CN110132260B - 一种面向复杂地表空间的行人步行导航路径规划方法 - Google Patents
一种面向复杂地表空间的行人步行导航路径规划方法 Download PDFInfo
- Publication number
- CN110132260B CN110132260B CN201910448974.9A CN201910448974A CN110132260B CN 110132260 B CN110132260 B CN 110132260B CN 201910448974 A CN201910448974 A CN 201910448974A CN 110132260 B CN110132260 B CN 110132260B
- Authority
- CN
- China
- Prior art keywords
- earth surface
- pedestrian
- path
- type
- triangular net
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种面向复杂地表空间的行人步行导航路径规划方法，实现了复杂地表空间中行人步行导航路径的优化提取。该方法根据路径起终点和地表单元边界对通行区域采集的密集离散点建立不规则三角网，并综合考虑地表类型、通行代价等因素，基于不规则三角网所构建的道路网络进行最优路径分析及路径优化，从而为不同类型人群提供满足其不同需求的最优导航路径。该算法不仅能在复杂地表空间中进行路径规划，还能满足行人在自主选择路径时的多种需求，为其提供精确且适用的导航路径。
Description
技术领域
本发明涉及面向复杂地表空间的行人步行导航路径优选算法。
背景技术
人类生活中绝大部分的行为活动与信息都是围绕着地理空间展开的，其中最常见的一种行为活动就是寻路行为，它贯穿在人们的日常生活之中，如室内走动、外出步行、远距离的驾车与公交乘坐等都属于寻路行为。过去，人们总是通过地图或问路等方式寻找目的地，但是随着GIS和导航系统的发展，GPS、电子地图(Google Maps)以及其他一些行人导航产品(如NAVITIME)得到了越来越广泛的应用。
路径规划问题是地理信息科学、交通运输、计算机科学等领域的一个研究热点，与机器人、计算机图形学、仿真、游戏等都相关。很多实际问题都可以通过抽象进而转化为网络中的最优路径计算问题，如机器人的无碰撞自主行动、道路交通网络中的出行路线选取问题以及遇险后的最优逃生路线计算问题等。
现有的导航技术或产品能为车辆驾驶员提供不同出行模式下的导航信息，也基本能满足其对道路交通信息的需求，但其主要是基于道路网络的，且面向的主要是车辆，在面向行人的路径引导方面研究仍比较少，对于步行导航模式的相关理论研究尚属于初步阶段。目前对行人导航的支持也仅限于在原有车载导航系统的基础上添加了部分行人级别的导航信息，得到仍是基于道路网络下的行人级别导航信息，与实际行人的步行模式仍有较大的差异，在导航区域、交通模式、导航路径上均有较大的不同。此外，这些算法大多没有考虑到不同类型人群的需求，对于不同个体的通行模式的差异性不够重视。如相比于年轻人，老年人由于年纪、身体等原因可能不愿意选择上下坡较多的路径，而更倾向于距离更长的平缓路径。
发明内容
本发明要解决的技术问题是：克服现有技术的上述不足，提供一种面向复杂地表空间的行人步行导航路径规划方法，不仅能计算出复杂地表空间中的最优路径，还能满足行人自主选择路径时的多种需求，为其提供更加精准、平滑和人性化的路线。
为了解决以上技术问题，本发明提供的一种面向复杂地表空间的行人步行导航路径规划方法，包括以下步骤：
第一步：建立通行代价表——针对路径优选时的不同情况，建立包括ID号、行人类型、地表类型、地形坡度和通行代价六项在内的通行代价表；所述行人类型包括成人、老弱、儿童；地表类型分为：平地、道路、草地、河流、建筑物；地形坡度的范围在-90°～90°之间；通行代价则包括通过每公里所花费的时间和/或体力；
第二步：建立不规则三角网(Triangulated Irregular Network,TIN)——根据导航数据对地表多边形单元的边界进行采样生成离散点，并加入通行路径的起始点和终止点，构成平面点集；基于平面点集生成不规则三角网，完成不规则三角网的构建；
第三步：计算不规则三角网各边的通行代价——结合土地利用类型、DEM数据和通行代价表，获取三角网各边的地表类型、地形坡度，从而获得三角网各边通行代价；三角网各边的地表类型、地形坡度通行代价获取方法具体如下：
地表类型：将土地利用类型数据与生成的三角网进行叠置，找出每条边的中点像元及其八邻域像元所属地表类型，如果九个像元的地表类型都相同，则该边为该地表类型；如果九个像元的地表类型不相同，则将该边归为这九个像元的地表类型种通行性较高的那类地表类型；
地形坡度：利用DEM数据与不规则三角网进行叠置，确定每条边的两个端点的高程值，并计算每条边两个端点的水平距离，通过每条边两个端点的高程差和水平距离确定每条边的地形坡度；
通行代价：结合三角网各边的地表类型和地形坡度，通过查询通行代价表，确定用户指定行人类型下的三角网各边的通行代价，所述用户指定行人类型由用户选择；
第四步：计算最优路径——根据第二步中的起始点和终止点，结合三角网各边的通行代价，计算最优路径。
发明的创新点在于，在传统最短路径算法的基础上将算法的应用范围从道路网络扩展到行人的主要通行空间——复杂地表空间中，还充分考虑了不同人群在求解最优路径时对通行代价等因素的不同需求，真正意义上实现了行人根据自身情况自主选择导航最优路径的目标。
发明实现了复杂地表空间中行人步行导航路径的优化提取。该算法根据路径起终点和地表单元边界对通行区域采集的密集离散点建立TIN三角网，并综合考虑地表类型、通行代价等因素基于TIN三角网所构建的道路网络进行最优路径分析及路径优化，从而为不同类型人群提供满足其不同需求的最优导航路径。该算法不仅能在复杂地表空间中进行路径规划，还能满足行人在自主选择路径时的多种需求，为其提供精确且适用的导航路径。
附图说明
下面结合附图对本发明的面向复杂地表空间的行人步行导航路径规划方法作进一步的说明。
图1是初始构建的不规则三角网
图2是地表类型判别方法示意图
图3是成年人步行时TIN各边的通行体力代价结果图
图4是初始最优路径示意图
图5是优化后的最优路径示意图
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
本实施例面向复杂地表空间的行人步行导航路径规划方法，包括以下步骤：
第一步：建立通行代价表。
针对路径优选时的不同情况，建立包括ID号、行人类型、地表类型、地形坡度和通行代价六项在内的通行代价表；所述行人类型包括成人、老弱、儿童；地表类型分为：平地、道路、草地、河流、建筑物；地形坡度的范围在-90°～90°之间；通行代价则包括通过每公里所花费的时间和/或体力。对于行人类型、地表类型、地形坡度的各种组合分别建立对应的通行代价表。也可将各种组合的通行代价表合并为一张大表，如表1所示。
表1
可以使用数字代码代表通行代价表中的行人类型、地表类型、地形坡度和通行代价，以简化通行代价表。
以“成人-步行-时间-平地”的组合表为例，其通行代价表如表2所示。
表2
| ID | 坡度 | 时间(h/km) |
| 0 | 0 | 150 |
| 1 | 10 | 180 |
| 2 | 20 | 210 |
| 3 | 45 | 250 |
| 4 | 80 | 9999 |
| 5 | 90 | 9999 |
第二步：建立不规则三角网(Triangulated Irregular Network,TIN)。
根据导航数据对地表多边形单元的边界进行密集采样生成离散点，密集采样的最小距离设置为1m，最大距离设置为5m。然后加入通行路径的起始点和终止点，构成平面点集。本利用的导航数据由百度地图提供。基于平面点集生成不规则三角网，完成不规则三角网的构建。
为了提高执行效率，缩短构建三角网的时间，本实施例中，利用并行自适应细分方法(可参见文献：Wang J,Cui C,Rui Y,et al.A parallel algorithm for constructingVoronoi diagrams based on point-set adaptive grouping[J].Concurrency&Computation Practice&Experience,2014,26(2):434-446.)将平面点集划分为若干沿x轴和y轴交替的互不重叠、点数大致相同的子集，利用Guibas-Stolfi分治算法在各子集中并行地建立Delaunay三角形，从而获得各子集的三角网，然后进行拼接，完成不规则三角网的构建。建立的不规则三角网如图1所示。
第三步：计算不规则三角网各边的通行代价。
结合土地利用类型、DEM数据和通行代价表，获取三角网各边的地表类型、地形坡度，从而获得三角网各边通行代价。三角网各边的地表类型、地形坡度通行代价获取方法具体如下：
地表类型：如图2所示，将土地利用类型数据与生成的三角网进行叠置，找出每条边的中点像元及其八邻域像元所属地表类型，如果九个像元的地表类型都相同，则该边为该地表类型；如果九个像元的地表类型不相同，则将该边归为这九个像元的地表类型种通行性较高的那类地表类型。
地形坡度：利用DEM数据与不规则三角网进行叠置，确定每条边的两个端点的高程值，并计算每条边两个端点的水平距离，通过每条边两个端点的高程差和水平距离确定每条边的地形坡度。
通行代价：结合三角网各边的地表类型和地形坡度，通过查询通行代价表，确定用户指定行人类型下的三角网各边的通行代价，用户指定行人类型由用户选择。本实施例中，行人类型为成人。
结合通行代价表，确定成年人步行时TIN各边的通行体力代价，结果如图3所示。
第四步：计算最优路径——根据第二步中的起始点和终止点，结合三角网各边的通行代价，利用相邻节点低值传递方法(可参见论文：王杰臣,杨得志,张伟.最短路径问题的一种改进算法[J].解放军测绘学院学报,1999(4):50-53.)计算最优路径，得到初始最优路径，如图4所示。
第五步：加密优化路径点。
为了对最优路径进行优化，本实施例中还进行了如下改进：
在初始最优路径所涉的不规则三角形内部进行网点加密(设置加密倍数为5对TIN点集进行加密)，对加密后的网点生成不规则三角网，并重复第三步和第四步，得到优化的最优路径，如图5所示。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种面向复杂地表空间的行人步行导航路径规划方法，包括以下步骤：
第一步：建立通行代价表——针对路径优选时的不同情况，建立包括ID号、行人类型、地表类型、地形坡度和通行代价六项在内的通行代价表；所述行人类型包括成人、老弱、儿童；地表类型分为：平地、道路、草地、河流、建筑物；地形坡度的范围在-90°~90°之间；通行代价则包括通过每公里所花费的时间和/或体力；
第二步：建立不规则三角网——根据导航数据对地表多边形单元的边界进行采样生成离散点，并加入通行路径的起始点和终止点，构成平面点集；基于平面点集生成不规则三角网；
第三步：计算不规则三角网各边的通行代价——结合土地利用类型、DEM数据和通行代价表，获取三角网各边的地表类型、地形坡度，从而获得三角网各边的通行代价；三角网各边的地表类型、地形坡度通行代价获取方法具体如下：
地表类型：将土地利用类型数据与生成的三角网进行叠置，找出每条边的中点像元及其八邻域像元所属地表类型，如果九个像元的地表类型都相同，则该边为该地表类型；如果九个像元的地表类型不相同，则将该边归为这九个像元的地表类型种通行性较高的那类地表类型；
地形坡度：利用DEM数据与不规则三角网进行叠置，确定每条边的两个端点的高程值，并计算每条边两个端点的水平距离，通过每条边两个端点的高程差和水平距离确定每条边的地形坡度；
通行代价：结合三角网各边的地表类型和地形坡度，通过查询通行代价表，确定用户指定行人类型下的三角网各边的通行代价，所述用户指定行人类型由用户选择；
第四步：计算最优路径——根据第二步中的起始点和终止点，结合三角网各边的通行代价，计算最优路径。
2.根据权利要求1所述的一种面向复杂地表空间的行人步行导航路径规划方法，其特征在于：所述第一步中，对于行人类型、地表类型、地形坡度的各种组合分别建立对应的通行代价表，使用数字代码代表通行代价表中的行人类型、地表类型、地形坡度和通行代价，以简化通行代价表。
3.根据权利要求1所述的一种面向复杂地表空间的行人步行导航路径规划方法，其特征在于：所述第二步中，利用并行自适应细分方法将所述平面点集划分为若干沿x轴和y轴交替的互不重叠、点数大致相同的子集，分别针对各子集中的点建立不规则三角网并进行拼接，进而完成不规则三角网的构建。
4.根据权利要求3所述的一种面向复杂地表空间的行人步行导航路径规划方法，其特征在于：所述第二步中，利用Guibas-Stolfi分治算法在各子集中并行地建立Delaunay三角形。
5.根据权利要求1所述的一种面向复杂地表空间的行人步行导航路径规划方法，其特征在于：第二步中，根据导航数据对地表多边形单元的边界进行密集采样生成离散点集，所述进行密集采样的最小距离设置为1m，最大距离设置为5m。
6.根据权利要求1所述的一种面向复杂地表空间的行人步行导航路径规划方法，其特征在于：第四步中，利用相邻节点低值传递方法计算最优路径。
7.根据权利要求1所述的一种面向复杂地表空间的行人步行导航路径规划方法，其特征在于：初次完成第四步后，得到了初始最优路径，在初始最优路径所涉的不规则三角形内部进行网点加密，对加密后的网点生成不规则三角网，并重复所述第三步和第四步，得到优化的最优路径。
8.根据权利要求1所述的一种面向复杂地表空间的行人步行导航路径规划方法，其特征在于：所述导航数据是由地图数据软件提供。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910448974.9A CN110132260B (zh) | 2019-05-28 | 2019-05-28 | 一种面向复杂地表空间的行人步行导航路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910448974.9A CN110132260B (zh) | 2019-05-28 | 2019-05-28 | 一种面向复杂地表空间的行人步行导航路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110132260A CN110132260A (zh) | 2019-08-16 |
| CN110132260B true CN110132260B (zh) | 2022-06-07 |
Family
ID=67581981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910448974.9A Active CN110132260B (zh) | 2019-05-28 | 2019-05-28 | 一种面向复杂地表空间的行人步行导航路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110132260B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110544157A (zh) * | 2019-09-04 | 2019-12-06 | 北京三快在线科技有限公司 | 乘车位置推荐方法、装置、电子设备及存储介质 |
| CN113158384B (zh) * | 2021-03-03 | 2021-10-08 | 东北石油大学 | 一种油气管道路由规划方法及系统 |
| CN113865589B (zh) * | 2021-08-18 | 2023-12-01 | 上海海洋大学 | 一种基于地形坡度的长距离快速路径规划方法 |
| CN115839717B (zh) * | 2023-02-14 | 2023-05-09 | 电科疆泰(深圳)科技发展有限公司 | 户外搜救最佳路径规划方法、服务器及存储介质 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100131184A1 (en) * | 2008-11-21 | 2010-05-27 | Richard Stanton | Method for creating suggested pathways for helping pedestrians cross open spaces |
| CN101813491A (zh) * | 2010-04-02 | 2010-08-25 | 深圳市凯立德计算机系统技术有限公司 | 步行导航路径规划方法、步行导航方法及导航设备 |
| KR101105808B1 (ko) * | 2011-10-17 | 2012-01-12 | (주)자올소프트 | 단일 도로 체계를 이용한 보행경로 내비게이션 |
| CN105303612B (zh) * | 2014-12-03 | 2017-12-15 | 河南理工大学 | 一种基于不规则三角网模型的数字河网提取方法 |
| CN105466445B (zh) * | 2016-01-05 | 2018-03-13 | 武汉大学 | 一种基于地形语义的路径规划方法 |
| CN106403925B (zh) * | 2016-08-31 | 2019-10-29 | 河南理工大学 | 面向室内与地下空间导航的空间网络构造及路径规划方法 |
| CN107228668B (zh) * | 2017-05-17 | 2020-03-10 | 桂林电子科技大学 | 一种基于规则网格dem数据的路径规划新方法 |
| CN107515008A (zh) * | 2017-08-16 | 2017-12-26 | 城市生活（北京）资讯有限公司 | 一种步行导航方法及导航设备 |
| CN107808059A (zh) * | 2017-11-14 | 2018-03-16 | 南京师范大学 | 一种基于有向网络的地形路径规划方法 |
-
2019
- 2019-05-28 CN CN201910448974.9A patent/CN110132260B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110132260A (zh) | 2019-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110132260B (zh) | 一种面向复杂地表空间的行人步行导航路径规划方法 | |
| CN107864007B (zh) | 面向区域目标的多星多地面站资源协同分配管理方法 | |
| CN105825672B (zh) | 一种基于浮动车数据的城市指引区域提取方法 | |
| CN107144288B (zh) | 一种无路网地形条件下的路径规划的方法及其装置 | |
| CN102865872A (zh) | 路径生成系统、路径生成方法以及程序 | |
| US20160063516A1 (en) | Methods and apparatus to estimate commercial characteristics based on geospatial data | |
| US20150262481A1 (en) | System and method to determine occurrence of platoon | |
| US20150154323A1 (en) | Horizontal optimization of transport alignments | |
| CN106441327A (zh) | 移动装置以及用于向其发射数据的方法和系统 | |
| Feng et al. | Allocation using a heterogeneous space Voronoi diagram | |
| CN105678225A (zh) | 一种城市热岛效应空间变化检测方法及系统 | |
| CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
| CN111121785A (zh) | 一种基于图搜索的无道路路径规划方法 | |
| Gonzalez et al. | Generation of stochastic mobility maps for large-scale route planning of ground vehicles: A case study | |
| CN111132014A (zh) | 一种基于无人机移动信标的无线传感器网络节点定位方法 | |
| Verhagen et al. | Finding Byzantine junctions with Steiner trees | |
| McCahill | Non-work accessibility and related outcomes | |
| Torres et al. | PRoA: An intelligent multi-criteria personalized route assistant | |
| CN114723121A (zh) | 基于gis的野外复杂地形路径规划方法 | |
| de Smith | Distance transforms as a new tool in spatial analysis, urban planning, and GIS | |
| Chen et al. | Gocomfort: Comfortable navigation for autonomous vehicles leveraging high-precision road damage crowdsensing | |
| CN109785656B (zh) | 一种基于局部近似秩的交通规划及导航方法 | |
| Suleiman et al. | Optimal route location by least cost path (LCP) analysis using (GIS) a case study | |
| Yao et al. | Trip segmentation and mode detection for human mobility data | |
| Boucek et al. | Inferring the behavior of households from remotely sensed changes in land cover: current methods and future directions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |