阅读说明：本技术 基于导航数据的地图现势性检测方法、装置及存储介质 (Map Up-to-date state detection method, device and storage medium based on navigation data ) 是由 杜逸康 杨璧嘉 陈永全 龚剑 于 2018-05-23 设计创作，主要内容包括：本申请提出一种基于导航数据的地图现势性检测方法、装置及存储介质,其中,方法包括：获取与目标兴趣点关联的导航数据集；基于预设的矩阵元素与区域位置的映射关系,对所述导航数据集中各导航数据进行统计分析,确定预设矩阵中各元素当前对应的数值；根据所述各元素当前对应的数值,确定所述目标兴趣点当前地图数据的现势性。通过本方法,能够提高目标兴趣点现势性检测的准确性和时效性,解决现有技术中现势性的更新时间和判断精度难以得到保证的技术问题。(The application proposes a kind of map Up-to-date state detection method, device and storage medium based on navigation data, wherein method includes: acquisition and the associated navigation data set of target point of interest；Mapping relations based on preset matrix element and regional location concentrate each navigation data for statistical analysis the navigation data, determine in default matrix each element currently corresponding numerical value；According to the current corresponding numerical value of each element, the Up-to-date state of the target point of interest current map data is determined.By this method, the accuracy and timeliness of the detection of target point of interest Up-to-date state can be improved, solve the renewal time of Up-to-date state in the prior art and judge that precision is difficult to the technical issues of being guaranteed.)

基于导航数据的地图现势性检测方法、装置及存储介质

技术领域

本申请涉及导航技术领域，尤其涉及一种基于导航数据的地图现势性检测方法、装置及存储介质。

背景技术

电子地图作为主流的导航工具，地图的现势性是否准确严重影响用户的使用体验。现势性是指地图所提供的地理空间信息的当前情况。为了保证电子地图路线推荐的准确性，需要对地图提供的地理空间信息(例如地图上显示的景点、商场、加油站等)的现势性进行更新。

目前，用于现势性判断的方式有：实地采集信息，通过业内作业标准判断现势性；或者，通过电话沟通进行人工确认；或者，根据用户反馈的信息确定现势性；以及，根据调用地图的第三方提供的数据获取现势性。

然而，传统的判断方式具有较大的不可控性和不确定性，无法保证现势性的更新时间和判断精度，影响电子地图的准确性。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本申请第一方面提出一种基于导航数据的地图现势性检测方法，通过根据与目标兴趣点关联的导航数据集，来检测目标兴趣点当前地图数据的现势性，从而提高了目标兴趣点现势性检测的准确性和时效性，解决现有技术中现势性的更新时间和判断精度难以得到保证的技术问题。

本申请第二方面提出一种基于导航数据的地图现势性检测装置。

本申请第三方面提出一种计算机设备。

本申请第四方面提出一种计算机可读存储介质。

本申请第一方面实施例提出了一种基于导航数据的地图现势性检测方法，包括：

获取与目标兴趣点关联的导航数据集；

基于预设的矩阵元素与区域位置的映射关系，对所述导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值；

根据所述各元素当前对应的数值，确定所述目标兴趣点当前地图数据的现势性。

本申请实施例的基于导航数据的地图现势性检测方法，通过获取与目标兴趣点关联的导航数据集，并基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值，进而根据各元素当前对应的数值，确定目标兴趣点当前地图数据的现势性。由此，达到了利用覆盖广且实时性高的导航数据进行现势性判断的目的，提高了目标兴趣点现势性检测的准确性和时效性，进而提高了地图所推荐路线的准确性，提升了用户体验。

本申请第二方面实施例提出了一种基于导航数据的地图现势性检测装置，包括：

获取模块，用于获取与目标兴趣点关联的导航数据集；

分析模块，用于基于预设的矩阵元素与区域位置的映射关系，对所述导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值；

确定模块，用于根据所述各元素当前对应的数值，确定所述目标兴趣点当前地图数据的现势性。

本申请实施例的基于导航数据的地图现势性检测装置，通过获取与目标兴趣点关联的导航数据集，并基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值，进而根据各元素当前对应的数值，确定目标兴趣点当前地图数据的现势性。由此，达到了利用覆盖广且实时性高的导航数据进行现势性判断的目的，提高了目标兴趣点现势性检测的准确性和时效性，进而提高了地图所推荐路线的准确性，提升了用户体验。

本申请第三方面实施例提出了一种计算机设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的基于导航数据的地图现势性检测方法。

本申请第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的基于导航数据的地图现势性检测方法。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例所提供的一种基于导航数据的地图现势性检测方法的流程示意图；

