CN106408110A - 一种旅游景点锁定的方法和系统 - Google Patents
一种旅游景点锁定的方法和系统 Download PDFInfo
- Publication number
- CN106408110A CN106408110A CN201610743218.5A CN201610743218A CN106408110A CN 106408110 A CN106408110 A CN 106408110A CN 201610743218 A CN201610743218 A CN 201610743218A CN 106408110 A CN106408110 A CN 106408110A
- Authority
- CN
- China
- Prior art keywords
- sight
- sight spot
- visitor
- target
- spots
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 19
- 238000004458 analytical method Methods 0.000 abstract description 6
- 238000013075 data extraction Methods 0.000 description 6
- 238000007418 data mining Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 102220065988 rs139034501 Human genes 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及给用户建议/设计旅行路线的方法和系统,以及更特别基于目标景点的大数据进行分析、权重计算、评估后,给匹配用户建议旅行路线。本发明提供了一种旅游景点锁定的方法,包括如下步骤:S100:确定目标游客信息;S200:确定目标旅游区域内的多个景点信息;S300:根据所述目标游客信息,对所述目标旅游区域内的多个景点进行对比筛选;S400:锁定所述目标旅游区域内的主目标景点。本发明赋予目标游客根据自身特点通过计算机大数据运算进行旅游路线问询的能力,极大地方便旅行路线设计工作。
Description
技术领域
本发明涉及给用户建议/设计旅行路线的方法,以及更特别基于目标景点的大数据进行分析、权重计算、评估后,给匹配用户建议旅行路线。
背景技术
大数据(big data),指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
数据挖掘(Data mining),又译为资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。
旅游线路是指为了使旅游者能够以最短的时间获得最大的观赏效果,由旅游经营部门利用交通线串联若干旅游点或旅游城市(镇)所形成的具有一定特色的合理走向。根据不同的分类标准,可以分为短程旅游线、中程旅游线、远程旅游线、普通观光游、专题旅游线、国内旅游线、国际旅游线等。
旅游线路的规划一般都是参考景点的价格、路程、游玩时间等元素进行综合考虑后,通过人工的方式进行设计。这种通过传统方式设计的线路,没有考虑到不同游客的偏好、购买力等各种因素,往往会存在行程中的某些景点是潜在游客不感兴趣的情况。另外,在设计线路的时候,也都要求设计者对景点有一定程度的了解,但是人为因素的设计会有局限性,如果设计团队并不实际了解景点的情况,将会对行程的设计造成产品偏离实际的情况。
本专利用到的方法,是通过对现有的大数据分析,设计团队可以实时掌握每个景点与游客信息的关联程度,辅助设计出更具特色的旅游线路。
比如通过大数据可以发现某个群体的用户要比一般群体支出更多比例的旅游经费,且旅游活动参与度较高,那么我们可以设计出针对这个群体的旅游线路。另外,也可以比对在旅游支出较低的群体中,开发出针对这些群体的旅游线路。
