CN105043379B - 一种基于时空约束的景区浏览路径规划方法、装置 - Google Patents

Abstract

本发明公开了一种基于时空约束的景区浏览路径规划方法、装置，其中，该方法包括：根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型；获取景区浏览所关联的时空约束条件，并对景区浏览所关联的时空约束条件进行量化；构造包括以浏览行为模型和时空约束条件作为总约束条件的目标函数，并根据该目标函数对景区浏览路径进行规划。本发明提供的景区浏览路径规划方法，考虑了人群浏览行为特征和景区时空约束条件两方面因素，将其作为总的约束条件，进而构建目标函数，与用户的实际需求相结合，能够较好的规划路径，引导用户采取最优的路径进行游览，解决了现有技术的问题。

Description

一种基于时空约束的景区浏览路径规划方法、装置

技术领域

本发明涉及通讯领域，特别是涉及一种基于时空约束的景区浏览路径规划方法、装置及移动终端。

背景技术

路径规划技术在很多领域都具有广泛的应用。在高新科技领域的应用包括机器人的自主无碰行动、无人机的避障突防飞行、巡航导弹的躲避雷达搜索、网络节点的路由选择，以及无线自组网内的节点通信等；在日常生活领域的应用包括交通出行导航、基于位置信息的道路规划，以及城市道路网规划导航等。可以说，凡是可拓扑为点线网络的规划问题基本上都可以采用路径规划的方法予以解决。

根据对环境信息的获知程度，可把路径规划划分为基于先验完全信息的全局路径规划和基于周边感知信息的局部路径规划。其中，从获取障碍物信息是静态或是动态的角度看，全局路径规划属于静态规划，局部路径规划属于动态规划。全局路径规划需要掌握所有的环境信息进行路径规划，其时间成本较高；局部路径规划只需要根据个体当前的位置信息采集一定范围内的环境信息，然后根据局部的障碍物分布情况，从而可以选出从当前位置到某一预设目标点的最优路径。然而，根据路径规划算法的实现机理上可把路径规划划分为传统算法(如模拟退火算法、人工场势法、模糊逻辑算法、禁忌搜索算法、Dijkstra算法、Floyd算法等)、图形学算法(如自由空间法、栅格法、Voronoi图等)、智能仿生学算法(如蚁群算法、神经网络算法、遗传算法等)等。

通过上述记载可以看到，路径规划的核心就是算法的设计，从传统的旅行商问题算法，到后来的结合仿生学发展起来的智能算法，已经取得了巨大的进展。不同的智能算法特点不同，适用范围和领域也就不同，因而从算法本身特点及其应用的场景来研究路径规划智能算法，对路径规划技术的发展具有重要意义。

现有技术中，有利用各种算法来进行路径调度或路径规划，然而，伴随着应用场景的不断增多，路径规划技术在不同行业所面对的需求将更为复杂多变，任何的单一路径规划算法都不可能解决所有实际应用中的路径规划问题。并且，目前针对景区的路径规划方法，都仅仅是针对传统路径规划方法在运算性能上的提升，并没有将景区业务特征、实际需求与路径规划进行有效的融合，导致此种路径规划在使用中存在较多问题，不能做到真正的引导或规划作用，用户体验较低。

发明内容

本发明提供一种基于时空约束的景区浏览路径规划方法、装置及移动终端，用以解决现有技术中，针对景区的路径规划方法，都仅仅是针对传统路径规划方法在运算性能上的提升，并没有将景区业务特征、实际需求与路径规划进行有效的融合，无法起到真正的引导或规划作用，用户体验较低的问题。

为解决上述技术问题，一方面，本发明提供一种基于时空约束的景区浏览路径规划方法，包括：根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型；获取景区浏览所关联的时空约束条件，并对所述景区浏览所关联的时空约束条件进行量化；构造包括以所述浏览行为模型和所述时空约束条件作为总约束条件的目标函数，以根据所述目标函数对景区浏览路径进行规划。

进一步，根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型包括：将景区内人群浏览行为进行形式化表述；通过概率论和极限推导法对形式化表述后的人群浏览行为进行处理，得到景区二维平面内作为所述浏览行为模型的人群分布概率密度函数。

进一步，构造包括以所述浏览行为模型和所述时空约束条件作为总约束条件的目标函数包括：根据预设的用户可能存在的不同需求设计多个目标函数；结合所述浏览行为模型和所述时空约束条件，对所述多个目标函数中的符合用户需求的目标函数进行目标函数最小值计算，以规划景区浏览路径。

进一步，对所述多个目标函数中的符合用户需求的目标函数进行目标函数最小值计算包括：确定当前景区要浏览的N个景点；通过Voronoi多边形的性质确定包含所述N个景点的最小圆的圆心位置，并将上述所有的圆心连接起来以得到景区的浏览线路；根据用户需求和所述浏览线路，呈现一个最佳景区浏览路径。

另一方面，本发明还提供一种基于时空约束的景区浏览路径规划装置，包括：建立模块，用于根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型；量化模块，用于获取景区浏览所关联的时空约束条件，并对所述景区浏览所关联的时空约束条件进行量化；构造模块，用于构造包括以所述浏览行为模型和所述时空约束条件作为总约束条件的目标函数，以根据所述目标函数对景区浏览路径进行规划。

进一步，所述建立模块包括：描述单元，用于将景区内人群浏览行为进行形式化表述；建立单元，用于通过概率论和极限推导法对形式化表述后的人群浏览行为进行处理，得到景区二维平面内作为所述浏览行为模型的人群分布概率密度函数。

进一步，所述构造模块包括：设计模块，用于根据预设的用户可能存在的不同需求设计多个目标函数；构造单元，用于结合所述浏览行为模型和所述时空约束条件，对所述多个目标函数中符合用户需求的目标函数进行目标函数最小值计算，以规划景区浏览路径。

进一步，所述构造单元，还用于确定当前景区要浏览的N个景点；通过Voronoi多边形的性质确定包含所述N个景点的最小圆的圆心位置，并将上述所有的圆心连接起来以得到景区的浏览线路；根据用户需求和所述浏览线路，呈现一个最佳景区浏览路径。

又一方面，本发明还提供一种移动终端，包括：以上任一项所述的基于时空约束的景区浏览路径规划装置。

本发明提供的景区浏览路径规划方法，考虑了人群浏览行为特征和景区时空约束条件两方面因素，将其作为总的约束条件，进而构建目标函数，与用户的实际需求相结合，能够较好的规划路径，引导用户采取最优的路径进行游览，解决了现有针对景区的路径规划方法，都仅仅是针对传统路径规划方法在运算性能上的提升，并没有将景区业务特征、实际需求与路径规划进行有效的融合，无法起到真正的引导或规划作用，用户体验较低的问题。

附图说明

图1是本发明实施例中基于时空约束的景区浏览路径规划方法的流程图；

图2是本发明实施例中基于时空约束的景区浏览路径规划装置的结构示意图；

图3是本发明优选实施例中基于时空约束的景区浏览路径规划方法的工作流程图；

图4是本发明优选实施例中支撑实现景区浏览路径规划方法的后台软件架构示意图。

具体实施方式

为了解决现有技术中，针对景区的路径规划方法，都仅仅是针对传统路径规划方法在运算性能上的提升，并没有将景区业务特征、实际需求与路径规划进行有效的融合，无法起到真正的引导或规划作用，用户体验较低的问题，本发明提供了一种基于时空约束的景区浏览路径规划方法、装置及移动终端，以下结合附图以及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。

为了解决现有方法对景区浏览路径规划所考虑因素不够完备、相关结果无法直接应用于面向景区的路径规划这一问题，从人群和景区存在的时间和空间维度入手(时空约束)，结合景区的业务需求和游客个体的兴趣偏好(目标函数)，提出了一种基于时空约束的景区浏览路径规划方法，从根本上提高景区路径规划结果的适用性和准确性。此外，所建立的路径规划时空算法框架是可扩展的，即在该框架下可根据景区的实际业务需求和特征添加更多的约束条件或修改目标函数，并利用启发式算法来提高路径规划方法的求解性能。下面对本实施例提供的基于时空约束的景区浏览路径规划方法和装置进行说明。

本实施例提供了一种基于时空约束的景区浏览路径规划方法，该方法的流程如图1所示，包括S102至S106：

S102，根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型；

S104，获取景区浏览所关联的时空约束条件，并对景区浏览所关联的时空约束条件进行量化；

S106，构造包括以浏览行为模型和时空约束条件作为总约束条件的目标函数，以根据目标函数对景区浏览路径进行规划。

本发明实施例提供的景区浏览路径规划方法，考虑了人群浏览行为特征和景区时空约束条件两方面因素，将其作为总的约束条件，进而构建目标函数，与用户的实际需求相结合，能够较好的规划路径，引导用户采取最优的路径进行游览，解决了现有针对景区的路径规划方法，都仅仅是针对传统路径规划方法在运算性能上的提升，并没有将景区业务特征、实际需求与路径规划进行有效的融合，无法起到真正的引导或规划作用，用户体验较低的问题。

在实现过程中，根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型可以包括如下过程：将景区内人群浏览行为进行形式化表述；通过概率论和极限推导法对形式化表述后的人群浏览行为进行处理，得到景区二维平面内作为浏览行为模型的人群分布概率密度函数。

进一步，构造包括以浏览行为模型和时空约束条件作为总约束条件的目标函数的过程如下：根据预设的用户可能存在的不同需求设计多个目标函数；结合浏览行为模型和时空约束条件，对多个目标函数中符合用户需求的目标函数目标函数最小值计算，以规划景区浏览路径。当然，如果用户给出的需求较为明确，可以至确定一个目标函数，对该目标函数进行计算，以确定该目标函数下是否能够解决路径规划问题，如果不可以，此时可以重新构建次优目标函数，或者返回给用户无法规划路径的提示，以让用户调整需求。

其中，在计算时，对多个目标函数中的符合用户需求的目标函数进行目标函数最小值计算过程如下：确定当前景区要浏览的N个景点；通过Voronoi多边形的性质确定包含N个景点的最小圆的圆心位置，并将上述所有的圆心连接起来以得到景区的浏览线路；根据用户需求和浏览线路，呈现一个最佳景区浏览路径。

本发明实施例还提供了一种基于时空约束的景区浏览路径规划装置，该装置的结构示意如图2所示，包括：

建立模块10，用于根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型；量化模块20，与建立模块10耦合，用于获取景区浏览所关联的时空约束条件，并对景区浏览所关联的时空约束条件进行量化；构造模块30，与量化模块20耦合，用于构造包括以浏览行为模型和时空约束条件作为总约束条件的目标函数，以根据目标函数对景区浏览路径进行规划。在本实施例中，建立模块10在前，量化模块20在后，然而在具体实现时，可以将量化模块20设置在建立模块10之前，在多数情况下，上述两个模块设置顺序可以调整。

其中，建立模块10包括：描述单元，用于将景区内人群浏览行为进行形式化表述；建立单元，与描述单元耦合，用于通过概率论和极限推导法对形式化表述后的人群浏览行为进行处理，得到景区二维平面内作为浏览行为模型的人群分布概率密度函数。

对于构造模块30，其还可以包括：设计模块，用于根据预设的用户可能存在的不同需求设计多个目标函数；构造单元，与设计模块耦合，用于结合浏览行为模型和时空约束条件，对多个目标函数中符合用户需求的目标函数进行目标函数最小值计算，以规划景区浏览路径。其中，构造单元，还用于确定当前景区要浏览的N个景点；通过Voronoi多边形的性质确定包含N个景点的最小圆的圆心位置，并将上述所有的圆心连接起来以得到景区的浏览线路；根据用户需求和浏览线路，呈现一个最佳景区浏览路径。

本发明实施例还提供了一种移动终端，其包括上述的基于时空约束的景区浏览路径规划装置。本领域技术人员根据上述记载知晓如何将上述装置集成设置在移动终端中，当然，也可以将上述装置以独立的APP形式实现，此处不再赘述。

优选实施例

本发明实施例在进行面向景区的路径规划研究时，发现现有技术中该项缺陷是由于未能考虑景区浏览的时间特性和空间特性而导致的，主要存在的问题包括以下两点：

(1)针对景区浏览的每个个体来说其路径规划实际上是随时间和空间动态演化的，不但要考虑个体浏览总的预期时间、景区内不同景点的实际浏览时间和一些景点可能举行的活动表演时间等时间因素，还要考虑个体当前的位置信息、其他个体的位置信息、景区内不同景点可容纳客流人数上限等空间因素。可以预见，个体本身在与景区的互动交互过程中会导致分岔、阵发混沌和混沌等非线性动力学行为，非线性动态网络***必然会比以往单一的非线性***带来更大的复杂性和新的变化规律。

(2)除了个体本身的复杂性之外，在为个体进行路径规划过程中还需要将景区内其他人群的浏览行为考虑在内，因此算法具有较高的复杂性。同时，路径算法还应该是随着个体浏览进程的推进在不断变化的。鉴于此，如何为个体提供实时高效的路径规划同样面临着巨大挑战。

基于上述问题，本实施例经过对景区浏览中时空特征分析的研究发现，解决该项缺陷可以通过对人流在景区浏览行为和概率分布进行量化建模，并从需求出发，对所涉及到的时间约束、空间约束和目标函数进行刻画。在此基础上，利用多种优化方法来提升路径规划算法的执行效率。

本发明提供的基于时空约束的景区浏览路径规划方法，具体包括以下过程：

(1)建立用于预测景区内人群概率分布的浏览行为模型。

考虑到景区内人群的数量和浏览行为是随时间不断变化的，并且人群的概率分布与个体最终的路径规划有较强的关联性。为此，本发明实施例首先通过对景区内人群浏览行为特征的采集来建立人群浏览行为模型。

不失一般性，假设景区是一个面积为Q＝[0,L]²的矩形，则根据景区以往人群的信息(如游客由不同入口入园的数量、景区内游客在不同景点停留的时间等)，可以得到如下信息：人群的初始空间分布f_init(x)，人群在某一地点停留时间的概率密度函数f_Tp(t_p)，人群个体在景区浏览的最小移动速度v_min，人群个体在景区浏览的最大移动速度v_max。这里，我们认为v_min>0，否则人群个体浏览的速度将会最终收敛于静止态。基于上述定义，景区人群浏览行为可以形式化的表述为：

个体在其浏览时间范围t内或距离范围l内随机选择一个景点作为目标点；个体从其当前位置开始，以某个随机设定的速度v(v_min≤v≤v_max)匀速的向目标点沿直线运动；当个体到达该目标点之后，在该点停留的时间服从概率密度函数f_Tp(t_p)，停留时间之后个体将会再次随机选择下一个景点作为其目标点。

可以看到，上述的景区人群浏览行为模型是对传统移动模型Random Way-Point(RWP)更为通用的刻画。本发明利用概率论和极限等数学方法，可以得到在景区二维平面[0,L]²内人群分布的概率密度函数f_XY(x,y)，即根据人群的浏览行为模型可以预测景区Q内任意位置的人群分布概率。

对概率密度函数f_XY(x,y)进一步分析可以发现，在景区中心点处人群分布的概率是最大的，而在景区边界处人群分布的概率接近于零。例如，当景区为Q＝[0,L]的一维直线时，计算能够得出人群分布在[L/4,3L/4]区间的概率可达68.75％。

(2)量化景区浏览所关联的时空约束条件。

从实际应用的角度考虑，景区内浏览路径规划的确定往往会受到景区当前时空信息和个体当前时空信息的共同约束。具体来说，与景区时间因素相关的信息包括景区各个待浏览景点推荐的浏览时间、景区各个待浏览景点开放的时间、景区各个待浏览景点安排热点活动的时间等；与景区空间因素相关的信息包括景区各个待浏览景点的位置信息、景区各个待浏览景点安排热点活动的场地容量信息、景区各个待浏览景点的人群分布概率信息等；与个体时间因素相关的信息包括个体目前可支配的浏览时间等；与个体空间因素相关的信息包括个体当前位置信息等。

基于上述信息，本发明实施例可将众多约束条件利用数学表达式进行形式化描述。例如，针对“个体在剩余景点驻留的时间应该不超过个体目前可支配的浏览时间”这一时间约束，则可以形式化表达为如下形式：C_i＝0或者C_i＝1。这里，M代表剩余待浏览的景点数量(并且这M个景点按照与个体当前的距离从小到大顺序排列)，t_i代表路径规划方法推荐在剩余的某个景点i浏览的时间，C_i＝1表示剩余的某个景点i被选中为浏览景点，C_i＝1表示剩余的某个景点i未被选中为浏览景点，L_i代表剩余的某个景点i的位置信息，Dis(L_i,L_j)代表景点i与景点j之间的距离，v_i代表从景点i开始到下一个景点的移动速度，T_res代表个体目前可支配的浏览时间。

(3)构造涵盖人群分布概率密度函数和时空约束条件的目标函数。

为简化分析，本发明假设不考虑景区内障碍物对路径规划的影响，则目标函数可以构造如下：给定景区内剩余待浏览的M个景点信息，在人群分布概率密度函数和时空约束条件下，如何确定一条连接当前个体地理位置到这M个景点某个子集M’的路径，使得个体能够兼顾其花销成本和浏览过程中的用户体验，即将目标函数刻画为花销成本及用户体验的线性组合。这里，花销成本可以理解为浏览景点M’的总用时或者浏览M’所花的费用；用户体验可以理解为个体浏览路径上的人群分布密度。可见，本实施例的目标是要获取目标函数的最小值。

在本发明中，在确定个体到M’的路径时，还应当保证|M’|个景点到个体当前的平均距离最短(为保证个体的总浏览距离尽可能少)或者距离的方差最小。

在确定面向时空约束的景区路径规划问题上，基于前面的形式化描述，本发明利用了计算几何学中的Voronoi多边形的某些特殊性质来求解，同时结合堆栈技术存储相关的状态信息。当确定好这|M’|个景点的组合后，即可确定包含这些景点的最小圆的圆心位置。将所有的圆心连接起来即构成景区的浏览路径。

根据以上算法的阐述，不难发现，导致计算圆心位置发生变化的地方在于如何根据圆内包含的景点位置确定圆心的位置。在本发明中所采用的是一个近似解决方案，即选择这些点中两点距离最长的那两个景点，以它们的中点作为圆心位置。其本质思路是将最长的距离视作是圆的直径的一种退化近似。

(4)获取景区浏览路径规划方案。

确定了目标函数以及各种约束条件之后，考虑到已知的旅行商TSP问题为NPC问题，并且本发明中的目标问题是在TSP问题基础上更为复杂的多约束问题(为TSP问题的子集)，因此可以证明其问题也为NPC问题。基于这一观察，在求解规模不大的情况下，可考虑采用较为成熟的数学工具如Matlab，lp solver等进行求解；当求解规模较大的情况下，为提高求解速度，可将求最优解问题通过启发式算法转化为次优解问题。

通过上述方案可知，传统的路径规划方法大部分是依据已有景点的位置信息来进行设计，缺乏对景区业务模式和游客个体浏览需求更为深入的研究。实际上，面向景区的路径规划在从游客个体入园开始到景区浏览结束这一较长的时间段内并非是固定不变的。结合景区和个体在时间和空间的多重约束，便可以得到在不同时刻游客个体更为精细化的动态浏览路径。相比于现有技术，本发明的技术方案可为进入景区的游客实时推荐浏览路径，所提供的路径规划线路提高了游客的浏览效率，降低了浏览成本，增强了浏览体验。至此，本发明的技术方案巧妙了解决了在景区内路径规划过程中考虑因素过少、缺乏结果应用实用性和准确性的问题。

下面将结合附图和实施例对本发明作进一步的详细说明。

图3显示了本发明提出的基于时空约束的景区浏览路径规划方法的工作流程图。在图中，该基于时空约束的景区浏览路径规划方法以软件形式存在，运行在后台，本领域技术人员在设计时，可以将其设计为独立的APP，也可以集成在移动终端内。该方法的实现过程如下：

首先收集景区内各个景点的时空信息，并将这些信息转换为数学表达式作为目标函数的约束条件。之后，游客作为个体可通过各种终端设备提交路径规划请求。一旦收到游客该请求，将会根据景区已有的信息和当前人群的地理位置信息获取人群分布概率密度，并且获取游客个体的时空约束条件。在此基础上，根据游客个体的个人偏好(花销成本需求和用户体验需求)形成目标函数。

接下来，将根据目标函数和已形成的时空约束条件对路径规划问题进行求解。如果该问题有解，则将会在游客终端设备的地图上以标记路线图的方式推送给游客，算法结束；否则，将会在游客终端设备上提示用户无法获取满足时空约束条件的路径。此时，游客需要修改其个人偏好并重新提交路径规划请求。此外，在上述实施过程中，还需要周期的判断景区的时空约束条件或者游客个人的时空约束条件是否发生变化；如果景区的时空约束条件发生变化，则需要重新遍历上述的整个流程；如果游客个人的时空约束条件发生变化，则需要重新生产人群分布概率密度和该游客个体的时空约束条件，并完成该规划问题的求解。

图4显示了本发明用以支撑实现景区浏览路径规划方法的后台软件架构。***软件架构在层次上从上到下依次为外部接口层(包含与游客进行交互的***界面和与景区管理人员交互的运维管理界面)、核心功能层(相当于基于时空约束的景区浏览路径规划装置，图中体现的为提供服务的路径展示)，以及基础设施层(包含数据库和文件***)。其中，核心功能层大致涉及以下几个服务：人群浏览模型构建服务，包括对人群的浏览行为、景区周边环境的模型构建等；景点时空数据加载服务，对整个景区内各个景点的信息、景区内人群入园的历史信息等必要的运行时参数进行录入；路径规划算法流控制服务，对于***运行时所产生的各类事件根据优先级、权重等因素按照一定的规则进行调度；路径规划结果动态展示服务，对于已经建立好的组建模型、时空约束条件和目标函数，在二维仿真环境中能让它们彼此之间产生联系，形成动态展示效果，并利用数据挖掘对其进行统计预测分析；***配置更新服务，包括对***运行时参数的更改、后期因业务变化新服务的增加等。

本发明实施例提供的方法，能够让入园的游客在进行线路导航之前，可根据自己的偏好需求设定目的地和出发地，后台***将会根据用户设定的偏好需求形成目标函数，同时结合用户和景点的时空相关信息、景区其他人群的分布情况规划路径，然后由导航装置保存该路径，供以后需要时再调用该路径；此外，当景区内的景点信息和游客信息发生变化时，导航装置可以及时动态的调整该路径并告知用户。本发明提供的景区路径规划的实现方法，可保存用户设定的路径，在用户需要导航时，不用每次都需要导航装置重新规划路径，节省了***资源，大大方便了用户。由于本发明在确定浏览路径时不但考虑了景区内的时空因素，而且还考虑了用户本人以及景区内其他人群的浏览行为，其结果的准确性和适用性大大提升。同时，本发明所提出的方法可以根据实际的需求不断增加新的时空约束条件，可以广泛应用于面向景区的路径规划领域。

尽管为示例目的，已经公开了本发明的优选实施例，本领域的技术人员将意识到各种改进、增加和取代也是可能的，因此，本发明的范围应当不限于上述实施例。

Claims (7)

1.一种基于时空约束的景区浏览路径规划方法，其特征在于，包括：

根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型；

获取景区浏览所关联的时空约束条件，并对所述景区浏览所关联的时空约束条件进行量化；

构造包括以所述浏览行为模型和所述时空约束条件作为总约束条件的目标函数，以根据所述目标函数对景区浏览路径进行规划；

其中，根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型包括：

将景区内人群浏览行为进行形式化表述；

通过概率论和极限推导法对形式化表述后的人群浏览行为进行处理，得到景区二维平面内作为所述浏览行为模型的人群分布概率密度函数；

其中，假设景区是一个面积为Q＝[0,L]²的矩形，则根据景区以往人群的信息，得到如下信息：人群的初始空间分布f_init(x)，人群在某一地点停留时间的概率密度函数f_Tp(t_p)，人群个体在景区浏览的最小移动速度v_min，人群个体在景区浏览的最大移动速度v_max，v_min>0；基于上述定义，景区人群浏览行为可以形式化的表述为：

个体在其浏览时间范围t内或距离范围l内随机选择一个景点作为目标点；个体从其当前位置开始，以某个随机设定的速度v匀速的向目标点沿直线运动，v_min≤v≤v_max；当个体到达该目标点之后，在该点停留的时间服从概率密度函数f_Tp(t_p)，停留时间之后个体再次随机选择下一个景点作为其目标点。

2.如权利要求1所述的景区浏览路径规划方法，其特征在于，构造包括以所述浏览行为模型和所述时空约束条件作为总约束条件的目标函数包括：

根据预设的用户可能存在的不同需求设计多个目标函数；

结合所述浏览行为模型和所述时空约束条件，对所述多个目标函数中的符合用户需求的目标函数进行目标函数最小值计算，以规划景区浏览路径。

3.如权利要求2所述的景区浏览路径规划方法，其特征在于，对所述多个目标函数中的符合用户需求的目标函数进行目标函数最小值计算包括：

确定当前景区要浏览的N个景点；

通过Voronoi多边形的性质确定包含所述N个景点的最小圆的圆心位置，并将上述所有的圆心连接起来以得到景区的浏览线路；

根据用户需求和所述浏览线路，呈现一个最佳景区浏览路径。

4.一种基于时空约束的景区浏览路径规划装置，其特征在于，包括：

建立模块，用于根据采集到的人群浏览行为特征建立用于预测景区内人群概率分布的浏览行为模型；

量化模块，用于获取景区浏览所关联的时空约束条件，并对所述景区浏览所关联的时空约束条件进行量化；

构造模块，用于构造包括以所述浏览行为模型和所述时空约束条件作为总约束条件的目标函数，以根据所述目标函数对景区浏览路径进行规划；

所述建立模块包括：

描述单元，用于将景区内人群浏览行为进行形式化表述；

建立单元，用于通过概率论和极限推导法对形式化表述后的人群浏览行为进行处理，得到景区二维平面内作为所述浏览行为模型的人群分布概率密度函数；

其中，假设景区是一个面积为Q＝[0,L]²的矩形，则根据景区以往人群的信息，得到如下信息：人群的初始空间分布f_init(x)，人群在某一地点停留时间的概率密度函数f_Tp(t_p)，人群个体在景区浏览的最小移动速度v_min，人群个体在景区浏览的最大移动速度v_max，v_min>0；基于上述定义，景区人群浏览行为可以形式化的表述为：

个体在其浏览时间范围t内或距离范围l内随机选择一个景点作为目标点；个体从其当前位置开始，以某个随机设定的速度v匀速的向目标点沿直线运动，v_min≤v≤v_max；当个体到达该目标点之后，在该点停留的时间服从概率密度函数f_Tp(t_p)，停留时间之后个体再次随机选择下一个景点作为其目标点。

5.如权利要求4所述的景区浏览路径规划装置，其特征在于，所述构造模块包括：

设计模块，用于根据预设的用户可能存在的不同需求设计多个目标函数；

构造单元，用于结合所述浏览行为模型和所述时空约束条件，对所述多个目标函数中符合用户需求的目标函数进行目标函数最小值计算，以规划景区浏览路径。

6.如权利要求5所述的景区浏览路径规划装置，其特征在于，

所述构造单元，还用于确定当前景区要浏览的N个景点；通过Voronoi多边形的性质确定包含所述N个景点的最小圆的圆心位置，并将上述所有的圆心连接起来以得到景区的浏览线路；根据用户需求和所述浏览线路，呈现一个最佳景区浏览路径。

7.一种移动终端，其特征在于，包括：权利要求4至6中任一项所述的基于时空约束的景区浏览路径规划装置。