,提高路况准确性。
图8所示为本申请实施例提供的一种目标位置点的确定方法在一种场景中的逻辑框架图,在该场景中,所述对象为智能行车记录仪、车机或能智能后视镜等车载智能设备。从图8中可以看出,该场景下的目标位置点的确定方法可以至少包括设备数据预处理、设备位置点快速聚合以及目标位置点的位置与趋势更新四个阶段。在设备数据预处理阶段,通过海量智能设备的活动范围以及预设网格大小,对海量设备所在的区域进行网格划分,并删除错误设备位置点以及纠正异常设备位置点,在设备点快速聚合阶段采用网格约束的快速聚合方法,以目标网格中的设备位置点为起点对目标网格以及邻域网格中的设备位置点进行快速聚合,并对孤立点进行处理,得到属于同一类别的多个设备位置点,同时将属于同一类的设备位置点的中心确定为目标位置点。在目标位置点位置与趋势更新阶段,将与目标位置点对应的每个设备的趋势向量进行叠加,得到对该目标位置点对应的趋势向量,同时将与该目标位置点对应的每个设备位置变化向量叠加到该目标位置点的趋势向量中,得到更新后的目标位置点的位置信息。本申请通过上述四大阶段,一方面,使用网格约束的密度聚类算法,每次位置聚类的时候只对目标网格和邻域网格中的位置点进行聚类,提高聚合速度快,同时能够控制聚合体量,防止由于聚类速度较慢,导致的不能准确及时地对海量智能设备的进行空间管理,从而影响采集任务下发,趋势预警等;另一方面,还可以同时得到根据目标位置点对应的多个候选对象的运动趋势向量得到该目标位置点的运动趋势向量,并根据多个候选对象的位置变化信息,对该目标位置点的位置信息进行更新,可以将设备位置与趋势更新降低至秒级,避免对象位置更新的滞后,有利于对海量对象的实时监控,同时,根据目标位置点的运动趋势、覆盖及密度,能够准确及时地下发采集任务,提高任务的回传率及有效率,此外,利用目标位置点的运动趋势,可以提前预警路况,提高路况准确性。
如图9所示,本申请实施例提供了一种目标位置点的确定装置,所述装置可以包括:
对象位置点获取模块301,可以用于获取与多个对象对应的多个对象位置点;
目标对象区域确定模块303,可以用于确定所述多个对象位置点所在的目标对象区域;
网格划分模块305,可以用于将所述目标对象区域划分为多个网格;
目标网格和邻域网格确定模块307,可以用于从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,并确定与所述目标网格对应的邻域网格;
候选位置点确定模块309,可以用于以所述目标网格中的对象位置点为起点,对所述目标网格中的对象位置点以及所述邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点;
目标位置点确定模块3011,可以用于确定所述多个候选位置点的中心点,得到与多个候选对象对应的目标位置点;其中,所述多个候选对象为与所述多个候选位置点对应的对象。
在一个可行的实施例中,所述候选位置点确定模块309可以包括:
第一起点确定单元,可以用于从所述目标网格中选取任意一个对象位置点作为第一起点;
第一聚类区域确定单元,可以用于基于预设聚类半径以及所述第一起点,确定与所述第一起点对应的第一聚类区域;
第一目标位置点集合确定单元,可以用于若所述第一聚类区域内的对象位置点的数量大于或等于第一阈值,则获取所述第一聚类区域内的对象位置点,得到第一目标位置点集合;
第二起点确定单元,可以用于若所述第一目标位置点集合中的对象位置点的数量小于第二阈值,则将所述第一目标位置点集合中除所述第一起点之外的其他对象位置点作为第二起点;
第二聚类区域确定单元,可以用于基于所述预设聚类半径以及所述第二起点,确定与所述第二起点对应的第二聚类区域;
第二目标位置点集合确定单元,可以用于若所述第二聚类区域内的对象位置点的数量大于或等于所述第一阈值,则将位于所述第二聚类区域内且不属于所述第一目标位置点集合中的对象位置点添加至所述第一目标位置点集合中,得到第二目标位置点集合;
候选位置点确定单元,可以用于若所述第二目标位置点集合中的对象位置点的数量大于或等于所述第二阈值,则将所述第二目标位置点集合中的对象位置点确定为所述候选位置点;
其中,所述第一聚类区域和所述第二聚类区域均位于所述目标网络与所述邻域网格所形成的区域内。
在一个可行的实施例中,所述目标位置点确定模块3011可以包括:
坐标及运动方向信息获取单元,可以用于获取每个候选位置点的当前经纬度坐标以及每个候选对象在对应的候选位置点的当前运动方向信息;
平均值计算单元,可以用于计算每个候选位置点的当前经纬度坐标的平均值,将所述平均值对应的位置点确定为所述目标位置点;
第一累加单元,可以用于将每个候选对象在对应的候选位置点的当前运动方向信息进行累加,得到与所述目标位置点对应的当前运动方向信息。
在一个可行的实施例中,如图10所示,所述装置还可以包括目标位置点的位置更新模块3013,所述目标位置点的位置更新模块包括:
下一个经纬度坐标获取单元,可以用于获取每个候选对象在第一预设时间之后的下一个经纬度坐标;
位置变化信息确定单元,可以用于基于每个候选对象的下一个经纬度坐标和当前经纬度坐标,确定所述候选对象的位置变化信息;
第二累加单元,可以用于将每个候选对象的位置变化信息累加到与所述目标位置点对应的当前运动方向信息中,得到所述目标位置点更新后的位置信息。
在一个可行的实施例中,所述装置还可以包括删除和纠正模块,所述删除和纠正模块,可以包括:
当前经纬度坐标获取单元,可以用于获取每个对象位置点的当前经纬度坐标;
删除单元,可以用于将经纬度坐标出现错误或处于所述目标网格与所述邻域网格所形成的区域之外的对象位置点删除;
