CN117171595A - 道路生成方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提供了道路生成方法、装置、设备及存储介质，涉及数据处理领域，尤其涉及电子地图、云计算、大数据技术领域。具体实现方案为：获取待处理的位置数据；采用基于密度的聚类算法对位置数据进行聚类分析，得到数据簇；获取数据簇中的作为边界点的经纬度坐标，得到边界点集合；采用边界点发现算法将边界点集合中的经纬度坐标依次进行连接，并根据连接完成的边界点绘制得到道路图。通过上述方案，节省了开发运维成本，保证了道路生成的灵活性和适用性。

Description

道路生成方法、装置、设备及存储介质

技术领域

本公开涉及数据处理领域中的电子地图、云计算、大数据技术，尤其涉及一种道路生成方法、装置、设备及存储介质。

背景技术

电子地图即数字地图，是利用计算机技术，以数字方式存储和查阅的地图。电子地图可作为信息的载体向用户提供数据信息。

在当今，电子地图成为人们了解生活的必要手段，因此人们对于电子地图的精度以及准确度的需要也越来越高，通常都是通过人为获取区域信息进行电子地图的绘制。

然而，人工通过第三方工具获取区域信息，会导致地图道路的绘制成本较高。

发明内容

本公开提供了一种用于地图绘制的道路生成方法、装置、设备及存储介质。

根据本公开的第一方面，提供了一种道路生成方法，包括：

获取待处理的位置数据，所述位置数据中包括多个车辆的经纬度坐标；

采用基于密度的聚类算法对所述位置数据进行聚类分析，得到数据簇，所述数据簇中包括了满足所述聚类算法设置的参数条件的多个经纬度坐标；

获取所述数据簇中的作为边界点的经纬度坐标，得到边界点集合；

采用边界点发现算法将所述边界点集合中的经纬度坐标依次进行连接，并根据连接完成的边界点绘制得到道路图，其中，所述边界点算法为根据设置的范围半径，角度阈值进行边界点筛选的算法。

根据本公开的第二方面，提供了一种道路生成装置，包括：

第一获取单元，用于获取待处理的位置数据，所述位置数据中包括多个车辆的经纬度坐标；

分析单元，用于采用基于密度的聚类算法对所述位置数据进行聚类分析，得到数据簇，所述数据簇中包括了满足所述聚类算法设置的参数条件的多个经纬度坐标；

第二获取单元，用于获取所述数据簇中的作为边界点的经纬度坐标，得到边界点集合；

连接单元，用于采用边界点发现算法将所述边界点集合中的经纬度坐标依次进行连接，并根据连接完成的边界点绘制得到道路图，其中，所述边界点算法为根据设置的范围半径，角度阈值进行边界点筛选的算法。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本公开的第四方面，提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。

根据本公开的第五方面，提供一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。

根据本公开的技术解决了地图道路绘制成本高的问题。通过基于密度的聚类算法对获取到的位置数据进行聚类分析，得到数据簇，并采用边界点发现算法将数据簇中的边界点的经纬度坐标进行连接，实现道路的绘制，通过使用算法对位置数据分析，摆脱了对数据处理工具的依赖，进而降低了绘制成本。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是可以实现本公开实施例的道路生成方法的场景图；

图2为本公开第一实施例提供的一种道路生成方法的流程示意图；

图3是可以实现获取待处理的位置数据的***架构图；

图4为本公开第二实施例提供的一种道路生成方法的流程示意图；

图5是目标边界点和目标线段的结构示意图；

图6是目标边界点筛选流程的第一示意图；

图7是目标边界点筛选流程的第二示意图；

图8是目标边界点筛选流程的第三示意图；

图9是目标边界点筛选流程的第四示意图；

图10为本公开第三实施例提供的一种道路生成方法的流程示意图；

图11是本公开数据簇示意图；

图12是本公开边界点集合示意图；

图13为本公开第四实施例提供的一种道路生成方法的流程示意图；

图14为本公开第五实施例提供的一种道路生成方法的流程示意图；

图15是用来实现本公开实施例的道路生成方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

相关技术中，电子地图即数字地图，是利用计算机技术，以数字方式存储和查阅的地图。电子地图可作为信息的载体向用户提供数据信息。目前，电子地图成为人们了解生活的必要手段，因此人们对于电子地图的精度以及准确度的需求也越来越高，对于电子地图的生成，通常都是通过人工获取区域信息进行电子地图的绘制。但是人工通过第三方工具获取区域信息，会导致地图道路的绘制成本较高，而且还会影响地图精度，具有一定的局限性。

针对现有存在的这种问题，本公开的技术构思过程如下：发明人在研究电子地图道路绘制的过程中，发现人工对电子地图进行绘制，很容易受到人为主观影响，若是通过摇感影像和地理信息***对电子地图进行绘制，需要大量的开发运维成本，而且遥感影像不仅具有分辨率的限制，还会受到偏远地区的限制，从而导致绘制的道路精度不足。为了节省成本，提高电子地图的精度，也可以结合其他位置数据，摆脱绘图工具，实现电子地图的绘制。因此，发明人考虑是否可以采用多个车辆上报的位置信息进行分析，结合聚类算法和边界点发现算法对电子地图进行绘制。

