CN112598802B - 一种基于众包数据的热力图生成方法及*** - Google Patents
一种基于众包数据的热力图生成方法及*** Download PDFInfo
- Publication number
- CN112598802B CN112598802B CN202011594173.2A CN202011594173A CN112598802B CN 112598802 B CN112598802 B CN 112598802B CN 202011594173 A CN202011594173 A CN 202011594173A CN 112598802 B CN112598802 B CN 112598802B
- Authority
- CN
- China
- Prior art keywords
- grid
- point data
- coordinates
- coordinate
- original point
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供一种基于众包数据的热力图生成方法及***,方法包括:将原始点数据转换为二维平面坐标,对所有的点数据进行网格划分,计算每一个网格的网格坐标,并统计网格密度,将网格坐标转换经纬度坐标,基于每一个网格坐标对应的经纬度坐标和对应网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图。本发明将原始点数据进行网格划分,对于每一个网格内的多个点数据,计算能够表征网格中数据的网格坐标数据,并统计网格内的数据密度,基于每一个网格坐标和网格密度,生成热力图,减少了生成热力图的数据量,相比传统的根据每一个原始点数据生成热力图,提高了mapbox引擎对数据的加载渲染速度,提高了生成热力图的速度和效率。
Description
技术领域
本发明涉及众包地图显示领域,更具体地,涉及一种基于众包数据的热力图生成方法及***。
背景技术
在众包***中,拥有着大量的轨迹等数据信息,为了将大量数据进行展示以便查看不同区域不同热力后进行分析,需要使用到热力图来进行展示。
在使用mapbox加载热力图数据时,加载的数据达到一定大小之后,加载效果不好,加载速度慢;加载的数据量达到一定大小之后,mapbox就会渲染失败,导致热力图显示不出来,所以需要在加载所有的原始数据前,对数据进行处理。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种基于众包数据的热力图生成方法及***,能够解决在大量众包轨迹等数据下,由于原始众包数据文件过大,在使用mapb ox加载数据时会渲染失败或数据渲染效果差、速度慢的问题。
根据本发明实施例的第一方面,提供一种基于众包数据的热力图生成方法,包括:获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;将原始点数据的经纬度坐标转换为二维平面坐标;基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图。
在上述技术方案的基础上,本发明实施例还可以作出如下改进。
可选的,所述将原始点数据的经纬度坐标转换为二维平面坐标包括:将原始点数据的经纬度坐标转换为高斯克吕格平面坐标,得到每一个原始点数据的高斯坐标,所述高斯坐标包括高斯横坐标和高斯纵坐标。
可选的,所述基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标包括:
设定网格距离;
确定所有原始点数据的最小高斯横坐标和所有原始点数据的最小高斯纵坐标;
求取任一个原始点数据的高斯横坐标与所述最小高斯横坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格横坐标;
求取任一个原始点数据的高斯纵坐标与所述最小高斯纵坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格纵坐标;
基于任一个原始点数据的高斯横坐标和高斯纵坐标得到所述原始点数据的网格坐标,其中,在同一个网格内的每一个原始点数据的网格坐标相同;
基于每一个原始点数据的网格坐标,根据设定的网格距离,对所有的原始点数据进行网格划分。
可选的,所述统计每一个网格的网格密度包括:
统计所述任一个网格内的点数据的个数,作为所述任一个网格的密度。
可选的,所述统计所述任一个网格内的点数据的个数,作为所述任一个网格的密度之后还包括:对每一个网格的密度进行平滑处理,转换为预设范围内的数值,所述预设范围可根据mapbox引擎的设置确定。
可选的,所述预设范围包括上限值和下限值,所述对每一个网格的密度进行平滑处理,转换为预设范围内的数值包括:
根据每一个网格的网格密度,获取最小网格密度和最大网格密度;
通过如下公式计算转换后的每一个网格的网格密度:
转换后的网格密度=(网格密度/(最大网格密度-最小网格密度)*(上限值-下限值))。
