基于粗糙集理论的导航地图智能比例尺预测模型及其应用研究

Navigation map is the core of interactive interface between navigation system and users. However, present display scales of navigation maps can’t change intelligently according to cognitive demands. We intend to mine the potential relationship between suitable scales of navigation maps and influence factors based on the sample data of user operations, including scales and cognitive context. A novel map service with smart navigation scale can be established based on the relationship. Considering the vague and imprecise characteristics of scale prediction, take Rough Set Theory as the modeling tool. Firstly, the model data are collected from six aspects, such as user characteristics, task types, regional geographic factors, driving states, hardware parameters and current scales. Secondly, the former five classes are used as condition attributes, and the scale is used as decision attribute, and smart scale prediction rules are mined with attribute discretization and reduction processing. In order to measure the spatial distribution of road network and interest points in adjacent cognitive space, The Voronoi graph method is used to measure local road network distribution on different positions. Considering some automatic scales changing quickly along the planning route, an optimal partition method is used to reduce change frequency of scales. Finally, In order to test the feasible and effect, a test system will be developed and corresponding application will be organized in field to evaluate the effect of new method. The research will provides the support in theory also experiment to the further research and application of next generation smart navigation map.

导航地图是导航系统与用户交互的核心界面，导航地图的显示比例尺还无法基于认知需求智能变化。选题拟通过采集导航比例尺及其认知环境的样本数据挖掘导航地图比例尺与影响因素之间的潜在关系，实现导航地图的智能比例尺服务。考虑到比例尺预测的含糊不精确特征，采取粗糙集建模方法。首先，从用户特征、任务类型、区域地理要素、行驶状态、硬件参数和当前比例尺等六个方面采集建模数据。其次，将前五类作为条件属性，将比例尺作为决策属性，通过属性离散化处理和约简处理挖掘智能比例尺预测规则。为了基于认知测度邻近地理空间道路网及兴趣点的分布，拟通过Voronoi图方法建立基于位置的局部道路网分布测度模型。针对部分规划路径自动比例尺变化频度过高问题，采用有序数据最优分割法对预测的有序比例尺数据进行分段降频处理。最后，通过实地应用与测试，验证该方法的有效性与可行性，为下一代智能导航地图研究与应用提供理论与实验支撑。

导航系统已经广泛应用于手机与车载导航移动终端，成为人们工作与生活中不可或缺的科技产品。导航地图是导航系统与用户交互的核心界面，由于移动环境中导航地图的空间认知机理还不清楚，导航地图的显示比例尺还无法基于认知需求智能服务于导航过程。该研究项目通过采集导航过程中比例尺及其认知环境的样本数据，借助粗糙集理论挖掘导航地图比例尺与影响因子之间的潜在关系，实现导航地图的智能比例尺服务。主要研究内容包括：（1）基于位置的道路网空间分布测度模型研究。道路网空间分布是影响导航地图比例尺选择的关键因子，通过生成道路网控制点和重要兴趣点的Delaunay三角网，基于空间邻近模型划定初步的邻近空间范围，最后顾及信息完整性以及最小范围约束条件，计算不同位置邻近空间中道路网分布的指数，并将其作为研究智能比例尺预测模型的基础。（2）基于粗糙集理论的导航地图智能比例尺预测模型研究。为了挖掘导航地图比例尺影响因素与用户需求比例尺之间潜在的作用关系及其规律性，采用粗糙集方法建立导航地图智能比例尺预测模型，包括变量的选择、数据的采集、连续变量的离散化处理（分段）、决策表的约简、预测规则的提取及解释等。最后是建立预测模型的自动学习与更新机制，并对智能比例尺预测模型进行测试与评价。（3）基于最优分割法的全路径比例尺分段计算方法研究。导航过程中，为了控制地图比例尺的频繁变化，需要首先计算规划路径不同位置有序的导航地图比例尺数据，然后采用有序数据最优分割法对预测的有序比例尺数据进行分段，保证段内差异最小，段间差异最大。（4）基于智能比例尺预测模型的导航地图服务模式研究。以车辆导航为场景，以智能比例尺预测模型为理论基础，开发智能比例尺导航地图服务系统，在较大范围内测试研究成果的实用效果。.最后，通过实地应用与测试，验证该方法的有效性与可行性，为下一 代智能导航地图研究与应用提供理论与实验支撑。