CN110569321A - 基于城市地图的网格划分处理方法、装置和计算机设备 - Google Patents
基于城市地图的网格划分处理方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN110569321A CN110569321A CN201910667127.1A CN201910667127A CN110569321A CN 110569321 A CN110569321 A CN 110569321A CN 201910667127 A CN201910667127 A CN 201910667127A CN 110569321 A CN110569321 A CN 110569321A
- Authority
- CN
- China
- Prior art keywords
- area
- grid
- user
- grids
- city
- 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
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能领域的一种基于城市地图的网格划分处理方法、装置、计算机设备和存储介质。所述方法包括:获取城市标识以及对应的城市地图,对所述城市地图进行划分,得到多个区域网格;根据所述城市标识获取对应的用户信息;根据所述用户信息将每个用户划入对应的区域网格;所述用户信息包括地理坐标与上传时间;利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型;获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类,得到用户的活动区域,将所述活动区域在所述城市地图中进行标记。采用本方法通过对城市地图进行划分,能够快速有效识别用户活动区域。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种基于城市地图的网格划分处理方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展以及移动终端的普及,涌现出多种应用程序,相应的用户数量也逐年增长。而位于城市中的用户,通常又占据了绝大比例。应用程序的提供方希望了解用户状况,向用户提供更多服务,则需要对城市中的用户进行分析。城市中一般会包括居住地、工作地和商区等区域。在同一区域活动的用户,通常具有一定程度的相似性。例如,在五百强企业工作的用户,学历普遍较高。在高档小区居住的用户,收入普遍较高。这种相似性可以便于应用程序提供方可以针对不同区域的用户提供不同的服务。
在传统的方式中,可以通过网格的形式对城市进行划分,划分后的区域通常只涉及地理信息并不涉及用户信息。导致应用程序提供方无法从划分后的区域中了解哪些属于用户的活动区域。因此,如何通过城市地图划分,快速有效识别用户的活动区域成为目前需要解决的一个技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种通过对城市地图进行划分,能够快速有效识别用户活动区域的基于城市地图的网格划分处理方法、装置、计算机设备和存储介质。
一种基于城市地图的网格划分处理方法,所述方法包括:
获取城市标识以及对应的城市地图,对所述城市地图进行划分,得到多个区域网格;
根据所述城市标识获取对应的用户信息;
根据所述用户信息将每个用户划入对应的区域网格;所述用户信息包括地理坐标与上传时间;
利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型;
获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类,得到用户的活动区域,将所述活动区域在所述城市地图中进行标记。
在其中一个实施例中,所述用户信息包括地理坐标;所述根据所述用户信息将每个用户划入对应的区域网格包括:
获取所述区域网格的精度,根据所述精度对每个用户的地理坐标进行转换;
利用转换后的地理坐标与所述区域网格的精度将每个用户划入对应的区域网格。
在其中一个实施例中,所述利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型包括:
对预设时间段的区域网格内用户的地理坐标与上传时间进行统计;
根据所述上传时间识别所述地理坐标与时间区域的对应关系;
根据对应关系得到地理坐标对应的坐标类型;
对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到每个区域网格的区域类型。
在其中一个实施例中,所述区域类型包括居住地和工作地;所述获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类包括:
再次对所述城市地图进行划分,得到对应的定位网格;所述定位网格的范围大于所述区域网格;所述定位网格内包括多个居住地区域和/或工作地区域;
