CN110556049A - 一种地图数据处理方法、装置、服务器和存储介质 - Google Patents
一种地图数据处理方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN110556049A CN110556049A CN201810563605.XA CN201810563605A CN110556049A CN 110556049 A CN110556049 A CN 110556049A CN 201810563605 A CN201810563605 A CN 201810563605A CN 110556049 A CN110556049 A CN 110556049A
- Authority
- CN
- China
- Prior art keywords
- polygon
- road network
- road
- map
- determining
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/005—Map projections or methods associated specifically therewith
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
- G09B29/003—Maps
- G09B29/006—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes
- G09B29/007—Representation of non-cartographic information on maps, e.g. population distribution, wind direction, radiation levels, air and sea routes using computer methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Ecology (AREA)
- Navigation (AREA)
- Instructional Devices (AREA)
Abstract
本发明实施例公开了一种地图数据处理方法、装置、服务器和存储介质。该方法包括:依据地图上目标城市中兴趣点POI点的分布,计算目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;确定每个路网簇中路网相交形成的第一多边形;根据道路等级确定每个路网簇中的主干道路,以及主干道路为中心形成的第二多边形;确定每个路网簇周围符合预设距离条件的POI点,并获取POI点对应的楼块多边形;将第一多边形、第二多边形和楼块多边形进行聚合,得到目标城市的至少一个热区多边形。通过采用上述技术方案,实现了自动从地图上召回城市热门区域,并在地图的底图上显示,提高地图底图对用户的指引效果。
Description
技术领域
本发明实施例涉及电子地图技术领域,尤其涉及一种地图数据处理方法、装置、服务器和存储介质。
背景技术
城市中往往存在若干热门的商业或美食区域,比如北京的三里屯、西单或簋街等,这些区域可看作是城市的热点区域(热区),是重要的生活和娱乐中心。通过在地图上展示这些热区,能够为对城市不熟悉的用户提供对城市直观的指引,也能辅助用户探索和发现城市中“有趣”的地方。
现有技术中,地图上只能根据兴趣点(Point Of Interest,POI)的类型显示不同POI类型的区块作为指引,例如,如果POI的类型为酒店,则在地图上将显示多个与酒店相关的POI区块,而这些POI区块可能分布于城市的多个区域,其中包括热点区域和非热点区域等。用户从这些POI区块中无法直观地了解到城市热区的位置信息。
此外,虽然通过人工标注的方式也可确定热点区域,并在地图上进行展示,但是由于城市中,尤其是一线大城市的热点区域数量较多,而且每个热点区域的形状、面积无规则可言,因此,难以通过人工方式实现大范围的召回。
发明内容
本发明实施例提供一种地图数据处理方法、装置、服务器和存储介质,以实现自动从地图上召回城市热门区域,并在地图的底图上显示,提高地图底图对用户的指引效果。
第一方面,本发明实施例提供了地图数据处理方法,该方法包括:
依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;
确定每个路网簇中路网相交形成的第一多边形;
根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形;
确定每个路网簇周围符合预设距离条件的POI点,并获取所述POI点对应的楼块多边形;
将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合,得到所述目标城市的至少一个热区多边形。
第二方面,本发明实施例还提供了一种地图数据处理装置,该装置包括:
路网簇确定模块,用于依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;
第一多边形形成模块,用于确定每个路网簇中路网相交形成的第一多边形;
第二多边形形成模块,用于根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形;
楼块多边形获取模块,用于确定每个路网簇周围符合预设距离条件的POI点,并获取所述POI点对应的楼块多边形;
热区多边形建立模块,用于将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合,得到所述目标城市的至少一个热区多边形。
第三方面,本发明实施例还提供了一种服务器,该服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所提供的地图数据处理方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所提供的地图数据处理方法。
本发明实施例提供的技术方案,在构建城市的热区多边形时,综合考虑了POI点在地图上的分布、道路等级、以及符合预设距离条件的POI点对应的楼块等要素。其中,通过依据地图上目标城市中兴趣点POI点的分布,可计算出目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇,并从每个路网簇中可确定路网相交形成的第一多边形。其次,根据道路等级可确定每个路网簇中的主干道路,以及主干道路为中心形成的第二多边形。再次,通过确定每个路网簇周围符合预设距离条件的POI点,可获取到POI点对应的楼块多边形。通过采用上述方案,可将获取到不同类型的第一多边形、第二多边形和楼块多边形作为热区多边形的构建基础。将这三种不同类型的多边形进行聚合后,可得到目标城市的至少一个热区多边形。通过采用上述技术方案,实现了自动从地图上召回城市中的热门区域,并在地图的地图上显示,提升了地图底图对用户的指引效果。
