EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 9: 1586 - 1597

DOI: https://doi.org/10.12082/dqxxkx.2021.200700

Optimized Method of Indoor Road Network based on Spatial Hierarchical Cognition

  • WANG Xingfeng , 1, * ,
  • LIU Junsheng 2
Expand
  • 1. School of Environment and Spatial Informatics, China University of Mining Technology, Xuzhou 221116, China
  • 2. Nanjing Institute of Survey, Mapping & Geotechnical Investigation, Company Limited, Nanjing 210019, China
*WANG Xingfeng, E-mail:

Received date: 2020-11-19

  Online published: 2021-11-25

Supported by

National Key Research and Development Program of China(2016YFB0502104)

Copyright

Copyright reserved © 2021.
Fold

Abstract

With the increase of indoor space application and the development of indoor positioning technology, the integration and application of indoor location information has become one of the hot spots in indoor GIS research. Emergency rescue and navigation for indoor space, such as large venues, has become a research hotspot of indoor GIS application. The construction of indoor network is the key technology to realize the indoor emergency navigation service. In this paper, aiming at the problem of indoor navigation routing, we proposed and constructed Indoor Cognitive Hierarchical Coding Method (ICHCM) based on indoor space perception and hierarchical cognition. The main contents are as follows: (1) Based on the law of indoor space perception and the way of hierarchical cognition, the indoor road network was simplified into four levels: street-building level, building-floor level, floor-block level, and block-room level. Thus a tree network of multi-level expression was formed; (2) In order to meet the needs of semantic analysis and path finding, the "virtual room" unit was introduced to divide the indoor closed unit and associated unit into room unit based on the analysis of the indoor unit function. The partition strategy of horizontal and vertical connection space was also provided; (3) Based on the cognitive hierarchical model of interior architecture and the results of indoor unit division, the indoor units were coded successively from high level to low level. This indoor unit encoding method is of great significance to semantic relations, spatial queries, topological relations, and path finding in indoor space. In order to verify the feasibility and effectiveness of the proposed road network construction and coding method, a commercial center was selected as study area, four levels of indoor road network were constructed. The number of nodes and arcs of every level of the network was reduced by layered and partitioned processing while the ICHCM network was effectively simplified and the efficiency of calculation was improved. The time used in path-finding was less than those of traditional network models. The same floor routing time was -55 millisecond while the cross floor routing time was -100 millisecond. The results showed that ICHCM model fits the way of the cognition of science for people. ICHCM can describe the characteristics of the network of different levels, enable the integrated path-finding of indoor space, and meet the demand of the precision and efficiency of path-finding. Results from this study provide important basis for indoor navigation.

Key words： indoor GIS; spatial cognition; layered cognitive; topological relationship; route network model; way-finding; location based service; indoor navigation

Cite this article

WANG Xingfeng , LIU Junsheng . Optimized Method of Indoor Road Network based on Spatial Hierarchical Cognition[J]. Journal of Geo-information Science, 2021 , 23(9) : 1586 -1597 . DOI: 10.12082/dqxxkx.2021.200700

1 引言

随着人员室内活动的日益增多,基于大型场馆的室内寻径与导航受到了越来越多的关注,室内路网的构建已成为室内位置信息融合应用的关键技术[1,2,3,4]。根据室内地图匹配的适用性,室内导航路网可以分为基于网络、基于格网等模型。基于网络的导航数据多直接把室外道路网络模型引入到室内空间中[5,6],如Lin[7]为面向应急救援所构建的室内疏散路径; Lee[8]在顾及室内建筑物逻辑关系的基础上,提出了三维节点关系结构模型（The Node Relation Structure, NRS）; Chen等[9]面向消防模拟的需求,构建和提出了GNM模型（GNM,Geometric Network Model,GNM）; Thill[10]则整合了室内外联系特点和沟通方式,构建了面向室内外统一寻径的三维通道网络模型。此外,Gupta等[11]、Lin等[12]以及赵斌斌等[13]也做了类似的研究。基于格网的导航数据模型根据空间划分规则可以分为规则划分格网模型和非规则划分格网模型。规则划分格网模型将室内空间划分为均匀大小的格网单元,每个单元包含单元标识、边界、类型等属性以及邻接单元,在此基础上构建格网模型连通图[14,15],规则格网模型易于生成和存储,但将网格单元组合在一起难以保证形状的精确表达。不规则划分格网模型多将室内空间进行三角化剖分以用来支持路径查找[16]。不规则格网模型可以根据室内空间特点灵活调整单元格的形状、大小,避免了规则划分方式带来的冗余存储和计算代价,但这种方式无法提供精确的室内空间位置描述,语义特征表达模糊。
基于网络的室内路网多是室外道路网络模型的简单借鉴,没有考虑到用户室内空间认知的特点。室内外空间认知特性上的差异导致基于路网模型所给出的线状导航路径和实际有一定的出入,所给出的导航路径多仅具有参考意义,难以满足实际需求[17,18]。格网模型多缺乏对室内空间单元的定义,语义特征缺失,单元之间拓扑信息描述不足,因此对室内空间分析的支持能力有限[19,20]。
因此,本文拟在顾及人的室内心理认知行为特点的基础上,从语义层面分析室内空间逻辑构成,剖析室内单元之间拓扑关系,综合考虑和概括室内路网结构和特征,探讨室内分层路网模型的优化构建策略,以提高室内复杂环境的路径引导效率从而服务于不同寻径需求。

2 室内空间分层认知路网优化方法

对于室内空间来说,分层认知是人们常用的一种心理认知模型,即使用户对室内空间很熟悉,分层认知依然是室内空间路径规划采用最多的认知方式。基于前期研究[21,22]以及室内导航寻径的需求,遵循“感知-认知-经验”认知规律[23],本文提出基于室内空间认知分层路网优化方法,主要包括室内空间的立体性分层认知、室内单元划分、室内单元剖分和室内单元分层优化编码等主要环节,技术路线如图1所示,下文对该方法实现的主要内容进行详细说明。
图1 室内空间分层认知路网优化方法

Fig. 1 Hierarchical cognition optimization method of indoor space

2.1 室内空间分层认知

基于室内空间分层认知模型,室内外路网可以概括为街道―建筑物、建筑物―楼层、楼层―区块、区块―房间4个认知层次的子网络,从而构成了多层次表达的树状网络。本文以某建筑物CESI为例（图2）,对各个认知层次路网的基本特点说明如下：
图2 层次认知路网模型特征

Fig. 2 Indoor network model based on hierarchical cognitive

（1）街道―建筑物层级路网（Street-Building）。表达城市街道级别的路网基本轮廓,建筑物作为路网网络中的结点来表达,属于路网结构认知的整体式体验。如图2(a)中CESI被抽象为节点,道路被简化为路网,可感知CESI与路网的关系。
（2）建筑物―楼层级路网（Building-Floor）。建筑物垂直方向上的连接关系作为感知对象被感知,形成对建筑物楼层之间关系的认知。在该层次中,建筑物由不同的楼层组成,楼层之间通过垂直路径（如楼梯、电梯等）相连。图2(b)表达了CESI由5个楼层组成,楼层之间包括5个垂直方向的通道。
（3）楼层―区块级路网（Floor-Block）。感知层次进入水平楼层空间,感知的对象为单个楼层,应用中可根据水平楼层的复杂情况对室内实体对象进行简化、关联及综合加工以实现分区,各个分区之间构成连通子图。图2(c)表达了CESI大楼某楼层被划分为A、B和C 3个区域,各个区域的连通关系可通过走廊等弧段来表达。
（4）区块―房间级路网（Block-Room）。该层次的感知层次最具体,每个室内空间单元被分配至不同的区块(图2(d)),区块通过联系单元与楼层联系,再通过楼层之间的垂直通道与室外道路相联系,最后形成真实的路网图形。

2.2 室内空间基本单元定义

室内空间单元的划分是室内网络模型定义的基础,室内对象及其关联关系直接影响室内单元连接关系的定义和拓扑复杂度的计算与表达。本文基于前期的研究成果[22]并结合前文的室内空间认知分层模型,面向室内导航应用,定义了2种室内空间基本对象：房间单元和链接单元。
2.2.1 房间单元（Room Unit,RU）
房间单元具有明确的边界形态,通过出入口与其它空间相联系,多表现为具有一定独立功能的房间,如教室、会议室、办公室等。房间单元可以设置开放、关闭状态,可以通过调整出入口的开关状态以控制与其他单元之间的联系[22]。
2.2.2 链接单元（Linked Unit,LU）
链接对象处在室内不同单元之间的联系路径上,起到沟通和联系室内不同区域空间的作用,如建筑物出入口、门等。根据连接维度的不同,可分为二维链接对象和三维链接对象,二维链接对象位于水平楼层内,如廊道、门厅等;三维链接对象为联系不同楼层的室内单元,可根据需要向上、向下进入其它楼层,也可以通过廊道进入到水平楼层内,如电梯、楼梯。
室内空间可以看作是由房间对象通过链接对象链接所形成的三维网格空间,房间单元可以看作是室内空间通过链接对象进行空间再限定后而产生的功能上彼此联系的独立子空间[24]。链接对象是室内空间划分的关键,通过链接对象可以实现对室内空间进行分割和限定。

2.3 室内空间剖分

按照功能作用的不同室内空间可以划分为封闭式空间和联系性空间[21,22],为了满足语义分析、寻径的需要,本文以链接单元作为分割要素,探讨如何基于链接单元对封闭性空间和联系性空间进行语义分割与剖分。
2.3.1 封闭性空间剖分
根据内部空间是否可以进一步剖分,封闭式单元可分为不可剖分、可剖分房间单元2种类型。
（1） 不可剖分房间单元
该类单元的内部不包括其它子单元,通过链接对象与其它单元相联系,是剖分层次等级最低的单元。如图3中的Room5、Room6, 2个房间内部都没有子单元,Room5有一个门和走廊C1相联系,Room6有2个门与走廊C1相关联,一个门和走廊C2相关联。
图3 室内空间单元示意

Fig. 3 Sample map of the indoor cell

（2）可剖分房间单元
可剖分房间单元空间内部可以进一步分割为更小甚至是更多的子单元,通过一个或多个出入口和其他单元相联系。如图3中的Room2,内部被R20和R21 2个子单元进一步分割,有1个门和廊道C1关联,Room3内部包含子单元R31,有2个门分别和走廊C1、楼梯处相关联。
2.3.2 联系性空间剖分
联系性空间主要是为了解决室内不同空间之间的沟通问题,多表现为具有联系作用的走廊、电梯和楼梯等,具有开放性的空间界线,多处于开放的状态。根据沟通联系的方向,联系性空间可进一步划分为水平联系空间、垂直联系空间[22]。
（1）水平联系空间剖分
水平联系空间是为了实现水平空间的联系和疏通,如过道、走廊及门厅等,如图4（a）中的水平联系空间C。室内路网构建多将水平联系空间分割为水平廊道单元,进而抽象为弧段。处理思路一般有2种：① 将走廊定义为一个节点,该节点关联走廊周围的房间单元。如图4（c）中C2是走廊,其关联Room1、Room2、Room3、Room4、Room5、Room6、Room7、Room8等房间。这种处理方式过于粗略,不仅难以满足语义分析的需要,而且在寻径时也无法获取精确结果,从而导致寻径失败;② 将廊道定义为一个由许多点组成的弧段,一般是在每一个有门的位置添加一个扩展节点[25],从而造成路网中节点过多,增加了系统算法开销。为了满足语义分析、寻径的需要,本文针对联系性单元引入“虚拟房间单元”,以实现联系性单元的剖分。
图4 室内水平联系单元分割示意

Fig. 4 Decomposition algorithm of horizontal linked unit

① 水平廊道单元
为了满足语义分析与表达需要,本文对分割后的水平廊道单元做进一步的限定：① 首尾结点提供换路功能,通过首尾结点可以进入其他水平廊道单元;② 通过水平廊道的其余结点可以进入房间单元。如图4（a）中的C是该示意图的水平联系空间,图4（b）为按照该限定所分割的水平联系廊道单元,C划分了C1、C2和C3 3个水平廊道单元。
② 虚拟房间单元
“虚拟房间单元”是为了实现水平廊道单元的的进一步分割而引入的,可视为房间单元的一种,由自然墙体和“虚拟链接对象”围合而成,其特点是永远处于开启状态。“虚拟房间单元”需要满足条件：① 每一个虚拟房间单元至少关联一个室内房间单元（以减少分割后的单元个数）;② 在同一侧只关联一个室内房间单元（考虑到换路问题）。如图4（c）, C2为水平廊道单元,vC21单元为C2分割后的一个“虚拟房间单元”,其由3面实体墙和1个分割线组成,该分割线处可增加一个虚拟的链接对象（如门）。通过虚拟的“链接对象”和实体墙就可以得到一个分割后的房间单元vC21,该单元语义上关联房间Room8、Room4,也可以表达Room8、Room4下一步目的地是vC21单元。
③ 廊道单元剖分
引入虚拟房间单元之后,就可以把水平联系通道也剖分为一个个房间单元。室内水平联系空间从而就可以看作是通过空间再分割而产生的功能上彼此联系的多个“虚拟房间单元”组合而成。如图4（c）,引入虚拟房间单元之后,C2水平廊道单元是由虚拟房间单元vC21、vC22、vC23、vC24、vC25等组成。
（2） 垂直联系空间剖分
垂直联系性空间主要用来实现楼层之间的沟通,如联系不同楼层的电梯、楼梯、自动扶梯等[23]。垂直联系性空间多与楼层水平通道网络有结点相连,可进入到水平楼层内。垂直联系空间在垂直方向上可按照楼层进行自然剖分,在水平方向上可根据与楼层的联系方式进行分割。
① 与水平楼层有出入口（如门）存在。可以将出入口作为链接对象,将垂直联系单元剖分为房间单元,也可以根据需要开启或者关闭。如图5（a）中的电梯,可以根据需要剖分为3个房间单元。
图5 室内垂直单元剖分

Fig. 5 Decomposition algorithm of vertical unit

② 与水平楼层没有实体门存在,处于开放状态。如图5（b）中的楼梯,可以根据需要在楼梯与水平楼层的连接处增加“虚拟链接对象”（如出入口）,从而构成3个虚拟房间单元。
垂直单元可以视作是由多个基本弧段构成,每个楼层垂直方向上就有一个弧段,分割后本质上和水平联系单元的分割没有不同,如图5（c）。

2.4 室内拓扑关系

通过“虚拟房间单元”的引入,室内所有空间最后都被链接对象分割为房间单元,房间单元之间的拓扑关系可以概括为包含、邻接和相离3种关系。
2.4.1 拓扑包含
表现为房间单元之间的包含关系,也就是一个房间单元包含了另一个房间单元的所有出入口;如图4中Room2包含了R20、R21,或者说R20、R21是Room2中所分割出来的子空间,R20、R21的出入口都被Room2所包含。
2.4.2 拓扑邻接
表达了房间单元之间的邻接关系,室内单元之间有共同的出入口,室内单元之间可以通过出入口进入对方的空间。如图4中的Room8和Room7、Room8和vC21、vC21和vC22都表现为邻接关系。
2.4.3 拓扑相离
房间单元之间没有直接相连的通路,若想进入对方的空间,必须通过第三方的空间才可以实现。如图4中的Room8和Room4。Room8若想进入Room4的空间,必须穿过“虚拟房间单元”vC21,才能进入Room4单元。

2.5 室内空间单元编码

室内空间由不同类型的建筑物组件构成,人类根据思维习惯,会对己完成自然分割的室内单元进行相应的语义化编号,为室内房间单元级的定位提供了一种特殊的位置表达方式,这对室内单元的语义关联、空间查询、拓扑关系以及寻径等都具有重要意义。依据室内空间分层认知模型以及室内单元剖分结果,本文提出一种室内单元认知分层编码方法（Indoor cognitive hierarchical Coding Method, ICHCM）来表示房间单元在建筑物空间中的位置。
ICHCM的编码思路：采用建筑物—楼层—分区—房间单元,按照从高层级到低层级的顺序进行连续编码,直到所要编码的单元位置。编码结构见图6所示。左边2位是建筑物编码,楼层编码为编码的前5位,即建筑物编码加楼层编码从000—999的顺序号,分区编码为前7位,即楼层编码加上00—99的顺序号,房间单元编码为分区编码加上从0000—9999的编号。编码的最后两位为单元类型标识,00表示房间单元,01表示水平联系单元,02表示电梯单元,03表示楼梯单元,04表示扶手梯单元。当编码不足规定位数时,高位的数字码可用“0”填充,如果建筑物室内结构简单,不需要分区,分区代码可以“00”表达。
图6 室内单元认知分层连续编码

Fig. 6 Indoor area cognitive hierarchical coding

图7的电梯单元编码为00 002 00 0001 02, 其中00表达的建筑物编码,002为楼层2; 00表示不分区块;0001表示编号为“0001”的房间单元;02表示该单元类型为电梯。图7的2楼Room8房间编码为00 002 00 0008 00。00表示建筑物编码,002表示2楼,00表示不分区;0008表示编号为“0008”的单元;00表示房间单元。
图7 室内单元编码

Fig. 7 Diagram of continuous coding of indoor unit

ICHCM编码对室内定位、拓扑分析、路网构建以及空间查询等都具有重要意义,如00 002 00 0001 02表达定位结果在房间Room8内,关联Room8房间,拓扑关系表达路径规划的下一步的目的地是水平联系单元C1。要查询房间单元所在的楼层时,只需要截取编码前5位数字（00002）;再到建筑物、分区、单元的信息表中查找标识是“00002”的记录,就可以知道是该单元所在楼层为二楼以及该单元的属性信息。如果室内空间结构发生变化时,也只需要按照连续编码原则,进行局部更新（重新分割）即可,这对于在线更新是非常重要的。

3 实验应用

3.1 实验区域

为验证本文所提方法的适用性与实用性,这里选择某商业中心大楼作为实验区域,大楼共有5层,有扶梯3部、电梯7部和楼梯7部,各楼层的功能区域、分布情况大致相同。这里以该商业中心一楼的路网构建为例进行说明,图8(a)为一楼室内空间二维分布平面图,所构建的ICHCM路网如图8(c),考虑到室内结构不甚复杂,本文没有进行功能分区。为进行对比,本文也采用传统方案（走廊上增加与门对应的扩展节点）构建了室内道路分层网络,如图8(b),两者所构建的网络信息如表1。由表1可见,基于ICHCM模型所构建的路网结点数（638）和弧段数（726）都要小于传统方案所构建分层网络的结点数（756）和弧段数（870）,所以可在一定程度上提升寻径运算的效率。
图8 实验区域

Fig. 8 Experimental area

表1 实验区路网对比

Tab. 1 Contrast between traditional network and ICHCM model

楼层 节点数/个 弧段数/段
分层网络模型 ICHCM 分层网络模型 ICHCM
1层 170 144 176 150
2层 172 138 183 145
3层 184 156 195 145
4层 128 113 136 127
5层 102 87 112 91
垂直弧段 - - 68 68
总计 756 638 870 726

3.2 寻径实验

Dijkstra算法是网络分析与导航运算领域中解决寻径问题的经典应用,且可以和GIS的点―弧模型高效结合[26],故本文选择Dijkstra算法对上述2种室内网络模型进行测试,设计同层寻径、跨楼层寻径2种方式,每种方式利用Dijkstra算法分别寻径20次,寻径的结果如表2所示。并以计算1楼125房间（编码：0000100012500）到5楼502房间（编码：0000500050200）的路径为例,根据认知分层编码,抽取结点和弧段动态构网的信息如表3所示,寻径的结果如图9。
表2 路径结点弧段、寻径时间

Tab. 2 Node Arc and computing time

寻径方式 参与寻径的结点/个 参与寻径的弧段/段 寻径时间/ms
分层网络模型 同层 136 145 102
跨楼层 263 272 216
ICHCM 同层 82 62 55
跨楼层 205 176 102
表3 125房间到502房间路网信息

Tab. 3 Network from 125 to 502

路网层次 节点数/个 弧段数/段 说明
Street-building 0 0 和室外街道路网相连的出入口
Building-floor 85 68 电梯弧段、楼梯弧段、扶梯弧段
Floor-block 113 108 建筑物的第一、五层的联系空间弧段信息
Block-room 5 4 第四层A区各个房间节点、弧段起止点、交叉点等
小计 203 180
图9 502房间到125房间的路径

Fig. 9 Path from room 502 to room 125

由表2、表3及图9可见,ICHCM模型通过空间感知进行了层次划分,每一个层次都可以减少参与运算的结点和弧段数,简化了计算网络,从而提高了运算的效率;寻径测试实验中基于ICHCM方法的分层路网模型的同楼层寻径时间约为55 ms,传统分层模型的同层寻径时间约为102 ms;基于ICHCM方法的分层路网模型跨楼层的寻径时间约为100 ms左右,传统分层路网模型的跨楼层的寻径时间约为216 ms。寻径计算的时间开销要优于分层网络模型。
虽然本实例中建筑物的楼层数较少,结点也不多,但实际上即使建筑物楼层数较多,通过分层、分区处理以及动态筛检构网都可以实现网络中节点数量的压缩从而使得网络中参与寻径计算的结点数比较稳定,从而具有较优的时间开销。而在传统路网网络模型中,参与寻径的所在楼层的所有结点都需要参与运算,而且随着建筑物规模的增加,结点和弧段数也会大量增加,系统开销也越来越大,寻径的时间也会越来越长。

4 结论与讨论

本文面向应急疏散以及室内导航寻径的现实需求,以室内路网动态构建与优化作为研究对象,基于室内空间感知规律以及分层认知的方式,提出了顾及室内单元拓扑关系和语义特征的面向室内导航的分层认知路网优化方法,结论如下：
（1）基于空间认知规律将室内外路网概括为街道-建筑物、建筑物-楼层、楼层-区块、区块-房间4个认知层次的子网络,从而构成了多层次表达的树状网络;
（2）为了满足语义分析的需求,在分析室内单元功能的基础上,引入“虚拟房间单元”,将室内封闭性空间和联系性空间统一剖分为房间单元,并按照建筑物-楼层-分区-房间单元的顺序,对己完成自然分割的室内单元进行相应的语义化编码,从而为室内房间单元级的定位提供了一种特殊的位置表达方式,这对室内单元的语义关联、空间查询、拓扑关系以及寻径等都具有重要意义;
（3）以某商业中心为实验区域,对传统分层模型和本文基于ICHCM方法的分层优化模型进行了构网和寻径测试,测试结果表明：基于ICHCM方法的分层路网模型的同楼层寻径时间约为55 ms,传统分层模型的同层寻径时间约为102 ms;基于ICHCM方法的分层路网模型跨楼层寻径时间约为100 ms左右,传统分层路网模型的跨楼层寻径时间约为216 ms,本文所提出的方法寻径时间开销明显优于分层网络模型,更符合人对室内通道网络的分层性认知,能够很好地刻画路网的层次特征,在满足最短路径算法计算精度要求的同时,计算时间可以降低为传统的点―弧模型算法的约1/2左右。
实验结果表明,本文所提出的ICHCM编码方法对于室内位置信息的融合应用,例如室内应急疏散的寻径等问题,可以给出较为快速和合适的选择,能够为有关部门在规划或救灾中提供决策支持。但本文室内分层优化网络模型的构建,如结点、通道以及分层网络的实现目前尚是通过手工或半手工创建,效率较低。因此,如何根据室内拓扑空间的结构、功能的实际情况,设计室内空间各子区域的自动划分策略,快速构建不同等级层次的通道拓扑结构图,以取代目前的人工方法以提高ICHCM分层网络的构建策略,是下一步继续研究的方向。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李清泉, 周宝定, 马威, 等. GIS辅助的室内定位技术研究进展[J]. 测绘学报, 2019, 48(12):1498-1506.

[ Li Q Q, Zhou B D, Ma W, et al. Research process of GIS-aided indoor localization[J]. Acta Geodaetica et Cartographica Sinica, 2019, 48(12):1498-1506. ]

[2]
Liu L, Li B F, Zlatanova S, et al. Indoor navigation supported by the Industry Foundation Classes (IFC): A survey[J]. Automation in Construction, 2021, 121:103436.

DOI

[3]
Fu M Q, Liu R. An approach of checking an exit sign system based on navigation graph networks[J]. Advanced Engineering Informatics, 2020, 46:101168.

DOI

[4]
赵江洪, 董岩, 危双丰, 等. 室内导航路网提取研究进展[J]. 测绘科学, 2020, 45(12):45-54,76.

[ Zhao J H, Dong Y, Wei S F, et al. Review of the research progresses on extraction of indoor navigation network[J]. Science of Surveying and Mapping, 2020, 45(12):45-54,76. ]

[5]
Fu M Q, Liu R, Qi B, et al. Generating straight skeleton-based navigation networks with Industry Foundation Classes for indoor way-finding[J]. Automation in Construction, 2020, 112:103057.

DOI

[6]
Han T, Almeida J S, da Silva S P P, et al. An effective approach to unmanned aerial vehicle navigation using visual topological map in outdoor and indoor environments[J]. Computer Communications, 2020, 150:696-702.

DOI

[7]
Lin J, Zhu R H, Li N, et al. Do people follow the crowd in building emergency evacuation? A cross-cultural immersive virtual reality-based study[J]. Advanced Engineering Informatics, 2020, 43:101040.

DOI

[8]
Lee J. A spatial access-oriented implementation of a 3-D GIS topological data model for urban entities[J]. GeoInformatica, 2004, 8(3):237-264.

DOI

[9]
Chen L C, Wu C H, Shen T S, et al. The application of geometric network models and building information models in geospatial environments for fire-fighting simulations[J]. Computers, Environment and Urban Systems, 2014, 45:1-12.

DOI

[10]
de Thill J C, Dao T H D, Zhou Y H. Traveling in the three-dimensional city: Applications in route planning, accessibility assessment, location analysis and beyond[J]. Journal of Transport Geography, 2011, 19(3):405-421.

DOI

[11]
Gupta S, R S, Mishra R S, et al. Corridor segmentation for automatic robot navigation in indoor environment using edge devices[J]. Computer Networks, 2020, 178:107374.

DOI

[12]
Lin W Y, Lin P H. Intelligent generation of indoor topology (i-GIT) for human indoor pathfinding based on IFC models and 3D GIS technology[J]. Automation in Construction, 2018, 94:340-359.

DOI

[13]
赵彬彬, 王安, 汤鑫, 等. 基于廊道空间几何特性的室内导航路网模型构建[J]. 长沙理工大学学报(自然科学版), 2019, 16(4):8-15.

[ Zhao B B, Wang A, Tang X, et al. Construction of indoor navigation network model based on spatial geometrical characteristics of corridor space[J]. Journal of Changsha University of Science & Technology (Natural Science), 2019, 16(4):8-15. ]

[14]
Ma G F, Wu Z J. BIM-based building fire emergency management: Combining building users' behavior decisions[J]. Automation in Construction, 2020, 109:102975.

DOI

[15]
尤承增, 彭玲, 王建辉, 等. 高精度室内地图辅助VLC与PDR融合定位[J]. 地球信息科学学报, 2019, 21(9):1402-1410.

DOI

[ You C Z, Peng L, Wang J H, et al. VLC and PDR fusion positioning by incorporating high-precision indoor map[J]. Journal of Geo-information Science, 2019, 21(9):1402-1410. ]

[16]
Tu S S, Waqas M, Lin Q Q, et al. Tracking area list allocation scheme based on overlapping community algorithm[J]. Computer Networks, 2020, 173:107182.

DOI

[17]
Lee K, Lee J, Kwan M P. Location-based service using ontology-based semantic queries: A study with a focus on indoor activities in a university context[J]. Computers, Environment and Urban Systems, 2017, 62:41-52.

DOI

[18]
熊维茜, 高平, 呙维, 等. 面向多层建筑的室内外一体化路径规划算法[J]. 测绘地理信息, 2020, 45(1):44-46,61.

[ Xiong W Q, Gao P, Guo W, et al. Indoor and outdoor integrated path planning algorithm for multi-story buildings[J]. Journal of Geomatics, 2020, 45(1):44-46,61. ]

[19]
傅梦颖, 张恒才, 王培晓, 等. 基于移动对象轨迹的室内导航网络构建方法[J]. 地球信息科学学报, 2019, 21(5):631-640.

DOI

[ Fu M Y, Zhang H C, Wang P X, et al. A method for constructing indoor navigation networks based on moving object trajectory[J]. Journal of Geo-information Science, 2019, 21(5):631-640. ]

[20]
Hajibabai L, Delavar M R, Malek M R, et al. Agent-Based Simulation of Spatial Cognition and Wayfinding in Building Fire Emergency EvacuationGeomatics Solutions for Disaster Management[J]. Geomatics Solutions for Disaster Managenment, 2007, 6752(4):255-270.

[21]
王行风. 面向室内外一体化寻径的道路网络空间感知层次建模方法[J]. 测绘科学技术, 2018, 6(2):141-150.

[ Wang X F. Hierarchical Modeling of Indoor and Outdoor Road Network Based on Spatial Cognition[J]. Geomatics Science and Technology, 2018, 6(2):141-150. ]

DOI

[22]
王行风, 汪云甲. 一种顾及拓扑关系的室内三维模型组织和调度方法[J]. 武汉大学学报·信息科学版, 2017, 42(1):35-42.

[ Wang X F, Wang Y J. Organization and scheduling of indoor three-dimensional geometric model based on spatial topological relation[J]. Geomatics and Information Science of Wuhan University, 2017, 42(1):35-42. ]

[23]
唐炉亮, 刘章, 杨雪, 等. 符合认知规律的时空轨迹融合与路网生成方法[J]. 测绘学报, 2015, 44(11):1271-1276,1284.

[ Tang L L, Liu Z, Yang X E, et al. A method of spatio-temporal trajectory fusion and road network generation based on cognitive law[J]. Acta Geodaetica et Cartographica Sinica, 2015, 44(11):1271-1276,1284. ]

[24]
Fletcher Dunn, Ian Parberry. 史银雪,陈洪,王荣静译. 3D数学基础:图形与游戏开发[M]. 北京: 清华大学出版社, 2005.

[ 3D Math Primer for Graphics and Game Development[M]. Beijing: Tsinghua University Press, 2005. ]

[25]
朱金龙. 室内场景下人群疏散的若干关键技术研究[D]. 长春:吉林大学, 2016.

[ Zhu J L. Research on several key technologies of the crowd evacuation in indoor scene[D]. Changchun: Jilin University, 2016. ]

[26]
张海荣, 王行风, 闫志刚. 地理信息系统原理[M]. 徐州: 中国矿业大学出版社, 2017.

[ Zhang H R, Wang X F, Yan Z G. Principles of geographical information system[M]. Xuzhou: China University of Mining and Technology Press, 2017. ]

Options
Outlines

/

〈 〉