基于Fisher判别法的室内POI的显著度评价方法

基于fisher判别法的室内poi的显著度评价方法
技术领域
1.本发明涉及室内空间领域，具体涉及一种基于fisher判别法的室内poi的显著度评价方法。


背景技术：

2.室内空间是一个真三维的人造封闭空间，各楼层的相似性极大，仅仅依靠定位设备(如gps、wifi、蓝牙等)提供的三维坐标信息无法完全满足用户确定位置和辨别方向的需求。室内地标作为室内空间认知中最基础、最重要的空间要素，能够帮助用户建立对室内环境的结构化理解，在寻路过程中，用户认知地图中的地标是连接真实世界空间和认知地图空间的重要线索，起着“锚固点”的作用。
3.目前提取地标的方法通常是基于显著度模型对兴趣点(point of interest，poi)的显著度进行计算，选择显著度较高的poi作为地标，因此，poi的显著度是提取地标的主要依据。但是，地标的研究多局限于室外空间，室内空间中的地标提取鲜少涉及。相较于室外导航，室内地标在导航位置服务中的作用更为重要，基于地标显著度模型提取室内地标的研究受到了越来越多研究人员的关注。2007年，millonig等提出了一种基于地标进行行人导航的系统，该系统采用智能手机作为终端，利用室内地标引导行人在火车站寻路导航，其主要关注的问题是识别室内地标的视觉属性。2014年，russo等提出了一种算法，可以自动生成包含可见地标(门、窗、通道)的室内导航路线。随后，lyu提出了室内地标显著性评价的指标：可视性和可感知的形状特征(基于视觉显著性)、可达性和位置显著性(基于结构显著性)以及功能显著性(基于语义显著性)，并利用这些指标定量提取室内地标。hund通过认知实验证明视觉空间记忆有助于室内空间中的寻路和定向。fellner等提出了一种基于分类的方法，该方法对室内导航中的地标显著性因素进行评分，生成基于室内地标的导航路线以帮助人们在不熟悉的室内环境中进行寻路活动。李霖等人提出了一种基于地标的认知强度网格模型，用于改进室内路径规划和引导。沈婕等采用问卷调查的方法研究了影响室内地标显著性的因素，并认为影响室内地标显著性评价的因素有：效用、功能显著性、引用率和出入口。沈婕等提出了基于实例的评分系统，从视觉、语义和结构三个方面分析影响室内空间对象显著性的指标，并运用层次分析法(ahp)计算室内地标显著度评价指标权重系数，构建了室内地标显著度的层次结构模型，采用眼动实验法和问卷调查法对室内地标显著度的层次结构模型进行了验证。xuke等提出了采用遗传算法(gp)构建室内地标显著度的非线性模型。
4.但是，当前大多室内地标显著度评价模型没有充分考虑室内环境的特点以及用户的主观体验，评价指标体系通常采取专家评分或沿用室外的指标体系，各指标的权重计算也过多基于以往经验，导致用这些方法选取出的地标与用户的认知不匹配。


技术实现要素：

5.有鉴于此，本发明的目的是克服现有技术中的缺陷，提供基于fisher判别法的室
内poi的显著度评价方法，能够适应于不同的室内场景，评价准确率高，能为室内地标的准确提取提供科学依据，对推动室内定位导航服务的发展具有重要的意义。
6.本发明的基于fisher判别法的室内poi的显著度评价方法，包括如下步骤：
7.s1.确定poi显著度影响因素；所述影响因素包括知名度、空间位置、独特性以及相对规模；
8.s2.采集若干室内poi，并对若干室内poi进行等级划分，得到不同等级的室内poi；
9.s3.分别对若干室内poi的显著度影响因素进行量化处理，得到量化后的影响因素；
10.s4.对量化后的影响因素进行标准化处理，得到标准化后的影响因素；
11.s5.构建基于fisher判别法的判别模型，将不同等级的室内poi作为判别模型的初始分类结果，将poi显著度影响因素作为判别模型的判别因子，并将标准化后的影响因素作为样本数据对判别模型进行解算，得到判别模型的判别函数以及判别函数的各组质心值；
12.s6.将待测室内poi的显著度影响因素依次进行量化以及标准化处理，得到处理后的poi显著度影响因素；
13.s7.将处理后的poi显著度影响因素代入判别函数，计算得到待测室内poi的函数值；
14.s8.计算待测室内poi的函数值与各组质心值之间的距离，得到若干距离值；并将若干距离值中最小的距离值对应的组等级作为待测室内poi的显著度等级。
15.进一步，对若干室内poi进行等级划分，得到不同等级的室内poi，具体包括：
16.s21.采集若干室内poi的回忆人次；
17.s22.将若干室内poi的回忆人次按照从大到小的顺序排列，得到回忆人次序列；
18.s23.采用自然间断聚类的方式对回忆人次序列进行等级划分，得到等级由高到低的室内poi分类结果。
19.进一步，对室内poi的显著度影响因素进行量化处理，得到量化后的影响因素，具体包括：
20.在设定的分值范围内对室内poi的知名度进行评分，并将所述评分的平均值作为知名度的量化值；
21.确定室内poi在设定的空间位置等级中的级别，并将所述级别对应的评分值作为空间位置的量化值；
22.确定室内poi在设定的独特性等级中的级别，并将所述级别对应的评分值作为独特性的量化值；
23.确定室内poi在设定的相对规模等级中的级别，并将所述级别对应的评分值作为相对规模的量化值。
24.进一步，所述步骤s4，具体包括：
25.s41.计算量化后的影响因素的算术平均值；
26.s42.计算量化后的影响因素的标准差；
27.s43.计算量化后的影响因素与其对应算术平均值的差值，并将所述差值与其对应的标准差进行比值运算，将所述比值运算结果作为量化后的影响因素的标准值；
28.s44.按照步骤s43类推，得到所有量化后的影响因素的标准值。
29.进一步，根据如下方法确定判别模型的判别函数：
30.s51.通过对判别模型进行解算，得到若干判别函数；
31.s52.从若干判别函数中选取方差百分比最高的判别函数作为待选判别函数；
32.s53.从待选判别函数中选取正则相关性最高的判别函数作为目标判别函数；并将所述目标判别函数作为判别模型的判别函数。
33.进一步，根据如下公式确定判别模型的判别函数y1：
34.y1＝γ1x1+γ2x2+γ3x3+γ4x
4-δ；
35.其中，x1为知名度；γ1为知名度系数；x2为空间位置；γ2为空间位置系数；x3为独特性；γ3为独特性系数；x4为相对规模；γ4为相对规模系数；δ为常数项。
36.本发明的有益效果是：本发明公开的一种基于fisher判别法的室内poi的显著度评价方法，通过确定poi显著度影响因素，并对采集的样本数据进行语义量化以及标准化处理，生成样本数据集；然后利用fisher判别分析法解算poi显著度样本数据，得到poi的空间位置、知名度，相对规模和独特性各个影响因素的权重系数，从而确定poi显著度的评价判别函数，并使用评价判别函数对待测样本进行评价判别。本发明的适应性广、评价判别的准确率高，能为室内地标的准确提取提供科学依据，对推动室内定位导航服务的发展具有重要的意义。
附图说明
37.下面结合附图和实施例对本发明作进一步描述：
38.图1为本发明的方法流程示意图；
39.图2为本发明的探索室内poi显著性影响因素的试验流程示意图；
40.图3为本发明的回忆人次自然间断点分级直方图；
41.图4为本发明的三种显著度影响因素的细化体系示意图；
42.图5为本发明的两个典型判别函数表示的分类示意图。
具体实施方式
43.以下结合说明书附图对本发明做出进一步的说明，如图所示：
44.本发明的基于fisher判别法的室内poi的显著度评价方法，包括如下步骤：
45.s1.确定poi显著度影响因素；所述影响因素包括知名度、空间位置、独特性以及相对规模；
46.s2.采集若干室内poi，并对若干室内poi进行等级划分，得到不同等级的室内poi；
47.s3.分别对若干室内poi的显著度影响因素进行量化处理，得到量化后的影响因素；
48.s4.对量化后的影响因素进行标准化处理，得到标准化后的影响因素；
49.s5.构建基于fisher判别法的判别模型，将不同等级的室内poi作为判别模型的初始分类结果，将poi显著度影响因素作为判别模型的判别因子，并将标准化后的影响因素作为样本数据对判别模型进行解算，得到判别模型的判别函数以及判别函数的各组质心值；
50.s6.将待测室内poi的显著度影响因素依次进行量化以及标准化处理，得到处理后的poi显著度影响因素；其中，所述量化处理与步骤s3中的处理方式相同，所述标准化处理
与步骤s4中的处理方式相同，在此不再赘述；
51.s7.将处理后的poi显著度影响因素代入判别函数，计算得到待测室内poi的函数值；
52.s8.计算待测室内poi的函数值与各组质心值之间的距离，得到若干距离值；并将若干距离值中最小的距离值对应的组等级作为待测室内poi的显著度等级。
53.本实施例中，步骤s1中，在室内空间，室内poi具有明显的辨识度，能够帮助用户在陌生的室内环境中确定方向和位置，是室内位置服务的“精神锚”。但是在高信息密度的室内空间中，室内poi的认定并不是一成不变的，其受到众多因素的影响，如室内poi自身的特点(如规模、知名度、位置等)、用户的特点(知识结构、性别、年龄、需求等)以及外界环境因素(信息载体、光线、噪声)。为了研究符合用户认知的室内poi显著度模型，选取室内poi自身特点作为研究对象，从用户行为需求出发开展了商场环境下的室内poi显著度影响因素探究试验，如图2所示：
54.首先，获取空间认知能力测试题(mct)，并将被试人员同质化分为4组，通过同质化处理，保证了各组的空间认知能力相等、男女分配均匀、年龄分配相近。其次，选取某地附近两个不同的室内商场作为试验地点。随后使得被试人员处于“逛街”状态下，沿着设计路线由对应商场的起点行走至终点，到达终点后，被试个体独立回忆并记录行走过程中所看到的poi。最后对回收试验数据进行清洗和排序等处理并通过对被试人员的线下问卷调查，确定了poi影响因素。
55.其中，试验中认为回忆人次越多的poi显著度越高，分析过程中也以回忆人次作为poi的显著度。为进一步了解各个影响因素的重要性，对每个poi进行实地调查，得到各poi的知名度、空间位置、规模大小，并对其是否具有独特性进行记录。各个商场不同组别对室内poi的认定结果见表1，在此基础上分析得出：poi显著度是以知名度为主，空间位置、独特性和相对规模为辅共同影响的结果。
56.表1
57.[0058][0059]
本实施例中，表1中的poi回忆人次表征了poi的显著度划分梯度，同时也包含了各poi影响因素的属性信息，这些样本数据大多为语义信息，要对其进行有效的数学分析并尽可能地减少各影响因素间和数量级上的差异性，则需对这些样本数据进行回忆人次分级、影响因素的分类和量化以及标准化处理。
[0060]
其中，对若干室内poi进行等级划分，得到不同等级的室内poi，具体包括：
[0061]
s21.采集若干室内poi的回忆人次；
[0062]
s22.将若干室内poi的回忆人次按照从大到小的顺序排列，得到回忆人次序列；
[0063]
s23.采用自然间断聚类的方式对回忆人次序列进行等级划分，得到等级由高到低的室内poi分类结果。
[0064]
也即是，将回忆人次作为poi要素的显著度，通过对回忆人次进行科学分级能够直观地显示区域分布特征和各类要素的相互关系，使后续制作的室内地图有更好的信息传输效果。本实施例中，采用自然间断聚类对表1中的poi要素回忆人次进行处理，即可得到不同等级的poi要素，自然间断点分级直方图，如图3所示。该图中显示，将表1中回忆人次为42及以上的10个poi划为第1级，回忆人次为15至42之间的18个poi划为第2级，回忆人次为15以下的23个poi划为第3级，回忆人次越多，对应的等级越高。
[0065]
本实施例中，poi的显著度是不同因素综合影响的结果，探究不同因素间对poi显著度综合影响的一般规律后，需对属性信息数据进行量化表达，使样本数据应用于数学分析。在充分考虑被试人员反馈信息的基础上，可以采用专家评分法对空间位置、独特性以及
相对规模进行细化，最终形成了影响因素分类体系，具体如图4所示。其中，空间位置、独特性以及相对规模中，以“通常”为基础类别。
[0066]
则对室内poi的显著度影响因素进行量化处理，得到量化后的影响因素，具体包括：
[0067]
在设定的分值范围内对室内poi的知名度进行评分，并将所述评分的平均值作为知名度的量化值；其中，poi的知名度采用量化的形式进行划分，通过网络问卷调查让所有被试人员对各poi的知名度进行1至10分的评价，并求取其平均值，将平均值作为知名度的量化值；
[0068]
确定室内poi在设定的空间位置等级中的级别，并将所述级别对应的评分值作为空间位置的量化值；其中，空间位置等级由低到高依次为通常、通道转角、多通道口、电梯口以及出入口，其对应的评分值依次为1-5，则对应的量化值也依次为1-5；电梯口是商场内各楼层间的纵向连接通道，包括直升电梯、自动扶梯和常用步梯；出入口是指进出商场的通道口，多为平面横向上两个类别空间或建筑物之间的连接通道，遵循从整体到局部的认知规律，外部连接出入口权重大于内部通道口，内部多通道口包括转角；
[0069]
确定室内poi在设定的独特性等级中的级别，并将所述级别对应的评分值作为独特性的量化值；其中，poi的独特性表现为名称、装饰和内容的独特性，并认为装饰独特包括名称独特、包含于内容独特；也即是，独特性等级由低到高依次为通常、名称独特、装饰独特以及内容独特，其对应的评分值依次为1-4，则对应的量化值也依次为1-4；
[0070]
确定室内poi在设定的相对规模等级中的级别，并将所述级别对应的评分值作为相对规模的量化值；其中，相对规模在此处包括两层含义，“相对”是相对所在商场中的其它poi而言，规模指实地测量所得的poi空间大小；相对规模等级由低到高依次为通常、较大以及大，其对应的评分值依次为1-3，则对应的量化值也依次为1-3。
[0071]
通过对poi的知名度量化值进行四舍五入处理，并将poi的空间位置、独特性和相对规模，按照图4所示的属性细化体系进行量化后，可以得到表1中部分poi分级以及显著度影响因素的量化信息，如表2所示。
[0072]
表2
[0073][0074]
本实施例中，为了避免各影响因素间和数量级上有较大的差异性，则对量化后的影响因素进行z-score标准化方法处理。则所述步骤s4，具体包括：
[0075]
s41.计算量化后的影响因素的算术平均值；
[0076]
s42.计算量化后的影响因素的标准差；
[0077]
s43.计算量化后的影响因素与其对应算术平均值的差值，并将所述差值与其对应的标准差进行比值运算，将所述比值运算结果作为量化后的影响因素的标准值；
[0078]
s44.按照步骤s43类推，得到所有量化后的影响因素的标准值。
[0079]
按照上述标准化处理方法对表2中的四个影响因素进行处理，得到处理后的结果，
如表3所示。
[0080]
表3
[0081][0082]
本实施例中，广义平方判别法、fisher判别分析法、马氏距离判别法、最大后验概率判别法和bayes判别法为进行判别类目划分的常用方式，本发明采用fisher判别分析法作为类目划分分析方法。fisher判别分析法对样本总体分布并无限制，只要总体的均值与协方差阵存在且总体协方差阵可逆即可，因此不需要对样本数据分布进行检验，提高了预测效率，应用范围较广。
[0083]
步骤s5中，利用spss 25.0软件建立poi显著度评价的fda判别模型；其中，fisher判别分析法(fisher discriminant analysis,fda)；将poi的3个等级作为初始分类结果供fisher判别模型进行训练，并将poi的知名度、空间位置、独特性和相对规模4个影响因素作为fda的判别因子；将表1中的51个poi样本进行量化以及标准化处理后，全部用于建立poi显著度评价的fda判别模型。
