利用顾及数据平衡的随机森林方法构建室内地标显著度评价模型

李华蓉; 梁渝清; 赵一; 赵芹; 王鑫

doi:10.13203/j.whugis20250021

您当前的位置：

首页 >

文章列表页 >

利用顾及数据平衡的随机森林方法构建室内地标显著度评价模型

学术论文 | 更新时间：2026-11-05

- 利用顾及数据平衡的随机森林方法构建室内地标显著度评价模型
- Indoor Landmark Salience Evaluation Model Using Random Forest with Data Balance Consideration
- 武汉大学学报（信息科学版） 2026年51卷第1期页码：158-170
- 作者机构：
  
  1.重庆交通大学智慧城市学院，重庆，400074
  2.重庆市设计院有限公司，重庆，400015
- 作者简介：
  
  李华蓉，博士，副教授，研究方向为室内地图可视表达的研究。990020040625@cqjtu.edu.cn
- 基金信息：
  
  重庆市研究生联合培养基地建设项目(JDLHPYJD2020005);重庆市自然科学基金面上项目(CSTB2023NSCQ-MSX0880;CSTB2022NSCQ-MSX1625)
- DOI：10.13203/j.whugis20250021
  中图分类号： P208
- 收稿：2025-04-20，
  
  纸质出版：2026-01-05
- 稿件说明：
移动端阅览
李华蓉,梁渝清,赵一，等.利用顾及数据平衡的随机森林方法构建室内地标显著度评价模型[J].武汉大学学报（信息科学版）,2026,51(1):158-170.

LI Huarong,LIANG Yuqing,ZHAO Yi,et al.Indoor Landmark Salience Evaluation Model Using Random Forest with Data Balance Consideration[J].Geomatics and Information Science of Wuhan University,2026,51(1):158-170.
李华蓉,梁渝清,赵一，等.利用顾及数据平衡的随机森林方法构建室内地标显著度评价模型[J].武汉大学学报（信息科学版）,2026,51(1):158-170. DOI：10.13203/j.whugis20250021

LI Huarong,LIANG Yuqing,ZHAO Yi,et al.Indoor Landmark Salience Evaluation Model Using Random Forest with Data Balance Consideration[J].Geomatics and Information Science of Wuhan University,2026,51(1):158-170. DOI：10.13203/j.whugis20250021

摘要

针对室内兴趣点（point of interest，POI）显著度评价问题，提出了一种基于数据平衡的随机森林（random forest，RF）模型。鉴于现有模型在处理数据不均衡及模拟显著度与影响指标之间复杂非线性关系方面的局限性，聚焦视觉、语义和结构三大维度，构建了包含34项特征的指标体系。通过合成少数类过采样技术（synthetic minority over-sampling technique，SMOTE）有效缓解数据不平衡和基于重要性权重的特征优化，形成了随机森林评价模型。实验结果表明，该模型在室内POI数据集上展现出卓越的性能，其准确率、精确度、召回率、加权

1分数和曲线下面积分别达到了0.987、0.984、0.987、0.987和0.999；与未进行数据均衡处理的RF模型相比，性能提升了一倍；与其他模型（如支持向量机、遗传规划算法）相比，性能分别提升了15%和5%，且在测试集上也显示出了良好的泛化性能。

Abstract

Objectives

With the continuous expansion of urban complexes

subterranean infrastructures

and multilevel transportation hubs

building interiors have become increasingly three-dimensional and intricate. As a consequence

traditional GPS signals are severely attenuated by floor slabs

rendering them inadequate for reliable indoor positioning. In this context

indoor points of interest (POI) have emerged as pivotal spatial anchors for seamless navigation and location-based services

and the rigorous selection of salient indoor POI has consequently become a prominent research focus.

Methods

To address the challenge of quantifying indoor POI saliency

we propose a data-balance-aware enhanced random forest (RF) framework. The existing approaches suffer from evident shortcomings in class imbalance and in capturing the highly non-linear dependencies between saliency and multi-dimensional predictors. Therefore

a comprehensive indicator set comprising 34 fine-grained features is systematically constructed from three complementary perspectives

including visual saliency

semantic saliency

and spatial saliency. The synthetic minority over-sampling technique (SMOTE) was employed to mitigate class imbalance

and a feature selection scheme driven by importance weighting was subsequently implemented. The final RF model

trained on the rebalanced and optimized feature space

delivers high accuracy and strong generalization for indoor POI saliency evaluation.

Results

Empirical research results show that the proposed model demonstrates outstanding performance on the indoor POI dataset. The accuracy

precision

recall

weighted

1 score

and area under the curve have reached 0.987

0.984

0.987

and 0.999

respectively. Compared with the RF model without data balancing

the performance of the proposed model has been doubled. Compared with other traditional models

such as support vector machine and genetic programming

the performance of the proposed model has been increased by 15% and 5%

respectively. Moreover

the proposed model exhibits good generalization performance on the test set.

Conclusions

We introduce a data-balance-aware RF model

offering a unified framework for indicator selection

imbalanced-sample treatment

and robust model construction in indoor POI saliency assessment

thereby conferring both theoretical and practical impetus to high-precision indoor positioning and intelligent navigation services.

关键词

Keywords

references

杨阳 . 商业建筑空间环境寻路认知机制及设计策略研究［D］. 武汉：华中科技大学， 2020 .

YANG Yang . Research on Indoor and Outdoor Environment Design of Commercial Buildings in Mo‑ dern Hankou ［D］. Wuhan ： Huazhong University of Science and Technology ， 2020 .

胡珺璇 . 近代汉口商业建筑室内外环境设计研究：以江汉路原鸿彰永绸缎店为例［D］. 武汉：华中科技大学， 2021 .

HU Junxuan . Research on Indoor and Outdoor Environment Design of Commercial Buildings in Moder ［D］. Wuhan ： Huazhong University of Science and Technology ， 2021 .

李雯洁，邹涵，胡沐驰，等 . 基于数字交互技术的商业建筑设计研究［J］. 居舍， 2023 （ 36 ）： 96 - 98 .

LI Wenjie ， ZOU Han ， HU Muchi ， et al . Research on Commercial Building Design Based on Digital Interactive Technology ［J］. Ju She ， 2023 （ 36 ）： 96 - 98 .

方志祥，姜宇昕，管昉立 . 融合可视与不可视地标的行人相对定位方法［J］. 武汉大学学报（信息科学版）， 2021 ， 46 （ 5 ）： 601 - 609 .

FANG Zhixiang ， JIANG Yuxin ， GUAN Fangli . Pedestrian Relative Positioning Method Based on Visible and Invisible Landmarks ［J］. Geomatics and Information Science of Wuhan University ， 2021 ， 46 （ 5 ）： 601 - 609 .

应申，庄园，黄丽娜，等 . 性别和认知差异对三维空间寻路结果的影响［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 3 ）： 317 - 324 .

YING Shen ， ZHUANG Yuan ， HUANG Lina ， et al . Impact of Gender， Cognitive Differences in 3D Scenes on Wayfinding ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 3 ）： 317 - 324 .

史富义，贾润泽，陈淑媛，等 . 基于体验式消费的商业空间改造策略研究：以南京新街口中央商场为例［J］. 城市建筑， 2023 ， 20 （ 24 ）： 178 - 180 .

SHI Fuyi ， JIA Runze ， CHEN Shuyuan ， et al . Research on the Reconstruction Strategy of Commercial Space Based on Experiential Consumption： A Case of Nanjing Xinjiekou Central Shopping Mall ［J］. Urbanism and Architecture ， 2023 ， 20 （ 24 ）： 178 - 180 .

KIM K ， LEE K . Handling Points of Interest （POIs） on a Mobile Web Map Service Linked to Indoor Geospatial Objects： A Case Study ［J］. ISPRS International Journal of Geo-Information ， 2018 ， 7 （ 6 ）： 216 .

DONG W H ， QIN T ， LIAO H ， et al . Comparing the Roles of Landmark Visual Salience and Semantic Salience in Visual Guidance During Indoor Wayfinding ［J］. Cartography and Geographic Information Scien‑ce ， 2020 ， 47 （ 3 ）： 229 - 243 .

李佳田，吴华静，高鹏，等 . 一种复合Voronoi几何特征的地标提取新方法［J］. 武汉大学学报（信息科学版）， 2020 ， 45 （ 9 ）： 1448 - 1454 .

LI Jiatian ， WU Huajing ， GAO Peng ， et al . Landmark Extraction via Composite Features of Voronoi Diagram ［J］. Geomatics and Information Science of Wuhan University ， 2020 ， 45 （ 9 ）： 1448 - 1454 .

RAUBAL M ， WINTER S . Enriching Wayfinding Instructions with Local Landmarks ［C］// International Conference on Geographic Information Science ， Boulder， Colorado， USA， 2002 .

OHM C ， MÜLLER M ， LUDWIG B . Displaying Landmarks and the User’s Surroundings in Indoor Pedestrian Navigation Systems ［J］. Journal of Ambient Intelligence and Smart Environments ， 2015 ， 7 （ 5 ）： 635 - 657 .

朱海红，温雅，毛凯，等 . 室内地标提取的POI显著度定量评价模型［J］. 武汉大学学报（信息科学版）， 2018 ， 43 （ 3 ）： 336 - 341 .

ZHU Haihong ， WEN Ya ， MAO Kai ， et al . A Quantitative POI Salience Model for Indoor Landmark Extraction ［J］. Geomatics and Information Science of Wuhan University ， 2018 ， 43 （ 3 ）： 336 - 341 .

SORROWS M E ， HIRTLE S C . The Nature of Landmarks for Real and Electronic Spaces ［C］// International Conference on Spatial Information Theory ， Stade， Germany ， 1999 .

CADUFF D ， TIMPF S . On the Assessment of Landmark Salience for Human Navigation ［J］. Cognitive Processing ， 2008 ， 9 （ 4 ）： 249 - 267 .

RöSER F ， KRUMNACK A ， HAMBURGER K ， et al . A Four Factor Model of Landmark Salience： A Newpproach ［C］// The 11th International Conference on Cognitive Modeling ， Berlin， Germany ， 2012 .

LYU H ， YU Z H ， MENG L Q . A Computational Method for Indoor Landmark Extraction ［M］// Krisp J M. Progress in Location-Based Services . Cham ： Springer International Publishing ， 2014 .

KLIPPEL A ， WINTER S . Structural Salience of Landmarks for Route Directions ［C］// International Conference on Spatial Information Theory ， Ellicottville， NY， USA， 2005 .

DUCKHAM M ， WINTER S ， ROBINSON M . Including Landmarks in Routing Instructions ［J］. Journal of Location Based Services ， 2010 ， 4 （ 1 ）： 28 - 52 .

GÖTZE J ， BOYE J . Learning Landmark Salience Models from Users’ Route Instructions ［J］. Journal of Location Based Services ， 2016 ， 10 （ 1 ）： 47 - 63 .

LI L ， MAO K ， LI G Z ， et al . A Landmark-Based Cognition Strength Grid Model for Indoor Guidance ［J］. Survey Review ， 2018 ， 50 （ 361 ）： 336 - 346 .

ZHU L T ， ŠVEDOVÁ H ， SHEN J ， et al . An Instance-Based Scoring System for Indoor Landmark Salience Evaluation ［J］. Geografie ， 2019 ， 124 （ 2 ）： 103 - 131 .

朱利涛，沈婕，王兴，等 . 基于用户生成内容的大型商场情感地标提取方法［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 9 ）： 1693 - 1701 .

ZHU Litao ， SHEN Jie ， WANG Xing ， et al . An Extraction Method of Emotional Landmarks in Large Malls Based on User-Generated Content ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 9 ）： 1693 - 1701 .

张钊，杜萍，刘涛，等 . 地震情境下室内应急疏散指示地标提取［J］. 测绘科学， 2024 ， 49 （ 3 ）： 174 - 184 .

ZHANG Zhao ， DU Ping ， LIU Tao ， et al . A Landmark Extraction Method for Indoor Emergency Evacuation Under Earthquake Scenarios ［J］. Science of Surveying and Mapping ， 2024 ， 49 （ 3 ）： 174 - 184 .

LI H R ， CHEN T ， ZHAO Y ， et al . Research on Indoor POI Salience Evaluation Model Based on Machine Learning ［J］. Survey Review ， 2025 ， 57 （ 403 ）： 330 - 342 .

HU X K ， DING L ， SHANG J G ， et al . Data-Driven Approach to Learning Salience Models of Indoor Landmarks by Using Genetic Programming ［J］. International Journal of Digital Earth ， 2020 ， 13 （ 11 ）： 1230 - 1257 .

ZHOU Z Y ， WEIBEL R ， HUANG H S . Familiarity-Dependent Computational Modelling of Indoor Landmark Selection for Route Communication： A Ranking Approach ［J］. International Journal of Geographical Information Science ， 2022 ， 36 （ 3 ）： 514 - 546 .

DUBEY R K ， SOHN S S ， THRASH T ， et al . Identifying Indoor Navigation Landmarks Using a Hierarchical Multi-Criteria Decision Framework ［C］// The 12th ACM SIGGRAPH Conference on Motion，Interaction and Games ， Newcastle，UK ， 2019 .

巩玥 . 基于随机森林的城市地标提取［D］. 武汉：武汉大学， 2020 .

GONG Yue . Research on Urban Landmarks Extraction Based on Random Forests Classifier ［D］. Wuhan ： Wuhan University ， 2020 .

李华蓉，郑嘉欣，李天童 . 室内POI显著度评价的Fisher判别法模型［J］. 测绘学报， 2023 ， 52 （ 4 ）： 679 - 688 .

LI Huarong ， ZHENG Jiaxin ， LI Tiantong . An Indoor Fisher Discriminant Model for Indoor POI Salience Evaluation ［J］. Acta Geodaetica et Cartographica Sinica ， 2023 ， 52 （ 4 ）： 679 - 688 .

陈杰，戴欣宜，周兴，等 . 双LSTM驱动的高分遥感影像地物目标空间关系语义描述［J］. 遥感学报， 2021 ， 25 （ 5 ）： 1085 - 1094 .

CHEN Jie ， DAI Xinyi ， ZHOU Xing ， et al . Semantic Understanding of Geo-Objects' Relationship in High Resolution Remote Sensing Image Driven by Dual LSTM ［J］. National Remote Sensing Bulletin ， 2021 ， 25 （ 5 ）： 1085 - 1094 .

NOTHEGGER C ， WINTER S ， RAUBAL M . Selection of Salient Features ［J］. Spatial Cognition & Computation ， 2004 ， 4 （ 2 ）： 113 - 136 .

毛凯 . 面向室内外寻路的地标认知强度网格模型研究［D］. 武汉：武汉大学， 2017 .

MAO Kai . Research on Landmark Cognitive Intensity Grid Model for Indoor and Outdoor Pathfinding ［D］. Wuhan ： Wuhan University ， 2017 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

海洋目标辐射基准传递不确定度研究进展

大众智能终端GNSS有意干扰检测技术研究现状与展望

城市建成环境活动流时空建模分析与预测研究进展

构造大地测量学研究进展与机遇挑战

复杂空间机器人自主测绘的现状与挑战