一种基于街景多维要素和评分的路径推荐方法及系统

摘要

本发明公开了一种基于街景多维要素和评分的路径推荐方法及系统，该方法包括：根据用户设定的出发地、出行方式和目的地，与现有路网匹配，依据Dijkstra算法，生成候选路径集；计算多维要素环境指标和多维感知环境指标；根据候选路径集中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标筛选出要素环境最优路径和感知环境最优路径；综合考虑路径长度、用时、街景多维要素环境指标值和街景多维感知环境指标值，生成组合最优路径或路径‑街景综合指数最优路径。通过使用本发明，在路径推荐时分考虑路径要素环境和感知环境。本发明作为一种基于街景多维要素和评分的路径推荐方法及系统，可广泛应用于路径推荐领域。

说明书

技术领域

本发明涉及路径推荐领域，尤其涉及一种基于街景多维要素和评分的路径推荐方法及系统。

背景技术

目前已有的出行路径推荐方法中，多是考虑出行路径本身，如路径长度、最短时长、最少障碍(红绿灯)等，较少考虑以街景为代表的路径环境质量。实际上，良好的路径要素环境(如高绿化率)和感知环境(如安全感)是用户路径选择的重要因素。仅考虑路径长度、最短时长的路径推荐，可能将用户导航至较差环境的路径中。而随着用户需求的多样化，尤其在出行中对路径长度、导航用时不敏感的情况下，现有的路径推荐方法已经无法适配当前用户的需求。

发明内容

为了解决上述技术问题，本发明的目的是提供一种基于街景多维要素和评分的路径推荐方法、系统及装置，在路径推荐时充分考虑路径要素环境和感知环境。

本发明所采用的第一技术方案是：一种基于街景多维要素和评分的路径推荐方法，包括以下步骤：

根据用户设定的出发地、出行方式和目的地，与现有路网匹配，依据Dijkstra算法，生成候选路径集；

对候选路径集中各条路径中的街景图像进行多维要素提取和面积占比统计，得到对应的街景多维要素环境指标；

对街景图像进行多维感知评分，得到对应的街景多维感知环境指标；

根据候选路径集中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标筛选出要素环境最优路径和感知环境最优路径。

进一步，还包括：

推荐路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标组合下的最优路径。

进一步，还包括：

将候选路径集中的各条路径的路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标按照预设的权重加权，构建路径-街景综合指数并推荐路径-街景综合指数最优的路径。

进一步，所述多维要素包括天空、建筑、绿化、公共设施、车辆和行人，所述对候选路径集中各条路径中的街景图像进行多维要素提取和面积占比统计，得到对应的街景多维要素环境指标这一步骤，其具体包括：

基于金字塔场景解析网络对全市域范围的街景图像进行图像语义分割和要素提取，识别得到每张街景图像的多维要素；

计算各维度要素分别在图像中的面积占比，得到应的街景多维要素环境指标。

进一步，所述感知评分包括安全感、秩序感、热闹感、富裕感、美丽感和脏乱感，所述对街景图像进行多维感知评分，得到对应的街景多维感知环境指标这一步骤，其具体包括：

获取带有先验感知评分的样本街景数据集；

基于获取带有先验感知评分的样本街景数据集对卷积神经网络进行深度学习模型训练，得到训练完成的卷积神经网络；

将街景图像输入至训练完成的卷积神经网络，得到对应的街景多维感知评分，该评分结果作为街景多维感知环境指标。

进一步，所述根据候选路径集中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标筛选出要素环境最优路径和感知环境最优路径这一步骤，其具体包括：

获取候选路径集中各条路径中的街景图像；

根据各条路径中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标，计算各条路径街景多维要素环境指标均值及多维感知环境指标均值；