基于上述技术构思过程，本公开提供了一种道路生成方法，应用于后台服务器中，可在车辆自身的位置信息中筛选出经纬度坐标，然后经过基于密度的聚类算法对经纬度坐标进行聚类分析，得到数据簇，最后通过边界点发现算法将数据簇中边界点进行连接，得到道路图。实现了低成本的地图绘制。由于采用了车辆自身的位置信息，从而降低了借助第三方工具获取位置信息的开发运维成本，采用算法对位置信息进行分析，避免了第三方工具分辨率低而导致的地图精度低的问题，与此同时还增强了适用性。

图1是可以实现本公开实施例的道路生成方法的场景图。如图1所示，该应用场景至少包括：应用平台100、服务器101、显示器102，多个车辆103以及每个车辆103配置的车载设备104，图中仅用一个车辆作为示意，在实际应用中需要大量的车辆上报的位置数据。其中，应用平台100在有地图绘制需求时，控制车辆103上报位置信息，该位置信息中可以包括全球定位***(Global Positioning System，GPS)数据，或者北斗卫星***(BeidouNavigation Satellite System，BDS)数据，或者伽利略定位***(Galileo satellitenavigation system，GSNS)数据等，对此本方案不做限制。在该方案中，应理解，位置信息可以是车辆103自身的定位模块上报的位置信息，也可以是车载设备104上报的位置信息，又或者包括车辆103的定位模块上报的位置信息和车载设备104上报的位置信息。服务器101接收到车辆103上报的位置信息后，对位置信息预处理得到待处理的位置数据，再通过基于密度的聚类算法对位置数据进行聚类，得到数据簇，并筛选出边界点集合，最后通过边界点发现算法将边界点集合中每个点进行连接，得到道路图，最后道路图由显示器102展示。

可选的，图1示出了一辆车辆和该车辆配置的一个车载设备。本公开并不对车辆、车载设备的数量进行限定，其可以根据实际场景确定，此处不再赘述。

可以理解的是，图1示出的场景示意图仅是一种示例性说明。在实际应用中，该场景示意图中还可以包括其他设备，例如，存储设备等，具体可以根据实际需求进行调整，本公开并不对其进行限定。本公开实施例也不对应用场景中包括的各种设备的实际形态进行限定，也不对设备之间的交互方式进行限定，在方案的具体应用中，可以根据实际需求设定。

需要说明的是，车载设备104可以是任意可装载在车辆103中并配置有定位***的电子设备。应用平台100可以是任意具有地图绘制需求的电子平台。

本公开提供一种道路生成方法、装置、设备及存储介质，应用于数据处理领域中的电子地图、云计算、大数据技术，以达到降低绘制成本。

下述以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。

下面对本公开提供的道路生成方法的具体实现方案进行介绍。

图2为本公开第一实施例提供的一种道路生成方法的流程示意图，参考图2所示的道路生成方法，该方法可以配置为一道路生成装置，该道路生成装置可以位于电子设备中，电子设备例如可以为手机、云服务器、服务器集群、计算机、笔记本电脑等类型的设备，本公开中对电子设备的具体类型并不过多限定。道路生成方法可以包括下列步骤：

S201：获取待处理的位置数据。

可选地，待处理的位置数据可以是指多个车辆的经纬度坐标。图3是可以实现获取待处理的位置数据的***架构图，如图3所示，获取待处理的位置数据可以包括：通过车辆自身定位***模块获取位置信息，或者通过车辆配置的车载设备获取位置信息，又或者是通过车辆自身定位***模块和车辆配置的车载设备获取位置信息。参考图3，可以通过数据平台获取车辆自身定位***模块和车载设备上报的位置信息。由于获取到的位置信息为多个车辆的位置信息，则将每个车辆的位置信息汇总，得到位置信息集合并对位置信息集合中的异常数据进行预处理，得到待处理的位置数据。其中，该每个车辆的位置信息中包括车辆的经纬度坐标，也可以包括车辆位置的位置属性，还可以包括车辆的运行状态等。

可选地，车辆自身定位***模块可以是GPS定位***，也可以是伽利略定位***，又或者是北斗定位***等，本公开实施例对车辆自身的定位***模块的具体类型不做具体限定。

需要说明的是，车辆配置的车载设备可以是一个也可以是多个，车载设备可以是车载蓝牙设备，也可以是车载手机、车载手表等电子设备，并且车载设备中也同样配置有定位***，且对于车载设备的数量、类型以及配置的定位***的具体类型均不做具体限定。

可选地，车辆自身定位***模块和车载设备均至少包含一个接收机和一个微处理器，接收机用于接收卫星信号，微处理器用于根据卫星信号计算位置经纬度坐标。

S202：采用基于密度的聚类算法对位置数据进行聚类分析，得到数据簇。

在本步骤中，获取到待处理的位置数据后，为了能降低成本，简化处理过程，采用基于密度的聚类算法对位置数据进行聚类分析，得到数据簇，其中，数据簇是通过设置算法的参数，根据设置的参数进行聚类分析得到的，其含义是一段路程区域内的所有经纬度坐标对应的点的集合，因此数据簇中包括了满足聚类算法设置的参数条件的多个经纬度坐标。

具体的，将位置数据转化为基于密度的聚类算法的输入数据格式，根据聚类算法设置的参数条件，通过基于密度的聚类算法的聚类分析计算，将位置数据聚类为包含了边界点、核心点和噪点的数据簇。

需要说明的是，基于密度的聚类算法可以是DBSCAN算法，聚类算法设置的参数条件包括：邻域半径和最小点数。其中，邻域半径和最小点数用于将位置数据进行分类，具体分类为边界点、核心点和噪点，还可以用于确定不同类型点之间的关系，具体关系包括密度直达，密度可达，密度相连，非密度相连。

S203：获取数据簇中的作为边界点的经纬度坐标，得到边界点集合。

在本步骤中，通过基于密度的聚类算法对位置数据聚类分析得到数据簇后，由于道路特征为具有边界，则通过边界点确定道路轮廓更具有准确性。因此获取出数据簇中的边界点的经纬度坐标，组合成边界点集合。

S204：采用边界点发现算法将边界点集合中的经纬度坐标依次进行连接，并根据连接完成的边界点绘制得到道路图。

在本步骤中，在得到边界点集合后，为了能够简便、快速的将道路绘制出来，因此采用边界点发现算法对边界点集合中的边界点进行筛选，并依次进行连接，最后根据连接完成的边界点绘制得到道路图。其中，边界点算法为根据设置的范围半径，角度阈值进行边界点筛选的算法。

具体的，为了使得绘制的地图道路更加精准平滑，根据范围半径和角度阈值在边界点集合中对边界点进行依次筛选并将筛选的边界点依次连接，从而得到道路图。

需要说明的是，范围半径和角度阈值可根据实际场景需求进行设定，本公开实施例不作限定。

本实施例提供的道路生成方法，采用基于密度的聚类算法对获取到的待处理的位置数据进行聚类分析，进而在聚类分析得到的数据簇中筛选出边界点集合，再采用边界点发现算法对边界点集合中的边界点进行筛选依次连接，最后根据连接完成的边界点绘制得到道路图。采用车辆自身位置数据进行道路绘制，并且采用简单便捷的算法进行数据分析，进而绘制道路图，相较于人工利用区域信息获取工具以及绘制工具，节省了开发运维成本，避免了因区域信息获取工具分辨率低而导致的道路图精度低的问题，同时增强了适用性。

为使读者更深刻地理解本公开的实现原理，现结合以下图4-图12对图2所示的实施例进行进一步细化。

图4为本公开第二实施例提供的一种道路生成方法的流程示意图，参考图4所示的道路生成方法，与前述实施例的不同之处在于，本实施例是对采用边界点发现算法将边界点集合中的经纬度坐标依次进行连接的进一步细化，则对应的细化方案可以包括一下步骤：

S401：从边界点集合中选择任一边界点作为起始点。

在本步骤中，对边界点集合中的边界点进行筛选连接，可以选择任意的一个点作为起始点。

S402：根据边界点集合中的每个边界点的经纬度坐标，从边界点集合中获取出与起始点距离最近的目标边界点，将目标边界点与起始点进行连接得到目标线段。

在本步骤中，为了使得绘制的道路图精度高，更加准确，则根据边界点集合中的每个边界点的经纬度坐标，计算每个边界点与起始点之间的距离，进而得到与起始点距离最近的目标边界点，将目标边界点与起始点进行连接得到目标线段。

示例性的，图5是目标边界点和目标线段的结构示意图，参考图5，以起始点A坐标为(1，1，1)为例，边界点集合中边界点点B坐标为(5，1，1)、点C坐标为(1，3，1)，采用点到点的距离公式计算点B和点C分别到点A的距离，得到点B到点A的距离为4，点C到点A的距离为2，则目标边界点为C，线段AC为目标线段。

需要说明的是，上述例子只是对目标边界点和目标线段进行示例，本公开实施例不对起始点的坐标，边界点集合中边界点的坐标及数量进行限定，可根据实际情况确定。

S403：从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，将目标边界点与新的边界点连接得到新的目标线段，重复本步骤直至将边界点集合中所有边界点连接完成。

在本步骤中，确定了目标边界点和目标线段后，为了使得绘制道路图更具有灵活性，并且为了保证绘制道路图的平滑度，通过预设的角度阈值对新的目标边界点进行筛选，则从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，进而将目标边界点与新的边界点连接得到新的目标线段，重复本步骤直至将边界点集合中所有边界点连接完成。

可选地，在圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，可以以与目标线段顺时针形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，并且在重复确定新的目标边界点的时候均以顺时针形成的角度进行判断。

可选地，还可以以与目标线段逆时针形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，并且在重复确定新的目标边界点的时候均以逆时针形成的角度进行判断。

本实施例提供的道路生成方法，在边界点集合中任选一点作为起始点，并选定边界点集合中边界点距离起始点最近的点作为目标边界点，目标边界点与起始点的线段作为目标线段，然后以目标边界点为圆心，范围半径为半径画圆，在圆形范围内与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，将目标边界点与新的边界点连接得到新的目标线段，重复本步骤直至将边界点集合中所有边界点连接完成。通过设定范围半径增加了本方案的灵活性，通过预设的角度阈值保证道路的平滑度，并且通过简单算法使得道路图的绘制易于实现。

进一步地，在上述任一实施例的基础上，步骤S403中，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，可以具体实现为以下几种方式：

第一种方式，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的顺时针角度在角度阈值范围内最小的边界点作为新的目标边界点。

示例性的，以角度阈值范围为[90°，120°]，目标边界点为C，范围半径为3为例，图6是目标边界点筛选流程的第一示意图，参考图6，在范围半径的圆内，筛选出边界点点D、点E、点F，将三个点与目标边界点C相连，得到的线段DC、EC、FC与目标线段的夹角分别为100°、109°、130°，则根据角度阈值范围，点F不符合，需要过滤掉，与目标线段形成的角度在角度阈值范围内最小的边界点为点D，则将点D作为新的目标边界点，线段DC作为新的目标线段。

第二种方式，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的逆时针角度在角度阈值范围内最小的边界点作为新的目标边界点。

示例性的，以角度阈值范围为[90°，120°]，目标边界点为C，范围半径为3为例，图7是目标边界点筛选流程的第二示意图，参考图7，范围半径圆形范围内筛选出边界点点D、点E、点F，上述三个点与目标线段逆时针形成的夹角分别为100°、165°、265°，根据角度阈值，满足与目标线段逆时针形成的夹角在角度阈值范围内的只有点D，则将点D作为新的目标边界点，线段DC作为新的目标线段。

需要说明的是，上述两种方式只是对新的目标边界点和新的目标线段进行示例，本公开实施例不对起始点的坐标，边界点集合中边界点的坐标及数量、范围半径、范围半径范围内的边界点数量以及边界点与目标线段的角度进行限定，可根据实际情况确定。

本实施例提供的道路生成方法，通过范围半径在圆形范围内筛选边界点，将圆形范围内与目标线段顺时针夹角或逆时针夹角在角度阈值范围内最小的边界点作为新的目标边界点。通过上述方法确定新的目标边界点，提高了道路图绘制的灵活性和精度。

进一步地，在上述任一实施例的基础上，在得到边界点集合，采用边界点发现算法对边界点集合中的经纬度坐标依次进行连接之前，还需要响应于用户的算法参数配置操作，配置范围半径和角度阈值。

用户采用边界点发现算法对边界点集合中的边界点进行筛选连接之前，用户还需要根据实际情况需求，对边界点发现算法的参数进行配置，进而响应于用户的算法参数配置操作，配置范围半径和角度阈值。

示例性的，用户可通过终端设备向服务器发送算法参数配置指令，服务器根据算法参数配置指令配置范围半径和角度阈值。其中，算法参数配置指令包括范围半径配置指令和角度阈值配置指令。

需要说明的是，用户的终端设备可以是任意可操作的智能设备，例如智能手机、笔记本电脑等，可执行算法参数配置指令的服务器也可以是其他可执行指令的电子设备，例如笔记本电脑等，算法参数配置指令中除了上述范围半径配置指令和角度阈值配置指令外，还可以包括其他参数配置指令，其他参数可以是任意用户设定的参数。

需要说明的是，上述例子只是配置算法参数的一个示例，本公开实施例对上述的实体设备以及参数的类型和数量均不作具体限定。

本实施例提供的道路生成方法，预先配置范围半径和角度阈值为边界点发现算法提供参数基础，并且范围半径和角度阈值可根据实际场景进行调整，增强了灵活性，并且通过设定范围半径和角度阈值，提高了道路图绘制的精准度和平滑度。

进一步地，在上述任一实施例的基础上，若边界点发现算法中还配置了边界点之间的路径长度阈值，则步骤S403中，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，还可以包括：

从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点。

在本步骤中，若边界点发现算法中还配置了边界点之间的路径长度阈值，为了使得绘制的道路图更加精准，则从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点。

可选地，在圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小并且与目标边界点的距离小于路径长度阈值的边界点作为新的目标边界点，可以以与目标线段顺时针形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，并且在重复确定新的目标边界点的时候均以顺时针形成的角度进行判断。

可选地，在圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小并且与目标边界点的距离小于路径长度阈值的边界点作为新的目标边界点，还可以以与目标线段逆时针形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，并且在重复确定新的目标边界点的时候均以逆时针形成的角度进行判断。