附图说明
图1为本发明实施例一提供的一种地图数据处理方法的流程图;
图2为本发明实施例二提供的一种地图数据处理方法的流程图;
图3为本发明实施例三提供的一种地图数据处理方法的流程图;
图4为本发明实施例三提供的一种将主干道扩充为多边形的示意图;
图5为本发明实施例四提供的一种地图数据处理方法的流程图;
图6为本发明实施例四提供的一种热区在地图底图上进行展示的示意图;
图7为本发明实施例五提供的一种地图数据处理装置的结构框图;
图8为本发明实施例六提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
为了清楚、明白的描述本发明各实施例,下面首先将本发明的实现原理进行简单介绍:
本发明实施例的技术方案主要是根据城市中与热区相关的POI点来确定热点区域,并在地图的底图上对热点区域以多边形的形式进行显示,从而能够为用户提供对城市直观的指引。
在构建热区多边形时,需要考虑到地图上与热点区域相关的多个因素。本发明实施例的技术方案主要是综合了POI点在地图上的分布、道路等级、以及符合预设距离条件的POI点对应的楼块这几个要素来构建热区多边形。
具体而言,POI点的密度在一定程度上能够反映热区的热度,POI点密度越高,对应区域的热度越高。而由于城市热区的“骨架”是路网簇,因此,可通过POI点的分布计算出城市中路网的热度,得到满足预设热度条件的至少一个路网簇,并将每个路网簇中路网相交形成的第一多边形作为热区多边形的一部分。
对于上述内容中所确定的满足预设热度条件的路网簇,也可选择距离该路网簇最近的目标POI点。这样设置主要是考虑到地图上热区楼块的显示对用户也具有重要的指引作用,因此需获取目标POI点对应的楼块多边形,并将其作为热区多边形的一部分。
此外,道路是形成热区多边形的又一基础条件,通过选择路网簇中的主干道路进行扩充可形成完整且整齐的热区多边形。因此,本实施例中,在确定主干道路后,将主干道路进行适当的扩充,可形成第二多边形,该第二多边形也作为热区多边形的一部分。
综上所述,本发明实施例提供的技术方案通过基于与热点区域相关的多个因素确定出对应的第一多边形、第二多边形和楼块多边形后,可将这些不同类型的多边形在地图的底图上进行聚合,得到城市中的热区多边形。将热区多边形以区别于地图上其他区域的形式进行显示后,可提高地图底图对用户的指引效果,增强用户对城市的了解。下面将分别对各个多边形的确定及其相关的处理过程进行详细说明。
实施例一
图1为本发明实施例一提供的一种地图数据处理方法的流程图,该方法可以由地图数据处理装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在任何具有网络通信功能的服务器中。参见图1,本实施例的方法具体包括:
S110、依据地图上目标城市中兴趣点POI点的分布,计算目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇。
其中,目标城市的数量可以为一个或多个,可以是研发人员根据实际应用需求选定的,例如研发人员在地图中圈出一块或多块城市的区域,也可以由服务器根据城市地区列表来确定。其中,该城市地区列表可以是预先设置的包含有多个不同地区的列表。服务器可对该城市地区列表中未经过关于热度的地区数据处理的城市依次进行处理。
需要说明的是,城市热区的“骨架”是路网簇,即在一定区域内,由各种道路组成的相互联络、交织成网状分布的道路***。高热度的道路和与其相邻的街区共同组成了城市的热区。因此热区挖掘的关键是找出每个热区对应的路网,即通过计算路网的热度后,可根据满足热度条件的路网构建出热区的形状。
示例性的,在计算路网的热度时,可依据地图上目标城市中POI点(Point ofInterest,兴趣点)的分布进行计算。
其中,POI点,顾名思义,本身就代表了一定的热度,其是由地图提供的信息点,可以表示实际的地点,例如商场、商铺或酒吧等。每个POI点都包含四方面信息:名称、类别、坐标和分类,全面的POI点讯息是丰富导航地图的必备资讯。
优选的,本实施例可通过从预先建立的POI数据库中,选择符合设定条件的POI点,得到这些POI点在地图上的坐标。其中,设定条件可根据实际需求进行配置,优选的,本实施例中可以选择满足一定热度需求的POI点。示例性的,对于数据库中的POI点,也可统计每个POI点在预设时长内,例如一天内的用户数量,用户数量越多,该POI点的热度越高。
考虑到满足热度需求的POI点密度越高,则对应的区域热度越高,因此,可以根据所述POI点的分布情况来召回城市热门区域。具体的,本实施例中根据POI点的分布计算目标城市中路网的热度,可从计算出的路网的热度中选择符合热度条件的多个路网,从而可将这些路网形成满足预设热度条件的至少一个路网簇。
其中,路网簇是由多个路网网格组成,每个路网网格的POI密度值都大于预设热度阈值时,才能形成一个路网簇。因此,每个满足预设热度条件的路网簇都可看做是符合热区挖掘条件的多个路网网格的集合体,可作为一个热区的“骨架”。从满足预设热度条件的路网簇中可以构建出目标地区中的热点地区的形状。
S120、确定每个路网簇中路网相交形成的第一多边形。
其中,第一多边形是热点地区的形状中的一种,也可理解为是热区多边形中的一部分。
可以理解的是,路网簇是由满足热度条件的多个路网组成。由于路网簇是热点地区的“骨架”,优选为一个封闭的区域,因此,需从每个路网簇中确定路网相交形成的第一多边形。
S130、根据道路等级确定每个路网簇中的主干道路,以及主干道路为中心形成的第二多边形。
其中,对于地图而言,每条道路对应的道路等级均可预先进行设定。根据道路等级确定每个路网簇中的主干道路后,可基于该主干道路构建出热区的形状。
优选的,本实施例中将道路等级大于6级的道路作为主干道路。其中,道路等级6为预先设置的一个经验值。其中,路网簇中道路的道路等级可从地图对应的数据库中获取到。
需要说明的是,城市中经常会存在一些道路等级较低,但是热度较高的地区,如商业步行街等。在这些地区对应的路网簇中,多条道路的道路等级往往低于本实施例中所设定阈值。对于这种情况,可通过降低道路等级的标准来确定主干道路,即本实施例中,如果在路网簇中每条道路的道路等级均低于设定阈值的情况下,可选择这些道路中道路等级最高的道路作为主干道路。
在主干道路确定后,可以形成以主干道路为中心的第二多边形。其中,第二多边形也可作为构建热区多边形的一部分。
S140、确定每个路网簇周围符合预设距离条件的POI点,并获取POI点对应的楼块多边形。
其中,地图上热点地区楼块的显示对用户也具有重要的指引作用,因此,在进行热区多边形的构建时,也需考虑到楼块的显示作为对用户的指引作用。由于POI点可以表示地图上实际的地点,因此可通过路网簇中的POI点确定楼块多边形。
示例性的,由于路网簇可作为热点地区的“骨架”,因此,距离“骨架”越近的地点所对应的热度也越高,因此本实施例中,确定每个路网簇周围符合预设距离条件的POI点,可优选为在每个路网簇周围选择距离该路网簇最近的POI点。在选定了POI点之后,可获取该POI点对应的楼块多边形。
