CN114169771A - 区域划分方法和装置、电子设备和存储介质 - Google Patents
区域划分方法和装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114169771A CN114169771A CN202111503542.7A CN202111503542A CN114169771A CN 114169771 A CN114169771 A CN 114169771A CN 202111503542 A CN202111503542 A CN 202111503542A CN 114169771 A CN114169771 A CN 114169771A
- Authority
- CN
- China
- Prior art keywords
- road network
- divided
- data
- minimum connected
- connected block
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 17
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 41
- 238000010586 diagram Methods 0.000 description 16
- 238000003780 insertion Methods 0.000 description 6
- 230000037431 insertion Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 108020001568 subdomains Proteins 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Biodiversity & Conservation Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开实施例公开了一种区域划分方法和装置、电子设备和存储介质,其中,方法包括:获取待划分区域的区域路网数据;对区域路网数据中的路网节点数据进行三角剖分,获得剖分结果;基于区域路网数据中的道路数据,将剖分结果中的三角形进行合并,获得至少一个最小连通区块,每个最小连通区块是由道路形成的封闭区块;将待划分区域的各兴趣点映射到各最小连通区块中,获得待划分区域的划分结果。本公开的区块边界即为道路约束,贴合道路,避免了将一个真实的地理要素划分到多个区块中,实现了对城市区域进行更有效的划分,解决了容易将一个真实的地理要素划分到多个区块中导致划分有效性差等问题。
Description
技术领域
本公开涉及区域划分方法和装置、电子设备和存储介质。
背景技术
随着互联网的发展,以网络为依托的电子商务也在用户日常生活中得以普及,庞大的用户消费群以及带有地理属性的物品给城市区域划分的有效性带来了挑战。在现有城市区域划分的应用中,通常根据标准规则进行网格分割,例如在打车场景中,将城市区域以正六边形为最小单元分割,但是现有的网格分割方式容易将一个真实的地理要素分割到多个区块中,比如一个楼盘被分到多个区块中,导致分割有效性较差。
发明内容
本公开实施例提供一种区域划分方法和装置、电子设备和存储介质,以解决区域划分有效性较差等问题。
本公开实施例的一个方面,提供一种区域划分方法,包括:获取待划分区域的区域路网数据,所述区域路网数据包括所述待划分区域的路网节点数据及各路网节点之间的道路数据;对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,所述剖分结果包括以各路网节点为顶点的多个三角形;基于所述区域路网数据中的道路数据,将所述剖分结果中的三角形进行合并,获得至少一个最小连通区块,每个最小连通区块是由道路形成的封闭区块;将待划分区域的各兴趣点映射到各最小连通区块中,获得所述待划分区域的划分结果。
在本公开一实施方式中,所述获取待划分区域的区域路网数据,包括:获取待划分区域的各道路的坐标点集及道路之间的交点;以道路之间的交点为路网节点,以各道路的坐标点集为边构建所述待划分区域的区域路网图;将所述区域路网图作为所述区域路网数据。
在本公开一实施方式中,在以道路之间的交点为路网节点,以各道路的坐标点集为边构建所述待划分区域的区域路网图之后,所述方法还包括:遍历所述区域路网图,将无效的路网节点去除,并连接该路网节点的邻边,获得预处理后的第一区域路网图;将所述第一区域路网图作为所述区域路网数据。
在本公开一实施方式中,所述对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,包括:基于Delaunay三角剖分算法对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果。
在本公开一实施方式中,所述基于所述区域路网数据中的道路数据,将所述剖分结果中的三角形进行合并,获得至少一个最小连通区块,包括:采用深度优先遍历方式遍历所述剖分结果中的三角形,针对其中的第一三角形,基于所述区域路网数据中的道路数据,判断所述第一三角形的边是否存在对应的道路,若第一三角形中第一边不存在对应的道路,则判断所述第一边的邻接三角形中的第二边是否存在对应的道路;若第一边存在对应的道路,则继续判断所述第一三角形中的第一边的下一条边,以此类推,直至回到初始三角形的初始边,获得需要合并的第一三角形组;再针对除已经获得的需要合并的三角形组外的第二三角形进行上述步骤,获得需要合并的第二三角形组;以此类推,获得至少一个需要合并的三角形组;将所述需要合并的三角形组中不存在对应道路的边去除,实现三角形组的合并,获得对应的最小连通区块。
在本公开一实施方式中,所述将待划分区域的各兴趣点映射到各最小连通区块中,获得所述待划分区域的划分结果,包括:获取各最小连通区块的中心点坐标;针对所述待划分区域中的第一兴趣点,基于所述第一兴趣点的坐标及各所述最小连通区块的中心点坐标,确定所述第一兴趣点与各最小连通区块的中心点的距离;根据所述第一兴趣点与各最小连通区块的中心点的距离,确定所述第一兴趣点所属的最小连通区块;基于各兴趣点所属的最小连通区块,获得所述待划分区域的划分结果。
在本公开一实施方式中,在将待划分区域的各兴趣点映射到各最小连通区块中,获得所述待划分区域的划分结果之后,所述方法还包括:基于预设分类规则对所述划分结果中的最小连通区块进行分类,获得分类结果;基于所述分类结果,确定各最小连通区块对应的区域属性。
在本公开一实施方式中,所述基于预设分类规则对所述划分结果中的最小连通区块进行分类,获得分类结果,包括:基于各最小连通区块中包括的兴趣点获取各最小连通区块的特征数据;采用预设聚类算法对各最小连通区块的特征数据进行聚类,获得聚类结果;将所述聚类结果作为所述分类结果。
本公开实施例的另一个方面,提供一种区域划分装置,包括:第一获取模块,用于获取待划分区域的区域路网数据,所述区域路网数据包括所述待划分区域的路网节点数据及各路网节点之间的道路数据;第一处理模块,用于对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,所述剖分结果包括以各路网节点为顶点的多个三角形;第二处理模块,用于基于所述区域路网数据中的道路数据,将所述剖分结果中的三角形进行合并,获得至少一个最小连通区块,每个最小连通区块是由道路形成的封闭区块;第三处理模块,用于将待划分区域的各兴趣点映射到各最小连通区块中,获得所述待划分区域的划分结果。
在本公开一实施方式中,所述第一获取模块,包括:第一获取单元,用于获取待划分区域的各道路的坐标点集及道路之间的交点;第一处理单元,用于以道路之间的交点为路网节点,以各道路的坐标点集为边构建所述待划分区域的区域路网图;第二处理单元,用于将所述区域路网图作为所述区域路网数据。
在本公开一实施方式中,所述第一处理单元,还用于遍历所述区域路网图,将无效的路网节点去除,并连接该路网节点的邻边,获得预处理后的第一区域路网图;所述第二处理单元,还用于将所述第一区域路网图作为所述区域路网数据。
在本公开一实施方式中,所述第一处理模块,具体用于:基于Delaunay三角剖分算法中对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果。
在本公开一实施方式中,所述第二处理模块,具体用于:采用深度优先遍历方式遍历所述剖分结果中的三角形,针对其中的第一三角形,基于所述区域路网数据中的道路数据,判断所述第一三角形的边是否存在对应的道路,若第一三角形中第一边不存在对应的道路,则判断所述第一边的邻接三角形中的第二边是否存在对应的道路;若第一边存在对应的道路,则继续判断所述第一三角形中的第一边的下一条边,以此类推,直至回到初始三角形的初始边,获得需要合并的第一三角形组;再针对除已经获得的需要合并的三角形组外的第二三角形进行上述步骤,获得需要合并的第二三角形组;以此类推,获得至少一个需要合并的三角形组;将所述需要合并的三角形组中不存在对应道路的边去除,实现三角形组的合并,获得对应的最小连通区块。
在本公开一实施方式中,所述第三处理模块,具体用于:获取各最小连通区块的中心点坐标;针对所述待划分区域中的第一兴趣点,基于所述第一兴趣点的坐标及各所述最小连通区块的中心点坐标,确定所述第一兴趣点与各最小连通区块的中心点的距离;根据所述第一兴趣点与各最小连通区块的中心点的距离,确定所述第一兴趣点所属的最小连通区块;基于各兴趣点所属的最小连通区块,获得所述待划分区域的划分结果。
在本公开一实施方式中,所述装置还包括:第四处理模块,用于基于预设分类规则对所述划分结果中的最小连通区块进行分类,获得分类结果;确定模块,用于基于所述分类结果,确定各最小连通区块对应的区域属性。
在本公开一实施方式中,所述第四处理模块,具体用于:基于各最小连通区块中包括的兴趣点获取各最小连通区块的特征数据;采用预设聚类算法对各最小连通区块的特征数据进行聚类,获得聚类结果;将所述聚类结果作为所述分类结果。
据本公开实施例的再一方面,提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本公开上述任一实施例所述的方法。
根据本公开实施例的又一方面,提供一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本公开上述任一实施例所述的方法。
根据本公开实施例的再一方面,提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现本公开上述任一实施例所述的方法。
本公开提供的区域划分方法和装置、电子设备和存储介质,基于待划分区域的区域路网数据采用三角剖分进行划分,划分的最小连通区块是由道路形成的最小连通的封闭区块,区块边界即为道路约束,贴合道路,避免了将一个真实的地理要素划分到多个区块中,实现了对城市区域进行更有效的划分,解决了容易将一个真实的地理要素划分到多个区块中导致划分有效性差等问题。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同描述一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1是本公开提供的区域划分方法的一个示例性的应用场景;
图2是本公开一个示例性实施例提供的区域划分方法的流程示意图;
图3是本公开一个示例性实施例提供的步骤201的流程示意图;
图4是本公开一示例性实施例提供的构建的图的示例性示意图;
图5是本公开一示例性实施例提供的区域路网图的示例性示意图;
图6是本公开一示例性实施例提供的Delaunay三角剖分的示意图;
图7是本公开一个示例性实施例提供的步骤204的流程示意图;
图8是本公开一示例性实施例提供的区域划分方法的一种示例性流程示意图;
图9是本公开一示例性实施例提供的区域划分装置的结构示意图;
图10是本公开一示例性实施例提供的第一获取模块的结构示意图;
图11是本公开另一示例性实施例提供的区域划分装置的结构示意图;
图12是本公开电子设备一个应用实施例的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机***、服务器等电子设备,其可与众多其它通用或专用计算***环境或配置一起操作。适于与终端设备、计算机***、服务器等电子设备一起使用的众所周知的终端设备、计算***、环境和/或配置的例子包括但不限于:个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***﹑大型计算机***和包括上述任何***的分布式云计算技术环境,等等。
终端设备、计算机***、服务器等电子设备可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
图1是本公开提供的区域划分方法的一个示例性的应用场景。
在房产领域,为了确定楼盘的属性优势,通常需要了解楼盘所在区块及相邻区块的特征属性,比如区块中是否有学校、有什么学校、是否有医院、有什么医院、交通是否便利等,从而可以为用户提供楼盘的更多属性优势,以更好地吸引用户看房、产生商机等。利用本公开提供的技术方案,基于路网图采用Delaunay三角剖分算法进行划分,划分的区块是由道路形成的最小连通的封闭区块,区块边界即为道路约束,贴合道路,避免了将一个真实的地理要素划分到多个区块中,实现了对城市区域进行更有效的划分,解决了容易将一个真实的地理要素划分到多个区块中导致划分有效性差等问题。本公开的方法可以由相应的区域划分装置实现,该装置可以部署在任意可实施的电子设备(比如服务器)上,相关人员可以通过终端设备(比如其智能手机、平板、台式电脑等)触发本公开方法的执行。可选地,本公开的方法不仅仅适用于房产领域,还可以适用于其他任意需要对一定区域进行划分的领域或场景。
图2是本公开一个示例性实施例提供的区域划分方法的流程示意图。该方法包括以下步骤:
步骤201,获取待划分区域的区域路网数据,区域路网数据包括待划分区域的路网节点数据及各路网节点之间的道路数据。
其中,待划分区域可以是城市区域或其他需要进行划分的区域,具体可以根据实际需求设置。区域路网数据是待划分区域的道路网络数据,包括待划分区域的路网节点数据及各路网节点之间的道路数据,路网节点是指道路之间的交点,路网节点数据包括路网节点的坐标数据,比如各路网节点的经纬度坐标;路网节点之间的道路数据是表示路网节点之间道路的坐标点集。
步骤202,对区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,剖分结果包括以各路网节点为顶点的多个三角形。
其中,三角剖分可以采用任意可实施的三角剖分算法实现,比如Delaunay三角剖分算法,具体可以根据实际需求设置。
Delaunay三角剖分算法是对数值分析(比如有限元分析)以及图形学极为重要的一项预处理技术,定义如下:
三角剖分:假设V是二维实数域上的有限点集(本公开中为路网节点集),边e是由点集中的点作为端点构成的封闭线段,E为e的集合。那么该点集V的一个三角剖分T=(V,E)是一个平面图G,该平面图满足条件:a、除了端点,平面图中的边不包含点集中的任何点;b、没有相交边;c、平面图中所有的面都是三角面,且所有三角面的合集是散点集V的凸包。Delaunay三角剖分是一种特殊的三角剖分,具体如下:
Delaunay边:假设E中的一条边e(两个端点为a、b),e若满足下列条件,则称之为Delaunay边:存在一个圆经过a、b两点,圆内(圆上最多三点共圆)不含点集V中任何其他的点,这一特性又称空圆特性。
Delaunay三角剖分:如果点集V的一个三角剖分T只包含Delaunay边,那么该三角剖分称为Delaunay三角剖分。
在一个可选示例中,可以采用Delaunay三角剖分算法中的翻边算法、逐点***算法、分割合并算法、Bowyer-Watson算法等任意一种算法实现剖分,本实施例不做限定。
步骤203,基于区域路网数据中的道路数据,将剖分结果中的三角形进行合并,获得至少一个最小连通区块,每个最小连通区块是由道路形成的封闭区块。
具体的,由于三角剖分是对路网节点进行剖分,剖分结果的三角形中,可能有些边实际并不存在道路,每个边最多属于两个三角形,那么这些边中每个边所属的两个三角形对应的子域属于连通域,需要将属于连通域的三角形进行合并,获得由道路形成的封闭的最小连通区块,也即最小连通区块的边界是道路约束,从而使得划分的区块贴合道路,实现不同区块仅共享一条边,而不会产生重叠。
步骤204,将待划分区域的各兴趣点映射到各最小连通区块中,获得待划分区域的划分结果。
具体的,在确定了最小连通区块后,即确定了划分的区块边界,进而将待划分区域中的其他地理要素(称为兴趣点)映射到各最小连通区块中,即可获得待划分区域的划分结果,该划分结果中包括各最小连通区块的边界(道路)及各最小连通区块中的兴趣点。兴趣点可以包括比如为学校、医院、小区、公交站等地理要素对应的坐标点或坐标点集。
本公开实施例提供的区域划分方法,基于待划分区域的区域路网数据基于三角剖分进行划分,划分的最小连通区块是由道路形成的最小连通的封闭区块,区块边界即为道路约束,贴合道路,避免了将一个真实的地理要素划分到多个区块中,实现了对城市区域进行更有效的划分,解决了容易将一个真实的地理要素划分到多个区块中导致划分有效性差等问题。
在一个可选示例中,图3是本公开一个示例性实施例提供的步骤201的流程示意图,本示例中,步骤201具体可以包括以下步骤:
步骤2011,获取待划分区域的各道路的坐标点集及道路之间的交点。
具体的,可以基于OpenStreetMap(简称OSM),提取待划分区域的各道路的坐标点集及道路之间的交点,OpenStreetMap是开源的地图数据库,主要包含高速公路、铁路、水系、水域、边界以及建筑等图层,包含全球的数据。
步骤2012,以道路之间的交点为路网节点,以各道路的坐标点集为边构建待划分区域的区域路网图。
在一个可选示例中,可以将区域路网图进行可视化展示。示例性的,图4是本公开一示例性实施例提供的构建的图的示例性示意图,本示例中,一个图(graph)是指一些顶点的集合,这些顶点通过一系列边结对(连接)。顶点用圆圈表示,边就是这些圆圈之间的连线。顶点之间通过边连接。图5是本公开一示例性实施例提供的区域路网图的示例性示意图。
步骤2013,将区域路网图作为区域路网数据。
在一个可选示例中,在以道路之间的交点为路网节点,以各道路的坐标点集为边构建待划分区域的区域路网图之后,本公开的方法还包括:遍历区域路网图,将无效的路网节点去除,并连接该路网节点的邻边,获得预处理后的第一区域路网图;将第一区域路网图作为区域路网数据。
具体的,无效的路网节点是指构建的区域路网图中实际不符合预设路网节点规则的路网节点,预设路网节点规则可以根据实际需求设置,比如,构建的区域路网图可能存在路网节点的度小于2的情况,以及路网节点的度等于2且路网节点连接的两条道路平行的情况,路网节点的度是指该路网节点连接的边的数量,度小于2表示该路网节点并非是两道路的交点,认为是无效的路网节点,两道路相交至少应有2个边,比如L形路口度为2,T形路口度为3,十字路口度为4,但若度为2而两条道路平行,表示该路网节点并非是两条道路的交点,两条道路是同一条道路的两部分,那么将该路网节点也认为是无效的路网节点。路网节点是否有效的具体判断可以根据实际需求设置,本公开不做限定。
本公开通过对构建的区域路网图进行预处理,去除无效的路网节点,从而减少无效节点,提高区域路网数据的有效性,进而减少Delaunay三角剖分节点数量,提高数据处理效率。
在一个可选示例中,对区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,包括:基于Delaunay三角剖分算法中对区域路网数据中的路网节点数据进行三角剖分,获得剖分结果。在一个示例性实施例中,可基于Delaunay三角剖分算法的逐点***算法对区域路网数据中的路网节点数据进行三角剖分,获得剖分结果。
具体的,Delaunay三角剖分过程包括:首先构造一个极大三角形放入三角形队列,使得要剖分的路网节点的点集中所有路网节点都落在该三角形里面;其次,逐一地***各路网节点,每***一个路网节点,在三角形队列中找出外接圆包含***点的三角形(称为该***点的影响三角形),删除影响三角形的公共边,将***点同影响三角形的全部顶点连接起来,构成若干个以***点为共同顶点的新三角形放入三角形队列,完成一个点在Delaunay三角形队列中的***,以此类推,直至将所有路网节点***完毕,即完成了待划分区域的三角剖分。
示例性的,图6是本公开一示例性实施例提供的Delaunay三角剖分的示意图。
在一个可选示例中,步骤203的基于区域路网数据中的道路数据,将剖分结果中的三角形进行合并,获得至少一个最小连通区块,包括:采用深度优先遍历方式遍历剖分结果中的三角形,针对其中的第一三角形,基于区域路网数据中的道路数据,判断第一三角形的边是否存在对应的道路,若第一三角形中第一边不存在对应的道路,则判断第一边的邻接三角形中的第二边是否存在对应的道路;若第一边存在对应的道路,则继续判断第一三角形中的第一边的下一条边,以此类推,直至回到初始三角形的初始边,获得需要合并的第一三角形组;再针对除已经获得的需要合并的三角形组外的第二三角形进行上述步骤,获得需要合并的第二三角形组;以此类推,获得至少一个需要合并的三角形组;将需要合并的三角形组中不存在对应道路的边去除,实现三角形组的合并,获得对应的最小连通区块。
具体的,三角剖分中的每个三角形都由顶点和边构成,三角剖分的结果仅仅是将待划分区域划分成了多个基于路网节点的小块,而没有利用到道路约束,本公开基于深度优先遍历方式进行区域生长,将连通的三角形合并起来,形成最终的最小连通区块。具体来说,通过深度优先遍历剖分结果中的三角形,找出每个三角形的边是否有真实道路存在,具体通过三角形的顶点坐标确定边的坐标,与道路数据中与顶点坐标对应的道路节点之间的道路坐标进行对比来确定该边是否存在真实道路。若不存在真实道路则搜索该边邻接三角形,若存在真实道路则搜索该三角形中该边的下一条边,直至完全回到第一个三角形的初始边,在此过程中深度搜索的三角形即为互相连通的子域,将这组三角形作为一个三角形组,以此类推,确定出所有互相连通的三角形组。最终将各三角形组中的三角形合并,即获得最小连通区块。
深度优先遍历是树和图算法中的一种,从初始访问节点出发,初始访问节点可能有多个邻接节点,深度优先遍历的策略是首先访问第一个邻接结点,然后再以这个被访问的邻接节点作为初始节点,访问它的第一个邻接节点,也即每次都在访问完当前节点后首先访问当前结点的第一个邻接结点。
本公开基于深度优先遍历确定连通的三角形组,深度优先遍历的访问策略是优先往纵向挖掘深入,而不是对一个节点的所有邻接节点进行横向访问。因此,可以有效探索多个三角形的子域是否是连通的。
在一个可选示例中,图7是本公开一个示例性实施例提供的步骤204的流程示意图。本示例中,步骤204具体可以包括以下步骤:
步骤2041,获取各最小连通区块的中心点坐标。
具体的,各最小连通区块的中心点坐标可以根据最小连通区块的边界坐标(即封闭该最小连通区块的道路坐标)获得,比如根据边界坐标进行加和平均获得中心点坐标,中心点坐标的确定方式可以根据实际需求设置。
步骤2042,针对待划分区域中的第一兴趣点,基于第一兴趣点的坐标及各最小连通区块的中心点坐标,确定第一兴趣点与各最小连通区块的中心点的距离。
其中,第一兴趣点可以是待划分区域中的任一兴趣点,第一兴趣点的坐标可以是一个坐标点,也可以是多个坐标点形成的坐标点集。比如第一兴趣点为一学校,学校占有一定的面积,根据实际需求,可以将学校作为一个坐标点表示,也可以用一定面积的多个坐标点表示,本公开不做限定。第一兴趣点与最小连通区块中心点的距离通过第一兴趣点的坐标和最小连通区块中心点的坐标计算获得,具体计算方式可以采用任意可实施的方式,本实施例不做限定。
步骤2043,根据第一兴趣点与各最小连通区块的中心点的距离,确定第一兴趣点所属的最小连通区块。
具体的,可以将与第一兴趣点距离最近的一个最小连通区块作为第一兴趣点所属的最小连通区块,但是,由于最小连通区块的形状可能并不是规则的形状,其中心点不一定位于最小连通区块内部,比如“凹”形区块中心点坐标可能在区块外部,甚至在其他区块内部,容易导致兴趣点归属有误,为了避免这种情况,可以进一步根据第一兴趣点坐标与该最小连通区块的边界坐标进行判断,确定第一兴趣点坐标是否确实位于该最小连通区块内部,若不在,则可以进一步判断与第一兴趣点次近的最小连通区块,直至确定第一兴趣点的归属。
步骤2044,基于各兴趣点所属的最小连通区块,获得待划分区域的划分结果。
确定了各兴趣点所属的最小连通区块后,即确定了待划分区域划分的各最小连通区块的边界(即道路)及区块内包含的地理要素(兴趣点),因此实现了对待划分区域的划分。
本公开通过最小连通区块中心点先筛选出第一兴趣点可能的归属,再进行进一步确认,避免了将第一兴趣点逐一与各最小连通区块匹配,有效提高了数据处理效率。
在一个可选示例中,在将兴趣点映射到最小连通区块时,可以采用空间索引技术进行高效检索,空间索引技术比如可以是KD-tree、Ball-Tree等,具体可以根据实际需求设置。具体的,基于空间索引技术建立最小连通区块标识与其中心坐标及路网节点坐标、道路坐标点集的空间索引,基于建立的空间索引进行高效检索确定兴趣点所属的最小连通区块,有效提高检索效率。
在一个可选示例中,在将待划分区域的各兴趣点映射到各最小连通区块中,获得待划分区域的划分结果之后,本公开的方法还包括:基于预设分类规则对划分结果中的最小连通区块进行分类,获得分类结果;基于分类结果,确定各最小连通区块对应的区域属性。
其中,预设分类规则可以根据实际需求设置,比如可以采用聚类算法进行分类,也可以是其他分类规则,本实施例不做限定。区域属性可以根据实际需求设置,比如可以包括学区属性、交通便利属性、就医便利属性等等。比如一个最小连通区块中包括2个学校,将其分类归属为学区属性。分类所基于的数据是各最小连通区块中包括的兴趣点情况,比如包括2个学校、3个医院、5个公交站等,具体可以根据实际需求设置。
在一个可选示例中,基于预设分类规则对划分结果中的最小连通区块进行分类,获得分类结果,包括:基于各最小连通区块中包括的兴趣点获取各最小连通区块的特征数据;采用预设聚类算法对各最小连通区块的特征数据进行聚类,获得聚类结果;将聚类结果作为分类结果。
其中,最小连通区块的特征数据是对该最小连通区块中的兴趣点进行统计分析获得的兴趣点特征,比如某最小连通区块包括2个学校、3个医院、5个公交站,形成的该最小连通区块的特征数据为3维向量[学校:2,医院:3,公交站5]。在获得各最小连通区块的特征数据后,可以采用预设聚类算法对这些特征数据进行聚类,实现对各最小连通区块的分类。
在一个可选示例中,预设聚类算法可以采用K-means、层次聚类以及GMM高斯混合模型等中的任意一种,具体可以根据实际需求设置。
聚类算法是无监督学习,只需要数据,而不需要标记结果,通过学习训练,用于发现共同的群体。给定n个训练样本(未标记),如:{X1,X2,...,Xn},同时给定聚类的个数K。目标:把比较接近的样本聚到一个簇类(cluster)里,总共得到K个簇类(cluster),本公开中聚类的目的是将最小连通区块通过特征属性聚合起来,获得区域属性相同的最小连通区块簇类。
在一个可选示例中,还可以将待划分区域的划分结果进行可视化展示。
示例性的,图8是本公开一示例性实施例提供的区域划分方法的一种示例性流程示意图。本示例中,该方法包括以下步骤:
1、从OSM地图数据库中获取待划分区域的地图数据。
2、从待划分区域的地图数据中抽取待划分区域的各道路的坐标点集及道路之间的交点,构建待划分区域的区域路网图。
3、对上述获得的区域路网图进行预处理,去除无效路网节点,获得第一区域路网图作为区域路网数据。
4、从区域路网数据中提取路网节点进行Delaunay三角剖分,获得三角形集合。
5、从区域路网数据中提取道路数据,对步骤4获得的三角形集合进行区域生长,形成最小连通区块。
6、在最小连通区块融入待划分区域的兴趣点POI(即将兴趣点映射到相应的最小连通区块),获得待划分区域的划分结果。
7、划分结果最小连通区块特征化,即获取各最小连通区块的特征数据。
8、最小连通区块聚类,获得分类结果。
本公开的区域划分方法,通过OpenStreetMap分析以及提取待划分区域(比如某城市)道路、节点,构建成路网图graph,采用Delaunay三角剖分,将由路网节点构建的城市空间剖分成具有最大化最小角性质的三角形组成的最小元空间。由于Delaunay三角剖分的性质,该剖分的最小元空间,具备唯一性、最优性、最接近等性质,可以满足划分最小区域的基本需求。再通过搜索方法(depth first search)结合图属性(edges)将元空间生长出最小连通区块。获得的最小连通区块的边界即为道路约束,天然贴合道路,且不同区块仅共享一条边,因此实现了路网约束下的细粒度区块边界生成,且不重叠,能够构建出具有地理意义的城市细粒度划分,结合空间索引(KD-tree,Ball-Tree等)技术进行高效检索,可以将城市兴趣点与划分的区块进行关联,进而得到每个划分的特征向量表示,得到一组被映射到同一空间的特征向量,最终通过聚类将各区块进行分类,确定出各区块的区域属性,还可以将各区块的区域属性进行展示,以便于相关人员查看了解各区块的区域属性,比如对于房产领域,各房产经纪人可以了解各楼盘所在区块的区域属性,更好地为用户提供服务,比如该楼盘为学区房,交通便利,就医便利等等。解决了在较粗粒度上对城市进行划分,精度低,且容易将同一地理要素划分到多个区块中,且有可能划分出影响现实地理情况的区块,导致划分结果有效性较差等问题。
本公开实施例提供的任一种区域划分方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种区域划分方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种区域划分方法。下文不再赘述。
图9是本公开一示例性实施例提供的区域划分装置的结构示意图。该实施例的装置可用于实现本公开相应的方法实施例,如图9所示的装置包括:第一获取模块501、第一处理模块502、第二处理模块503和第三处理模块504。
第一获取模块501,用于获取待划分区域的区域路网数据,区域路网数据包括待划分区域的路网节点数据及各路网节点之间的道路数据。
第一处理模块502,用于对第一获取模块501获取的区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,剖分结果包括以各路网节点为顶点的多个三角形。
第二处理模块503,用于基于第一获取模块501获取的区域路网数据中的道路数据,将第一处理模块502获得的剖分结果中的三角形进行合并,获得至少一个最小连通区块,每个最小连通区块是由道路形成的封闭区块。
第三处理模块504,用于将待划分区域的各兴趣点映射到第二处理模块503获得的各最小连通区块中,获得待划分区域的划分结果。
