[发明专利]地图处理方法、装置、设备及计算机可读存储介质

说明书

本申请提供了一种地图处理方法、装置、设备及计算机可读存储介质，所述方法包括：从多个出行数据中，确定各行程的起始和终止的格子，所述格子对应地图上的预设位置区域；根据多个所述格子的数据，进行网络训练，得到格子向量矩阵，所述格子向量矩阵包括：按照格子出行频次排序的多个所述格子的标签的向量；根据所述格子向量矩阵，对所述地图中的多个所述格子进行聚类。通过基于出行数据进行训练，得到格子向量矩阵，再通过格子向量矩阵，对地图中的各个格子进行聚类，则可以通过聚类后的格子体现用户的出行特征，从而可以体现用户在不同地区出行的密集程度。

技术领域

本申请涉及大数据技术领域，具体而言，涉及一种地图处理方法、装置、设备及计算机可读存储介质。

背景技术

随着科学技术的不断发展，地图在日常生活中的应用越来越广泛，而不同应用程序中，也在对地图进行不断的优化。

相关技术中，可以按照预先设置的尺寸所对应的区域，将每个区域在地图中划分为一个格子，从而在形成由多个格子所组成的地图，相应的，每个格子可以对应有唯一的标签，以便可以根据标签确定用户在出行时起点和终点分别对应的格子。

但是，地图中的各个格子是相互独立的多个区域，并不能体现用户的出行特征。

发明内容

有鉴于此，本申请实施例的目的在于提供一种地图处理方法、装置、设备及计算机可读存储介质，能够通过对地图中的格子进行分类的方式，解决现有技术中存在的各个格子是相互独立的多个区域，并不能体现用户的出行特征的问题。

根据本申请的第一个方面，提供一种地图处理方法，所述方法包括：

从多个出行数据中，确定各行程的起始和终止的格子，所述格子对应地图上的预设位置区域；

根据多个所述格子的数据，进行网络训练，得到格子向量矩阵，所述格子向量矩阵包括：按照格子出行频次排序的多个所述格子的标签的向量；

根据所述格子向量矩阵，对所述地图中的多个所述格子进行聚类。

在一些实施例中，所述根据多个所述格子的数据，进行网络训练，得到格子向量矩阵包括：

根据各所述格子的出行频次对多个所述格子进行排序；

根据排序之后的多个所述格子的数据，进行网络训练，得到所述格子向量矩阵。

在一些实施例中，所述根据多个所述格子的数据，进行网络训练，得到格子向量矩阵包括：

将各所述格子的数据，输入预设的神经网络模型，得到各所述格子至多个所述格子的概率值；所述神经网络模型用于根据各所述格子的数据、第一向量矩阵中所述格子的标签对应的输入向量、以及第二向量矩阵中所述格子的标签对应的输出向量，得到各所述格子至多个所述格子的概率值；其中，所述第一向量矩阵的行向量包括：按照出行频次排序的各所述格子的标签对应的输入向量，所述输入向量用于表征所述格子作为起始格子的向量；所述第二向量矩阵的列向量包括：按照出行频次排序的各所述格子的标签对应的输出向量，所述输出向量用于表征所述格子作为终止格子的向量；

根据各所述格子至多个所述格子的概率值，和各所述格子对应的终止格子的真实标签，计算所述神经网络模型的损失函数值；

根据所述神经网络模型的损失函数值，对所述第一向量矩阵和所述第二向量矩阵中的向量值进行调节；

若基于调节之后的所述第一向量矩阵和调节之后的所述第二向量矩阵进行训练得到的所述神经网络模型的损失函数曲线收敛，确定所述损失函数曲线收敛对应的所述第一向量矩阵确定为所述格子向量矩阵。

在一些实施例中，所述根据所述格子向量矩阵，对所述地图中的多个所述格子进行聚类，包括：