历史对象位置点获取单元,可以用于获取与每个对象位置点对应的多个历史对象位置点;其中,所述历史对象位置点表征与所述对象位置点对应的对象在第二预设时间之前经过的位置点;
纠正单元,可以用于若每个对象位置点同时满足第一条件、第二条件和第三条件,则通过与所述对象位置点对应的多个历史对象位置点对所述对象位置点进行样条差值处理,得到纠正后的对象位置点;其中,所述第一条件为所述对象位置点与相邻的历史对象位置点之间的距离大于第五阈值,所述第二条件为与所述对象位置点对应的对象从所述相邻的历史对象位置点移动到所述对象位置点的时间小于第六阈值,所述第三条件为与所述对象位置点对应的对象在所述对象位置点的加速度大于第七阈值。
需要说明的是,该目标位置点的确定装置的实施例与上述方法实施例基于相同的发明构思。
本申请实施例还提供了一种目标位置点的确定的设备,该设备包括处理器和存储器,该存储器中存储有至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现如上述方法实施例所提供的目标位置点的确定方法。
本申请的实施例还提供了一种存储介质,所述存储介质中保存用于实现方法实施例中目标位置点的确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述方法实施例提供的目标位置点的确定方法。
可选地,在本说明书实施例中,存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书实施例所述存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用程序以及数据处理。存储器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***、功能所需的应用程序等;存储数据区可存储根据所述对象的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本申请实施例所提供的目标位置点的确认方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图11是本申请实施例提供的一种目标位置点的确认方法的服务器的硬件结构框图。如图11所示,该服务器400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(CentralProcessing Units,CPU)410(处理器410可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器430,一个或一个以上存储应用程序423或数据422的存储介质420(例如一个或一个以上海量存储对象)。其中,存储器430和存储介质420可以是短暂存储或持久存储。存储在存储介质420的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器410可以设置为与存储介质420通信,在服务器1100上执行存储介质420中的一系列指令操作。服务器400还可以包括一个或一个以上电源460,一个或一个以上有线或无线网络接口450,一个或一个以上输入输出接口440,和/或,一个或一个以上操作***421,例如Windows ServerTM,Mac OSXTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口440可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器400的通信供应商提供的无线网络。在一个实例中,输入输出接口440包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络对象相连从而可与互联网进行通讯。在一个实例中,输入输出接口440可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图11所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器400还可包括比图11中所示更多或者更少的组件,或者具有与图11所示不同的配置。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和服务器实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种目标位置点的确定方法,其特征在于,所述方法包括:
获取与多个对象对应的多个对象位置点;
确定所述多个对象位置点所在的目标对象区域;
将所述目标对象区域划分为多个网格;
从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,确定与所述目标网格对应的邻域网格;
以所述目标网格中的对象位置点为起点,对所述目标网格中的对象位置点以及所述邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点;
获取每个候选位置点的当前经纬度坐标以及每个候选对象在对应的候选位置点的当前运动方向信息;计算每个候选位置点的当前经纬度坐标的平均值,将所述平均值对应的位置点确定为与多个候选对象对应的目标位置点;将每个候选对象在对应的候选位置点的当前运动方向信息进行累加,得到与所述目标位置点对应的当前运动方向信息;其中,所述多个候选对象为与所述多个候选位置点对应的对象。
2.根据权利要求1所述的方法,其特征在于,所述以所述目标网格中的对象位置点为起点,对所述目标网格中的对象位置点以及所述邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点,包括:
