面向任务的驾车导航POI分级体系构建的研究

方 成，刘 锐，陈万鹏

(信息工程大学 地理空间信息学院，河南 郑州 450001)

面向任务的驾车导航POI分级体系构建的研究

方 成，刘 锐，陈万鹏

(信息工程大学 地理空间信息学院，河南 郑州 450001)

POI分级体系的构建是POI自适应表达的关键。文中从影响驾车导航的因素出发，对驾车导航任务进行归纳，然后针对不同的导航任务，采用定性定量相结合的方式，通过问卷调查、焦点小组法以及数理统计的方法，构建对应不同导航任务的POI分级体系，满足驾车导航POI自适应表达的需要。

驾车任务；驾车导航；POI分级

随着导航技术的发展，导航电子地图在各领域得到广泛应用，用户需求也日趋多样化、专业化。目前市面上已有的地图APP对导航任务的划分局限于驾车、公交、步行三种，显然满足不了现实情况中尤其是驾车时复杂多变的导航需求。不同驾车任务时导航电子地图内容表达尤其是兴趣点(POI)表达的固化，造成了用户需求信息的不明显甚至缺失，地图信息传输效率低，用户体验差。

POI分级体系的构建是导航电子地图自适应表达的重要组成部分。当前学者对于分级体系构建的研究：江南等基于中小比例尺基础电子地图多尺度显示模型，建立电子地图多模式显示分级体系[1-2]。贾奋励根据数据源中每种比例尺数据中居民地情况构建了居民地多尺度模型[3]。赵军喜等提出基于用户应用特征的导航电子要素分级体系[4]。以上研究主要侧重于两个方面：一是根据数据源的比例尺对要素进行分级；二是综合多种用户的应用特征构建单个的分级体系。却都没有针对不同的驾车任务进行特征分析，建立具有针对性的驾车导航POI分级体系。

本文针对不同的驾车任务构建具有针对性的POI分级体系，以服务于驾车导航模式。首先通过对驾车任务进行归纳总结，在定性分析不同驾车任务POI的需求特点后，采用问卷调查与数理统计的方法计算每种导航任务下各POI的需求度权值，最终构建了面向任务的驾车导航POI分级体系。

1 面向驾车的导航任务划分

面向驾车的导航任务划分，其本质是根据影响驾车任务的因素对驾车导航模式进一步细分。不同的驾车任务有着不同的POI需求，而同一POI在不同的驾车任务情况下其重要性也不一样。这对导航电子地图内容的显示、路径规划以及导航服务的个性化有着重要意义。而以前的导航电子地图在POI的表达方面千篇一律，所有的驾车任务下POI的表达都遵从同一个标准，导致用户所需要的POI不明显甚至缺失，不需要的POI却很多，加大了地图的载负量，加重用户的认知负担，无法满足用户需求。面向驾车的导航任务的划分，可以使驾车导航模式细化，有利于导航电子地图自适应表达的实现。

1.1 影响因素分析

影响驾车任务的因素较多，主要包括用户的出行目的、行程距离、车辆类型、外部环境等，如表1所示[5]。但在进行面向驾车的导航任务划分时，考虑到出行目的与行程距离两种因素与POI的关系较紧密，影响到POI重要性程度的划分，即影响了POI分级。因此，本文主要对出行目的与行程距离进行分析。本文从导航过程中POI的需求出发进行面向驾车的导航任务划分，考虑到出行目的与行程距离两种因素与POI的关系较紧密，影响到POI重要性程度的划分，即影响了POI的分级。因此，在进行面向驾车的导航任务划分时，本文主要对出行目的与行程距离两种影响因素进行分析。

表1 影响多驾车任务划分的因素

1.1.1 出行目的

出行目的是指用户驾车出行的目的，是用户制定导航任务的前提与主要依据。不同的出行目的下用户对导航过程中POI的关注程度是不一样的，同一POI对不同的出行目的重要性也不一样。出行目的是影响驾车导航任务划分的最主要因素。

为获取导航用户常用的出行目的信息，本文在信息工程大学、郑州新区航空港区域、天津交通学院三处对驾车导航用户进行了有关出行目的的问卷调查，共发放问卷100份，收回有效问卷87份，得到调查统计结果如表2所示。

通过对问卷进行统计分析，可将出行目的归纳为：日常出行、自驾旅游和物流运输三大类。同时可得出不同出行目的时的POI需求特征：①日常出行时，导航电子地图成生活信息服务的重要入口[6]，各类生活类服务设施，如餐馆、电影院、银行等POI重要性高；②自驾旅游时首要关注的POI是旅游景点，而在景点内部，景区住宿、停车场、餐饮等POI也需要着重考虑；③物流运输时关于道路的各类警示牌、餐饮食宿、收费站、绿色通道等是优先关注的POI。而同一POI在不同的出行目的下其受关注的程度也不一样，如超市、商场等大型购物服务点一般是日常出行的目的地，是用户关注的重点，重要性程度高；在自驾旅游中大型购物服务点虽重要性下降，也常常会被所用户考虑，重要性程度较高；但在物流运输过程中，当用户有购物需求时，一般更偏向于小巧灵活的便利店，而不是大型的购物服务点，此时超市、商场等POI重要性程度低。

表2 导航用户出行目的问卷调查统计表(部分)

1.1.2 行程距离

行程距离是指整个驾车任务完成期间，需行驶的总长度，可根据用户选择的目的地大概确定。行程距离与POI的关系表现为两个方面：一是不同的行程距离下，用户对POI都有着不同的需求，随着行程距离的增长，加油站、汽车修理厂以及餐饮食宿类POI的需求程度也在增长；二是同一POI所处的地理位置不同，重要性也不同，因为不同行程距离范围内POI的分布是不一样的，在城市内部POI一般种类多且分布密集，而郊区POI种类少且分布稀疏。因此，行程距离也是影响导航任务划分的主要因素，它在空间尺度上对导航任务进行了划分，将其分为市内出行和长途出行两类。

市内出行时行程短，且在市区内各类POI的分布均比较密集，车辆与人员的需求都能得到及时满足，此时主要考虑的是城市功能结构以及城市道路的复杂性，标识性建筑、红绿灯、交通指示牌等POI需赋予较高的重要性等级；长途出行时行程距离长、时间长，车辆与人员的需求复杂，对服务区、加油站、维修站点等相关POI的依赖度高，同时高速出入口、收费站等信息也是用户较为关注的，需重点表示。

1.2 驾车导航任务划分

导航任务主要由出行目的和行程距离两大要素共同决定，根据出行目的可将其划分为日常出行、自驾旅游以及物流运输三类；根据行程距离将其划分为市内出行和长途出行。通过出行目的和行程距离两两相互组合，将导航任务最终划分为市内日常出行、长途日常出行、市内自驾旅游、长途自驾旅游、市内物流运输以及长途物流运输六类，如图1所示。导航任务的划分为面向驾车导航任务的POI分级体系的构建奠定了基础。

图1 面向驾车的导航任务划分

2 面向驾车导航任务的POI分级体系构建

以导航任务的划分为基础，构建面向任务的POI分级体系是POI自适应表达的关键，有利于驾车导航模式自适应的实现。与已有的POI分级体系相比，面向任务的POI分级体系有着独有的优点。首先，该分级体系研究的对象是驾车导航时用户可能会关注的POI，而不是所有的POI，这样可以在不影响用户使用的情况下，减小数据量，提高计算效率；其次，分级标准并不是单一的，而是针对六种不同的导航任务分别构建了具有针对性的POI分级体系，以满足用户在不同驾车任务下的需求，有利于提高导航服务个性化。

目前，用户驾车导航过程中关注的POI可分为13大类：汽车服务、餐饮服务、购物服务、生活服务、医疗保健、住宿服务、风景名胜、交通设施、金融保险、公共设施、政府机构、运动休闲服务、科教文化服务[5]，对各大类进行细分可进一步得到POI中类。本文主要是在大类的基础上对75个中类进行POI分级研究。

2.1 研究方案设计

POI分级的实质是对POI的重要性进行分级。本文针对市内日常出行、长途日常出行、市内自驾旅游、长途自驾旅游、市内物流运输、长途物流运输6类驾车任务，根据任务需求对POI进行重要性评估，对评估结果进行分级，从而得到每种导航任务下的POI分级体系。研究主要分为三个部分：定性分析、调查统计分析和试验验证，见图2。

图2 面向任务的驾车导航POI分级体系构建的研究方法

1)定性分析：参照已有的POI分级规范与研究成果，结合日常认知与经验对不同驾车任务下的POI重要性进行评估，得出POI的定性分级。本文主要参照高德地图POI分类分级体系、《GB/T 13923-2006基础地理信息要素分类与编码》[7]。

2)调查统计分析：在定性分析的基础上，通过问卷调查的方法调查用户在日常出行、自驾旅游、物流运输三类出行目的下各POI种类的重要性，并通过焦点小组法进行市内出行与长途出行需重点关注的POI的讨论。对调查结果进行统计分析，计算出不同驾车任务下各POI种类的重要性权值，构建分级模型，得到定量分级的POI分级体系。

3)试验验证：利用得到的POI分级体系绘制样图，运用启发式评价法，观察并记录用户的使用过程与体验，对POI分级体系进行验证与完善。

2.2 可用性调查分析

可用性调查是指通过问卷、交谈或直接观察用户的产品使用过程，来得知用户的需求、交互效率以及对产品的满意程度[8]。常用的调查方法主要有：问卷调查、用户访谈、焦点小组法等[9]。

2.2.1 数据获取

由图1可以看出，百香果果汁添加量对酸奶的品质有明显影响,感官评分随百香果汁添加量的增加呈先升高后降低的趋势。当不添加果汁时，酸奶风味较淡，感官评分为68；当添加量为6%时，酸奶具有百香果独特香味、凝乳好、口感佳，感官评分最高，为84分；当添加量达到8%时，酸奶较粗糙，缺少细腻感，综合品质明显降低。因此，6%的果汁添加量最佳。

数据的获取分为两部分，一是日常出行、自驾旅游、物流运输三类出行目的设计调查问卷供用户进行打分，评分标准分为四个等级：绝对重要(3分)；非常重要(2分)；一般重要(1分)；无影响点(0分)，问卷调查表如图3所示，分别计算在三类出行目的下各POI类的重要性评分算数平均值。二是通过焦点小组法，建立两个焦点小组(每组20人)邀请用户就75类POI中类分别讨论市内出行和长途出行两种行程距离下需关注的POI，统计相关POI出现的频率，并根据词频赋予各POI中类相应的重要性评分，标准为

式中：score表示POI被赋予的重要性评分，f表示在小组讨论中该POI名称出现的词频。统计结果见表3、表4。

出行目的: A.日常出行 B.自驾旅游 C.物流运输请根据行车过程中对地物兴趣点的关注程度,为以下兴趣点打分。打分原则:绝对重要(3);非常重要(2);一般重要(1);无影响(0)要素中类重要性评分中类重要性评分汽车服务加油/气站汽车维修/养护汽车租赁金融保险银行ATM保险证券/财务

图3 不同出行目的下POI重要性问卷调查表(部分)

2.2.2 POI权值确定

目前，确定统计数据权值的方法主要有：专家打分法、灰色评估法、模糊综合评判法、费用效益分析法、基于神经网络的方法和主成分分析法等[10]。本文采用加权平均法确定每种驾车任务下各POI中类的重要性权值，计算简单、解释直观。

把从出行目的和行程距离两个角度调查得到的POI重要性评分按加权平均法处理，得到POI权重值，计算式为

式中：Pi为第i类POI中类权重值；K为归一化因子，用以确保Pi的取值范围为[0,1]，这里取K=0.1；Pi1为考虑出行目的时第i类POI中类的权重值；L1为出行目的影响系数；Pi2为考虑行程距离时第i类POI中类的权重值；L2为行程距离影响系数。L1，L2可根据经验直接赋值，本文选取L1=0.6，L2=0.4。根据式子可计算出某一确定驾车任务下各POI中类的最终权值。对POI权值进行合理性检验后，作为下一步分级处理的数据基础。

表4 长途出行焦点小组讨论结果表

2.3 分级处理与分级体系的建立

数据分级处理的关键是分级数和分级界线的确定[11-12]。一般分级数为4～7级，本文考虑到计算得到的POI权重值数据的分布范围以及导航电子地图认知环境复杂、设备尺寸小的特点，将分级数确定为5级；而分级界线的确定主要采用一定的分级方法来解决，常采用的分级方法有：传统分级法、统计分级法、具有数学规则的最优分级法和最优分割分级法等[13]。本文选用传统分级法中的等差数列分级法构建分级模型，此时产生的分级界线是规则变化的，易于理解。计算式为

式中：Xmax为POI权重值中的最大值；Xmin为最小值；N为选定的分级数，此时N=5；K为公差。

以市内日常出行为例，此时Xmax=0.263 3，Xmin=0.051，计算结果精确到小数点后两位数，分级处理结果如表5所示。

表5 市内日常出行分级模型计算结果表

2.3.2 面向任务的POI分级体系的建立

对POI重要性权值进行分级处理后，可得到对应不同导航任务的POI分级体系。以市内日常出行驾车任务为例，构建相应的POI分级体系如表6所示。按重要性等级从高到低的顺序，分级体系共分为5个等级。其中第一级重要性最高，包括停车场/区、便利店等6种POI，第五级重要性最低，共包括15种。其余各等级包括的POI分别为，第二级13种，第三级22种，第四级19种。

表6 市内日常出行POI分级体系

2.4 试验及分析

为了验证分级结果的正确性，本文选取郑州市地区导航电子地图作为实验数据，在多尺度显示模型的基础上[1，14]，在基于Android的实验平台上进行可视化表示。将样图发放给原调查用户中的部分人员，通过用户访谈的方式对得到的分级体系的可用性进行调查分析。受实验数据的约束，样图只包括市内日常出行、市内自驾旅游、市内物流运输三种驾车任务，而缺少长途日常出行、长途自驾旅游和长途物流运输的试验样图。实现效果如图4所示。

访谈结果表明，利用面向任务的POI分级体系进行地图表达时，在具体的驾车任务下，重要性等级高的POI突出显示，而重要性低的POI需在载负量允许的条件下按权值大小进行选择性表示，当载负量不允许时通常不予显示[15]，这样可以提升地图的层次性与清晰性，减轻用户认知负担，提升用户体验。

3 结束语

面向任务的驾车导航POI分级体系立足于每种驾车任务的应用特征，具有明确的针对性，在保证导航电子地图清晰性与层次性的基础上，提高导航电子地图信息传输效率。

本文立足于导航电子地图自适应表达的需求，针对不同驾车任务对POI的需求，对驾车导航模式进行细分，并通过可用性调查与数理统计的方式，探讨每种导航任务下各POI的重要性权值，由此建立面向任务的驾车导航POI分级体系并进行样图试验。试验结果表明面向任务的驾车导航POI分级体系，对推进导航电子地图个性化有一定参考价值。

[1] 江南，白小双，曹亚妮，等.基础电子地图多尺度显示模型的建立与应用[J].武汉大学学报(信息科学版)，2010，35(7):768-772.

[2] 江南.电子地图多模式显示的研究与实践[D].郑州：信息工程大学，2010:35-40.

[3] 贾奋励.电子地图多尺度表达的研究与实践[D].郑州：信息工程大学，2010:55-70.

[4] 赵军喜，江南，孙庆辉，等.基于用户应用特征的导航电子地图要素分级体系构建[J].测绘通报，2015(9):44-47.

[5] 刘锐.面向多驾车任务的导航系统关键技术研究 [D]．郑州：信息工程大学，2016:15-16，25-40.

[6] 手机地图将成生活信息服务的重要入口：查询周边生活信息的用户已占29.2% [EB/OL].(2013-06-18)[2016-05-28]. http://blog.sina.com.cn/s/blog_5101b9050101mk98.html.

[7] 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会.基础地理信息要素分类与编码:GB/T 13923-2006[S].北京：中国标准出版社，2006.

[8] 周睿.基于可用性的手机交互界面设计研究[D].南京：南京理工大学，2006:9-12.

[9] 张晓楠，江南，曹亚妮，等.基于可用性调查的电子地图多模式符号体系建立[J].测绘通报，2012(2)：26-30.

[10] 胡永宏，贺思辉.综合评价方法[M].北京：科学出版社，2000.

[11] 何宗宜.地图数据处理模型的原理与方法[M].武汉：武汉大学出版社，2004:78-81.

[12] 陈毓芬，江南.地图设计原理[M].北京：解放军出版社，2001:113-116.

[13] 秦宽，贾月玲，杨俊杰.基于感受综合的电子地图多尺度显示技术[J].测绘技术装备，2001，9(1)：20-22.

[14] 王家耀，孙群，王光霞，等.地图学原理与方法[M].北京：科学出版社，2006.

[15] 曾李阳，齐华，谭明建，等.基于天地图的POI数据采集系统设计与实现[J].测绘与空间地理信息，2016,39(3):55-58.

[责任编辑：李铭娜]

Establishing a task-oriented driving navigation POI classification system

FANG Cheng, LIU Rui, CHEN Wanpeng

(School of Geospatial Information, Information Engineering University, Zhengzhou 450001, China)

The establishment of POI classification system is the key to POI self-adaptive expression. This paper summarizes the driving navigation tasks based on the influence elements of driving navigation. Then a POI classification system is established through both quantitative and qualitative surveys as to the different navigation tasks. The questionnaire method, focus group interviews and mathematical statistics are used to establish this POI classification system to fulfill the POI self-adaptive expression’s needs of driving navigation.

driving task; driving navigation; POI classification

著录：方成，刘锐，陈万鹏.面向任务的驾车导航POI分级体系构建的研究[J].测绘工程，2017，26(7)：30-35.

10.19349/j.cnki.issn1006-7949.2017.07.007

2016-06-08

国家自然科学基金资助项目(41271450)

方 成(1993-)，女，硕士研究生.

P208

A

1006-7949(2017)07-0030-06