[发明专利]一种基于SVL的视障人群乘车导航辅助方法及系统

权利要求书

1.一种基于SVL的视障人群乘车导航辅助方法，其特征在于，包括以下步骤：

S1：采集车辆车门上定位点与用户所处位置的信号强度数据并建立信号强度数据库，信号强度数据包括训练数据和特征数据；

S2：构建SVL实时定位模型，将训练数据输入到SVL实时定位模型中进行训练，根据设定的指标定量评价条件，确定最优模型；将特征数据输入到最优模型中，识别车门定位点与用户的实时距离；

S3：基于车门上的定位点建立车辆的空间位置坐标系并获取定位点坐标，以车门上定位点为球心，以车门定位点与用户的实时距离为半径构造球面，取相邻两球面的交线，根据任意两交线的交点确定用户所处位置的坐标；

S4：构建MPLG路径规划辅助指引模型，依次输入车门位置定位点坐标和用户位置坐标；设定实际路径代价与用户能够接受代价，将实际路径代价与用户能够接受代价之和作为约束条件进行计算，获取最优路线。

2.根据权利要求1所述的一种基于SVL的视障人群乘车导航辅助方法，其特征在于，所述步骤S1包括以下步骤：

所述训练数据的采集包括以下步骤：

在车门上安装beacon信号模块，beacon信号模块作为发射端，用户手机端作为接收端，在beacon信号区域内任选采样点，采集信号强度训练数据，同时测量并记录信号强度值对应的实时距离；

所述特征数据的采集包括以下步骤：

在车门位置设置若干组beacon信号模块作为定位点，分别采集多个定位点与用户手机端之间的信号强度数据，作为识别车门定位点与用户实时距离的待测数据。

3.根据权利要求1所述的一种基于SVL的视障人群乘车导航辅助方法，其特征在于，所述步骤S1包括通过Matlab软件构建KGM数据处理模型对训练数据和特征数据进行预处理：

S1.1：将数据库中采集的信号强度数据的前10％和后10％的数据去除，剩下的信号值进行滤波预处理；

S1.2：采用线性卡尔曼滤波对剩余数据进行优化更新，再用高斯滤波算法消除异常的数据，作平滑处理，剩下数据数量记为m；

S1.3：将上述m个数据按照顺序排序为q₁，q₂，...，q_m，计算得出该组数据的算术均值和中值，分别记为a和b；

S1.4：将所有信号强度值分别与a和b的偏差平方均值作为各自的门限值，若每个信号强度值的偏差平方小于门限值，则用门限值来决定权值；否则，采用偏差平方值决定权值；

其中，均值滤波权值ω_a和中值滤波权值ω_b计算公式定义为：

其中，

S1.5：每个信号强度值与加权权重相乘，即为完成预处理的信号值，定义为：

其中，q_PKGM为校正后的信号强度值，每个信号值的加权权重为ω_i＝α×ω_a+β×ω_b，且满足α+β＝1。

4.根据权利要求1所述的一种基于SVL的视障人群乘车导航辅助方法，其特征在于，所述步骤S2包括以下步骤：

S2.1：解析训练数据，判别该数据的初始特征；

S2.2：构建SVL实时定位模型，将训练数据导入到SVL实时定位模型中，用于模型训练，设置预测变量为信号强度，响应变量为真实距离，设置10折交叉验证方式进行距离识别训练；

S2.3：根据RMSE、MSE和MAE三类指标评价模型训练效果，确定最优模型；

S2.4：将特征数据输入最优模型进行距离识别，通过迭代优化，输出各定位点与用户的实时距离。

5.根据权利要求4所述的一种基于SVL的视障人群乘车导航辅助方法，其特征在于，所述步骤S1中，采集特征数据时，车门上设置有3组beacon信号模块，分别为beaconA信号模块、beaconB信号模块和beaconC信号模块。