基于人工智能的需求差异性街道步行路径推荐方法技术

本发明专利技术公开了基于人工智能的需求差异性街道步行路径推荐方法，包括如下步骤:1、构建基于面向用户感知体验的城市街道设计品质评价方法；2、运用基于面向用户感知体验的城市街道设计品质评价方法，基于百度地图Web服务API开放系统，运用Visual Studio2019编写程序代码，基于面向DOTNET环境的对象的NHibernate数据库映射工具，构建街道漫游者路径导航软件；所述街道漫游者路径导航软件包括表现层、应用逻辑层和数据持久层；3、展示导入模块、路径查询模块和路径输出模块。本发明专利技术根据街道街景图片属性数据以及步行差异化需求进行个性化的街道步行路线推荐，提升用户的定制化出行导航体验。体验。体验。

【技术实现步骤摘要】
基于人工智能的需求差异性街道步行路径推荐方法


[0001]本专利技术涉及计算机导航
，特别涉及基于人工智能的需求差异性街道步行路径推荐方法。

技术介绍

[0002]随着智能手机、物联网、云计算以及全球定位系统(Global Positioning System,简称GPS)等定位技术的迅速发展和广泛普及，基于位置的信息技术服务得到了迅猛发展。
[0003]道路的路径导航作为GPS
中的一种典型应用，目前已经被广泛应用，且涌现了一批优秀的导航软件，如高德地图、百度地图等。这些导航软件通过精准的定位可以为人们提供点对点的详实导航信息，包括驾车、公交、步行、骑行等多种交通方式的路径导航，极大地方便了人们的出行。然而随着科学技术的不断发展，人们生活水平的不断提高，“千篇一律”的导航服务已经不能满足人们个性化的出行服务，而更希望能够获得个性化的量身定制路径导航服务。
[0004]特别地，街道步行使用者多依赖于体力支撑，出行速度不高，且都直接暴露在外部环境中，易受街道使用者的自身体力、外界气候条件、自身倾向性喜好等诸多因素影响，总体上呈现脆弱、对环境品质敏感的特征，所以街道步行者的路径导航与机动车路径导航考虑的要素或属性不尽相同。
[0005]以往的常规地图公司仅仅提供从A地到B地的步行交通方式的最短路径的查询功能。但是需要注意到不同类型的街道有着差异化的功能侧重，街道步行者对于不同类型的街道亦具有不同的品质诉求点。
[0006]比如，一个街道步行者计划去某地的时候，根据自己的需求，可能需要思考一些问题：如果一个步行者以通勤交通为目的，他可能更关注时间，他可能会想了解“哪条从A地去B地的路线时间最少？”；
[0007]如果一个人以领略风景为目的，他可能更关注步行通过路径的景观性，那么他可能想了解“哪条从A地去B地的路线步行的景观环境最优？”；
[0008]如果一个步行者以沿途解决生活服务需求为目的，他可能更想了解“哪条从A地去B地的路线沿途生活服务类的店铺或服务点？
[0009]因此，如何根据街道街景图片属性数据以及步行差异化需求进行个性化的街道步行路线推荐，提升用户的定制化出行导航体验成为本领域技术人员需要解决的技术问题。