根据所述区域网格与多个活动区域之间的距离,将每个用户划入对应的居住地区域或者工作地区域;
根据用户被划入的居住地区域或工作地区域将相应的区域网格进行聚类。
在其中一个实施例中,所述区域类型包括商区;所述获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类包括:
当所述区域网格对应的区域类型为商区时,获取所述区域网格对应的商区兴趣点类型;
根据所述商区兴趣点类型识别相邻的区域网格,建立两两相邻的网格集合;
利用所述网格集合将多个区域网格连接,在所述城市地图中标记为相对应的商区。
在其中一个实施例中,所述方法还包括:
获取服务信息及待推送区域,将所述服务信息及待推送区域输入至预设引擎;所述待推送区域包括多个活动区域;
利用所述预设引擎调用多个活动区域的区域画像,将目标用户特征与区域画像进行比对,得到符合所述目标用户特征的目标区域网格;
将所述服务信息推送至所述目标区域网格内的目标用户所对应的用户终端。
一种基于城市地图的网格划分处理装置,所述装置包括:
网格划分模块,用于获取城市标识以及对应的城市地图,对所述城市地图进行划分,得到多个区域网格;
用户划分模块,用于根据所述城市标识获取对应的用户信息;根据所述用户信息将每个用户划入对应的区域网格;所述用户信息包括地理坐标与上传时间;
类型识别模块,用于利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型;
网格聚类模块,用于获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类,得到用户的活动区域,将所述活动区域在所述城市地图中进行标记。
在其中一个实施例中,所述类型识别模块还用于对预设时间段的区域网格内用户的地理坐标与上传时间进行统计;根据所述上传时间识别所述地理坐标与时间区域的对应关系;根据对应关系得到地理坐标对应的坐标类型;对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到每个区域网格的区域类型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
上述基于城市地图的网格划分处理方法、装置、计算机设备和存储介质,通过对城市地图进行划分,可以将城市地图划分为多个区域网格。利用与城市标识对应的用户信息,将每个用户划入对应的区域网格,利用每个网格在预设时间段的地理坐标与上传时间,能够识别区域网格的区域类型。根据区域网格之间的距离和区域类型,对城市地图预设范围内的多个区域网格进行聚类,由此可以得到用户的活动区域。将各个活动区域在城市地图中进行标记,能够将用户的活动区域直观地通过城市地图进行反映。从而实现了通过对城市地图进行划分,快速有效识别用户活动区域。
附图说明
图1为一个实施例中基于城市地图的网格划分处理方法的应用场景图;
图2为一个实施例中基于城市地图的网格划分处理方法的流程示意图;
图3为一个实施例中利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型步骤的流程示意图;
图4为一个实施例中基于城市地图的网格划分处理装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的基于城市地图的网格划分处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种基于城市地图的网格划分处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取城市标识以及对应的城市地图,对城市地图进行划分,得到多个区域网格。
服务器中预先建立了数据库,数据库中存储了多个城市的电子地图(也可以称为城市地图)。服务器可以分别对每个城市地图进行网格划分。其中,服务器可以根据城市标识,在数据库中调用相应的城市地图。服务器还存储了配置文件,配置文件中记录了城市划分所需的第一精度和第二精度等内容。服务器读取配置文件,根据第一精度对城市地图进行划分,得到多个区域网格。例如,第一精度可以是100米,服务器可以将城市地图划分为多个100米*100米的区域网格。
步骤204,根据城市标识获取对应的用户信息。
服务器的数据库中还存储了大量的用户信息。用户信息包括个人信息以及位置信息等。其中,个人信息可以是用户终端上传的,也可以是服务器在网络中采集到的。用户的位置信息可以是用户终端按照预设频率上传的,以此可以确保采集到用户在不同区域时的位置信息。
具体的,用户终端上运行了应用程序。在使用应用程序时,用户需要向服务器提交相应的个人信息进行注册。在注册成功之后,应用程序在运行时还可以采集用户信息,将采集到的用户信息上传至服务器。应用程序可以将用户终端的LBS(Location BasedServices,又称定位服务)信息上传至服务器。服务器可以根据城市标识对用户信息分别进行存储。例如,服务器可以根据用户的个人信息中的地址确定其所在城市。如果个人信息中的地址与预设时间段内的位置信息不一致,则服务器根据预设时间段内的位置信息确定用户所在城市。
