Construction and Representation of a Direction-Distance Model for WeMap Assisted Wayfinding

WANG Xiaolong; YAN Haowen; LI Jingzhong; XIE Yaowen; WANG Zhuo; MA Wenjun; YANG Qili

doi:10.13203/j.whugis20240072

您当前的位置：

首页 >

文章列表页 >

Construction and Representation of a Direction-Distance Model for WeMap Assisted Wayfinding

Cartography and GIS | 更新时间：2026-11-05

- Construction and Representation of a Direction-Distance Model for WeMap Assisted Wayfinding
- Geomatics and Information Science of Wuhan University Vol. 51, Issue 2, Pages: 380-390(2026)
- 作者机构：
  
  1.兰州大学资源环境学院，甘肃兰州，730000
  2.西部环境教育部重点实验室，甘肃兰州，730000
  3.兰州交通大学测绘与地理信息学院，甘肃兰州，730070
  4.地理国情监测技术应用国家地方联合工程研究中心，甘肃兰州，730070
  5.甘肃省测绘科学与技术重点实验室，甘肃兰州，730070
  6.武汉大学资源与环境科学学院，湖北武汉，430079
- 作者简介：
- 基金信息：
- DOI：10.13203/j.whugis20240072
  CLC： P208
- Received：08 June 2024，
  
  Published：05 February 2026
- 稿件说明：
移动端阅览
王小龙,闫浩文,李精忠，等.微地图辅助寻路的方向-距离模型构建与表达[J].武汉大学学报（信息科学版）,2026,51(2):380-390.

WANG Xiaolong,YAN Haowen,LI Jingzhong,et al.Construction and Representation of a Direction-Distance Model for WeMap Assisted Wayfinding[J].Geomatics and Information Science of Wuhan University,2026,51(2):380-390.
王小龙,闫浩文,李精忠，等.微地图辅助寻路的方向-距离模型构建与表达[J].武汉大学学报（信息科学版）,2026,51(2):380-390. DOI：10.13203/j.whugis20240072

WANG Xiaolong,YAN Haowen,LI Jingzhong,et al.Construction and Representation of a Direction-Distance Model for WeMap Assisted Wayfinding[J].Geomatics and Information Science of Wuhan University,2026,51(2):380-390. DOI：10.13203/j.whugis20240072

摘要

针对现有微地图辅助用户寻路的算法或模型未充分考虑辅助寻路的方向、距离等其他要素，致使在寻路过程中缺失关键信息的问题，构建了一种方向-距离模型（direction-distance model

DDM）来解决微地图辅助寻路时无法满足微地图特点（微内容）的问题。首先，描述了辅助寻路过程中符合微内容特点的表达要素：方向和距离，在微地图中给出了符合微内容特点的表现形式；然后，针对路径数据的构成要素，通过构造方位角计算函数实现对路径数据的定量描述与建模，再依托八方向锥形模型对量化结果进行定性描述；最后，设计路径距离的计算方法，结合欧氏距离分别定义路段和节段的长度计算函数，并基于求和函数算出路径的总距离。结果表明，相比于现存的方向关系计算模型，DDM能够有效避免计算冗余；相比于最短路径和基于地标权重的计算模型，DDM能定量和定性描述空间方向关系，还能在用户寻路的动态过程中提供缺失的方向和距离信息。

Abstract

Objectives

Digital media and sensing technologies have created new ways to present maps. WeMaps have grown quickly because they are easy to make and easy to share. They use microcontent and offer only what most users need. Many people now rely on them in indoor and outdoor settings. Yet the support for wayfinding remains weak. Direction cues are often vague and distance cues are often absent. Users with a weak sense of direction struggle even more. Existing landmark or shortest-path methods offer limited help. They focus on path choice or landmark weights and ignore key spatial relations. Some of them return the shortest route but give no idea of how to move along it. Others highlight landmarks but fail to guide users between them. Traditional direction models add long lists of direction types. These details are too complex for fast decisions. They also break the "just enough and no extra" idea behind microcontent. A direction‐distance model (DDM) is introduced to fill this gap and to give clear

compact

and non-redundant guidance. The goal is to supply essential spatial cues without adding noise. The design also considers indoor scenarios such as large stations

malls

and parking garages

where common mobile map apps often fail to give accurate or readable direction hints. The model aims to support these cases as well.