图2(a)为兴趣点正常时的导航轨迹示例图；

图2(b)为兴趣点关闭时的导航轨迹示例图；

图3为某条导航数据的示例图；

图4是数字的轨迹与矩阵元素的对应关系示例图；

图5(a)为导航轨迹的矩阵转换示例图一；

图5(b)为导航轨迹的矩阵转换示例图二；

图6为本申请实施例所提供了另一种基于导航数据的地图现势性检测方法的流程示意图；

图7为本申请实施例所提供了又一种基于导航数据的地图现势性检测方法的流程示意图；

图8为本申请实施例提出再一种基于导航数据的地图现势性检测方法的流程示意图；

图9为区域划分粒度与关联路段条数的对应关系的示例图；

图10为本申请实施例所提供的一种基于导航数据的地图现势性检测装置的结构示意图；

图11为本申请实施例所提供的另一种基于导航数据的地图现势性检测装置的结构示意图；

图12为本申请实施例所提供的又一种基于导航数据的地图现势性检测装置的结构示意图；

图13为本申请实施例所提供的再一种基于导航数据的地图现势性检测装置的结构示意图；以及

图14为本申请实施例所提供的一种计算机设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的基于导航数据的地图现势性检测方法、装置及存储介质。

兴趣点(Point of Interest，POI)是基于位置服务的最核心数据，在电子地图上具有广泛的运用场景，例如导航时选择的目的地、附近的酒店、电子地图上的加油站、餐馆等，电子地图上的POI通常用气泡图标表示。

POI数据的及时更新是电子地图中非常重要的环节，POI现势性是否准确，对电子地图导航的准确性具有较大的影响，因此，为保证电子地图为用户提供有效的导航服务，需要对电子地图中POI的现势性进行准确判断和及时更新。

传统的判断POI现势性的方式主要包括以下几种：

(1)实地采集。这种方式需要由专业的测绘采集人员对不同道路边上的POI进行实地拍摄采集，再通过业内的作业标准确认，得到POI的现势性。采用实地采集的方式，对于一个地方往往间隔较长的时间才会进行一次实地采集，无法及时获知POI的现势性变化，难以保证时效性，且实地采集需要较大的人力和物力成本。

(2)人工审核。这种方式是由内业作业人员通过对现有的POI或其周边的POI进行电话沟通，来确定POI的现势性。这种方式需要耗费较大的人力成本。

(3)用户反馈。这种方式是通过在地图应用端、论坛、公众号等不同的渠道，为用户提供上报信息的入口，由用户通过入口反馈POI的现势性状态。然而，由于无法确定用户是否会提供反馈，以及无法确定用户何时会提供反馈，导致这种方式存在较大的不确定性，使得现势性的判断准确度和更新时间都无法得到保证。

(4)从第三方应用获取。调用电子地图的第三方应用的***息中，可能会对POI进行现势性状态标记，从而，可以从第三方应用的***息中获取POI的现势性状态。而第三方应用对信息进行公开也是一种不可控的状态，导致POI现势性的判断准确度和更新时间都无法得到保证。

综上所述，传统的对POI现势性进行判断的方式具有较大的不可控性和不确定性，无法保证现势性的更新时间和判断精度，从而会影响电子地图的准确性。

针对上述问题，本申请提供了一种基于导航数据的地图现势性检测方法，以提高POI现势性更新的更新速度和精准度，提高现势性更新的时效性。

图1为本申请实施例所提供的一种基于导航数据的地图现势性检测方法的流程示意图。

如图1所示，该基于导航数据的地图现势性检测方法包括以下步骤：

步骤101，获取与目标兴趣点关联的导航数据集。

其中，目标兴趣点是电子地图上待分析当前现势性的兴趣点，例如可以是电子地图上的某个加油站、某个商场等。

用户在使用电子地图进行路线导航时，可能会遇到两种情况：一是用户顺利到达目的地并且停在目的地(兴趣点)周边，或者驶入目的地，如图2(a)所示；二是导航到达目的地之后发现目的地已经不存在，而继续向前行驶，不会驶入目的地，如图2(b)所示。因此，电子地图中兴趣点周边的导航轨迹数据可以反映出该兴趣点的现势性状态。

电子地图拥有海量的用户资源，并且随着时间的推移，用户使用电子地图的次数随之增加，在用户使用电子地图时，产生的导航轨迹数据也越来越多。对于地图上的每一个兴趣点，尤其是用户经常访问的兴趣点，电子地图的导航轨迹数据中可能有大量的数据与之对应。从而，本实施例中，对于待分析现势性的目标兴趣点，可以从电子地图的导航轨迹数据中获取与目标兴趣点关联的导航数据集。其中，导航数据集中的导航数据，可以包括多个信息，例如包括目的地的地址、途中的各个定位点、导航发生的时间等。