可选的,所述将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标包括:
将任一个网格坐标的横坐标乘以网格距离再加上所有点数据的最小高斯横坐标,作为所述任一个网格坐标的高斯横坐标;
将任一个网格坐标的纵坐标乘以网格距离再加上所有点数据的最小高斯纵坐标,作为所述任一个网格坐标的高斯纵坐标;
将任一个网格坐标对应的高斯坐标转换为wgs经纬度坐标。
可选的,所述将任一个网格坐标对应的高斯坐标转换为wgs经纬度坐标之后还包括:
将所述任一个网格坐标的wgs经纬度坐标和平滑处理后的每一个网格密度转换为geojson格式;
通过mapbox引擎加载渲染geojson格式的网格坐标和网格密度,生成对应的热力图。
根据本发明实施例的第二方面,提供一种基于众包数据的热力图生成***,包括:获取模块,用于获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;转换模块,用于将原始点数据的经纬度坐标转换为二维平面坐标;以及将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;网格划分模块,用于基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;生成模块,用于基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图。
根据本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现如上述任意一项所述的基于众包数据的热力图生成方法的步骤。
根据本发明实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现如上述任意一项所述的基于众包数据的热力图生成方法的步骤。
本发明实施例提供的一种基于众包数据的热力图生成方法及***,将原始点数据进行网格划分,对于每一个网格内的多个点数据,计算能够表征网格中数据的网格坐标数据,并统计网格内的数据密度,基于每一个网格坐标和网格密度,生成热力图,减少了生成热力图的数据量,相比传统的根据每一个原始点数据生成热力图,提高了mapbox引擎对数据的加载渲染速度,提高了生成热力图的速度和效率。
附图说明
图1为本发明实施例提供的一种基于众包数据的热力图生成方法流程图;
图2为本发明实施例提供的一种基于众包数据的热力图生成方法的整体流程图;
图3为本发明实施例提供的一种基于众包数据的热力图生成***结构图;
图4为为本发明实施例提供的一种可能的电子设备的硬件结构示意图;
图5为本发明实施例提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明实施例提供的一种基于众包数据的热力图生成方法流程图,如图1所示,方法包括:101、获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;102、将原始点数据的经纬度坐标转换为二维平面坐标;103、基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;104、将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;105、基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图。
可以理解的是,对于众包地图轨迹数据,为了将大量的数据进行展示以便查看不同区域不同热力后进行分析,需要使用到热力图进行展示。传统展示方式为直接对大量的众包数据进行加载和渲染,生成热力图。由于众包原始数据的数据量大,直接对众多的原始数据进行加载和渲染,加载速度和渲染速度慢,导致生成热力图的效率很低。
基于此,本发明实施例提出了一种能够提高生成热力图效率的方法,具体为,获取众包车辆的原始点数据,其中,众包车辆的原始点数据为经纬度坐标,先将每一个原始点数据的经纬度坐标转换为二维平面坐标。基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,每一个网格内包含多个点数据,基于每一个网格内的多个点数据的坐标,计算能够表征网格内多个点数据的网格坐标,并统计每一个网格的网格密度。
然后将每一个网格坐标数据转换为二维平面坐标数据,再转换为经纬度坐标数据。最后,基于每一个网格坐标数据和对应的网格密度,利用mapbox引擎进行加载和渲染,生成对应的热力图。
本发明实施例将原始点数据转换为二维平面坐标,对所有的点数据进行网格划分,计算每一个网格的网格坐标,并统计网格密度,将网格坐标转换经纬度坐标,基于每一个网格坐标对应的经纬度坐标和对应网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图,将原始点数据进行网格划分,对于每一个网格内的多个点数据,计算能够表征网格中数据的网格坐标数据,并统计网格内的数据密度,基于每一个网格坐标和网格密度,生成热力图,减少了生成热力图的数据量,相比传统的根据每一个原始点数据生成热力图,提高了mapbox引擎对数据的加载渲染速度,提高了生成热力图的速度和效率。