需要说明的是，与目标线段形成的角度在角度阈值范围内最小以及与目标边界点的距离小于路径长度阈值的判断，可以先进行角度的判断，再进行距离的判断；也可以先进行距离的判断，再进行角度的判断，本公开实施例对于距离与角度的判断顺序不做具体限定。

本实施例提供的道路生成方法，根据角度阈值和路径长度阈值，确定新的目标边界点，使得边界点的筛选更加精准，进而使得绘制的道路图更加准确。

进一步地，在上述实施例的基础上，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，可以具体实现为以下几种方式：

第一种方式，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的顺时针角度在角度阈值范围内最小的边界点作为新的目标边界点。

示例性的，以角度阈值范围为[90°，180°]，目标边界点为C，范围半径为5，路径长度阈值为3为例，图8是目标边界点筛选流程的第三示意图，参考图8，范围半径的圆内可以在边界点集合中筛选出边界点点D、点E、点F、点G，将上述四个点与目标边界点C连接，得到四个点与目标线段顺时针形成的夹角分别为110°、135°、160°、200°，则根据角度阈值范围，对上述四个点进行筛选，筛选出边界点点D、点E、点F在角度阈值范围内，接下来计算点D、点E、点F分别距离点C的距离，得到点D到点C的距离为2.8，点E到点C的距离为2.5，点F到点C的距离为4，根据路径长度阈值，对点D、点E、点F进行筛选，小于路径长度阈值的点为点D和点E，并且点D和点E与目标线段形成的角度最小的为点D，因此将点D作为新的目标边界点，线段DC作为新的目标线段。

第二种方式，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的逆时针角度在角度阈值范围内最小的边界点作为新的目标边界点。

示例性的，以角度阈值范围为[90°，180°]，目标边界点为C，范围半径为5，路径长度阈值为3为例，图9是目标边界点筛选流程的第四示意图，参考图9，范围半径的圆内可以在边界点集合中筛选出边界点点D、点E、点F、点G，将上述四个点与目标边界点C连接，得到四个点与目标线段逆时针形成的夹角分别为110°、135°、160°、200°，则根据角度阈值范围，对上述四个点进行筛选，筛选出边界点点D、点E、点F在角度阈值范围内，接下来计算点D、点E、点F分别距离点C的距离，得到点D到点C的距离为3.8，点E到点C的距离为2，点F到点C的距离为4，根据路径长度阈值，对点D、点E、点F进行筛选，小于路径长度阈值的点为点E和点F，并且点E和点F与目标线段形成的角度最小的为点E，因此将点E作为新的目标边界点，线段EC作为新的目标线段。

需要说明的是，上述两种方式只是对新的目标边界点和新的目标线段进行示例，本公开实施例不对起始点的坐标，边界点集合中边界点的坐标及数量、范围半径、范围半径范围内的边界点数量以及边界点与目标线段的角度、路径长度阈值进行限定，可根据实际情况确定。

本实施例提供的道路生成方法，通过范围半径在圆形范围内筛选边界点，将圆形范围内与目标边界点的距离小于路径长度阈值，并且与目标线段顺时针夹角或逆时针夹角在角度阈值范围内最小的边界点作为新的目标边界点。通过上述方法确定新的目标边界点，提高了道路图绘制的灵活性和精度。

可选的，在上述实施例的基础上，在采用边界发现算法对边界点集合中的经纬度坐标依次进行连接之前，响应于用户的算法参数配置操作，配置范围半径和角度阈值，还可以配置路径长度阈值。

本实施例提供的道路生成方法，通过响应于用户的算法参数配置操作，还配置路径长度阈值，从而提高了道路绘制的精准度。

图10为本公开第三实施例提供的一种道路生成方法的流程示意图，参考图10所示的道路生成方法，与前述实施例的不同之处在于，本实施例是对采用基于密度的聚类算法对位置数据进行聚类分析，得到数据簇的进一步细化，则对应的细化方案可以包括一下步骤：

S1001：将位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析，得到包括核心点，边界点以及噪点的数据簇。

在本步骤中，为了能够将获取到的待处理的位置数据进行简便快速的处理，进而实现对道路图的绘制，将位置数据中的经纬度坐标，输入到预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法中进行聚类分析，从而得到包括核心点，边界点以及噪点的数据簇。

示例性的，以每个点周围的半径为3，每个点周围的最小点数为5为例，对待处理的位置数据进行聚类分析，首先对待处理的位置数据进行分类，得到核心点、边界点和噪点，以任一点为中心，半径为3的圆形区域内待处理的位置数据点数大于或等于每个点周围的最小点数5，则将该任一点归类为核心点，核心点半径为3的圆形区域范围内待处理的位置数据点为边界点，既不是核心点也不是边界点的待处理的位置数据点为噪点，核心点密度可达的数据对象点形成数据簇。数据簇中包含核心点集合、边界点集合以及噪点集合，图11是本公开数据簇示意图，参考图11，图11示出了经过DBSCAN算法进行聚类分析后得到的数据簇(Core samples)。图12是本公开边界点集合示意图，参考图12，图12示出了数据簇中的边界点集合(Border samples)。