作为一种示例，图3为某条导航数据的示例图。如图3所示，该导航数据中包括目的地对应的POI(如图3中标注为a的语句所示)、导航发生的时间(如图3中标注为b的语句所示)，并记录了导航轨迹所包含的53段小路段的行驶(如图3中标注为c的语句所示)，以及每个小路段里包含的各个时间点的定位信息(如图3中标注为d的语句所示)，从图3中标注为d的语句中可以看出，第一个小路段中记录了17次定位信息。

在本申请实施例一种可能的实现方式中，获取的导航数据集中还可以包括时间信息，其中，时间信息可以是指车辆经过目标兴趣点周边的路径时，到达不同位置时的时刻。本实施例中，在获取与目标兴趣点关联的导航数据时，可以根据导航数据集中的时间信息，获取当前采集周期内与目标兴趣点关联的导航数据集。也就是说，可以对获取的导航数据集进行筛选，从中筛选出时间信息与当前采样周期相匹配的导航数据集。例如，采样周期为5小时，当前时刻为17:00，则可以从导航数据集中筛选出时间信息落在12:00～17:00这一范围内的数据，构成新的导航数据集，以用于现势性判断。

对于一个兴趣点而言，当该兴趣点是用户导航的目的地时，如果用户驶入该兴趣点，则可以说明该兴趣点正常，而如果用户到达该兴趣点后继续行驶，则可以说明该兴趣点异常。因此，作为导航目的地的兴趣点，其周边的导航轨迹数据能够反映出该兴趣点的现势性状态。从而，在本申请实施例一种可能的实现方式中，对于待分析现势性状态的目标兴趣点，可以获取导航目的地为目标兴趣点的导航数据集，以用于现势性判断。

步骤102，基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值。

图4是数字的轨迹与矩阵元素的对应关系示例图。如图4所示，手写的数字“7”展示在图片中时，实际是由底层的像素进行控制的，可以将数字“7”的轨迹映射到矩阵中，利用矩阵中元素值的差异进行表示，如图4中右图所示。同理，对于一定范围内的导航轨迹而言，该导航轨迹也可以利用矩阵中的元素进行表示。

本实施例中，可以预先建立预设的矩阵元素与区域位置的映射关系，其中，区域位置是目标兴趣点及其周边路径所在区域，被划分为若干个小区域后得到的，一个区域位置代表一个小区域，并对应预设矩阵中的一个元素，区域位置可以用对应小区域的边界的经纬度信息进行表示。本实施例中，区域位置和预设的矩阵元素可以预先设定，并预先建立和存储两者之间的映射关系。

进而，本实施例中，获取了与目标兴趣点关联的导航数据集之后，可以基于预设的矩阵元素与区域位置的映射关系，对获取的导航数据集中的各个导航数据进行统计分析，以确定预设矩阵中各元素当前对应的数值。

作为一种示例，可以基于预设的矩阵元素与区域位置的映射关系，针对预设矩阵中的每一个元素，统计出导航数据集中车辆的位置位于与该元素对应的区域位置内的次数，所得次数作为该元素当前对应的数值。

进一步地，在本申请实施例一种可能的实现方式中，在对导航数据集中各导航数据进行统计分析之前，可以先基于预设的矩阵元素与区域位置的映射关系，将目标兴趣点对应的元素数值置为预设值。具体地，可以先确定目标兴趣点所在的区域，并获取该区域的经纬度坐标，进而基于预设的矩阵元素与区域位置的映射关系，根据目标兴趣点的经纬度坐标确定对应的矩阵元素，进而，将该矩阵元素的数值设置为预设值。例如，预设值为极大值，预设值比如可以设置为999、9999等。通过设置预设值来表示目标兴趣点，有利于识别出目标兴趣点。

举例而言，图5(a)为导航轨迹的矩阵转换示例图一，图5(b)为导航轨迹的矩阵转换示例图二。图5(a)和图5(b)中的左图为简单的导航轨迹图，导航轨迹图可以根据目标兴趣点周边的路径粗略确定。例如，如图5(a)中的左图所示，当目标兴趣点正常时，车辆驶入目标兴趣点需要经过轨迹1；如图5(b)所示，当目标兴趣点异常时，车辆不会驶入目标兴趣点，车辆经过轨迹2直接驶过目标兴趣点。如图5(a)和图5(b)所示，目标兴趣点对应的矩阵元素的数值为999，其他矩阵元素的数值通过对导航数据集中的导航数据进行统计分析获得，根据车辆出现在矩阵元素对应的区域位置的次数确定。从图5(a)和图5(b)不难看出，矩阵中数值不为0的元素可以形成与实际的导航轨迹一致的轨迹。

