询路行为是从起始点到达终点的具有明确目的性的活动,贯穿于人类的日常生活之中,是近年来认知导航方向的研究热点和趋势。因此,研究对不同导航区域适用性更强、在道路数据不足的区域仍然能够提供不同强度导航信息的路径引导(Wayfinding)方法为个性化智能位置服务提供城市层次性空间知识,具有很强的必要性与实用价值。考虑多准则模糊决策方法与综合多因素地标排序方法的相通性,本文在分析研究现有地标显著度影响因素形式化模型的基础上,以Vague软集多准则模糊决策方法为基础,构建基于Vague软集相似度量、模糊熵的地标提取方法,并在路径引导中进行应用。本文研究工作主要包括:1)研究影响地标显著度的各种因素的计算模型。首先定义地标各显著度的不同单独属性,借鉴现有影响因素的形式化模型,给出了每个特征的地标显著性模型,然后将它们组合在一起以形成数据集中每个特征的地标显著性的全局度量。用于在每个决策点选择最重要的地标,以包含在寻路指令中。这种方法与仅基于几何或基于感兴趣的几何和静态点的方式相比,在寻找方向中集成选择的突出特征将产生具有较低的认知工作负荷。2)提出一种基于Vague软集相似度量的地标提取方法。提出一种使用端点之间的模糊间隔距离对未知度进行距离加权的Vague软集相似度量,通过分析数据实例,论证了该相似度量的度量结果合理,同时具有良好的区分能力,并在地标提取算例中进行验证。3)提出一种基于Vague软集模糊熵的地标提取方法。分析了现有模糊熵的构造方法尚存在的局限性,并在此基础上提出了一种新的Vague软集熵构造方法。通过实例的比较分析,指出它确实能够在考虑Vague集的未知性的同时兼顾其不确定性,得到满足约束条件的结果。最后应用于地标提取实例,说明了所给出的Vague软集模糊熵的有效性和可行性。4)确定路径引导模式。依据基于Vague软集相似度量和模糊熵的地标提取方法提取的地标,加入用户偏好模型,构建以自然语言文本方式表述的路径引导输出,能够更符合人们的认知习惯和路径描述方式,从而降低认知压力并有利于路径引导。