CN111046895B - 一种确定目标区域的方法和装置 - Google Patents

一种确定目标区域的方法和装置 Download PDF

Info

Publication number
CN111046895B
CN111046895B CN201811195693.9A CN201811195693A CN111046895B CN 111046895 B CN111046895 B CN 111046895B CN 201811195693 A CN201811195693 A CN 201811195693A CN 111046895 B CN111046895 B CN 111046895B
Authority
CN
China
Prior art keywords
sampling
sampling point
points
determining
cluster
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
Application number
CN201811195693.9A
Other languages
English (en)
Other versions
CN111046895A (zh
Inventor
郭伟
程瑞华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingbangda Trade Co Ltd
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN201811195693.9A priority Critical patent/CN111046895B/zh
Publication of CN111046895A publication Critical patent/CN111046895A/zh
Application granted granted Critical
Publication of CN111046895B publication Critical patent/CN111046895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种确定目标区域的方法和装置，涉及计算机技术领域。该方法的一个具体实施方式包括：对采样点的坐标进行聚类，形成一级采样点簇；根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇；根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度；根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域。该实施方式能够根据聚类结果确定目标区域，人为因素干扰小，结果更准确，人力成本低，具有实际应用意义。

Description

一种确定目标区域的方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种确定目标区域的方法、装置、电子设备和计算机可读介质。
背景技术
对移动轨迹数据的采集和数据处理被广泛应用于多个技术领域，如物流领域、交通领域等，在物流领域中，可通过对配送人员的行动轨迹的采集和分析，获取到更多的信息，如配送人员的停留区域、货物的妥投地点等信息。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
在对轨迹数据进行采集时，采集点数据中包括采样点的空间坐标（如经纬度）和采样点的采样时间。现有技术一般根据采样点的坐标值进行聚类，分析每个类别的数据，这种方法仅使用采样点的坐标数据，对聚类方法的依赖性高，分析结果易受到聚类效果的影响。现有技术也有根据采样时间和速度等对轨迹数据的采样点进行聚类，但是鉴于采集的数据精度不高，造成分析结果不准确。传统方法中还有依靠人工对区域进行标记的方法，工作量极大，人为因素干扰多，实际应用意义甚微。
发明内容
有鉴于此，本发明实施例提供一种确定目标区域的方法和装置，能够根据采样的坐标和采样时间对采样点进行聚类，根据采样点的方向角度优化聚类结果，再根据采样时间跨度、采样点距中心点的平均距离以及采样点距预设位置的平均距离或中心点距预设位置的距离进一步优化聚类结果，根据聚类结果确定目标区域，人为因素干扰小，结果更准确，人力成本低，具有实际应用意义。
为实现上述目的，根据本发明实施例的一个方面，提供了一种确定目标区域的方法，包括：对采样点的坐标进行聚类，形成一级采样点簇；根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇；根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度；根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域。
可选地，所述方法还包括：确定所述二级采样点簇中的采样点的方向角度不大于预设方向角度的采样点的数量占该二级采样点簇中采样点总数量的比例；若所述比例不大于预设比例，则确定所述二级采样点簇所对应的区域为目标区域。