步骤103，根据各元素当前对应的数值，确定目标兴趣点当前地图数据的现势性。

本实施例中，确定了预设矩阵中各元素当前对应的数值之后，可以根据各元素当前对应的数值确定目标兴趣点当前地图数据的现势性。

作为一种示例，可以采用相关的可视化处理技术，对确定了各元素数值的矩阵进行可视化处理，将可视化处理后得到的可视图作为行驶路径，进而根据行驶路径是否到达目标兴趣点来确定目标兴趣点当前地图数据的现势性。如果展示的行驶路径到达目标兴趣点，则确定目标兴趣点的现势性状态为正常；否则，确定目标兴趣点的现势性状态为异常。

作为一种示例，可以通过预先训练好的机器学习模型来确定目标兴趣点的现势性状态。将确定了各元素数值的矩阵输入至训练好的机器学习模型中，可以直接获得目标兴趣点的现势性状态是正常或是异常。

本实施例的基于导航数据的地图现势性检测方法，通过获取与目标兴趣点关联的导航数据集，并基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值，进而根据各元素当前对应的数值，确定目标兴趣点当前地图数据的现势性。由此，达到了利用覆盖广且实时性高的导航数据进行现势性判断的目的，提高了目标兴趣点现势性检测的准确性和时效性，进而提高了地图所推荐路线的准确性，提升了用户体验。

为了实现前述实施例中所述的根据各元素当前对应的数值，确定目标兴趣点当前地图数据的现势性，本申请实施例提供了两种可能的实现方式，一是通过可视化处理技术确定目标兴趣点当前地图数据的现势性，二是通过预先训练好的预测模型确定目标兴趣点当前地图数据的现势性。下面将针对每一种实现方式进行详细的说明。

图6为本申请实施例所提供了另一种基于导航数据的地图现势性检测方法的流程示意图，本实施例中，目标兴趣点当前地图数据的现势性是通过可视化处理技术确定的。如图6所示，该基于导航数据的地图现势性检测方法可以包括以下步骤：

步骤201，获取与目标兴趣点关联的导航数据集。

其中，导航数据集中可以包括位置信息，其中，位置信息可以是车辆在不同时刻的经纬度坐标。

步骤202，基于预设的矩阵元素与区域位置的映射关系，确定目标兴趣点所在区域位置对应的目标矩阵元素。

对于一个确定的目标兴趣点，该目标兴趣点所在区域位置的位置信息是确定的。本实施例中，可以预先建立预设的矩阵元素与区域位置的映射关系，进而，根据预设的矩阵元素与区域位置的映射关系，以及目标兴趣点所在区域位置的位置信息，可以在预设矩阵中确定出与目标兴趣点所在区域位置对应的目标矩阵元素。

步骤203，根据与目标兴趣点关联的导航数据集中包括的数据量，确定预设值。

步骤204，将目标矩阵元素的数值置为预设值。

例如，获取了与目标兴趣点关联的导航数据集之后，可以统计出目标数据集中包含的数据量，进而根据统计的数据量，确定预设值。比如，获取了与目标兴趣点关联的500个导航数据构成导航数据集，则预设值可以确定为比500大的任意值，比如600、800、900等。

本实施例中，确定了目标兴趣点所在区域位置对应的目标矩阵元素以及预设值之后，可以将目标矩阵元素的数值置为预设值，即将预设矩阵中，与目标兴趣点所在区域位置对应的矩阵元素的元素值设置为预设值，以使该目标兴趣点对应的矩阵元素区别于其它矩阵元素，从而便于识别出目标兴趣点。

步骤205，基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值。

导航数据集中包括位置信息，位置信息可以用于指示车辆在不同时刻的所在的区域位置，从而，本实施例中，基于预设的矩阵元素与区域位置的映射关系，通过对导航数据集中的位置信息进行统计分析，可以统计出预设矩阵中各元素对应的元素值。

作为一种示例，在确定预设矩阵中各元素当前对应的数值时，可以基于预设的矩阵元素与区域位置的映射关系，依次确定导航数据集中各位置与预设矩阵中各元素的对应关系，如果确定导航数据集中第i个位置位于第j个元素对应的区域内，则将第j个元素对应的数值加1。其中，i和j均为正整数。例如，在判断第i个位置是否位于第j个元素对应的区域内时，可以根据第i个位置的经纬度坐标，判断该经纬度坐标是否落在第j个元素对应的区域位置的经纬度范围内，若是，则确定第i个位置位于第j个元素对应的区域内。

步骤206，基于预设的数值与显示样式的对应关系，确定与预设矩阵中各元素当前的数值对应的可视图。

其中，显示样式例如可以包括显示颜色、或显示图样的大小等等，例如，显示图样可以为圆点、方块、五角星等。数值与显示样式的对应关系中，该数值可以是一个具体的数字，也可以是一个比值。例如，当每次获取的与目标兴趣点关联的导航数据集中的数据量为一个固定的值时，建立数值与显示样式的对应关系时，所使用的数值可以为一个具体的数字，也可以为一个比值；当每次获取的与目标兴趣点关联的导航数据集中的数据量为不确定的值时，建立数值与显示样式的对应关系时，所使用的数值可以为一个比值。