本领域技术人员可以理解的是,由于POI点在地图上可表示地图上实际地点的坐标,而该坐标对应的楼块在地图对应数据库中有相应的存储数据,因此,在选定了POI点后,可从数据库中获取到POI点对应的楼块多边形。
还需要说明的是,S120、S130和S140是三个并列的操作,得到的多边形是三种不同类型的多边形,S120、S130和S140的操作不存在执行顺序的先后之分,可以顺序执行,也可以同步执行,本申请对此不作任何限定。
S150、将第一多边形、第二多边形和楼块多边形进行聚合,得到目标城市的至少一个热区多边形。
其中,本实施例中将第一多边形、第二多边形和楼块多边形这三种不同类型的多边形进行聚合,可以是将这三种多边形叠加到一起。在相互叠加的过程中,通常会出现多边形相互包含和多边形相互交错等情况。不论是上述那种情况,本实施例中优选将叠加后多边形的***轮廓作为热区多边形。下面对聚合过程中出现的多个情况分别进行说明:
示例性的,如果第一多边形、第二多边形和楼块多边形聚合时,出现了多边形相互包含的情况,例如第一多边形包含第二多边形,且第二多边形包含楼块多边形,此时可说明第一多边形的区域范围比较大,因此,将第一多边形作为目标城市的热区多边形。
示例性的,如果第一多边形、第二多边形和楼块多边形聚合时,出现了相互交错的情况,即在聚合过程中,多边形之间存在相同的区域,此时,可将多边形聚合后的***轮廓相连,作为目标城市的热区多边形,即如果将第一多边形、第二多边形和楼块多边形看做三个集合,热区多边形则为三个集合的并集。
此外,在一些特殊情况下,如果出现了第一多边形、第二多边形和楼块多边形之间相互分离的情况,此时,则将第二多边形作为热区多边形。
进一步的,在得到目标城市的至少一个多边形后,可将该多边形以区别于地图上其他区域的显示方式进行显示,从而使得用户可从地图的底图上直观明了地观看到地图的热点区域,进一步提升对用户的指引效果。
本发明实施例提供的技术方案,通过依据地图上目标城市中兴趣点POI点的分布,可计算出目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇,并从每个路网簇中可确定路网相交形成的第一多边形。其次,根据道路等级可确定每个路网簇中的主干道路,以及主干道路为中心形成的第二多边形。再次,通过确定每个路网簇周围符合预设距离条件的POI点,可获取到POI点对应的楼块多边形。通过采用上述方案,可将获取到不同类型的第一多边形、第二多边形和楼块多边形作为热区多边形的构建基础。将这三种不同类型的多边形进行聚合后,可得到目标城市的至少一个热区多边形。通过采用上述技术方案,实现了自动从地图上召回城市中的热门区域,并在地图的地图上显示,提升了地图底图对用户的指引效果。
实施例二
图2为本发明实施例二提供的一种地图数据处理方法的流程图,本实施例在上述实施例的基础上进行了优化,增加了对城市的路网进行栅格化得到多个路网网格以及计算路网网格中POI密度的操作,其中与上述实施例相同或相应的术语的解释在此不再赘述。参见图2,本实施例提供的地图数据处理方法包括:
S210、获取地图上目标城市中的满足热度需求的POI点的坐标和矢量路网数据,并对矢量路网数据进行栅格化,得到多个路网网格。
示例性的,本实施例中满足热度需求的POI点可通过用户在应用中的检索或点击次数来衡量,优选为高质量的美食、酒吧、商铺或商场类型的POI点。
本领域技术人员可以理解的是,通常在处理地图中的路网数据时,处理的都是矢量格式的路网。其中,矢量格式的路网,表现形式上就是两个点或多个点,两点连成一条线,所以一条直路其矢量格式的路网数据对应的就是起终两个点的坐标,如果是曲线,则在曲线的拐弯处会多几个点用来表示曲线路径。
本实施例中,将矢量路网数据栅格化是将地图划分为大小均匀紧密相邻的网格阵列,每个网格作为一个像元或像素由行、列定义,并包含一个代码表示该像素的属性类型或量值。将矢量路网数据进行栅格化有助于对矢量地图数据进行空间分析和多边形重置。在本实施例中将矢量数据栅格化,可得到多个路网网格,主要作用是为了构建热区多边形。示例性的,每个路网网格的长度可以为50米。
S220、依据满足热度需求的POI点的坐标和矢量路网数据,对路网网格进行密度估计,得到每个路网网格对应的POI密度。
优选的,POI密度可理解为在每个路网网格内的POI个数,即本实施例中POI密度可用于表示该地区的热度。也就是说,如果将热度定义为POI密度的话,那么衡量城市的热度就等同于衡量路网网格的热度。
示例性的,在进行密度分析时,密度估计一般可分为参数估计和非参数估计。其中,参数估计一般是建立数学模型,然后用最大似然等方法,确定模型的参数后,就可得到密度分布。将参数估计应用于本实施例提供的方案中,即将全部POI点和矢量路网数据输入到训练完成的数学模型后,可得到POI的密度分布。
优选的,本实施例中采用核密度估计这一非参数估计方式确定POI密度,这样设置主要是因为核密度估计完全是利用数据本身的信息,可避免人为主观带入的先验知识,从而能够对全部POI点的坐标和矢量路网数据进行最大程度的近似,提高了POI密度确定的准确性。
S230、依据POI密度和预设热度阈值确定至少一个路网簇,其中,每个路网簇包括多个路网网格,每个路网网格的POI密度均大于预设热度阈值,且每个路网网格都至少有一个相邻的路网网格。
其中,预设热度阈值为经验值。本实施例中所确定的路网簇是由满足预设热度阈值的相互连通的路网网格组成。其中,路网网格连通可通过相邻网格来判断,例如,每个网格可作为九宫格中间的格子,那么周围会有八个网格,如果有路网网格位于这八个网格,则说明他们是连通的,即本实施例所确定的路网簇中,每个路网网格都至少有一个相邻的路网网格。
示例性的,路网簇中的多个路网网格可以组成一个封闭的区域,也可以只是相互连通。
S240、确定每个路网簇中路网相交形成的第一多边形。
示例性的,确定每个路网簇中路网相交形成的第一多边形可通过如下操作执行:
确定每个路网簇对应的矢量路网数据中的相交路网,将相交路网确定的多边形作为所述第一多边形。
这样设置主要是因为在处理地图中的路网数据时,一般处理的都是矢量格式的路网数据,路网数据在地图的底层数据库中也是以矢量格式进行存储的,因此,本实施例中根据栅格化后的路网簇在确定第一多边形时,可读取路网簇原本对应的矢量路网数据,根据这些矢量网络数据,可找出所有路网相交的多边形,作为第一多边形。
S250、根据道路等级确定每个路网簇中的主干道路,以及主干道路为中心形成的第二多边形。
S260、确定每个路网簇周围符合预设距离条件的POI点,并获取POI点对应的楼块多边形。
S270、将第一多边形、第二多边形和楼块多边形进行聚合,得到目标城市的至少一个热区多边形。
本实施例在上述实施例的基础上,增加了将矢量格式的路网进行栅格化得到多个路网网格以及计算路网网格中POI密度的操作。这样设置主要是为了通过路网网格构建热区多边形。由于衡量地区热度也可等同于衡量POI在每个路网网格中的密度,因此,通过对路网网格进行密度估计得到的POI密度在一定程度上能够反映出该地区的热度,作为热区多边形的构建基础。
