位置精度评估方法及装置、电子设备、计算机可读介质

技术领域

本公开涉及数据处理技术领域，尤其涉及智能搜索和信息流技术领域，特别涉及位置精度评估方法及装置、电子设备、计算机可读介质。

背景技术

位置描述服务主要用于定位点描述。通常位置描述服务是以兴趣点(Point ofInterest，简称poi)数据为基础，根据poi的排序和坐标获得返回数据，因此，poi数据的质量决定了返回数据的精准度。

在现实世界中，公司数据不断更新，这就需要对poi数据不断进行更新，而且，需要对更新后的poi数据的精准度进行评价，以提高返回数据的精准度。

发明内容

本公开提供了一种用于位置精度评估方法及装置、电子设备、计算机可读介质。

根据本公开的第一方面，提供了一种位置精度评估方法，包括：

获取待验证数据和参考数据；其中，所述待验证数据和所述参考数据是在相同的打点位置返回的兴趣点数据，而且，所述参考数据与所述待验证数据来自于不同的地图数据库；

基于所述待验证数据对应的兴趣点的辨识度确定所述待验证数据的数据类型，以及，基于所述参考数据对应的兴趣点的辨识度确定所述参考数据的数据类型；

基于所述待验证数据获取所述待验证数据对应的兴趣点与所述打点位置之间的待验证距离，以及基于所述参考数据获得所述参考数据对应的兴趣点与所述打点位置之间的参考距离；

根据所述待验证数据的数据类型、所述参考数据的数据类型、所述待验证距离、所述参考距离和预设的距离阈值评估所述待验证数据的精准度。

根据本公开的第二方面，提供了一种位置精度评估装置，包括：

第一获取模块，用于获取待验证数据和参考数据；其中，所述待验证数据和所述参考数据是在相同的打点位置返回的兴趣点数据，而且，所述参考数据与所述待验证数据来自于不同的地图数据库；

数据类型确定模块，用于基于所述待验证数据对应的兴趣点的辨识度确定所述待验证数据的数据类型，以及，基于所述参考数据对应的兴趣点的辨识度确定所述参考数据的数据类型；

第二获取模块，用于基于所述待验证数据获取所述待验证数据对应的兴趣点与所述打点位置之间的待验证距离，以及基于所述参考数据获得所述参考数据对应的兴趣点与所述打点位置之间的参考距离；

评估模块，用于根据所述待验证数据的数据类型、所述参考数据的数据类型、所述待验证距离、所述参考距离和预设的距离阈值评估所述待验证数据的精准度。

根据本公开的第三方面，提供了一种电子设备，其包括：

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位置精度评估方法中任一项所述的方法。

根据本公开的第四方面，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，所述计算机指令用于使所述计算机执行位置精度评估方法中任一项所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述位置精度评估方法中任一项所述的方法。

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是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2为本公开实施例提供的一种位置精度评估方法的流程图；

图3为本公开实施例提供的位置精度评估方法的策略图；

图4为本公开实施例提供的一种位置精度评估装置的示意图；

图5是用来实现本公开实施例的位置精度评估方法的电子设备的框图。

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。

poi数据包括零售商铺、餐饮门店、娱乐场所、住宅小区或大学等位置数据。由于公司的经营策略等原因，公司的位置数据经常会变化。例如，为了扩大经营，公司进行了搬迁，而该公司的营业地址更变为其它公司。因此，需要对poi数据进行更新，而且，在上线前还需要对更新后的poi数据的精准度进行评估。

目前是通过打点方式获得兴趣点的返回数据，依据返回数据判断poi数据的精准度。若存在返回数据，则判断poi数据准确；若返回数据为空，则判断poi数据不准确。然而，这种判断方式只能判断poi数据的覆盖率，不能判断poi数据的好坏。因此，难以保证上线的poi数据的质量。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的位置精度评估方法或位置精度评估装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等。

