[发明专利]一种基于证据网络的智能轮椅路径选择偏好识别方法

说明书

本发明提供一种基于证据网络的智能轮椅路径选择偏好识别方法，涉及多源信息融合技术领域。该方法包括：采集现场环境数据并分配基本信度；用户设置自己的偏好得到新的信度；对采集数据进行扩展；对扩展后的数据进行合成；将合成后决策变量所不关心的变量消去，使其成为独立变量；判断是否算出最终变量的信度值；将信度值转为概率值；计算用户对路径的总偏好期望值。本发明提供的一种基于证据网络的智能轮椅路径选择偏好识别方法，主要为在智能轮椅上的用户服务，根据识别用户对路径的偏好，对用户即将面对的路径进行规划，针对每一个智能轮椅设计，自动为用户选择偏好路径，避免像运输货物一样的运输用户。

技术领域

本发明涉及多源信息融合技术领域，具体涉及一种基于证据网络的智能轮椅路径选择偏好识别方法。

背景技术

目前，国内外研究者在失能人群使用智能轮椅时考虑用户的舒适度方面仅有以下几个方面：1、对智能轮椅的控制还停留在路径规划的层面上，将用户如货物一般的运输；2、对用户们的舒适度进行统一建模，考虑通道宽窄和路径可见度等因素对用户的影响；3、利用意图识别的方法来让用户控制智能轮椅。上述技术无法考虑到每一个使用智能轮椅用户的切身感受，且增加了用户的认知工作量。

发明内容

针对现有技术存在的问题，本发明提供一种基于证据网络的智能轮椅路径选择偏好识别方法，主要为在智能轮椅上的用户服务，根据识别用户对路径中障碍物的形状、距离、个数及通道宽度来综合考虑用户的要求，对用户即将面对的路径进行规划，智能识别用户最喜欢的路径。

为了实现上述目的，一种基于证据网络的智能轮椅路径选择偏好识别方法，包括以下步骤：

步骤1：采集环境中用户偏好数据，包括障碍物数量范围、障碍物与用户距离范围、障碍物形状曲率范围和通道宽度范围，分配采集到的每个用户偏好数据的基本信度，令识别框架下的信度和为1；

步骤2：用户通过实验将对采集到的证据信息的偏好重新设置，得到新的信度分配，然后提取出用户偏好信度数据；

步骤3：对采集到的用户偏好数据格式进行扩展，使数据能够在同等格式下进行合成；

步骤4：利用证据理论中的合成规则对扩展后的用户偏好数据进行合成，使之成为一种数据；

步骤5：将在信息融合的过程中已经扩展的变量或合成后的变量，即前期使用过的变量消去，使合成变量成为独立变量存在；

步骤6：判断是否计算出最终变量的信度值，即有没有合成到最后一个变量，若是，则继续执行步骤7，若否，则返回步骤3；

步骤7：将每个识别框架下的信度值转换为该识别框架下的概率值，即转换为决策变量在其每一个识别框架上的概率；

步骤8：由决策变量在其每一个识别框架下的概率乘以该识别框架的变量等级后相加，得到用户对该路径的总偏好期望值，总偏好期望值越大，用户越偏好。

所述步骤3中对采集到的用户偏好数据格式进行扩展的公式如下：

其中，M＝{m₁,m₂…,m_r}为一组用于决策的评价函数，r为评价函数的总个数，s∈[1,2,…,r]，D＝{D₁,D₂,…,D_n}为所有决策变量的集合，n为决策变量的总个数，且n≤r，i∈[1,2,…,n]，j∈[1,2,…,n]，且i≠j，↑为扩展符号，为D_i扩展为D_i∪D_j后包含D_i信息的评价函数，Θ_D为D的识别框架集合，A、C为定义在D上的不同变量笛卡尔积的子集。

所述步骤4中对扩展后的用户偏好数据进行合成的公式如下：