从所述目标网格中选取任意一个对象位置点作为第一起点;
基于预设聚类半径以及所述第一起点,确定与所述第一起点对应的第一聚类区域;
若所述第一聚类区域内的对象位置点的数量大于或等于第一阈值,则获取所述第一聚类区域内的对象位置点,得到第一目标位置点集合;
若所述第一目标位置点集合中的对象位置点的数量小于第二阈值,则将所述第一目标位置点集合中除所述第一起点之外的其他对象位置点作为第二起点;
基于所述预设聚类半径以及所述第二起点,确定与所述第二起点对应的第二聚类区域;
若所述第二聚类区域内的对象位置点的数量大于或等于所述第一阈值,则将位于所述第二聚类区域内且不属于所述第一目标位置点集合中的对象位置点添加至所述第一目标位置点集合中,得到第二目标位置点集合;
若所述第二目标位置点集合中的对象位置点的数量大于或等于所述第二阈值,则将所述第二目标位置点集合中的对象位置点确定为所述候选位置点;
其中,所述第一聚类区域和所述第二聚类区域均位于所述目标网格与所述邻域网格所形成的区域内。
3.根据权利要求2所述的方法,其特征在于,
若所述第一目标位置点集合中的对象位置点的数量大于或等于所述第二阈值,则将所述第一目标位置点集合中的对象位置点确定为所述候选位置点;
若将每个包含对象位置点的网格均作为所述目标网格进行位置聚类之后,所述目标对象区域内仍存在未被分类的对象位置点,则将所述未被分类的对象位置点添加至与所述未被分类的对象位置点的距离小于第三阈值的第一目标位置点集合或第二目标位置点集合中。
4.根据权利要求1所述的方法,其特征在于,在所述将每个候选对象在对应的候选位置点的当前运动方向信息进行累加,得到与所述目标位置点对应的当前运动方向信息之后,所述方法还包括:
获取每个候选对象在第一预设时间之后的下一个经纬度坐标;
基于每个候选对象的下一个经纬度坐标和当前经纬度坐标,确定所述候选对象的位置变化信息;
将每个候选对象的位置变化信息累加到与所述目标位置点对应的当前运动方向信息中,得到所述目标位置点更新后的位置信息。
5.根据权利要求1所述的方法,其特征在于,
所述将所述目标对象区域划分为多个网格,包括:
确定所述目标对象区域的最小外接矩形;
按照预设的网格大小,将所述最小外接矩形划分为多个网格;
所述确定与所述目标网格对应的邻域网格,包括:
将与所述目标网格相邻的网格或将网格中心到所述目标网格的中心的距离小于第四阈值的网格确定为所述邻域网格。
6.根据权利要求1所述的方法,其特征在于,在所述从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,确定与所述目标网格对应的邻域网格之后,所述方法还包括:
获取每个对象位置点的当前经纬度坐标;
将经纬度坐标出现错误或处于所述目标网格与所述邻域网格所形成的区域之外的对象位置点删除;
获取与每个对象位置点对应的多个历史对象位置点;其中,所述历史对象位置点表征与所述对象位置点对应的对象在第二预设时间之前经过的位置点;
若每个对象位置点同时满足第一条件、第二条件和第三条件,则通过与所述对象位置点对应的多个历史对象位置点对所述对象位置点进行样条差值处理,得到纠正后的对象位置点;其中,所述第一条件为所述对象位置点与相邻的历史对象位置点之间的距离大于第五阈值,所述第二条件为与所述对象位置点对应的对象从所述相邻的历史对象位置点移动到所述对象位置点的时间小于第六阈值,所述第三条件为与所述对象位置点对应的对象在所述对象位置点的加速度大于第七阈值。
7.一种目标位置点的确定装置,其特征在于,所述装置包括:
对象位置点获取模块,用于获取与多个对象对应的多个对象位置点;
目标对象区域确定模块,用于确定所述多个对象位置点所在的目标对象区域;
网格划分模块,用于将所述目标对象区域划分为多个网格;
目标网格和邻域网格确定模块,用于从所述多个网格中选取任意一个包括对象位置点的网格作为目标网格,并确定与所述目标网格对应的邻域网格;
候选位置点确定模块,用于以所述目标网格中的对象位置点为起点,对所述目标网格中的对象位置点以及所述邻域网格中的对象位置点进行位置聚类,得到属于同一类别的多个候选位置点;
目标位置点确定模块,用于确定所述多个候选位置点的中心点,得到与多个候选对象对应的目标位置点;所述目标位置点确定模块包括:坐标及运动方向信息获取单元,用于获取每个候选位置点的当前经纬度坐标以及每个候选对象在对应的候选位置点的当前运动方向信息;平均值计算单元,用于计算每个候选位置点的当前经纬度坐标的平均值,将所述平均值对应的位置点确定为所述目标位置点;第一累加单元,用于将每个候选对象在对应的候选位置点的当前运动方向信息进行累加,得到与所述目标位置点对应的当前运动方向信息;其中,所述多个候选对象为与所述多个候选位置点对应的对象。
8.一种目标位置点的确定设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-6任一所述的目标位置点的确定方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-6任一所述的目标位置点的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753340.4A CN110493333B (zh) | 2019-08-15 | 2019-08-15 | 一种目标位置点的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910753340.4A CN110493333B (zh) | 2019-08-15 | 2019-08-15 | 一种目标位置点的确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110493333A CN110493333A (zh) | 2019-11-22 |