在一种可能的实施例方式中,将原始点数据的经纬度坐标转换为二维平面坐标包括:将原始点数据的经纬度坐标转换为高斯克吕格平面坐标,得到每一个原始点数据的高斯坐标,所述高斯坐标包括高斯横坐标和高斯纵坐标。
可以理解的是,众包车辆的原始点数据为经纬度坐标,将原始点数据的经纬度坐标转换为二维平面坐标,比如,可以转换为高斯克吕格平面坐标或者其它坐标系的二维平面坐标,比如,还可以将原始点数据的经纬度坐标转换为兰勃特投影坐标和墨卡托投影坐标。
如果将原始点数据的经纬度坐标转换为高斯克吕格平面坐标,那么转换后的坐标为高斯坐标,每一个原始点数据转换后的坐标包括高斯横坐标和高斯纵坐标。
在一种可能的实施例方式中,基于原始点数据的二维平面坐标,对所有的点数据进行网格划分包括:设定网格距离;确定所有原始点数据的最小高斯横坐标和所有原始点数据的最小高斯纵坐标;求取任一个原始点数据的高斯横坐标与所述最小高斯横坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格横坐标;求取任一个原始点数据的高斯纵坐标与所述最小高斯纵坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格纵坐标;基于任一个原始点数据的高斯横坐标和高斯纵坐标得到所述原始点数据的网格坐标,其中,在同一个网格内的每一个原始点数据的网格坐标相同;基于每一个原始点数据的网格坐标,根据设定的网格距离,对所有的原始点数据进行网格划分。
可以理解的是,根据每一个原始点数据的高斯坐标,对所有的原始点数据进行网格划分的方法为,首先,将每一个原始点数据的高斯坐标转换为网格坐标,其中,设定需要划分的网格大小,通过设置网格边长(也称为网格距离)来表示网格大小。
根据每一个原始点数据的高斯横坐标,确定所有原始点数据的最小高斯横坐标,以及根据每一个原始点数据的高斯纵坐标,确定所有原始点数据的最小纵坐标。
对于任一个原始点数据,求取该原始点数据的高斯横坐标与最小高斯横坐标之间的距离再除以设定的网格距离得到该点数据的网格横坐标。同样的,求取该原始点数据的高斯纵坐标与最小高斯纵坐标之间的距离再除以设定的网格距离得到该点数据的网格纵坐标。每一个原始点数据的网格横坐标和网格纵坐标组成该原始点数据的网格坐标。
计算得到每一个原始点数据的网格坐标,根据设定的网格距离,对所有的原始点数据进行网格划分,其中,每一个网格内包含多个原始点数据,同一个网格内的每一个原始点数据的网格坐标均相同。
在一种可能的实施例方式中,统计每一个网格的网格密度包括:统计任一个网格内的点数据的个数,作为所述任一个网格的密度。
可以理解的是,对所有的原始点数据进行网格划分后,对于每一个网格内的多个点数据,数据量比较大,因此,本发明实施例将每一个原始点数据的高斯坐标转换为网格坐标并进行网格划分后,处于同一个网格内的多个点数据的网格坐标是相同的,这样就将网格内的多个点数据转化为一个点数据,减少了数据量。其中,对于网格数量的选取,可根据原始点数据的数据量确定。网格划分后,统计每一个网格内的点数据的个数,作为网格密度。
在一种可能的实施例方式中,统计任一个网格内的点数据的个数,作为任一个网格的密度之后还包括:对每一个网格的密度进行平滑处理,转换为预设范围内的数值,预设范围可根据mapbox引擎的设置确定。
可以理解的是,由于后续mapbox引擎对数据渲染时,会根据网格密度渲染成不同的颜色,那么mapbox引擎会设置一个各种颜色对应的网格密度范围,因此,需要将上述统计的每一个网格的网格密度值转换到预设范围内,比如,将每一个网格的网格密度值全部转化到0-30的范围内,对网格密度转化的过程即为对网格密度进行平滑处理。
在一种可能的实施例方式中,所述对每一个网格的密度进行平滑处理,转换为预设范围内的数值包括:根据每一个网格的网格密度,获取最小网格密度和最大网格密度;通过如下公式计算转换后的每一个网格的网格密度:转换后的网格密度=(网格密度/(最大网格密度-最小网格密度)*(上限值-下限值))。
可以理解的是,进行网格划分后,统计每一个网格的网格密度,比如,有四个网格,网格密度分别为10,20,50和80,将网格密度50转换为0-30的方式为,转换后的网格密度=50/(80-10)*(30-0)=21.43,采用同样的方式将每一个网格密度均转换到0-30的范围。
在一种可能的实施例方式中,所述将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标包括:将任一个网格坐标的横坐标乘以网格距离再加上所有点数据的最小高斯横坐标,作为所述任一个网格坐标的高斯横坐标;将任一个网格坐标的纵坐标乘以网格距离再加上所有点数据的最小高斯纵坐标,作为所述任一个网格坐标的高斯纵坐标;将任一个网格坐标对应的高斯坐标转换为wgs经纬度坐标。
可以理解的是,对于每一个网格坐标数据,由于mapbox引擎渲染时的坐标需要经纬度坐标,因此,需要将网格坐标数据先转换为高斯坐标,再转换为wgs经纬度坐标。
在将网格坐标数据转换为高斯坐标时,将网格坐标的横坐标乘以网格距离再加上所有点数据的最小高斯横坐标,作为网格坐标的高斯横坐标;同样的,将网格坐标的纵坐标乘以网格距离再加上所有点数据的最小高斯纵坐标,作为网格坐标的高斯纵坐标。得到每一个网格坐标数据对应的高斯坐标后,将网格坐标数据的高斯坐标转换为wgs经纬度坐标,以便于mapbox引擎展示。
在一种可能的实施例方式中,将任一个网格坐标对应的高斯坐标转换为wgs经纬度坐标之后还包括:将任一个网格坐标的wgs经纬度坐标和平滑处理后的每一个网格的密度转换为geojson格式;通过mapbox引擎加载渲染geojson格式的网格坐标和密度,生成对应的热力图。
可以理解的是,对于转换后的每一个网格坐标数据对应的经纬度坐标数据以及对应的网格密度,将网格坐标数据的经纬度坐标和对应的网格密度数据转换为geojson格式,mapbox引擎加载渲染geojson格式的坐标和密度,生成对应的热力图。
参见图2,对本发明实施例提供的基于众包数据的热力图生成方法的整体流程进行描述。
首先,获取众包车辆数据的原始点数据,对每一个原始点数据进行高斯坐标转换,再对所有的原始点数据进行网格划分,以及统计每一个网格的网格密度。基于网格内的多个点数据坐标,计算一个能够表征网格内所有点数据的网格坐标。
然后,将每一个网格坐标和网格密度转换为wgs经纬度坐标,以及转换为geoison格式,加载到mapbox引擎进行热力图渲染,生成渲染后的热力图。
本发明实施例将原始点数据进行网格划分,对于每一个网格内的多个点数据,计算能够表征网格中数据的网格坐标数据,并统计网格内的数据密度,基于每一个网格坐标和网格密度,生成热力图,减少了生成热力图的数据量,相比传统的根据每一个原始点数据生成热力图,提高了mapbox引擎对数据的加载渲染速度,提高了生成热力图的速度和效率。
图3是本发明实施例提供的一种基于众包数据的热力图生成***结构图,如图3所示,***包括获取模块301、转换模块302、网格划分模块303和生成模块304,其中:
获取模块301,用于获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;
转换模块302,用于将原始点数据的经纬度坐标转换为二维平面坐标;以及将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;
网格划分模块303,用于基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;
生成模块304,用于基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图。
可以理解的是,本发明实施例提供的基于众包数据的热力图生成***与前述各实施例提供的基于众包数据的热力图生成方法相对应,基于众包数据的热力图生成***的相关技术特征可参考基于众包数据的热力图生成方法的相关技术特征,在此不再重复说明。
请参阅图4,图4为本申请实施例提供的电子设备的实施例示意图。如图4所示,本申请实施例提了一种电子设备,包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411,处理器420执行计算机程序411时实现以下步骤:获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;将原始点数据的经纬度坐标转换为二维平面坐标;基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图。
请参阅图5,图5为本申请实施例提供的一种计算机可读存储介质的实施例示意图。如图5所示,本实施例提供了一种计算机可读存储介质500,其上存储有计算机程序511,该计算机程序511被处理器执行时实现如下步骤:获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;将原始点数据的经纬度坐标转换为二维平面坐标;基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包括这些改动和变型在内。
Claims (9)
1.一种基于众包数据的热力图生成方法,其特征在于,包括:
获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;
将原始点数据的经纬度坐标转换为二维平面坐标;
基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;
将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;
基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图;
所述基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标包括:
设定网格距离;
确定所有原始点数据的最小高斯横坐标和所有原始点数据的最小高斯纵坐标;
求取任一个原始点数据的高斯横坐标与所述最小高斯横坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格横坐标;
求取任一个原始点数据的高斯纵坐标与所述最小高斯纵坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格纵坐标;
基于任一个原始点数据的高斯横坐标和高斯纵坐标得到所述原始点数据的网格坐标,其中,在同一个网格内的每一个原始点数据的网格坐标相同;
基于每一个原始点数据的网格坐标,根据设定的网格距离,对所有的原始点数据进行网格划分。
2.根据权利要求1所述的热力图生成方法,其特征在于,所述将原始点数据的经纬度坐标转换为二维平面坐标包括:
将原始点数据的经纬度坐标转换为高斯克吕格平面坐标,得到每一个原始点数据的高斯坐标,所述高斯坐标包括高斯横坐标和高斯纵坐标。
3.根据权利要求1所述的热力图生成方法,其特征在于,所述统计每一个网格的网格密度包括:
统计所述任一个网格内的点数据的个数,作为所述任一个网格的密度。
4.根据权利要求3所述的热力图生成方法,其特征在于,所述统计所述任一个网格内的点数据的个数,作为所述任一个网格的密度之后还包括:
对每一个网格的密度进行平滑处理,转换为预设范围内的数值,所述预设范围可根据mapbox引擎的设置确定。
5.根据权利要求4所述的热力图生成方法,其特征在于,所述预设范围包括上限值和下限值,所述对每一个网格的密度进行平滑处理,转换为预设范围内的数值包括:
根据每一个网格的网格密度,获取最小网格密度和最大网格密度;
通过如下公式计算转换后的每一个网格的网格密度:
转换后的网格密度=(网格密度/(最大网格密度-最小网格密度)*(上限值-下限值))。
6.根据权利要求1或3所述的热力图生成方法,其特征在于,所述将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标包括:
将任一个网格坐标的横坐标乘以网格距离再加上所有点数据的最小高斯横坐标,作为所述任一个网格坐标的高斯横坐标;
将任一个网格坐标的纵坐标乘以网格距离再加上所有点数据的最小高斯纵坐标,作为所述任一个网格坐标的高斯纵坐标;
将任一个网格坐标对应的高斯坐标转换为wgs经纬度坐标。
7.根据权利要求6所述的热力图生成方法,其特征在于,所述将任一个网格坐标对应的高斯坐标转换为wgs经纬度坐标之后还包括:
将所述任一个网格坐标的wgs经纬度坐标和平滑处理后的每一个网格密度转换为geojson格式;
通过mapbox引擎加载渲染geojson格式的网格坐标和网格密度,生成对应的热力图。
8.一种基于众包数据的热力图生成***,其特征在于,包括:
获取模块,用于获取众包车辆的原始点数据,所述原始点数据的坐标为经纬度坐标;
转换模块,用于将原始点数据的经纬度坐标转换为二维平面坐标;以及将每一个网格坐标转换为二维平面坐标,再转换为经纬度坐标;网格划分模块,用于基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标和统计每一个网格的网格密度;
生成模块,用于基于每一个网格坐标对应的经纬度坐标和对应的网格密度,利用mapbox引擎进行加载渲染,生成对应的热力图;
所述基于原始点数据的二维平面坐标,对所有的点数据进行网格划分,并计算每一个网格内的网格坐标包括:
设定网格距离;
确定所有原始点数据的最小高斯横坐标和所有原始点数据的最小高斯纵坐标;
求取任一个原始点数据的高斯横坐标与所述最小高斯横坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格横坐标;
求取任一个原始点数据的高斯纵坐标与所述最小高斯纵坐标之间的距离再除以设定的网格距离得到所述任一个点数据的网格纵坐标;
基于任一个原始点数据的高斯横坐标和高斯纵坐标得到所述原始点数据的网格坐标,其中,在同一个网格内的每一个原始点数据的网格坐标相同;
基于每一个原始点数据的网格坐标,根据设定的网格距离,对所有的原始点数据进行网格划分。
9.一种电子设备,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时,实现如权利要求1-7任一项所述的基于众包数据的热力图生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594173.2A CN112598802B (zh) | 2020-12-29 | 2020-12-29 | 一种基于众包数据的热力图生成方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011594173.2A CN112598802B (zh) | 2020-12-29 | 2020-12-29 | 一种基于众包数据的热力图生成方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112598802A CN112598802A (zh) | 2021-04-02 |