可选地，确定所述二级采样点簇所对应的区域为目标区域之后，还包括通过以下方法中的一种或多种进一步筛选所述目标区域：确定所述二级采样点簇的采样时间跨度，将所述采样时间跨度大于预设时间阈值的二级采样点簇所对应的区域确定为目标区域；确定所述二级采样点簇中的采样点距所述二级采样点簇的中心点的平均距离，将所述平均距离大于预设距离阈值的二级采样点簇所对应的区域确定为目标区域；确定所述二级采样点簇的中心点距预设位置的距离或所述二级采样点簇的采样点距所述预设位置的平均距离，将所述中心点距预设位置的距离或所述平均距离小于预设位置阈值的二级采样点簇所对应的区域确定为目标区域。
可选地，所述预设方向角度不大于90度，所述预设时间阈值不大于150秒，所述预设距离阈值不大于40米，所述预设位置阈值不大于5公里。
可选地，根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇的方法包括：按照采样点的采样时间顺序遍历所述一级采样点簇中的采样点，若第i+1个采样点与第i个采样点的采样时间之差大于预设时差阈值，则表示第i+1个采样点与第i个采样点的采样时间不连续；根据所述采样时间不连续的第i+1个采样点与第i个采样点对所述一级采样点簇进行分类，使得形成的所述二级采样点簇中的相邻两个采样点的采样时间之差不大于所述预设时差阈值；其中i=其中i=1,2,3,…,n-1，n为所述一级采样点簇中采样点的总数。
可选地，根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度的方法包括：按照采样点的采样时间顺序遍历所述二级采样点簇中的第j个采样点、第j+1个采样点和第j+2个采样点，确定第j个采样点的坐标至第j+1个采样点的坐标的连线向第j+1个采样点的坐标的方向的延长线与第j+1个采样点的坐标至第j+2个采样点的坐标的连线之间的夹角，以所述夹角作为第j+2个采样点的方向角度，其中j=1,2,3,…,k-2，k为所述二级采样点簇中采样点的总数。
可选地，形成所述二级采样点簇的方法还包括：确定所述二级采样点簇中的采样点总数量是否不小于预设数量阈值；保留采样点数量不小于所述预设数量阈值的二级采样点簇。
为实现上述目的，根据本发明实施例的另一个方面，提供了一种确定目标区域的装置，包括：聚类模块，用于对采样点的坐标进行聚类，形成一级采样点簇；分类模块，用于根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇；方向模块，用于根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度；计算模块，用于根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域。
可选地，所述计算模块还用于确定所述二级采样点簇中的采样点的方向角度不大于预设方向角度的采样点的数量占该二级采样点簇中采样点总数量的比例；若所述比例不大于预设比例，则确定所述二级采样点簇所对应的区域为目标区域。
可选地，所述装置还包括筛选模块，用于通过以下方法中的一种或多种进一步筛选所述目标区域：确定所述二级采样点簇的采样时间跨度，将所述采样时间跨度大于预设时间阈值的二级采样点簇所对应的区域确定为目标区域；确定所述二级采样点簇中的采样点距所述二级采样点簇的中心点的平均距离，将所述平均距离大于预设距离阈值的二级采样点簇所对应的区域确定为目标区域；确定所述二级采样点簇的中心点距预设位置的距离或所述二级采样点簇的采样点距所述预设位置的平均距离，将所述中心点距预设位置的距离或所述平均距离小于预设位置阈值的二级采样点簇所对应的区域确定为目标区域。
可选地，所述预设方向角度不大于90度，所述预设时间阈值不大于150秒，所述预设距离阈值不大于40米，所述预设位置阈值不大于5公里。
可选地，所述分类模块还用于按照采样点的采样时间顺序遍历所述一级采样点簇中的采样点，若第i+1个采样点与第i个采样点的采样时间之差大于预设时差阈值，则表示第i+1个采样点与第i个采样点的采样时间不连续；根据所述采样时间不连续的第i+1个采样点与第i个采样点对所述一级采样点簇进行分类，使得形成的所述二级采样点簇中的相邻两个采样点的采样时间之差不大于所述预设时差阈值；其中i=其中i=1,2,3,…,n-1，n为所述一级采样点簇中采样点的总数。
可选地，所述方向模块还用于按照采样点的采样时间顺序遍历所述二级采样点簇中的第j个采样点、第j+1个采样点和第j+2个采样点，确定第j个采样点的坐标至第j+1个采样点的坐标的连线向第j+1个采样点的坐标的方向的延长线与第j+1个采样点的坐标至第j+2个采样点的坐标的连线之间的夹角，以所述夹角作为第j+2个采样点的方向角度，其中j=1,2,3,…,k-2，k为所述二级采样点簇中采样点的总数。
可选地，所述分类模块还用于确定所述二级采样点簇中的采样点总数量是否不小于预设数量阈值；保留采样点数量不小于所述预设数量阈值的二级采样点簇。
为实现上述目的，根据本发明实施例的再一个方面，提供了一种电子设备，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一种确定目标区域的方法中任一所述的方法。
为实现上述目的，根据本发明实施例的再一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被一个或多个处理器执行时实现一种确定目标区域的方法中任一所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用根据采样点的坐标进行聚类和对采样点的采样时间进行分类，并根据采样点的方向角度确定目标区域的技术手段，所以克服了传统方法对采样点分析属性单一的技术问题，进而达到优化对采样点的分析处理结果，提高准确性的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的一种确定目标区域的方法的主要步骤的示意图；