CN110493333B true CN110493333B (zh) | 2021-08-17 |
Family
ID=68551324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910753340.4A Active CN110493333B (zh) | 2019-08-15 | 2019-08-15 | 一种目标位置点的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110493333B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909225B (zh) * | 2019-11-29 | 2024-02-13 | 广州市百果园信息技术有限公司 | 社交群组确定方法、装置、设备及计算机存储介质 |
CN111079577B (zh) * | 2019-12-02 | 2021-02-26 | 重庆紫光华山智安科技有限公司 | 一种动态区域聚集预警实时推荐的计算方法及*** |
CN111797884A (zh) * | 2019-12-10 | 2020-10-20 | 青岛海信网络科技股份有限公司 | 一种基于聚类算法的快情报问题区域识别方法及装置 |
CN111160420B (zh) * | 2019-12-13 | 2023-10-10 | 北京三快在线科技有限公司 | 基于地图的故障诊断方法、装置、电子设备和存储介质 |
WO2021157078A1 (ja) * | 2020-02-07 | 2021-08-12 | 日本電信電話株式会社 | 路面推定装置、路面推定方法およびプログラム |
CN111753200B (zh) * | 2020-06-23 | 2021-03-30 | 支付宝(杭州)信息技术有限公司 | 一种数据确定方法、装置、设备及介质 |
CN111698332A (zh) * | 2020-06-23 | 2020-09-22 | 深圳壹账通智能科技有限公司 | 业务对象的分配方法、装置、设备及存储介质 |
CN113290570B (zh) * | 2020-07-20 | 2024-04-19 | 阿里巴巴集团控股有限公司 | 夹持装置、数据中心运维机器人及装配机器人 |
CN112328880A (zh) * | 2020-11-05 | 2021-02-05 | 北京嘀嘀无限科技发展有限公司 | 地理区域聚类方法、装置、存储介质和电子设备 |
CN112258128B (zh) * | 2020-11-11 | 2021-10-26 | 拉扎斯网络科技(上海)有限公司 | 目标位置估计方法、装置、电子设备及计算机存储介质 |
CN112613546A (zh) * | 2020-12-16 | 2021-04-06 | 北京锐安科技有限公司 | 一种轨迹生成方法、装置、设备及存储介质 |
CN112991008B (zh) * | 2021-03-04 | 2024-07-16 | 北京嘀嘀无限科技发展有限公司 | 一种位置推荐方法、装置及电子设备 |
CN113157836B (zh) * | 2021-03-12 | 2022-07-19 | 广西壮族自治区中国科学院广西植物研究所 | 一种空间点数据集周围数据提取方法、装置及存储介质 |
CN113176599B (zh) * | 2021-05-20 | 2024-03-15 | 中国第一汽车股份有限公司 | 地理位置确定方法、装置、设备及存储介质 |
CN113240037B (zh) * | 2021-05-28 | 2024-03-08 | 杭州海康威视***技术有限公司 | 目标区域的确定方法、装置、设备及存储介质 |
CN114706931A (zh) * | 2022-03-30 | 2022-07-05 | 海南视联通信技术有限公司 | 一种数据处理的方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021274A (zh) * | 2014-05-08 | 2014-09-03 | 烽火通信科技股份有限公司 | 一种动态地理网格聚类算法 |
CN104933437A (zh) * | 2015-05-19 | 2015-09-23 | 广州杰赛科技股份有限公司 | 动态网格的生成方法、生成装置、聚合方法和聚合装置 |
CN105261217A (zh) * | 2015-10-03 | 2016-01-20 | 上海大学 | 一种基于密度聚类算法的城市交通拥堵状态检测方法 |
CN105516928A (zh) * | 2016-01-15 | 2016-04-20 | 中国联合网络通信有限公司广东省分公司 | 一种基于位置人群特征的位置推荐方法和*** |
CN107622085A (zh) * | 2017-08-11 | 2018-01-23 | 河海大学 | 一种基于网格和密度的自适应轨迹聚类方法 |
CN108710879A (zh) * | 2018-04-20 | 2018-10-26 | 江苏大学 | 一种基于网格聚类算法的行人候选区域生成方法 |
CN108716918A (zh) * | 2018-04-24 | 2018-10-30 | 合肥工业大学 | 一种基于网格聚类的rssi室内定位算法 |