技术实现思路

[0010]有鉴于现有技术的上述缺陷，本专利技术提供基于人工智能的需求差异性街道步行路径推荐方法，实现的目的是能够根据街道街景图片属性数据以及步行差异化需求进行个性化的街道步行路线推荐，提升用户的定制化出行导航体验。
[0011]为实现上述目的，本专利技术公开了基于人工智能的需求差异性街道步行路径推荐方法；包括如下步骤:
[0012]步骤1、构建基于面向用户感知体验的城市街道设计品质评价方法；
[0013]步骤2、运用基于面向用户感知体验的城市街道设计品质评价方法，基于百度地图Web服务API开放系统，运用Visual Studio2019编写程序代码，基于面向DOTNET环境的对象的NHibernate数据库映射工具，构建街道漫游者路径导航软件；
[0014]所述街道漫游者路径导航软件包括表现层、应用逻辑层和数据持久层；
[0015]步骤3、基于街道漫游者路径导航软件，展示导入模块、路径查询模块和路径输出模块。
[0016]优选的，步骤1包括如下步骤：
[0017]步骤1.1、确定并量化影响城市街道空间品质的关键影响要素，具体如下：
[0018]对影响城市街道空间品质的关键影响要素的量化，即确定各所述关键影响要素的数值，包括城市街道“点”要素的数值、城市街道“线”要素的数值和城市街道“面”要素的数值；
[0019]其中，所述城市街道“点”要素包括绿化率、高层建筑值、行人数量和车辆数量；
[0020]所述城市街道“线”要素包括步行空间、车行空间、街道面宽和界面贴线；
[0021]所述城市街道“面”要素包括用地性质、用地面积、建筑面积、道路红；
[0022]步骤1.2、基于街道空间形态数据和街道街景图片数据，建立街道设计品质数据库；
[0023]步骤1.3、建立街道设计空间品质评价指标与影响要素之间的定量模型；
[0024]步骤1.4、通过智能识别选定区域内的所有街道街景图片，代入上述城市街道设计品质评价模型中，获得所有街道的品质得分、绘制散点图；
[0025]然后，通过数值变化趋势分类法，即找寻关键斜率变化拐点和数值自然间断分类法，即找寻数据值的差异较大点位这两类方法，获得城市街道设计品质评价的分档标准。
[0026]更优选的，步骤1.2包括如下步骤：
[0027]步骤1.2.1、获取街道空间形态数据，具体为通过云台相机拍摄城市街道的图片，并通过实地踏勘对城市街道的图片进行校正，构建街道空间形态数据库；
[0028]所述街道空间形态数据库的数据库要素包括用地性质、用地边界和用地面积；
[0029]步骤1.2.2、获取街道街景图片数据，具体为采用已有的全景地图作为街道街景图片的基本数据源，获取所需区域的全景地图及相对应携带的信息数据形成所述街道街景图片数据；
[0030]然后，基于全卷积复杂神经网络和深度学习方法，运用智能识别程序对已经获取的所述街道街景图片数据中的车行道要素、人行道要素、机动车要素进行计算机智能识别，并对所述城市街道“点”要素、所述城市街道“线”要素和苏搜狐城市街道“面”要素所占的像素数据进行统计分析，得到每类要素的像素数量和占比；
[0031]步骤1.2.3、将所述街道街景图片数据与已经构建的所述街道空间形态数据库进行匹配，根据所述街道街景图片数据所携带的地理坐标信息，将每一所述街道街景图片映射到相对应的所述街道空间形态数据库中；
[0032]将所述街道街景图片数据与所述街道空间形态数据库关联后，建立所需区域的街道设计品质数据库。
[0033]更优选的，步骤1.3包括如下步骤：
[0034]步骤1.3.1、确定街道设计空间品质评价指标，从客观评价维度、主观评价维度分别进行筛选；
[0035]其中，所述客观评价维度包括行可行性、路网通达性和设施便利性；
[0036]所述行可行性通过步行通行指数SFI进行评价，即所有所述街道街景图片中步行道与车行道的所占像素量占比，与所述街道设计空间品质评价指标为正相关，具体公式如下：
[0037][0038]其中，w
n
为编号n的街景图片中总步行空间所占像素量；R
n
为街景图片中总车行空间所占像素量；
[0039]所述路网通达性通过路网密度指数RDI进行评价，即所有所述街道街景图片中车行道与整张图片所占像素量占比，与所述街道设计空间品质评价指标为正相关，具体公式如下：
[0040][0041]其中，R
n
为街景图片中总车行空间所占像素量,A
n
为街景图片总的像素量，即该张图片中所有面域像素之和；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的需求差异性街道步行路径推荐方法；其特征在于，包括如下步骤:步骤1、构建基于面向用户感知体验的城市街道设计品质评价方法；步骤2、运用基于面向用户感知体验的城市街道设计品质评价方法，基于百度地图Web服务API开放系统，运用Visual Studio2019编写程序代码，基于面向DOTNET环境的对象的NHibernate数据库映射工具，构建街道漫游者路径导航软件；所述街道漫游者路径导航软件包括表现层、应用逻辑层和数据持久层；步骤3、基于街道漫游者路径导航软件，展示导入模块、路径查询模块和路径输出模块。