图2是根据本发明实施例的确定采样点的方向角度的方法的示意图；
图3-1是根据本发明实施例的根据采样点簇的时间跨度的配送停留区域与非停留区域的分布示例图；
图3-2是根据本发明实施例的根据采样点簇的时间跨度的采样点簇与中心点的平均距离的分布示例图；
图3-3是根据本发明实施例的根据采样点簇的时间跨度的采样点簇的中心点与站点之间的距离的分布示例图；
图4是根据本发明实施例的一种确定目标区域的装置的主要部分的示意图；
图5是本发明实施例可以应用于其中的示例性***架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种确定目标区域的方法的主要步骤的示意图，如图1所示：
步骤S101表示对采样点的坐标进行聚类，形成一级采样点簇。其中采样点的坐标是指对位置进行采样，采集到的结果即位置的空间坐标值，如经纬度等。本发明的一个实施例是使用DBSCAN聚类方法根据采样点的坐标进行聚类，DBSCAN(Density-Based SpatialClustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在有噪声的空间数据中发现任意形状的聚类。聚类后形成的一级采样点簇为包含若干个采样点的集合，每个一级采样点簇为一类。
步骤S102表示根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇。采样点除了记录有位置的空间坐标之外，还记录有对该坐标进行采样的时间，采样点的集合等同于具有时间序列的坐标点的集合。由于一级采样点簇是根据采样点的坐标进行聚类的，并没有融合时间属性，所以需要根据时间属性对聚类后的采样点簇再进行分类，分类后得到的二级采样点簇具有更高的精度，也更贴近实际采样的场景。
根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇的方法包括：按照采样点的采样时间顺序遍历所述一级采样点簇中的采样点，若第i+1个采样点与第i个采样点的采样时间之差大于预设时差阈值，则表示第i+1个采样点与第i个采样点的采样时间不连续；根据所述采样时间不连续的第i+1个采样点与第i个采样点对所述一级采样点簇进行分类，使得形成的所述二级采样点簇中的相邻两个采样点的采样时间之差不大于所述预设时差阈值；其中i=其中i=1,2,3,…,n-1，n为所述一级采样点簇中采样点的总数。例如，一级采样点簇中有按照采样时间先后顺序有采样点{a,b,c,d,e,f,g}，预设时差阈值为Δt，分别计算相邻两个采样点的采样时间之差，若采样点c与采样点b的采样时间之差大于Δt，采样点g与采样点f的时间之差大于Δt，其他相邻采样点的采样时间之差均小于Δt，则该一级采样点簇可分为三个二级采样点簇，分别为{a,b}、{c,d,e,f}和{g}。进一步地，预设时差阈值的设定可通过分别对各个一级采样点簇内的相邻采样点的采样时间之差从小至大排序，统计排序在前25%的采样时间之差作为阈值。
形成所述二级采样点簇的方法还包括：确定所述二级采样点簇中的采样点总数量是否不小于预设数量阈值；保留采样点数量不小于所述预设数量阈值的二级采样点簇。此步骤的目的是保证充足的样本数量，样本数量过少可能会影响最后的分析结果。例如上述实施例中将一级采样点簇分为三个二级采样点簇，分别为{a,b}、{c,d,e,f}和{g}，其中{g}中仅包含一个采样点，数量过少，实际分析的意义不高，所以不保留采样点数量过少（少于预设数量阈值）的二级采样点簇，对采样点数量足够多（不少于预设数量阈值）的二级采样点簇进行进一步分析。
步骤S103表示根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度。由于采样点是一组具有时间序列的坐标点，所以可以按照时间顺序将采样点的坐标连起来，形成轨迹，则轨迹具有延伸方向，可根据轨迹的延伸方向确定采样点的方向角度。本发明实施例将轨迹的延伸方向（即采样点的方向角度）分为两种，一种为沿着一个方向，一种是具有多个方向。例如，一条直线型的轨迹只有一个延伸方向，其上的采样点的方向角度均为0；而一条错乱的曲线型轨迹则具有多个延伸方向，其上的采样点的方向角度均不为0。
根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度的方法包括：按照采样点的采样时间顺序遍历所述二级采样点簇中的第j个采样点、第j+1个采样点和第j+2个采样点，确定第j个采样点的坐标至第j+1个采样点的坐标的连线向第j+1个采样点的坐标的方向的延长线与第j+1个采样点的坐标至第j+2个采样点的坐标的连线之间的夹角，以所述夹角作为第j+2个采样点的方向角度，其中j=1,2,3,…,k-2，k为所述二级采样点簇中采样点的总数。如图2所示，按照采样点的采样时间顺序(图中箭头方向)遍历第j个采样点、第j+1个采样点和第j+2个采样点，第j个采样点的坐标（xj,yj）至第j+1个采样点的坐标（xj+1,yj+1）的连线向第j+1个采样点的坐标的方向的延长线（图中虚线所示）与第j+1个采样点的坐标至第j+2个采样点的坐标（xj+2,yj+2）的连线之间的夹角为β，所以第j+2个采样点的方向角度为β。例如，对于一条直线型的轨迹，其上的采样点的方向角度均为0，即β=0；而对于一条错乱的曲线型轨迹，其上的采样点的方向角度则不为0，即β≠0。
步骤S104表示根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域。确定了采样点的方向角度之后，可以根据需求对二级采样点簇中的采样点再进行分类，以对聚类结果进一步优化。由采样点簇中的采样点的坐标所组成的区域即为该采样点簇对应的目标区域。
确定所述二级采样点簇中的采样点的方向角度不大于预设方向角度的采样点的数量占该二级采样点簇中采样点总数量的比例；若所述比例不大于预设比例，则确定所述二级采样点簇所对应的区域为目标区域。本发明实施例中，预设方向角度为一个接近0度的角度（预设方向角度不大于90度），即此步骤的目的是在二级采样点簇中，确定轨迹方向改变不大的采样点占该二级采样点簇中的采样点数量的比例，这个比例越大，说明在该二级采样点簇中的采样点形成的轨迹是具有一定的方向性的，这种情况说明轨迹是沿着一定方向延伸的，被采样的对象可能是在移动；反之，这个比例越小，说明在该二级点簇中的采样点形成的轨迹是无序的，这种情况说明轨迹是杂乱的，被采样的对象可能停留在一定的区域内。此步骤可用来确定被采样对象可能停留的区域（即目标区域）。
确定所述二级采样点簇所对应的区域为目标区域之后，还包括通过以下方法中的一种或多种进一步筛选所述目标区域：
确定所述二级采样点簇的采样时间跨度，将所述采样时间跨度大于预设时间阈值的二级采样点簇所对应的区域确定为目标区域；其中采样时间跨度是指该采样点簇中的采样时间最早的采样点的采样时间与采样时间最晚的采样点的采样时间之差，用以代表在该采样点簇对应的目标区域中停留的时间。
确定所述二级采样点簇中的采样点距所述二级采样点簇的中心点的平均距离，将所述平均距离大于预设距离阈值的二级采样点簇所对应的区域确定为目标区域。
确定所述二级采样点簇的中心点距预设位置的距离或所述二级采样点簇的采样点距所述预设位置的平均距离，将所述中心点距预设位置的距离或所述平均距离小于预设位置阈值的二级采样点簇所对应的区域确定为目标区域。
其中，所述预设时间阈值不大于150秒，所述预设距离阈值不大于40米，所述预设位置阈值不大于5公里。
此步骤的目的是对二级采样点簇进一步进行优化。
例如在快递领域，确定配送员停留的区域是否是进行配送的停留区域，根据数据统计，如图3-1所示，属于配送停留的区域大部分采样点簇的时间跨度（图中的停留时间）超过310秒，若取110秒作为阈值，几乎93%的停留区域是能够被区分的；如图3-2所示，几乎全部的非配送停留的区域内的采样点到中心点的平均距离小于30米；如图3-3所示，大部分的配送停留区域的中心点（图中当前位置，即采样点簇的中心点）距离站点（即预设位置）距离在4公里以内，而非配送停留区域的中心点距离站点在距离上分布更加分散。
所以，可制作窗口型过滤器，对所有二级采样点簇进行过滤，过滤掉时间跨度小于预设时间阈值且每个采样点距该二级采样点簇的中心点的平均距离小于预设距离阈值的二级采样点簇，以及时间跨度小于预设时间阈值且中心点距预设位置的距离或每个采样点距预设位置的平均距离大于预设位置阈值的二级采样点簇。通过过滤后剩余的二级采样点簇所确定的目标区域更准确。
进一步地，本发明实施例的所述步骤还可以借助机器学习方法，使用人工标记的目标区域的采样点数据，对预设方向角度、预设比例、预设时间阈值、预设距离阈值、预设位置阈值、预设时差阈值和预设数量阈值等参数中的一个或多个进行训练，制作机器学习模型，使得处理过程更准确。
图4是根据本发明实施例的一种确定目标区域的装置400的主要部分的示意图，如图4所示：
聚类模块401，用于对采样点的坐标进行聚类，形成一级采样点簇。
分类模块402，用于根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇。由于一级采样点簇是根据采样点的坐标进行聚类的，并没有融合时间属性，所以需要根据时间属性对聚类后的采样点簇再进行分类，分类后得到的二级采样点簇具有更高的精度，也更贴近实际采样的场景。
分类模块402还用于按照采样点的采样时间顺序遍历所述一级采样点簇中的采样点，若第i+1个采样点与第i个采样点的采样时间之差大于预设时差阈值，则表示第i+1个采样点与第i个采样点的采样时间不连续；根据所述采样时间不连续的第i+1个采样点与第i个采样点对所述一级采样点簇进行分类，使得形成的所述二级采样点簇中的相邻两个采样点的采样时间之差不大于所述预设时差阈值；其中i=其中i=1,2,3,…,n-1，n为所述一级采样点簇中采样点的总数。
分类模块402还用于确定所述二级采样点簇中的采样点总数量是否不小于预设数量阈值；保留采样点数量不小于所述预设数量阈值的二级采样点簇。目的是保证充足的样本数量，样本数量过少可能会影响最后的分析结果。
方向模块403，用于根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度；由于采样点是一组具有时间序列的坐标点，所以可以按照时间顺序将采样点的坐标连起来，形成轨迹，则轨迹具有延伸方向，可根据轨迹的延伸方向确定采样点的方向角度。
方向模块403还用于按照采样点的采样时间顺序遍历所述二级采样点簇中的第j个采样点、第j+1个采样点和第j+2个采样点，确定第j个采样点的坐标至第j+1个采样点的坐标的连线向第j+1个采样点的坐标的方向的延长线与第j+1个采样点的坐标至第j+2个采样点的坐标的连线之间的夹角，以所述夹角作为第j+2个采样点的方向角度，其中j=1,2,3,…,k-2，k为所述二级采样点簇中采样点的总数。
计算模块404，用于根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域。
计算模块404还用于确定所述二级采样点簇中的采样点的方向角度不大于预设方向角度的采样点的数量占该二级采样点簇中采样点总数量的比例；若所述比例不大于预设比例，则确定所述二级采样点簇所对应的区域为目标区域。
装置400还可包括筛选模块，用于通过以下方法中的一种或多种进一步筛选所述目标区域：
确定所述二级采样点簇的采样时间跨度，将所述采样时间跨度大于预设时间阈值的二级采样点簇所对应的区域确定为目标区域；
确定所述二级采样点簇中的采样点距所述二级采样点簇的中心点的平均距离，将所述平均距离大于预设距离阈值的二级采样点簇所对应的区域确定为目标区域；
确定所述二级采样点簇的中心点距预设位置的距离或所述二级采样点簇的采样点距所述预设位置的平均距离，将所述中心点距预设位置的距离或所述平均距离小于预设位置阈值的二级采样点簇所对应的区域确定为目标区域。
其中，预设方向角度不大于90度，所述预设时间阈值不大于150秒，所述预设距离阈值不大于40米，所述预设位置阈值不大于5公里。
图5示出了可以应用本发明实施例的一种确定目标区域的方法或一种确定目标区域的装置的示例性***架构500。
如图5所示，***架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503提供支持的后台管理服务器。
需要说明的是，本发明实施例所提供的一种确定目标区域的方法一般由服务器505执行，相应地，一种确定目标区域的装置一般设置于服务器505中。
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图6所示为适于用来实现本发明实施例的终端设备的计算机***600的结构示意图。图6所示的终端设备仅仅是一个示例，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6所示，计算机***600包括中央处理单元（CPU）601，其可以根据存储在只读存储器（ROM）602中的程序或者从存储部分608加载到随机访问存储器（RAM）603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本发明公开的实施例，上文步骤图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行步骤图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元（CPU）601执行时，执行本发明的***中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质包括计算机可读信号介质或计算机可读存储介质，或者是上述两者的任意组合。计算机可读存储介质包括但不限于电、磁、光、电磁、红外线、半导体的***、装置或器件，或者上述内容的任意组合。计算机可读存储介质具体包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（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、或者上述内容的任意组合。在本发明中，计算机可读存储介质包括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、光信号或上述信号的任意组合。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（射频）等，或者上述介质的任意组合。
附图中的步骤图或框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作，步骤图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以并行地执行，有时也可以按相反的顺序执行，其执行顺序依所涉及的功能而定。也要注意的是，框图或步骤图中的每个方框以及其组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块或单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块或单元也可以设置在处理器中，例如，可以描述为：一种处理器包括聚类模块、分类模块、方向模块和计算模块。其中，这些模块或单元的名称在某种情况下并不构成对该模块或单元本身的限定，例如，聚类模块还可以被描述为“用于对采样点的坐标进行聚类，形成一级采样点簇的模块”。
另一方面，本发明实施例还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：对采样点的坐标进行聚类，形成一级采样点簇；根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇；根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度；根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域。
根据本发明实施例的技术方案，能够根据采样的坐标和采样时间对采样点进行聚类，根据采样点的方向角度优化聚类结果，再根据采样时间跨度、采样点距中心点的平均距离以及采样点距预设位置的平均距离或中心点距预设位置的距离进一步优化聚类结果，根据聚类结果确定目标区域，人为因素干扰小，结果更准确，人力成本低，具有实际应用意义。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (14)