CN110087246A (zh) * | 2019-04-12 | 2019-08-02 | 杭州海兴泽科信息技术有限公司 | 基于地理格网的rf终端设备空间聚类方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10862755B2 (en) * | 2017-06-30 | 2020-12-08 | Oracle International Corporation | High-performance data repartitioning for cloud-scale clusters |
-
2019
- 2019-08-15 CN CN201910753340.4A patent/CN110493333B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021274A (zh) * | 2014-05-08 | 2014-09-03 | 烽火通信科技股份有限公司 | 一种动态地理网格聚类算法 |
CN104933437A (zh) * | 2015-05-19 | 2015-09-23 | 广州杰赛科技股份有限公司 | 动态网格的生成方法、生成装置、聚合方法和聚合装置 |
CN105261217A (zh) * | 2015-10-03 | 2016-01-20 | 上海大学 | 一种基于密度聚类算法的城市交通拥堵状态检测方法 |
CN105516928A (zh) * | 2016-01-15 | 2016-04-20 | 中国联合网络通信有限公司广东省分公司 | 一种基于位置人群特征的位置推荐方法和*** |
CN107622085A (zh) * | 2017-08-11 | 2018-01-23 | 河海大学 | 一种基于网格和密度的自适应轨迹聚类方法 |
CN108710879A (zh) * | 2018-04-20 | 2018-10-26 | 江苏大学 | 一种基于网格聚类算法的行人候选区域生成方法 |
CN108716918A (zh) * | 2018-04-24 | 2018-10-30 | 合肥工业大学 | 一种基于网格聚类的rssi室内定位算法 |
CN110087246A (zh) * | 2019-04-12 | 2019-08-02 | 杭州海兴泽科信息技术有限公司 | 基于地理格网的rf终端设备空间聚类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110493333A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110493333B (zh) | 一种目标位置点的确定方法、装置、设备及存储介质 | |
CN110648529B (zh) | 一种车辆行驶轨迹的渲染方法、装置、设备及存储介质 | |
CN110378175B (zh) | 道路边沿的识别方法和装置 | |
CN109697637B (zh) | 对象类别确定方法、装置、电子设备及计算机存储介质 | |
CN110414569B (zh) | 聚类实现方法及装置 | |
CN111090712A (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN113515672A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
US20230131579A1 (en) | Wireless signal propagation prediction method and apparatus | |
CN112328880A (zh) | 地理区域聚类方法、装置、存储介质和电子设备 | |
CN114205831B (zh) | 一种优化方案的确定方法、装置、存储介质及设备 | |
CN112084853A (zh) | 一种脚印预测方法、脚印预测装置及人形机器人 | |
CN114064834A (zh) | 目标地点确定方法及装置、存储介质和电子设备 | |
CN108243426B (zh) | 一种确定无线基站需求点的方法及服务器 | |
CN111105050B (zh) | 风机维护计划的生成方法、装置、设备及存储介质 | |
CN115525841B (zh) | 兴趣点信息的获取方法、电子设备及存储介质 | |
CN111966767A (zh) | 轨迹热力图生成方法、装置、电子设备和存储介质 | |
CN111221827A (zh) | 基于图形处理器的数据库表连接方法、装置、计算机设备和存储介质 | |
CN112884189A (zh) | 订单量预测模型的训练方法、装置以及设备 | |
CN114117260B (zh) | 时空轨迹索引与查询处理方法、装置、设备及介质 | |
CN115190587A (zh) | Wifi位置确定方法、装置、电子设备及存储介质 | |
CN115525394A (zh) | 容器数量的调整方法及装置 | |
CN114357102A (zh) | 一种路网数据生成方法和装置 | |
CN103365948A (zh) | 数据管理设备和数据管理方法 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN114297325A (zh) | 轨迹预测模型构建方法、装置以及可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |