CN109522374B - 一种定位方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本发明提供了一种定位方法及装置，所述方法包括：获取用户针对业务对象的行为数据中的多媒体数据；提取所述多媒体数据的生成时间和定位点；对所述定位点进行聚类，得到一个或多个聚类簇；根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。解决了现有定位技术中存在的误差高、时效差且不易执行的问题，可以通过用户行为数据中的多媒体数据的定位点确定出标准定位点。

Description

一种定位方法、装置、电子设备及可读存储介质

技术领域

本发明实施例涉及定位技术领域，尤其涉及一种定位方法及装置。

背景技术

在定位技术领域，如在O2O、地图类应用中，在线上收录千万甚至上亿级别的POI(Point of Interest，兴趣点)数据，即在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等，这些POI数据的定位准确性尤为重要，对用户体验影响非常大。

现有技术中，对POI坐标进行校准的方案，主要包括以下三种：通过地址反算，或者通过实地采集，多源融合算法。

然而，地址反算是指，通过POI的地址，推算得出其经纬度坐标，会存在较大的误差。实采是指，安排人工团队进行扫街，对线下的POI地址和经纬度坐标进行实地采集，由于人工疏忽带来的错误，以及人力成本非常高，往往无法确保时效性。经纬度多源校准算法是一种基于空间密度的排序算法，需要依赖太多数据源，要求覆盖商户较多，且没有使用图片中包含的定位信息。

发明内容

本发明提供一种定位方法及装置，以解决现有技术中的上述问题。

根据本发明的第一方面，提供了一种定位方法，所述方法包括：

获取用户针对业务对象的行为数据中的多媒体数据；

提取所述多媒体数据的生成时间和定位点；

对所述定位点进行聚类，得到一个或多个聚类簇；

根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；

根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。

根据本发明的第二方面，提供了一种定位装置，所述装置包括：

多媒体数据获取模块，用于获取用户针对业务对象的行为数据中的多媒体数据；

数据信息获取模块，用于提取所述多媒体数据的生成时间和定位点；

聚类模块，用于对所述定位点进行聚类，得到一个或多个聚类簇；

最优聚类簇确定模块，用于根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；

标准定位点确定模块，用于根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。

根据本发明的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述的方法。

根据本发明的第四方面，提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述的方法。

本发明实施例提供了一种定位方法及装置，所述包括：获取用户针对业务对象的行为数据中的多媒体数据；提取所述多媒体数据的生成时间和定位点；对所述定位点进行聚类，得到一个或多个聚类簇；根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。解决了现有定位技术中存在的误差高、时效差且不易执行的问题，可以通过用户行为数据中的多媒体数据的定位点确定出标准定位点。从而高效、简单的获取定位点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一提供的一种定位方法的具体步骤流程图；

图2是本发明实施例二提供的一种定位方法的具体步骤流程图；

图2A是本发明实施例二提供的数据处理示例流程图；

图3是本发明实施例三提供的一种定位装置的结构图；

图4是本发明实施例四提供的一种定位装置的结构图

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

参照图1，其示出了本发明实施例一提供的一种定位方法的具体步骤流程图。

步骤101，获取用户针对业务对象的行为数据中的多媒体数据；

本发明实施例中，用户在针对一业务对象进行各种操作的数据为行为数据，其中包括用户评论数据，商户上传的场景描述图，用户添加的报错信息，众包任务，用户笔记等。

具体地，在众多用户行为数据中获取其中的多媒体数据，即图像或者视频数据。

可以理解地，商户也是使用应用平台的用户之一。

可以理解地，上述多媒体数据除了包括图像或视频数据意外，还可以包括其他可以提供用户定位信息的多媒体数据，例如音频、文字等，本发明实施例对此不加以限制。

步骤102，提取所述多媒体数据的生成时间和定位点；

具体地，在用户上传多媒体数据时，由于移动终端会实时获取用户的定位信息，并标记在上述多媒体数据中，所以可以在多媒体数据中提取该定位信息。

同样地，用户上传多媒体数据中同样带有时间戳，所以可以提取多媒体数据的时间戳，以获得用户拍摄多媒体数据的具体时间。

可以理解地，拍摄时间是以用户拍摄多媒体数据时，移动终端中进行标记的时间。

步骤103，对所述定位点进行聚类，得到一个或多个聚类簇。

本发明实施例中，对属于同一个POI下的定位点进行聚类，其中，POI是“Point ofInterest”的缩写，中文可以翻译为“兴趣点”。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。

