CN114610825B - 关联网格集的确认方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了关联网格集的确认方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及物联网、车联网、大数据领域。具体实现方案为：对地图进行网格化得到备选网格集，从该备选网格集中选择起始网格；基于该起始网格对该备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；在该关联网格不符合预设条件时，将该关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合该预设条件；将每一次筛选操作得到的关联网格与该起始网格合并得到该备选网格集的关联网格集。采用本技术，可以快速从众多备选网格中精准确定地理关联的网格，从而获得有共同属性的关联区域，且不会占用过多的算力。

Description

关联网格集的确认方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及物联网、车联网、大数据领域，特别涉及一种关联网格集的确认方法、装置、电子设备及存储介质。

背景技术

网格的概念在各个领域应用广泛，网格集则是具有某种共同特征的网格的集合，利用网格集可以实现对某一类型网格的统计，方便之后进行批量操作，如特性定义、操作施加和结果展示等，因而应用十分广泛。如何从大量的网格中，自动且快速提取出有地理关联关系的网格组成网格集，是本领域亟待解决的问题。

发明内容

本公开提供了一种关联网格集的确认方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种关联网格集的确认方法，包括：

对地图进行网格化得到备选网格集；

从该备选网格集中选择起始网格；

基于该起始网格对该备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；

在该关联网格不符合预设条件的情况下，将该关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合该预设条件；

将每一次筛选操作得到的关联网格与该起始网格合并得到该备选网格集的关联网格集。

根据本公开的另一方面，提供了一种关联网格集的确认装置，包括：

划分模块，用于对地图进行网格化得到备选网格集；

选择模块，用于从该备选网格集中选择起始网格；

第一筛选模块，用于基于该起始网格对该备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；

第二筛选模块，用于在该关联网格不符合预设条件的情况下，将该关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合该预设条件；

第一获得模块，用于将每一次筛选操作得到的关联网格与该起始网格合并得到该备选网格集的关联网格集。

根据本公开的另一方面，提供了一种基于关联网格集确定目标区域的方法，包括：

根据上述任一项方法得到该关联网格集；

将该关联网格集确定为该地图中的目标区域，以标识该目标区域内的网格具有地理关联关系。

根据本公开的另一方面，提供了一种基于关联网格集确定目标区域的装置，包括：

第三获得模块，用于根据上述任一项的装置得到该关联网格集；

确定模块，用于将该关联网格集确定为该地图中的目标区域，以标识该目标区域内的网格具有地理关联关系。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了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本公开任一实施例中的方法。

本公开的技术，通过循环筛选的方式，得到与起始网格有直接或间接相邻关系的网格，生成关联网格集。采用该方式，可以快速从众多备选网格中精准确定地理关联的网格，从而获得有共同属性的关联区域，筛选速度快、精度高，且过程并不复杂，不会占用过多的算力。

本公开的技术，通过关联网格集的确认方法，得到地图的目标区域，该目标区域是拥有共同特性且物理关联的网格的集合，获得该目标区域，可以接下来根据网格特性进行交通指导或管理，便于之后针对涉及该目标区域的行人或车辆进行智能管理。

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是根据本公开一实施例的关联网格集的确认方法的流程示意图；

图2是根据本公开另一实施例的关联网格集的确认方法的流程示意图；

图3是根据本公开一实施例的关联网格集的确认处理流程图；

图4是根据本公开另一实施例的关联网格集的确认处理流程图；

图5是根据本公开一实施例的基于关联网格集确定目标区域的方法流程图；

图6是根据本公开一实施例的关联网格集的确认装置示意图；

图7是根据本公开一实施例的基于关联网格集确定目标区域的装置示意图；

图8是用来实现本公开实施例的关联网格集的确认方法的电子设备框图。

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。

本文中术语“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。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分，并不是限定顺序的意思，或者限定只有两个的意思，例如，第一特征和第二特征，是指代有两类/两个特征，第一特征可以为一个或多个，第二特征也可以为一个或多个。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

