[发明专利]用于处理房屋的户型矢量数据的方法、电子设备和介质

说明书

本公开提供一种由计算机实现的用于处理房屋的户型矢量数据的方法。根据户型矢量数据，计算房屋的任意两个分间的特征点之间的距离，其中，分间的特征点是对应于分间的几何图形的中心或重心；以及将计算得到的距离排列成数组，基于数组生成用于表征房屋的分间布局的向量。根据本公开的方法可以有效地用于比较房屋分间布局的相似性。

技术领域

本公开涉及数据处理，特别涉及对房屋的户型矢量数据的处理。

背景技术

“户型”是人们描述房屋的常用术语，也是人们选择房屋时会考虑的重要指标。户型一般是指房屋的空间布局，可以包括房屋中例如客厅、卧室、厨房、卫生间等各个房间的数量、位置和/或面积等信息。

通过比较户型图，人们可以直观地判断出两个房屋的空间布局是否相似。然而，在存在海量户型的情况下，逐一进行人工判断已不可能，需要依赖计算设备进行相似性比较。而如何使得计算设备的判断结果尽可能地符合人类的感官判断，是一个需要解决的问题。

发明内容

根据本公开的一个方面，提供了一种由计算机实现的用于处理房屋的户型矢量数据的方法。所述方法包括：根据所述户型矢量数据，计算所述房屋的任意两个分间的特征点之间的距离，以及将计算得到的所述距离排列成数组，基于所述数组生成用于表征所述房屋的分间布局的向量。其中，所述分间的特征点是对应于所述分间的几何图形的中心或重心。

在一些实施例中，所述将计算得到的所述距离排列成数组包括：根据每个距离所涉及的两个分间的分间类型，对计算得到的所述距离进行归类使得在所述数组内形成至少一个距离子组，其中，同一距离子组中的每个距离所涉及的两个分间的分间类型分别与该距离子组中任意一个其他距离所涉及的两个分间的分间类型相同。其中，基于所述户型矢量数据获取所述分间的分间类型。

在一些实施例中，对所述至少一个距离子组中的每个距离子组中所包括的所有距离按数值大小进行排序。

在一些实施例中，所述方法还包括：根据所述户型矢量数据，获取所述房屋中的各个分间的面积；根据每个面积所涉及的分间的分间类型，将所述面积进行归类使得在所述数组内形成至少一个面积子组，其中，同一面积子组中的每个面积涉及的分间类型相同。其中，基于所述户型矢量数据获取所述分间的分间类型。

在一些实施例中，对所述至少一个面积子组中的每个面积子组中所包括的所有面积按数值大小进行排序。

在一些实施例中，所述方法还包括：根据所述户型矢量数据，获取所述房屋的第一二维拓扑矩阵，其中所述第一二维拓扑矩阵中的值表示所述值的所在行所代表的分间与所述值的所在列所代表的分间之间是否相邻可达。其中，所述数组包括所述第一二维拓扑矩阵作作为子组。

在一些实施例中，所述方法还包括：根据所述户型矢量数据，获取所述房屋的第二二维拓扑矩阵，其中所述第二二维拓扑矩阵中的值表示所述值的所在行所代表的分间与所述值的所在列所代表的分间之间是否共享墙体。其中，所述数组包括所述第二二维拓扑矩阵作为子组。

在一些实施例中，所述方法还包括：预先规定所述至少一个距离子组中的每个距离子组所能包含的距离的总数。其中，当一个距离子组所能包含的距离的总数大于应归类到所述距离子组的距离的数量时，所述距离子组中多出的空位用零补齐。

根据本公开的另一个方面，提供了一种用于基于分间布局对房屋进行聚类的方法。所述方法包括：获取根据上述方法生成的用于表征待聚类房屋的分间布局的向量，对所述向量进行聚类处理。其中，所述聚类处理包括作为第一阶段的粗粒度聚类处理和作为第二阶段的细粒度聚类处理。

在一些实施例中，所述粗粒度聚类处理将向量处理为多个一阶类簇，其中分别为所述多个一阶类簇分配相应的第一标签。

在一些实施例中，所述粗粒度聚类处理使用K-Means算法。其中，所述K-Means算法中K的值与计算单元的数量有关。