所以，聚类后将一个POI下的定位点聚合成为不同的聚类簇。

步骤104，根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；

具体地，将聚类簇中拍摄时间最新的点或者聚类簇中的定位点数最多的点，确定为最优聚类簇。

可以理解地，时间较新的聚类簇或者定位点数较多的聚类簇，提供的定位点数可以得到较为准确的定位信息。

步骤105，根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。

具体地，将最优聚类簇中的每一个定位点的经纬度值做平均值计算，得到的最终平均值对应的中心定位点，即为该商户的标准定位点。

可以理解地，上述标准定位点是通过最优聚类法进行中心点计算得到的，本发明实施例中用到的是密度聚类法，而在实际应用中，聚类方法不限于密度聚类法，所以最终的标准定位点也不一定是通过平均值计算的中心定位点，例如通过每个经纬度的权重计算每个点的分数，选分数最高的定位点为中心定位点，并确定为标准定位点，由于权重值由相关技术人员设定，所得到的中心定位点不一定会是各点的平均值所得到的中心定位点，因此，本发明实施例对中心定位点的概念不限制在上述描述的平均值对应的中心定位点内。

综上所述，本发明实施例提供了一种定位方法，所述方法包括：获取用户针对业务对象的行为数据中的多媒体数据；提取所述多媒体数据的生成时间和定位点；对所述定位点进行聚类，得到一个或多个聚类簇；根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。解决了现有定位技术中存在的误差高、时效差且不易执行的问题，可以通过用户行为数据中的多媒体数据的定位点确定出标准定位点。

实施例二

参照图2，其示出了本发明实施例二提供的一种定位方法的具体步骤流程图。

步骤201，获取用户针对业务对象的行为数据中的多媒体数据；

此步骤与步骤101相同，在此不再详述。

步骤202，提取所述多媒体数据的生成时间和定位点；

此步骤与步骤102相同，在此不再详述。

步骤203，通过具有噪声的基于密度的聚类算法对所述定位点进行聚类，得到一个或多个聚类簇。

本发明实施例中，如图2A所示的多媒体数据处理流程图，对属于同一个POI下的经纬度点采用DBSCAN聚类，其中，POI是“Point of Interest”的缩写，中文可以翻译为“兴趣点”。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站等。

具体地，基于密度的聚类DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。

其中，预设簇中最少包含3个点，点与点之间的距离设置为20m。

步骤204，将所述拍摄时间为最新的所述聚类簇确定为第一聚类簇；

具体地，在得到的所有聚类中，结合每个簇的中的定位点的拍摄时间，计算平均拍摄日期距今的天数，选出距今时间最近的聚类簇，标记为第一聚类簇。

步骤205，将所述聚类簇中定位点数最多的所述聚类簇确定为第二聚类簇；

具体地，从聚类的簇中选出定位点数最多的簇，标记为第二聚类簇。

步骤206，若所述第一聚类簇和所述第二聚类簇相同，则将所述聚类簇确定为最优聚类簇；

具体地，如果第一聚类簇和第二聚类簇为同一个，则选取此簇为最终簇，即最优聚类簇。

步骤207，若所述第一聚类簇和所述第二聚类簇不同，则获取所述第一聚类簇中的第一定位点数；

步骤208，若所述第一定位点数超过第二预设阈值，则将所述第一聚类簇确定为最优聚类簇；

步骤209，若所述第一定位点数未超过第二预设阈值，则将所述第二聚类簇确定为最优聚类簇。

具体地，如果第一聚类簇和第二聚类簇不是同一个，则获取时间最近的簇的定位点数，若其中定位点数量占总数量的1/3(第二预设阈值)以上，则选取时间最新的簇，即第一聚类簇，否则选取数量最大的簇，即第二聚类簇，为最优聚类簇。

可以理解地，上述方法在实际应用中是为了应对商户搬迁等行为，可结合时间和数量更好的权衡，既能感知变化又能保证一定的置信度。

步骤210，将所述最优聚类簇中的定位点数按照黄金分割法进行离散化，得到离散定位点；

具体地，对最优聚类簇中的定位点数结合斐波那契序列(黄金分割法)进行离散化，斐波那契序列为：1 1 2 3 5 8 13 21 34 55 89 144…….由于限定了每个簇最少3个点，所以根据离散定位点数制定出的对应的打分策略，描述如下。

步骤211，利用预设打分策略对所述离散定位点进行打分，得到所述离散定位点的定位分值；

具体地，预设打分策略为，离散点数目在3-5个为10分，5-8个为20分，8-13个为30分，13-21个为40分，以此类推，89-144为90分…….此方法可以理解为一种离散化方法。

可以理解地，将连续数据采用黄金分割的方式进行离散化，相较于等比划分，具备低频敏感，更符合当前应用场景。

步骤212，若所述定位分值低于第一预设阈值，则发送提示信息至所述用户。

具体地，如果在最优聚类簇中进行离散化打分的分值组成的分值曲线过低，低于相关技术人员设置的第一预设阈值，则表明最优聚类簇中的定位点不够准确，则向用户发送提示信息，说明该定位点也许不够准确。

可以理解地，当后台技术人员获取到该提示后，会采取相应措施对该分值进行优化，例如，将该聚类簇中对应的地址信息推送商户修改，进行人工审核，或者推送用户修改等。

步骤213，获取所述最优聚类簇中的各定位点的经纬度值；

本发明实施例中，在确定的最优聚类簇中的每个定位点都具有经纬度值，提取每个点的经纬度值，以备运算。

步骤214，计算所述经纬度值的平均经纬度值；

具体地，将各定位点的经度值相加所得值，与定位点数的比值，为经度平均值，同样地，计算出纬度平均值。

步骤215，根据所述平均经纬度值，获取所述最优聚类簇中的中心定位点；

具体地，根据经度平均值和维度平均值确定一个定位点，即为该最优聚类簇中的中心定位点。

步骤216，将所述中心定位点确定为所述业务对象的标准定位点。

具体地，将该中心定位点确定为该业务对象，即商户，的标准定位点。

可以理解地，结合聚类和时间得到的标准定位点，不依赖与地址的描述。

其中，随时可以获得最新的定位点经纬度，再通过平均值计算方式，得到的标准定位点准确率较高，执行简单，不依赖与人工介入。

综上所述，本发明实施例提供了一种定位方法，所述方法包括：获取用户针对业务对象的行为数据中的多媒体数据；提取所述多媒体数据的生成时间和定位点；对所述定位点进行聚类，得到一个或多个聚类簇；根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；将所述最优聚类簇中的定位点数按照黄金分割法进行离散化，得到离散定位点；利用预设打分策略对所述离散定位点进行打分，得到所述离散定位点的定位分值；若所述定位分值低于第一预设阈值，则发送提示信息至所述用户。根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。解决了现有定位技术中存在的误差高、时效差且不易执行的问题，可以通过用户行为数据中的多媒体数据的定位点确定出标准定位点。除此之外，通过黄金分割法进行定位点离散化和打分，可以通过分值确定定位点的准确度，给用户以参考。

实施例三

参照图3，其示出了本发明实施例三提供的一种定位装置的结构图，具体如下。

多媒体数据获取模块301，用于获取用户针对业务对象的行为数据中的多媒体数据；

数据信息获取模块302，用于提取所述多媒体数据的生成时间和定位点；

聚类模块303，用于对所述定位点进行聚类，得到一个或多个聚类簇；

最优聚类簇确定模块304，用于根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；

标准定位点确定模块305，用于根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。

综上所述，本发明实施例提供了一种定位装置，所述装置包括：多媒体数据获取模块，用于获取用户针对业务对象的行为数据中的多媒体数据；数据信息获取模块，用于提取所述多媒体数据的生成时间和定位点；聚类模块，用于对所述定位点进行聚类，得到一个或多个聚类簇；最优聚类簇确定模块，用于根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；标准定位点确定模块，用于根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。解决了现有定位技术中存在的误差高、时效差且不易执行的问题，可以通过用户行为数据中的多媒体数据的定位点确定出标准定位点。

实施例三为方法实施例一对应的装置实施例，详细信息可以参照实施例一的详细说明，在此不再赘述。

实施例四

参照图4，其示出了本发明实施例四提供的一种定位装置的结构图，具体如下。

多媒体数据获取模块401，用于获取用户针对业务对象的行为数据中的多媒体数据；

数据信息获取模块402，用于提取所述多媒体数据的生成时间和定位点；

聚类模块403，用于对所述定位点进行聚类，得到一个或多个聚类簇；

优选地，所述聚类模块403，包括：

聚类子模块，用于通过具有噪声的基于密度的聚类算法对所述定位点进行聚类，得到一个或多个聚类簇。

最优聚类簇确定模块404，用于根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；

优选地，所述最优聚类簇确定模块404，包括：

第一聚类簇子模块，用于将所述拍摄时间为最新的所述聚类簇确定为第一聚类簇；

第二聚类簇子模块，用于将所述聚类簇中定位点数最多的所述聚类簇确定为第二聚类簇；

最优聚类簇确定子模块，用于若所述第一聚类簇和所述第二聚类簇相同，则将所述聚类簇确定为最优聚类簇；

第一定位点数获取子模块，用于若所述第一聚类簇和所述第二聚类簇不同，则获取所述第一聚类簇中的第一定位点数；

第一最优聚类簇确定子模块，用于若所述第一定位点数超过第二预设阈值，则将所述第一聚类簇确定为最优聚类簇；

第二最优聚类簇确定子模块，用于若所述第一定位点数未超过第二预设阈值，则将所述第二聚类簇确定为最优聚类簇。

离散化模块405，用于将所述最优聚类簇中的定位点数按照黄金分割法进行离散化，得到离散定位点；

定位分值获取模块406，用于利用预设打分策略对所述离散定位点进行打分，得到所述离散定位点的定位分值；

提示模块407，用于若所述定位分值低于第一预设阈值，则发送提示信息至所述用户。

标准定位点确定模块407，用于根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。

优选地，所述标准定位点确定模块407，包括：

经纬度值获取子模块，用于获取所述最优聚类簇中的各定位点的经纬度值；

平均经纬度值计算子模块，用于计算所述经纬度值的平均经纬度值；

中心定位点获取子模块，用于根据所述平均经纬度值，获取所述最优聚类簇中的中心定位点；

标准定位点确定子模块，用于将所述中心定位点确定为所述业务对象的标准定位点。

综上所述，本发明实施例提供了一种定位装置，所述装置包括多媒体数据获取模块，用于获取用户针对业务对象的行为数据中的多媒体数据；数据信息获取模块，用于提取所述多媒体数据的生成时间和定位点；聚类模块，用于对所述定位点进行聚类，得到一个或多个聚类簇；最优聚类簇确定模块，用于根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；离散化模块，用于将所述最优聚类簇中的定位点数按照黄金分割法进行离散化，得到离散定位点；定位分值获取模块，用于利用预设打分策略对所述离散定位点进行打分，得到所述离散定位点的定位分值；提示模块，用于若所述定位分值低于第一预设阈值，则发送提示信息至所述用户。标准定位点确定模块，用于根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点。解决了现有定位技术中存在的误差高、时效差且不易执行的问题，可以通过用户行为数据中的多媒体数据的定位点确定出标准定位点。除此之外，通过黄金分割法进行定位点离散化和打分，可以通过分值确定定位点的准确度，给用户以参考

实施例四为方法实施例二对应的装置实施例，详细信息可以参照实施例二的详细说明，在此不再赘述。

本发明实施例还提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述的方法。

本发明实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述的方法。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的定位设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种定位方法，其特征在于，所述方法包括：

获取用户针对业务对象的行为数据中的多媒体数据，其中，所述多媒体数据为提供所述用户定位信息的多媒体数据；

提取所述多媒体数据的生成时间和定位点；

按照同一个兴趣点POI对所述定位点进行聚类，得到一个或多个聚类簇；

根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；

根据所述最优聚类簇中的中心确定所述业务对象的标准定位点；

所述方法还包括：

将所述最优聚类簇中的定位点数按照黄金分割法进行离散化，得到离散定位点；

利用预设打分策略对所述离散定位点进行打分，得到所述离散定位点的定位分值；

若所述定位分值低于第一预设阈值，则发送提示信息至所述用户。

2.根据权利要求1所述的方法，其特征在于，所述对所述定位点进行聚类，得到一个或多个聚类簇的步骤，包括：

通过具有噪声的基于密度的聚类算法按照同一个兴趣点POI对所述定位点进行聚类，得到一个或多个聚类簇。

3.根据权利要求1所述的方法，其特征在于，所述根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇的步骤，包括：

将所述生成时间为最新的所述聚类簇确定为第一聚类簇；

将所述聚类簇中定位点数最多的所述聚类簇确定为第二聚类簇；

若所述第一聚类簇和所述第二聚类簇相同，则将所述聚类簇确定为最优聚类簇；

若所述第一聚类簇和所述第二聚类簇不同，则获取所述第一聚类簇中的第一定位点数；

若所述第一定位点数超过第二预设阈值，则将所述第一聚类簇确定为最优聚类簇；

若所述第一定位点数未超过第二预设阈值，则将所述第二聚类簇确定为最优聚类簇。

4.根据权利要求3所述的方法，其特征在于，所述根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点的步骤，包括：

获取所述最优聚类簇中的各定位点的经纬度值；

计算所述经纬度值的平均经纬度值；

根据所述平均经纬度值，获取所述最优聚类簇中的中心定位点；

将所述中心定位点确定为所述业务对象的标准定位点。

5.一种定位装置，其特征在于，所述装置包括：

多媒体数据获取模块，用于获取用户针对业务对象的行为数据中的多媒体数据，其中，所述多媒体数据为提供所述用户定位信息的多媒体数据；

数据信息获取模块，用于提取所述多媒体数据的生成时间和定位点；

聚类模块，用于按照同一个兴趣点POI对所述定位点进行聚类，得到一个或多个聚类簇；

最优聚类簇确定模块，用于根据所述生成时间，以及各所述聚类簇中的定位点数，确定出最优聚类簇；

标准定位点确定模块，用于根据所述最优聚类簇中的中心定位点确定为所述业务对象的标准定位点；

所述装置还包括：

离散化模块，用于将所述最优聚类簇中的定位点数按照黄金分割法进行离散化，得到离散定位点；

定位分值获取模块，用于利用预设打分策略对所述离散定位点进行打分，得到所述离散定位点的定位分值；

提示模块，用于若所述定位分值低于第一预设阈值，则发送提示信息至所述用户。

6.根据权利要求5所述的装置，其特征在于，所述聚类模块，包括：

聚类子模块，用于通过具有噪声的基于密度的聚类算法按照同一个兴趣点POI对所述定位点进行聚类，得到一个或多个聚类簇。

7.根据权利要求5所述的装置，其特征在于，所述最优聚类簇确定模块，包括：

第一聚类簇子模块，用于将所述生成时间为最新的所述聚类簇确定为第一聚类簇；

第二聚类簇子模块，用于将所述聚类簇中定位点数最多的所述聚类簇确定为第二聚类簇；

最优聚类簇确定子模块，用于若所述第一聚类簇和所述第二聚类簇相同，则将所述聚类簇确定为最优聚类簇；

第一定位点数获取子模块，用于若所述第一聚类簇和所述第二聚类簇不同，则获取所述第一聚类簇中的第一定位点数；

第一最优聚类簇确定子模块，用于若所述第一定位点数超过第二预设阈值，则将所述第一聚类簇确定为最优聚类簇；

第二最优聚类簇确定子模块，用于若所述第一定位点数未超过第二预设阈值，则将所述第二聚类簇确定为最优聚类簇。

8.根据权利要求7所述的装置，其特征在于，所述标准定位点确定模块，包括：

经纬度值获取子模块，用于获取所述最优聚类簇中的各定位点的经纬度值；

平均经纬度值计算子模块，用于计算所述经纬度值的平均经纬度值；

中心定位点获取子模块，用于根据所述平均经纬度值，获取所述最优聚类簇中的中心定位点；

标准定位点确定子模块，用于将所述中心定位点确定为所述业务对象的标准定位点。

9.一种电子设备，其特征在于，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中一个或多个所述的方法。

10.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-4中一个或多个所述的方法。

Images