需要说明的是，上述例子只是对DBSCAN算法进行聚类分析进行示例，本公开实施例不对待处理的位置数据，每个点周围的最小点数、每个点周围的半径进行限定，可根据实际情况确定。

可选的，在上述聚类分析之前，还需要进行一下操作：

S1002：根据DBSCAN算法对应的输入数据格式，对位置数据进行格式转换处理，得到处理后的位置数据。

在本步骤中，为了能够实现DBSCAN算法对待处理的位置数据进行分析，还需要预先根据DBSCAN算法对应的输入数据格式，对位置数据进行格式转换处理，得到处理后的位置数据，

可选地，可以将待处理的位置数据加载成为数组、列表或者矩阵，得到处理后的位置数据。

进一步地，在上述步骤的基础上，将位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析，得到包括核心点，边界点以及噪点的数据簇，具体用于：

将处理后的位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析。

本实施例提供的道路生成方法，通过将待处理的位置数据进行格式转化处理，并将处理后的位置数据输入到DBSCAN算法中进行聚类分析，从而得到数据簇。通过DBSCAN算法对位置数据进行处理，降低了开发运维成本，并且实现了自动运维和修复，以此同时还对位置数据进行了噪声处理，不需要再对位置数据进行单独的噪声处理，节省了人力物力。

图13为本公开第四实施例提供的一种道路生成方法的流程示意图，参考图13所示的道路生成方法，与前述实施例的不同之处在于，本实施例是对获取待处理的位置数据的进一步细化，则对应的细化方案可以包括一下步骤：

S1301：接收多个车辆和/或车载设备上报的车辆的位置信息，得到车辆位置集合。

在本步骤中，为了节省开发和运维成本，直接采用车辆上报的位置信息作为基础数据，用来实现道路图的绘制，进而接收多个车辆、车载设备上报的车辆的位置信息，从而得到车辆的位置集合。

需要说明的是，位置集合可以是接收的多个车辆自身的定位***模块上报的位置信息，也可以是多个车辆的车载设备上报的位置信息，又或者是多个车辆自身的定位***模块上报的位置信息和车载设备上报的位置信息。

值得注意的是，本公开实施例对于上报位置信息的车辆的数量以及位置集合中包含的位置信息的类型不做具体限定。

S1302：对车辆位置集合中的异常数据进行清洗处理，得到待处理的位置数据。

在本步骤中，在接收到车辆上报的位置集合后，为了保证道路图绘制的精度和准确度，需要对车辆位置集合中的异常数据进行清洗处理，进而得到待处理的位置数据。

具体的，对于异常数据的清洗处理，可以采用excel、python、java程序对异常数据进行剔除，异常数据指的是位置集合中的经纬度坐标数据不完整的数据，例如与其他经纬度坐标差距较远或者没有经度或纬度的坐标数据。

本实施例提供的道路生成方法，通过获取车辆上报的位置集合，并对位置集合中异常数据进行清洗处理，得到待处理的位置数据。通过采用车辆自身数据作为绘制道路图的基础数据，与现有的利用三方工具获取数据的方式相比，节省了开发运维成本，并且使得本方案更具有适用性，而且经过对异常数据的清洗处理，使得绘制的道路图更精准。

图14为本公开第五实施例提供的一种道路生成方法的流程示意图，参考图14所示的道路生成装置1400，该装置可以包括一下单元：

第一获取单元1401，用于获取待处理的位置数据，位置数据中包括多个车辆的经纬度坐标；

分析单元1402，用于采用基于密度的聚类算法对位置数据进行聚类分析，得到数据簇，数据簇中包括了满足聚类算法设置的参数条件的多个经纬度坐标；

第二获取单元1403，用于获取数据簇中的作为边界点的经纬度坐标，得到边界点集合；

连接单元1404，用于采用边界点发现算法将边界点集合中的经纬度坐标依次进行连接，并根据连接完成的边界点绘制得到道路图，其中，边界点算法为根据设置的范围半径，角度阈值进行边界点筛选的算法。

在一种可能的设计中，连接单元1404，包括：

选择模块，用于从边界点集合中选择任一边界点作为起始点；

第一获取模块，用于根据边界点集合中的每个边界点的经纬度坐标，从边界点集合中获取出与起始点距离最近的目标边界点，将目标边界点与起始点进行连接得到目标线段；

第二获取模块，用于从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点，将目标边界点与新的边界点连接得到新的目标线段，重复本步骤直至将边界点集合中所有边界点连接完成。

可选的，第二获取模块，包括：

第一获取子模块，用于从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的顺时针角度在角度阈值范围内最小的边界点作为新的目标边界点；

或者，

第二获取子模块，用于从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标线段形成的逆时针角度在角度阈值范围内最小的边界点作为新的目标边界点。