步骤206,根据用户信息将每个用户划入对应的区域网格;用户信息包括地理坐标与上传时间。
用户信息中包括位置信息,位置信息包括地理坐标。例如,三个用户A、B、C,其对应的坐标分别是:A用户坐标:31.183643,121.456728;B用户坐标:31.1832453,121,4561456;C用户坐标:31.1824561,121,4551234。三个用户的地理坐标是不同的,离散的分布在城市地图中,并不能反映用户的活动区域。当用户的数量较多时,服务器将每个用户的地理坐标划入到对应的区域网格中时,所需要处理的数据也将是海量的。
在其中一个实施例中,根据用户信息将每个用户划入对应的区域网格包括:获取区域网格的精度,根据精度对每个用户的地理坐标进行转换;利用转换后的地理坐标与区域网格的精度将每个用户划入对应的区域网格。
由于地理坐标的小数点后的精度可以与划分区域网格的精度相对应。例如,地理坐标的小数点后三位的精度是百米级,划分区域网格的精度也是百米级。因此,服务器可以对多个用户的地理坐标进行转换,即按照划分区域网格的精度进行转换。例如,当划分区域网格对应的精度为100米时,服务器可以将用户的地理坐标只保留到小数点后第三位,从第四位之后的数字删掉。以A用户的地理坐标为例,转换之前为:31.183643,121.456728,转换之后变为:31.183,121.456。转换后的地理坐标变为百米级精度的坐标,服务器可以快速准确地将每个用户都划入到一个百米级精度的区域网格中。
通过对小数点后的数字进行取舍,可以使得用户的地理坐标的精确度与划分区域网格的精度一致,由此利用转换后的地理坐标将每个用户都划入至一个区域网格中。这种方式不仅能够快速准确地对每个用户进行划分,还有效节省了运算量,提高了运算速度。为服务器处理海量的数据提供了方便。
进一步的,服务器在将每个用户都划入到一个相应的区域网格之后,同一个区域网格内可以有多个用户。考虑到划分区域网格的精度与转换后的地理坐标的精度一致,由此可能导致部分用户的地理坐标会落在区域网格的网格线上,不利于识别用户所落入的区域网格。因此,为了准确识别用户所在的区域网格,地理坐标进行转换的精度可以高于划分区域网格的精度。例如,服务器可以将用户的地理坐标保留至小数点后四位,相应精度变为50米。该精度高于划分区域网格的精度100米。由此可以使得用户的地理坐标从网格线中漂移至区域网格中,进而能够准确识别每个区域网格内的用户。通过利用海量的用户位置信息进行网格划分,将离散的用户进行整合,形成了以区域网格为单位的用户群体,有效减少了数据处理的复杂度,为用户信息统计做了准备。
步骤208,利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型。
步骤210,获取城市地图预设范围内的多个区域网格,根据区域网格之间距离和区域类型进行区域网格聚类,得到用户的活动区域,将活动区域在城市地图中进行标记。
区域网格的区域类型包括:居住地、工作地和商区等。服务器可以利用用户的位置信息识别区域网格区域类型。其中,服务器可以对预设时间段内区域网格内用户的位置信息进行统计,得到用户位置统计结果,根据用户位置统计结果进行聚类,识别对应区域网格的区域类型。其中,服务器可以对预设时间段的区域网格内用户的地理坐标与上传时间进行统计。服务器根据上传时间识别地理坐标与时间区域的对应关系,根据对应关系得到地理坐标对应的坐标类型。服务器对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到每个区域网格的区域类型。
服务器获取城市地图预设范围内的多个区域网格,根据区域网格之间距离和区域类型进行区域网格聚类,由此可以将多个较小的区域网格拼接为一个较大的活动区域。不同的活动区域对应不同的区域类型。服务器可以根据聚类结果,在城市地图中对各个活动区域进行标记。例如,服务器可以采用不同的颜色对工作地、居住地、商区等活动区域进行标记。由于不同的颜色表示不同的区域类型,从而能够使得标记后的城市地图直观的反映用户的活动区域。
本实施例中,通过对城市地图进行划分,可以将城市地图划分为多个区域网格。利用与城市标识对应的用户信息,将每个用户划入对应的区域网格,利用每个网格在预设时间段的地理坐标与上传时间,能够识别区域网格的区域类型。根据区域网格之间的距离和区域类型,对城市地图预设范围内的多个区域网格进行聚类,由此可以得到用户的活动区域。将各个活动区域在城市地图中进行标记,能够将用户的活动区域直观地通过城市地图进行反映。从而实现了通过对城市地图进行划分,快速有效识别用户活动区域。
在一个实施例中,如图3所示,利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型的步骤包括:
步骤302,对预设时间段的区域网格内用户的地理坐标与上传时间进行统计。
步骤304,根据上传时间识别地理坐标与时间区域的对应关系。
步骤306,根据对应关系得到地理坐标对应的坐标类型。
步骤308,对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到每个区域网格的区域类型。
其中,服务器可以对预设时间段(如一年)内每个用户的位置信息进行统计。位置信息中包括地理坐标和上传时间等。其中,活动地点可以采用地理坐标进行表示。上传时间包括注册时间以及应用程序在运行时采集到的用户终端后上传LBS信息的时间。其中,LBS信息可以按照预设频率上传,如半小时一次,或一小时一次等。服务器还可以对统计后的位置信息进行预处理。例如,去除异常数据,异常数据包括上传时间为假期时对应的地理坐标等。
服务器可以根据上传时间识别用户的地理坐标与时间区域的对应关系,根据对应关系得到地理坐标对应的坐标类型。其中,时间区域包括工作时间、夜晚时间以及其他时间。例如,工作时间可以是工作日的9:00-18:00,夜晚时间是20:00-7:00。其中,与工作日时间的地理坐标定义为工作地坐标,与夜晚时间的地理坐标定义为居住地坐标,其他时间的离散的地理坐标定义为商区坐标。服务器对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到对应的区域类型。区域类型包括居住地、工作地和商区。
为了确保准确识别区域网格的区域类型,并且能够有效提高识别效率,服务器可以利用区域网格内预设数量的用户的位置信息进行识别分析,或者利用网格内预设比例的用户的位置信息进行识别分析。如果分析得到的区域类型只有一种,则将该区域类型作为该区域网格的识别结果。如果分析得到的区域类型为两种或两种以上,则获取每种区域类型对应的用户数量,将用户数量最多的区域类型作为该区域网格的识别结果。
在一个实施例中,区域类型包括居住地和工作地;获取城市地图预设范围内的多个区域网格,根据区域网格之间距离和区域类型进行区域网格聚类包括:再次对城市地图进行划分,得到对应的定位网格;定位网格的范围大于区域网格;定位网格内包括多个居住地区域和/或工作地区域;根据区域网格与多个活动区域之间的距离,将每个用户划入对应的居住地区域或者工作地区域;根据用户被划入的居住地区域或工作地区域将相应的区域网格进行聚类。
居住地区域可以是居住小区,工作地区域可以是工业园区等。由于每个城市的居住小区数量较多,工业园区的数量也较多,如果想知道每个用户所属的居住小区或者工业园区,相应的运算量是巨大的。假设,某个城市的用户数量为100万,居住小区数量为1万,如果直接以用户的居住地坐标与各个居住小区的距离,选取距离最近的居住小区作为其居住地,那么计算的复杂度为:百亿级*万级=百亿级,这样的计算复杂度是非常庞大的,不仅需要消耗较多服务器资源,而且计算效率较低。
为了有效简化运算量,提高聚类处理效率,服务器利用定位网格对区域网格进行聚类处理。具体的,配置文件中还记录了划分城市地图的第二精度。服务器读取配置文件,利用读取到的第二精度再次对城市地图进行划分,得到相依的定位网格。其中定位网格的范围要大于区域网格。例如,区域网格可以是百米级精度,定位网格可以是千米级精度。定位网格中包括多个活动区域,如多个居住地区域和/或工作地区域。用户的地理位置中包括地理坐标,其中地理坐标对应的区域网格为居住地时,该地理坐标也可以称为用户居住地坐标。地理坐标对应的区域网格为工作地时,该地理坐标也可以称为用户工作地坐标。服务器可以计算用户居住地坐标与定位网格中每个居住小区的距离,再选取最小距离作为该用户的居住小区,由此可以将用户划分至对应的居住小区。服务器可以计算用户工作地地坐标与定位网格中每个工作地区域的距离,再选取最小距离作为该用户的工作地区域,由此可以将用户划分至对应的工作地。
由于每个区域网格内划入了多个用户,通过将每个用户划分至相对应的居住地以及相应的工作地,由此可以将位置接近的多个区域网格进行聚类,从而形成用户的活动区域。聚类处理的过程中,有效简化了运算量,提高了聚类效率。
在一个实施例中,区域类型包括商区;获取城市地图预设范围内的多个区域网格,根据区域网格之间距离和区域类型进行区域网格聚类包括:当区域网格对应的区域类型为商区时,获取区域网格对应的商区兴趣点类型;根据商区兴趣点类型识别相邻的区域网格,建立两两相邻的网格集合;利用网格集合将多个区域网格连接,在城市地图中标记为相对应的商区。
服务器可以在数据库中获取多种兴趣点类型。其中,商区对应的兴趣点类型包括美食、购物、休闲娱乐等。通常商区是一个较大的区域范围,为了将零散的区域网格进行有效聚类,当区域网格对应的区域类型为商区时,服务器根据商区兴趣点类型对区域网格进行聚类处理。具体的,服务器根据商区兴趣点类型识别相邻的区域网格,利用相邻的区域网格,建立相应的网格集合。与一个区域网格相邻的区域网格可以只有一个,也可以有多个。例如,商区兴趣点类型对应的区域网格包括A、B、C、D、E、F。其中,A与B相邻,A与C相邻,B与D相邻,C与F相邻,但A与D、F并不直接相邻,而是分别通过B、C两点间接相邻。F与E相邻,A与E通过C、F两个点才能与E相邻,通过多个区域网格之间的相邻关系,将多个区域网格连接在一起,形成A、B、C、D、E、F对应的网格集合,即形成相应的商区。