用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。例如，用户可以通过终端设备101确定打点位置，并通过网络102将打点位置的坐标发送给服务器103。终端设备101上可以安装有各种通讯客户端应用，例如地图应用、导航应用等。

终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等。

当终端设备101为软件时，可以安装在上述所列举的电子设备中，其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是提供各种服务的服务器，例如对终端设备101发送的打点位置进行处理的后台服务器。后台服务器基于接收的打点位置坐标获得兴趣点，并将兴趣点相关的返回数据反馈给终端设备101。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的用于位置精度评估方法可以由终端设备101执行，也可以由服务器103执行。相应地，位置精度评估装置可以设置于终端设备101中，也可以设置于服务器103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

本公开实施例提供一种位置精度评估方法，通过返回数据判断poi数据的精准度。

图2为本公开实施例提供的一种位置精度评估方法的流程图。如图2所示，本公开实施例提供的位置精度评估方法，包括：

步骤S201，获取待验证数据和参考数据。

其中，待验证数据是基于打点位置获得的poi数据。打点位置是指为了测试poi数据的精准度而选定的定位点的位置。在本实施例中，打点位置可以根据场景来选取，如根据地图实际用户的用户日志选取待验证数据样本的打点位置。

在本实施例中，参考数据和待验证数据的获取方式相同，而且参考数据和待验证数据是在相同的打点位置获得的poi数据。由于参考数据与待验证数据来自不同的地图数据库，因此，参考数据和待验证数据可能相同，也可能不同，从而可以利用参考数据验证待验证数据的准确度。

例如，待验证数据来自于第一服务商提供的数据库，参考数据来自于第二服务商和第三服务商提供的数据库。通过第二服务商和第三服务商提供的参考数据可以验证第一服务商提供的待验证数据的精准度。

在验证位置精度的过程中，待验证数据和参考数据的比对结果存在以下几种情况，即，待验证数据与第二服务商和第三服务商提供的参考数据均相同；或者，待验证数据与第二服务商和第三服务商提供的参考数据不同，但第二服务商和第三服务商提供的参考数据相同；或者，待验证数据与第二服务商、第三服务商提供的参考数据之一相同；或者，待验证数据与第二服务商和第三服务商提供的参考数据均不相同，本实施例针对不同情况采用不同的方式评估待验证数据的精准度。

需要说明的是，参考数据可以通过第二服务商和第三服务商提供的对外公开的应用程序接口(Application Programming Interface，API)获得，也可以通过其它的合法手段获得，本实施例对获取参考数据的方式不做限定。

步骤S202，基于待验证数据对应的兴趣点的辨识度确定待验证数据的数据类型，以及，基于参考数据对应的兴趣点的辨识度确定参考数据的数据类型。

其中，辨识度是指兴趣点的可分辨程度。例如，写字楼、酒店通常为独栋建筑，住宅区为包含多栋建筑的片区，因此，写字楼和酒店的辨识度高于住宅区的辨识度。再如，医院通常占地比较大且楼栋比较集中，住宅区虽然占地较大，但楼栋比较分散，因此，医院的辨识度比住宅区的辨识度高。

在本实施例中，用户发起打点请求后，服务器基于打点位置的坐标信息获取兴趣点，并将兴趣点的相关信息作为返回信息发送至用户终端。例如，在返回信息中包括兴趣点名称、兴趣点与打点位置的距离等信息。

在一些实施例中，利用不同服务商提供的数据库在同一打点位置进行打点，获得的返回数据中的兴趣点的类型可能相同，也可能不同。例如，在东经116.2，北纬40.5的打点位置进行打点，第一服务商返回的数据为写字楼S且距离为75米，第二服务商返回的数据为写字楼M且距离为100米，第三服务商返回的数据为写字楼M且距离为54米。此时，第一服务商、第二服务商和第三服务商返回的数据类型均为写字楼。