下面以基于预设的比值与显示样式的对应关系，确定与预设矩阵中各元素当前的数值对应的可视图为例，解释说明可视图的确定过程。

示例一，显示样式为颜色，预设的比值与显示样式的对应关系为：当比值小于0.4时，对应的颜色为白色；当比值大于或等于0.4时，对应的颜色为红色。本示例中，针对预设矩阵中每一个元素，计算该元素当前的数值与本次获取的导航数据集的数据量的比值，将所得比值与0.4进行比较，如果不小于0.4，则将该元素的颜色设置为红色，否则，将该元素的颜色设置为白色。从而，实现了矩阵的可视化处理，将数值表示的矩阵转换为图像显示，得到对应的可视图，可视图中，红色表示通行状态良好。

示例二，显示样式为颜色，预设的比值与显示样式的对应关系为：当比值小于0.2时，对应的颜色为白色；当比值在0.2～0.4(包含0.2但不包含0.4)之间时，对应的颜色为绿色；当比值在0.4～0.6(包含0.4但不包含0.6)之间时，对应的颜色为蓝色；当比值在0.6～0.8(包含0.6但不包含0.8)之间时，对应的颜色为橘色；当比值大于或等于0.8时，对应的颜色为红色。其中，红色表示通行状态最佳，橘色次之，绿色表示通行状态最差。本示例中，针对预设矩阵中每一个元素，计算该元素当前的数值与本次获取的导航数据集的数据量的比值，并将所得比值与对应关系中的各个比值范围进行比较，将匹配的比值范围对应的颜色确定为预设矩阵中该元素的颜色。例如，预设矩阵中某一元素的数值与导航数据集的数据量的比值为0.35，则将该元素的颜色设置为绿色。进而，确定了预设矩阵中所有元素的颜色之后，显示预设矩阵，得到可视图。

示例三，显示样式为圆点，预设的比值与显示样式的对应关系为：当比值小于0.5时，不显示圆点；当比值大于或等于0.5时，显示圆点。本示例中，针对预设矩阵中每一个元素，计算该元素当前的数值与本次获取的导航数据集的数据量的比值，将所得比值与0.5进行比较，如果不小于0.5，则将该元素对应的数值替换为圆点；当比值小于0.5时，在该元素上不进行任何显示。完成对预设矩阵中所有元素的处理后，显示预设矩阵对应的圆点图，即可视图，其中，圆点连成的道路表示通行状态良好。

示例四，显示样式为圆点，预设的比值与显示样式的对应关系为：当比值小于0.1时，不显示圆点；当比值在0.1～0.2(包含0.1但不包含0.2)之间时，显示直径为1mm的圆点；当比值在0.2～0.3(包含0.2但不包含0.3)之间时，显示直径为1.5mm的圆点；当比值在0.3～0.4(包含0.3但不包含0.4)之间时，显示直径为2mm的圆点；以此类推，当比值大于或等于0.9时，显示直径为5mm的圆点。其中，圆点的直径越大，表示通行状态越好。本示例中，针对预设矩阵中每一个元素，计算该元素当前的数值与本次获取的导航数据集的数据量的比值，并将所得比值与对应关系中的各个比值范围进行比较，将匹配的比值范围对应的圆点确定为预设矩阵中该元素的圆点。例如，预设矩阵中某一元素的数值与导航数据集的数据量的比值为0.55，则将预设矩阵中该元素的数值替换为直径为3mm的圆点。进而，确定了预设矩阵中所有元素对应的圆点之后，显示预设矩阵中不同大小的圆点，得到可视图。根据圆点的大小，可以确定不同的通行状态。

步骤207，根据可视图，确定目标兴趣点关联路段当前的通行状态图。

可以理解的是，在根据预设的数值与显示样式的对应关系，确定出预设矩阵中各元素的显示样式后，还需要将与同一道路中各区域分别对应的元素连通，才能形成该道路的通行状态图。

本实施例中，确定了预设矩阵中各矩阵元素的数值对应的可视图之后，可以根据确定的可视图，确定目标兴趣点关联路段当前的通行状态图。

假设预设的数值与显示样式的对应关系中，当数值在80～90(包含80但不包含90)之间时，显示直径为5mm的圆点，当数值在50～60(包含50但不包含60)之间时，显示直径为2mm的圆点，当数值小于10时，不显示圆点，当数值为999时，显示直径为6mm的圆点来表示目标兴趣点。从而，当确定的预设矩阵中各矩阵元素的数值如图5(a)中右图所示时，根据预设的数值与显示样式的对应关系，可以确定出各元素的数值对应的显示样式，进而将与同一道路不同区域分别对应的元素连通，即可形成如图5a左侧所示的可视图。根据该可视图，可以确定目标兴趣点A关联的路段处于通行状态。

