【技术实现步骤摘要】
本申请涉及大数据和计算机软件算法的，具体而言，涉及一种火点融合定位方法、装置及电子设备。
技术介绍
1、目前，在使用聚类算法对火灾的起火点坐标进行聚类时，容易将同一地区的两个相近位置的火点归类在同一个类簇中，例如：如果两个火点在空间上非常接近，尤其是在同一地区同时发生的火灾情况下，这些火点很容易被错误地归类到同一个聚类簇中。这种情况下，即使实际上发生了多起独立的火灾，也可能被误认为是一起大规模的火灾事件。因此，目前的聚类算法难以识别出同一地区同时发生的多个独立火灾事件，导致火点定位的查全率较低。
技术实现思路
1、本申请实施例的目的在于提供一种火点融合定位方法、装置及电子设备，用于改善火点定位的查全率较低的问题。
2、本申请实施例提供了一种火点融合定位方法，包括：获取多个火点数据，火点数据包括：经纬度坐标和数据来源类型；根据经纬度坐标对多个火点数据进行聚类，获得多个类簇；针对多个类簇中的每个类簇，根据数据来源类型和火点数据之间的空间距离对该类簇下的全部火点数据进行聚类，获得该类簇下的多个子簇，火点数据之间的空间距离是根据火点数据的经纬度坐标计算获得的；针对该类簇下的多个子簇中的每个子簇，对该子簇下的全部火点数据进行融合定位，获得该子簇的定位坐标。在上述方案的实现过程中，通过第一次聚类通过空间位置的角度对火点进行初步划分，且第二次聚类根据同一个簇中火点的来源情况以及不同来源火点之间的空间距离关系，将同一来源的火点划分到不同簇中，从而进一步区分了原先同一类簇中同一来源类型的
3、可选地，在本申请实施例中，根据经纬度坐标对多个火点数据进行聚类，包括：对多个火点数据中的两个火点数据的经纬度坐标进行计算，获得两个火点之间的空间距离；根据空间距离对多个火点数据进行聚类。在上述方案的实现过程中，通过计算火点之间的空间距离，并据此进行聚类，可以更准确地识别出火点的位置，考虑了火点之间的实际空间关系，从而增强了火点融合定位的准确性。
4、可选地，在本申请实施例中，根据数据来源类型和火点数据之间的空间距离对该类簇下的全部火点数据进行聚类，包括：根据数据来源类型对该类簇下的全部火点数据进行统计，获得多种数据来源类型的火点数量；从多种数据来源类型中筛选出火点数量最多的目标来源类型和剩余来源类型；根据目标来源类型的全部火点数据新建出该类簇下的多个子簇；将目标来源类型的全部火点数据分别划入该类簇下的多个子簇中；针对剩余来源类型中的每个火点数据，根据该火点数据与目标来源类型的火点数据之间的空间距离，将该火点数据划入该类簇下的多个子簇中。在上述方案的实现过程中，通过根据数据来源类型和火点数据之间的空间距离对该类簇下的全部火点数据进行聚类，为不同来源类型的火点数据建立子簇，并基于空间距离将火点数据分配到对应的子簇中，可以更准确地识别出火点的位置，考虑了火点之间的实际空间关系以及数据来源的差异，有效地从多个角度来相互验证火点数据的定位坐标，有效地提高了火点定位坐标获取的准确性。
5、可选地，在本申请实施例中，根据该火点数据与目标来源类型的火点数据之间的空间距离，将该火点数据划入该类簇下的多个子簇中，包括：针对剩余来源类型中的每个火点数据，根据经纬度坐标计算出该火点数据与目标来源类型的火点数据之间的haversine距离；从多个子簇中筛选出子簇内目标来源类型的火点数据与该火点数据之间的haversine距离最小的目标火点所在子簇；将该火点数据划入目标火点所在子簇中。在上述方案的实现过程中，通过引入了haversine公式结合聚类算法，从而改善了使用经纬度坐标之间的欧氏距离作为度量导致聚类不准确的现象，有效地增加了根据空间距离对多个火点数据进行聚类的准确率。
6、可选地，在本申请实施例中，对该子簇下的全部火点数据进行融合定位，包括：根据数据来源类型对该子簇下的全部火点数据赋予初始权重；根据该子簇下的全部火点数据的初始权重，对该子簇下的全部火点数据中的经纬度坐标进行加权计算，获得该子簇的中心点坐标；针对该子簇下的全部火点数据中的每个火点数据，计算出该火点数据中的经纬度坐标与该子簇的中心点坐标之间的空间距离；根据空间距离对该火点数据的初始权重进行优化更新，获得该火点数据的更新权重；根据该子簇下的全部火点数据的更新权重，对该子簇的中心点坐标进行迭代优化，直到满足停止迭代条件，获得该子簇的定位坐标；其中，迭代条件包括：该子簇的中心点坐标被加权计算的迭代次数超过预设阈值，或者，该子簇的中心点坐标与该子簇上一次迭代加权计算出的中心点坐标之间的空间距离小于预设距离阈值。在上述方案的实现过程中，通过为不同来源类型的火点数据赋予初始权重，并进行加权计算，可以获得更加精确的中心点坐标，根据火点数据与中心点坐标之间的空间距离动态迭代优化的方式调整权重，可以确保更接近中心点的数据在计算中占有更大的比重，这个迭代优化的过程中有效地考虑了不同数据源的重要性，从而让中心点的地理坐标更加靠近火点的真实坐标，有效地提高了火点融合定位的准确性。
