一种基于改进A^(*)算法的室内导航路径规划方法

路径规划是室内导航研究的关键技术之一。A^(*)算法是一种常见的路径规划算法,当区域的点数量较少时,找寻最优路径是最有效的直接搜索方法。但当路径点规模较大时,使用数值优化算法求解最佳路径的难度急剧增加,导致规划时间所需时间过长,不符合实时性要求。为提高路径规划方法中的效率和稳定性,在梳理室内导航路径规划已有算法和方案的基础上,分析了A^(*)算法的基本思想与实现步骤,并针对室内导航中A^(*)路径算法存在的问题,提出了一种改进型A^(*)算法优化的方案。利用用户对最短距离和直行路程的需求,在位置计算中,引入同时考虑方向和距离启发信息的启发函数,把POI点与寻路节点分开处理,以映射的方式建立联系。将该方案应用于室内导航中A^(*)算法实现伪代码,对算法改进前后进行算法效率测试。结果表明,改进后A^(*)算法的整体效率提升了近50%,改进型A^(*)算法在室内导航路径规划的效率和稳定性比较优,达到了加速导航算法的目的。

大型商场智能导购策略与应用

针对大型商场传统导航和搜索效率低的问题,设计了一种导购策略,采用改进后的A*算法实现最优路径的规划,根据混合交叉推荐技术进行数据采集与数据推荐,加强算法对复杂室内地图环境的适应性,提高推荐效率。构建了基于微信小程序的大型商场智能导购系统进行验证,在店铺搜索和推荐逻辑模型下,搜索效率提升了近50%,并解决了室内导航以及信息个性化推荐问题。