根据各条路径街景多维要素环境指标均值及多维感知环境指标均值筛选出要素环境最优路径和感知环境最优路径。

本发明所采用的第二技术方案是：一种基于街景多维要素和评分的路径推荐系统，包括：

候选路径集模块，用于根据用户设定的出发地、出行方式和目的地，与现有路网匹配，依据Dijkstra算法，生成候选路径集；

要素环境指标模块，用于对候选路径集中各条路径中的街景图像进行多维要素提取和面积占比统计，得到对应的街景多维要素环境指标；

感知环境指标模块，用于对街景图像进行多维感知评分，得到对应的街景多维感知环境指标；

路径推荐模块，用于根据候选路径集中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标筛选出要素环境最优路径和感知环境最优路径，推荐路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标组合下的最优路径，将候选路径集中的各条路径的路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标按照预设的权重加权，构建路径-街景综合指数并推荐路径-街景综合指数最优的路径。

本发明方法及系统的有益效果是：本发明将路径多维要素及用户的多维评分作为路径推荐的重要考虑因素，提高路径规划中路径选择的质量，实现精细化、人性化的路径推荐。

附图说明

图1是本发明具体实施例基于街景多维要素和评分的路径推荐方法的步骤流程图；

图2是本发明一种基于街景多维要素和评分的路径推荐系统的结构框图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

参照图1，本发明提供了一种基于街景多维要素和评分的路径推荐方法，该方法包括以下步骤：

根据用户设定的出发地、出行方式和目的地，与现有路网匹配，依据Dijkstra算法，生成候选路径集；

对候选路径集中各条路径中的街景图像进行多维要素提取和面积占比统计，得到对应的街景多维要素环境指标；

对街景图像进行多维感知评分，得到对应的街景多维感知环境指标；

根据候选路径集中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标筛选出要素环境最优路径和感知环境最优路径。

具体地，根据需要推荐路径的用户的出行出发地和到达地，和用户输入的出行方式，与现有路网相匹配，获取相应出行方式所有可能的候选路径集，假设用户A从出发地a到目的地b，有n条候选路径集。其中第1条路径包含m1张街景、第2条路径包含m2张街景...第n条路径包含mn张街景。

根据Dijkstra算法，遍历出发地到目的地之间的所有节点及其对应的路径，可以记录给定出发地和目的地的若干条最短路径候选集。

进一步作为本方法的优选实施例，还包括：

推荐路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标组合下的最优路径。

进一步作为本方法的优选实施例，还包括：

将候选路径集中的各条路径的路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标按照预设的权重加权，构建路径-街景综合指数并推荐路径-街景综合指数最优的路径。

进一步作为本方法的优选实施例，所述多维要素包括天空、建筑、绿化、公共设施、车辆和行人，所述对候选路径集中各条路径中的街景图像进行多维要素提取和面积占比统计，得到对应的街景多维要素环境指标这一步骤，其具体包括：

基于金字塔场景解析网络对全市域范围的街景图像进行图像语义分割和要素提取，识别得到每张街景图像的多维要素；

计算各维度要素分别在图像中的面积占比，得到应的街景多维要素环境指标。

具体地，金字塔场景解析网络的输入层为512×512像素的街景图像，以红绿蓝(RGB)3个波段为通道，进行街景图像语义分割，以识别不同的街景要素。以单张街景绿化为例，识别绿化面积为S绿化，则街景绿化率V

进一步作为本方法优选实施例，所述感知评分包括安全感、秩序感、热闹感、富裕感、美丽感和脏乱感，所述对街景图像进行多维感知评分，得到对应的街景多维感知环境指标这一步骤，其具体包括：

获取带有先验感知评分的样本街景数据集；

基于获取带有先验感知评分的样本街景数据集对卷积神经网络进行深度学习模型训练，得到训练完成的卷积神经网络；

具体地，调用Inception v3进行深度学习模型训练，输入层为512×512像素的街景图像，以红绿蓝3个波段为通道，输出层为多维的街景评分。以单张安全感为例，输出安全感评分为V

将街景图像输入至训练完成的卷积神经网络，得到对应的街景多维感知评分，该评分结果作为街景多维感知环境指标。

进一步作为本方法优选实施例，所述根据候选路径集中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标筛选出要素环境最优路径和感知环境最优路径这一步骤，其具体包括：

获取候选路径集中各条路径中的街景图像；

根据各条路径中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标，计算各条路径街景多维要素环境指标均值及多维感知环境指标均值；

具体地，分别计算从第1条到第n条候选路径，每条路径两侧的街景多维要素特征(如绿化率)均值。第1条路径的平均绿化率V

同理，分别计算从第1条到第n条候选路径，每条路径两侧的街景多维感知(如安全感)均值，第1条路径的平均安全感V

根据各条路径街景多维要素环境指标均值及多维感知环境指标均值筛选出要素环境最优路径和感知环境最优路径。

具体地，逐次比较n条候选路径集的绿化率均值，筛选绿化率最高的路径，若max{V

同理，逐次比较n条候选路径集的安全感评分均值，筛选安全感评分最高的路径，若max{V

另外，出行路径的长度、时间是路径推荐的重要因素，综合考虑候选路径集中的各条路径的长度、所需时间、对应的街景要素环境指标、对应的感知环境指标，推荐组合最优的路径，根据用户最关心的维度进行路径排序，并可视化若干条路径的其他几类特征的数值。

例如，用户最关心路径用时，则遍历候选路径集，推荐用时最优化的若干条(如3条)推荐线路，并将路径长度、街景要素特征、街景评分等其他指标值可视化：

1)路线a：用时ta，长度la，绿化率ga，安全感sa；

2)路线b：用时tb，长度lb，绿化率gb，安全感sb；

3)路线c：用时tc，长度lc，绿化率gc，安全感sc。

其中ta、tb、tc分别是最短、次短和第三短的路径用时。

同样，用户最关心街景绿化率时，则候选路径集，推荐绿化率最优化的若干条(如3条)推荐线路，并将路径用时、路径长度、街景评分等其他指标值可视化：

1)路线A：绿化率gA，用时tA，长度lA，安全感sA；

2)路线B：绿化率gB，用时tB，长度lB，安全感sB；

3)路线C：绿化率gC，用时tC，长度lC，安全感sC。

其中gA、gB、gC分别是绿化占比最高、次高和第三高的路径绿化率。

进一步作为本方法的优选实施例，进一步作为本方法的优选实施例，所述各个要素环境最优的路径包括天空要素占比率最高的路径、建筑要素占比率最高的路径、绿化率最高的路径、公共设施占比率最高的路径、车辆占比率最高的路径、行人占比率最高的路径，所述各个感知环境最有的路径包括安全感评分最高的路径、秩序感评分最高的路径、热闹感评分最高的路径、富裕感评分最高的路径、美丽感评分最高的路径和脏乱感评分最低的路径。

进一步作为本方法的优选实施例，还包括：

将候选路径集中的各条路径的路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标按照预设的权重加权，构建路径-街景综合指数并推荐路径-街景综合指数最优的路径。

根据用户对路径用时t、长度l、绿化率g、安全感s的重要性排序结果，确定其权重。其中，排序最高的权重为0.4，第二高的为0.3，第三高的为0.2，最低的为0.1。

例如，如用户认为用时t＞长度l＞绿化率g＞安全感s，则遍历候选路径集，分别计算从第1条到第n条候选路径的路径-街景综合指数，第1条路径的路径-街景综合指数V

如图2所示，一种基于街景多维要素和评分的路径推荐系统，包括：

候选路径集模块，用于根据用户设定的出发地、出行方式和目的地，与现有路网匹配，依据Dijkstra算法，生成候选路径集；

要素环境指标模块，用于对候选路径集中各条路径中的街景图像进行多维要素提取和面积占比统计，得到对应的街景多维要素环境指标；

感知环境指标模块，用于对街景图像进行多维感知评分，得到对应的街景多维感知环境指标；

路径推荐模块，用于根据候选路径集中的街景图像、对应的街景多维要素环境指标和对应的街景多维感知环境指标筛选出要素环境最优路径和感知环境最优路径，推荐路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标组合下的最优路径，将候选路径集中的各条路径的路径长度、所需时间、对应的街景多维要素环境指标和对应的街景多维感知环境指标按照预设的权重加权，构建路径-街景综合指数并推荐路径-街景综合指数最优的路径。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

一种基于街景多维要素和评分的路径推荐装置：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如上所述一种基于街景多维要素和评分的路径推荐方法。

上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。