2.根据权利要求1所述的基于人工智能的需求差异性街道步行路径推荐方法，其特征在于，步骤1包括如下步骤：步骤1.1、确定并量化影响城市街道空间品质的关键影响要素，具体如下：对影响城市街道空间品质的关键影响要素的量化，即确定各所述关键影响要素的数值，包括城市街道“点”要素的数值、城市街道“线”要素的数值和城市街道“面”要素的数值；其中，所述城市街道“点”要素包括绿化率、高层建筑值、行人数量和车辆数量；所述城市街道“线”要素包括步行空间、车行空间、街道面宽和界面贴线；所述城市街道“面”要素包括用地性质、用地面积、建筑面积、道路红；步骤1.2、基于街道空间形态数据和街道街景图片数据，建立街道设计品质数据库；步骤1.3、建立街道设计空间品质评价指标与影响要素之间的定量模型；步骤1.4、通过智能识别选定区域内的所有街道街景图片，代入上述城市街道设计品质评价模型中，获得所有街道的品质得分、绘制散点图；然后，通过数值变化趋势分类法，即找寻关键斜率变化拐点和数值自然间断分类法，即找寻数据值的差异较大点位这两类方法，获得城市街道设计品质评价的分档标准。3.根据权利要求2所述的基于人工智能的需求差异性街道步行路径推荐方法，其特征在于，步骤1.2包括如下步骤：步骤1.2.1、获取街道空间形态数据，具体为通过云台相机拍摄城市街道的图片，并通过实地踏勘对城市街道的图片进行校正，构建街道空间形态数据库；所述街道空间形态数据库的数据库要素包括用地性质、用地边界和用地面积；步骤1.2.2、获取街道街景图片数据，具体为采用已有的全景地图作为街道街景图片的基本数据源，获取所需区域的全景地图及相对应携带的信息数据形成所述街道街景图片数据；然后，基于全卷积复杂神经网络和深度学习方法，运用智能识别程序对已经获取的所述街道街景图片数据中的车行道要素、人行道要素、机动车要素进行计算机智能识别，并对所述城市街道“点”要素、所述城市街道“线”要素和苏搜狐城市街道“面”要素所占的像素数据进行统计分析，得到每类要素的像素数量和占比；步骤1.2.3、将所述街道街景图片数据与已经构建的所述街道空间形态数据库进行匹配，根据所述街道街景图片数据所携带的地理坐标信息，将每一所述街道街景图片映射到相对应的所述街道空间形态数据库中；将所述街道街景图片数据与所述街道空间形态数据库关联后，建立所需区域的街道设计品质数据库。4.根据权利要求2所述的基于人工智能的需求差异性街道步行路径推荐方法，其特征
在于，步骤1.3包括如下步骤：步骤1.3.1、确定街道设计空间品质评价指标，从客观评价维度、主观评价维度分别进行筛选；其中，所述客观评价维度包括行可行性、路网通达性和设施便利性；所述行可行性通过步行通行指数SFI进行评价，即所有所述街道街景图片中步行道与车行道的所占像素量占比，与所述街道设计空间品质评价指标为正相关，具体公式如下：其中，w
n
为编号n的街景图片中总步行空间所占像素量；R
n
为街景图片中总车行空间所占像素量；所述路网通达性通过路网密度指数RDI进行评价，即所有所述街道街景图片中车行道与整张图片所占像素量占比，与所述街道设计空间品质评价指标为正相关，具体公式如下：其中，R
n
为街景图片中总车行空间所占像素量,A
n
为街景图片总的像素量，即该张图片中所有面域像素之和；所述设施便利性通过服务设施满足指数PSI进行评价，即所有所述街道街景图片中服务设施与整张图片所占像素量占比，与所述街道设计空间品质评价指标为正相关，具体公式如下：其中，p
n
为编号n的街景图片中服务设施所占像素量，即该张图片中i个设施面域像素之和；A
n
为街景图片总的像素量，即该张图片中所有面域像素之和；所述主观评价维度包括步行安全性、空间舒适性和空间友好性；所述步行安全性通过机动车干扰指数VII和交通标识指数ITI进行评价，均与所述街道设计空间品质评价指标为负相关；所述机动车干扰指数VII为所有所述街道街景图片中机动车斑块的像素与整张图片中机动车道的像素总量，具体公式如下：其中，C
n
表示街景图片中识别出的机动车斑块的像素，R
n
为整张图片中机动车道的像素总量；车辆干扰指数越高，表示街道空间中机动车占比越大，给人的安全感越低；所述交通标识指数ITI为所有所述街道街景图片中交通信号灯和指示牌面域和整张图片所占像素量占比，具体公式如下：其中，T
n
为编号n的街景图片中交通信号灯及交通指示牌的像素面域量，即该张图片中i
个门和窗面域像素之和；R
n
为图片中街道空间的像素总量，即该张图片中i个车行和步行道面域像素之和；ITI值越大，表示交通设施越多，该区域交通状况越复杂，步行安全性越低；反之，ITI值越小，步行安全性越高；所述空间舒适性通过平面视觉指数PVI和纵向视觉指数DVI进行评价，均与所述街道设计空间品质评价指标为正相关；所述平面视觉指数PVI为所有所述街道街景图片中树木植被所占像素量与整张图片的面域像素占比，具体公式如下：其中，P
n
为编号n的街景图片中的树木植被所占像素量，即该张图片中...

【专利技术属性】
技术研发人员：方雪丽，关士托，赵红坡，杨帆，王庆，
申请(专利权)人：上海市城市建设设计研究总院集团有限公司，
类型：发明
国别省市：