在现实场景中，通常将地图划分为多个网格。在将地图划分为多个网格后，可以根据网格的相关信息或属性信息将网格归类，得到属于同一类的部分网格。归类后，经常需要判断同一类的网格之间是否直接相连，或者说，同一类的网格是否可以合并为一块区域。即，在获得其中的部分网格(也叫有效网格)之后，如何判断这些网格是否存在地理关联关系，常用的方法有穷举算法(枚举法)和聚类算法(K-means)。需要补充说明的是，本公开中，两个网格直接相邻(或称为相邻)，指的是两个网格存在共点。多个网格地理关联，指的是多个网格中两两网格存在共点，在地图上指的是地图网格在地理上是相连的。所谓的关联网格集，即是该网格集中的网格存在直接或间接的连接关系。

穷举法的基本思想是：列举出所有可能的情况，逐个判断有哪些是符合问题所要求的条件，从而得到问题的全部解答。它利用计算机运算速度快、精确度高的特点，对要解决问题的所有可能情况，一个不漏地进行检查，从中找出符合要求的答案。

用穷举算法解决问题，通常可以从两个方面进行分析。

(1)问题所涉及的情况：问题所涉及的情况有哪些，情况的种数可不可以确定。把它描述出来。应用穷举时对问题所涉及的有限种情形必须一一列举，既不能重复，也不能遗漏。重复列举直接引发增解，影响解的准确性；而列举的遗漏可能导致问题解的遗漏。

(2)答案需要满足的条件：分析出来的这些情况，需要满足什么条件，才成为问题的答案。

针对“如何判断有效网格是否关联”这一具体问题，穷举算法需要将直接相邻的网格找出来，然后依次判断网格是否满足条件(即是否有效)，如果满足，则再进行直接相邻网格的直接相邻网格是否满足条件，依次循环，直至最终没有有效的相邻网格。

一示例中，假设以2号网格为起始网格，搜索它关联的有效网格，并将所有的关联有效网格组成网格组，通常按照以下步骤执行：

步骤一：获得2的直接相邻网格，生成2的直接相邻网格矩阵:

步骤二：从8号网格开始，生成8号网格的直接相邻网格矩阵：

步骤三：判断8号网格是否存在有效的直接相邻网格，假如存在，则继续生成；如果不存在，则中止继续生成网格，停止搜索。

步骤四：回到步骤一，依次轮到9号网格，往复循环。

步骤五：直到最后没有新的有效相邻网格生成，所有直接相邻的网格聚合得到最终有地理关联关系的网格集。

用穷举法搜索的最大的缺点是运算量比较大，搜索效率不高，如果穷举范围太大，将耗费大量的时间，即，时间成本让人难以承受。

如果采用聚类算法，一般采用K-means算法。K-means算法的思路通常为：输入为一个样本集(或者称为点集)，通过该算法将样本进行聚类，具有相似特征的样本聚为一类。聚类过程中，会针对每个点计算这个点距离所有中心点最近的那个中心点，然后将这个点归为这个中心点代表的簇。一次迭代结束之后，针对每个簇类，重新计算中心点，然后针对每个点，重新寻找距离自己最近的中心点。如此循环，直到前后两次迭代的簇类没有变化。

K-means算法的基本步骤如下：

步骤一：选定要聚类的类别数目k(如上例的k＝3类)，选择k个中心点。

步骤二：针对每个样本点，找到距离其最近的中心点(寻找组织)，距离同一中心点最近的点为一个类，这样完成了一次聚类。

步骤三：判断聚类前后的样本点的类别情况是否相同，如果相同，则算法终止，否则进入步骤四。

步骤四：针对每个类别中的样本点，计算这些样本点的中心点，当做该类的新的中心点，继续步骤二。

基于上述介绍，可知，K-Means的一个重要的假设是：数据之间的相似度可以使用欧氏距离度量，如果不能使用欧氏距离度量，要先把数据转换到能用欧氏距离度量。所以，针对网格组构建这一场景，实际上可以理解为：将距离相对较近的网格组形成一个聚类。

一示例中，K-Means算法的具体流程如下：

步骤一：从数据集D中随机选择k个样本作为初始的k个质心向量：{μ₁,μ₂,...,μ_k}

步骤二：对于n＝1,2,...,N

A)将簇划分C初始化为

B)对于i＝1,2...m,计算样本x_i和各个质心向量μ_{j(j＝1,2,...k)}的距离：d_ij＝||x_i-μ_j||22，将x_i标记最小的为d_ij所对应的类别λ_i。此时更新Cλ_i＝Cλ_i∪{x_i}

C)对于j＝1,2,...,k,对C_j中所有的样本点重新计算新的质心μ_j＝1|C_j|∑x∈Cj_x

D)如果所有的k个质心向量都没有发生变化，则往下转到步骤三.