步骤208，根据关联路段当前的通行状态图，确定目标兴趣点当前的状态信息。

本实施例中，确定了目标兴趣点关联路段当前的通行状态图之后，可以根据确定的通行状态图，确定目标兴趣点当前的状态信息。

作为一种示例，可以基于预设的目标兴趣点的状态信息与各关联路段通行状态图的映射关系，确定与关联路段当前的通行状态图对应的目标兴趣点的状态信息。

本实施例中，针对目标兴趣点，可以假设目标兴趣点的状态信息分别为正常和关闭时，预先获取目标兴趣点各关联路段的通行状态图，并建立目标兴趣点的状态信息与各关联路段通行状态图之间的映射关系。进而，确定了目标兴趣点关联路段当前的通行状态图之后，通过查询预先建立的映射关系，可以确定对应的目标兴趣点的状态信息。

步骤209，根据目标兴趣点当前的状态信息，确定目标兴趣点当前地图数据的现势性。

本实施例中，根据确定的目标兴趣点当前的状态信息，可以确定目标兴趣点当前地图数据的现势性。例如，目标兴趣点当前的状态信息为正常时，确定目标兴趣点当前地图数据的现势性状态为正常；目标兴趣点当前的状态信息为关闭时，确定目标兴趣点当前地图数据的现势性状态为异常。

本实施例的基于导航数据的地图现势性检测方法，通过获取与目标兴趣点关联的导航数据集，基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值，以及基于对应关系确定目标兴趣点所在区域位置对应的目标矩阵元素，并根据与目标兴趣点关联的导航数据集中包括的数据量确定预设值，将目标矩阵元素的数值置为预设值，进而基于预设的数值与显示样式的对应关系，确定与预设矩阵中各元素当前的数值对应的可视图，并根据可视图确定目标兴趣点关联路段当前的通行状态图，进而根据关联路段当前的通行状态图，确定目标兴趣点当前的状态信息，最终根据目标兴趣点当前的状态信息，确定目标兴趣点当前地图数据的现势性，由此，实现了对兴趣点的现势性进行精确地判断和及时更新，有利于提高电子地图导航的准确性。

图7为本申请实施例所提供了又一种基于导航数据的地图现势性检测方法的流程示意图，本实施例中，主要对通过预先训练好的预测模型确定目标兴趣点当前地图数据的现势性的具体实现过程进行描述。如图7所示，在如图1所示实施例的基础上，步骤103可以包括以下步骤：

步骤301，利用训练生成的状态预测网络，对包括各元素当前对应的数值的矩阵进行解析处理，以得到目标兴趣点当前的状态信息。

为了能够利用训练生成的状态预测网络得到目标兴趣点当前的状态信息，需要预先训练得到状态预测网络。

在进行网络训练时，需要先获取大量的训练样本，每一个训练样本包括矩阵元素的数值已知的矩阵和对应的兴趣点的状态信息。获取训练样本时，针对一个兴趣点，可以获取与该兴趣点关联的若干数量的导航轨迹，并采用人工标注或者机器标注的方式，标注出兴趣点的状态信息为正常或异常时对应的导航轨迹，以及，从电子地图中获取导航数据集，并采用统计分析的方式，确定出每一种导航轨迹对应的矩阵。进而，将标注后的导航轨迹和对应的矩阵作为训练样本，用于网络训练。进而，将训练样本中的各个矩阵作为初始网络模型(例如卷积神经网络模型、深度神经网络模型等)输入，将标注的兴趣点的状态信息作为输出，对初始网络模型进行训练，得到状态预测网络。

本实施例中，确定了各矩阵元素的数值之后，可以将确定了各矩阵元素的数值之后的矩阵输入至训练好的状态预测网络中，由状态预测网络对矩阵进行解析处理，输出目标兴趣点当前的状态信息。

步骤302，根据目标兴趣点当前的状态信息，确定目标兴趣点当前地图数据的现势性。

本实施例中，得到目标兴趣点当前的状态信息后，可以根据状态信息确定目标兴趣点当前地图数据的现势性。

本实施例的基于导航数据的地图现势性检测方法，通过利用训练生成的状态预测网络对包括各元素当前对应的数值的矩阵进行解析处理，以得到目标兴趣点当前的状态信息，进而根据获得的状态信息确定目标兴趣点当前地图数据的现势性，由此，实现了对兴趣点的现势性进行精确地判断和及时更新，有利于提高电子地图导航的准确性。此外，训练得到的兴趣点状态预测网络可以用于兴趣点状态信息的线上预测，实现对兴趣点状态的实时监控，有助于兴趣点现势性的及时判断。

对于不同的兴趣点而言，其周边的路径轨迹不一定相同。以加油站为例，有的加油站设置在直行马路边，则车辆驶入加油站会出现直线加环形的轨迹；有的加油站设置的三岔路口或五岔路口等，则车辆驶入加油站的轨迹可能为曲线轨迹，与驶入直行马路边的加油站的轨迹有所差异。此外，不同的兴趣点周边的路线分布也有所差异，有的兴趣点周边只有一条路，而有的兴趣点周边可能有三条路、五条路等。

对于一个兴趣点而言，当该兴趣点周边分布的路线较密集时，若预设的矩阵元素对应的区域位置较大，则被划分在同一区域的道路可能不止一条，这会导致根据导航数据确定的预设矩阵中各元素的数值不准确。为此，本申请实施例提出另一种基于导航数据的地图现势性检测方法，以根据兴趣点周边路线的分布情况来确定对应的区域划分粒度，尽可能地确保周边任意两条路线均不会落在相同的区域位置内。

图8为本申请实施例提出再一种基于导航数据的地图现势性检测方法的流程示意图。如图8所示，在如图1所示实施例的基础上，步骤102之前，还可以包括以下步骤：

步骤401，根据目标兴趣点与关联路段的位置关系，确定目标兴趣点对应的区域划分粒度。

其中，目标兴趣点与关联路段的位置关系，可以是目标兴趣点的关联路段的分布情况。

本实施例中，可以根据目标兴趣点与关联路段的位置关系，确定目标兴趣点对应的区域划分粒度。例如，可以预先存储目标兴趣点关联路段的条数与区域划分粒度的对应关系，其中，关联路段的条数越多，对应的区域划分粒度越小。例如，区域划分粒度与关联路段条数的对应关系如图9所示。进而，根据目标兴趣点的关联路段的条数，通过查询对应关系，确定对应的区域划分粒度。

步骤402，根据区域划分粒度，确定预设的矩阵元素与区域位置的映射关系。

本实施例中，确定了目标兴趣点对应的区域划分粒度之后，可以根据确定的区域划分粒度，确定预设的矩阵元素与区域位置的映射关系。其中，区域划分粒度越小，矩阵元素对应的区域位置的范围越小，矩阵维度越大。例如，假设以对目标兴趣点周边1.2公里的区域进行划分为例，当区域划分粒度为8米*6米时，矩阵元素对应的区域位置的经度跨度和维度跨度约为0.2秒，对应的矩阵维度约为150*200；当区域划分粒度为4米*3米时，矩阵元素对应的区域位置的经度跨度和纬度跨度约为0.1秒，对应的矩阵维度约为300*400。

本实施例的基于导航数据的地图现势性检测方法，通过根据目标兴趣点与关联路段的位置关系确定目标兴趣点对应的区域划分粒度，进而根据区域划分粒度确定预设的矩阵元素与区域位置的映射关系，能够尽可能地确保目标兴趣点周边任意两条路线均不会落在相同的区域位置内，为提高根据导航数据确定的预设矩阵中各元素的数值的准确度提供条件。

为了实现上述实施例，本申请还提出一种基于导航数据的地图现势性检测装置。

图10为本申请实施例所提供的一种基于导航数据的地图现势性检测装置的结构示意图。

如图10所示，该基于导航数据的地图现势性检测装置50包括：获取模块510、分析模块520，以及确定模块530。

其中，获取模块510，用于获取与目标兴趣点关联的导航数据集。

在本申请实施例一种可能的实现方式中，导航数据集中可以包括时间信息。从而，获取模块510具体用于根据导航数据集中的时间信息，获取当前采集周期内与目标兴趣点关联的导航数据集。

在本申请实施例一种可能的实现方式中，获取模块510具体用于获取导航目的地为目标兴趣点的导航数据集。

分析模块520，用于基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值。

在本申请实施例一种可能的实现方式中，获取模块510获取的导航数据集中可以包括位置信息。从而，本实施例中，分析模块520具体用于基于预设的矩阵元素与区域位置的映射关系，依次确定导航数据集中各位置与预设矩阵中各元素的对应关系，并在确定导航数据集中第i个位置位于第j个元素对应的区域内时，将第j个元素对应的数值加1；其中，i和j均为正整数。