再如，在东经116.1，北纬41.3的打点位置进行打点，第一服务商返回的数据为酒店N且距离为55米，第二服务商返回的数据为拉面馆Y且距离为21米，第三服务商返回的数据为拉面馆Y且距离为9米。此时，第一服务商、第二服务商和第三服务商返回的数据类型不同。

在一些实施例中，数据类型是按照兴趣点的辨识度确定的，兴趣点的辨识度越高，数据类型的等级越高。例如，数据类型包括三个等级，即第一数据类型、第二数据类型和第三数据类型，而且，第一数据类型、第二数据类型和第三数据类型依次降低。

在一些实施例中，第一数据类型包括写字楼、酒店、医院和工业园区；第二数据类型包括住宅区、宿舍区，以及幼儿园、小学、中学、大学等教育机构；第三数据类型包括餐饮店、服装店、理发店、药店等路边小店。

其中，参考数据的数据类型与待验证数据的数据类型的分类方式相同，在此不再赘述。

在一些实施例中，基于待验证数据对应的兴趣点的辨识度确定待验证数据的数据类型，基于参考数据对应的兴趣点的辨识度确定参考数据的数据类型。

步骤S203，基于待验证数据获取待验证数据对应的兴趣点与打点位置之间的待验证距离，以及基于参考数据获得参考数据对应的兴趣点与打点位置之间的参考距离。

在一些实施例中，待验证数据包括待验证数据对应的兴趣点的标签和待验证距离，其中，待验证距离为打点位置与待验证数据对应的兴趣点之间的距离。依据待验证数据对应的兴趣点的标签可以获得待验证数据对应的兴趣点的辨识度和待验证距离。

在一些实施例中，参考数据包括参考数据对应的兴趣点的标签和参考距离，其中，参考距离为打点位置与参考数据对应的兴趣点之间的距离。依据参考数据对应的兴趣点的标签可以获得参考数据对应的兴趣点的辨识度。

步骤S204，根据待验证数据的数据类型、参考数据的数据类型、待验证距离、参考距离和预设的距离阈值评估待验证数据的精准度。

在本实施例中，根据待验证数据和参考数据的比对情况评估待验证数据的精准度，而且根据待验证数据和参考数据的比对结果不同，根据待验证数据的数据类型、参考数据的数据类型、待验证距离、参考距离和预设的距离阈值来具体评估待验证数据的精准度。

需要说明的是，本实施例是基于以下前提中的至少一种，打点位置与实际定位位置之间的距离不超过100m，肉眼可见范围为150m，住宅区的楼栋间距不超过40m,小商铺距离不超过30m。楼栋长度在70m-100m之间,少数的在100m以上，而且较大的楼栋，则分为子楼栋，大厦间的间距在100m左右。打点位置可能会有偏差，但偏差不会大过楼栋的长度。另外，若在打点位置进行打点获得多个返回数据，即每个数据库都能获得多个返回数据，需要假设各个数据库的返回数据中各个兴趣点的排序正确。即基于第一服务商提供的数据库获得的多个返回数据中，取排序第一的返回数据为待验证数据；基于第二服务商和第三服务商提供的数据库获得的多个返回数据中，取排序第一的返回数据为参考数据，再对排序第一的待验证数据和参考数据进行评估。

本公开实施例提供的位置精度评估方法，根据待验证数据获得待验证数据的数据类型，以及待验证数据对应的兴趣点与打点位置之间的待验证距离，以及根据参考数据获得参考数据的类型，以及参考数据对应的兴趣点与打点位置之间的参考距离，再根据待验证数据的数据类型、参考数据的数据类型、待验证距离、参考距离和预设的距离阈值评估待验证数据的精准度，可以提高待验证数据评估的准确性，为后续的poi数据更新提供可靠的数据基础。

