室内POI显著度模型研究综述

 室内POI显著度模型研究综述

郑嘉欣

重庆交通大学 智慧学院 400074

摘要： 针对室内POI显著度模型的影响因素、构成、计算方法及存在的突出问题，本文在对国内外文献进行分析研究的基础上，系统综述了室内POI显著度模型的相关概念及其发展历程和现状，分析现有研究中一些方法的优缺点，为后续的研究提供一定的参考价值。

关键词：室内地图；地标；显著度；POI

人类有87%的时间是在室内度过的。随着城市化进程的发展，建筑物内部结构逐渐庞大复杂，人们易在其中迷失方向，室内位置信息服务成为必要。空间中的地标，作为连接真实世界空间和认知地图空间的重要线索，在寻路过程中起着“锚固点”的作用。目前提取地标的常用方法是利用显著度模型对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。POI显著度的研究主要针对任何导航地图制作中的内容表达，一经提出，就受到业内人士的广泛关注。POI显著度主要为提取多层次地标提供参考，在公共安全、路径导航等领域具有广泛的应用前景。

1 POI显著度

POI显著度是提取地标的主要依据，POI显著度的影响因素是提取地标实验中的重点研究内容。地标显著度的研究始于上世纪九十年代，Sorrows等人[1]最早提出地标具有以下三方面特性：视觉、结构和语义显著性。后续一些学者提出和发展了由这三项指标构成的显著度模型来计算POI的显著度，以判断其是否适合作为地标[2]。2003年，Elia等人[3]提出建筑物的可视面积或距离对其显著度有重要影响。2007年，Caduff等人[4]指出在导航环境下，地标的显著度主要体现在：语义显著度、视觉显著度与结构显著度。朱海红等[5]提出参考现有地标的提取方法，从视觉显著度、认知显著度和空间显著度3个一级指标讨论了影响室内地标显著度的主要因素。综上，视觉显著度主要体现在空间对象的尺寸、颜色、大小等能够引起观察者的视觉注意的物理属性；认知显著度是基于观察者的知识、经历、文化背景影响对空间对象的解读；上下文显著度是指不同的交通方式、时间因素等上下文因素影响空间对象的显著度；空间显著度是在空间环境中具有的空间角色或位置的重要程度。

2 POI显著度模型

计算POI显著度与其影响因素之间的关系是业内学者研究热点。Elia采用基于ID3分类算法和基于Cobweb的聚类算法，从空间数库中提取地标[3]。2015年，陈香等人通过分析POI知名度，通达性以及个体特征属性来构建一个POI显著性度量模型从而提取多层次地标[6]。王明等[7]从位置签到数据中的签到次数、签到用户数和用户影响因子３个方面入手讨论POI显著度的影响因素提出一种基于签到数据的POI显著度计算模型。通过该模型提取出的交通枢纽等地标较为丰富，机关单位等地标缺失严重，主要原因是数据来源的用户主体是学生和白领阶层，未周全考虑用户群体类别。但可将该模型理论应用到室内地标显著度评价中。室内的空间范围小且空间对象类型比较有针对性，例如在商圈中，可以根据商店的消费人次或者签到次数构建类似模型来评价地标的显著度。上述这些针对于室外空间的模型为广大业内学者在室内寻路导航应用的研究提供了一定的路径知识。随着室内空间位置信息服务的发展，室内地标知识在导航活动中的作用更加重要，基于POI显著度提取室内地标的研究引起了学者的广泛关注。

2018年，朱海红等[8]提出室内POI显著度定量评价模型，根据视觉显著度、认知显著度和空间显著度讨论影响室内POI显著度的主要因素，并在此基础上构建一个室内POI显著度评价模型，利用该模型可提取多层次、符合公众认知结果的室内地标，但该模型的评价指标只在易于量化评价的基础上考虑得较多，未涉及到人类的认知方面，赋值的标准性和客观性还有待提高。2020年，胡旭科等[9]提出通过遗传算法学习一种非线性显著性模型，建立了地标的显著性与其视觉属性和语义属性之间的定量关系。Wang C-S等[10]提出一种基于眼动追踪数据建立的室内地标显著度模型方法。通过最小二乘法和眼动追踪数据来计算自我定位和空间定位任务中的地标显著性。

3总结

关于POI显著度模型构建中所使用的评价指标体系，大多学者未考虑室内环境的自身特点而直接采取专家评分的方法，该方法的主观性较强。由于这些问题导致学者们利用其所构建的模型提取出的地标准确率不高。目前，国内室内POI显著度模型的研究较少，业内学者已提出了一些评价POI显著度的方法，但基于这些方法构建的POI显著度模型还处于理论知识部分，未应用于生活实践，所以该研究仍处于启蒙阶段，还有很多问题亟待解决。

参考文献

[1]SORROWS M E, HIRTLE S. The Nature of Landmarks for Real and Electronic Spaces; proceedings of the COSIT, F, 1999 [C].

[2]KLIPPEL A, WINTER S. Structural Salience of Landmarks for Route Directions; proceedings of the COSIT, F, 2005 [C].

[3]ELIAS B. Extracting Landmarks with Data Mining Methods; proceedings of the COSIT, F, 2003 [C].

[4]CADUFF D, TIMPF S. On the assessment of landmark salience for human navigation [J]. Cognitive Processing, 2007, 9: 249-67.

[5]毛凯. 面向室内外寻路的地标认知强度网格模型研究 [D]; 武汉大学, 2017.

[6]陈香, 李晓明, 詹然, et al. 从城市兴趣点中提取多层次地标方法探究 [J]. 测绘与空间地理信息, 2015, 38(10): 129-32+36.

[7]王明. 基于位置签到数据的城市地标提取与商圏挖掘研究 [D]; 武汉大学, 2015.

[8]朱海红, 温雅, 毛凯, et al. 室内地标提取的POI显著度定量评价模型 [J]. 武汉大学学报(信息科学版), 2018, 43(03): 336-41.

[9]HU X, DING L, SHANG J, et al. Data-driven approach to learning salience models of indoor landmarks by using genetic programming [J]. International Journal of Digital Earth, 2020, 13(11): 1230-57.

[10]WANG,et al. Research on Generating an Indoor Landmark Salience Model for Self-Location and Spatial Orientation from Eye-Tracking Data[J].ISPRS Int J Geo Inf,2020,9:97.