CN105303486A - 一种基于成本最低的智慧旅游推荐系统与方法 - Google Patents

Abstract

一种基于成本最低的智慧旅游推荐系统与方法，包括如下模块和功能：用户需求信息收集模块用于收集用户的个性化需求信息；数据采集与处理模块利用网络爬虫获取互联网上符合用户需求的交通数据集；旅程优化模块构建TIP数学优化模型，并设计相应的求解算法输出符合用户需求的多个旅程方案；可视化旅程推荐模块将旅程方案按照旅程距离最短，或者旅程费用最省，或者旅程时间最少进行排序，并通过可视化界面使用户可在多种优化方案切换选择。

Description

一种基于成本最低的智慧旅游推荐系统与方法

技术领域

本发明涉及信息技术及服务领域，尤其涉及一种基于成本最低的智慧旅游推荐系统与方法。

背景技术

旅行是指人们在不同城市之间的移动和停留行为。对于这样一种场景：旅行者计划从所居住城市出发到访多个不同的城市且在每个城市停留一定时间，那么该旅行者首先需要决定走访顺序，其次还需要选择两个相邻城市之间的交通方式与班次。与旅行商问题(TravelingSalesmanProblem，TSP)不同，上述问题需要考虑更多的现实约束，如时刻表(飞机、列车等)、旅行城市停留时间等。

把上述问题称为行程规划问题(TravelItineraryProblem，TIP)，其目标是找到一种满足旅行者要求，且旅行成本最低的旅行方案。近年来随着社会经济的发展，旅游服务业中的行程规划问题越来越突出，亟需智慧旅行系统(SmartTravelSystem)为旅行者推荐旅行方案。大数据时代的到来使得数据信息的共享和融合成为可能，尤其是可以通过移动端和互联网的无缝对接，根据用户的个性化旅行需求为其提供行程规划解决方案。为此，本发明提供了一种基于成本最低的智慧旅游推荐系统与方法。

发明内容

为满足大数据时代智慧定制行程规划方案的现实需求，本发明提供了一种基于成本最低的智慧旅游推荐系统与方法，可根据旅行者需求为其推荐当前有效信息条件下的最优行程规划方案，大大降低出行成本。该发明系统与方法的思想是：根据用户需求应用文本挖掘技术从互联网海量信息中获得有价值交通数据，然后通过构建的行程规划数学优化模型自动推荐最优行程规划方案。

为了实现上述目标，本发明采用如下的技术方案：

一种基于成本最低的智慧旅游推荐系统，其特征在于：该系统包括用户需求信息收集模块、数据采集与处理模块、行程优化模块和可视化行程推荐模块。所述系统的架构图如图1所示。用户需求信息收集模块与数据采集与处理模块连接，数据采集与处理模块与行程优化模块连接，行程优化模块与可视化行程推荐模块相连。

所述用户需求信息收集模块以界面方式收集用户的个性化需求信息，所述个性化需求信息包括：旅程起止时间、旅行城市名称、旅行城市停留时间、推荐行程方案数量，上述个性化需求信息最终汇入需求输出；

所述数据采集与处理模块基于用户的个性化旅行需求，利用网络爬虫获取互联网上符合用户需求的交通数据集，具体包含URL序列生成模块、网络爬虫采集数据模块、数据清洗模块、数据抽取模块以及交通数据库存储模块；