在一些实施例中，待验证数据包括待验证数据对应的兴趣点的标签，参考数据包括参考数据对应的兴趣点的标签。

其中，兴趣点标签是根据兴趣点的辨识度确定的标签。兴趣点标签通常是服务商根据实际验证确定的标签。对相同的兴趣点，不同服务商提供的兴趣点标签基本一致。例如，不同服务商给写字楼、酒店的标签为独栋，给住宅区的标签为片区。因此，根据兴趣点标签可以确定兴趣点的辨识度，再根据待验证数据对应的兴趣点的辨识度即可确定待验证数据的类型。

在一些实施例中，步骤S202，基于待验证数据对应的兴趣点的辨识度确定待验证数据的数据类型，以及，基于参考数据对应的兴趣点的辨识度确定参考数据的数据类型之前，还包括：

基于待验证数据对应的兴趣点的标签确定待验证数据对应的兴趣点的辨识度；以及，基于参考数据对应的兴趣点的标签确定参考数据对应的兴趣点的辨识度。

由于兴趣点标签是服务商提供的poi数据中自带的数据，本实施例依据兴趣点标签确定待验证数据对应的兴趣点的辨识度，可以准确地获得兴趣点的辨识度。

在一些实施例中，参考数据包括至少两组数据，而且，参考数据由不同的竟品数据库获得。其中，竟品数据库是由不同服务商维护的数据库，数据来源不同，数据维护的方式不同，从而可以提高数据评估的精准度。

需说明的是，虽然本实施例示例性地通过第二服务商和第三服务商提供的参考数据来验证第一服务商提供的待验证数据的精准度，但这并不表示第一服务商提供的待验证数据的精准度只能通过两个服务商提供的参考数据来验证。实际上，本公开实施例待验证数据可以通过更多服务商提供的参考数据来验证。

本实施例通过至少两组来自不同竟品数据库的参考数据对待验证数据进行验证，由于竟品数据库是由不同的服务商维护，数据来源不同，数据维护的方式不同，利用不同的竟品数据库可以提高待验证数据评估的精准度。

在一些实施例中，参考数据来自于两个竟品数据库，即参考数据包括第一参考数据和第二参考数据，基于第一参考数据获得打点位置与第一参考数据对应的兴趣点之间的第一参考距离，基于第二参考数据获得打点位置与第二参考数据对应的兴趣点之间的第二参考距离。

在一些实施例中，将待验证数据和参考数据按照兴趣点的辨识度确定，并将数据类型分为第一数据类型、第二数据类型和第三数据类型。

在一些实施例中，步骤S204，根据待验证数据的数据类型、参考数据的数据类型、待验证距离、参考距离和预设的距离阈值评估待验证数据的精准度，包括以下三种情况：

第一种情况，待验证距离、第一参考距离、第二参考距离均相同。

在待验证距离、第一参考距离、第二参考距离均相同的情况下，则可以评估待验证数据的精准度满足预设要求。

第二种情况，第一参考距离和第二参考距离相同，但第一参考距离和第二参考距离与待验证距离不相同。

在第一参考距离和第二参考距离相同，且与待验证距离不相同的情况下，基于待验证数据的数据类型、参考数据的数据类型、第一参考距离、第二参考距离和距离阈值评估待验证数据的精准度。

第三种情况，第一参考距离、第二参考距离和待验证距离均不相同。

在第一参考距离、第二参考距离和待验证距离均不相同的情况下，基于待验证距离、第一参考距离、第二参考距离和预设的补偿值评估待验证数据的精准度。

本实施例利用两组参考数据，并根据待验证数据和参考数据的比较结果采用不同的方式评估待验证数据的精准度，既可以获得较准确的评估结果，又不会增加评估的复杂度，减少了运算量，从而提高评估的效率。

图3为本公开实施例提供的位置精度评估方法的策略图。在图3中，S

参考图2和图3所示，在第一参考距离S

在一些实施例中，计算第一参考距离S

本实施例通过待验证距离、第一参考距离和第二参考距离获得距离偏差，并依据距离偏差和数据类型来评估待验证数据的精准度，由于距离偏差容易获得，而且运算量小，可以提高评估的效率；距离偏差结合数据类型来评估待验证数据的精度，避免了不同辨识度的兴趣点采用相同的评估标准带来的评估不准确的问题，从而提高评估的精准度。

在附图3中，为了便于描述，将第一数据类型简称为一级，第二数据类型简称为二级，第三数据类型简称为三级。

在一些实施例中，基于待验证数据的数据类型、参考数据的数据类型、参考均值、距离偏差和距离阈值评估待验证数据的精准度时，存在以下几种情况：

在本实施例中，距离阈值根据建筑物的长度和肉眼的可见范围确定。例如，对于不同的数据类型，第一距离阈值设定为80米，第二距离阈值设定为40米，第三距离阈值设定为15米，第四距离阈值设定为100米。需要说明的是，距离阈值也可以设定为其它数值。

第一种情况，在待验证数据的数据类型和参考数据的数据类型都是一级，且距离偏差Y小于第一距离阈值的情况下，可以评估待验证数据的精准度满足预设要求。

在待验证数据的数据类型和参考数据的数据类型都是一级，且距离偏差Y大于第一距离阈值、参考均值X大于待验证距离S

在待验证数据的数据类型和参考数据的数据类型都是一级，且距离偏差Y大于第一距离阈值、参考均值X小于待验证距离S

第二种情况，在待验证数据的数据类型是一级，参考数据的数据类型是二级，且距离偏差Y小于第二距离阈值的情况下，可以评估待验证数据的精准度满足预设要求。

在待验证数据的数据类型是一级，参考数据的数据类型是二级，且距离偏差Y大于第二距离阈值、参考均值X大于待验证距离S

在待验证数据的数据类型是一级，参考数据的数据类型是二级，且距离偏差Y大于第二距离阈值、参考均值X小于待验证距离S

第三种情况，在待验证数据的数据类型是一级，参考数据的数据类型是三级，且距离偏差Y小于第三距离阈值的情况下，可以评估待验证数据的精准度满足预设要求。

在待验证数据的数据类型是一级，参考数据的数据类型是三级，且距离偏差Y大于第三距离阈值、参考均值X大于待验证距离S

在待验证数据的数据类型是一级，参考数据的数据类型是三级，且距离偏差Y大于第三距离阈值、参考均值X小于待验证距离S

第四种情况，在待验证数据的数据类型为二级，参考数据的数据类型为一级，且距离偏差Y小于第二距离阈值的情况下，评估待验证数据的精准度不满足预设要求。

在待验证数据的数据类型为二级，参考数据的数据类型为一级，且距离偏差Y大于第二距离阈值、参考均值X大于待验证距离S

在待验证数据的数据类型为二级，参考数据的数据类型为一级，且距离偏差Y大于第二距离阈值、参考均值X小于待验证距离S

第五种情况，在待验证数据的数据类型为二级，参考数据的数据类型为二级，距离偏差Y小于第二距离阈值的情况下，评估待验证数据的精准度满足预设要求。

在待验证数据的数据类型为二级，参考数据的数据类型为二级，且距离偏差Y大于第二距离阈值、参考均值X大于待验证距离S

在待验证数据的数据类型为二级，参考数据的数据类型为二级，且距离偏差Y大于第二距离阈值、参考均值X小于待验证距离S

第六种情况，在待验证数据的数据类型为二级，参考数据的数据类型为三级，距离偏差Y小于第四距离阈值的情况下，评估待验证数据的精准度满足预设要求。

在待验证数据的数据类型为二级，参考数据的数据类型为三级，距离偏差Y大于第四距离阈值、参考均值X大于待验证距离S

在待验证数据的数据类型为二级，参考数据的数据类型为三级，距离偏差Y大于第四距离阈值、参考均值X小于待验证距离S

第七种情况，在待验证数据的数据类型为三级，参考数据的数据类型为一级或二级，距离偏差Y小于第四距离阈值，评估待验证数据的精准度不满足预设要求。

