CN104634343B - 一种基于多目标优化的景区路线自动规划方法 - Google Patents
一种基于多目标优化的景区路线自动规划方法 Download PDFInfo
- Publication number
- CN104634343B CN104634343B CN201510040659.4A CN201510040659A CN104634343B CN 104634343 B CN104634343 B CN 104634343B CN 201510040659 A CN201510040659 A CN 201510040659A CN 104634343 B CN104634343 B CN 104634343B
- Authority
- CN
- China
- Prior art keywords
- mrow
- user
- sight spot
- time
- route
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000006978 adaptation Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 238000003780 insertion Methods 0.000 abstract description 2
- 230000037431 insertion Effects 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000005021 gait Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
Abstract
本发明公开了一种基于多目标优化的景区路线自动规划方法，该方法能根据用户不同需求，结合评分赋予景点不同权重，采用相应算法规划景区游览路线，使用户得到最优的游览线路。当用户时间充裕时，根据用户选择想要游览的景点，规划出所耗时间最短的游览线路；当用户时间不足时，根据用户限定的时间，给出限定时间内游览景点最多或景点评分最高的线路供用户选择。其中支持景区自动识别、景点选择、中途插入景点再规划等功能。本发明方法具有良好自适应能力和可靠性，能够最大程度满足游客用户的需求。
Description
技术领域
本发明涉及旅游路线导航领域，尤其涉及一种基于多目标优化的景区路线自动规划方法。
背景技术
随着社会不断的进步，旅游景点花样越来越多，旅客时间越来越宝贵，对于景区旅游的路线规划需求也越来越多样。单单是最短路线的规划方法是不能满足游览需要的。特别是景区路线并不像城市街道那样具有很强的规则性，而且景区的景点由于需要花时间停驻观赏，给时间计算也增添了新的负担。面对一个陌生的景区，规划游览路线主要为三种方式：
第一种，游客根据景区地图自行规划。这种方式需要游客短时间内通过地图对景区有全面的了解，并且要求顾客具有较好的数学规划能力。显然，一般的游客是无法做到很好规划路线的。
第二种，景区服务和旅游团导游。这种方式对于路线规划的效果较好，但是成本高，而且对于景区服务人员和机构来说也增加了压力。旅游团往往会带游客进入购物场所，或者为了赶时间而没有在重要的景点停驻足够的时间让游客观赏。
第三种，使用导航软件。和景区导航有关的大致有以下几种1)A*或类似搜索算法规划最短路线；2)基于兴趣点和聚类的路线规划；3)基于客流量的动态路线规划。其中A*搜索算法主要用在起终点确定的路线规划中，主要求最短路径，虽然是很好的算法，但在出口入口相同的景区无法使用；兴趣点和聚类则更适合应用在娱乐生活大片区域或者城区中，对景区景点适用性不是很强；而基于客流量的动态路线规划，规划目标太过单一，无法满足用户的不同需求。
发明内容
为了克服传统景区导航通用性差、功能少、成本高等问题，本发明提供一种具有较强适应性和可靠性、能够满足用户不同需求的基于多目标优化的景区路线自动规划方法。
本发明的目的是通过以下技术方案来实现的：一种基于多目标优化的景区路线自动规划方法，包括以下步骤：
(1)通过GPS获取用户地理位置信息，识别用户所在的景区；
(2)对景区信息、景点分布、路线耗时进行初始化；
(3)用户输入需求，包括用户必过的景点和游览时间限制，将需求转化为优化目标和约束条件；
(4)对于用户无时间限制的情况，转化为旅行商(TSP)问题，采用遗传算法规划游览路径；对于用户有时间限制的情况，转化为最大团(MCP)问题，采用带约束的遗传算法规划游览路径；
(5)优化结果可视化，将路线反馈给用户。
进一步地，所述步骤2通过以下子步骤来实现：
(2.1)根据用户GPS信息，与数据库景区信息进行匹配，反馈给用户景区名称、评分、推荐景点、门票等信息；
