地理数据分析方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及一种地理数据分析方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，信息技术领域的数据量大规模增长，对各行各业数据挖掘与分析的研究得到越来越广泛研究，其中对地理数据的分析是数据分析的一个重要应用领域。

传统技术中，是通过爬虫技术获取目标地理位置直接获取相应的地理属性信息，技术方案的准确性低。

发明内容

基于此，有必要针对上述技术问题，提供一种地理数据分析方法、装置、计算机设备和可读存储介质。能够有效提高地理数据分析的准确性。

一种地理数据分析方法，包括：

获取目标地点的目标地理位置信息；

根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，地理标志信息用于表征对应的地理标志点的子功能属性类别以及地理位置信息；

基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，各个类别标志点集合对应于目标功能属性类别，子功能属性类别的粒度小于或等于目标功能属性类别的粒度；

根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重；

基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合；

基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合；

基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。

在一个实施例中，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，包括：

基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到全量类别标志点集合；

根据全量类别标志点集合对应的目标功能属性类别进行相关性分析，确定各个相关类别标志点集合；

由各个相关类别标志点集合组合得到各个类别标志点集合。

在一个实施例中，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，包括：

分别获取目标地点与各个地理标志点的空间距离以及预设距离常量；

分别将各个地理标志点的空间距离与预设距离常量进行融合得到各个融合项；

根据各个融合项的倒数得到各个类别标志点集合对应的权重。

在一个实施例中，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，包括：

分别获取目标地点与各个地理标志点的空间距离；

分别将各个地理标志点的空间距离输入高斯函数得到各个函数值；

将每个类别标志点集合中对应的各个地理标志点的函数值加权融合得到对应的权重，进而确定各个类别标志点集合对应的权重。

在一个实施例中，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合之前，还包括：

获取各个类别标志点集合的集合数量；

当集合数量小于或等于预设阈值时，确定目标地点所在区域对应的区域功能属性类别为未知属性类别。

在一个实施例中，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合，包括：

根据各个类别标志点集合对应的权重从各个类别标志点集合中确定第一类别标志点集合以及第二类别标志点集合，第一类别标志点集合为各个类别标志点集合中权重最大的类别标志点集合，第二类别标志点集合为各个类别标志点集合中权重仅次于第一类别标志点集合的类别标志点集合。

在一个实施例中，基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合，包括：

当第一权重大于或等于第一阈值时，确定第一类别标志点集合为目标类别标志点集合，第一权重为第一目标类别标志点集合对应的权重；

当第一权重大于或等于第二阈值且小于第一阈值且第二权重大于或等于第二阈值时，确定第一类别标志点集合与第二类别标志点集合为目标类别标志点集合，第二权重为第二目标类别标志点集合对应的权重。

一种地理数据分析装置，包括：

获取模块，用于获取目标地点的目标地理位置信息；

第一确定模块，用于根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，地理标志信息用于表征对应的地理标志点的子功能属性类别以及地理位置信息；基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，各个类别标志点集合对应于目标功能属性类别，子功能属性类别的粒度小于或等于目标功能属性类别的粒度；

第二确定模块，用于根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重；基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合；基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合；

判断模块，用于基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。

一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

获取目标地点的目标地理位置信息；

根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，地理标志信息用于表征对应的地理标志点的子功能属性类别以及地理位置信息；

基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，各个类别标志点集合对应于目标功能属性类别，子功能属性类别的粒度小于或等于目标功能属性类别的粒度；

根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重；

基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合；

基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合；

基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。

一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取目标地点的目标地理位置信息；

根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，地理标志信息用于表征对应的地理标志点的子功能属性类别以及地理位置信息；

基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，各个类别标志点集合对应于目标功能属性类别，子功能属性类别的粒度小于或等于目标功能属性类别的粒度；

根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重；

基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合；

基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合；

基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。

上述地理数据分析方法、装置、计算机设备和存储介质，通过获取目标地点的目标地理位置信息，根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合，基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合，基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。这样，通过目标地点预设范围内的其他地理标志点，再将其他地理标志点的地理标志信息进行聚类分析，剔除冗余数据，进而得到精简且相关度高的参考类别标志点集合，再根据参考类别标志点集合的权重特征，确定目标地点所在区域对应的区域功能属性类别，有效提高地理数据分析的准确性。