[0084]
其中，根据如下方法确定判别模型的判别函数：
[0085]
s51.基于fda算法对判别模型进行解算，得到若干判别函数；本实施例中，得到2个判别函数，如表4所示：
[0086]
表4
[0087][0088]
其中，表4中2个判别函数对应的特征值和组质心值如表5所示：
[0089]
表5
[0090][0091]
s52.从若干判别函数中选取方差百分比最高的判别函数作为待选判别函数；
[0092]
s53.从待选判别函数中选取正则相关性最高的判别函数作为目标判别函数；并将所述目标判别函数作为判别模型的判别函数。
[0093]
如表5所示，两个判别函数中，第1个判别函数的方差百分比为100.0％，即可以解释样本的全部信息，并且正则相关性为0.896，第2个判别函数的方差百分比约等于0.0％，
且正则相关性仅为0.036。则选择第1个判别函数作为目标判别函数，并将其作为判别模型最终的判别函数。其中，表5中的组质心值即为不同poi等级划分的临界值。
[0094]
另外，运用fisher典型判别函数对样本进行分组，结果如图5所示。在图5中，通过将poi样本数据在判别函数上的投影可以看出，只有第1个判别函数(函数1)能够明显地辨认出3种不同类别，进一步确认了选择第1个判别函数作为目标判别函数的可靠性与准确性。
[0095]
本实施例中，根据如下公式确定判别模型的判别函数y1：
[0096]
y1＝γ1x1+γ2x2+γ3x3+γ4x
4-δ；
[0097]
其中，x1为知名度；γ1为知名度系数；x2为空间位置；γ2为空间位置系数；x3为独特性；γ3为独特性系数；x4为相对规模；γ4为相对规模系数；δ为常数项。本实施例中，所述判别函数y1＝2.038x1+1.091x2+0.788x3+0.330x
4-0.004。
[0098]
本实施例中，通过将处理后的地标显著度影响因素代入判别函数y1，可以计算得到待测室内空间地标的函数值y。通过计算待测室内poi的函数值y与3组质心值之间的距离，得到3个距离值，所述3个距离值分别为|y-0.629|、|y+1.900|以及|y-3.237|；将3距离值中最小的距离值对应的组等级作为待测室内poi的显著度等级。其中，一个质心组对应一个poi等级(如表5所示)，在确定了最小的距离值对应的质心组之后，则可将所述质心组对应的等级作为作为待测室内poi的显著度等级。
[0099]
为了进一步探索本发明的室内poi显著度评价方法在其他商场的适应性，按照探究试验的方法进行验证试验，选取其他商场作为试验点，招募40名志愿者作为受试者。试验中有5名以上志愿者回忆起了18种poi，总回忆次数为211次。之前没有统计过该商场部分品牌的知名度，便重新发布调查问卷并重新排序，最终收回53份有效问卷。
[0100]
将得到的样本数据进行量化以及标准化处理，采用自然间断法对poi进行划分等级，前5个poi被划分为1级，6到11个poi被划分为2级，12到18个poi被划分为3级；验证试验数据结果见表6。
[0101]
表6
[0102]
[0103]
将表6中各影响因素的值代入判别函数y1，得到fisher判别模型函数值，比较模型函数值与组质心值的差值，进而判断poi显著度，见表7。
[0104]
表7
[0105][0106][0107]
从表7可以看出，第一级的所有poi都被正确判断，第二级的6个poi中有5个被正确判断，第三级的7个poi中有6个被正确判断。18个poi中，16个poi判断正确，2个poi判断错误。综合判断正确率为88.9％。通过本试验可得结论：本发明的显著度评价方法在评价室内poi的显著性方面具有较高的判别率，适用于其他大型室内商场。
[0108]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。