在待验证数据的数据类型为三级，参考数据的数据类型为一级或二级，距离偏差Y大于第四距离阈值，且参考均值X大于待验证距离S

在待验证数据的数据类型为三级，参考数据的数据类型为一级或二级，距离偏差Y大于第四距离阈值，且待验证距离S

第八种情况，在待验证数据的数据类型和参考数据的数据类型都是三级，且距离偏差Y小于第三距离阈值的情况下，评估待验证数据的精准度满足预设要求。

在待验证数据的数据类型和参考数据的数据类型都是三级，且距离偏差Y大于第三距离阈值、待验证距离S

在待验证数据的数据类型和参考数据的数据类型都是三级，且距离偏差Y大于第三距离阈值、待验证距离S

需要说明的是，预设要求是根据实际需要确定，待验证数据的精准度要求不同，预设要求不同。但本公开不对预设要求做限定。

本实施例在待验证数据的数据类型和参考数据的数据类型相同的情况下，通过参考均值、距离偏差和距离阈值评估待验证数据的精准度，可以精准地评估与参考数据的数据类型相同的待验证数据。

在一些实施例中，距离阈值根据待验证数据对应的兴趣点的辨识度确定。在待验证数据的数据类型和参考数据的数据类型相同的情况下，待验证数据对应的兴趣点的辨识度越低，距离阈值越小。在待验证数据的数据类型和参考数据的数据类型不同的情况下，距离阈值大于辨识度最高的兴趣点对应的距离阈值。

本实施例中，距离阈值根据待验证数据对应的兴趣点的辨识度确定的，而且，对于数据类型相同的待验数据，兴趣点的辨识度越低，距离阈值越小，有利于对待验证数据进行准确评价。

在一些实施例中，对于数据类型不同的待验数据，距离阈值以辨识度最高的兴趣点对应的距离阈值为基准，并且大于辨识度最高的兴趣点对应的距离阈值，考虑综合因素有利于对待验证数据进行准确评价。

在一些实施例中，在第一参考距离、第二参考距离和待验证距离均不相同的情况下，在待验证距离的基础上，增加补偿值，而且，待验证数据对应的兴趣点的辨识度不同，补偿值也不同。

在第一参考距离、第二参考距离和待验证距离均不相同的情况下，基于待验证距离、第一参考距离、第二参考距离和预设的补偿值评估待验证数据的精准度，包括：

计算待验证距离和补偿值的和，获得第一数值；计算第一参考距离和补偿值的和，获得第二数值；计算第二参考距离和补偿值的和，获得第三数值；在第一数值小于第二数值和第三数值的情况下，评估待验证数据的精准度满足预设要求。

本实施例在待验证距离、第一参考距离和第二参考距离均不相同的情况下，利用补偿值来实现了在没有标准参考数据的情况下，评估待验证数据的精准度，增加了数据验证的灵活性。

在一些实施例中，待验证数据对应的兴趣点的辨识度越高，所述补偿值越低。

例如，根据打点位置获得的待验证数据确定待验证数据的类型为一级，待验证距离为70米，在同样的打点位置根据参考数据确定第一参考数据的类型为二级，第二参考数据的类型为三级，第一参考距离为60米，第二参考距离为30米。

假设，与一级数据类型对应的一级补偿值为0米，与二级数据类型对应的二级补偿值为40米，与三级数据类型对应的三级补偿值为100米。根据待验证距离与一级补偿值获得第一数值为70米，根据第一参考距离与二级补偿值获得第二数值为100米，根据第二参考距离与三级补偿值获得的第三数值为130米，由于第一数值小于第二数值和第三数值，可以评估待验证数据的精准度满足预设要求，否则，待验证数据的精准度不满足预设要求。