步骤三：输出簇划分C＝{C₁,C₂,...C_k}

K-Means输入是样本集D＝{x₁,x₂,...x_m}，聚类的簇树k，最大迭代次数N。

K-Means输出是簇划分C＝{C₁,C₂,...C_k}。

针对关联网格集确认的业务场景，从K-Means的算法流程来看，存在两个比较明显的缺陷：

首先，B)步骤的计算样本与各个质心向量的距离，如果所有的k个质心向量都没有发生变化，则生成了一个簇，但是这里的距离是一个平均值，通俗一点讲就是，尽可能的将到质心距离比较近的点汇聚起来，形成一个网格组，这样实际上只能做到网格组内的有效网格尽可能接近，但并不能完全保证“有效网格是关联的”这一要求的严格性。

其次是A)步骤中，簇划分的个数是依赖人工输入的k值，那这样计算所得的网格组并不一定和客观存在的网格组个数一致。

除此之外，K-Means算法的运算也相对比较消耗CPU资源，所需算力相对较大。

综上可知，虽然穷举算法可读性强，易于理解，但计算复杂度相对较高，非常耗时；而K-Means聚类算法则是会出现“不准确”的问题，且对算力要求较高。

在现有技术的基础上，本公开提供了一种全新的关联网格集的确认方法，图1是根据本公开一实施例的关联网格集的确认方法的流程示意图，具体包括：

S101：对地图进行网格化得到备选网格集；

一示例中，网格化方法可以根据经纬度将地图划分为大小相等的网格，也可以根据地图的参数划分为大小不相等的网格；网格的形状不做具体限定。网格化后，筛选出待判断地理关联性的备选网格组成备选网格集，筛选方式不做具体限定，可以是筛选出有共同属性的网格组成备选网格集，也可以筛选出曾上报过预设事件的网格组成备选网格集。

S102：从该备选网格集中选择起始网格；

一示例中，备选网格集是已经经过初筛的有效网格集，从有效网格集中选取待确认地理关联关系的任一网格作为起始网格。

一示例中，网格主要指的是地图网格，备选网格集包括上报过预设事件的网格，具体地，预设事件可以根据实际情况灵活定义。比如，要统计哪些区域是事故高发区域时，预设事件就可以定义为“在24小时内上报过至少一次交通事故”，将符合预设事件的地图网格收集起来就组成了备选网格集；或者，要统计哪些区域路况不好时，预设事件也可以定义为“在一周内上报过至少十次路面颠簸的事件”，将符合预设事件的地图网格收集起来就组成了备选网格集。总之，预设事件可以是符合预设上报频率、预设上报时间或是预设事件类型的某些事件。统计上报过预设事件的网格集，经过筛选处理后可以更好地掌握其内在特征，特别适用于交通大数据的隐含信息挖掘。

S103：基于该起始网格对该备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；

一示例中，获得起始网格后，通过查表或其余方式，得到与起始网格直接相邻的网格集，然后判断该直接相邻的网格集与备选网格集是否存在交集，如果有，将交集网格提取出来，作为本次筛选操作的关联网格。

S104：在该关联网格不符合预设条件的情况下，将该关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合该预设条件；

一示例中，判断关联网格是否符合预设条件，如果不符合，就将上一步筛选操作得到的关联网格作为当前网格，基于当前网格重复进行筛选操作；具体地，假设上一次得到的关联网格为2号，先判断该关联网格是否符合预设条件，在不符合的情况下，找到2号网格的所有直接相邻网格集，再判断该直接相邻网格集和备选网格集是否存在交集，将交集作为新的关联网格，然后再判断新的关联网格是否符合预设条件，如果不符合再进行下一轮的地理关联关系筛选操作，直至得到的最新关联网格集符合预设条件。