在一种可能的设计中，道路生成装置，还包括：

第一配置单元1405，用于响应于用户的算法参数配置操作，配置范围半径和角度阈值。

在一种可能的设计中，若边界点发现算法中还配置了边界点之间的路径长度阈值，则第二获取模块，还包括：

第三获取子模块，用于从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的角度在角度阈值范围内最小的边界点作为新的目标边界点。

在一种可能的设计中，第三获取子模块，具体用于：

从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的顺时针角度在角度阈值范围内最小的边界点作为新的目标边界点；或者，从边界点集合中以目标边界点为圆心、范围半径作为半径的圆形范围内，获取出与目标边界点的距离小于路径长度阈值、且与目标线段形成的逆时针角度在角度阈值范围内最小的边界点作为新的目标边界点。

在一种可能的设计中，道路生成装置，还包括：

第二配置单元1406，用于响应于用户的算法参数配置操作，配置范围半径、角度阈值以及路径长度阈值。

在一种可能的设计中，分析单元，包括：

聚类分析模块，用于将位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析，得到包括核心点，边界点以及噪点的数据簇。

在一种可能的设计中，分析单元，还包括：

格式转换模块，用于根据DBSCAN算法对应的输入数据格式，对位置数据进行格式转换处理，得到处理后的位置数据；

相应的，聚类分析模块，具体用于：

聚类分析子模块，用于将处理后的位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析。

在一种可能的设计中，第一获取单元包括：

接收模块，用于接收多个车辆和/或车载设备上报的车辆的位置信息，得到车辆位置集合，每个车辆的位置信息中包括车辆的经纬度坐标；

清洗处理模块，用于对车辆位置集合中的异常数据进行清洗处理，得到待处理的位置数据。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

根据本公开的实施例，本公开还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。

图15示出了可以用来实施本公开的实施例的示例电子设备1500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图15所示，设备1500包括计算单元1501，其可以根据存储在只读存储器(ROM)1502中的计算机程序或者从存储单元1508加载到随机访问存储器(RAM)1503中的计算机程序，来执行各种适当的动作和处理。在RAM 1503中，还可存储设备1500操作所需的各种程序和数据。计算单元1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。

设备1500中的多个部件连接至I/O接口1505，包括：输入单元1506，例如键盘、鼠标等；输出单元1507，例如各种类型的显示器、扬声器等；存储单元1508，例如磁盘、光盘等；以及通信单元1509，例如网卡、调制解调器、无线通信收发机等。通信单元1509允许设备1500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1501执行上文所描述的各个方法和处理，例如道路生成方法。例如，在一些实施例中，道路生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1502和/或通信单元1509而被载入和/或安装到设备1500上。当计算机程序加载到RAM 1503并由计算单元1501执行时，可以执行上文描述的道路生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元1501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行道路生成方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式***的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (23)

1.一种道路生成方法，包括：

获取待处理的位置数据，所述位置数据中包括多个车辆的经纬度坐标；

采用基于密度的聚类算法对所述位置数据进行聚类分析，得到数据簇，所述数据簇中包括了满足所述聚类算法设置的参数条件的多个经纬度坐标；

获取所述数据簇中的作为边界点的经纬度坐标，得到边界点集合；

采用边界点发现算法将所述边界点集合中的经纬度坐标依次进行连接，并根据连接完成的边界点绘制得到道路图，其中，所述边界点算法为根据设置的范围半径，角度阈值进行边界点筛选的算法。

2.根据权利要求1所述的方法，其中，所述采用边界点发现算法将所述边界点集合中的经纬度坐标依次进行连接，包括：

从所述边界点集合中选择任一边界点作为起始点；

根据所述边界点集合中的每个边界点的经纬度坐标，从所述边界点集合中获取出与所述起始点距离最近的目标边界点，将所述目标边界点与所述起始点进行连接得到目标线段；

从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的角度在所述角度阈值范围内最小的边界点作为新的目标边界点，将所述目标边界点与所述新的边界点连接得到新的目标线段，重复本步骤直至将所述边界点集合中所有边界点连接完成。

3.根据权利要求2所述的方法，所述从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的角度在所述角度阈值范围内最小的边界点作为新的目标边界点，包括：

从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的顺时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点；

或者，

从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的逆时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点。

4.根据权利要求1至3任一项所述的方法，所述方法还包括：

响应于用户的算法参数配置操作，配置所述范围半径和所述角度阈值。

5.根据权利要求2所述的方法，若所述边界点发现算法中还配置了边界点之间的路径长度阈值，则所述从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的角度在所述角度阈值范围内最小的边界点作为新的目标边界点，包括：

从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标边界点的距离小于所述路径长度阈值、且与所述目标线段形成的角度在所述角度阈值范围内最小的边界点作为新的目标边界点。

6.根据权利要求5所述的方法，从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标边界点的距离小于所述路径长度阈值、且与所述目标线段形成的角度在所述角度阈值范围内最小的边界点作为新的目标边界点，包括：

从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标边界点的距离小于所述路径长度阈值、且与所述目标线段形成的顺时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点；

或者，

从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标边界点的距离小于所述路径长度阈值、且与所述目标线段形成的逆时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点。

