[發明專利]一種基于證據網絡的智能輪椅路徑選擇偏好識別方法

有效

• 申請號: 201810182334.3
• 申請日: 2018-03-06
• 公開（公告）號: CN108399473B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 李勇;孫振羽;孫柏青;胡艷莉;楊俊友
• 申請（專利權）人: 沈陽工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 朱光林

1.一種基于證據網絡的智能輪椅路徑選擇偏好識別方法，其特征在于，包括以下步驟：

步驟1：采集環境中用戶偏好數據，包括障礙物數量范圍、障礙物與用戶距離范圍、障礙物形狀曲率范圍和通道寬度范圍，分配采集到的每個用戶偏好數據的基本信度，令識別框架下的信度和為1；

步驟2：用戶通過實驗將對采集到的證據信息的偏好重新設置，得到新的信度分配，然后提取出用戶偏好信度數據；

所述實驗表述為：針對障礙物數量OQ、障礙物形狀OS、輪椅通過障礙物的距離OD、輪椅行駛通道寬度CW四個路徑特征，設置四組實驗，在每組實驗中令一個路徑特征以一定步長和范圍變化，實驗者坐在輪椅上，輪椅按預設的路徑行進，并確定實驗者對單一路徑特征的偏好數據；

步驟3：對采集到的用戶偏好數據格式基于動態二值聯合樹的拓撲結構進行擴展，使數據能夠在同等格式下進行合成，所述動態二值聯合樹的拓撲結構的建立過程表述為：針對四個路徑特征設計特定融合關系，根據所述特定融合關系設計動態二值聯合樹的拓撲結構，所述特定融合關系為：首先將障礙物數量OQ、障礙物形狀OS、輪椅通過障礙物的距離OD進行融合，融合之后再與椅行駛通道寬度CW進行進一步融合；

步驟4：利用證據理論中的合成規則對擴展后的用戶偏好數據進行合成，使之成為一種數據；

步驟5：將在信息融合的過程中已經擴展的變量或合成后的變量，即前期使用過的變量消去，使合成變量成為獨立節點存在；

步驟6：判斷是否計算出最終節點的信度值，即有沒有合成到最后一個節點，若是，則繼續執行步驟7，若否，則返回步驟3；

步驟7：將每個識別框架下的信度值轉換為該識別框架下的概率值，即轉換為決策變量在其每一個識別框架上的概率；

步驟8：由決策變量在其每一個識別框架下的概率乘以該識別框架的變量等級后相加，得到用戶對該路徑的總偏好期望值，總偏好期望值越大，用戶越偏好。

2.根據權利要求1所述的基于證據網絡的智能輪椅路徑選擇偏好識別方法，其特征在于，所述步驟3中對采集到的用戶偏好數據格式進行擴展的公式如下：

其中，M＝{m₁,m₂…,m_r}為一組用于決策的評價函數，r為評價函數的總個數，s∈[1,2,…,r]，D＝{D₁,D₂,…,D_n}為所有決策變量的集合，n為決策變量的總個數，且n≤r，i∈[1,2,…,n]，j∈[1,2,…,n]，且i≠j，↑為擴展符號，為D_i擴展為D_i∪D_j后包含D_i信息的評價函數，Θ_D為D的識別框架集合，A、C為定義在D上的不同變量笛卡爾積的子集。

3.根據權利要求1所述的基于證據網絡的智能輪椅路徑選擇偏好識別方法，其特征在于，所述步驟4中對擴展后的用戶偏好數據進行合成的公式如下：

其中，為合成符號，M＝{m₁,m₂…,m_r}為一組用于決策的評價函數，r為評價函數的總個數，s∈[1,2,…,r]，t∈[1,2,…,r]，且s≠t，D＝{D₁,D₂,…,D_n}為所有決策變量的集合，n為決策變量的總個數，且n≤r，m_s^D為變量集d(m_s)，且其中s＝i，m_t^D為變量集d(m_t)，且其中t＝j，V為所有變量的集合，數據合成后D_i＝D_j＝D，A、B、C為D上的不同變量笛卡爾積的子集，為沖突因子，φ為空集。