旅程优化模块基于以结构化方式存储在数据库中的交通数据，通过构建TIP数学优化模型以及设计TIP求解算法，获得符合用户需求的行程方案；

所述可视化行程推荐模块将优化得到的行程方案按照旅行费用最省的顺序进行排序，并以可视化界面的方式进行展示，以便用户在多个方案之间切换选择。

一种利用所述推荐系统进行行程智慧优化的方法，其特征在于，该方法包括以下步骤：

步骤一：收集用户的个性化需求信息，所述需求信息包括：旅程起止时间、旅行城市名称、旅行城市停留时间、推荐行程方案数量；

步骤二：利用网络爬虫获取互联网上符合用户需求的交通数据集，具体包含子步骤：URL序列生成、网络爬虫采集数据、数据清洗、数据抽取以及交通数据存储；

步骤三：构建TIP行程优化数学模型，并设计求解算法输出符合用户需求的行程方案，将行程按照费用最省进行排序；

所述旅程推荐系统的自动优化方法，其特征在于，在步骤二中获得有价值决策数据的方法是：

Step2.1:根据用户需求生成数据采集需求，并将其生成为URL序列；

Step2.2:网络爬虫通过Step2.1中得到的URL采集序列从互联网上得到符合条件的粗文本信息；

Step2.3:通过数据清洗和数据抽取步骤得到可用于决策的交通数据信息；

Step2.4:将Step2.3获得的交通数据信息进行结构化处理，并将其存储在数据库中。

所述推荐系统的自动优化方法，其特征在于，在步骤三中构建TIP行程优化数学模型的方法为：

Step3.1.1:构建数学优化模型的目标为费用最省；

Step3.1.2:构建数学优化模型的约束条件包括：1)每个城市的实际停留时间应大于或等于用户设定的停留时间；2)整个旅程所用的实际时间应小于或等于用户设定的总旅程时间；3)每个城市只访问一次。

所述推荐系统的自动优化方法，其特征在于，在步骤三中求解TIP行程优化数学模型的方法为：

Step3.2.1:交通策略选择，所属交通策略选择的目的是在任意两个城市之间的交通决策信息中选择符合用户要求的可行交通方案，如航班、高铁等，所属交通决策信息由步骤二获得；

Step3.2.2:旅程路线选择，所属旅程路线选择的目的是根据用户需求，在可行交通方案约束下优化得到多个城市之间的最优访问顺序，所属可行交通方案由Step3.2.1获得。

模型的求解模块在Matlab2014a上进行开发并与所述系统整合。

所述推荐系统的自动优化方法，其特征在于，在步骤三中输出符合用户需求的行程方案的方法为：

按照旅行费用最省对优化得到的多个行程进行排序，以便用户进行个性化选择。

假设某旅行者计划在[0,T]时间段内到n个目的地旅行，在第i个目的地停留时间为s_i(i＝1,2,…,n)，以{(c_ijk,d_ijk,a_ijk)|k＝1,2,…,I_ij}表示从城市i到城市j的交通信息集，其中c_ijk表示旅行成本，d_ijk表示离开城市i的时刻，a_ijk表示到达城市j的时刻，I_ij表示城市i与j之间可选交通方式的数量。设a_ijk>d_ijk≥0。记x_ijk为一布尔变量，若城市i到城市j的第k种交通方式被选择，则x_ijk＝1，否则x_ijk＝0。这样x＝{x_ijk|k＝1,2,…,I_ij,i,j＝1,2,…n}表示决策向量，也即行程方案。

整个旅行总成本函数表示为c_ijkx_ijk.模型的目标函数要求总成本最小，即：

$\begin{array}{cc}min& {\mathrm{\Σ}}_{i=0}^n{\mathrm{\Σ}}_{j=0}^n{\mathrm{\Σ}}_{k=1}^{I_{ij}}{c}_{ijk}{x}_{ijk}\end{array}---\left(1\right)$

相应的约束条件包括：

1)每个城市的实际停留时间应大于或等于用户设定的停留时间，表示为：

${\mathrm{\Σ}}_{j=0}^n{\mathrm{\Σ}}_{k=1}^{I_{ij}}{d}_{ijk}{x}_{ijk}-{\mathrm{\Σ}}_{j=0}^n{\mathrm{\Σ}}_{k=1}^{I_{ji}}{c}_{ijk}{x}_{ijk}>s_i,i=1,2,...,n.---\left(2\right)$

2)整个旅程所用的实际时间应小于或等于用户设定的总旅程时间，表示为：

${\mathrm{\&Sigma;}}_{i=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{i0}}{c}_{i0k}{x}_{i0k}<T.---\left(3\right)$

3)每个城市只访问一次，表示为：

$\begin{array}{c}{\mathrm{\&Sigma;}}_{j=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{x}_{ijk}=1,i=1,2,...,n,\\ {\mathrm{\&Sigma;}}_{i=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{x}_{ijk}=1,i=1,2,...,n.\end{array}---\left(4\right)$

这样，旅行成本最低的TIP数学优化模型构建为：

$\left\{\begin{array}{cc}\min & \underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{c}_{ijk}{x}_{ijk}\\ s.t.& \underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{d}_{ijk}{x}_{ijk}-\underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ji}}{\mathrm{\&Sigma;}}}{c}_{ijk}{x}_{ijk}>s_i,i=1,2,...,n\\ & \underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{i0}}{\mathrm{\&Sigma;}}}{c}_{i0k}{x}_{i0k}<T\\ & \underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{x}_{ijk}=1,i=1,2,...,n\\ & \underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{x}_{ijk}=1,j=1,2,...,n\\ & x_{ijk}\&Element;\{0,1\},k=1,2,...,I_{ij},i,j,=1,2,...,n.\end{array}\right.$

为了求解上述模型，设计TIP求解算法包括：

1)交通策略选择子算法，其目的是在任意两个城市之间的交通决策信息中选择符合用户要求的可行交通方案，如航班、高铁等。算法过程可总结为算法A：

2)旅程路线选择子算法，其目的是根据用户的访问需求，在可行交通方案约束下优化得到多个城市之间的最优访问顺序，所属可行交通方案。在本实施例中，考虑到待解决旅程路线选择问题为一个NP难问题，应用遗传算法进行求解。所述遗传算法中的交叉操作是根据所建模型的实际求解情况设计的，如图2所示。

算法过程可总结为算法B：

由上述算法A和B组成的模型求解模块在Matlab2014a上进行开发并与所述系统整合。

与现有技术相比，本发明系统与方法的有益之处在于：

1、本发明的个性化旅程智慧推荐系统与方法可满足用户多目的地停留、多交通工具选择的实际需求，通过互联网渠道低成本获得有价值决策信息；

2、本发明的个性化旅程智慧推荐系统与方法可根据用户的实际需求，建立不同的数学优化目标函数，实现了旅程方案的智慧生成和推荐。用户可以灵活地在不同优化旅程方案间切换选择，使用户体验得到极大的改善；

3、本发明的个性化旅程智慧推荐系统与方法，可用于向用户定制化推荐最优行程规划方案，节省用户查阅旅程相关信息的时间，轻松为其编排出合理的行程，包括旅行顺序、交通等。

附图说明

图1是个性化旅程智慧推荐系统架构图。

图2是交叉算子设计示意图。

图3是费用最省目标下旅程1。

图4是费用最省目标下旅程2。

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。

首先介绍本发明的旅行路线的自动优化系统。

本发明的个性化旅程智慧推荐系统能够根据用户的实际需求应用文本挖掘技术从互联网海量信息中获得有价值决策交通数据，然后通过构建的数学优化模型和求解方法，向用户自动推荐最优行程规划方案。

以下结合附图和具体实施例对本发明作具体的介绍。

参照图1，本发明的个性化旅程智慧推荐系统，其主要包括以下四个功能模块：用户需求信息收集模块、数据采集与处理模块、行程优化模块和可视化行程推荐模块。下面分别介绍各个功能模块。

1、用户需求信息收集模块以界面方式收集用户的个性化需求信息，所述需求信息包括：旅程起止时间、旅行城市名称、旅行城市停留时间、推荐行程方案数量，这些需求数据信息是旅程优化必须的；

2、数据采集与处理模块利用网络爬虫获取互联网上符合用户需求的交通数据集，具体包含URL序列生成模块、网络爬虫采集数据模块、数据清洗模块、数据抽取模块以及交通数据库存储模块。数据采集与处理模块是低成本获取交通数据的必要模块，其中采集模块的性能与信息质量有着密切的关系，交通数据库对旅程优化系统的鲁棒性和效率提升有巨大的作用；

3、行程优化模块通过构建的TIP数学优化模型以及TIP优化算法，获得符合用户需求的行程方案。TIP数学优化模型的可根据用户需求选择不同的目标函数，并受到相应的条件约束，TIP优化算法与模型求解的效率和方案输出的质量有密切关系；

4、可视化行程推荐模块将按照费用最省对行程方案进行排序，以可视化界面的方式向用户推荐输出的最优行程方案，以便用户做出选择。可视化行程推荐模块以友好流畅的界面满足用户在不同定制方案间的切换需要，用户可根据实际需要任选一种行程方案。

接下来介绍利用前面的个性化旅程智慧推荐系统自动优化旅程的方法。

一种利用所述旅程推荐系统进行旅程智慧优化的方法，具体包括以下步骤：

步骤一：收集用户的个性化需求信息。

用户的需求信息包括：旅程起止时间、旅行城市名称、旅行城市停留时间、推荐行程方案数量；

步骤二：利用网络爬虫获取互联网上符合用户需求的交通数据集。

首先，根据用户的旅程需求生成数据采集需求，并将其生成为URL序列。其次，以URL序列作为输入网络爬虫的输入，从互联网上采集得到符合条件的文本信息。然后，将采集到的文本信息通过数据清洗、数据抽取步骤得到可用于决策的交通数据信息。最后，将获得的交通数据信息进行结构化处理，并将其存储在数据库中。

步骤三：构建TIP数学优化模型，并设计TIP求解算法.

首先，构建数学优化模型的目标为旅行费用最省。其次，构建数学优化模型的约束条件包括：1)每个城市的实际停留时间应大于或等于用户设定的停留时间；2)整个旅程所用的实际时间应小于或等于用户设定的总旅程时间；3)每个城市只访问一次。然后，求解TIP旅程优化数学模型，算法包括：1)交通策略选择，其目的是在任意两个城市之间的交通决策信息中选择符合用户要求的可行交通方案，如航班、高铁等；2)旅程路线选择，其目的是根据用户的访问需求，在可行交通方案约束下优化得到多个城市之间的最优访问顺序，所属可行交通方案。求解平台可采用数学优化工具性软件，如Matlab等。

最后输出符合用户需求的行程方案，按照旅行费用最省进行排序。

下面针对旅行费用最省为实施例进行介绍。

某用户计划在2015年9月30日早上8点到2015年10月8日早上8点(T＝11520)期间旅行，从北京出发，长春停留2天、沈阳停留1天、青岛停留3天、西安停留1天，即s₀＝0，s₁＝2，s₂＝1，s₃＝3，s₄＝1。交通工具不限，例如，飞机、高铁等，但是要求整个费用最省。上述信息通过所述系统的用户信息收集界面由用户填写。本发明将通过所述系统帮助用户制定满足上述需求的旅行方案。

数据采集信息模块通过网络平台(如携程网等)采集满足条件的航班和高铁信息，利用网络爬虫从互联网上采集得到符合条件的文本信息，通过数据清洗、数据抽取步骤得到可用于决策的交通数据信息，并将其以如表1字段项进行数据库存储：

表1交通数据库各字段示例

日期

离开时间

到达时间

代码

起始点

到达点

价格

采集到的交通数据包括任意两个城市之间，2015年9月30日早上8点到2015年10月8日早上8点期间的所有数据信息(航班和高铁)。由于数据量较大，在此仅以展示北京到长春、沈阳、青岛、西安的交通信息作为示例，如表2所示。

表2交通数据库示意

以{(c_ijk,d_ijk,a_ijk)|k＝1,2,…,I_ij}表示从城市i到城市j的交通信息集，其中c_ijk表示成本，d_ijk表示离开城市i的时刻，a_ijk表示到达城市j的时刻，I_ij表示城市i与j之间可选交通方式的数量。设a_ijk>d_ijk≥0。记x_ijk为一布尔变量，若城市i到城市j的第k种交通方式被选择，则x_ijk＝1，否则x_ijk＝0。这样x＝{x_ijk|k＝1,2,…,I_ij,i,j＝1,2,…4}表示决策向量，也即行程方案。

整个旅行总成本函数表示为c_ijkx_ijk.模型的目标函数要求总成本最小，即：

$\begin{array}{cc}min& {\mathrm{\&Sigma;}}_{i=0}^n{\mathrm{\&Sigma;}}_{j=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{c}_{ijk}{x}_{ijk}\end{array}---\left(1\right)$

相应的约束条件包括：

1)每个城市的实际停留时间应大于或等于用户设定的停留时间，表示为：

${\mathrm{\&Sigma;}}_{j=0}^4{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{d}_{ijk}{x}_{ijk}-{\mathrm{\&Sigma;}}_{j=0}^4{\mathrm{\&Sigma;}}_{k=1}^{I_{ji}}{c}_{ijk}{x}_{ijk}>s_i,i=1,2,...,4.---\left(5\right)$

2)整个旅程所用的实际时间应小于或等于用户设定的总旅程时间，表示为：

${\mathrm{\&Sigma;}}_{i=0}^4{\mathrm{\&Sigma;}}_{k=1}^{I_{i0}}{c}_{i0k}{x}_{i0k}<T.---\left(6\right)$

3)每个城市只访问一次，表示为：

$\begin{array}{c}{\mathrm{\&Sigma;}}_{j=0}^4{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{x}_{ijk}=1,i=1,2,...,4,\\ {\mathrm{\&Sigma;}}_{i=0}^4{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{x}_{ijk}=1,i=1,2,...,4.\end{array}---\left(7\right)$

这样，旅程总费用最省的TIP数学优化模型构建为：

$\left\{\begin{array}{cc}\min & \underset{i=0}{\overset{4}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{4}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{c}_{ijk}{x}_{ijk}\\ s.t.& \underset{j=0}{\overset{4}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{d}_{ijk}{x}_{ijk}-\underset{j=0}{\overset{4}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ji}}{\mathrm{\&Sigma;}}}{c}_{ijk}{x}_{ijk}>s_i,i=1,2,...,4\\ & \underset{i=0}{\overset{4}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{i0}}{\mathrm{\&Sigma;}}}{c}_{i0k}{x}_{i0k}<T\\ & \underset{j=0}{\overset{4}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{x}_{ijk}=1,i=1,2,...,4\\ & \underset{i=0}{\overset{4}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{x}_{ijk}=1,j=1,2,...,4\\ & x_{ijk}\&Element;\{0,1\},k=1,2,...,I_{ij},i,j,=1,2,...,4.\end{array}\right.---\left(8\right)$

本实施例利用所述上述算法A和B对上述模型(8)进行求解，求解模块在Matlab2014a上开发并与所述系统整合。

通过上述模型和优化算法得到多个可选旅程方案。在本实施例中，选择总费用较低的两个最优形成方案如表3所示:

表3费用最省目标下可选旅程方案(RMB)

上述两个旅程的路线可用附图3和附图4表示。

综上所述，本发明提供了一种个性化旅程智慧推荐系统与方法，可满足大数据时代人们行程规划方案智慧定制的实际需求，根据用户旅游需求为其自动推荐当前有效信息条件下的最优旅程规划方案，节省人们查阅资料的时间和经济成本。

为了说明本发明的内容及实施方法，本说明书给出了一个具体实施例。在实施例中引入细节的目的不是限制权利要求书的范围，而是帮助理解本发明所述方法。本领域的技术人员应理解：在不脱离本发明及其所附权利要求的精神和范围内，对最佳实施例步骤的各种修改、变化或替换都是可能的。因此，本发明不应局限于最佳实施例及附图所公开的内容。

Claims (2)

1.一种基于成本最低的智慧旅游推荐系统，其特征在于：该系统包括用户需求信息收集模块、数据采集与处理模块、行程优化模块和可视化行程推荐模块；用户需求信息收集模块与数据采集与处理模块连接，数据采集与处理模块与行程优化模块连接，行程优化模块与可视化行程推荐模块相连；

所述用户需求信息收集模块以界面方式收集用户的个性化需求信息，所述个性化需求信息包括：旅程起止时间、旅行城市名称、旅行城市停留时间、推荐行程方案数量，上述个性化需求信息最终汇入需求输出；

所述数据采集与处理模块基于用户的个性化旅行需求，利用网络爬虫获取互联网上符合用户需求的交通数据集，具体包含URL序列生成模块、网络爬虫采集数据模块、数据清洗模块、数据抽取模块以及交通数据库存储模块；

旅程优化模块基于以结构化方式存储在数据库中的交通数据，通过构建TIP数学优化模型以及设计TIP求解算法，获得符合用户需求的行程方案；

所述可视化行程推荐模块将优化得到的行程方案按照旅行费用最省的顺序进行排序，并以可视化界面的方式进行展示，以便用户在多个方案之间切换选择。

2.一种基于成本最低的智慧旅游推荐方法，其特征在于，该方法包括以下步骤：

步骤一：收集用户的个性化需求信息，所述需求信息包括：旅程起止时间、旅行城市名称、旅行城市停留时间、推荐行程方案数量；

步骤二：利用网络爬虫获取互联网上符合用户需求的交通数据集，具体包含子步骤：URL序列生成、网络爬虫采集数据、数据清洗、数据抽取以及交通数据存储；

步骤三：构建TIP行程优化数学模型，并设计求解算法输出符合用户需求的行程方案，将行程按照费用最省进行排序；

所述旅程推荐系统的自动优化方法，其特征在于，在步骤二中获得有价值决策数据的方法是：

Step2.1:根据用户需求生成数据采集需求，并将其生成为URL序列；

Step2.2:网络爬虫通过Step2.1中得到的URL采集序列从互联网上得到符合条件的粗文本信息；

Step2.3:通过数据清洗和数据抽取步骤得到可用于决策的交通数据信息；

Step2.4:将Step2.3获得的交通数据信息进行结构化处理，并将其存储在数据库中；

所述推荐系统的自动优化方法，在步骤三中构建TIP行程优化数学模型的方法为：

Step3.1.1:构建数学优化模型的目标为费用最省；

Step3.1.2:构建数学优化模型的约束条件包括：1)每个城市的实际停留时间应大于或等于用户设定的停留时间；2)整个旅程所用的实际时间应小于或等于用户设定的总旅程时间；3)每个城市只访问一次；

所述推荐系统的自动优化方法，在步骤三中求解TIP行程优化数学模型的方法为：

Step3.2.1:交通策略选择，所属交通策略选择的目的是在任意两个城市之间的交通决策信息中选择符合用户要求的可行交通方案，所属交通决策信息由步骤二获得；

Step3.2.2:旅程路线选择，所属旅程路线选择的目的是根据用户需求，在可行交通方案约束下优化得到多个城市之间的最优访问顺序，所属可行交通方案由Step3.2.1获得；

模型的求解模块在Matlab2014a上进行开发并与所述系统整合；

所述推荐系统的自动优化方法，在步骤三中输出符合用户需求的行程方案的方法为：

按照旅行费用最省对优化得到的多个行程进行排序，以便用户进行个性化选择；

假设某旅行者计划在[0,T]时间段内到n个目的地旅行，在第i个目的地停留时间为s_i(i＝1,2,…,n)，以{(c_ijk,d_ijk,a_ijk)|k＝1,2,…,I_ij}表示从城市i到城市j的交通信息集，其中c_ijk表示旅行成本，d_ijk表示离开城市i的时刻，a_ijk表示到达城市j的时刻，I_ij表示城市i与j之间可选交通方式的数量；设a_ijk>d_ijk≥0；记x_ijk为一布尔变量，若城市i到城市j的第k种交通方式被选择，则x_ijk＝1，否则x_ijk＝0；这样x＝{x_ijk|k＝1,2,…,I_ij,i,j＝1,2,…n}表示决策向量，也即行程方案；

整个旅行总成本函数表示为模型的目标函数要求总成本最小，即：

$\begin{array}{cc}min& {\mathrm{\&Sigma;}}_{i=0}^n{\mathrm{\&Sigma;}}_{j=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{c}_{ijk}{x}_{ijk}\end{array}---\left(1\right)$

相应的约束条件包括：

1)每个城市的实际停留时间应大于或等于用户设定的停留时间，表示为：

${\mathrm{\&Sigma;}}_{j=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{d}_{ijk}{x}_{ijk}-{\mathrm{\&Sigma;}}_{j=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{ji}}{c}_{ijk}{x}_{ijk}>s_i,i=1,2,...,n.---\left(2\right)$

2)整个旅程所用的实际时间应小于或等于用户设定的总旅程时间，表示为：

${\mathrm{\&Sigma;}}_{i=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{i0}}{c}_{i0k}{x}_{i0k}<T.---\left(3\right)$

3)每个城市只访问一次，表示为：

${\mathrm{\&Sigma;}}_{j=0}^n{\mathrm{\&Sigma;}}_{\stackrel{\&CenterDot;}{k}=1}^{I_{ij}}{x}_{ijk}=1,i=1,2,...,n,$

${\mathrm{\&Sigma;}}_{i=0}^n{\mathrm{\&Sigma;}}_{k=1}^{I_{ij}}{x}_{ijk}=1,j=1,2,...,n.---\left(4\right)$

这样，旅行成本最低的TIP数学优化模型构建为：

$\left\{\begin{array}{cc}\min & \underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{c}_{ijk}{x}_{ijk}\\ s.t.& \underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{d}_{ijk}{x}_{ijk}-\underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ji}}{\mathrm{\&Sigma;}}}{c}_{ijk}{x}_{ijk}>s_i,i=1,2,...,n\\ & \underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{i0}}{\mathrm{\&Sigma;}}}{c}_{i0k}{x}_{i0k}<T\\ & \underset{j=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{x}_{ijk}=1,i=1,2,...,n\\ & \underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}\underset{k=1}{\overset{I_{ij}}{\mathrm{\&Sigma;}}}{x}_{ijk}=1,j=1,2,...,n\\ & x_{ijk}\&Element;\{0,1\},k=1,2,...,I_{ij},i,j,=1,2,...,n.\end{array}\right.$

为了求解上述模型，设计TIP求解算法包括：

1)交通策略选择子算法，其目的是在任意两个城市之间的交通决策信息中选择符合用户要求的可行交通方案；算法过程可总结为算法A：

2)旅程路线选择子算法，其目的是根据用户的访问需求，在可行交通方案约束下优化得到多个城市之间的最优访问顺序，所属可行交通方案；在本实施例中，考虑到待解决旅程路线选择问题为一个NP难问题，应用遗传算法进行求解；所述遗传算法中的交叉操作是根据所建模型的实际求解情况设计；

算法过程可总结为算法B：

由上述算法A和B组成的模型求解模块在Matlab2014a上进行开发并与所述系统整合。