1.一种确定目标区域的方法，其特征在于，包括：
对采样点的坐标进行聚类，形成一级采样点簇；
根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇；
根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度；
根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域；
所述方法还包括：确定所述二级采样点簇中的采样点的方向角度不大于预设方向角度的采样点的数量占该二级采样点簇中采样点总数量的比例；若所述比例不大于预设比例，则确定所述二级采样点簇所对应的区域为目标区域；所述目标区域为停留区域。
2.根据权利要求1所述的方法，其特征在于，确定所述二级采样点簇所对应的区域为目标区域之后，还包括通过以下方法中的一种或多种进一步筛选所述目标区域：
确定所述二级采样点簇的采样时间跨度，将所述采样时间跨度大于预设时间阈值的二级采样点簇所对应的区域确定为目标区域；
确定所述二级采样点簇中的采样点距所述二级采样点簇的中心点的平均距离，将所述平均距离大于预设距离阈值的二级采样点簇所对应的区域确定为目标区域；
确定所述二级采样点簇的中心点距预设位置的距离或所述二级采样点簇的采样点距所述预设位置的平均距离，将所述中心点距预设位置的距离或所述平均距离小于预设位置阈值的二级采样点簇所对应的区域确定为目标区域。
3.根据权利要求2所述的方法，其特征在于，所述预设方向角度不大于90度，所述预设时间阈值不大于150秒，所述预设距离阈值不大于40米，所述预设位置阈值不大于5公里。
4.根据权利要求1所述的方法，其特征在于，根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇的方法包括：
按照采样点的采样时间顺序遍历所述一级采样点簇中的采样点，若第i+1个采样点与第i个采样点的采样时间之差大于预设时差阈值，则表示第i+1个采样点与第i个采样点的采样时间不连续；
根据所述采样时间不连续的第i+1个采样点与第i个采样点对所述一级采样点簇进行分类，使得形成的所述二级采样点簇中的相邻两个采样点的采样时间之差不大于所述预设时差阈值；
其中i=1,2,3,…,n-1，n为所述一级采样点簇中采样点的总数。
5.根据权利要求1所述的方法，其特征在于，根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度的方法包括：
按照采样点的采样时间顺序遍历所述二级采样点簇中的第j个采样点、第j+1个采样点和第j+2个采样点，确定第j个采样点的坐标至第j+1个采样点的坐标的连线向第j+1个采样点的坐标的方向的延长线与第j+1个采样点的坐标至第j+2个采样点的坐标的连线之间的夹角，以所述夹角作为第j+2个采样点的方向角度，其中j=1,2,3,…,k-2，k为所述二级采样点簇中采样点的总数。
6.根据权利要求1所述的方法，其特征在于，形成所述二级采样点簇的方法还包括：
确定所述二级采样点簇中的采样点总数量是否不小于预设数量阈值；
保留采样点数量不小于所述预设数量阈值的二级采样点簇。
7.一种确定目标区域的装置，其特征在于，包括：
聚类模块，用于对采样点的坐标进行聚类，形成一级采样点簇；
分类模块，用于根据所述采样点的采样时间对所述一级采样点簇进行分类，形成二级采样点簇；
方向模块，用于根据所述采样点的坐标和采样时间确定所述二级采样点簇中的采样点的方向角度；
计算模块，用于根据所述二级采样点簇中的采样点的方向角度确定所述二级采样点簇所对应的区域是否为目标区域；
所述计算模块还用于确定所述二级采样点簇中的采样点的方向角度不大于预设方向角度的采样点的数量占该二级采样点簇中采样点总数量的比例；若所述比例不大于预设比例，则确定所述二级采样点簇所对应的区域为目标区域；所述目标区域为停留区域。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括筛选模块，用于通过以下方法中的一种或多种进一步筛选所述目标区域：
确定所述二级采样点簇的采样时间跨度，将所述采样时间跨度大于预设时间阈值的二级采样点簇所对应的区域确定为目标区域；
确定所述二级采样点簇中的采样点距所述二级采样点簇的中心点的平均距离，将所述平均距离大于预设距离阈值的二级采样点簇所对应的区域确定为目标区域；
确定所述二级采样点簇的中心点距预设位置的距离或所述二级采样点簇的采样点距所述预设位置的平均距离，将所述中心点距预设位置的距离或所述平均距离小于预设位置阈值的二级采样点簇所对应的区域确定为目标区域。
9.根据权利要求8所述的装置，其特征在于，所述预设方向角度不大于90度，所述预设时间阈值不大于150秒，所述预设距离阈值不大于40米，所述预设位置阈值不大于5公里。
10.根据权利要求7所述的装置，其特征在于，所述分类模块还用于按照采样点的采样时间顺序遍历所述一级采样点簇中的采样点，若第i+1个采样点与第i个采样点的采样时间之差大于预设时差阈值，则表示第i+1个采样点与第i个采样点的采样时间不连续；
根据所述采样时间不连续的第i+1个采样点与第i个采样点对所述一级采样点簇进行分类，使得形成的所述二级采样点簇中的相邻两个采样点的采样时间之差不大于所述预设时差阈值；
其中i=1,2,3,…,n-1，n为所述一级采样点簇中采样点的总数。
11.根据权利要求7所述的装置，其特征在于，所述方向模块还用于按照采样点的采样时间顺序遍历所述二级采样点簇中的第j个采样点、第j+1个采样点和第j+2个采样点，确定第j个采样点的坐标至第j+1个采样点的坐标的连线向第j+1个采样点的坐标的方向的延长线与第j+1个采样点的坐标至第j+2个采样点的坐标的连线之间的夹角，以所述夹角作为第j+2个采样点的方向角度，其中j=1,2,3,…,k-2，k为所述二级采样点簇中采样点的总数。
12.根据权利要求7所述的装置，其特征在于，所述分类模块还用于确定所述二级采样点簇中的采样点总数量是否不小于预设数量阈值；保留采样点数量不小于所述预设数量阈值的二级采样点簇。
13.一种电子设备，其特征在于，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中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被一个或多个处理器执行时实现如权利要求1-6中任一所述的方法。
CN201811195693.9A 2018-10-15 2018-10-15 一种确定目标区域的方法和装置 Active CN111046895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811195693.9A CN111046895B (zh) 2018-10-15 2018-10-15 一种确定目标区域的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811195693.9A CN111046895B (zh) 2018-10-15 2018-10-15 一种确定目标区域的方法和装置

Publications (2)

Publication Number Publication Date
CN111046895A CN111046895A (zh) 2020-04-21
CN111046895B true CN111046895B (zh) 2023-11-07

Family

ID=70230419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811195693.9A Active CN111046895B (zh) 2018-10-15 2018-10-15 一种确定目标区域的方法和装置

Country Status (1)

Country Link
CN (1) CN111046895B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461627B (zh) * 2020-04-27 2023-09-26 上海东普信息科技有限公司 快递员派送区域的划分方法、装置、设备及存储介质
CN112735253B (zh) * 2020-10-22 2023-03-10 深圳安途智行科技有限公司 红绿灯自动标注方法及计算机设备
CN114386500A (zh) * 2021-12-31 2022-04-22 苏州市公安局 传染病采样点选取方法、装置、设备及存储介质
CN114442127A (zh) * 2022-01-21 2022-05-06 南斗六星***集成有限公司 一种基于gps数据集判定车辆滞留异常的方法及***
CN114511044B (zh) * 2022-04-18 2022-06-28 新石器慧通（北京）科技有限公司 无人车通行控制方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440566A (zh) * 2013-08-27 2013-12-11 北京京东尚科信息技术有限公司 一种拣货集合单的生成方法、装置及拣货路径优化方法
CN103593430A (zh) * 2013-11-11 2014-02-19 胡宝清 一种基于移动对象时空信息轨迹分段聚类的方法
JP2015158799A (ja) * 2014-02-24 2015-09-03 日本電信電話株式会社 時空間クラスタリング処理装置、方法及びプログラム
JP2015170338A (ja) * 2014-03-11 2015-09-28 日本電信電話株式会社 滞留点抽出方法、滞留点抽出装置及び滞留点抽出プログラム
CN105589875A (zh) * 2014-10-22 2016-05-18 方正国际软件(北京)有限公司 一种多轨迹绘制的方法及装置
CN107037452A (zh) * 2017-04-27 2017-08-11 成都新橙北斗智联有限公司 一种基于北斗或gps设备定位轨迹的去噪声方法
CN107589435A (zh) * 2017-09-05 2018-01-16 成都新橙北斗智联有限公司 一种北斗gps轨迹停留分析方法
CN107770744A (zh) * 2017-09-18 2018-03-06 上海世脉信息科技有限公司 大数据环境下出行od节点识别和节点间路径提取方法
CN108509434A (zh) * 2017-02-23 2018-09-07 ***通信有限公司研究院 一种群体用户的挖掘方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5276541B2 (ja) * 2009-07-27 2013-08-28 キヤノン株式会社 画像処理方法及び画像処理装置及びプログラム
US8612134B2 (en) * 2010-02-23 2013-12-17 Microsoft Corporation Mining correlation between locations using location history
WO2011142225A1 (ja) * 2010-05-12 2011-11-17 日本電気株式会社 特徴点検出システム、特徴点検出方法、及びプログラム
US9497584B2 (en) * 2011-01-14 2016-11-15 Nec Corporation Action pattern analysis device, action pattern analysis method, and action pattern analysis program
CN106373144A (zh) * 2016-08-22 2017-02-01 湖南挚新科技发展有限公司 图像目标相对位置确定方法与***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440566A (zh) * 2013-08-27 2013-12-11 北京京东尚科信息技术有限公司 一种拣货集合单的生成方法、装置及拣货路径优化方法
CN103593430A (zh) * 2013-11-11 2014-02-19 胡宝清 一种基于移动对象时空信息轨迹分段聚类的方法
JP2015158799A (ja) * 2014-02-24 2015-09-03 日本電信電話株式会社 時空間クラスタリング処理装置、方法及びプログラム