附图说明

图1为一个实施例中地理数据分析方法的应用环境图；

图2为一个实施例中地理数据分析方法的流程示意图；

图3为一个实施例中确定类别标志点集合的流程示意图；

图4为一个实施例中确定类别标志点集合的权重的流程示意图；

图5为一个实施例中确定类别标志点集合的权重的流程示意图；

图6为一个实施例中根据类别标志点集合个数确定区域功能属性类别的流程示意图；

图7为一个实施例中确定第一类别标志点集合与第二类别标志点集合的流程示意图；

图8为一个实施例中确定目标类别标志点集合的流程示意图；

图9为一个实施例中地理数据分析装置的结构框图；

图10为一个实施例中计算机设备的内部结构图；

图11为一个实施例中确定目标类别标志点集合的流程示意图；

图12为一个实施例中高斯函数对应的曲线图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供地理数据分析的方法，可以应用于如图1所示的应用环境中。计算机设备102获取目标地点的目标地理位置信息，根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合，基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合，基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。其中，计算机设备102具体可以包括但不限于各种个人计算机、笔记本电脑、服务器、智能手机、平板电脑、智能摄像机和便携式可穿戴设备等。

在一个实施例中，如图2所示，提供了一种地理数据分析方法，以该方法应用于图1中的计算机设备102为例进行说明，包括以下步骤：

步骤S202，获取目标地点的目标地理位置信息。

其中，目标地点的目标地理位置信息包括目标地点的的经纬度信息。

步骤S204，根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，地理标志信息用于表征对应的地理标志点的子功能属性类别以及地理位置信息。

具体地，计算机设备根据目标地点的目标地理位置信息确定目标地点周围预设范围内的各个地理标志点，获取每个地理标志点的地理标志信息，包括每个地理标志点的功能属性信息、经纬度信息以及与目标地点的空间距离信息。

步骤S206，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，各个类别标志点集合对应于目标功能属性类别，子功能属性类别的粒度小于或等于目标功能属性类别的粒度。

具体地，计算机设备将前述步骤中确定的各个地理标志点的子功能属性类别，来按功能属性类别进行划分进不同的集合中，也就是将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，进而得到各个类别标志点集合，每个类别标志点集合中的地理标志点的子功能属性类别属于同一个目标功能属性类别，例如子功能属性类别为图书馆的地理标志点与子功能属性类别为书店的地理标志点所对应的目标功能属性类别都为提供阅读与书籍的功能场所，因此可将图书馆与书店划分到同一个类别标志集合中。

步骤S208，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重。

具体地，计算机设备计算目标地点与各个地理标志点之间的空间距离，再将前述步骤中确定的各个类别标志点中属于同一个类别标志点集合中的地理标志点与目标地点间的距离进行融合，得到对应的类别标志点集合的权重，融合的方式可以采用累加求和、加权求和、相乘等方式进行融合。

步骤S210，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合。

其中，参考类别标志点集合为各个类别标志点集合中权重最大的两个类别标志点集合。

具体地，计算机设备根据前述步骤中确定的各个类别标志点集合对应的权重来确定出参考类别标志点集合，也就是在各个类别标志点集合中确定出较大的权重所对应的类别标志点集合，具体是将各个类别标志点集合的权重与预设阈值进行比较，进而实现根据类别标志点集合的权重来确定出参考类别标志点集合。

步骤S212，基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合。

其中，参考类别标志点集合为各个类别标志点集合中权重最大的两个类别标志点集合，权重较大的参考类别标志点集合为第一参考类别标志点集合，权重较小的参考类别标志点集合为第二参考类别标志点集合。

具体地，计算机设备将第一参考类别标志点集合对应的权重与第一阈值进行比对，当权重大于或等于第一阈值时，将对应的第一参考类别标志点集合确定为目标类别标志点集合，当权重大于或等于第二阈值且小于第一阈值并且第二参考类别标志点集合的权重大于或等于第二阈值时，将第一参考类别标志点集合与第二参考类别标志点集合都确定为，目标类别标志点集合。

步骤S214，基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。

本实施例中，通过获取目标地点的目标地理位置信息，根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合，基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合，基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。这样，通过目标地点预设范围内的其他地理标志点，再将其他地理标志点的地理标志信息进行聚类分析，剔除冗余数据，进而得到精简且相关度高的参考类别标志点集合，再根据参考类别标志点集合的权重特征，确定目标地点所在区域对应的区域功能属性类别，有效提高地理数据分析的准确性。

在一个实施例中，如图3所示，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，包括：

步骤S302，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到全量类别标志点集合。

其中，全量类别标志点集合为对所有地理标志点进行聚类生成所有地理标志点的类别标志点集合。

具体地，计算机设备根据各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，例如子功能属性类别为图书馆的地理标志点与子功能属性类别为书店的地理标志点所对应的目标功能属性类别都为提供阅读与书籍的功能场所，因此可将图书馆与书店划分到同一个类别标志集合中，进而得到所有地理标志点对应的全量类别标志点集合。

步骤S304，根据全量类别标志点集合对应的目标功能属性类别进行相关性分析，确定各个相关类别标志点集合。

具体地，计算机设备根据前述步骤得到全量类别标志点集合，再将全量类别标志点集合中各个类别标志点集合两两之间做相关性分析，得到各个集合对应的相关度，将相关度与预设阈值进行比对，确定大于或等于预设阈值的相关度所对应的类别标志点集合，将这些相关度大于预设阈值的类别标志点集合确定为相关类别标志点集合，进而确定各个相关类别标志点集合。

步骤S306，由各个相关类别标志点集合组合得到各个类别标志点集合。

本实施例中，首先基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到全量类别标志点集合，根据全量类别标志点集合对应的目标功能属性类别进行相关性分析，确定各个相关类别标志点集合，最后由各个相关类别标志点集合组合得到各个类别标志点集合，有效剔除了全量类别标志点集合中的冗余数据，提高了相关类别标志点集合的相关性。

在一个实施例中，如图4所示，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，包括：

步骤S402，分别获取目标地点与各个地理标志点的空间距离以及预设距离常量。

具体地，计算机设备分别计算目标地点与各个地理标志点的空间距离，空间距离可以是空间直线距离，也可以是目标地点与各个地理标志点之间的交通距离，交通距离可以是目标地点与地理标志点间道路的长度。

步骤S404，分别将各个地理标志点的空间距离与预设距离常量进行融合得到各个融合项。

具体地，计算机设备分别将各个地理标志点的空间距离与预设距离常量进行加权融合得到各个地理标志点对应的融合项，融合的方式可以是两数之间加、减、乘、除等方式。

步骤S406，根据各个融合项的倒数得到各个类别标志点集合对应的权重。

具体地，计算机设备可以按照如下公式1所示的方式来得到各个类别标志点集合对应的权重：

weight＝1/(distance+const)，公式1

其中，weight为类别标志点集合对应的权重，distance为空间距离，const为预设距离常量。

本实施例中，分别获取目标地点与各个地理标志点的空间距离以及预设距离常量，分别将各个地理标志点的空间距离与预设距离常量进行融合得到各个融合项，根据各个融合项的倒数得到各个类别标志点集合对应的权重，当距离越大，权重越小，当距离越小则权重越大，从而实现根据各地理标志点与目标地点间的距离来合理配置对应的地理标志点的权重大小，有效提高权重的可靠性。

在一个实施例中，如图5所示，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，包括：

步骤S502，分别获取目标地点与各个地理标志点的空间距离。

具体地，计算机设备分别计算目标地点与各个地理标志点的空间距离，空间距离可以是空间直线距离，也可以是目标地点与各个地理标志点之间的交通距离，交通距离可以是目标地点与地理标志点间道路的长度。

步骤S504，分别将各个地理标志点的空间距离输入高斯函数得到各个函数值。

具体地，计算机设备根据前述步骤计算得到目标地点与各个地理标志点间的空间距离，将各个地理标志点进行归一化处理，再将各个地理标志点归一化后的空间距离作为函数自变量，输入高斯函数得到各个函数值。

步骤S506，将每个类别标志点集合中对应的各个地理标志点的函数值加权融合得到对应的权重，进而确定各个类别标志点集合对应的权重。

具体地，计算机设备将各个类别标志点集合中的所有地理标志点的权重进行累计求和得到对应的类别标志点集合的权重，进而确定各个类别标志点集合对应的权重。

本实施例中，计算机设备分别获取目标地点与各个地理标志点的空间距离，分别将各个地理标志点的空间距离输入高斯函数得到各个函数值，将每个类别标志点集合中对应的各个地理标志点的函数值加权融合得到对应的权重，进而确定各个类别标志点集合对应的权重，从而实现随着地理标志点与目标地点的距离的增大，使得对应的权重不会过快衰减，也会随着地理标志点与目标地点的距离的减少，而使得对应的权重不会过快增大，进而提高各个地理标志点对应的权重的可靠性。