在一个可选示例中,图10是本公开一示例性实施例提供的第一获取模块的结构示意图。第一获取模块501具体可以包括第一获取单元5011、第一处理单元5012和第二处理单元5013。第一获取单元5011,用于获取待划分区域的各道路的坐标点集及道路之间的交点;第一处理单元5012,用于以第一获取单元5011获取的道路之间的交点为路网节点,以各道路的坐标点集为边构建待划分区域的区域路网图;第二处理单元5013,用于将第一处理单元5012构建的区域路网图作为区域路网数据。
在一个可选示例中,第一处理单元5012,还用于遍历区域路网图,将无效的路网节点去除,并连接该路网节点的邻边,获得预处理后的第一区域路网图;第二处理单元5013,还用于将第一区域路网图作为区域路网数据。
在一个可选示例中,第一处理模块502,具体用于:基于Delaunay三角剖分算法对区域路网数据中的路网节点数据进行三角剖分,获得剖分结果。在一个示例性实施例中,第一处理模块502可配置为基于Delaunay三角剖分算法的逐点***算法对区域路网数据中的路网节点数据进行三角剖分,获得剖分结果。
在一个可选示例中,第二处理模块503,具体用于:采用深度优先遍历方式遍历剖分结果中的三角形,针对其中的第一三角形,基于区域路网数据中的道路数据,判断第一三角形的边是否存在对应的道路,若第一三角形中第一边不存在对应的道路,则判断第一边的邻接三角形中的第二边是否存在对应的道路;若第一边存在对应的道路,则继续判断第一三角形中的第一边的下一条边,以此类推,直至回到初始三角形的初始边,获得需要合并的第一三角形组;再针对除已经获得的需要合并的三角形组外的第二三角形进行上述步骤,获得需要合并的第二三角形组;以此类推,获得至少一个需要合并的三角形组;将需要合并的三角形组中不存在对应道路的边去除,实现三角形组的合并,获得对应的最小连通区块。
在一个可选示例中,第三处理模块504,具体用于:获取各最小连通区块的中心点坐标;针对待划分区域中的第一兴趣点,基于第一兴趣点的坐标及各最小连通区块的中心点坐标,确定第一兴趣点与各最小连通区块的中心点的距离;根据第一兴趣点与各最小连通区块的中心点的距离,确定第一兴趣点所属的最小连通区块;基于各兴趣点所属的最小连通区块,获得待划分区域的划分结果。
在一个可选示例中,图11是本公开另一示例性实施例提供的区域划分装置的结构示意图。本示例中,本公开的装置还包括:第四处理模块505和确定模块506。第四处理模块505,用于基于预设分类规则对划分结果中的最小连通区块进行分类,获得分类结果;确定模块506,用于基于分类结果,确定各最小连通区块对应的区域属性。
在一个可选示例中,第四处理模块505,具体用于:基于各最小连通区块中包括的兴趣点获取各最小连通区块的特征数据;采用预设聚类算法对各最小连通区块的特征数据进行聚类,获得聚类结果;将聚类结果作为分类结果。
另外,本公开实施例还提供了一种电子设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现本公开上述任一实施例所述的区域划分方法。
图12为本公开电子设备一个应用实施例的结构示意图。如图12所示,电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器可以运行所述程序指令,以实现上文所述的本公开的各个实施例的区域划分方法以及/或者其他期望的功能。
在一个示例中,电子设备还可以包括:输入装置和输出装置,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
此外,该输入装置还可以包括例如键盘、鼠标等等。
该输出装置可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出设备可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图12中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的区域划分方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的区域划分方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。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。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言,由于其与方法实施例基本对应,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。
本公开中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (11)
1.一种区域划分方法,其特征在于,包括:
获取待划分区域的区域路网数据,所述区域路网数据包括所述待划分区域的路网节点数据及各路网节点之间的道路数据;
对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,所述剖分结果包括以各路网节点为顶点的多个三角形;
基于所述区域路网数据中的道路数据,将所述剖分结果中的三角形进行合并,获得至少一个最小连通区块,每个最小连通区块是由道路形成的封闭区块;
将待划分区域的各兴趣点映射到各最小连通区块中,获得所述待划分区域的划分结果。
2.根据权利要求1所述的方法,其特征在于,所述获取待划分区域的区域路网数据,包括:
获取待划分区域的各道路的坐标点集及道路之间的交点;
以道路之间的交点为路网节点,以各道路的坐标点集为边构建所述待划分区域的区域路网图;
将所述区域路网图作为所述区域路网数据。
3.根据权利要求2所述的方法,其特征在于,在以道路之间的交点为路网节点,以各道路的坐标点集为边构建所述待划分区域的区域路网图之后,所述方法还包括:
遍历所述区域路网图,将无效的路网节点去除,并连接该路网节点的邻边,获得预处理后的第一区域路网图;
将所述第一区域路网图作为所述区域路网数据。
4.根据权利要求1所述的方法,其特征在于,所述对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果,包括:
基于Delaunay三角剖分算法对所述区域路网数据中的路网节点数据进行三角剖分,获得剖分结果。
5.根据权利要求1所述的方法,其特征在于,所述基于所述区域路网数据中的道路数据,将所述剖分结果中的三角形进行合并,获得至少一个最小连通区块,包括:
采用深度优先遍历方式遍历所述剖分结果中的三角形,针对其中的第一三角形,基于所述区域路网数据中的道路数据,判断所述第一三角形的边是否存在对应的道路,若第一三角形中第一边不存在对应的道路,则判断所述第一边的邻接三角形中的第二边是否存在对应的道路;若第一边存在对应的道路,则继续判断所述第一三角形中的第一边的下一条边,以此类推,直至回到初始三角形的初始边,获得需要合并的第一三角形组;再针对除已经获得的需要合并的三角形组外的第二三角形进行上述步骤,获得需要合并的第二三角形组;以此类推,获得至少一个需要合并的三角形组;
将所述需要合并的三角形组中不存在对应道路的边去除,实现三角形组的合并,获得对应的最小连通区块。
6.根据权利要求1所述的方法,其特征在于,所述将待划分区域的各兴趣点映射到各最小连通区块中,获得所述待划分区域的划分结果,包括:
获取各最小连通区块的中心点坐标;
针对所述待划分区域中的第一兴趣点,基于所述第一兴趣点的坐标及各所述最小连通区块的中心点坐标,确定所述第一兴趣点与各最小连通区块的中心点的距离;
根据所述第一兴趣点与各最小连通区块的中心点的距离,确定所述第一兴趣点所属的最小连通区块;
基于各兴趣点所属的最小连通区块,获得所述待划分区域的划分结果。
7.根据权利要求1-6任一所述的方法,其特征在于,在将待划分区域的各兴趣点映射到各最小连通区块中,获得所述待划分区域的划分结果之后,所述方法还包括:
基于预设分类规则对所述划分结果中的最小连通区块进行分类,获得分类结果;
基于所述分类结果,确定各最小连通区块对应的区域属性。
8.根据权利要求7所述的方法,其特征在于,所述基于预设分类规则对所述划分结果中的最小连通区块进行分类,获得分类结果,包括:
基于各最小连通区块中包括的兴趣点获取各最小连通区块的特征数据;
采用预设聚类算法对各最小连通区块的特征数据进行聚类,获得聚类结果;
将所述聚类结果作为所述分类结果。
9.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序,且所述计算机程序被执行时,实现上述权利要求1-8任一所述的方法。
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,该计算机程序被处理器执行时,实现上述权利要求1-8任一所述的方法。
11.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现上述权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111503542.7A CN114169771A (zh) | 2021-12-09 | 2021-12-09 | 区域划分方法和装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111503542.7A CN114169771A (zh) | 2021-12-09 | 2021-12-09 | 区域划分方法和装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114169771A true CN114169771A (zh) | 2022-03-11 |
Family
ID=80485206
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111503542.7A Pending CN114169771A (zh) | 2021-12-09 | 2021-12-09 | 区域划分方法和装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114169771A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114777793A (zh) * | 2022-06-16 | 2022-07-22 | 盈嘉互联(北京)科技有限公司 | 一种面向任意导航主体的bim地图提取及路径规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108074253A (zh) * | 2017-12-25 | 2018-05-25 | 中国地质大学(武汉) | 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 |
CN108242203A (zh) * | 2016-12-23 | 2018-07-03 | 中兴通讯股份有限公司 | 一种区域划分方法及装置 |
CN110726418A (zh) * | 2019-10-10 | 2020-01-24 | 北京百度网讯科技有限公司 | 兴趣点区域确定方法、装置、设备及存储介质 |
CN111737392A (zh) * | 2020-06-22 | 2020-10-02 | 北京百度网讯科技有限公司 | 合并楼块数据的方法、装置、设备及存储介质 |
-
2021
- 2021-12-09 CN CN202111503542.7A patent/CN114169771A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108242203A (zh) * | 2016-12-23 | 2018-07-03 | 中兴通讯股份有限公司 | 一种区域划分方法及装置 |
CN108074253A (zh) * | 2017-12-25 | 2018-05-25 | 中国地质大学(武汉) | 一种基于Delaunay三角剖分的多层级矢量道路网匹配方法 |
CN110726418A (zh) * | 2019-10-10 | 2020-01-24 | 北京百度网讯科技有限公司 | 兴趣点区域确定方法、装置、设备及存储介质 |
CN111737392A (zh) * | 2020-06-22 | 2020-10-02 | 北京百度网讯科技有限公司 | 合并楼块数据的方法、装置、设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114777793A (zh) * | 2022-06-16 | 2022-07-22 | 盈嘉互联(北京)科技有限公司 | 一种面向任意导航主体的bim地图提取及路径规划方法 |
CN114777793B (zh) * | 2022-06-16 | 2022-09-20 | 盈嘉互联(北京)科技有限公司 | 一种面向任意导航主体的bim地图提取及路径规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | A multi-parameter approach to automated building grouping and generalization | |
JP2020523650A (ja) | ジオフェンスのインデックスグリッドを判断するための方法及び装置 | |
Richter et al. | Object class segmentation of massive 3D point clouds of urban areas using point cloud topology | |
Deng et al. | Recognizing building groups for generalization: a comparative study | |
Mao et al. | Detection and typification of linear structures for dynamic visualization of 3D city models | |
Schoier et al. | Spatial data mining for highlighting hotspots in personal navigation routes | |
Hu et al. | A framework to detect and understand thematic places of a city using geospatial data | |
Mazurkiewicz et al. | Not arbitrary, systematic! average-based route selection for navigation experiments | |
Wang et al. | Spatial query based virtual reality GIS analysis platform | |
Zhang et al. | Automatic latent street type discovery from web open data | |
CN114169771A (zh) | 区域划分方法和装置、电子设备和存储介质 | |
He et al. | Footprint-based generalization of 3D building groups at medium level of detail for multi-scale urban visualization | |
Liu et al. | A point-set-based approximation for areal objects: A case study of representing localities | |
Li et al. | A multi‐scale partitioning and aggregation method for large volumes of buildings considering road networks association constraints | |
Bucher et al. | Towards a typology of spatial relations and properties for urban applications | |
CN111339446B (zh) | 一种兴趣点挖掘方法、装置、电子设备和存储介质 | |
Zhu et al. | Towards semantic 3D city modeling and visual explorations | |
CN113658338A (zh) | 点云树木单体分割方法、装置、电子设备及存储介质 | |
Cao et al. | Mining spatio-temporal semantic trajectory for groups identification | |
Bai et al. | Determining topological relations of uncertain spatiotemporal data based on counter-clock-wisely directed triangle | |
Feld et al. | Approximated environment features with application to trajectory annotation | |
Ujang et al. | Temporal three-dimensional ontology for geographical information science (GIS)—A review | |
Nasir et al. | Managing Indoor Movable Assets in 3D using CityGML for Smart City Applications | |
Zhao et al. | Efficient semantic enrichment process for spatiotemporal trajectories | |
Fan et al. | Lane‐Level Road Map Construction considering Vehicle Lane‐Changing Behavior |
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 |