JP2015170338A (ja) * 2014-03-11 2015-09-28 日本電信電話株式会社 滞留点抽出方法、滞留点抽出装置及び滞留点抽出プログラム
CN105589875A (zh) * 2014-10-22 2016-05-18 方正国际软件(北京)有限公司 一种多轨迹绘制的方法及装置
CN108509434A (zh) * 2017-02-23 2018-09-07 ***通信有限公司研究院 一种群体用户的挖掘方法及装置
CN107037452A (zh) * 2017-04-27 2017-08-11 成都新橙北斗智联有限公司 一种基于北斗或gps设备定位轨迹的去噪声方法
CN107589435A (zh) * 2017-09-05 2018-01-16 成都新橙北斗智联有限公司 一种北斗gps轨迹停留分析方法
CN107770744A (zh) * 2017-09-18 2018-03-06 上海世脉信息科技有限公司 大数据环境下出行od节点识别和节点间路径提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GNSS 平地作业路径实时规划与导航方法研究;王岩等;《农业机械学报》;第45卷;全文 *
Research on Vector Sensor Direction Finding Technology in Intensive Coherent Interference;Xueli Sheng etal.;《 2009 Second International Workshop on Computer Science and Engineering》;全文 *

Also Published As

Publication number Publication date
CN111046895A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN111046895B (zh) 一种确定目标区域的方法和装置
CN106980955B (zh) 用于输出信息的方法和装置
Tang et al. A network Kernel Density Estimation for linear features in space–time analysis of big trace data
Huang et al. Detecting regions of disequilibrium in taxi services under uncertainty
CN113342905B (zh) 一种停留点确定方法及装置
CN108280685A (zh) 信息获取方法和装置
CN109471783B (zh) 预测任务运行参数的方法和装置
CN111078818B (zh) 地址分析方法、装置、电子设备及存储介质
CN108920617B (zh) 一种数据采集的判定***及方法、信息数据处理终端
WO2023116075A1 (zh) 站点到货量预测方法、装置、电子设备和计算机可读介质
CN110874668A (zh) 一种轨道交通od客流预测方法、***及电子设备
CN113780270A (zh) 目标检测方法和装置
CN117290561B (zh) 业务状态信息反馈方法、装置、设备和计算机可读介质
CN114692978A (zh) 一种基于大数据的社交媒体用户行为预测方法及***
CN117573477A (zh) 异常数据监控方法、装置、设备、介质和程序产品
CN110871980A (zh) 储位分类方法和装置
CN111160410B (zh) 一种物体检测方法和装置
CN110674208A (zh) 用于确定用户的职住地信息的方法和装置
CN112100291A (zh) 一种数据分箱的方法和装置
CN111915115B (zh) 执行策略设置方法和装置
CN110322173B (zh) 规划存储设备的方法和装置
CN111311305A (zh) 基于用户轨迹解析用户公共流量带的方法及***
CN112612277B (zh) 车辆轨迹规划方法、装置、设备和计算机可读介质
CN112906723A (zh) 一种特征选择的方法和装置
CN113762674A (zh) 订单配送方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210224

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100195 Beijing Haidian Xingshikou Road 65 West Cedar Creative Garden 4 District 11 Building East 1-4 Floor West 1-4 Floor

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210224

Address after: 6 / F, 76 Zhichun Road, Haidian District, Beijing 100086

Applicant after: Beijing Jingdong Zhenshi Information Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant