Hello，everyone！
我是鲁班·，一个热衷于科研和软开的胖子！
论文题目：An Indoor Route Planning Method With Environment Awareness
论文作者：Yan Zhou, Hong Chen, Yueying Huang, Yunxin Luo, Yeting Zhang, Xiao Xie；
工作单位：电子科技大学；
发表会议：IGARSS 2018。

基于环境感知的室内路径规划方法

1. 论文摘要
2. 引言
3.室内导航网络模型
- 3.1 室内导航网络
- 3.2 环境语义表示
- 3.3 具有环境语义的导航成本函数
4. 室内路径规划
5. 实验分析
6. 结论

1. 论文摘要

针对复杂室内环境下的用户导航需求，本文提出了一种具有环境感知的室内路径规划方法。考虑到用户导航的可访问性、简洁性和舒适性，本文首先描述了室内导航网络的建模方法，定义了室内环境语义的表达。在此基础上，将路径复杂度、拥挤度、阻塞事件等环境语义引入到室内导航网络模型中，给出了导航成本函数。最后，将导航成本函数、环境语义引入到传统的Dijkstra算法中，提出了一种最优的室内路径规划方法。实验结果表明，该方法能有效提高用户在室内导航中的舒适性体验。

2. 引言

室内路径规划主要应用于室内导航和紧急疏散领域。随着复杂的室内环境对导航需求的不断增加，许多著名的地图服务提供商都将室内路径规划作为地图服务的基本特征之一，如Google地图、Bing地图、百度地图等。

相关研究提供了不同的室内路线规划方法。基于IFC的路径规划充分考虑了三维模型的几何信息和语义信息，提高了路径规划的实用性;采用语义丰富的室内导航方法，将用户信息和行为语义拓展到路径规划中，提供以用户为中心的个性化路线规划服务;基于情景感知的室内导航扩展上下文信息和用户偏好信息，实现室内最佳路径规划。不同于上面的方法,本文提出了基于环境感知的室内路径规划方法，其认为室内导航环境语义,如路径复杂性、拥挤程度和阻塞事件,从而规划室内导航路线且有助于提高用户的舒适体验。

3.室内导航网络模型

室内导航网络是室内路径规划和导航服务的关键。室内导航网络建模中使用最广泛的是几何模型，它可以描述室内空间的几何和拓扑特征。

本文建立了基于“节点—边”表示图理论的室内导航网络模型。房间和门抽象为节点;这些节点由边连接。走廊抽象地以中心线表示;节点和中心线(门和走廊)也通过边缘联系起来。

3.1 室内导航网络

一个示例说明了如图1所示的室内导航网络建模的细节。为了清楚地展示细节，图1（a）中的3D室内模型的红色虚线部分被放大并显示在图1（b）中。房间和门的节点分别根据其几何中心在二维投影中表示。然后建立边缘以连接房间节点和门节点，如图1（b）中的L0，L2，L4和L6所示。同时，门之间的边缘专为多门房间而建。以房间R3为例，R3具有三个门D2，D3和D4，因此相应地建立了边缘L1，L3，L5以连接多个门，如图1（b）所示。图1（b）的建模结果如图1（c）所示。室内导航网络的其余部分也可以相同的方式使用。

3.2 环境语义表示

路径复杂度
相关研究表明，在导航中，路径复杂度可能与路径长度同样重要。人们更喜欢选择一个更简单的导航路径而不是最短路径，因为它意味着更少的模糊性和更容易理解。在几十个路径复杂度指标中，拐角数是最常用的标准之一，它直接反映了路径的复杂度。因此，我们使用拐角数来表示路径复杂度的语义如下：
path_complexity= {number_turns}
其中，number _turns表示导航路径中的拐角数。
拥挤程度
拥挤程度是影响用户导航舒适度的最重要因素，尤其是对于购物商场、火车站和机场候机楼等大型复杂室内环境。因此，本文对拥挤度进行如下描述：
path_crowd ={ crowd_type, crowd_range,Tc}
其中，crowd_type表示拥挤程度的类型,crowd_range表示拥挤程度的范围长度，Tc表示拥挤时间。根据交通速度(V)与人群密度§的关系如下所示，
V={1.4ρ≤0.750.0412ρ2−0.59ρ+1.8670.75<ρ≤4.20.1ρ>4.2V=\left\{\begin{array}{lr}1.4 & \rho \leq 0.75 \\ 0.0412 \rho^{2}-0.59 \rho+1.867 & 0.75<\rho \leq 4.2 \\ 0.1 & \rho>4.2\end{array}\right.V=⎩⎨⎧1.40.0412ρ2−0.59ρ+1.8670.1ρ≤0.750.75<ρ≤4.2ρ>4.2
可以计算出人群类型，并将其划分为4个层次，如表1所示。
阻塞事件
阻塞事件可能导致路由规划不可用。室内导航环境的阻塞事件通常是由设施故障、意外事故、人为阻塞等原因引起的。为了描述阻塞事件对室内导航的影响，本文对阻塞事件语义进行了描述：

event_range=(v1,v2,…,vn)\left(v_{1}, v_{2}, \ldots, v_{n}\right)(v1,v2,…,vn)表示受阻塞事件影响的节点集。viv_ivi=1,代表节点可达，viv_ivi=0,代表节点不可达。TesT_{es}Tes代表由阻塞事件所导致的阻塞时间。

3.3 具有环境语义的导航成本函数

本节将环境语义引入到室内导航网络模型中，构建导航代价函数，使导航网络模型不仅具有几何信息，而且包含丰富的环境语义信息。考虑路径复杂度、拥挤度和阻塞事件的环境语义，定义导航代价函数
G∗=ωcfcrowd∗(vi,vj)+ωtfturn∗(Vi)ωefevent∗(Vj)G^{*}=\frac{\omega_{c} f_{c r o w d}^{*}\left(v_{i}, v_{j}\right)+\omega_{t} f_{t u r n}^{*}\left(V_{i}\right)}{\omega_{e} f_{e v e n t}^{*}\left(V_{j}\right)}G∗=ωefevent∗(Vj)ωcfcrowd∗(vi,vj)+ωtfturn∗(Vi)
基于成本函数，可根据导航环境的变化动态更新室内规划路径的导航成本。路径复杂度和拥挤程度的增加或阻塞事件的发生都会引起代价函数G* 的动态更新，说明有效的动态环境感知能够避免复杂的路径、拥塞和阻塞事件，有助于改善用户体验。

4. 室内路径规划

本文提出了一种具有环境感知的室内路径规划方法，其将环境语义与传统的Dijkstra算法相结合。本文提出的方法采用3.1节所述的基于节点边缘的室内导航网络模型，以具有动态环境语义的导航成本作为室内导航网络的边缘权值，然后基于Dijkstra算法规划室内导航路径。算法流程图如下所示，主要包括以下几个步骤：

步骤1:基于节点-边缘图模型的室内导航网络建模;
步骤2:根据环境语义，根据导航代价函数更新* G的值，并将* G指定为室内导航网络的边缘权值;
步骤3:使用Dijkstra算法搜索导航代价最小* G的室内导航路径;
步骤4:如果导航环境发生变化，返回步骤2;否则，结束算法。

5. 实验分析

根据以上所述，我们的实验采用六层建筑模型构建室内导航拓扑网络模型，如下所示。

实验选取节点23和节点216作为开始节点和目的节点，如图4所示。根据如式(6)所示拥挤程度成本函数的定义，当拥挤类型为通畅、轻度、中度、重度时，α可指定为:1.0、2.0、4.0、8.0。拥挤度、路径复杂度和阻塞事件的权重均设置为0.7。

室内路径规划结果如表2所示，传统的Dijkstra算法只考虑路径长度，得到的最短路径如图4所示。然而，本文提出的最优方法考虑了路径复杂度、拥挤程度、阻塞事件等室内环境语义信息，得到的最优路径如图5所示。虽然与传统的Dijkstra算法相比，该方法的路径长度略有增加，但转弯路径更少，运行时间更短，导航成本更低。该方法考虑到丰富的导航环境语义，通过在室内导航路径规划中引入路径复杂性、拥挤度和阻塞事件，提高了用户的舒适度。

6. 结论

考虑到用户导航的可访问性，简单性和舒适性，本文描述了环境语义在路径复杂度，拥挤度和阻塞事件上的表示，并基于环境语义定义了导航成本函数，然后提出了一种最优的室内路径规划方法。通过将导航成本函数和环境语义引入传统的Dijkstra算法。实验结果表明，本文提出的方法提高了室内导航用户的舒适度。

内容靠得住，关注不迷路。

科研笔记(六) 基于环境感知的室内路径规划方法相关推荐

上海交大裴凌教授：智能环境感知与室内定位
转载:http://www.iotworld.com.cn/html/News/201709/36c7e876baa1d1bb.shtml 2017年8月17日,由中国物联网产业应用联盟主办,深圳物联 ...
基于客户感知的楼宇问题定位方法研究与实践
[摘要]随着客户对室内不同业务网络使用需求的不断提升,为了进一步对楼宇内客户网络体验进行精确评估.分析定位及优化提升,研究与实践了一种基于客户感知汇聚的楼宇问题定位方法.通过对客户感知进行画像并将 ...
基于MindSpore框架的室内场景图像分割方法研究
基于MindSpore框架的室内场景图像分割方法研究概述本文以华为最新国产深度学习框架Mindspore为基础,研究室内场景语义分割方法.本文基于注意力机制改进U-Net网络,并选取VGG16与R ...
基于强化学习的智能机器人路径规划算法研究（附代码）
目录一.摘要二.路径规划技术的研究进展 1.研究现状 2.算法分类 2.1 全局路径规划算法 2.2 局部路径规划算法三.本文采用的路径规划算法--强化学习 1. 概念 2. 与其他机器学习方式 ...
matlab8邻域搜索算法,一种基于可搜索连续邻域A*算法的路径规划方法与流程
本发明涉及的是一种UUV全局路径规划方法. 背景技术: 无人水下航行器(Unmanned underwater vehicle,UUV)作为一种高技术手段,在海洋这块未来极具价值的发展空间中起着至关重 ...
基于Q-learning的无人机三维路径规划（含完整C++代码）
目录 1.实验目标 2.相关原理 3.实验过程 3.1基于Q-learning的三维模型创建 3.2无人机类.环境类和障碍物类的建立 3.3继承和多态的实现 3.4训练 3.5测试 4.完整代码 ma ...
栅格法路径算法C语言,基于地图栅格与QPSO算法结合的机器人路径规划方法与流程...
本发明属于机器人路径规划领域,提出一种基于地图栅格与QPSO结合的机器人路径规划方法. 背景技术: 移动机器人路径规划是寻找一条无碰撞的可行路径问题的方法.近些年,群智能优化算法逐渐成为移动机器人路径 ...
路径规划算法：基于灰狼优化(GWO)的路径规划算法- 附代码
路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码文章目录路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码 1.算法原理 1.1 环境设定 1.2 约束条件 1.3 适应度函 ...
基于粒子群算法的智能车辆避障路径规划方法研究
基于粒子群算法的智能车辆避障路径规划方法研究 1.环境生成 1.1 环境生成方法的选择 1.2 坐标法生成环境 1.3 车辆简化 1.4 障碍物数据 2.粒子初始化 2.1 速度迭代设置 2.2 避障 ...
路径规划算法：基于入侵杂草优化的路径规划算法- 附代码
路径规划算法:基于入侵杂草优化的路径规划算法- 附代码文章目录路径规划算法:基于入侵杂草优化的路径规划算法- 附代码 1.算法原理 1.1 环境设定 1.2 约束条件 1.3 适应度函数 2.算法 ...

科研笔记(六) 基于环境感知的室内路径规划方法