在一个实施例中,该方法还包括:根据区域类型对每个活动区域内的用户信息进行统计,得到多维度的统计结果;利用多维度的统计结果,生成活动区域对应的区域画像。
服务器对每个活动区域内的用户信息进行统计,分别得到相应的统计结果。其中,服务器可以分别对每个居住地区域、工作地区域以及商区的用户信息进行多维度统计。不同的活动区域可以采用不同的维度。居住地区域采用的维度包括:人数、年龄(年轻人、中老年)、财富(高财富、低财富)、月收入、学历(高学历)、高端客户(董高监)、车产(车辆数、车辆价值)、附近商区(如3km内的商区个数、商区规模)。工作地区域采用的维度包括:人数、年龄(年轻人、中老年)、财富(高财富、低财富)、月收入、学历(高学历)、投资理财、贷款、附近商区(如3km内的商区个数、商区规模)。商区采用的维度包括:人数商区规模年龄(年轻人、中老年)财富(高财富、低财富)高端客户(董高监)。服务器利用多维度的统计结果,生成活动区域对应的区域画像。
进一步的,服务器还可以根据区域类型对各个活动区域进行排序,得到相依的排名。通过排名可以客观的体现居住地之间的差异,以及工作地之间的差异。
在一个实施例中,该方法还包括:获取服务信息及待推送区域,将服务信息及待推送区域输入至预设引擎;利用预设引擎调用多个活动区域的区域画像,将目标用户特征与区域画像进行比对,得到符合目标用户特征的目标区域网格;将服务信息推送至目标区域网格内的目标用户所对应的用户终端。
服务器获取推送任务,推送任务中包括服务信息、待推送区域以及目标用户特征。推送区域可以是一个城市的行政区,行政区可以是一个城市的区,也可以是一个片区。以深圳市为例,推送区域可以是深圳市南山区,也可以是深圳是南山区后海片区。服务器上建立了预设引擎,服务器服务消息以及待推送区域输入至预设引擎。预设引擎对待推送区域内的多个活动区域进行分析,其中,预设引擎调用多个活动区域的区域画像。区域画像中包括多个画像维度,画像维度中包括用户统计信息。预设引擎将目标用户特征与区域画像中的画像维度进行比对,得到符合目标用户特征的活动区域,即目标区域。服务器获取目标区域内的用户,作为目标用户,将服务消息发送至目标用户对应的用户终端。由此能够将服务消息准确推送至目标用户,从而实现提高服务消息推送的准确性。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种基于城市地图的网格划分处理装置,包括:网格划分模块402、用户划分模块404、类型识别模块406、网格聚类模块408,其中:
网格划分模块402,用于获取城市标识以及对应的城市地图,对城市地图进行划分,得到多个区域网格。
用户划分模块404,用于根据城市标识获取对应的用户信息;根据用户信息将每个用户划入对应的区域网格;用户信息包括地理坐标与上传时间。
类型识别模块406,用于利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型。
网格聚类模块408,用于获取城市地图预设范围内的多个区域网格,根据区域网格之间距离和区域类型进行区域网格聚类,得到用户的活动区域,将活动区域在城市地图中进行标记。
在一个实施例中,用户划分模块还用于获取区域网格的精度,根据精度对每个用户的地理坐标进行转换;利用转换后的地理坐标与区域网格的精度将每个用户划入对应的区域网格。
在一个实施例中,类型识别模块还用于对预设时间段的区域网格内用户的地理坐标与上传时间进行统计;根据上传时间识别地理坐标与时间区域的对应关系;根据对应关系得到地理坐标对应的坐标类型;对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到每个区域网格的区域类型。
在一个实施例中,区域类型包括居住地和工作地;网格划分模块还用于再次对城市地图进行划分,得到对应的定位网格;定位网格的范围大于区域网格;定位网格内包括多个居住地区域和/或工作地区域;网格聚类模块还用于根据区域网格与多个活动区域之间的距离,将每个用户划入对应的居住地区域或者工作地区域;根据用户被划入的居住地区域或工作地区域将相应的区域网格进行聚类。
在一个实施例中,区域类型包括商区;网格聚类模块还用于当区域网格对应的区域类型为商区时,获取区域网格对应的商区兴趣点类型;根据商区兴趣点类型识别相邻的区域网格,建立两两相邻的网格集合;利用网格集合将多个区域网格连接,在城市地图中标记为相对应的商区。
在一个实施例中,该装置还包括:消息推送模块,用于获取服务信息及待推送区域,将服务信息及待推送区域输入至预设引擎;待推送区域包括多个活动区域;利用预设引擎调用多个活动区域的区域画像,将目标用户特征与区域画像进行比对,得到符合目标用户特征的目标区域网格;将服务信息推送至目标区域网格内的目标用户所对应的用户终端。