(2.2)从数据库中读取并反馈景区的景点分布、描述、评分及参观时间，游览路线分布，加载路线埋点及行走耗时信息；其中行走耗时根据前期游人行走速度的统计结果制定；景点参观时间和行走耗时根据人流量进行调整；景点评分则转化为之后路线规划步骤中各景点的权重。
进一步地，所述步骤3具体包括以下子步骤：
(3.1)用户根据步骤2中所反馈的景点信息，选择必过景点，也可以不选；
(3.2)用户选择是否有游览时间限制，如果没有，进入步骤3.3，否则进入步骤3.4；
(3.3)在步骤3.1中选择的景点为路线规划中一定经过的点，如果在步骤(3.1)中没有选择必过景点，则默认选择景区所有景点并提示用户再次确认；
(3.4)将用户输入的游览时间限制作为路线规划的约束条件；如果在步骤3.1中选择了必过景点，首先对比所选景点游览总时间与时间限制的大小，若游览时间大于等于时间限制，则提示用户时间不足请重新选择景点，或提示用户不选择景点而使用系统给出的在限定时间内经过总评分最高或经过景点数最多的优化路线。
进一步地，所述步骤4中，所述用户无时间限制情况的路径规划具体包括以下子步骤：
a.根据行走路线上的埋点，获取所选择的各景点之间的距离信息并进行编码；随机生成遍历所选景点的若干不同基因编码的个体作为遗传的初始种群；
b.根据预置的行走速度v，使用以下公式计算第k个个体的适应度f(k)：
其中lij是第i和第j个景点之间路径的长度，ti是第i个景点的游览时间，n为选择的景点个数，个体适应度越大，认为越优；
c.根据每个个体适应度占总适应度的比例，使用轮盘赌的方法进行选择，生成0-1之间的随机数，大于该随机数的个体被选择，并依照适应度赋予相应的选择次数；
d.选择出的个体随机配对，随机选择交叉点进行单点交叉操作，并加以变异运算，生成子代；
e.重复步骤b-d直到迭代次数达到设定值或群体适应度不再上升，将适应度最大值对应的个体所代表的路线作为最终的规划路线。
进一步地，所述步骤4中，所述对于用户有时间限制情况的路径规划具体包括以下子步骤：
A.根据行走路线上的埋点，获取所有景点之间的距离信息和景点游览时间并对景点进行编码，编码为0或1，0为不经过，1为经过；随机生成包含所有景点的若干不同基因编码的个体作为遗传的初始种群；
B.对于最高总评分，使用以下公式计算第k个个体的适应度f(k)：
其中pi是第i个经过的景点的评分，m为最大团的节点数，个体适应度越大，认为越优；
对于最多景点数量，直接将经过的景点数量作为个体适应度；
使用以下公式作为约束条件：
其中，t(k)为游览总时间，lij是第i和第j个景点之间路径的长度，ti是第i个景点的游览时间，v是预置的行走速度；如果t(k)大于用户设定的时间限定值，则该个体直接淘汰；
C.根据各每个个体适应度占总适应度的比例，使用轮盘赌的方法进行选择，生成0-1之间的随机数，大于该随机数且满足约束条件的个体被选择，并依照适应度赋予相应的选择次数；
D.选择出的个体随机配对，随机选择交叉点进行单点交叉操作，并加以变异运算，生成子代；
E.重复B-D直到迭代次数达到设定值或群体适应度不再上升，将适应度最大值对应的个体所代表的路线作为最终的规划路线。
进一步地，所述步骤5具体包括以下子步骤：
(5.1)根据优化结果，将规划的路线上的埋点点亮，形成以用户当前位置为起始点的游览路线；
(5.2)启动计时，启动里程统计；
(5.3)用户位置动态更新；
(5.4)进入随时响应用户更改路线或中途插入景点的状态。
本发明具有的有益效果是：
1、对于游览时间比较宽裕的用户，根据其选定的必过景点或默认的所有景点，进行最短路线规划，节省用户体力；
2、对于游览时间比较紧促的用户，为其规划经过景点数最多或经过景点总评分最高的路线，使用户在限定的时间内能够最大限度地了解和参观景区；
3、实时跟踪用户位置，统计人流量和用户行进速度，实时修正景点参观时间和步行时间，便于用户及时根据现实情况决策；
4、支持自行选择必过景点、中途插入新必过景点等功能，灵活性强，提升用户体验。
附图说明
图1本发明实施例中旅游路线规划方法的基本流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示，本发明一种基于多目标优化的景区路线自动规划方法，包含以下实施步骤：
(1)通过GPS获取用户地理位置信息，识别用户所在的景区；
(2)对景区信息、景点分布、路线耗时进行初始化，具体包括以下子步骤：
(2.1)根据用户GPS信息，与数据库景区信息进行匹配，反馈给用户景区名称、评分、推荐景点、门票等信息；
(2.2)从数据库中读取并反馈景区的景点分布、描述、评分及参观时间，游览路线分布，加载路线埋点及行走耗时信息；其中行走耗时根据前期游人行走速度的统计结果制定；景点参观时间和行走耗时根据人流量进行调整；景点评分则转化为之后路线规划步骤中各景点的权重。因此能够跟踪用户位置，根据统计的人流量和用户行进速度，实时修正景点参观时间和步行时间，便于用户及时根据现实情况决策。
(3)用户输入需求，包括用户必过的景点和游览时间限制，将需求转化为优化目标和约束条件；具体包括以下子步骤：
(3.1)用户根据步骤(2)中所反馈的景点信息，选择必过景点，也可以不选；
(3.2)用户选择是否有游览时间限制，如果没有，进入步骤(3.3)，否则进入步骤(3.4)。以上两步能够综合考虑到用户时间限制和游览景点的需求，使得本方法具有非常强的灵活性和适用性。
(3.3)在步骤(3.1)中选择的景点为路线规划中一定经过的点，如果在步骤(3.1)中没有选择必过景点，则默认选择景区所有景点并提示用户再次确认；
(3.4)将用户输入的游览时间限制作为路线规划的约束条件；如果在步骤(3.1)中选择了必过景点，首先对比所选景点游览总时间与时间限制的大小，若游览时间大于等于时间限制，则提示用户时间不足请重新选择景点，或提示用户不选择景点而使用系统给出的在限定时间内经过总评分最高或经过景点数最多的优化路线；
(4)对于用户无时间限制的情况，转化为旅行商(TSP)问题，采用遗传算法规划游览路径；对于用户有时间限制的情况，转化为最大团(MCP)问题，采用带约束的遗传算法规划游览路径；
所述用户无时间限制情况的路径规划具体包括以下子步骤：
a.根据行走路线上的埋点，获取所选择的各景点之间的距离信息并进行编码；随机生成遍历所选景点的若干不同基因编码的个体作为遗传的初始种群；
b.根据预置的行走速度v，使用以下公式计算第k个个体的适应度f(k)：
其中lij是第i和第j个景点之间路径的长度，ti是第i个景点的游览时间，n为选择的景点个数，个体适应度越大，认为越优；
c.根据每个个体适应度占总适应度的比例，使用轮盘赌的方法进行选择，生成0-1之间的随机数，大于该随机数的个体被选择，并依照适应度赋予相应的选择次数；
d.选择出的个体随机配对，随机选择交叉点进行单点交叉操作，并加以变异运算，生成子代；
e.重复步骤b-d直到迭代次数达到设定值或群体适应度不再上升，将适应度最大值对应的个体所代表的路线作为最终的规划路线。此时给出的路线是最短路线规划，节省用户体力。
所述对于用户有时间限制情况的路径规划具体包括以下子步骤：
A.根据行走路线上的埋点，获取所有景点之间的距离信息和景点游览时间并对景点进行编码，编码为0或1，0为不经过，1为经过；随机生成包含所有景点的若干不同基因编码的个体作为遗传的初始种群；
B.对于最高总评分，使用以下公式计算第k个个体的适应度f(k)：
其中pi是第i个经过的景点的评分，m为最大团的节点数，个体适应度越大，认为越优；
对于最多景点数量，直接将经过的景点数量作为个体适应度；
使用以下公式作为约束条件：
其中，t(k)为游览总时间，lij是第i和第j个景点之间路径的长度，ti是第i个景点的游览时间，v是预置的行走速度；如果t(k)大于用户设定的时间限定值，则该个体直接淘汰；
C.根据各每个个体适应度占总适应度的比例，使用轮盘赌的方法进行选择，生成0-1之间的随机数，大于该随机数且满足约束条件的个体被选择，并依照适应度赋予相应的选择次数；
D.选择出的个体随机配对，随机选择交叉点进行单点交叉操作，并加以变异运算，生成子代；
E.重复B-D直到迭代次数达到设定值或群体适应度不再上升，将适应度最大值对应的个体所代表的路线作为最终的规划路线，此时规划的路线为经过景点数最多或经过景点总评分最高的路线，使用户在限定的时间内能够最大限度地了解和参观景区。
(5)优化结果可视化，将路线反馈给用户，具体包括以下子步骤：
(5.1)根据优化结果，将规划的路线上的埋点点亮，形成以用户当前位置为起始点的游览路线；
(5.2)启动计时，启动里程统计；
(5.3)用户位置动态更新；
(5.4)进入随时响应用户更改路线或中途插入景点的状态，极大方便了用户决策和修改，提升用户体验。
Claims (4)
1.一种基于多目标优化的景区路线自动规划方法，其特征在于，包括以下步骤：
(1)通过GPS获取用户地理位置信息，识别用户所在的景区；
(2)对景区信息、景点分布、路线耗时进行初始化；
(3)用户输入需求，包括用户必过的景点和游览时间限制，将需求转化为优化目标和约束条件；
(4)对于用户无时间限制的情况，转化为旅行商(TSP)问题，采用遗传算法规划游览路径；对于用户有时间限制的情况，转化为最大团(MCP)问题，采用带约束的遗传算法规划游览路径；
用户无时间限制的情况的路径规划具体包括以下子步骤：
a.根据行走路线上的埋点，获取所选择的各景点之间的距离信息并进行编码；随机生成遍历所选景点的若干不同基因编码的个体作为遗传的初始种群；
b.根据预置的行走速度v，使用以下公式计算第k个个体的适应度f(k)：
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>/</mo>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>l</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>v</mi>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中lij是第i和第j个景点之间路径的长度，ti是第i个景点的游览时间，n为选择的景点个数，个体适应度越大，认为越优；
c.根据每个个体适应度占总适应度的比例，使用轮盘赌的方法进行选择，生成0-1之间的随机数，大于该随机数的个体被选择，并依照适应度赋予相应的选择次数；
d.选择出的个体随机配对，随机选择交叉点进行单点交叉操作，并加以变异运算，生成子代；
e.重复步骤b-d直到迭代次数达到设定值或群体适应度不再上升，将适应度最大值对应的个体所代表的路线作为最终的规划路线；
用户有时间限制的情况的路径规划具体包括以下子步骤：
A.根据行走路线上的埋点，获取所有景点之间的距离信息和景点游览时间并对景点进行编码，编码为0或1，0为不经过，1为经过；随机生成包含所有景点的若干不同基因编码的个体作为遗传的初始种群；
B.对于最高总评分，使用以下公式计算第k个个体的适应度f(k)：
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中pi是第i个经过的景点的评分，m为最大团的节点数，个体适应度越大，认为越优；
对于最多景点数量，直接将经过的景点数量作为个体适应度；
使用以下公式作为约束条件：
<mrow>
<mi>t</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>l</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>v</mi>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，t(k)为游览总时间，lij是第i和第j个景点之间路径的长度，ti是第i个景点的游览时间，v是预置的行走速度；如果t(k)大于用户设定的时间限定值，则该个体直接淘汰；
C.根据各每个个体适应度占总适应度的比例，使用轮盘赌的方法进行选择，生成0-1之间的随机数，大于该随机数且满足约束条件的个体被选择，并依照适应度赋予相应的选择次数；
D.选择出的个体随机配对，随机选择交叉点进行单点交叉操作，并加以变异运算，生成子代；
E.重复B-D直到迭代次数达到设定值或群体适应度不再上升，将适应度最大值对应的个体所代表的路线作为最终的规划路线；
(5)优化结果可视化，将路线反馈给用户。
2.按权利要求1所述的一种基于多目标优化的景区路线自动规划方法，其特征在于，所述步骤(2)具体包括以下子步骤：
(2.1)根据用户GPS信息，与数据库景区信息进行匹配，反馈给用户景区名称、评分、推荐景点、门票信息；
(2.2)从数据库中读取并反馈景区的景点分布、描述、评分及参观时间，游览路线分布，加载路线埋点及行走耗时信息；其中行走耗时根据前期游人行走速度的统计结果制定；景点参观时间和行走耗时根据人流量进行调整；景点评分则转化为之后路线规划步骤中各景点的权重。
3.按权利要求1所述的一种基于多目标优化的景区路线自动规划方法，其特征在于，所述步骤(3)具体包括以下子步骤：
(3.1)用户根据步骤(2)中所反馈的景点信息，选择必过景点，也可以不选；
(3.2)用户选择是否有游览时间限制，如果没有，进入步骤(3.3)，否则进入步骤(3.4)；
(3.3)在步骤(3.1)中选择的景点为路线规划中一定经过的点，如果在步骤(3.1)中没有选择必过景点，则默认选择景区所有景点并提示用户再次确认；
(3.4)将用户输入的游览时间限制作为路线规划的约束条件；如果在步骤(3.1)中选择了必过景点，首先对比所选景点游览总时间与时间限制的大小，若游览时间大于等于时间限制，则提示用户时间不足请重新选择景点，或提示用户不选择景点而使用系统给出的在限定时间内经过总评分最高或经过景点数最多的优化路线。
4.按权利要求1所述的一种基于多目标优化的景区路线自动规划方法，其特征在于，所述步骤(5)具体包括以下子步骤：
(5.1)根据优化结果，将规划的路线上的埋点点亮，形成以用户当前位置为起始点的游览路线；
(5.2)启动计时，启动里程统计；
(5.3)用户位置动态更新；
(5.4)进入随时响应用户更改路线或中途插入景点的状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510040659.4A CN104634343B (zh) | 2015-01-27 | 2015-01-27 | 一种基于多目标优化的景区路线自动规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510040659.4A CN104634343B (zh) | 2015-01-27 | 2015-01-27 | 一种基于多目标优化的景区路线自动规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104634343A CN104634343A (zh) | 2015-05-20 |
| CN104634343B true CN104634343B (zh) | 2017-09-26 |
Family
ID=53213355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510040659.4A Active CN104634343B (zh) | 2015-01-27 | 2015-01-27 | 一种基于多目标优化的景区路线自动规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104634343B (zh) |
Families Citing this family (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105043379B (zh) * | 2015-06-25 | 2018-06-26 | 中国科学院计算技术研究所 | 一种基于时空约束的景区浏览路径规划方法、装置 |
| CN105157714B (zh) * | 2015-08-21 | 2017-08-25 | 宁波薄言信息技术有限公司 | 一种基于用户个性化的景区游览路线推荐方法 |
| CN105205559A (zh) * | 2015-09-25 | 2015-12-30 | 重庆大学 | 基于多源异构众包数据的风景旅行路线规划系统 |
| CN105389620A (zh) * | 2015-10-16 | 2016-03-09 | 成都中科大旗软件有限公司 | 景区景点线路推荐方法 |
| CN105589975B (zh) * | 2016-02-05 | 2018-04-24 | 腾讯科技（深圳）有限公司 | 信息推荐方法及装置 |
| CN106197444B (zh) * | 2016-06-29 | 2020-01-10 | 厦门趣处网络科技有限公司 | 一种路线规划方法、系统 |
| WO2018018204A1 (zh) * | 2016-07-24 | 2018-02-01 | 严映军 | 一种基于地铁出行的景点筛选方法以及筛选系统 |
| WO2018018203A1 (zh) * | 2016-07-24 | 2018-02-01 | 严映军 | 一种基于酒店和地铁筛选景点时的信息推送方法以及筛选系统 |
| CN106408097A (zh) * | 2016-08-31 | 2017-02-15 | 浪潮软件集团有限公司 | 一种基于遗传算法的旅游行程规划系统 |
| CN106534384B (zh) * | 2017-01-03 | 2023-04-28 | 上海量明科技发展有限公司 | 共享单车的路径优化方法、装置及系统 |
| CN106705982A (zh) * | 2017-01-25 | 2017-05-24 | 上海蔚来汽车有限公司 | 多地点依存的路径规划方法和系统 |
| CN107490385A (zh) * | 2017-08-21 | 2017-12-19 | 百度在线网络技术（北京）有限公司 | 出行路线规划方法及其装置 |
| CN107613457B (zh) * | 2017-09-01 | 2021-01-26 | 深圳市盛路物联通讯技术有限公司 | 路径信息处理方法及设备 |
| CN109556621B (zh) * | 2017-09-27 | 2022-03-25 | 腾讯科技（深圳）有限公司 | 一种路线规划的方法及相关设备 |
| CN107944595A (zh) * | 2017-10-19 | 2018-04-20 | 金华航大北斗应用技术有限公司 | 景区路线规划中动态时间变量的处理方法 |
| CN107832872A (zh) * | 2017-10-19 | 2018-03-23 | 金华航大北斗应用技术有限公司 | 用于景区路线的动态规划方法 |
| CN107909188A (zh) * | 2017-10-19 | 2018-04-13 | 金华航大北斗应用技术有限公司 | 用于景区静态路线的数据预处理方法 |
| CN109839120B (zh) * | 2017-11-24 | 2021-05-18 | 北京三快在线科技有限公司 | 行程规划方法、装置、介质及电子设备 |
| CN109975748B (zh) * | 2017-12-28 | 2021-11-26 | 腾讯科技（深圳）有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
| CN108198098B (zh) * | 2018-01-04 | 2022-02-25 | 深圳峰创优爱科技有限公司 | 一种自助旅游方法及移动终端 |
| CN110119822B (zh) * | 2018-02-06 | 2024-03-15 | 阿里巴巴集团控股有限公司 | 景区管理、行程规划方法、客户端和服务器 |
| CN108931243B (zh) * | 2018-04-17 | 2020-12-22 | 哈尔滨工程大学 | 一种复杂海洋环境影响下基于能耗和采样量多目标优化的uuv路径规划方法 |
| CN110827657B (zh) * | 2018-08-14 | 2022-12-20 | 北京高德云图科技有限公司 | 一种景区内游览路线的显示方法及显示装置 |
| CN109242206B (zh) * | 2018-10-09 | 2022-08-19 | 京东方科技集团股份有限公司 | 一种路径规划方法、系统及存储介质 |
| CN109447150B (zh) * | 2018-10-26 | 2020-12-18 | 杭州睿琪软件有限公司 | 一种植物观赏方法、装置、电子设备和存储介质 |
| CN109409612A (zh) * | 2018-11-12 | 2019-03-01 | 平安科技（深圳）有限公司 | 一种路径规划方法、服务器及计算机存储介质 |
| CN109737978B (zh) * | 2018-12-20 | 2021-06-18 | 维沃移动通信有限公司 | 一种路线推荐方法及终端 |
| CN109726864B (zh) * | 2018-12-26 | 2021-04-09 | 杭州优行科技有限公司 | 线路规划方法、装置、服务端及存储介质 |
| CN110749333B (zh) * | 2019-11-07 | 2022-02-22 | 中南大学 | 基于多目标优化的无人驾驶车辆运动规划方法 |
| CN111080073A (zh) * | 2019-11-20 | 2020-04-28 | 国网上海市电力公司 | 一种停役任务智能分配方法 |
| CN113465587A (zh) * | 2020-03-31 | 2021-10-01 | 阿里巴巴集团控股有限公司 | 一种区域展示路线处理方法、装置和系统 |
| CN111707263B (zh) * | 2020-05-22 | 2022-12-02 | 北京梧桐车联科技有限责任公司 | 路径规划方法、装置、电子设备及存储介质 |
| CN111664851B (zh) * | 2020-06-11 | 2022-02-01 | 哈尔滨工业大学 | 基于序列优化的机器人状态规划方法、装置及存储介质 |
| CN111898043B (zh) * | 2020-07-02 | 2023-11-24 | 北京大学 | 一种城市旅行路线规划的方法 |
| CN113689025B (zh) * | 2021-07-08 | 2023-12-01 | 湖南中惠旅智能科技有限责任公司 | 基于电子地图的景区游玩项目规划方法及系统 |
| CN114091763A (zh) * | 2021-11-24 | 2022-02-25 | 中国建设银行股份有限公司 | 路线规划方法、装置、可读介质和电子设备 |
| CN115371684B (zh) * | 2022-10-24 | 2023-02-03 | 四川师范大学 | 一种景区游玩路径规划方法及系统 |
| CN117236543B (zh) * | 2023-11-10 | 2024-02-02 | 四川农业大学 | 一种藏羌传统村落最佳观景路线规划方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5272638A (en) * | 1991-05-31 | 1993-12-21 | Texas Instruments Incorporated | Systems and methods for planning the scheduling travel routes |
| JP2008139174A (ja) * | 2006-12-01 | 2008-06-19 | Denso Corp | 経路探索装置 |
| CN101763795A (zh) * | 2008-12-24 | 2010-06-30 | 华晶科技股份有限公司 | 可携式电子装置与旅游导引方法 |
| CN103198366A (zh) * | 2013-04-09 | 2013-07-10 | 北京理工大学 | 一种考虑目标节点时效性的多目标路径规划方法 |
| CN103402173A (zh) * | 2013-07-18 | 2013-11-20 | 合肥工业大学 | 一种用于旅游景点的旅游时间优化方法 |
-
2015
- 2015-01-27 CN CN201510040659.4A patent/CN104634343B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5272638A (en) * | 1991-05-31 | 1993-12-21 | Texas Instruments Incorporated | Systems and methods for planning the scheduling travel routes |
| JP2008139174A (ja) * | 2006-12-01 | 2008-06-19 | Denso Corp | 経路探索装置 |
| CN101763795A (zh) * | 2008-12-24 | 2010-06-30 | 华晶科技股份有限公司 | 可携式电子装置与旅游导引方法 |
| CN103198366A (zh) * | 2013-04-09 | 2013-07-10 | 北京理工大学 | 一种考虑目标节点时效性的多目标路径规划方法 |
| CN103402173A (zh) * | 2013-07-18 | 2013-11-20 | 合肥工业大学 | 一种用于旅游景点的旅游时间优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| 邮政物流车辆路径问题研究;吕雄伟;《中国优秀博士学位论文全文数据库工程科技II辑》;20100315;摘要、第1.1.4节、第1.2.1.1节、第1.2.3节、第3章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104634343A (zh) | 2015-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104634343B (zh) | 一种基于多目标优化的景区路线自动规划方法 | |
| US20130006521A1 (en) | Customized Travel Route System | |
| CN108151756A (zh) | 一种城市公共交通系统的行程时间计算方法和装置 | |
| CN108256669A (zh) | 一种基于改进Dijkstra算法的景区路径选择方法及系统 | |
| Drakoulis et al. | A gamified flexible transportation service for on-demand public transport | |
| CN109636679A (zh) | 一种基于人工智能的交互式旅游行程规划方法 | |
| CN111177572A (zh) | 一种基于用户动态兴趣的个性化旅游路线推荐方法 | |
| CN108399585A (zh) | 一种基于互联网的旅游定制系统及方法 | |
| CN110648027B (zh) | 一种自驾游数字化线路交互式生成系统及其工作方法 | |
| JP2007240281A (ja) | エリア分割巡回経路探索システム、経路探索サーバ、エリア分割巡回経路探索方法 | |
| CN111340303B (zh) | 基于新型混合蛙跳算法的旅行商路线规划方法 | |
| Houissa et al. | A learning algorithm to minimize the expectation time of finding a parking place in urban area | |
| Walek et al. | Proposal of expert system for hotel booking system | |
| CN113077102A (zh) | 一种景观路线优化方法 | |
| Karbowska-Chilinska et al. | Genetic algorithm for generation multistage tourist route of electrical vehicle | |
| US11287277B2 (en) | Information processor, information processing method, and computer-readable recording medium, and information processing system | |
| CN111797331B (zh) | 基于群智感知的多目标多约束路线推荐方法 | |
| KR100798658B1 (ko) | 미래형 주상복합건물에서의 최적보행자 경로산정 알고리즘 | |
| Ieiri et al. | Effect of first impressions in tourism by using walk rally application | |
| Khakbaz et al. | Urban bus fleet routing in transportation network equipped with park-and-ride: a case study of Babol, Iran | |
| CN112884229B (zh) | 基于差分进化算法的大型公共场所人流引导路径规划方法 | |
| CN106204404A (zh) | 一种公交运力的调整方法和系统 | |
| CN108734352A (zh) | 一种乡村旅游用管理系统 | |
| US11619507B2 (en) | Information processor, information processing method, and computer-readable recording medium | |
| EP3926302A1 (en) | Method and apparatus for planning a return trip between a given starting point and a given destination |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Hangzhou City, Zhejiang province 310004 Jianggan District Qiutao Road No. 292 building 408 room 4 Co-patentee after: HANGZHOU TIANMAI NETWORK CO., LTD. Patentee after: Hangzhou Tianmai Technology Co., Ltd Address before: Hangzhou City, Zhejiang province 310004 Jianggan District Qiutao Road No. 292 building 408 room 4 Co-patentee before: HANGZHOU TIANMAI NETWORK CO., LTD. Patentee before: HANGZHOU GEWEN DIGITAL TECHNOLOGY CO., LTD. |
|
| CP01 | Change in the name or title of a patent holder | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An automatic route planning method for scenic spots based on multi objective optimization Effective date of registration: 20201223 Granted publication date: 20170926 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: HANGZHOU TIANMAI NETWORK Co.,Ltd. Registration number: Y2020330001265 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220118 Granted publication date: 20170926 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: HANGZHOU TIANMAI NETWORK Co.,Ltd. Registration number: Y2020330001265 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An automatic route planning method for scenic spots based on multi-objective optimization Effective date of registration: 20220125 Granted publication date: 20170926 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: HANGZHOU TIANMAI NETWORK Co.,Ltd. Registration number: Y2022330000154 |