7、可选地，在本申请实施例中，计算出该火点数据中的经纬度坐标与该子簇的中心点坐标之间的空间距离，包括：使用haversine算法公式计算出该火点数据中的经纬度坐标与该子簇的中心点坐标之间的haversine距离；将haversine距离确定为该火点数据中的经纬度坐标与该子簇的中心点坐标之间的空间距离。在上述方案的实现过程中，通过引入了haversine公式结合两次聚类算法，从而改善了使用经纬度坐标之间的欧氏距离作为度量导致聚类不准确的现象，有效地增加了根据空间距离对多个火点数据进行聚类的准确率。
8、本申请实施例还提供了一种火点融合定位装置，包括：火点数据获取模块，用于获取多个火点数据，火点数据包括：经纬度坐标和数据来源类型；第一数据聚类模块，用于根据经纬度坐标对多个火点数据进行聚类，获得多个类簇；第二数据聚类模块，用于针对多个类簇中的每个类簇，根据数据来源类型和火点数据之间的空间距离对该类簇下的全部火点数据进行聚类，获得该类簇下的多个子簇，火点数据之间的空间距离是根据火点数据的经纬度坐标计算获得的；定位坐标获得模块，用于针对该类簇下的多个子簇中的每个子簇，对该子簇下的全部火点数据进行融合定位，获得该子簇的定位坐标。
9、可选地，在本申请实施例中，第一数据聚类模块，包括：空间距离计算子模块，用于对多个火点数据中的两个火点数据的经纬度坐标进行计算，获得两个火点之间的空间距离；火点数据聚类子模块，用于根据空间距离对多个火点数据进行聚类。
10、可选地，在本申请实施例中，第二数据聚类模块，包括：火点数量获得子模块，用于根据数据来源类型对该类簇下的全部火本文档来自技高网...
【技术保护点】
1.一种火点融合定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述经纬度坐标对所述多个火点数据进行聚类，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述数据来源类型和所述火点数据之间的空间距离对该类簇下的全部火点数据进行聚类，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据该火点数据与所述目标来源类型的火点数据之间的空间距离，将该火点数据划入该类簇下的多个子簇中，包括：
5.根据权利要求1所述的方法，其特征在于，所述对该子簇下的全部火点数据进行融合定位，包括：
6.根据权利要求5所述的方法，其特征在于，所述计算出该火点数据中的经纬度坐标与该子簇的中心点坐标之间的空间距离，包括：
7.一种火点融合定位装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器运行时执行权利要求1至6任一所述的方法。
9.一种计算机可读存储介质，其特征在于
10.一种计算机程序产品，其特征在于，包括：计算机程序或者计算机指令，所述计算机程序或者所述计算机指令被处理器运行时执行权利要求1至6任一所述的方法。
...【技术特征摘要】
1.一种火点融合定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述经纬度坐标对所述多个火点数据进行聚类，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述数据来源类型和所述火点数据之间的空间距离对该类簇下的全部火点数据进行聚类，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据该火点数据与所述目标来源类型的火点数据之间的空间距离，将该火点数据划入该类簇下的多个子簇中，包括：
5.根据权利要求1所述的方法，其特征在于，所述对该子簇下的全部火点数据进行融合定位，包括：
6.根据权利要求5所述的方法，其特征在于，所述计...
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。