本实施例将补偿值按照待验证数据和参考数据对应的兴趣点的辨识度设定补偿值，可以使待验证数据的精准度的评估更准确。

本公开实施例还提供一种位置精准度评估装置，通过返回数据评估poi数据的精准度。

图4为本公开实施例提供的一种位置精度评估装置的原理框图。如图4所示，本公开实施例提供的位置精度评估装置400，包括：

第一获取模块401，用于获取待验证数据和参考数据。

其中，待验证数据和参考数据是在相同的打点位置返回的兴趣点数据，而且，参考数据与待验证数据来自于不同的地图数据库。

其中，待验证数据是基于打点位置获得的poi数据。打点位置是指为了测试poi数据的精准度而选定的定位点的位置。在本实施例中，打点位置可以根据场景来选取，如根据地图实际用户的用户日志选取待验证数据的打点位置。

在本实施例中，参考数据和待验证数据的获取方式相同，而且参考数据和待验证数据是在相同的打点位置获得的poi数据。由于参考数据与待验证数据来自不同的地图数据库，因此，参考数据和待验证数据可能相同，也可能不同，从而可以利用参考数据验证待验证数据的准确度。

例如，待验证数据来自于第一服务商提供的数据库，参考数据来自于第二服务商和第三服务商提供的数据库。通过第二服务商和第三服务商提供的参考数据可以验证第一服务商提供的待验证数据的精准度。

在验证位置精度的过程中，待验证数据和参考数据的比对结果存在以下几种情况，即，待验证数据与第二服务商和第三服务商提供的参考数据均相同；或者，待验证数据与第二服务商和第三服务商提供的参考数据不同，但第二服务商和第三服务商提供的参考数据相同；或者，待验证数据与第二服务商、第三服务商提供的参考数据之一相同，或者，待验证数据与第二服务商和第三服务商提供的参考数据均不相同，本实施例针对不同情况采用不同的方式评估待验证数据的精准度。

数据类型确定模块402，用于基于待验证数据对应的兴趣点的辨识度确定待验证数据的数据类型，以及，基于参考数据对应的兴趣点的辨识度确定参考数据的数据类型。

其中，辨识度是指兴趣点的可分辨程度。例如，写字楼、酒店通常为独栋建筑，住宅区为包含多栋建筑的片区，因此，写字楼和酒店的辨识度高于住宅区的辨识度。再如，医院通常占地比较大且楼栋比较集中，住宅区虽然占地较大，但楼栋比较分散，因此，医院的辨识度比住宅区的辨识度高。

在本实施例中，用户发起打点请求后，服务器基于打点位置的坐标信息获取兴趣点，并将兴趣点的相关信息作为返回信息发送至用户终端。例如，在返回信息中包括兴趣点名称、兴趣点与打点位置的距离等信息。

在一些实施例中，数据类型是按照兴趣点的辨识度确定的，兴趣点的辨识度越高，数据类型的等级越高。例如，数据类型包括三个等级，即第一数据类型、第二数据类型和第三数据类型，而且，第一数据类型、第二数据类型和第三数据类型依次降低。

在一些实施例中，第一数据类型包括写字楼、酒店、医院和工业园区；第二数据类型包括住宅区、宿舍区，以及幼儿园、小学、中学、大学等教育机构；第三数据类型包括餐饮店、服装店、理发店、药店等路边小店。

其中，参考数据的数据类型与待验证数据的数据类型的分类方式相同，在此不再赘述。

在一些实施例中，基于待验证数据对应的兴趣点的辨识度确定待验证数据的数据类型，基于参考数据对应的兴趣点的辨识度确定参考数据的数据类型。

第二获取模块403，用于基于待验证数据获取待验证数据对应的兴趣点与打点位置之间的待验证距离，以及基于参考数据获得参考数据对应的兴趣点与打点位置之间的参考距离。

在一些实施例中，待验证数据包括待验证数据对应的兴趣点的标签和待验证距离，其中，待验证距离为打点位置与待验证数据对应的兴趣点之间的距离。依据待验证数据对应的兴趣点的标签可以获得待验证数据对应的兴趣点的辨识度和待验证距离。

在一些实施例中，参考数据包括参考数据对应的兴趣点的标签和参考距离，其中，参考距离为打点位置与参考数据对应的兴趣点之间的距离。依据参考数据对应的兴趣点的标签可以获得参考数据对应的兴趣点的辨识度。

评估模块404，用于根据待验证数据的数据类型、参考数据的数据类型、待验证距离、参考距离和预设的距离阈值评估待验证数据的精准度。

在本实施例中，根据待验证数据和参考数据的比对情况评估待验证数据的精准度，而且根据待验证数据和参考数据的比对结果不同，根据待验证数据的数据类型、参考数据的数据类型、待验证距离、参考距离和预设的距离阈值来具体评估待验证数据的精准度。

本公开实施例提供的位置精度评估装置，数据类型确定模块根据待验证数据获得待验证数据的数据类型，第二获取模块获取待验证数据对应的兴趣点与打点位置之间的待验证距离，评估模块根据参考数据获得参考数据的类型，以及参考数据对应的兴趣点与打点位置之间的参考距离，再根据待验证数据的数据类型、参考数据的数据类型、待验证距离、参考距离和预设的距离阈值评估待验证数据的精准度，可以提高待验证数据评估的准确性，为后续的poi数据更新提供可靠的数据基础。

在本实施例中，待验证数据包括待验证数据对应的兴趣点的标签，参考数据包括参考数据对应的兴趣点的标签。

其中，兴趣点标签是根据兴趣点的辨识度确定的标签。兴趣点标签通常是服务商根据实际验证确定的标签。对相同的兴趣点，不同服务商提供的兴趣点标签基本一致。例如，不同服务商给写字楼、酒店的标签为独栋，给住宅区的标签为片区。因此，根据兴趣点标签可以确定兴趣点的辨识度，再根据待验证数据对应的兴趣点的辨识度即可确定待验证数据的类型。

在一些实施例中，位置精度评估装置400还包括辨识度确定模块，用于待验证数据对应的兴趣点的标签确定待验证数据对应的兴趣点的辨识度；以及，基于参考数据对应的兴趣点的标签确定参考数据对应的兴趣点的辨识度。

在一些实施例中，参考数据包括至少两组数据，而且，参考数据由不同的竟品数据库获得。其中，竟品数据库是由不同服务商维护的数据库，数据来源不同，数据维护的方式不同，从而可以提高数据评估的精准度。

在一些实施例中，评估模块根据以下几种情况评估待验证数据的精准度。

第一种情况，在待验证距离、第一参考距离、第二参考距离均相同的情况下，则可以评估待验证数据的精准度满足预设要求。

第二种情况，第一参考距离和第二参考距离相同，但第一参考距离和第二参考距离相同与待验证距离不相同。

第三种情况，第一参考距离、第二参考距离和待验证距离均不相同。

在一些实施例中，评估模块包括计算单元，用于计算参考均值和距离偏差。

在一些实施例中，计算第一参考距离S

评估模块基于待验证数据的数据类型、参考数据的数据类型、参考均值、距离偏差和距离阈值评估待验证数据的精准度时，存在八种情况，详细评估方式参见附图3和方法部分的说明，在此不再赘述。

需要说明的是，预设要求是根据实际需要确定，待验证数据的精准度要求不同，预设要求不同。但本公开不对预设要求做限定。

本实施例在待验证数据的数据类型和参考数据的数据类型相同的情况下，通过参考均值、距离偏差和距离阈值评估待验证数据的精准度，可以精准地评估与参考数据的数据类型相同的待验证数据。

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5示出了可以用来实施本公开的实施例的示例电子设备500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5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理，例如位置精度评估方法。例如，在一些实施例中，位置精度评估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508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的位置精度评估方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行位置精度评估方法。

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)、负载可编程逻辑设备(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。

根据本公开的实施例，本公开还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述位置精度评估方法中任一项方法。

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。