【技术实现步骤摘要】
海量位置点聚合的方法、装置、设备及存储介质
本专利技术涉及地理信息处理
，特别涉及一种海量位置点聚合的方法、装置、设备及存储介质。
技术介绍
随着计算机技术的飞速发展，对海量位置点进行监控和管理已经成为公共交通、智能地图等领域的核心应用，如何高效地从海量位置点中找到POI(兴趣点，PointofInterest)是本领域技术人员一直努力解决的技术问题。目前，常见的对位置点进行聚合的方法，主要包括利用K-means、DBSCAN等经典的机器学习聚类方法，但是经典的机器学习聚类方法，在数据点的数量很庞大的时候，性能下降非常严重，耗费的时间长，甚至不能在需求许可的时间内完成，而且不同的参数会产生不同的聚合结果。因此，急需一种可以从海量位置点中高效快速的找到最优聚合结果的方法。
技术实现思路
本公开实施例提供了一种海量位置点聚合的方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护...
【技术保护点】
1.一种海量位置点聚合的方法，其特征在于，包括：/n获取第一样本集合；/n将所述第一样本集合输入至预先修改的DBSCAN模型进行分类，生成分类后的第二样本集合，其中，所述预先修改的DBSCAN模型中的密度参数为预设上限值；/n将所述第二样本集合输入至预先修改的DBSCAN模型进行分类，生成分类后的第三样本集合，记录所述第三样本集合中的类别个数，其中，所述预先修改的DBSCAN模型中的密度参数为预设下限值；/n将所述第三样本集合输入至预先修改的K-means模型进行聚类运算，进行K-means聚类运算的次数为所述类别个数，得到聚类结果；/n将所述聚类结果输入至预先修改的轮廓系...
【技术特征摘要】 【专利技术属性】
1.一种海量位置点聚合的方法，其特征在于，包括：
获取第一样本集合；
将所述第一样本集合输入至预先修改的DBSCAN模型进行分类，生成分类后的第二样本集合，其中，所述预先修改的DBSCAN模型中的密度参数为预设上限值；
将所述第二样本集合输入至预先修改的DBSCAN模型进行分类，生成分类后的第三样本集合，记录所述第三样本集合中的类别个数，其中，所述预先修改的DBSCAN模型中的密度参数为预设下限值；
将所述第三样本集合输入至预先修改的K-means模型进行聚类运算，进行K-means聚类运算的次数为所述类别个数，得到聚类结果；
将所述聚类结果输入至预先修改的轮廓系数模型，获取聚合点。
2.根据权利要求1所述的方法，其特征在于，所述将所述聚类结果输入至预先修改的轮廓系数模型，获取聚合点，包括：
根据所述预先修改的轮廓系数模型对所述聚类结果分别计算轮廓系数，将轮廓系数值最大的聚类结果所对应的位置点作为聚合点。
3.根据权利要求1所述的方法，其特征在于，所述获取第一样本集合包括：
根据经纬度划分不同的网格，将位置点根据经纬度划分到不同的网格中；
将网格中距离小于预设值的位置点合成一个点，作为合成位置点，将距离小于预设值的位置点的个数作为所述合成位置点的重复数，以所述合成位置点的经度、纬度、重复数生成所述第一样本集合。
4.根据权利要求1所述的方法，其特征在于，所述预先修改的DBSCAN模型包括：
在DBSCAN模型中增加一个数量参数，所述数量参数为所述合成位置点的重复数，将DBSCAN模型中在距离条件内累加样本数量的操作，由每次加1改为每次加上重复数。
5.根据权利要求1所述的方法，其特征在于，所述预先修改的K-means模型包括：
技术研发人员：杨晓明，王巍，张志平，胡道生，夏曙东，
申请(专利权)人：北京中交兴路信息科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。