关于基于城市地图的网格划分处理装置的具体限定可以参见上文中对于基于城市地图的网格划分处理方法的限定,在此不再赘述。上述基于城市地图的网格划分处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储城市地图和用户信息等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于城市地图的网格划分处理方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述各个方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于城市地图的网格划分处理方法,所述方法包括:
获取城市标识以及对应的城市地图,对所述城市地图进行划分,得到多个区域网格;
根据所述城市标识获取对应的用户信息;
根据所述用户信息将每个用户划入对应的区域网格;所述用户信息包括地理坐标与上传时间;
利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型;
获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类,得到用户的活动区域,将所述活动区域在所述城市地图中进行标记。
2.根据权利要求1所述的方法,其特征在于,所述用户信息包括地理坐标;所述根据所述用户信息将每个用户划入对应的区域网格包括:
获取所述区域网格的精度,根据所述精度对每个用户的地理坐标进行转换;
利用转换后的地理坐标与所述区域网格的精度将每个用户划入对应的区域网格。
3.根据权利要求1所述的方法,其特征在于,所述利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型包括:
对预设时间段的区域网格内用户的地理坐标与上传时间进行统计;
根据所述上传时间识别所述地理坐标与时间区域的对应关系;
根据对应关系得到地理坐标对应的坐标类型;
对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到每个区域网格的区域类型。
4.根据权利要求1所述的方法,其特征在于,所述区域类型包括居住地和工作地;所述获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类包括:
再次对所述城市地图进行划分,得到对应的定位网格;所述定位网格的范围大于所述区域网格;所述定位网格内包括多个居住地区域和/或工作地区域;
根据所述区域网格与多个活动区域之间的距离,将每个用户划入对应的居住地区域或者工作地区域;
根据用户被划入的居住地区域或工作地区域将相应的区域网格进行聚类。
5.根据权利要求1所述的方法,其特征在于,所述区域类型包括商区;所述获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类包括:
当所述区域网格对应的区域类型为商区时,获取所述区域网格对应的商区兴趣点类型;
根据所述商区兴趣点类型识别相邻的区域网格,建立两两相邻的网格集合;
利用所述网格集合将多个区域网格连接,在所述城市地图中标记为相对应的商区。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
获取服务信息及待推送区域,将所述服务信息及待推送区域输入至预设引擎;所述待推送区域包括多个活动区域;
利用所述预设引擎调用多个活动区域的区域画像,将目标用户特征与区域画像进行比对,得到符合所述目标用户特征的目标区域网格;
将所述服务信息推送至所述目标区域网格内的目标用户所对应的用户终端。
7.一种基于城市地图的网格划分处理装置,其特征在于,所述装置包括:
网格划分模块,用于获取城市标识以及对应的城市地图,对所述城市地图进行划分,得到多个区域网格;
用户划分模块,用于根据所述城市标识获取对应的用户信息;根据所述用户信息将每个用户划入对应的区域网格;所述用户信息包括地理坐标与上传时间;
类型识别模块,用于利用每个区域网格在预设时间段的地理坐标与对应的上传时间,识别区域网格的区域类型;
网格聚类模块,用于获取所述城市地图预设范围内的多个区域网格,根据所述区域网格之间距离和区域类型进行区域网格聚类,得到用户的活动区域,将所述活动区域在所述城市地图中进行标记。
8.根据权利要求7所述的装置,其特征在于,所述类型识别模块还用于对预设时间段的区域网格内用户的地理坐标与上传时间进行统计;根据所述上传时间识别所述地理坐标与时间区域的对应关系;根据对应关系得到地理坐标对应的坐标类型;对每个区域网格在预设时间段内的地理坐标及坐标类型进行聚类,得到每个区域网格的区域类型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910667127.1A CN110569321B (zh) | 2019-07-23 | 2019-07-23 | 基于城市地图的网格划分处理方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910667127.1A CN110569321B (zh) | 2019-07-23 | 2019-07-23 | 基于城市地图的网格划分处理方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110569321A true CN110569321A (zh) | 2019-12-13 |
CN110569321B CN110569321B (zh) | 2023-04-11 |
Family
ID=68773177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910667127.1A Active CN110569321B (zh) | 2019-07-23 | 2019-07-23 | 基于城市地图的网格划分处理方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569321B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143500A (zh) * | 2019-12-27 | 2020-05-12 | 中国联合网络通信集团有限公司 | 可视化面积计算方法、终端、控制设备及存储介质 |
CN112417273A (zh) * | 2020-11-17 | 2021-02-26 | 平安科技(深圳)有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
CN113869748A (zh) * | 2021-09-30 | 2021-12-31 | 深圳海智创科技有限公司 | 一种基于城市地图的区域评分方法及*** |
CN115661852A (zh) * | 2022-11-03 | 2023-01-31 | 北京大学重庆大数据研究院 | 地图分割方法、装置、计算机可读存储介质及处理器 |
CN116341761A (zh) * | 2023-05-22 | 2023-06-27 | 北京京燃凌云燃气设备有限公司 | 一种燃气管网阀门远程控制机构优化部署方法及*** |
CN116611678A (zh) * | 2023-07-21 | 2023-08-18 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639397A (zh) * | 2015-01-13 | 2015-05-20 | 中国科学院计算技术研究所 | 获取用户常规活动区域的方法与*** |
CN109041218A (zh) * | 2018-09-25 | 2018-12-18 | 广东小天才科技有限公司 | 一种预测用户位置的方法和智能硬件 |
CN109886529A (zh) * | 2018-12-31 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种资源分配方法及装置、电子终端及存储介质 |
CN109886719A (zh) * | 2018-12-20 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于网格的数据挖掘处理方法、装置和计算机设备 |
-
2019
- 2019-07-23 CN CN201910667127.1A patent/CN110569321B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639397A (zh) * | 2015-01-13 | 2015-05-20 | 中国科学院计算技术研究所 | 获取用户常规活动区域的方法与*** |
CN109041218A (zh) * | 2018-09-25 | 2018-12-18 | 广东小天才科技有限公司 | 一种预测用户位置的方法和智能硬件 |
CN109886719A (zh) * | 2018-12-20 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于网格的数据挖掘处理方法、装置和计算机设备 |
CN109886529A (zh) * | 2018-12-31 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种资源分配方法及装置、电子终端及存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111143500A (zh) * | 2019-12-27 | 2020-05-12 | 中国联合网络通信集团有限公司 | 可视化面积计算方法、终端、控制设备及存储介质 |
CN111143500B (zh) * | 2019-12-27 | 2023-07-18 | 中国联合网络通信集团有限公司 | 可视化面积计算方法、终端、控制设备及存储介质 |
CN112417273A (zh) * | 2020-11-17 | 2021-02-26 | 平安科技(深圳)有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