CN112598802B true CN112598802B (zh) | 2022-09-30 |
Family
ID=75203513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011594173.2A Active CN112598802B (zh) | 2020-12-29 | 2020-12-29 | 一种基于众包数据的热力图生成方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598802B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114564549B (zh) * | 2022-02-14 | 2024-06-21 | 北京世纪高通科技有限公司 | 区域的热力图的生成方法、装置、设备及存储介质 |
CN114528361A (zh) * | 2022-02-16 | 2022-05-24 | 平安科技(深圳)有限公司 | 停放点的规划方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768536A (zh) * | 2012-07-20 | 2012-11-07 | 哈尔滨工程大学 | 一种基于多目标萤火虫算法的路径规划方法 |
CN104123696A (zh) * | 2014-07-07 | 2014-10-29 | 北京理工大学 | 一种基于多分辨率的焦点上下文可视化方法 |
CN105678252A (zh) * | 2016-01-05 | 2016-06-15 | 安阳师范学院 | 依据人脸三角网格自适应细分和高斯小波的迭代插值方法 |
CN108873032A (zh) * | 2018-05-15 | 2018-11-23 | 重庆邮电大学 | 基于gps网和地面坐标网的室内定位方法 |
CN109374007A (zh) * | 2018-12-10 | 2019-02-22 | 国网重庆市电力公司南岸供电分公司 | 基于gps网和地面坐标网的室内路径引导方法 |
CN110536256A (zh) * | 2019-08-12 | 2019-12-03 | 南京理工大学 | 一种基于双层网格的室内定位方法 |
JPWO2019092804A1 (ja) * | 2017-11-08 | 2020-11-12 | 日本電気株式会社 | 乱数生成システム、乱数生成方法および乱数生成プログラム |
CN112131331A (zh) * | 2020-09-24 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 地图数据处理方法、装置、计算机设备和存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8112245B2 (en) * | 2006-12-15 | 2012-02-07 | Concepts Eti, Inc. | First-point distance parameter system and method for automatic grid generation |
CN107766808B (zh) * | 2017-09-30 | 2021-06-29 | 北京泓达九通科技发展有限公司 | 道路网络空间中车辆对象移动轨迹聚类的方法及*** |
CN110675728B (zh) * | 2018-07-03 | 2021-08-31 | 百度在线网络技术(北京)有限公司 | 热力图的生成方法、装置、设备及计算机可读存储介质 |
CN110738722B (zh) * | 2019-10-10 | 2022-08-30 | 支付宝(杭州)信息技术有限公司 | 一种热力图纹理的生成方法、装置及设备 |
CN110717084B (zh) * | 2019-10-30 | 2022-06-24 | 四川升拓检测技术股份有限公司 | 基于热力图对碾压轨迹及次数的展示***及方法 |
CN111275963A (zh) * | 2020-01-14 | 2020-06-12 | 北京百度网讯科技有限公司 | 热点区域的挖掘方法、装置、电子设备和存储介质 |
CN111966767B (zh) * | 2020-06-28 | 2023-07-28 | 北京百度网讯科技有限公司 | 轨迹热力图生成方法、装置、电子设备和存储介质 |
-
2020
