室内POI显著度评价的Fisher判别法模型

随着社会经济的快速发展,大型建筑物内部结构越来越复杂,室内空间的位置服务愈显重要。地标作为室内空间中的基础要素,能够帮助人们在室内认清方向和定位。但是,现有的室内地标的选取方式大多牵引于室外准则,未考虑室内POI独有的特点,导致所选取出的地标与用户的认知不匹配。针对这一问题,本文在室内空间POI显著度影响因素探究试验基础上,采用Fisher判别法(FDA)对试验数据进行语义信息量化、构建模型、模型回判和交叉互判处理,确定了室内POI显著度评价模型,并用于室内地标的提取。结果表明,建立的判别模型对室内POI显著度的判别和分级效果显著,选取出的地标能够与用户认知结果相一致。     

利用城市POI数据提取分层地标

为了获取能够用于智能化路径引导的层次性空间知识,提出了一种依据显著度的差异从城市POI数据中提取出分层地标的方法。首先,通过从公众认知、空间分布和个体特征3个方面分析影响POI显著性的因素,构造了包括公众认知度、城市中心度和特征属性值3个指标向量的POI显著性度量模型;然后,分别讨论了利用问卷调查、多密度空间聚类和数据规格化的方法计算POI对象的各项显著性指标值的过程;最后,选择武汉市武昌地区的POI数据进行显著度计算,从中提取显著度较高的对象构成若干层地标,并以各层地标为种子生成加权的Voronoi图,用来反映各地标的空间影响范围并建立了同层和上下层地标之间蕴含的关系。     

从城市兴趣点中提取多层次地标方法探究

为了获取结构化空间知识,本文在前人研究基础上,提出一种依据显著度差异从城市POI数据中提取多层次地标的方法。分别从知名度、通达度以及个体特征三个方面量化分析了影响POI显著性的因素;然后利用这三个指标构建了POI显著性度量模型,并进行了武汉市武昌区地标提取实验。最后,以各层地标为种子生成Voronoi图,用来反映各层地标的空间影响范围及上下层地标之间蕴含的认知规律。     

基础地理信息库的小尺度城市地标提取

针对城市地标特征难以量化,且缺乏基于基础地理信息库的地标层快速提取方法的问题,该文从空间知识表达和公众空间认知规律的角度,对多尺度城市地标做出了明确定义;并提出了基于基础地理信息数据库的小尺度城市地标自动提取模式。通过计算签到次数和局部可达性两个指标的加权显著度,辅以热点分析来进行筛选,按照所需提取数量设置阈值,从POI中提取地标要素集合。实验结果与人工提取地标层对比证明,地标自动提取结果能较好地反映实际情况。     

一种面向室内导航的通行区域模型及其自动提取算法

面向室内位置服务中路径规划与导航的应用需求，提出一种基于栅格空间的通行区域模型及其自动提取算法。首先，在栅格模型基础上引入了相邻栅格和途经栅格，结合具体示例阐述了通行区域模型的基本原理；然后，根据室内地图数据特征，通过室内栅格模型初始化、通行区域初次提取和邻域融合，设计了通行区域的自动提取算法；最后，选取西单大悦城一楼室内地图数据进行了不同栅格尺度的通行区域自动提取和路径规划试验。结果表明，该算法针对走廊内存在障碍等复杂室内环境具有较好的适用性，并且通行区域模型相比网络模型的路径规划结果更加符合复杂室内环境的路径行走特征。     

室内楼层平面导航路网模型的自动生成

室内路网模型作为室内导航研究的基础,如何自动生成室内路网模型成为近年的研究热点。对于目前自动路网模型研究中出现的复杂环境适应度不够的问题,本文提出了一种室内楼层平面路网模型的自动提取方法。它将室内空间分为公共空间和专属空间两类,从而形成公共空间路径和专属空间路径,并用转换点将两类路径进行衔接;最终利用提取的公共空间路径、专属空间路径和连接路径构成楼层平面导航路网模型。基于此方法,将某学校教学楼一层建筑平面图生成平面自动路网模型,并从路径完整度、准确度及寻路情况3个方面与手动路网模型进行了对比分析,其表现良好。     

地标分层多粒度路径导引描述方法

路径导引是导航与位置服务领域重要研究内容之一。传统依次转弯的方式能够提供陌生环境下的导引信息,但不符合人们的对于熟悉环境下的认知和日常沟通习惯。通过按照地标的显著度进行分层,建立多粒度的路径导引描述信息,则更符合由概略到详细的空间认知规律。本文提出基于分层地标的多粒度路径导引描述方法,该方法通过计算导航地标显著度构建多层加权Voronoi图,结合路径计算结果生成多粒度的路径导引描述信息。设计试验表明基于分层地标的多粒度路径导引描述与行走试验及本地人(出租车司机)行进体验抽样问答的结果基本一致。     

基于分层地标的多粒度路径导引描述方法

路径导引是导航与位置服务领域重要研究内容之一,传统Turn-by-Turn的方式能够给予人们在陌生环境下的导引信息,但不符合人们的对于熟悉环境下的认知和日常沟通习惯。基于地标的描述方式更加符合人们的认知习惯,尤其对熟悉周边环境的本地人而言（如出租车司机）。通过按照地标的显著度进行分层,建立多粒度的路径导引描述信息,符合人们由概略到详细的空间认知规律,能有效提高人们寻路反馈、处理和知识共享的能力。以面向导航为目的,针对不同尺度的地标认知空间完成了多粒度的地标形式化建模,设计了更为符合人们认知习惯的、多粒度的路径导引描述方法。     

实时威胁态势感知的室内火灾疏散路径动态优化方法

如何在火灾态势迅速演变的复杂室内环境下选择安全有效的疏散路线是正确引导人群疏散、减少人员伤亡的重要保障。传统静态寻径方法难以顾及火灾态势演变过程,导致疏散决策的盲目性和滞后性突出。本文提出了一种实时威胁态势感知的室内火灾疏散路径动态优化方法,充分利用实时接入的火场状态和室内建筑环境状态等火灾威胁态势场信息,动态调整和优化疏散路径。该方法建立了室内火灾实时威胁态势信息在语义空间的统一表示模型,并对多源、多尺度火灾传感器观测数据在语义空间进行统一建模,从实时接入的动态观测数据中提取室内火灾三维威胁态势信息,用于约束疏散路径的动态优化。模拟试验证明,本方法可根据火灾态势演变准确可靠地动态调整疏散路径,从而显著提高应急疏散的精准性。     

三维点云室内平面要素提取与优化

室内平面要素的准确提取与关系恢复是室内模型自动化语义重建的重要基础,本文提出了一种面向复杂三维点云的室内平面要素提取与优化方法。该方法首先利用区域增长和RANSAC平面混合分割方法分割室内点云数据;其次利用室内语义部件的空间位置信息及包围盒和法向量信息,对分割后的平面进行平面要素的精确提取;然后对提取的墙面进行优化,实现共享墙面的合并,解决室内墙面冗余的问题;最后利用门与墙的空间位置信息,恢复门墙关联关系。试验部分采用了两组试验数据：一组是深圳大学某层教学楼的激光点云数据,另一组是国际摄影测量与遥感学会（ISPRS）的标准数据,通过对试验结果进行评估,验证了本文方法的有效性和可靠性。     

DeepIndoorCrowd: Predicting crowd flow in indoor shopping malls with an interpretable transformer network

Accurate and interpretable prediction of crowd flow would benefit business management and public security. The existing studies are challenged to adapt to the indoor environment due to its complex and dynamic spatial interaction patterns. In this study, we propose a crowd flow predicting method for indoor shopping malls, which simultaneously features temporal variables and semantic factors to suit the shopping mall environment. A deep learning model named DeepIndoorCrowd is presented. The model aims at capturing temporal dependencies and the semantic pattern in crowd flow to generate an accurate multi-horizon prediction. With a multi-term temporal dependency capturing structure, the model is effective in learning both daily and weekly patterns of the indoor crowd flow in a shopping mall and is able to provide the temporal interpretation of the prediction result. Moreover, a semantic-temporal fusion module is introduced to utilize the semantic information of stores in prediction, which has proved to be effective in enhancing the model's ability to learn temporal patterns. Experiments were conducted on a real-world dataset to verify the proposed approach. The ablation study demonstrates that the DeepIndoorCrowd can effectively improve the efficiency and accuracy of the prediction up to 18.7%. In addition, some interesting indoor crowd flow patterns were discovered by analyzing the model's interpretation of the prediction result. The proposed prediction method provides an intuitive way of modeling indoor crowd flow, and the experiment's outcome can help indoor managers better understand stores' flow traffic.     

面向室内地图多尺度表达的POI符号设计与实现

为了满足人们获取室内空间信息时多层次的认知需求,从室内空间的特点出发,以商城为例,对室内要素的分类分级体系进行梳理,在此基础上探讨兴趣点(point of inte-rest,POI)多尺度表达的符号模型;结合地图比例尺和用户需求设计了一套易于理解又能多层次表征要素信息的室内地图POI符号系统,并通过典型案例对其可行性进行制图实践检验。实践结果表明,所提出的多尺度POI符号化方案具有可行性,设计的符号集可以广泛运用到其他商城中,该思想可以运用于其他类型的室内地图。     

虚拟地理试验的地标视觉显著度模型

针对地标显著度计算存在的因子不全、赋权主观的问题,提出了一种利用虚拟地理试验构建地标显著度模型的方法。以城市地标显著度模型求解为例,分析了地标视觉显著度影响因子（简称为视觉因子）及计算方法,构建了一种综合眼动追踪、视觉因子可控和可计算的虚拟试验环境。开展了眼动指标与地标显著度之间的关系求解试验,建立起二者的定量关系模型。以该模型为基础,开展了地标视觉显著度与视觉因子间定量关系的求解试验,通过试验数据拟合得到最终的地标视觉显著度模型公式。本文方法的核心是：在视觉因子可控可计算的虚拟环境中,使用眼动指标表征显著度值,通过地标认知试验及数据分析拟合得到显著度模型。该方法对于研究地标判别这类人与环境相互作用机制的问题具有独特的优势,可降低研究的复杂度,克服研究结果的难复现性。     

IndoorGML室内空间模型描述

室内空间数据模型的表达能力是影响室内位置服务的关键因素，在进行室内空间位置服务之前，需要建立能够表达室内空间复杂特征的模型。针对这一需求，本文提出了一种多元混合室内空间模型，该模型基于传统的对象特征模型、几何空间模型和符号空间模型，通过其表达的几何和拓扑特征的优化组合来实现，可充分表达室内位置和目标间的连通关系，满足室内位置服务需求。针对大量应用程序需要相同的数据模型进行导航分析和信息交换，本文提出了一种使用IndoorGML描述室内空间模型的方法，该方法可实现室内空间模型信息在各设备端的共享。以北京某大型商场为例，建立了多元混合空间模型并使用IndoorGML对其进行描述，最后通过两目标间路径分析证明本文方法的应用价值。     

基于改进MCNN的密度图在室内定位中的应用

北京商场购物人群众多，易发生人群拥挤踩踏事故，使得确定高密度人群区域的位置变得至关重要，因此本文引入人群密度图，确定图中人群分布情况，得出室内人群的定位信息。首先将采集的人群视频分割为图像帧，并分成训练集和测试集；然后对训练集图片作人头标签处理，生成地面实况密度图，将其作为改进的多列卷积神经网络算法的训练数据生成模型，并将模型应用于测试集图片生成人群密度图；最后运用ArcGIS对人群密度图与室内平面图作地理配准处理，从而实现对高密度人群的定位。研究结果表明，利用人群密度图确定的高密度区域的位置坐标与实际坐标值基本一致，将人群密度图应用于室内定位是可行的。     

基于ZigBee技术的商场定位系统建立

ZigBee室内定位系统利用优化的参数化算法计算位置坐标。由于信号传输距离影响定位精度,实验利用不同的定位网络布设方式来确定信号传输距离对定位精度的影响程度,从而找出最佳的布设方式。建立定位系统来满足在商场中对人和物品的定位,进而节约工程成本。     

顾及地标可视性的室内导航路径优化算法

提出了一种构建室内行人通行网络的方法,利用矢量建筑图自动构建室内建筑、地标的可视关系,建立行人导航通行规则,支持室内导航路径规划。实验结果表明,此方法能够有效描述室内行人通行规则,并满足拓扑网络构建的实时性需求,减少大规模存储与维护室内路网的压力。在此基础上提出了一种多目标导航路径优化算法,该算法时间开销较低,能够实时地进行路径规划,得到的最优路径与最短路径相比具有更高的地标可见性和覆盖率。