Methods

The core features of WeMaps are examined to find what matters most during wayfinding. Direction and distance emerge as the essential elements. They also show clear advantages over landmark-based cues. Both features can be presented with a small amount of information yet still guide users through complex spaces. Reasons for the failure of classic direction models are analyzed that many existing models add direction types that users do not need. Such extra information slows decision-making. Some methods also rebuild the direction model every time the user moves. This adds delay and causes outdated cues. The DDM is built in two parts. First

path azimuths are calculated to give simple numeric direction values. These values are then grouped with an eight‑direction cone model. The grouping reduces noise and keeps the output short. The same rule applies to long routes

curved routes

and routes with multiple turns. Paths with and without shape points are handled separately to avoid errors caused by dense geometry. Second

distance is computed with Euclidean metrics. Segment functions and road-section functions are defined and summed to give total distance. Both local and global distance cues are tested. The output includes step‑level distances and overall route length. Experiments use road‑network data from different map types and several indoor layouts are added to test short segments and complex turn sequences. Each dataset produces direction output

distance output

and combined descriptions. The results are compared with current direction and distance models

including shortest‑path methods and landmark‑weight methods. The comparison focuses on time cost

clarity

and redundancy.

Results

The DDM removes repeated modeling steps that many direction models require. It reduces time cost and supports fast guidance during wayfinding. The improvement is clear on paths with many turns. Direction relations are expressed in both numeric and verbal form with little noise. The output stays short even for long or irregular paths. The model also adds missing direction and distance cues that WeMaps often lack. Users with weak direction sense can gain clearer support. The combined direction‑distance output gives a more natural description for real users. It shows the next turn

the direction of movement

and the approximate distance. It avoids long lists of direction types and landmark overload. Compared with existing spatial direction models

DDM keeps stable performance when the geometry changes. Compared with distance‑only models

DDM preserves the sense of movement that users need to maintain orientation. The model also avoids lag from repeated reconstruction

which helps in dynamic settings.

Conclusions

The DDM fits the microcontent nature of WeMaps and adds key information for wayfinding. It overcomes the limits of landmark‑based and traditional direction or distance methods. The output avoids extra details and supports quick decisions. It offers simple direction steps and clear distance cues in one compact form. Some direction descriptions for curved paths remain complex. Further work will simplify these descriptions and improve how users read and remember them. Work will also explore adaptive rules that adjust the amount of information based on the user's directional sense and the layout of the space.

关键词

Keywords

references

王家耀 . 地图科学技术：由数字化到智能化［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 12 ）： 1963 - 1977 .

WANG Jiayao . Cartography： From Digital to Intelligent ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 12 ）： 1963 - 1977 .

郭仁忠，陈业滨，赵志刚，等 . ICT时代地图的科学概念及表达框架［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 12 ）： 1978 - 1987 .

GUO Renzhong ， CHEN Yebin ， ZHAO Zhigang ， et al . Scientific Concept and Representation Framework of Maps in the ICT Era ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 12 ）： 1978 - 1987 .

于峰一泽，汤国安，陆鼎阳，等 . 语言学视角下的地图演化［J］. 地理学报， 2024 ， 79 （ 1 ）： 171 - 186 .

YU Fengyize ， TANG Guoan ， LU Dingyang ， et al . Evolution of Maps from a Linguistic Perspective ［J］. Acta Geographica Sinica ， 2024 ， 79 （ 1 ）： 171 - 186 .

闫浩文，张黎明，杜萍，等 . 自媒体时代的地图：微地图［J］. 测绘科学技术学报， 2016 ， 33 （ 5 ）： 520 - 523 .

YAN Haowen ， ZHANG Liming ， DU Ping ， et al . WeMap： A New Type of Map in the Era of We Media ［J］. Journal of Geomatics Science and Technology ， 2016 ， 33 （ 5 ）： 520 - 523 .

WANG X L ， YAN H W ， WANG Z ， et al . WeMap‐Based Direction Model for Individuals with Limited Spatial Orientation Skills ［J］. Transactions in GIS ， 2024 ， 28 （ 2 ）： 111 - 129 .

郭仁忠，陈业滨，应申，等 . 三元空间下的泛地图可视化维度［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 11 ）： 1603 - 1610 .

GUO Renzhong ， CHEN Yebin ， YING Shen ， et al . Geographic Visualization of Pan‑Map with the Context of Ternary Spaces ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 11 ）： 1603 - 1610 .

王杭宇，闫浩文，马磊，等 . 微地图环境下的手绘地图线要素综合方法［J］. 测绘科学， 2019 ， 44 （ 10 ）： 117 - 121 .

WANG Hangyu ， YAN Haowen ， MA Lei ， et al . Generalization Method of Hand‑Drawn Map Line Elements in WeMap Environment ［J］. Science of Surveying and Mapping ， 2019 ， 44 （ 10 ）： 117 - 121 .

李馨涵，王中辉 . 基于空间相似性的微地图道路网质量评价方法［J］. 地球信息科学学报， 2024 ， 26 （ 1 ）： 212 - 224 .

LI Xinhan ， WANG Zhonghui . Quality Evaluation Method of WeMap Road Network Based on Spatial Similarity ［J］. Journal of Geo‑Information Science ， 2024 ， 26 （ 1 ）： 212 - 224 .

白娅兰，闫浩文，禄小敏，等 . 微地图符号的视觉变量及其应用［J］. 测绘科学， 2021 ， 46 （ 7 ）： 182 - 188 .

BAI Yalan ， YAN Haowen ， LU Xiaomin ， et al . Visual Variables of WeMaps Symbols and Their Applications ［J］. Science of Surveying and Mapping ， 2021 ， 46 （ 7 ）： 182 - 188 .

闫晓婧，闫浩文，王小龙，等 . 微地图符号的智能化匹配： “识图配符” ［J］. 测绘科学， 2022 ， 47 （ 10 ）： 205 - 212 .

YAN Xiaojing ， YAN Haowen ， WANG Xiaolong ， et al . An Intelligent Symbol Matching Solution for WeMaps Through Image Recognition ［J］. Science of Surveying and Mapping ， 2022 ， 47 （ 10 ）： 205 - 212 .

张剑，闫浩文，王卓，等 . 传播力约束下的微地图用户关联规则挖掘算法［J］. 测绘科学， 2022 ， 47 （ 1 ）： 227 - 235 .

ZHANG Jian ， YAN Haowen ， WANG Zhuo ， et al . Mining Algorithm of WeMap Users Association Rule Under the Constraint of Communication Capacity ［J］. Science of Surveying and Mapping ， 2022 ， 47 （ 1 ）： 227 - 235 .

MA W J ， YAN H W ， LI J Z ， et al . A Cold‑Start Recommendation Method for WeMap Considering Co‑Occurrence Collaborative Signals and Contrastive Learning ［J］. Journal of Spatial Science ， 2024 ， 69 （ 3 ）： 897 - 916 .

牛雪磊，杨军，闫浩文 . 顾及微地图推荐因子的深度信念网络［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 7 ）： 1415 - 1424 .

NIU Xuelei ， YANG Jun ， YAN Haowen . Deep Belief Networks Considering WeMaps' Recommendation Factors ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 7 ）： 1415 - 1424 .

王海鹰，闫浩文，梁晓鹤 . 经典范畴认知下地图的局限性［J］. 海洋测绘， 2023 ， 43 （ 1 ）： 78 - 82 .

WANG Haiying ， YAN Haowen ， LIANG Xiaohe . The Limitations of Maps in the Cognition of Classical Categorization ［J］. Hydrographic Surveying and Charting ， 2023 ， 43 （ 1 ）： 78 - 82 .

王海鹰，闫浩文，田江鹏，等 . 后现代哲学视野下的微地图［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 12 ）： 2026 - 2037 .

WANG Haiying ， YAN Haowen ， TIAN Jiangpeng ， et al . WeMaps in the Perspective of the Post‐Modernist Philosophy ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 12 ）： 2026 - 2037 .

何阳，闫浩文，王卓，等 . 面向微地图的地标提取方法及个性化寻路应用［J］. 地球信息科学学报， 2022 ， 24 （ 5 ）： 827 - 836 .

HE Yang ， YAN Haowen ， WANG Zhuo ， et al . Landmark Extraction Method and Personalized Wayfinding Application for WeMap ［J］. Journal of Geo‑Information Science ， 2022 ， 24 （ 5 ）： 827 - 836 .

WANG X L ， YAN H W ， GAO S ， et al . WeMap Orientation Method Suitable for General Public with Weak Sense of Orientation ［C］// Spatial Data and Intelligence ， Wuhan， China ， 2022 .

PEUQUET D J ， ZHAN C X . An Algorithm to Determine the Directional Relationship Between Arbitrarily‐Shaped Polygons in the Plane ［J］. Pattern Recognition ， 1987 ， 20 （ 1 ）： 65 - 74 .

SHEKHAR S ， LIU X . Direction as a Spatial Object： A Summary of Results ［C］// The 6th International Symposium on Advances in Geographic Information Systems ， Washington， USA ， 1998 .

HARRIE L ， TOUYA G ， OUCHEIKH R ， et al . Machine Learning in Cartography ［J］. Cartography and Geographic Information Science ， 2024 ， 51 （ 1 ）： 1 - 19 .

郭庆胜，郑春燕 . 锥形空间方向关系模型的改进［J］. 武汉大学学报（信息科学版）， 2007 ， 32 （ 1 ）： 81 - 84 .

GUO Qingsheng ， ZHENG Chunyan . Improvement of Cone‑Shaped Spatial Direction‑Relation Model ［J］. Geomatics and Information Science of Wuhan University ， 2007 ， 32 （ 1 ）： 81 - 84 .

王中辉，闫浩文 . 一种改进的锥形方向关系模型［J］. 武汉大学学报（信息科学版）， 2014 ， 39 （ 2 ）： 186 - 190 .

WANG Zhonghui ， YAN Haowen . An Improved Cone‑Based Model for Describing Spatial Direction Relations ［J］. Geomatics and Information Science of Wuhan University ， 2014 ， 39 （ 2 ）： 186 - 190 .

唐雪华，秦昆，孟令奎 . 基于拓扑参考的定性方向关系矩阵描述模型［J］. 测绘学报， 2014 ， 43 （ 4 ）： 396 - 403 .

TANG Xuehua ， QIN Kun ， MENG Lingkui . A Qualitative Matrix Model of Direction‑Relation Based on Topological Reference ［J］. Acta Geodaetica et Cartographica Sinica ， 2014 ， 43 （ 4 ）： 396 - 403 .

YAN H ， WANG Z ， LI J . An Approach to Computing Direction Relations Between Separated Object Groups ［J］. Geoscientific Model Development ， 2013 ， 6 （ 5 ）： 1591 - 1599 .

YAN H W ， CHU Y D ， LI Z L ， et al . A Quantitative Description Model for Direction Relations Based on Direction Groups ［J］. GeoInformatica ， 2006 ， 10 （ 2 ）： 177 - 196 .

王中辉，闫浩文 . 基于方向Voronoi图模型的群组目标空间方向关系计算［J］. 武汉大学学报（信息科学版）， 2013 ， 38 （ 5 ）： 584 - 588 .

WANG Zhonghui ， YAN Haowen . Computation of Direction Relations Between Object Groups Based on Direction Voronoi Diagram Model ［J］. Geomatics and Information Science of Wuhan University ， 2013 ， 38 （ 5 ）： 584 - 588 .

禄小敏，闫浩文，王中辉 . 群组目标空间方向关系建模［J］. 地球信息科学学报， 2018 ， 20 （ 6 ）： 721 - 729 .

LU Xiaomin ， YAN Haowen ， WANG Zhonghui . The Modeling of Spatial Direction Relationship Between Object Groups ［J］. Journal of Geo‐Information Science ， 2018 ， 20 （ 6 ）： 721 - 729 .

陈占龙，吴亮，谢忠，等 . 利用约束满足问题进行多洞面实体相似性度量［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 5 ）： 745 - 751 .

CHEN Zhanlong ， WU Liang ， XIE Zhong ， et al . Similarity Measurement of Multi‑holed Regions Using Constraint Satisfaction Problem ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 5 ）： 745 - 751 .

张丁文，陈占龙，谢忠 . 矩形方向约束的邻域空间推理［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 8 ）： 1185 - 1192 .

ZHANG Dingwen ， CHEN Zhanlong ， XIE Zhong . Neighborhood Reasoning of Rectangular Direction Constraints ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 8 ）： 1185 - 1192 .

贾兴利，郭旭亮，杨宏志，等 . 采用交通-灾害双层模型的公路网有效路径集构建方法［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 8 ）： 1275 - 1286 .

JIA Xingli ， GUO Xuliang ， YANG Hongzhi ， et al . Construction Method of Effective Path Set of Highway Network Based on Transportation‑Disaster Double‐Layer Model ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 8 ）： 1275 - 1286 .

王维才，艾廷华，晏雄锋，等 . 多约束条件下的正六边形格网室内路径规划［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 1 ）： 111 - 118 .

WANG Weicai ， AI Tinghua ， YAN Xiongfeng ， et al . Indoor Route Planning Under Regular Hexagonal Grid Considering Multi‑constraints ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 1 ）： 111 - 118 .

NUHN E ， TIMPF S . Landmark Weights： An Alternative to Spatial Distances in Shortest Route Algorithms ［J］. Spatial Cognition & Computation ， 2023 ， 23 （ 3 ）： 206 - 232 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

WeMaps in the Perspective of the Post-Modernist Philosophy

Research Progress in Spatiotemporal Modeling， Analysis， and Prediction of Urban Activity Flows in Built Environment

Three-State Fusion Support Problem of Marine Geographic Information for Ship Navigation

Tectonic Geodesy： Research Advancements， Opportunities， and Challenges

Development and Prospects of Spaceborne Greenhouse Gas LiDAR Technology

Related Author

WANG Haiying

YAN Haowen

TIAN Jiangpeng

LIANG Xiaohe

Related Institution

Lanzhou Research Institute of Surveying and Mapping

National⁃Local Joint Engineering Research Center of Technologies and Applications for National Geographic State

Gansu Provincial Engineering Laboratory for National Geographic State Monitoring

Institute of Geographical Spatial Information, Information Engineering University

AI问答

⁰