7.根据权利要求5或6所述的方法，所述方法还包括：

响应于用户的算法参数配置操作，配置所述范围半径、所述角度阈值以及所述路径长度阈值。

8.根据权利要求1至3任一项所述的方法，其中，所述采用基于密度的聚类算法对所述位置数据进行聚类分析，得到数据簇，包括：

将所述位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析，得到包括核心点，边界点以及噪点的所述数据簇。

9.根据权利要求8所述的方法，所述方法还包括：

根据所述DBSCAN算法对应的输入数据格式，对所述位置数据进行格式转换处理，得到处理后的位置数据；

相应的，所述将所述位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析，包括：

将所述处理后的位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的所述DBSCAN算法进行聚类分析。

10.根据权利要求1至3任一项所述的方法，其中，所述获取待处理的位置数据，包括：

接收多个车辆和/或车载设备上报的车辆的位置信息，得到车辆位置集合，每个车辆的位置信息中包括所述车辆的经纬度坐标；

对所述车辆位置集合中的异常数据进行清洗处理，得到待处理的所述位置数据。

11.一种道路生成装置，包括：

第一获取单元，用于获取待处理的位置数据，所述位置数据中包括多个车辆的经纬度坐标；

分析单元，用于采用基于密度的聚类算法对所述位置数据进行聚类分析，得到数据簇，所述数据簇中包括了满足所述聚类算法设置的参数条件的多个经纬度坐标；

第二获取单元，用于获取所述数据簇中的作为边界点的经纬度坐标，得到边界点集合；

连接单元，用于采用边界点发现算法将所述边界点集合中的经纬度坐标依次进行连接，并根据连接完成的边界点绘制得到道路图，其中，所述边界点算法为根据设置的范围半径，角度阈值进行边界点筛选的算法。

12.根据权利要求11所述的装置，其中，所述连接单元，包括：

选择模块，用于从所述边界点集合中选择任一边界点作为起始点；

第一获取模块，用于根据所述边界点集合中的每个边界点的经纬度坐标，从所述边界点集合中获取出与所述起始点距离最近的目标边界点，将所述目标边界点与所述起始点进行连接得到目标线段；

第二获取模块，用于从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的角度在所述角度阈值范围内最小的边界点作为新的目标边界点，将所述目标边界点与所述新的边界点连接得到新的目标线段，重复本步骤直至将所述边界点集合中所有边界点连接完成。

13.根据权利要求12所述的装置，所述第二获取模块，包括：

第一获取子模块，用于从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的顺时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点；

或者，

第二获取子模块，用于从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标线段形成的逆时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点。

14.根据权利要求11至13任一项所述的装置，其中，所述装置还包括：

第一配置单元，用于响应于用户的算法参数配置操作，配置所述范围半径和所述角度阈值。

15.根据权利要求12所述的装置，其中，若所述边界点发现算法中还配置了边界点之间的路径长度阈值，则所述第二获取模块，包括：

第三获取子模块，用于从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标边界点的距离小于所述路径长度阈值、且与所述目标线段形成的角度在所述角度阈值范围内最小的边界点作为新的目标边界点。

16.根据权利要求15所述的装置，其中，所述第三获取子模块，具体用于：

从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标边界点的距离小于所述路径长度阈值、且与所述目标线段形成的顺时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点；或者，从所述边界点集合中以所述目标边界点为圆心、所述范围半径作为半径的圆形范围内，获取出与所述目标边界点的距离小于所述路径长度阈值、且与所述目标线段形成的逆时针角度在所述角度阈值范围内最小的边界点作为新的目标边界点。

17.根据权利要求15或16所述的装置，其中，所述装置还包括：

第二配置单元，用于响应于用户的算法参数配置操作，配置所述范围半径、所述角度阈值以及所述路径长度阈值。

18.根据权利要求11至13任一项所述的装作，其中，所述分析单元，包括：

聚类分析模块，用于将所述位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的DBSCAN算法进行聚类分析，得到包括核心点，边界点以及噪点的所述数据簇。

19.根据权利要求18所述的装置，其中，所述分析单元，还包括：

格式转换模块，用于根据所述DBSCAN算法对应的输入数据格式，对所述位置数据进行格式转换处理，得到处理后的位置数据；

相应的，所述聚类分析模块，具体用于：

聚类分析子模块，用于将所述处理后的位置数据中的经纬度坐标，输入预先配置了每个点周围的半径以及每个点周围的最小点数的所述DBSCAN算法进行聚类分析。

20.根据权利要求11至13任一项所述的装置，其中，所述第一获取单元，包括：

接收模块，用于接收多个车辆和/或车载设备上报的车辆的位置信息，得到车辆位置集合，每个车辆的位置信息中包括所述车辆的经纬度坐标；

清洗处理模块，用于对所述车辆位置集合中的异常数据进行清洗处理，得到待处理的所述位置数据。

21.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。

22.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。

23.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-10中任一项所述方法的步骤。