搜索范围的计算方法及装置和电子设备与流程

本申请涉及计算技术领域，尤其涉及一种搜索范围的计算方法及装置和电子设备。

背景技术：

随计算机以及互联网技术的不断发展，基于地理位置提供服务(lbs，locationbasedservice)越来越多。

在基于lbs的服务中，通常提供有基于附近地理范围进行搜索的功能。例如，搜索附近的美食，用户可以通过该功能查询附近可以吃美食的商店。这样，即使用户在一个陌生的城市，也可以找到需要的商店。

现有技术中，基于附近地理范围进行搜索的功能，一般就是提供用户若干个固定的搜索范围，由用户进行选择。如图1所示的搜索范围包括有：1公里，3公里，5公里，10公里等等。然后，根据用户选择的搜索范围进行搜索。例如，用户需要搜索美食，并选择搜索范围为3公里，则服务器就是以用户当前位置为中心的半径3公里范围内搜索符合美食这一类型的商店。

然而，在实际应用中，不同区域内商店的分布并不均衡。用户选择的搜索范围小了，搜索出来的商店数太少(选择性太少)；选择的搜索范围大了，搜索出来的商店数又太多；用户往往需要多次选择搜索范围才能最终找到合适的商店。导致用户体验较差。

技术实现要素：

本申请提供的一种搜索范围的计算方法及装置，以解决现有技术中存在的用户体验较差的问题。

根据本申请实施例提供的一种搜索范围的计算方法，所述方法包括：

根据针对目标对象的搜索请求，确定搜索所述目标对象的总数；

获取用户位置；

获取所述用户位置位于的网格中所述目标对象的密度；

根据所获取的密度和所确定的总数，计算搜索范围。

优选地，所述获取所述用户位置位于的网格中所述目标对象的密度，具体包括：

根据所述用户位置的坐标，确定该坐标对应的网格；所述网格为网格化地图；

统计所述网格中所述目标对象的数量；

根据所述网格大小以及所述目标对象的数量，计算所述网格中所述目标对象的密度。

优选地，所述获取所述用户位置位于的网格中所述目标对象的密度，具体包括：

根据所述用户位置的坐标，确定该坐标对应的网格；

从数据库中，查询所述网格中所述目标对象的密度；其中：所述数据库中所述目标对象的密度通过如下方式离线计算得出：

对地图进行网格化处理；

统计所述目标对象位于每一个网格中的数量；

根据所述每一个网格中目标对象的数量以及网格大小，计算每一个网格中所述目标对象的密度。

优选地，所述计算搜索范围通过以下公式：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度。

优选地，所述计算搜索范围通过以下公式：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度，i表示所述用户位置位于的网格与相邻网格之间目标对象的密度的比例关系。

优选地，所述比例关系，由如下方式计算得出：

获取与当前网格相邻网格中所述目标对象的密度；

统计密度小于当前网格中目标对象密度的相邻网格的第一数量；

统计密度大于等于当前网格中目标对象密度的相邻网格的第二数量；

将所述第一数量与第二数量的比值确定为所述当前网格与相邻网格之间密度的比例关系；其中，所述当前网格为所述用户位置位于的网格。

优选地，所述根据针对目标对象的搜索请求，确定搜索所述目标对象的总数，具体包括：

在接收到针对目标对象的搜索请求后，获取用户历史搜索时选择的总数；

将最近选择的总数确定为本次搜索所述目标对象的总数。

优选地，所述根据针对目标对象的搜索请求，确定搜索所述目标对象的总数，具体包括：

在接收到针对目标对象的搜索请求后，获取用户历史搜索时选择的总数；

将选择次数最多的总数确定为本次搜索所述目标对象的总数。

优选地，所述网格包括基站网格、wifi网格或地图网格。

根据本申请实施例提供的一种搜索范围的计算装置，所述装置包括：

总数确定单元，根据针对目标对象的搜索请求，确定搜索所述目标对象的总数；

位置获取单元，获取用户位置；

密度获取单元，获取所述用户位置位于的网格中所述目标对象的密度；

范围计算单元，根据所获取的密度和所确定的总数，计算搜索范围。

优选地，所述密度获取单元，具体包括：

网格确定子单元，根据所述用户位置的坐标，确定该坐标对应的网格；所述网格为网格化地图；

统计数量子单元，统计所述网格中所述目标对象的数量；

密度计算子单元，根据所述网格大小以及所述目标对象的数量，计算所述网格中所述目标对象的密度。

优选地，所述密度获取单元，具体包括：

网格确定子单元，根据所述用户位置的坐标，确定该坐标对应的网格；

密度查询子单元，从数据库中，查询所述网格中所述目标对象的密度；其中：所述数据库中所述目标对象的密度通过如下方式离线计算得出：

网格化处理子单元，对地图进行网格化处理；

统计数量子单元，统计所述目标对象位于每一个网格中的数量；

密度计算子单元，根据所述每一个网格中目标对象的数量以及网格大小，计算每一个网格中所述目标对象的密度。

优选地，所述计算搜索范围，通过以下公式：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度。

优选地，所述计算搜索范围，通过以下公式：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度，i表示所述用户位置位于的网格与相邻网格之间目标对象的密度的比例关系。

优选地，所述比例关系，由如下子单元计算得到：

密度获取子单元，获取与当前网格相邻网格中所述目标对象的密度；

第一数量统计子单元，统计密度小于当前网格中目标对象密度的相邻网格的第一数量；

第二数量统计子单元，统计密度大于等于当前网格中目标对象密度的相邻网格的第二数量；

比例关系确定子单元，将所述第一数量与第二数量的比值确定为所述当前网格与相邻网格之间密度的比例关系；其中，所述当前网格为所述用户位置位于的网格。

优选地，所述总数确定单元，具体包括：

历史总数获取子单元，在接收到针对目标对象的搜索请求后，获取用户历史搜索时选择的总数；

总数确定子单元，将最近选择的总数确定为本次搜索所述目标对象的总数。

优选地，所述总数确定单元，具体包括：

历史总数获取子单元，在接收到针对目标对象的搜索请求后，获取用户历史搜索时选择的总数；

总数确定子单元，将选择次数最多的总数确定为本次搜索所述目标对象的总数。

优选地，所述网格包括基站网格、wifi网格或地图网格。

根据本申请实施例提供的一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据针对目标对象的搜索请求，确定搜索所述目标对象的总数；

获取用户位置；

获取所述用户位置位于的网格中所述目标对象的密度；

根据所获取的密度和所确定的总数，计算搜索范围。

本申请实施例中，参考了用户所在区域中需要搜索的目标对象的分布情况，即用户位置所在网格中目标对象的密度，再根据需要搜索的目标对象的总数，自动计算出搜索目标对象的搜索范围。这样计算出的搜索范围，即不会太大(导致搜索出的数量太多)也不会太小(导致搜索出的数量太少)，符合用户的搜索需求。如此，只需要一次搜索就可以帮助用户找到需要的目标对象，避免用户反复操作所造成的体验较差的问题。

附图说明

图1是本申请提供的搜索界面中选择搜索范围的示意图；

图2是本申请一实施例提供的搜索范围的计算方法的流程图；

图3是本申请一实施例提供的搜索界面中选择目标对象的总数的示意图；

图4是本申请一实施例提供的网格化地图的示意图；

图5是本申请一实施例提供的当前网格和相邻网格中目标对象的密度的示意图；

图6是本申请一实施例提供的搜索范围的计算装置的模块示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

为了解决上述问题，请参见图2，为本申请一实施例提供的搜索范围的计算方法的流程图，包括以下步骤：

步骤110：根据针对目标对象的搜索请求，确定搜索所述目标对象的总数。

一般的，用户可以在搜索框中输入想要搜索的目标对象，从而向提供搜索服务的服务器发送针对该目标对象的搜索请求。

在一个实现方式中，所述目标对象的总数可以是用户手动确定的。

可以理解为，所述搜索请求中携带有搜索所述目标对象的总数；如此，服务端就可以根据针对目标对象的搜索请求，获取该搜素请求中携带搜索所述目标对象的总数。

举例说明，如图3所示的搜索界面示意图，用户在搜索框31中输入想要搜索的目标对象即“美食”。在附近搜索功能下，提供有多个商店数量的选择，包括：15家，20家，40家，50家等等。用户可以自己选择需要搜索的商店数量。假设用户选择了“40家”,则服务器就可以确定搜索所述目标对象“美食”的总数为40。

在另一个实现方式中，所述目标对象的总数还可以是服务器根据用户历史数据确定的。

例如，服务器在接收到针对目标对象的搜索请求后，可以获取用户历史搜索时选择的总数，将最近选择的总数确定为本次搜索目标对象的总数。例如，上一次用户选择了20家，则本次搜索目标对象也采用20家。

再例如，服务器在接收到针对目标对象的搜索请求后，可以获取用户历史搜索时选择的总数，将选择次数最多的总数确定为本次搜索目标对象的总数。例如，用户历史选择了20家的次数最多，则本次搜索目标对象也采用20家。

步骤120：获取用户位置。

一般的，所述用户位置可以是用户当前所在的地理位置。

所述用户位置可以是例如用户终端(如手机)所处的位置，经该用户终端可以记录位置信息的定位装置记录下的，代表位置的坐标信息。常见的定位装置可以采用美国gps卫星导航系统，欧洲“伽利略”卫星导航系统，俄罗斯glonass卫星导航系统，或者中国“北斗”卫星导航系统等，或者类似的组合。这类定位的坐标信息也称为移动定位。

所述用户位置还可以是网络设备基于用户终端的信号特点转换得到的，例如由网络运营商利用基站覆盖原理，通过所述用户终端的信号通过基站定位计算得到的位置信息。在这样的定位计算中，一般由用户终端测量不同基站的下行导频信号，得到不同基站下行导频的到达时刻(timeofarrival，toa)或到达时间差(timedifferenceofarrival，tdoa)，根据该测量结果并结合基站的坐标，一般采用三角公式估计算法，从而计算出用户终端的位置。实际的位置估计算法需要考虑多基站(3个或3个以上)定位的情况，现有技术中有多种算法，较为复杂。一般而言，移动台测量的基站数目越多，测量精度越高，定位性能改善越明显。

所述用户位置还可以是基于用户终端接入的wifi网络确定的。例如，用户终端接入了某商场提供的wifi网络，从而可以将所述商场所在的位置作为用户位置。

采用上述多种定位方式的结合，可以更为精确的定位用户位置。

当然，用户也可以选择一个其它的地理位置作为用户位置。例如，用户当前在a位置，准备晚上去b位置吃饭，提前选择要去的商店时，就可以选择b位置作为用户位置。

用户终端在定位了用户位置后，可以上传给服务端，从而使得所述服务端可以获取用户位置。

步骤130：获取所述用户位置位于的网格中所述目标对象的密度。

所述网格可以包括基站网格、wifi网格或地图网格。

所述基站网格例如根据网络运营商建立的无线基站可以覆盖的区域对地图进行网格划分。

同样地，所述wifi网格例如根据wifi可以覆盖的区域对地图进行网格划分。

所述地图网格，是通过地图进行网格化处理得到的。

以网格化地图为例加以说明：

实现方式1：

所述步骤130，具体包括：

根据所述用户位置的坐标，确定该坐标对应的网格；所述网格为网格化地图；

统计所述网格中所述目标对象的数量；

根据所述网格大小以及所述目标对象的数量，计算所述网格中所述目标对象的密度。

该实施例中，所述地图可以是所述用户位置所在的地图区域，例如该用户所处的城市地图。

所述网格化处理，可以是将地图按照预设的面积划分为若干网格。请参考图4所示为本申请提供的网格化处理前后地图网格示意图。所述预设的面积大小可以是人为预先设定的。一般的，面积越小、划分的网格数量就会越多，虽然网格数量多可以使得最终计算出的搜索范围越准确，但是成本(包括计算成本、时间成本等)也越大；面积越大、划分的网格数量越少，虽然网格数量少可以使得成本也少，但是会导致最终计算出的搜索范围不准确。为此，可以基于海量数据并采用机器学习技术离线训练得出最优的面积，从而使得成本和准确性都可以保证业务需要。

通常，用户位置可以是一个经纬度的坐标；而地图也是基于经纬度的坐标开发的，因此，网格化处理后，每一个网格的坐标范围都是可以确定的。通过计算用户位置的坐标位于哪一个网格的坐标范围内就可以确定用户位置所位于的网格。

一般的，提供业务服务方会收集有大量数据，例如，地图导航服务中，服务方会收集地图中所有商店的地址、名称等信息。基于此，服务器就可以统计所述网格内目标对象的数量。

请结合图3、图4所示，即用户输入的目标对象为“美食”；则服务器在确定了用户位置所处的网格为图4中的网格41后，就可以通过该网格内属于“美食”类型或者标签的商店数量。假设，统计得出网格41中“美食”的商店数量为30；则可以计算网格41中“美食”商店的密度：

具体的，密度＝目标对象的数量/网格的面积；即将“美食”商店的数量21除以网格41的面积；假设网格化过程是按照0.6平方千米的面积划分的，则该例子中，密度＝30/0.6＝50(个/平方千米)。

实现方式2：

所述步骤130，具体可以包括：

根据所述用户位置的坐标，确定该坐标对应的网格；

从数据库中，查询所述网格中所述目标对象的密度；其中，所述数据库中所述目标对象的密度通过如下方式离线计算得到：

对地图进行网格化处理；

统计所述目标对象位于每一个网格中的数量；

根据所述每一个网格中目标对象的数量以及网格大小，计算每一个网格中所述目标对象的密度。

该实施例与实现方式1的实施例不同之处在于，实现方式1中获取所述用户位置位于的网格中所述目标对象的密度，是实时计算的；本实施例则是预先计算好的，在需要获取所述用户位置位于的网格中所述目标对象的密度时，从数据库中查询即可，从而提高了效率。

该实施例中，每一个网格中目标对象的密度计算过程都与上述实现方式1相同，此处不再赘述。

在实际应用中，目标对象的密度总是在不断变化的，例如每天都会有新开的商店、以及关闭的商店，因此，为了保证数据的准确，数据库中数据通常可以是周期性更新的，这样可以使得每一个网格中目标对象的密度都是最新的。例如，按照t+1天更新，即收集第t天的数据，并在第t+1天计算第t天中每一个网格中每一种目标对象的密度。

值得一提的是，离线计算不会影响线上业务的正常进行；而且离线数据在计算效率上更高，例如离线数据是预缓存好的无需临时进行下载。

需要说明的是，即使在同一个网格中，不同目标对象的密度都可以是不同的。以实际搜索为例，针对不同目标对象如“美食”、“ktv”、“超市”、“酒店”等的密度通常都是不相同的。

步骤140：根据所获取的密度和所确定的总数，计算搜索范围。

本实施例中，在确定了用户需要搜索目标对象的总数，以及获取到用户位置位于的网格中目标对象的密度之后，就可以自动计算出搜索目标对象的搜索范围。

具体地，所述计算搜索范围可以通过如下公式1：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度。

举例说明，假设所确定的目标对象的总数为50；所获取的用户位置所位于网格中目标对象的密度为30；

则，

之后，服务器就根据计算出的搜索范围进行搜索。

通常来说，所述搜索范围可以是搜索半径。即以用户位置为中心的搜索半径范围内搜索目标对象。例如上述例子中计算得出的搜索范围为0.7km时，即可以以用户位置为中心的半径0.7公里范围内搜索目标对象。假设目标对象为“美食”，则服务器以用户位置为中心的半径0.7公里范围内搜索“美食”的商店。

当然，在其它的实施例中，所述搜索范围可以不限定于搜索半径，还可以例如搜索边长，例如上述例子中计算得出的0.7km，以用户位置为顶点或者中心的边长0.7公里的矩形区域内搜索目标对象。可以理解以所述搜索范围确定的搜索区域可以是任意形状的区域。

通过实施例，由于参考了用户所在区域中需要搜索的目标对象的分布情况，即用户位置所在网格中目标对象的密度，再根据需要搜索的目标对象的总数，所以可以自动计算出搜索目标对象的搜索范围。这样计算出的搜索范围，即不会太大(导致搜索出的数量太多)也不会太小(导致搜索出的数量太少)，符合用户的搜索需求。如此，只需要一次搜索就可以帮助用户找到需要的目标对象，避免用户反复操作所造成的体验较差的问题。

上述公式1中，仅参考了用户位置所在当前网格中目标对象的密度，可能会由于参考的网格范围较小而存在的最终计算搜索范围的准确性不高的问题；因此，在实际应用中，还可以参考与当前网格相邻网格中目标对象的密度；如此，可以对公式1进行调整，得出如下公式2：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度，i表示所述用户位置位于的网格与相邻网格之间目标对象的密度的比例关系。

所述比例关系可以通过如下方式计算得到：

获取与当前网格相邻网格中所述目标对象的密度；

统计密度小于当前网格中目标对象密度的相邻网格的第一数量；

统计密度大于等于当前网格中目标对象密度的相邻网格的第二数量；

将所述第一数量与第二数量的比值确定为所述当前网格与相邻网格之间密度的比例关系；其中，所述当前网格为所述用户位置位于的网格。

如图5所示，当前网格中目标对象的密度为30；

相邻网格1中目标对象的密度为35；

相邻网格2中目标对象的密度为40；

相邻网格3中目标对象的密度为35；

相邻网格4中目标对象的密度为20；

相邻网格5中目标对象的密度为30；

相邻网格6中目标对象的密度为32；

相邻网格7中目标对象的密度为9；

相邻网格8中目标对象的密度为12；

则，密度小于当前网格中目标对象密度(35)的相邻网格的第一数量为3；

密度大于等于当前网格中目标对象密度(35)的相邻网格的第二数量为5；

因此，所述用户位置位于的网格与相邻网格之间密度的比例关系为3/5。

依然沿用上述步骤140中的例子，在采用公式1计算得出的搜索范围为

而通过本实施例，加入了比例关系后，计算得出的搜索范围则为

相对于前述采用公式1计算出的搜索范围，本实施例由于参考了与当前网格相邻网格中目标对象的密度，所以计算出的搜索范围更为准确。

与前述图1所述的搜索范围的计算方法实施例相对应，本申请还提供了一种搜索范围的计算装置的实施例。所述装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，本申请搜索范围的计算装置所在设备的一种硬件结构可以包括处理器、网络接口、内存以及非易失性存储器之外，实施例中装置所在的设备通常根据该搜索范围的计算实际功能，还可以包括其他硬件，对此不再赘述。

参见图6，为本申请一实施例提供的搜索范围的计算装置的模块图，所述装置包括：

总数确定单元310，根据针对目标对象的搜索请求，确定搜索所述目标对象的总数；

位置获取单元320，获取用户位置；

密度获取单元330，获取所述用户位置位于的网格中所述目标对象的密度；

范围计算单元340，根据所获取的密度和所确定的总数，计算搜索范围。

在一个可选的实施方式中：

所述密度获取单元330，具体包括：

网格确定子单元，根据所述用户位置的坐标，确定该坐标对应的网格；所述网格为网格化地图；

统计数量子单元，统计所述网格中所述目标对象的数量；

密度计算子单元，根据所述网格大小以及所述目标对象的数量，计算所述网格中所述目标对象的密度。

在一个可选的实施方式中：

所述密度获取单元330，具体包括：

网格确定子单元，根据所述用户位置的坐标，确定该坐标对应的网格；

密度查询子单元，从数据库中，查询所述网格中所述目标对象的密度；其中：所述数据库中所述目标对象的密度通过如下方式离线计算得出：

网格化处理子单元，对地图进行网格化处理；

统计数量子单元，统计所述目标对象位于每一个网格中的数量；

密度计算子单元，根据所述每一个网格中目标对象的数量以及网格大小，计算每一个网格中所述目标对象的密度。

在一个可选的实施方式中：

所述计算搜素范围，通过以下公式：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度。

在一个可选的实施方式中：

所述计算搜素范围，通过以下公式：

其中，r表示搜索范围，c表示所确定目标对象的总数，pi表示圆周率，e表示所获取目标对象的密度，i表示所述用户位置位于的网格与相邻网格之间目标对象的密度的比例关系。

在一个可选的实施方式中：

所述比例关系，由如下子单元计算得到：

密度获取子单元，获取与当前网格相邻网格中所述目标对象的密度；

第一数量统计子单元，统计密度小于当前网格中目标对象密度的相邻网格的第一数量；

第二数量统计子单元，统计密度大于等于当前网格中目标对象密度的相邻网格的第二数量；

比例关系确定子单元，将所述第一数量与第二数量的比值确定为所述当前网格与相邻网格之间密度的比例关系；其中，所述当前网格为所述用户位置位于的网格。

在一个可选的实施方式中：

所述总数确定单元310，具体包括：

历史总数获取子单元，在接收到针对目标对象的搜索请求后，获取用户历史搜索时选择的总数；

总数确定子单元，将最近选择的总数确定为本次搜索所述目标对象的总数。

在一个可选的实施方式中：

所述总数确定单元310，具体包括：

历史总数获取子单元，在接收到针对目标对象的搜索请求后，获取用户历史搜索时选择的总数；

总数确定子单元，将选择次数最多的总数确定为本次搜索所述目标对象的总数。

在一个可选的实施方式中：

所述网格包括基站网格、wifi网格或地图网格。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上图6描述了搜索范围的计算装置的内部功能模块和结构示意，其实质上的执行主体可以为一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据针对目标对象的搜索请求，确定搜索所述目标对象的总数；

获取用户位置；

获取所述用户位置位于的网格中所述目标对象的密度；

根据所获取的密度和所确定的总数，计算搜索范围。

在上述电子设备的实施例中，应理解，该处理器可以是中央处理单元(英文：centralprocessingunit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digitalsignalprocessor，简称：dsp)、专用集成电路(英文：applicationspecificintegratedcircuit，简称：asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，而前述的存储器可以是只读存储器(英文：read-onlymemory，缩写：rom)、随机存取存储器(英文：randomaccessmemory，简称：ram)、快闪存储器、硬盘或者固态硬盘。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于电子设备实施例而言，由于其基本相似于方法实施例，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。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。