一示例中，预设条件为不存在具有地理关联关系的网格，换句话说，如果经过地理关联关系筛选操作后，得到的关联网格集为空集，即符合预设条件。此时，跳出循环。将预设条件设置为“不存在具有地理关联关系的网格”，即是在不断重复“是否存在地理关联关系的筛选操作”的过程中，如果当前网格的直接相邻网格和备选网格中待确认地理关联关系的网格之间没有交集了，或是说交集为空集了，就认为已经确认了关联的网格，跳出循环。通过上述操作，可以快速、准确地完成一轮关联网格筛选，保证筛选过程不会重复。

一示例中，将该关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合该预设条件的步骤，具体可包括：将上一次得到的关联网格作为当前网格，获取该当前网格的相邻网格，获取该备选网格集中除该起始网格和每一次得到的关联网格之外的网格作为未确认网格，获取该未确认网格与该相邻网格的交集，将该交集作为当前筛选操作得到的关联网格，直至当前筛选操作得到的关联网格符合该预设条件。结合实际案例，假设上一步得到的关联网格是序号为2的网格，找到网格2的直接相邻网格，假设该直接相邻网格包括[8,9,10,1,2,3，-6，-5，-4]；然后，从备选网格中选出除该起始网格和每一次得到的关联网格之外的网格作为未确认网格，假设一开始的备选网格是[1,2,3,5,8,10]，起始网格是[10]，在本次之前只进行过一次筛选，已经确认和[10]关联的网格包括[2,3]，那么，未确认的网格就是[1,5,8]。取未确认网格与当前相邻网格的交集，即是取当前相邻网格[8,9,10,1,2,3，-6，-5，-4]和未确认网格[1,5,8]的交集，得到关联网络[8]。该关联网络不为空集，因此还得找到[8]的直接相邻网络，再进行下一次筛选操作，直到得到的关联网格为空集为止。采用上述方案，可以快捷、全面地对单元网格进行地理关联关系筛选，得到目标关联网格组。

S105：将每一次筛选操作得到的关联网格与该起始网格合并得到该备选网格集的关联网格集。

一示例中，将起始网格和每一次得到的关联网格合并，就可以得到具备地理关联关系的所有网格的集合。

采用上述方案，可以通过循环筛选的方式，快速得到有直接或间接相邻关系的网格生成关联网格组。相比起现有技术中常用的穷举算法和聚类算法，本方案速度快、精度高。将本方案应用在实际场景中，可以快速从大量备选网格中提取出拥有地理关联关系的网格，特别对于车联网的相关产品，使用该项方案可以丰富相关产品的功能实现方式，提高了该产品的使用价值，在保证计算准确和稳定的情况下，满足业务上的需求。

图2是根据本公开另一实施例的关联网格集的确认方法的流程示意图，具体包括：

S201：对地图进行网格化得到备选网格集；

S202：从该备选网格集中选择起始网格；

S203：基于该起始网格对该备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；

S204：在该关联网格符合预设条件的情况下，将该起始网格作为该备选网格集的关联网格集。

S205：在该关联网格不符合预设条件的情况下，将该关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合该预设条件；

S206：将每一次筛选操作得到的关联网格与该起始网格合并得到该备选网格集的关联网格集。

其中，上述步骤S201-S203、S205、S206和S101-S105相同，此处不再赘述。需要强调的是，上述步骤S204需要在步骤S203之后，但是与步骤S205或S206之间没有必须的先后顺序。

一示例中，如果基于起始网格进行筛选操作得到的关联网格符合预设条件，即，也就是第一次筛选操作就得到空集的情况下，直接将该起始网格作为备选网格集的关联网格集。比如，对于备选网格集[1,2,3,5,8,10]，选择[5]作为起始网格，[5]的直接相邻网格包括[6,9,11]，与备选网格的交集为空集，那么就将[5]作为备选网格集[1,2,3,5,8,10]的一个关联网格集。采用上述方案，针对备选网格集中存在一个独立网格的情况，将其也作为一种特殊的关联网格集储存下来，在之后进行下一轮筛选时，不去选择已经处理过的网格作为新的起始网格，避免了重复作业。

一示例中，从备选网格集中选择起始网格具体包括：

判断是否已获得备选网格集的关联网格集；在未获得的情况下，从该备选网格集中选择任一网格作为起始网格；在已获得的情况下，从该备选网格集中选择不属于该关联网格集的任一网格作为起始网格。该示例方案主要应用于已经从备选网格中确认关联网格的情况下，需要排除已经确认的关联网格，再从剩下的待确认地理关联关系的网格中选出任一网格作为起始网格，开始新的一轮关联网格筛选。比如，对于备选网格集[1,2,3,5,8,10]，如果已经确认了[5]不和该备选网格集中的任一网格具备地理关联关系，即[5]自己是已经确认的关联网格集，那么再选择新的起始网格的时候，就从[1,2,3,8,10]中选取任一作为新的起始网格，开始一轮新的筛选。当然，如果备选网格集在之前并未被确认过是否有关联网格集，那么从中选择任一网格作为起始网格即可。

在一种情况下，备选网格集中可能存在多个关联网格集，比如，对于[8,9,10,1,2,3，-6，-5，-4]，可能其中[8,9]、[10,1,2,3]、[-4]和[-6，-5]均是关联网格，那么在多轮筛选的过程中，在确定了[8,9]、[10,1,2,3]、[-4]是关联网格的前提下，从剩下的“-6，-5”中选择任一作为起始网格，这样做，可以保证不会进行重复的关联网格筛选，提高关联网格筛选的效率。

应用示例：

如图3所示，应用本公开实施例一处理流程包括如下内容：

步骤一：从备选网格集②中(也叫有效网格集)随机抽取一个网格，例如10，将10号网格作为起始网格。

步骤二：将②中的10号网格移入左边的已确认关联网格集(也叫栅格组)中。

步骤三：通过计算得到10号网格的相邻网格①(也叫直接相邻网格)。

步骤四：计算①和②的交集③，③即是第一次筛选操作得到的关联网络。

步骤五：判断③是否为空集，答案为否，于是继续筛选。将交集③的元素移入左边的已确认关联网格集，此时已确认关联网格集为[10,2,3]

步骤五：通过计算分别得出2和3的相邻网格④和⑤。

步骤六：从备选网格集②中去掉已经确认的关联网格集③，得到⑥未确认网格。

步骤八：计算④和⑤和⑥的交集，得到本次筛选的关联网格⑦。

步骤九：判断⑦是否为空集，答案为否，于是继续筛选。将交集⑦的元素移入左边的已确认关联网格集，此时已确认关联网格集为[10,2,3,1,8]

步骤十：通过计算得出⑦的相邻网格⑧和⑨。

步骤十一：从未确认网格⑥中减去刚确认的网格⑦，得到⑩未确认网格。

步骤十二：计算⑧和⑨和⑩的交集，得到结果为空集[null]。

步骤十三：交集为空，中止本轮计算，此时的已确认关联网格集[10,2,3,1,8]为计算出来的关联网格集。

步骤十四：对于备选网格集②，判断已经确定的关联网格集是否等于备选网格集。如果不是，就表明还有未确认的网格。从未确认的网格中选择任一网格作为新的起始网格。即，抽取5作为新的起始网格，再次进入筛选流程，见步骤一。

步骤十五：通过多次筛选的递归计算，最终使得右边未确认地理关联关系的网格集为空，则终结所有计算。

步骤十六：最终结果得到大于或者等于0组的关联网格集。

综上，如图4所示，本方案就是通过循环的地理关联关系筛选，将最右边虚线框中未确认地理关联关系的网格集，经过中间虚线框中相邻网格集的确认，最后得到左边已确认的关联网格集。

在实际应用中，在获得关联网格集后，可以生成关联目标区域，如图5所述，本公开的实施例中提供一种基于关联网格集确定目标区域的方法，具体包括：

S501：根据上述任一项方法得到该关联网格集；

S502：将该关联网格集确定为该地图中的目标区域，以标识该目标区域内的网格具有地理关联关系。

一示例中，在得到关联网格集后，将关联网格集中对应的地理位置确定为地图中的目标区域，即，通过确认多个网格的地理关联关系，将存在地理关联关系的网格对应的地区合并为目标区域。通过上述方案，可以快速、准确获得具备预设共性的目标区域，为车联网的管理准备好数据基础。一示例中，在上述步骤S502之后，还包括：在检测到有车辆进入所述目标区域的情况下，向所述车辆发送通知信息，所述通知信息与所述目标区域上报过的事件相对应。具体地，在得到目标区域后，如有车进入目标区域，就可以向车辆发送通知信息，该通知信息根据目标区域的某一共性获得，比如，可以根据目标区域之前上报过的预设事件获取相对应的通知信息。具体地，如组成目标区域的备选网格均存在“上报过路面颠簸”的事件，那么，得到对应的通知信息“请注意路面颠簸”，发送给进入该区域的车辆。通过上述方案，可以在收到路面、行驶等信息的基础上，采用“关联网格集的确认方法”找到有共同属性的网格合并成关联网格集，然后得到对应的目标区域。得到目标区域之后，可以根据属性对进入目标区域的车辆进行管控，以实现智能管控的效果。

如图6所示，本公开的实施例中提供一种关联网格集的确认装置600，该装置包括：

划分模块601，用于对地图进行网格化得到备选网格集；

选择模块602，用于从备选网格集中选择起始网格；

第一筛选模块603，用于基于该起始网格对该备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；

第二筛选模块604，用于在该关联网格不符合预设条件的情况下，将该关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合该预设条件；

第一获得模块605，用于将每一次筛选操作得到的关联网格与该起始网格合并得到该备选网格集的关联网格集。

一示例中，在第一筛选模块603之后，还包括第二获得模块606，用于在该关联网格符合该预设条件的情况下，将该起始网格作为该备选网格集的关联网格集。

一示例中，该选择模块602用于：判断是否已获得备选网格集的关联网格集；

在未获得的情况下，从该备选网格集中选择任一网格作为起始网格；

在已获得的情况下，从该备选网格集中选择不属于该关联网格集的任一网格作为起始网格。

一示例中，该第二筛选模块604用于：

将上一次得到的关联网格作为当前网格，获取该当前网格的相邻网格，获取该备选网格集中除该起始网格和每一次得到的关联网格之外的网格作为未确认网格，获取该未确认网格与该相邻网格的交集，将该交集作为当前筛选操作得到的关联网格，直至当前筛选操作得到的关联网格符合该预设条件。

一示例中，上述任一装置中，该预设条件为不存在具有地理关联关系的网格。

一示例中，上述任一装置中，该备选网格集包括上报过预设事件的网格。

如图7所示，本公开的实施例中提供一种基于关联网格集确定目标区域的装置700，该装置包括：

第三获得模块701，用于上文任一项公开的装置得到所述关联网格集；

确定模块702，用于将该关联网格集确定为该地图中的目标区域，以标识该目标区域内的网格具有地理关联关系。

一示例中，上述基于关联网格集确定目标区域的装置700还包括：

通知发送模块，用于在检测到有车辆进入所述目标区域的情况下，向所述车辆发送通知信息，所述通知信息与所述目标区域上报过的事件相对应。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

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。

图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如关联网格集的确认方法。例如，在一些实施例中，关联网格集的确认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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的关联网格集的确认方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行关联网格集的确认方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(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系统上执行和/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，可以从存储系统、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系统、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系统、装置或设备使用或与指令执行系统、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、或半导体系统、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系统和技术，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。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统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，也可以为分布式系统的服务器，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 (19)

1.一种关联网格集的确认方法，包括：

对地图进行网格化得到备选网格集；

从所述备选网格集中选择起始网格；

基于所述起始网格对所述备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；

在所述关联网格不符合预设条件的情况下，将所述关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合所述预设条件；

