学位论文 > 优秀研究生学位论文题录展示
基于空间认知的智能导航方法研究
作 者: 赵卫锋
导 师: 李清泉
学 校: 武汉大学
专 业: 摄影测量与遥感
关键词: 空间认知 智能导航 地标提取 路径规划 路径引导
分类号: U495
类 型: 博士论文
年 份: 2011年
下 载: 46次
引 用: 0次
阅 读: 论文下载
内容摘要
口前,大多数导航系统采用以数据模型和数学计算为基础的数据驱动方法实现路径规划和引导。尽管能够从经济角度提高交通的效率,然而由于忽略人们对空间信息的获取、加工和推理模式,这种导航模式还存在着一些局限性。而基于认知概念方法的路径规划和引导正在成为导航领域的研究热点。相关研究已经表明,将人们导航活动中的空间认知原理体现在导航系统的开发中,可以使导航过程更加符合人们找路和指路的认知习惯,进而能够增强导航系统的有效性,提高用户的自信心和满意度,降低用户的心理压力和精力分散,减少在陌生环境下导航的不确定性,并帮助用户构建环境的认知地图。认知导航的研究主要具有三个特点:1)普遍考虑了地标对导航系统可用性的改善;2)在路径规划过程中考虑体现人们空间认知原理的最优路径选择标准;3)在路径引导过程中采用接近人们空间交际的方式组织和表达路径信息。尽管成果已经比较丰硕,已有研究中仍然存在以下三方面的不足:1.难以简捷、高效地从环境中提取地标数据。目前比较有代表性地标提取方法(如空间对象显著性度量模型、空间数据挖掘方法、网络资源搜索方法等)通常需要采集、处理和维护海量数据(如空间对象的外观、语义、结构特征或描述文本等),实现起来比较困难。2.空间认知导向的路径规划过于依赖具体的网络模型。由于不同用户通常具有不同的认知偏好,其关注的地标或各认知特征的权重系数通常有较大差异。因此,在将空间认知规则融入到路网的权值时,通常需要针对不同用户生成不同的路网模型。这会给路网数据的共享和维护带来较大麻烦。3.难以将用户的先验空间知识无缝融合到基于转向的路径引导中。目前,基于转向的路径引导通常以路径上每个决策点为基本参考对象,而体现用户先验空间知识的路径引导通常参考到环境中有全局显著特征的空间要素。由于缺少统一表达两种参考对象的路径表达框架,这两种路径引导方式通常是独立或交叉进行的。针对以上三方面的问题,本文提出了针对性的解决方法。以地标提取、路径规划和路径引导方法为核心,本文主要包含以下五个方面的内容:1.首先提出本文的研究背景和意义。从以数据模型和数学计算为基础的传统导航系统到以基于认知概念方法的智能导航系统的演进,然后总结认知导航领域的国内外研究进展,包括路径规划、路径引导和路径信息具象化的算法和方法,并分析当前研究中存在的主要问题,进而提出本文的研究目标和主要内容。2.总结本文研究内容的主要理论基础。具体表现在利用与人们的空间认知过程尤其是导航活动相关的空间认知本体和空间认知理论实现对环境的特征化。其中,被讨论的空间认知本体主要包括空间认知要素、定性空间关系以及空间参考系统等,涉及的空间认知理论主要包括空间组合、空间分层以及空间交际等。3.提出一种基于城市兴趣点(points of interest, POI)数据的分层地标提取方法。该方法从公众认知、空间分布和个体特征三个方面综合衡量各POI对象的显著程度,讨论了利用问卷调查、多密度空间聚类和数据规格化方法计算POI对象各项显著性指标值的过程。最后,显著度较高的若干层对象被当作地标,其加权Voronoi图被用来反映各地标的空间影响范围及上下层关系。4.提出一种不依赖完备路网模型的基于分层强化学习的自适应路径规划方法。在该方法中,道路网仅约束强化学习智能体的状态转移规律,影响路径选择的空间认知因素被转换为状态变化的即时奖励方程。本方法定义了符合人们空间认知习惯的路径选择标准,并采用基于网络Voronoi图的分层强化学习实现自适应路径规划。该方法分为两个阶段:预学习阶段自动发现子目标节点,并构建包含局部最优策略的子任务;实时学习阶段利用预定义策略实现高效的Q值更新,并根据Q值追溯最优路径。5.提出一种面向自然语言且能够实现转向决策和先验知识无缝融合的自适应路径引导方法。该方法提出了一个将路径抽象为一系列结构统一、具有时序性和多粒度性、符合人们认知习惯又能反映用户空间知识、且可以被加工为指导用户沿路径前进的并易于转换为自然语言的短语或句子的指示单元的表达框架;并说明了利用环境结构、路径特征、先验知识等上下文因素生成多粒度的指示单元,从中选择最合适的指示单元序列,进而实现自适应路径引导的过程。
|
全文目录
论文的主要创新点 5-6 摘要 6-8 Abstract 8-11 目录 11-14 图索引 14-15 表索引 15-16 第1章 绪论 16-39 1.1 选题背景与意义 16-21 1.2 国内外研究现状 21-36 1.2.1 路径规划算法 21-28 1.2.1.1 常规最短路径算法 22-25 1.2.1.2 认知导向的最优路径 25-28 1.2.2 路径引导方法 28-33 1.2.2.1 基于转向的路径引导 28-30 1.2.2.2 融合知识的路径引导 30-33 1.2.3 路径信息具象化 33-36 1.2.3.1 路径信息的图形表达 33-34 1.2.3.2 路径信息的语言表达 34-36 1.3 本文的研究内容 36-37 1.4 本文的组织结构 37-39 第2章 空间认知与导航 39-65 2.1 认知环境特征化 39-42 2.1.1 特征化与复杂度 39-41 2.1.2 特征化主要意义 41-42 2.2 空间认知本体 42-54 2.2.1 空间认知要素 42-44 2.2.2 地标及其分类 44-48 2.2.2.1 地标的特征 45-46 2.2.2.2 地标的分类 46-48 2.2.3 定性空间关系 48-51 2.2.3.1 定性拓扑关系 48-49 2.2.3.2 定性方向关系 49-50 2.2.3.3 定性距离关系 50 2.2.3.4 综合关系模型 50-51 2.2.3.5 空间关系语言 51 2.2.4 空间参考系统 51-54 2.2.4.1 参考系统的分类 52-53 2.2.4.2 参考系统的选择 53-54 2.3 导航相关认知理论 54-63 2.3.1 空间组合理论 55-57 2.3.2 空间分层理论 57-60 2.3.3 空间交际理论 60-63 2.4 本章小结 63-65 第3章 基于POI数据的分层地标提取 65-85 3.1 相关研究背景 65-67 3.1.1 地标提取的意义 65-66 3.1.2 地标提取的方法 66-67 3.2 POI显著性的衡量 67-72 3.2.1 公众认知 68-69 3.2.2 空间分布 69-70 3.2.3 个体特征 70-71 3.2.4 度量模型 71-72 3.3 POI显著度的计算 72-77 3.3.1 公众认知度问卷调查 72-74 3.3.2 多密度空间聚类 74-76 3.3.3 特征属性规格化 76-77 3.4 实验与分析 77-83 3.5 本章小结 83-85 第4章 基于分层强化学习的自适应路径规划 85-111 4.1 相关背景知识 86-95 4.1.1 强化学习 87-90 4.1.1.1 强化学习的基本原理 87-88 4.1.1.2 强化学习的基本方法 88-90 4.1.2 分层强化学习 90-95 4.1.2.1 半马氏过程 90-91 4.1.2.2 分层与抽象 91-92 4.1.2.3 经典的HRL方法 92-95 4.2 最优路径选择标准 95-96 4.3 基于网络Voronoi图的分层强化学习 96-102 4.3.1 即时奖励方程 97-98 4.3.2 预学习 98-99 4.3.2.1 发现子目标 98 4.3.2.2 构造分层Option 98-99 4.3.3 实时学习 99-101 4.3.3.1 更新Q值 100-101 4.3.3.2 追溯最优路径 101 4.3.4 适应环境变化 101-102 4.3.4.1 永久性变化 101-102 4.3.4.2 随机性变化 102 4.4 实验与分析 102-109 4.4.1 参数设置 103-105 4.4.2 子目标分层 105-107 4.4.3 算法性能分析 107-109 4.5 本章小结 109-111 第5章 面向自然语言的自适应路径引导 111-132 5.1 认知导向的路径引导 112-115 5.1.1 路径引导的方法 112-113 5.1.2 路径引导的特征 113-114 5.1.3 路径引导与地标 114-115 5.2 面向自然语言的路径表达框架 115-119 5.2.1 指示单元的引导目的 115-116 5.2.2 指示单元的参考对象 116-117 5.2.3 指示单元的空间关系 117-118 5.2.4 指示单元的时序特征 118-119 5.2.5 指示单元的多粒度性 119 5.3 自适应路径引导的实现方法 119-124 5.3.1 地标提取 120-121 5.3.2 生成多粒度指示单元 121-123 5.3.2.1 多层特征指示单元 122 5.3.2.2 多层位置指示单元 122-123 5.3.2.3 关联两类指示单元 123 5.3.3 选择最合适指示单元 123-124 5.4 实验与分析 124-131 5.5 本章小结 131-132 第6章 结论与展望 132-136 6.1 研究内容总结 132-133 6.2 论文的创新点 133-134 6.3 后续研究展望 134-136 参考文献 136-149 发表及待发表论文 149-150 致谢 150-151
|
相似论文
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 移动WSN基于虚拟簇头数据收集策略的研究,TP212.9
- 三坐标测量机的测量极值分析与路径设计,TH721
- 基于遗传算法智能小车路径规划的研究,TP242
- 面向GPS导航拖拉机的最优全局覆盖路径规划研究,TN967.1
- 基于OSG消防模拟动画的研究与实现,TP391.41
- 面向出行者的出行诱导系统研究与设计,F570
- 标记机器人的关键技术研究,TP242
- 城市交通智能控制策略与仿真系统研究,U495
- 城市公交最优化换乘系统研究与实现,U12
- 盾构掘进过程中的自动轨迹跟踪控制技术研究,U455.3
- CGF主体智能移动方法研究,TP391.9
- 基于GIS的战场环境空间分析关键技术研究,P208
- 基于GIS的震后应急路径规划方法及应用研究,X43;P208
- 基于GIS的兵力投送行军调度指挥控制系统研究,P208
- 动画自动生成中三维虚拟角色路径规划的研究与实现,TP391.41
- 嵌入式GIS中多尺度道路网路径规划方法的研究,P208
- 敌对与非敌对环境下无人机群的协同搜索路径与策略研究,V279
- 计算机控制大气等离子体光学加工方法研究,TH74
- 在概念整合理论下分析幽默手机短信,H052
中图分类: > 交通运输 > 公路运输 > 交通工程与公路运输技术管理 > 电子计算机在公路运输和公路工程中的应用
© 2012 www.xueweilunwen.com
|