在一个实施例中，如图6所示，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合之前，还包括：

步骤S602，获取各个类别标志点集合的集合数量。

步骤S604，当集合数量小于或等于预设阈值时，确定目标地点所在区域对应的区域功能属性类别为未知属性类别。

本实施例中，计算机设备根据类别标志点集合的集合数量来判断目标地点所在区域对应的区域功能属性类别，当各个类别标志点集合的集合数量过小，也就是小于预设阈值时，说明不足以根据当前数量的类别标志点集合能确定目标地点所在区域的区域功能属性类别，确定目标地点所在区域对应的区域功能属性类别为未知属性类别。

在一个实施例中，如图7所示，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合，包括：

步骤S702，根据各个类别标志点集合对应的权重从各个类别标志点集合中确定第一类别标志点集合以及第二类别标志点集合，第一类别标志点集合为各个类别标志点集合中权重最大的类别标志点集合，第二类别标志点集合为各个类别标志点集合中权重仅次于第一类别标志点集合的类别标志点集合。

本实施例中，计算机设备根据前述步骤确定各个类别标志点集合对应的权重后，再根据确定出各个类别标志点集合中最大的两个权重所对应的参考类别标志点集合，提高了地理数据分析的可靠性。

在一个实施例中，如图8所示，基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合，包括：

步骤S802，当第一权重大于或等于第一阈值时，确定第一类别标志点集合为目标类别标志点集合，第一权重为第一目标类别标志点集合对应的权重。

步骤S804，当第一权重大于或等于第二阈值且小于第一阈值且第二权重大于或等于第二阈值时，确定第一类别标志点集合与第二类别标志点集合为目标类别标志点集合，第二权重为第二目标类别标志点集合对应的权重。

本实施例中，计算机设备通过比较参考类别标志点集合对应的权重与第一阈值与第二阈值之间的大小关系，再根据大小关系来确定出参考类别标志点集合中的目标类别标志点集合，从而能够根据参考类别标志点集合的权重大小来确定目标类别标志点集合，再将目标类别标志点集合作为判断目标地点所在区域的区域功能属性类别的依据，有效提高了对目标地点所在区域的区域功能属性类别判断的准确性。

本申请还提供了一种应用场景，该应用场景应用上述的地理数据分析方法，该方法应用于区域经营属性判断的场景，具体地，该地理数据分析方法在该应用场景的应用如下：

确定目标地点的经纬度坐标地址，通过工商注册地址的LBS经纬度数据调取外部地址服务接口，对接口返回的字段进行解析获取POI(Point of Interest，兴趣点)名称、地址、类别、POI点与工商地址距离等信息，对POI类别进行划分，基于POI类别和距离计算工商注册地址聚集加权POI标签，从而聚类得到工商地址经营地段标签。

(1)分析样本说明

分析样本选取从外部服务接口百行+元素获取的工商地址数据166w条，通过工商注册地址的LBS经纬度数据调取外部地址服务接口，对数据进行解析。

(2)数据处理

调整地址半径：接口返回距离工商注册地址1000m以内的兴趣点，考虑到1000m范围较广，缩小地址半径提高聚类精度。统计地址半径分布情况，74.7％的兴趣点距离在300m之内，90.9％的兴趣点距离在500m之内，选取半径300m内的兴趣点做为样本。

(3)POI类别标签整合

对接口返回的POI大类标签进行划分，得到如下表1所示的10个自定义分类标签，剔除样本中和经营地段识别不相关的POI数据(包括地名地址信息、通行设施、室内设施、事件活动等无分类意义POI)。

表1

(4)特征提取

考虑到分析样本是距离工商地址300m内的POI点，选择参数：均值＝0，标准差＝200，构建高斯函数，再将各个POI点与目标地点的距离分别作为自变量输入高斯函数，得到各个对应的函数值，将该函数值作为对应的POI点的权重，从而实现能根据距离远近对POI点的标签赋予不同的权重，统计每个工商注册地址10个自定义POI标签的占比，得到特征宽表，其中高斯函数对应的曲线图如图12所示。

(5)定义聚类打标规则

基于步骤(4)中生成的特征宽表，定义聚类规则，具体逻辑如图11所示，进而对所有样本配置标签，最后共产生55个分组，再选取样本占比大于或等于1％的分组得到如下表2所示的分组结果，再根据55个分组中权重靠前的两个分组(公共设施用地&工业用地)来代表目标地点所在区域的区域经营属性。

表2

上述地理数据分析方法、装置、计算机设备和存储介质，通过目标地点预设范围内的其他POI点，再将其他POI点的地理标志信息进行聚类分析，剔除冗余数据，进而得到精简且相关度高的参考POI点分组，再根据参考POI点分组的权重特征，确定目标地点所在区域对应的区域功能属性类别，有效提高地理数据分析的准确性。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图9所示，提供了一种地理数据分析装置，该装置可以采用软件模块或硬件模块，或者是二者的结合成为计算机设备的一部分，该装置具体包括：获取模块902、第一确定模块904、第二确定模块906、判断模块908，其中：

获取模块902，用于获取目标地点的目标地理位置信息；

第一确定模块904，用于根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，地理标志信息用于表征对应的地理标志点的子功能属性类别以及地理位置信息；基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，各个类别标志点集合对应于目标功能属性类别，子功能属性类别的粒度小于或等于目标功能属性类别的粒度；

第二确定模块906，用于根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重；基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合；基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合；

判断模块908，用于基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。

上述地理数据分析装置，通过获取目标地点的目标地理位置信息，根据目标地理位置信息确定目标地点预设范围内各个地理标志点的地理标志信息，基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到各个类别标志点集合，根据各个地理标志点与目标地点的距离确定各个类别标志点集合对应的权重，基于各个类别标志点集合对应的权重从各个类别标志点集合中，确定参考类别标志点集合，基于参考类别标志点集合对应的权重与阈值之间的关系，确定目标类别标志点集合，基于目标类别标志点集合对应的目标功能属性类别确定目标地点所在区域对应的区域功能属性类别。这样，通过目标地点预设范围内的其他地理标志点，再将其他地理标志点的地理标志信息进行聚类分析，剔除冗余数据，进而得到精简且相关度高的参考类别标志点集合，再根据参考类别标志点集合的权重特征，确定目标地点所在区域对应的区域功能属性类别，有效提高地理数据分析的准确性。

在一个实施例中，第一确定模块904还用于基于各个地理标志点的子功能属性类别，将属于同一个目标功能属性类别的地理标志点划分至同一个类别标志点集合，得到全量类别标志点集合；根据全量类别标志点集合对应的目标功能属性类别进行相关性分析，确定各个相关类别标志点集合；由各个相关类别标志点集合组合得到各个类别标志点集合。

在一个实施例中，第二确定模块906还用于分别获取目标地点与各个地理标志点的空间距离以及预设距离常量；分别将各个地理标志点的空间距离与预设距离常量进行融合得到各个融合项；根据各个融合项的倒数得到各个类别标志点集合对应的权重。

在一个实施例中，第二确定模块906还用于分别获取目标地点与各个地理标志点的空间距离；分别将各个地理标志点的空间距离输入高斯函数得到各个函数值；将每个类别标志点集合中对应的各个地理标志点的函数值加权融合得到对应的权重，进而确定各个类别标志点集合对应的权重。

在一个实施例中，第二确定模块906还用于获取各个类别标志点集合的集合数量；当集合数量小于或等于预设阈值时，确定目标地点所在区域对应的区域功能属性类别为未知属性类别。

在一个实施例中，第二确定模块906还用于根据各个类别标志点集合对应的权重从各个类别标志点集合中确定第一类别标志点集合以及第二类别标志点集合，第一类别标志点集合为各个类别标志点集合中权重最大的类别标志点集合，第二类别标志点集合为各个类别标志点集合中权重仅次于第一类别标志点集合的类别标志点集合。

在一个实施例中，第二确定模块906还用于当第一权重大于或等于第一阈值时，确定第一类别标志点集合为目标类别标志点集合，第一权重为第一目标类别标志点集合对应的权重；当第一权重大于或等于第二阈值且小于第一阈值且第二权重大于或等于第二阈值时，确定第一类别标志点集合与第二类别标志点集合为目标类别标志点集合，第二权重为第二目标类别标志点集合对应的权重。

关于地理数据分析装置的具体限定可以参见上文中对于地理数据分析方法的限定，在此不再赘述。上述地理数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种地理数据分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。