确定模块530，用于根据各元素当前对应的数值，确定目标兴趣点当前地图数据的现势性。

进一步地，在本申请实施例一种可能的实现方式中，如图11所示，在如图10所示实施例的基础上，该基于导航数据的地图现势性检测装置50还包括：

预设值确定模块500，用于根据与目标兴趣点关联的导航数据集中包括的数据量，确定预设值。

设置模块501，用于基于预设的矩阵元素与区域位置的映射关系，确定目标兴趣点所在区域位置对应的目标矩阵元素；将目标矩阵元素的数值置为预设值。

确定模块530可以包括：

状态图确定单元5301，用于基于预设的数值与显示样式的对应关系，确定与预设矩阵中各元素当前的数值对应的可视图；以及，根据可视图，确定目标兴趣点关联路段当前的通行状态图。

状态信息确定单元5302，用于根据关联路段当前的通行状态图，确定目标兴趣点当前的状态信息。

具体地，状态信息确定单元5302用于基于预设的目标兴趣点的状态信息与各关联路段通行状态图的映射关系，确定与关联路段当前的通行状态图对应的目标兴趣点的状态信息。

现势性确定单元5303，用于根据目标兴趣点当前的状态信息，确定目标兴趣点当前地图数据的现势性。

通过基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值，以及基于对应关系确定目标兴趣点所在区域位置对应的目标矩阵元素，并根据与目标兴趣点关联的导航数据集中包括的数据量确定预设值，将目标矩阵元素的数值置为预设值，进而基于预设的数值与显示样式的对应关系，确定与预设矩阵中各元素当前的数值对应的可视图，并根据可视图确定目标兴趣点关联路段当前的通行状态图，进而根据关联路段当前的通行状态图，确定目标兴趣点当前的状态信息，最终根据目标兴趣点当前的状态信息，确定目标兴趣点当前地图数据的现势性，由此，实现了对兴趣点的现势性进行精确地判断和及时更新，有利于提高电子地图导航的准确性。

在本申请实施例一种可能的实现方式中，如图12所示，在如图10所示实施例的基础上，确定模块530可以包括：

解析单元5311，用于利用训练生成的状态预测网络，对包括各元素当前对应的数值的矩阵进行解析处理，以得到目标兴趣点当前的状态信息。

确定单元5312，用于根据目标兴趣点当前的状态信息，确定目标兴趣点当前地图数据的现势性。

通过利用训练生成的状态预测网络对包括各元素当前对应的数值的矩阵进行解析处理，以得到目标兴趣点当前的状态信息，进而根据获得的状态信息确定目标兴趣点当前地图数据的现势性，由此，实现了对兴趣点的现势性进行精确地判断和及时更新，有利于提高电子地图导航的准确性。此外，训练得到的状态预测网络可以用于兴趣点状态信息的线上预测，实现对兴趣点状态的实时监控，有助于兴趣点现势性的及时判断。

在本申请实施例一种可能的实现方式中，如图13所示，在如图10所示实施例的基础上，该基于导航数据的地图现势性检测装置50还可以包括：

划分粒度确定模块540，用于根据目标兴趣点与关联路段的位置关系，确定目标兴趣点对应的区域划分粒度。

映射关系确定模块550，用于根据区域划分粒度，确定预设的矩阵元素与区域位置的映射关系。

通过根据目标兴趣点与关联路段的位置关系确定目标兴趣点对应的区域划分粒度，进而根据区域划分粒度确定预设的矩阵元素与区域位置的映射关系，能够尽可能地确保目标兴趣点周边任意两条路线均不会落在相同的区域位置内，为提高根据导航数据确定的预设矩阵中各元素的数值的准确度提供条件。

需要说明的是，前述对基于导航数据的地图现势性检测方法实施例的解释说明也适用于该实施例的基于导航数据的地图现势性检测装置，其实现原理类似，此处不再赘述。

本实施例的基于导航数据的地图现势性检测装置，通过获取与目标兴趣点关联的导航数据集，并基于预设的矩阵元素与区域位置的映射关系，对导航数据集中各导航数据进行统计分析，确定预设矩阵中各元素当前对应的数值，进而根据各元素当前对应的数值，确定目标兴趣点当前地图数据的现势性。由此，达到了利用覆盖广且实时性高的导航数据进行现势性判断的目的，提高了目标兴趣点现势性检测的准确性和时效性，进而提高了地图所推荐路线的准确性，提升了用户体验。

为了实现上述实施例，本申请还提出一种计算机设备。

图14为本申请实施例所提供的一种计算机设备的结构示意图。

如图14所示，该计算机设备90包括：处理器910和存储器920。其中，处理器910通过读取存储器920中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如前述实施例所述的基于导航数据的地图现势性检测方法。

为了实现上述实施例，本申请还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前述实施例所述的基于导航数据的地图现势性检测方法。

为了实现上述实施例，本申请还提出一种计算机程序产品，当该计算机程序产品中的指令由处理器执行时实现如前述实施例所述的基于导航数据的地图现势性检测方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。