将每一次筛选操作得到的关联网格与所述起始网格合并得到所述备选网格集的关联网格集。

2.根据权利要求1所述的方法，所述基于所述起始网格对所述备选网格集进行是否存在地理关联关系的筛选操作得到关联网格之后，还包括：

在所述关联网格符合所述预设条件的情况下，将所述起始网格作为所述备选网格集的关联网格集。

3.根据权利要求1或2所述的方法，其中，所述从备选网格集中选择起始网格包括：

判断是否已获得备选网格集的关联网格集；

在未获得的情况下，从所述备选网格集中选择任一网格作为起始网格；

在已获得的情况下，从所述备选网格集中选择不属于所述关联网格集的任一网格作为起始网格。

4.根据权利要求1或2所述的方法，其中，所述将所述关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合所述预设条件，包括：

将上一次得到的关联网格作为当前网格，获取所述当前网格的相邻网格，获取所述备选网格集中除所述起始网格和每一次得到的关联网格之外的网格作为未确认网格，获取所述未确认网格与所述相邻网格的交集，将所述交集作为当前筛选操作得到的关联网格，直至当前筛选操作得到的关联网格符合所述预设条件。

5.根据权利要求1所述的方法，其中，所述预设条件为不存在具有地理关联关系的网格。

6.根据权利要求1所述的方法，其中，所述对地图进行网格化得到备选网格集，包括：

对地图进行网格化且选出其中上报过预设事件的网格得到备选网格集。

7.一种基于关联网格集确定目标区域的方法，包括：

根据权利要求1-6中任一项所述的方法得到所述关联网格集；

将所述关联网格集确定为所述地图中的目标区域，以标识所述目标区域内的网格具有地理关联关系。

8.根据权利要求7所述的方法，还包括：

在检测到有车辆进入所述目标区域的情况下，向所述车辆发送通知信息，所述通知信息与所述目标区域上报过的事件相对应。

9.一种关联网格集的确认装置，包括：

划分模块，用于对地图进行网格化得到备选网格集；

选择模块，用于从所述备选网格集中选择起始网格；

第一筛选模块，用于基于所述起始网格对所述备选网格集进行是否存在地理关联关系的筛选操作得到关联网格；

第二筛选模块，用于在所述关联网格不符合预设条件的情况下，将所述关联网格作为当前网格，重复进行是否存在地理关联关系的筛选操作，直至得到的关联网格符合所述预设条件；

第一获得模块，用于将每一次筛选操作得到的关联网格与所述起始网格合并得到所述备选网格集的关联网格集。

10.根据权利要求9所述的装置，所述第一筛选模块之后，还包括：

第二获得模块，用于在所述关联网格符合所述预设条件的情况下，将所述起始网格作为所述备选网格集的关联网格集。

11.根据权利要求9或10所述的装置，其中，所述选择模块用于：

判断是否已获得备选网格集的关联网格集；

在未获得的情况下，从所述备选网格集中选择任一网格作为起始网格；

在已获得的情况下，从所述备选网格集中选择不属于所述关联网格集的任一网格作为起始网格。

12.根据权利要求9或10所述的装置，其中，所述第二筛选模块用于：

将上一次得到的关联网格作为当前网格，获取所述当前网格的相邻网格，获取所述备选网格集中除所述起始网格和每一次得到的关联网格之外的网格作为未确认网格，获取所述未确认网格与所述相邻网格的交集，将所述交集作为当前筛选操作得到的关联网格，直至当前筛选操作得到的关联网格符合所述预设条件。

13.根据权利要求9所述的装置，其中，所述预设条件为不存在具有地理关联关系的网格。

14.根据权利要求9所述的装置，其中，所述划分模块用于：对地图进行网格化且选出其中上报过预设事件的网格得到备选网格集。

15.一种基于关联网格集确定目标区域的装置，包括：

第三获得模块，用于根据权利要求9-14中任一项所述的装置得到所述关联网格集；

确定模块，用于将所述关联网格集确定为所述地图中的目标区域，以标识所述目标区域内的网格具有地理关联关系。

16.根据权利要求15所述的装置，还包括：

通知发送模块，用于在检测到有车辆进入所述目标区域的情况下，向所述车辆发送通知信息，所述通知信息与所述目标区域上报过的事件相对应。

17.一种电子设备，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1-8中任一项所述的方法。

18.一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1-8中任一项所述的方法。

19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。