CN112417273B (zh) * | 2020-11-17 | 2022-04-19 | 平安科技(深圳)有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
CN113869748A (zh) * | 2021-09-30 | 2021-12-31 | 深圳海智创科技有限公司 | 一种基于城市地图的区域评分方法及*** |
CN115661852A (zh) * | 2022-11-03 | 2023-01-31 | 北京大学重庆大数据研究院 | 地图分割方法、装置、计算机可读存储介质及处理器 |
CN116341761A (zh) * | 2023-05-22 | 2023-06-27 | 北京京燃凌云燃气设备有限公司 | 一种燃气管网阀门远程控制机构优化部署方法及*** |
CN116341761B (zh) * | 2023-05-22 | 2023-08-25 | 北京京燃凌云燃气设备有限公司 | 一种燃气管网阀门远程控制机构优化部署方法及*** |
CN116611678A (zh) * | 2023-07-21 | 2023-08-18 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN116611678B (zh) * | 2023-07-21 | 2023-12-01 | 北京阿帕科蓝科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110569321B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569321B (zh) | 基于城市地图的网格划分处理方法、装置和计算机设备 | |
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
CN106709606B (zh) | 个性化场景预测方法及装置 | |
CN110019568B (zh) | 基于空间聚类的选址方法、装置、计算机设备及存储介质 | |
US8700631B2 (en) | Tempo spatial data extraction from network connected devices | |
US9305110B2 (en) | Method and arrangement for supporting analysis of social networks in a communication network | |
WO2021103626A1 (zh) | 用户地理画像生成方法、装置、计算机设备和存储介质 | |
CN107624249B (zh) | 通过电信网络的聚合数据实时计数聚集人数的方法和*** | |
RU2527754C2 (ru) | Система генерирования статистической информации и способ генерирования статистической информации | |
CN109753603B (zh) | 产品推荐信息展示方法、装置、计算机设备和存储介质 | |
CN111148018B (zh) | 基于通信数据识别定位区域价值的方法和装置 | |
WO2016070673A1 (zh) | 用户属性分析方法及装置 | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
WO2021027324A1 (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN111639092B (zh) | 一种人员流动分析方法、装置、电子设备及存储介质 | |
CN110955838A (zh) | 房源推荐处理方法、装置、终端及计算机可读存储介质 | |
CN103039036B (zh) | 用户数量计算方法及*** | |
CN111459723B (zh) | 终端数据处理*** | |
CN111143639B (zh) | 用户亲密度计算方法、装置、设备及介质 | |
US20230297903A1 (en) | Method for Allocating Resources in a Geographic Area | |
CN109145225B (zh) | 一种数据处理方法及装置 | |
CN111209487A (zh) | 用户数据分析方法、服务器及计算机可读存储介质 | |
Woods et al. | Exploring methods for mapping seasonal population changes using mobile phone data | |
CN107798450B (zh) | 业务分配方法和装置 |
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 |