显著度模型的地标提取方法综述

针对地标显著度模型的构成、计算方法及存在的突出问题,该文在对国内外大量文献进行分析研究的基础上,系统综述了基于显著度模型提取地标的方法。指出了现有研究中存在的主要问题和不足,围绕感知显著度、认知显著度、上下文显著度、总体显著度的计算方法,进行了较为深入的研究,并针对性地提出了解决方案。     

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。     

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。     

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。     

基于用户情境的POI个性化推荐模型

提出了一种基于用户情境的POI个性化推荐模型,结合模糊数学中的隶属度概念,从空间、时间及属性3个方面分析了用户情境与POI之间的关联度,并利用关联度对推荐结果进行排名.实验表明,推荐结果具有较好的精度,时间在较大程度上影响POI的推荐结果.     

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。     

图像显著度和信息量均衡的地标链生成方法

提出基于图像显著度和信息量均衡的地标链生成方法,该方法建立地标显著度、全景图信息量和地标切换次数的多目标模型,基于遗传算法生成多目标优化的地标链。实验表明,能较好地平衡地标显著度、全景图信息量及地标切换次数等优化目标,生成的地标链具有较高的显著度与较低的视觉认知负担。     

利用特征显著度提取地形特征线的方法

针对现有的地形特征线提取方法不能根据特征强弱对提取结果进行方便的筛选控制的问题,提出了一种基于特征显著度的山脊和山谷线提取方法。首先,对数字高程模型数据进行高斯滤波和下采样;然后,通过全局断面扫描确定特征点,并根据高度、高度落差和坡度计算特征显著度,在进行特征延伸后构造特征图,利用最小生成树算法得到特征森林;随后进行枝干分解并计算各枝干的特征显著度,根据特征显著度进行枝干裁剪;最后,通过尾钩剔除、位置修正和平滑等后处理得到最终特征线。实验结果表明,该方法能提供给用户方便有效的手段以根据特征显著度对特征进行筛选控制,提取的特征线与实际地形相符,有良好的抗噪能力且能较好地处理平坦地形特征。     

融合上下文感知的地标检测辅助WiFi-PDR室内定位

针对当前WiFi-PDR室内定位中存在的WiFi信号不稳定及行人航位推算（PDR）累积误差大的问题,本文提出了一种融合上下文感知的地标检测辅助WiFi-PDR室内定位方法。该方法利用智能手机所能监测到的上下文信息建立用户模型,采用基于卷积神经网络的用户行为感知和基于WiFi-PDR室内定位的粗粒度位置感知,发现隐藏的室内地标信息,并完成用户在地标位置的位置校正,提高定位准确度。该方法在一定程度上降低了WiFi-PDR室内定位的误差,提高了用户室内定位的精度。经试验验证,该室内定位方法的精度相比于传统的WiFi-PDR方法提高了43.62%。     

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。     

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。     

全球POI在线抽取方法研究

对从互联网上抽取全球地理兴趣点进行研究,国内对以百度地图为基础的POI抽取方法进行探讨,国外对从Open Street Map数据中抽取POI数据进行了分析,分别针对这两类数据的POI抽取提出较为高效、准确的方法,确保提取的POI质量,实现了全球POI的快速在线抽取。     

面向室内WLAN定位的动态自适应模型

提出了一种面向无线局域网(wireless local area network,WLAN)位置指纹匹配定位的动态自适应模型,借助多个基站的实时数据为稳健室内定位提供更新的匹配数据库——radio map。基于基站与radio map采样点之间的空间关联性,将基站数据和radio map分别作为多层神经网络的输入和输出,动态更新radio map;利用多元数据异常探测技术检验基站数据捕获环境的时空变化;根据探测结果采用顾及室内布局的数值内插和再训练的方式更新模型,从而使其适应环境的时空变化。在室内动态环境中进行了多次验证试验。试验结果显示,在时变因素作用下,相比较传统方法,采用所提模型的定位方法的平均误差至少下降10%;在空间变化因素(以信标移动为例)作用下,其他方法平均定位误差大幅增加了至少165%,而采用所提模型方法的平均定位误差只增加了10%~20%,定位精度维持在3m左右(即原始精度)。结果证明采用了所提模型的定位系统能够自适应环境的时空变化而保持原有定位表现。不过,与传统位置指纹匹配定位方法相比,该模型带来了更多的计算负荷。     

基于Delaunay三角剖分的多尺度POI提取技术研究与实现

简要概括了电子地图图面表达中多尺度POI分布的重要性,分析了Delaunay三角剖分算法和POI分级原则,提出了基于Delaunay三角剖分增量算法,添加三角网面积、边长及POI权重作为约束条件的多尺度POI提取技术,并在多城市电子地图制作中实践,验证了该方法的可行性。     

道路网约束下的城市兴趣点选取

针对道路对城市内部兴趣点数据分布有密切的约束关系,故城市内POI数据往往呈现出沿着道路分布的特征这一现象,提出一种在道路网约束下城市内部POI数据的选取算法。通过建立道路网的拓扑结构,根据POI数据的分布位置分为道路周边分布的和远离道路分布的两大类,对道路周边的点使用"间苗法"选取,对远离道路分布的点根据其分布模式决定采用"随机法"或其他方法选取。算法采用实际数据进行实验,切实可行,并得到了合理的结果。