实施例三
图3为本发明实施例三提供的一种地图数据处理方法的流程图,本实施例在上述实施例的基础上进行了优化,增加了拓宽主干道路的操作,其中与上述实施例相同或相应的术语的解释在此不再赘述。参见图3,本实施例提供的地图数据处理方法包括:
S310、依据地图上目标城市中兴趣点POI点的分布,计算目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇。
S320、确定每个路网簇中路网相交形成的第一多边形。
S330、根据道路等级,确定每个路网簇对应的矢量路网数据中的主干道路,并以主干道路为中心,按照预设宽度生成长条形,将长条形作为第二多边形。
示例性的,预设宽度为经验值。
本实施例中,在确定主干道路后,可以将主干道路按照预设宽度进行拓宽,形成第二多边形。这样设置主要是考虑到道路是热点地区的必备条件,在第一多边形不存在的情况下,第二多边形即作为最后形成完整的热区多边形的基础。而当第一多边形存在时,第二多边形的形成可使得最后建立的热区多边形更加完整,例如,主干道路附近的辅路,或者主干道路附近的商场、商铺所在的道路也可作为热区的一部分,即第二多边形的确定更加符合城市热区多边形的实际情况。此外,本实施例中选择主干道路进行多边形扩充的原因还在于:主干道路的道路等级较高,相对来说比较横平竖直,生成的多边形也比较整齐。
示例性的,如果根据预设道路等级确定出路网簇中不存在主干道路时,可按照上述实施例提供的降低主干道路的等级选择标准的方式,确定出主干道路,并按照预设宽度拓宽生成长条形,将长条形作为第二多边形。
图4为本发明实施例三提供的一种将主干道扩充为多边形的示意图。如图4所示,中间黑色的曲线表示主干道路,黑色线以外的用斜线填充的部分表示扩充后的第二多边形。其中,第二多边形也可作为构建热区多边形的一部分。
S340、确定每个路网簇周围符合预设距离条件的POI点,并获取POI点对应的楼块多边形。
S350、将第一多边形、第二多边形和楼块多边形进行聚合,得到目标城市的至少一个热区多边形。
本实施例在上述实施例的基础上,增加了对主干道路的拓宽,使得热区多边形的构建更准确,也更加符合城市热区的实际情况。
实施例四
图5为本发明实施例四提供的一种地图数据处理方法的流程图,本实施例在上述实施例的基础上进行了优化,增加对热区多边形在地图底图上进行高亮显示的操作,其中与上述实施例相同或相应的术语的解释在此不再赘述。参见图5,本实施例提供的地图数据处理包括:
S410、获取地图上目标城市中的满足热度需求的POI点的坐标和矢量路网数据,并对矢量路网数据进行栅格化,得到多个路网网格。
S420、依据满足热度需求的POI点的坐标和矢量路网数据,对路网网格进行密度估计,得到每个路网网格对应的POI密度。
S430、依据POI密度和预设热度阈值确定至少一个路网簇,其中,每个路网簇包括多个路网网格,每个路网网格的POI密度均大于预设热度阈值,且每个路网网格都至少有一个相邻的路网网格。
S440、确定每个路网簇对应的矢量路网数据中的相交路网,将相交路网确定的多边形作为第一多边形。
S450、根据道路等级,确定每个路网簇对应的矢量路网数据中的主干道路,并以主干道路为中心,按照预设宽度生成长条形,将长条形作为第二多边形。
S460、将楼块多边形按照预设距离进行放大。
示例性的,预设距离可以为10米,将楼块多边形按照预设距离进行放大后,通过采用放大后的楼块多边形作为热区多边形的一部分,可使得热区多边形的构建更加准确,也更加符合城市热区的实际情况。
S470、将第一多边形、第二多边形和放大后的楼块多边形进行聚合,得到目标城市的至少一个热区多边形。
S480、在地图的底图上,将至少一个热区多边形以第一预设颜色高亮显示,将楼块多边形以第二预设颜色高亮显示。
示例性的,第一预设颜色和第二预设颜色可以设置为不同深度的橙色。
图6为本发明实施例四提供的一种热区在地图底图上进行展示的示意图。如图6所示,地图底图中用虚线围成的区域A为热区多边形,如图6中的红房子商城、凯宏购物广成和海富超市等为楼块多边形。用户从图6的地图中可直接了解到城市的热区信息。
本实施例中通过在地图底图上将至少一个热区多边形以第一预设颜色高亮显示,将楼块多边形以第二预设颜色高亮显示,可提高地图底图对用户的指引效果,用户打开地图后,可直观地了解到城市的热点区域,提升用户体验。
实施例五
图7为本发明实施例五提供的一种地图数据处理装置的结构框图,该装置可以由软件和/或硬件的方式实现,该装置可以集成在任何具有网络通信功能的服务器中。参见图7,本实施提供的地图数据处理装置具体包括:路网簇确定模块510、第一多边形形成模块520、第二多边形形成模块530、楼块多边形获取模块540和热区多边形建立模块550。其中,
路网簇确定模块510,用于依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;
第一多边形形成模块520,用于确定每个路网簇中路网相交形成的第一多边形;
第二多边形形成模块530,用于根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形;
楼块多边形获取模块540,用于确定每个路网簇周围符合预设距离条件的POI点,并获取所述POI点对应的楼块多边形;
热区多边形建立模块550,用于将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合,得到所述目标城市的至少一个热区多边形。
本发明实施例提供的地图数据处理装置,通过依据地图上目标城市中兴趣点POI点的分布,可计算出目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇,并从每个路网簇中可确定路网相交形成的第一多边形。其次,根据道路等级可确定每个路网簇中的主干道路,以及主干道路为中心形成的第二多边形。再次,通过确定每个路网簇周围符合预设距离条件的POI点,可获取到POI点对应的楼块多边形。通过采用上述方案,可将获取到不同类型的第一多边形、第二多边形和楼块多边形作为热区多边形的构建基础。将这三种不同类型的多边形进行聚合后,可得到目标城市的至少一个热区多边形。通过采用上述技术方案,实现了自动从地图上召回城市中的热门区域,并在地图的地图上显示,提升了地图底图对用户的指引效果。
在上述实施例的基础上,所述路网簇确定模块510包括:
栅格化单元,用于获取地图上目标城市中的满足热度需求的POI点的坐标和矢量路网数据,并对所述矢量路网数据进行栅格化,得到多个路网网格;
密度估计单元,用于依据所述满足热度需求的POI点的坐标和矢量路网数据,对所述路网网格进行密度估计,得到每个路网网格对应的POI密度;
路网簇确定单元,用于依据所述POI密度和预设热度阈值确定至少一个路网簇,其中,每个路网簇包括多个路网网格,每个路网网格的POI密度均大于所述预设热度阈值,且每个路网网格都至少有一个相邻的路网网格。
在上述实施例的基础上,所述第一多边形形成模块520具体用于:
确定每个路网簇对应的矢量路网数据中的相交路网,将相交路网确定的多边形作为所述第一多边形。
在上述实施例的基础上,所述第二多边形形成模块530具体用于:
根据道路等级,确定每个路网簇对应的矢量路网数据中的主干道路,并以所述主干道路为中心,按照预设宽度生成长条形,将所述长条形作为所述第二多边形。
在上述实施例的基础上,所述装置还包括:
楼块多边形放大模块,用于在将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合之前,将所述楼块多边形按照预设距离进行放大。
在上述实施例的基础上,所述装置还包括:
高亮显示模块,用于在将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合之后,在所述地图的底图上,将所述至少一个热区多边形以第一预设颜色高亮显示,将所述楼块多边形以第二预设颜色高亮显示。
上述地图数据处理装置可执行本发明任意实施例所提供的地图数据处理方法,具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的地图数据处理方法
实施例六
图8为本发明实施例六提供的一种服务器的结构示意图。图8示出了适于用来实现本发明实施方式的示例***器12的框图。图8显示的服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,服务器12以通用计算设备的形式表现。服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图8未显示,通常称为“硬盘驱动器”)。尽管图8中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该服务器12交互的设备通信,和/或与使得该服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明任意实施例所提供的地图数据处理方法,该方法包括:
依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;
确定每个路网簇中路网相交形成的第一多边形;
根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形;
确定每个路网簇周围符合预设距离条件的POI点,并获取所述POI点对应的楼块多边形;
将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合,得到所述目标城市的至少一个热区多边形。
实施例七
本发明实施例七还提供了一种计算机可读存储介质,其上存储有计算机程序。该程序被处理器执行时实现本发明任意实施例所提供的地图数据处理方法,该方法包括:
依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;
确定每个路网簇中路网相交形成的第一多边形;
根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形;
确定每个路网簇周围符合预设距离条件的POI点,并获取所述POI点对应的楼块多边形;
将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合,得到所述目标城市的至少一个热区多边形。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种地图数据处理方法,其特征在于,包括:
依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;
确定每个路网簇中路网相交形成的第一多边形;
根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形;
确定每个路网簇周围符合预设距离条件的POI点,并获取所述POI点对应的楼块多边形;
将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合,得到所述目标城市的至少一个热区多边形。
2.根据权利要求1所述的方法,其特征在于,依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇,包括:
获取地图上目标城市中的满足热度需求的POI点的坐标和矢量路网数据,并对所述矢量路网数据进行栅格化,得到多个路网网格;
依据所述满足热度需求的POI点的坐标和矢量路网数据,对所述路网网格进行密度估计,得到每个路网网格对应的POI密度;
依据所述POI密度和预设热度阈值确定至少一个路网簇,其中,每个路网簇包括多个路网网格,每个路网网格的POI密度均大于所述预设热度阈值,且每个路网网格都至少有一个相邻的路网网格。
3.根据权利要求1所述的方法,其特征在于,确定每个路网簇中路网相交形成的第一多边形,包括:
确定每个路网簇对应的矢量路网数据中的相交路网,将相交路网确定的多边形作为所述第一多边形。
4.根据权利要求1所述的方法,其特征在于,根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形,包括:
根据道路等级,确定每个路网簇对应的矢量路网数据中的主干道路,并以所述主干道路为中心,按照预设宽度生成长条形,将所述长条形作为所述第二多边形。
5.根据权利要求1所述的方法,其特征在于,在将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合之前,所述方法还包括:
将所述楼块多边形按照预设距离进行放大。
6.根据权利要求1所述的方法,其特征在于,在将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合之后,所述方法还包括:
在所述地图的底图上,将所述至少一个热区多边形以第一预设颜色高亮显示,将所述楼块多边形以第二预设颜色高亮显示。
7.一种地图数据处理装置,其特征在于,包括:
路网簇确定模块,用于依据地图上目标城市中兴趣点POI点的分布,计算所述目标城市中路网的热度,得到满足预设热度条件的至少一个路网簇;
第一多边形形成模块,用于确定每个路网簇中路网相交形成的第一多边形;
第二多边形形成模块,用于根据道路等级确定每个路网簇中的主干道路,以及所述主干道路为中心形成的第二多边形;
楼块多边形获取模块,用于确定每个路网簇周围符合预设距离条件的POI点,并获取所述POI点对应的楼块多边形;
热区多边形建立模块,用于将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合,得到所述目标城市的至少一个热区多边形。
8.根据权利要求7所述的装置,其特征在于,所述路网簇确定模块包括:
栅格化单元,用于获取地图上目标城市中的满足热度需求的POI点的坐标和矢量路网数据,并对所述矢量路网数据进行栅格化,得到多个路网网格;
密度估计单元,用于依据所述满足热度需求的POI点的坐标和矢量路网数据,对所述路网网格进行密度估计,得到每个路网网格对应的POI密度;
路网簇确定单元,用于依据所述POI密度和预设热度阈值确定至少一个路网簇,其中,每个路网簇包括多个路网网格,每个路网网格的POI密度均大于所述预设热度阈值,且每个路网网格都至少有一个相邻的路网网格。
9.根据权利要求7所述的装置,其特征在于,所述第一多边形形成模块具体用于:
确定每个路网簇对应的矢量路网数据中的相交路网,将相交路网确定的多边形作为所述第一多边形。
10.根据权利要求7所述的装置,其特征在于,所述第二多边形形成模块具体用于:
根据道路等级,确定每个路网簇对应的矢量路网数据中的主干道路,并以所述主干道路为中心,按照预设宽度生成长条形,将所述长条形作为所述第二多边形。
11.根据权利要求7所述的装置,其特征在于,所述装置还包括:
楼块多边形放大模块,用于在将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合之前,将所述楼块多边形按照预设距离进行放大。
12.根据权利要求7所述的装置,其特征在于,所述装置还包括:
高亮显示模块,用于在将所述第一多边形、所述第二多边形和所述楼块多边形进行聚合之后,在所述地图的底图上,将所述至少一个热区多边形以第一预设颜色高亮显示,将所述楼块多边形以第二预设颜色高亮显示。
13.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的地图数据处理方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的地图数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563605.XA CN110556049B (zh) | 2018-06-04 | 2018-06-04 | 一种地图数据处理方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810563605.XA CN110556049B (zh) | 2018-06-04 | 2018-06-04 | 一种地图数据处理方法、装置、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110556049A true CN110556049A (zh) | 2019-12-10 |
CN110556049B CN110556049B (zh) | 2021-11-12 |
Family
ID=68736000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810563605.XA Active CN110556049B (zh) | 2018-06-04 | 2018-06-04 | 一种地图数据处理方法、装置、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110556049B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380316A (zh) * | 2020-12-09 | 2021-02-19 | 浙江浙蕨科技有限公司 | 一种出行情况数据处理方法及存储介质 |
CN112561348A (zh) * | 2020-12-18 | 2021-03-26 | 广州市城市规划设计所 | 一种路网密度的估算方法、装置、设备及存储介质 |
CN113065753A (zh) * | 2021-03-25 | 2021-07-02 | 上海钧正网络科技有限公司 | 基于路网需求热度的运维区域分层管理方法、装置、终端及介质 |
CN113282690A (zh) * | 2020-02-19 | 2021-08-20 | 百度在线网络技术(北京)有限公司 | 兴趣点召回的排序方法、装置、设备和存储介质 |
CN113505312A (zh) * | 2021-07-21 | 2021-10-15 | 车主邦(北京)科技有限公司 | 一种显示方法、服务器、介质及计算机设备 |
WO2022078499A1 (zh) * | 2020-10-16 | 2022-04-21 | 歌尔股份有限公司 | 一种路网地图实现方法、装置和电子设备 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1553385A1 (en) * | 2002-10-01 | 2005-07-13 | Xanavi Informatics Corporation | Geographic data transmitting method, information delivering apparatus and information terminal |
US20080205768A1 (en) * | 2007-02-23 | 2008-08-28 | Saama Technologies, Inc. | Method and system for optimizing business location selection |
US20080312942A1 (en) * | 2007-06-15 | 2008-12-18 | Suresh Katta | Method and system for displaying predictions on a spatial map |
WO2012144956A1 (en) * | 2011-04-20 | 2012-10-26 | Massachusetts Institute Of Technology | A method for the construction of a water distribution model |
CN103578265A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于出租车gps数据的打车热点获取方法 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN104102637A (zh) * | 2013-04-02 | 2014-10-15 | 高德软件有限公司 | 一种生成热点区域的方法及装置 |
CN104361117A (zh) * | 2014-12-01 | 2015-02-18 | 北京趣拿软件科技有限公司 | 一种城市热门打车点推荐方法及*** |
CN104516896A (zh) * | 2013-09-29 | 2015-04-15 | 国际商业机器公司 | 用于处理地图热点区域的方法和*** |
CN104537830A (zh) * | 2014-12-29 | 2015-04-22 | 上海电科智能***股份有限公司 | 一种出行热点路网影响评估的交通指数区域划分方法 |
CN104899368A (zh) * | 2015-05-29 | 2015-09-09 | 浙江宇视科技有限公司 | 基于数据热度的监控布点需求图生成方法及装置 |