- 2020-12-29 CN CN202011594173.2A patent/CN112598802B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768536A (zh) * | 2012-07-20 | 2012-11-07 | 哈尔滨工程大学 | 一种基于多目标萤火虫算法的路径规划方法 |
CN104123696A (zh) * | 2014-07-07 | 2014-10-29 | 北京理工大学 | 一种基于多分辨率的焦点上下文可视化方法 |
CN105678252A (zh) * | 2016-01-05 | 2016-06-15 | 安阳师范学院 | 依据人脸三角网格自适应细分和高斯小波的迭代插值方法 |
JPWO2019092804A1 (ja) * | 2017-11-08 | 2020-11-12 | 日本電気株式会社 | 乱数生成システム、乱数生成方法および乱数生成プログラム |
CN108873032A (zh) * | 2018-05-15 | 2018-11-23 | 重庆邮电大学 | 基于gps网和地面坐标网的室内定位方法 |
CN109374007A (zh) * | 2018-12-10 | 2019-02-22 | 国网重庆市电力公司南岸供电分公司 | 基于gps网和地面坐标网的室内路径引导方法 |
CN110536256A (zh) * | 2019-08-12 | 2019-12-03 | 南京理工大学 | 一种基于双层网格的室内定位方法 |
CN112131331A (zh) * | 2020-09-24 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 地图数据处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112598802A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598802B (zh) | 一种基于众包数据的热力图生成方法及*** | |
CN108124489B (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
RU2014121097A (ru) | Формирование изображения кровотока | |
CN114756944A (zh) | 用于bim模型的轻量化***、方法、计算机设备及存储介质 | |
CN104299241A (zh) | 基于 Hadoop 的遥感图像显著性目标检测方法及*** | |
CN110705690A (zh) | 基于生成模型和元学习优化方法的连续学习方法及*** | |
CN114676522B (zh) | 融合gan和迁移学习的气动形状优化设计方法及***及设备 | |
CN110363837B (zh) | 游戏中纹理图像的处理方法及装置、电子设备、存储介质 | |
US12026807B2 (en) | Heat map generation method, server side, and readable storage medium | |
CN109785443B (zh) | 一种针对大型海洋工程装备的三维模型简化方法 | |
CN112687000B (zh) | 三维模型坐标的纠正方法、***、计算机可读存储介质 | |
CN116681959B (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
CN116051699B (zh) | 动捕数据的处理方法、装置、设备及存储介质 | |
CN107393019B (zh) | 一种基于粒子的布料模拟方法与装置 | |
CN112002019B (zh) | 一种基于mr混合现实的模拟人物阴影的方法 | |
CN116843812A (zh) | 一种图像渲染方法、装置及电子设备 | |
CN114022649A (zh) | Gpu-cpu协同的栅格数据快速坐标转换方法及*** | |
CN111160385B (zh) | 海量位置点聚合的方法、装置、设备及存储介质 | |
CN112633065A (zh) | 一种基于数据增强的人脸检测方法、***、存储介质及终端 | |
CN112784844A (zh) | 一种制作语义分割网训练样本的方法、***及介质 | |
CN113569878B (zh) | 一种基于分数图的目标检测模型训练方法及目标检测方法 | |
CN116909750B (zh) | 一种基于图像的场景白膜快速化生产方法 | |
CN116933460B (zh) | 一种仿真方法、装置和电子设备 | |
CN113094546B (zh) | 一种仿真动画模型加载方法、装置及仿真设备 | |
CN113656997B (zh) | 一种用于变压器油箱结构低噪声优化的方法及*** |
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 |