CN105138668A (zh) * | 2015-09-06 | 2015-12-09 | 中山大学 | 基于poi数据的城市商业中心与零售业态集聚区识别方法 |
CN105205312A (zh) * | 2015-09-08 | 2015-12-30 | 重庆大学 | 道路事故热点成因分析和破坏度评估方法 |
CN105222793A (zh) * | 2015-10-23 | 2016-01-06 | 华中科技大学 | 一种基于矢量地图数据模型的城市层次化区域划分方法 |
CN105701204A (zh) * | 2016-01-12 | 2016-06-22 | 中国测绘科学研究院 | 基于道路网的电子地图兴趣点的提取方法及显示方法 |
CN105825510A (zh) * | 2016-03-17 | 2016-08-03 | 中南大学 | 一种兴趣点与道路网的自动配准方法 |
CN105825672A (zh) * | 2016-04-11 | 2016-08-03 | 中山大学 | 一种基于浮动车数据的城市指引区域提取方法 |
CN106204118A (zh) * | 2016-06-30 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 一种用于商圈发现的方法与装置 |
EP3133510A1 (en) * | 2015-08-17 | 2017-02-22 | Palantir Technologies, Inc. | Interactive geospatial map |
CN106920387A (zh) * | 2015-12-24 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 获取交通道路中路线热度的方法及装置 |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
CN107169005A (zh) * | 2017-03-31 | 2017-09-15 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107656913A (zh) * | 2017-09-30 | 2018-02-02 | 百度在线网络技术(北京)有限公司 | 地图兴趣点地址提取方法、装置、服务器和存储介质 |
CN107741964A (zh) * | 2017-09-30 | 2018-02-27 | 百度在线网络技术(北京)有限公司 | 一种兴趣点显示方法、装置、设备和介质 |
-
2018
- 2018-06-04 CN CN201810563605.XA patent/CN110556049B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1553385A1 (en) * | 2002-10-01 | 2005-07-13 | Xanavi Informatics Corporation | Geographic data transmitting method, information delivering apparatus and information terminal |
US20080205768A1 (en) * | 2007-02-23 | 2008-08-28 | Saama Technologies, Inc. | Method and system for optimizing business location selection |
US20080312942A1 (en) * | 2007-06-15 | 2008-12-18 | Suresh Katta | Method and system for displaying predictions on a spatial map |
WO2012144956A1 (en) * | 2011-04-20 | 2012-10-26 | Massachusetts Institute Of Technology | A method for the construction of a water distribution model |
CN103578265A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于出租车gps数据的打车热点获取方法 |
CN104102637A (zh) * | 2013-04-02 | 2014-10-15 | 高德软件有限公司 | 一种生成热点区域的方法及装置 |
CN104516896A (zh) * | 2013-09-29 | 2015-04-15 | 国际商业机器公司 | 用于处理地图热点区域的方法和*** |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN104361117A (zh) * | 2014-12-01 | 2015-02-18 | 北京趣拿软件科技有限公司 | 一种城市热门打车点推荐方法及*** |
CN104537830A (zh) * | 2014-12-29 | 2015-04-22 | 上海电科智能***股份有限公司 | 一种出行热点路网影响评估的交通指数区域划分方法 |
CN104899368A (zh) * | 2015-05-29 | 2015-09-09 | 浙江宇视科技有限公司 | 基于数据热度的监控布点需求图生成方法及装置 |
EP3133510A1 (en) * | 2015-08-17 | 2017-02-22 | Palantir Technologies, Inc. | Interactive geospatial map |
CN105138668A (zh) * | 2015-09-06 | 2015-12-09 | 中山大学 | 基于poi数据的城市商业中心与零售业态集聚区识别方法 |
CN105205312A (zh) * | 2015-09-08 | 2015-12-30 | 重庆大学 | 道路事故热点成因分析和破坏度评估方法 |
CN105222793A (zh) * | 2015-10-23 | 2016-01-06 | 华中科技大学 | 一种基于矢量地图数据模型的城市层次化区域划分方法 |
CN106920387A (zh) * | 2015-12-24 | 2017-07-04 | 阿里巴巴集团控股有限公司 | 获取交通道路中路线热度的方法及装置 |
CN105701204A (zh) * | 2016-01-12 | 2016-06-22 | 中国测绘科学研究院 | 基于道路网的电子地图兴趣点的提取方法及显示方法 |
CN105825510A (zh) * | 2016-03-17 | 2016-08-03 | 中南大学 | 一种兴趣点与道路网的自动配准方法 |
CN105825672A (zh) * | 2016-04-11 | 2016-08-03 | 中山大学 | 一种基于浮动车数据的城市指引区域提取方法 |
CN106204118A (zh) * | 2016-06-30 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 一种用于商圈发现的方法与装置 |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
CN107169005A (zh) * | 2017-03-31 | 2017-09-15 | 百度在线网络技术(北京)有限公司 | Poi推荐方法、装置、设备及计算机可读存储介质 |
CN107656913A (zh) * | 2017-09-30 | 2018-02-02 | 百度在线网络技术(北京)有限公司 | 地图兴趣点地址提取方法、装置、服务器和存储介质 |
CN107741964A (zh) * | 2017-09-30 | 2018-02-27 | 百度在线网络技术(北京)有限公司 | 一种兴趣点显示方法、装置、设备和介质 |
Non-Patent Citations (2)
Title |
---|
EMRE KAPLAN,ETC: "Definition of local integrity heat map", 《2014 IEEE INTELLIGENT VEHICLES SYMPOSIUM PROCEEDINGS》 * |
冯琦森: "基于出租车轨迹的居民出行热点路径和区域挖掘", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113282690A (zh) * | 2020-02-19 | 2021-08-20 | 百度在线网络技术(北京)有限公司 | 兴趣点召回的排序方法、装置、设备和存储介质 |
CN113282690B (zh) * | 2020-02-19 | 2024-04-02 | 百度在线网络技术(北京)有限公司 | 兴趣点召回的排序方法、装置、设备和存储介质 |
WO2022078499A1 (zh) * | 2020-10-16 | 2022-04-21 | 歌尔股份有限公司 | 一种路网地图实现方法、装置和电子设备 |
CN112380316A (zh) * | 2020-12-09 | 2021-02-19 | 浙江浙蕨科技有限公司 | 一种出行情况数据处理方法及存储介质 |
CN112380316B (zh) * | 2020-12-09 | 2022-03-22 | 浙江浙蕨科技有限公司 | 一种出行情况数据处理方法及存储介质 |
CN112561348A (zh) * | 2020-12-18 | 2021-03-26 | 广州市城市规划设计所 | 一种路网密度的估算方法、装置、设备及存储介质 |
CN113065753A (zh) * | 2021-03-25 | 2021-07-02 | 上海钧正网络科技有限公司 | 基于路网需求热度的运维区域分层管理方法、装置、终端及介质 |
CN113065753B (zh) * | 2021-03-25 | 2022-05-27 | 上海钧正网络科技有限公司 | 基于路网需求热度的运维区域分层管理方法、装置、终端及介质 |
CN113505312A (zh) * | 2021-07-21 | 2021-10-15 | 车主邦(北京)科技有限公司 | 一种显示方法、服务器、介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110556049B (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110556049B (zh) | 一种地图数据处理方法、装置、服务器和存储介质 | |
JP6141393B2 (ja) | 目標位置を確定するための方法及び装置 | |
CN109478184B (zh) | 识别、处理和显示数据点聚类 | |
CN106681996B (zh) | 确定地理范围内兴趣区域、兴趣点的方法和装置 | |
CN108229740B (zh) | 一种商圈边界的确定方法、装置、服务器及存储介质 | |
US10380454B2 (en) | Identifying a visual center of a polygon | |
Doraiswamy et al. | Interactive visual exploration of spatio-temporal urban data sets using urbane | |
WO2017206484A1 (zh) | 地理数据呈现方法及装置 | |
US20130159924A1 (en) | Systems and methods for efficient spatial feature analysis | |
US11402232B2 (en) | Off-viewport location indications for digital mapping | |
US20180188052A1 (en) | Vehicle Routing Guidance to an Authoritative Location for a Point of Interest | |
CN109472416B (zh) | 基于自动路网数据提取的室内路径规划方法及装置、客户端 | |
CN109300006B (zh) | 住宿场所推荐方法和***、计算机可读存储介质 | |
CN110555432A (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
CN108268516A (zh) | 基于八叉树的云端地图地图更新方法及设备 | |
CN105426387B (zh) | 一种基于K-means算法的地图聚合方法 | |
CN109657022B (zh) | 商户查找方法、装置、电子设备和存储介质 | |
CN108268514A (zh) | 基于八叉树的云端地图地图更新设备 | |
US11430076B1 (en) | View scores | |
CN109686077B (zh) | 车辆行驶状况监控方法和装置 | |
CN112257970A (zh) | 一种基于兴趣点大数据的城市功能区自动划分方法 | |
JP2023066370A (ja) | 地図情報の処理方法、装置、機器および記憶媒体 | |
CN115063175A (zh) | 店铺服务范围划定方法、***、计算机设备及存储介质 | |
CN114743395A (zh) | 一种信号灯检测方法、装置、设备及介质 | |
CN113971247A (zh) | 数据处理方法及计算机程序产品 |
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 |