中国专利申请号为CN01814587.6,该发明提供了一种用于提供交通或者相关信息的系统,该系统包括:数据库,其存储历史上的交通数据,可操作该数据库去接收实质上实时的交通数据和相关的数据;装置,其用于根据旅行者轨迹,结合历史上的、实时的和相关的交通数据,从而相对于那些旅行者轨迹产生定制的预测交通信息;以及装置,其用于发送该定制的预测交通信息给想要的接受者,其中该定制的预测交通信息包括对于在该旅行者轨迹中描述的行驶路线预计的行驶延迟。
该发明仅提供了基于交通数据库给到旅行者建议的方法,但未对旅行者的属性(比如:性别、年龄、职业等)加以区分,无法给相应或对应的旅行者提供参考建议。
中国专利申请号为CN201510633647.2,该发明公开了一种基于互联网词频的智慧旅游线路规划辅助方法,包括:基础数据准备与整理、旅游发展条件判定以及叠合分析导向最优旅游线路规划。本发明方法以特定城市或区域的区划边界作为工作底图,通过旅游景点和潜在景点名称收集、物产名录整理,以及百度旅游、百度搜索、百度开放平台等网络开源数据等作为主要数据来源,重点基于互联网词频,进一步借助百度LBS开放平台对景点名称进行地名解析,并通过GIS软件将备选旅游景点、酒店旅馆等住宿设施进行空间落位和坐标校正,叠合所获取的词频统计和其他信息,进行各景点物产类型与发展方向判断、旅游线路组织建议、旅游服务中心选址建议等,从而生成最优旅游线路规划。
该发明仅提供了基于互联网词频搜索给旅游线路的方法,景点词频适用于搜索当时的热点,不针对具体游客的具体需求,比如当时互联网上青年游客流行去高山旅游,但不适用当时老人游客想去湖边旅游的情形,所以不能满足不同性别、不同年龄、不同职业游客的需求。
发明内容
为了解决上述现有技术存在的技术问题,本发明提供了涉及大数据分析提取技术领域,是一种通过用户及景点产品相关的大数据来辅助旅游线路设计的方法,本发明是通过以下技术方案实现的:
一种旅游景点锁定的方法,包括如下步骤:
S100:确定目标游客信息;
S200:确定目标旅游区域内的多个景点信息;
S300:根据所述目标游客信息,对所述目标旅游区域内的多个景点进行对比筛选;
S400:锁定所述目标旅游区域内的主目标景点。
进一步,所述的旅游景点锁定方法,所述S100步骤中的游客信息至少包括:性别、年龄和职业。
进一步,所述的旅游景点锁定方法,所述S200步骤中的每个景点信息至少包括:所述景点名称、所述景点距离所述目标游客出发地点的距离。
进一步,所述的旅游景点锁定方法,所述S200步骤包括S210步骤:确定所述每个景点信息,所述每个景点信息包括:该所述景点访问游客性别的历史数据、该所述景点访问游客年龄的历史数据,和该所述景点访问游客职业的历史数据。
进一步,所述的旅游景点锁定方法,所述S210步骤中的每个景点信息还包括:该所述景点访问游客教育程度的历史数据、该所述景点访问游客收入范围的历史数据,或者该所述景点访问游客兴趣爱好的历史数据。
以上这些信息都属于大数据,一般数据公司或者知名相关产业的企业可以提供这方面的数据来源。通过大数据进行统计,统计相关参数的比例和关联度。
进一步,所述的旅游景点锁定方法,所述S300步骤包括S310步骤:根据所述每个景点信息中的历史数据,获得权重计算结果。
进一步,所述的旅游景点锁定方法,所述S310步骤包括如下步骤:S311:对所述每个景点的历史数据以不同的游客参数进行分组;
S312:确定每组所述游客参数下的游客数量比例;
S313:依照各组所述游客数量比例的差值大小,赋予各组游客参数对应所述差值大小的权重,以及根据所述游客数量比例的数值确定所述各组游客参数下各分类参数的权重;
S314:根据分组的所述游客参数和对应的所述权重,确定所述每个景点对应历史游客信息的所述权重计算结果。
进一步,所述的旅游景点锁定方法,所述S400步骤包括如下步骤:
S410:根据所述目标游客信息和每个景点的所述权重计算结果,计算所述每个景点的权重计算分值;
S420:按所述权重计算分值大小,对所述每个景点进行排序;
S430:将所述权重计算分值最大的所述景点锁定为所述主目标景点。
再进一步,所述的旅游景点锁定方法,所述S200步骤包括S220步骤:确定所述每个景点间的距离。
再进一步,所述的旅游景点锁定方法,所述S400步骤后包括如下步骤:
S500:确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
S510:根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序;
S600:将距离较近的至少一个所述其他景点锁定为次目标景点。
再进一步,所述的旅游景点锁定方法,所述S510步骤包括如下步骤:
S520:根据所述其他景点的距离排序结果,给每个所述其他景点赋予距离分值;
S530:根据景点访问游客兴趣爱好的历史数据,对所述其他景点进行游览偏好的程度排序;
S540:根据所述其他景点的游览偏好的程度排序结果,给每个所述其他景点赋予偏好分值;
S550:根据所述距离分值和偏好分值,给每个所述其他景点进行综合评分;
S560:根据所述综合评分,对所述其他景点进行排序;
S610:将所述综合评分排名在前(较优)的至少一个所述其他景点锁定为次目标景点。
本发明还提供了一种旅游景点锁定的系统,包括输入模块、存储模块、运算模块和输出模块,
所述输入模块,用于输入目标游客信息;
所述存储模块,用于存储目标旅游区域内的多个景点信息;
所述运算模块,用于根据所述目标游客信息,对所述目标旅游区域内的多个景点进行对比筛选;
所述输出模块,用于锁定所述目标旅游区域内的主目标景点。
进一步,所述的旅游景点锁定系统,所述输入模块输入的所述目标游客信息至少包括:性别、年龄和职业。
进一步,所述的旅游景点锁定系统,所述存储模块存储的所述目标旅游区域中的多个景点信息至少包括:每个景点名称、每个景点距离所述目标游客出发地点的距离、每个景点访问游客性别的历史数据、每个景点访问游客年龄的历史数据、每个景点访问游客职业的历史数据、每个景点访问游客教育程度的历史数据、每个景点访问游客收入范围的历史数据,或者每个景点访问游客兴趣爱好的历史数据。
进一步,所述的旅游景点锁定系统,所述运算模块
对所述每个景点的历史数据以不同的游客参数进行分组;
确定每组所述游客参数下的游客数量比例;
依照各组所述游客数量比例的差值大小,赋予各组游客参数对应所述差值大小的权重,以及根据所述游客数量比例的数值确定所述各组游客参数下各分类参数的权重;
根据分组的所述游客参数和对应的所述权重,确定所述每个景点对应历史游客信息的所述权重计算结果;
再根据所述目标游客信息和每个景点的所述权重计算结果,计算所述每个景点的权重计算分值;
然后按所述权重计算分值大小,对所述每个景点进行排序。
进一步,所述的旅游景点锁定系统,所述输出模块将所述权重计算分值最大的所述景点锁定为所述主目标景点。
再进一步,所述的旅游景点锁定系统,所述运算模块确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
再根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序。
再进一步,所述的旅游景点锁定系统,所述输出模块将距离较近的至少一个所述其他景点锁定为次目标景点。
再进一步,所述的旅游景点锁定系统,所述运算模块确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序;
根据所述其他景点的距离排序结果,给每个所述其他景点赋予距离分值;
根据景点访问游客兴趣爱好的历史数据,对所述其他景点进行游览偏好的程度排序;
根据所述其他景点的游览偏好的程度排序结果,给每个所述其他景点赋予偏好分值;
根据所述距离分值和偏好分值,给每个所述其他景点进行综合评分;
根据所述综合评分,对所述其他景点进行排序。
再进一步,所述的旅游景点锁定系统,所述输出模块将所述综合评分排名在前(较优)的至少一个所述其他景点锁定为次目标景点。
本发明至少具有以下有益效果之一:
1.本发明克服了原先针对性不强、适用性不强的旅游路线推荐设计问题。
2.本发明赋予目标游客根据自身特点通过计算机大数据运算进行旅游路线查询的能力。
3.本发明极大地方便旅行路线设计工作。
4.本发明能够做到提前、高效、便捷地设计旅行路线工作。
5、本发明提供的景点路线设计方法,可靠性高,同时执行效率高、应用范围广。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明:
图1为本发明第一实施例流程示意图;
图2为本发明第二实施例流程示意图;
图3为本发明系统模块结构示意图
图4为本发明目标旅游区域内的多个景点空间位置二维示意图。
附图标记说明
1000-旅游景点锁定系统;100-输入模块;200-存储模块;300-运算模块;400-输出模块。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,以下说明和附图对于本发明是示例性的,并且不应被理解为限制本发明。以下说明描述了众多具体细节以方便对本发明理解。然而,在某些实例中,熟知的或常规的细节并未说明,以满足说明书简洁的要求。
在本申请一个典型的计算硬件配置中,客户端/终端、网络设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
本发明中的客户端、移动终端或网络设备包括处理器,含单核处理器或多核处理器。处理器也可称为一个或多个微处理器、中央处理单元(CPU)等等。更具体地,处理器可为复杂的指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、实现其他指令集的处理器,或实现指令集组合的处理器。处理器还可为一个或多个专用处理器,诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器、图形处理器、网络处理器、通信处理器、密码处理器、协处理器、嵌入式处理器、或能够处理指令的任何其他类型的逻辑部件。处理器用于执行本发明所讨论的操作和步骤的指令。
本发明中的客户端、移动终端或网络设备包括存储器,用于存储大数据,可包括一个或多个易失性存储设备,如随机存取存储器(RAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、静态RAM(SRAM)或其他类型的存储设备。存储器可存储包括由处理器或任何其他设备执行的指令序列的信息。例如,多种操作系统、设备驱动程序、固件(例如,输入输出基本系统或BIOS)和/或应用程序的可执行代码和/或数据可被加载在存储器中并且由处理器执行。
本发明中的客户端、移动终端或网络设备的操作系统可为任何类型的操作系统,例如微软公司的Windows、Windows Phone,苹果公司IOS,谷歌公司的Android,以及Linux、Unix操作系统或其他实时或嵌入式操作系统诸如VxWorks等。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,以下说明和附图对于本发明是示例性的,并且不应被理解为限制本发明。以下说明描述了众多具体细节以方便对本发明理解。然而,在某些实例中,熟知的或常规的细节并未说明,以满足说明书简洁的要求。本发明的具体流量控制设备及控制方法参见下述实施例:
第一实施例
如图1为本发明第一实施例流程示意图所示:一种旅游景点锁定的方法,包括如下步骤:
S100:确定目标游客信息;
S200:确定目标旅游区域内的多个景点信息;
S300:根据所述目标游客信息,对所述目标旅游区域内的多个景点进行对比筛选;
S400:锁定所述目标旅游区域内的主目标景点。
优选地,所述的旅游景点锁定方法,所述S100步骤中的游客信息至少包括:性别、年龄和职业。
优选地,所述的旅游景点锁定方法,所述S200步骤中的每个景点信息至少包括:所述景点名称、所述景点距离所述目标游客出发地点的距离。
优选地,所述的旅游景点锁定方法,所述S200步骤包括S210步骤:确定所述每个景点信息,所述每个景点信息包括:该所述景点访问游客性别的历史数据、该所述景点访问游客年龄的历史数据,和该所述景点访问游客职业的历史数据。
特别优选地,所述的旅游景点锁定方法,所述S210步骤中的每个景点信息还包括:该所述景点访问游客教育程度的历史数据、该所述景点访问游客收入范围的历史数据,或者该所述景点访问游客兴趣爱好的历史数据。
以上这些信息都属于大数据,一般数据公司或者知名相关产业的企业可以提供这方面的数据来源。通过大数据进行统计,统计相关参数的比例和关联度。
优选地,所述的旅游景点锁定方法,所述S300步骤包括S310步骤:根据所述每个景点信息中的历史数据,获得权重计算结果。
优选地,所述的旅游景点锁定方法,所述S310步骤包括如下步骤:
S311:对所述每个景点的历史数据以不同的游客参数进行分组;
S312:确定每组所述游客参数下的游客数量比例;
S313:依照各组所述游客数量比例的差值大小,赋予各组游客参数对应所述差值大小的权重,以及根据所述游客数量比例的数值确定所述各组游客参数下各分类参数的权重;
S314:根据分组的所述游客参数和对应的所述权重,确定所述每个景点对应历史游客信息的所述权重计算结果。
优选地,所述的旅游景点锁定方法,所述S400步骤包括如下步骤:
S410:根据所述目标游客信息和每个景点的所述权重计算结果,计算所述每个景点的权重计算分值;
S420:按所述权重计算分值大小,对所述每个景点进行排序;
S430:将所述权重计算分值最大的所述景点锁定为所述主目标景点。
本实施例还提供了一种旅游景点锁定的系统,如图3本发明系统模块结构示意图所示,包括输入模块100、存储模块200、运算模块300和输出模块400,
所述输入模块100,用于输入目标游客信息;
所述存储模块200,用于存储目标旅游区域内的多个景点信息;
所述运算模块300,用于根据所述目标游客信息,对所述目标旅游区域内的多个景点进行对比筛选;
所述输出模块400,用于锁定所述目标旅游区域内的主目标景点。
优选地,所述的旅游景点锁定系统1000,所述输入模块100输入的所述目标游客信息至少包括:性别、年龄和职业。
优选地,所述的旅游景点锁定系统1000,所述存储模块200存储的所述目标旅游区域中的多个景点信息至少包括:每个景点名称、每个景点距离所述目标游客出发地点的距离、每个景点访问游客性别的历史数据、每个景点访问游客年龄的历史数据、每个景点访问游客职业的历史数据、每个景点访问游客教育程度的历史数据、每个景点访问游客收入范围的历史数据,或者每个景点访问游客兴趣爱好的历史数据。
优选地,所述的旅游景点锁定系统1000,所述运算模块300
对所述每个景点的历史数据以不同的游客参数进行分组;
确定每组所述游客参数下的游客数量比例;
依照各组所述游客数量比例的差值大小,赋予各组游客参数对应所述差值大小的权重,以及根据所述游客数量比例的数值确定所述各组游客参数下各分类参数的权重;
根据分组的所述游客参数和对应的所述权重,确定所述每个景点对应历史游客信息的所述权重计算结果;
再根据所述目标游客信息和每个景点的所述权重计算结果,计算所述每个景点的权重计算分值;
然后按所述权重计算分值大小,对所述每个景点进行排序。
优选地,所述的旅游景点锁定系统1000,所述输出模块400将所述权重计算分值最大的所述景点锁定为所述主目标景点。
第二实施例
如图2本发明第二实施例流程示意图,在实施例一主目标景点锁定的基础上进一步锁定次目标景点的方法:
优选地,所述的旅游景点锁定方法,所述S200步骤包括S220步骤:确定所述每个景点间的距离。
优选地,所述的旅游景点锁定方法,所述S400步骤后包括如下步骤:
S500:确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
S510:根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序;
S600:将距离较近的至少一个所述其他景点锁定为次目标景点。
优选地,所述的旅游景点锁定方法,所述S510步骤后包括如下步骤:
S520:根据所述其他景点的距离排序结果,给每个所述其他景点赋予距离分值;
S530:根据景点访问游客兴趣爱好的历史数据,对所述其他景点进行游览偏好的程度排序;
S540:根据所述其他景点的游览偏好的程度排序结果,给每个所述其他景点赋予偏好分值;
S550:根据所述距离分值和偏好分值,给每个所述其他景点进行综合评分;
S560:根据所述综合评分,对所述其他景点进行排序;
S610:将所述综合评分排名在前(较优)的至少一个所述其他景点锁定为次目标景点。
在实施例一主目标景点锁定的基础上进一步锁定次目标景点的系统:
进一步优选地,所述的旅游景点锁定系统1000,所述运算模块300确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
再根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序,所述输出模块400将距离较近的至少一个所述其他景点锁定为次目标景点。
进一步优选地,所述的旅游景点锁定系统1000,所述运算模块300确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序;
根据所述其他景点的距离排序结果,给每个所述其他景点赋予距离分值;
根据景点访问游客兴趣爱好的历史数据,对所述其他景点进行游览偏好的程度排序;
根据所述其他景点的游览偏好的程度排序结果,给每个所述其他景点赋予偏好分值;
根据所述距离分值和偏好分值,给每个所述其他景点进行综合评分;
根据所述综合评分,对所述其他景点进行排序。
所述输出模块400将所述综合评分排名在前(较优)的至少一个所述其他景点锁定为次目标景点。
第三实施例
1.本发明实施例的技术任务是按照以下方式实现的,该方法的操作步骤如下:
步骤1,确定目标游客数据、景点游客访问数据、景点与景点的间距;
步骤2,对景点和游客数据进行建模;
步骤3,得出目标游客的热门景点;
步骤4,确定组合景点,设计旅游线路;
2.步骤1中与目标游客相关的数据有:性别、年龄、教育程度、收入范围、兴趣爱好、工作单位类型、职业、历史出发记录等。
与景点游客访问相关的历史数据有:景点名称、景点游客的性别、景点游客的年龄、景点游客的教育程度、景点游客的收入范围、景点游客的兴趣爱好、景点游客的职业等。
以上这些信息都属于大数据,一般数据公司或者知名相关产业的企业可以提供这方面的数据来源。通过大数据进行统计,统计相关参数的比例和关联度。
3.步骤2中对景点中各项影响因素与游客信息进行建模。
a.通过对景点访问的游客的性别进行大数据提取,获得游客性别对该景点的权重影响值。
b.通过对景点访问的游客的年龄进行大数据提取,获得游客年龄对该景点的权重影响值。
c.通过对景点访问的游客的职业进行大数据提取,获得游客职业对该景点的权重影响值。
d.通过对游客教育程度进行大数据提取,获得不同教育程度的游客对景点的权重影响值。
e.通过对游客收入范围进行大数据提取,获得不同收入范围的游客对景点的权重影响值。
f.通过对游客兴趣爱好进行大数据提取,获得不同兴趣爱好的游客对景点的权重影响值。
g.通过更多数据获取相关有利用价值的权重因子。
h.根据上面得到的数据进行建模分析。(具体参见:建模分析)
4.步骤3中是根据步骤2中的模型,比对目标群体,得出目标群体偏向的热门景点。
5.步骤4中是根据热门景点和景点及景点的间距信息等来辅助设计旅游线路。
建模分析
建模的方法可以按照最新的计算方法、分析工具等不断改善,达到最好的推荐效果。这里举例说明一种比较容易理解的实现方式。
一、确定各个权重因子。
在选择景点的时候,可以先对景点的区域进行划分,然后从数据库中获得该区域的所有景点。在这里,我们可以抽象出对景点有参考价值的游客数据,挑选一部分景点进行分析,将会得到如下数据:
景点:P1,P2,P3,P4,P5,P6,P7,P8,P9,P10
游客信息:性别(Sex),年龄(Age),职业(Job)
Sex:Female(SF),Male(SM)
Age:<30(A1),>=30(A2)
Job:Student(J1),Teacher(J2),Other(J3)
二、确定景点对应历史游客信息的权重比例。
进入数据库,分析目前掌握的数据,列出各项因子的比重。将所述分类设置中的各分类参数进行细分,形成至少包括第一级分类信息和第二级分类信息的分级结构,先将性别、年龄、职业、收人范围等列为第一级分类(组级信息),再将性别分组下的男或女、年龄分组下的大于30岁或小于30岁、职业分组下的学生或教师或其他等列为第二级分类(参数级信息)。
比如P1景点中游客性别比例为(SF:SM)1:3,年龄比例为(A1:A2)1:2,职业比例为(J1:J2:J3)1:1:1。这里显然游客性别的影响较大,而工作单位性质是1比1比1的没有什么影响的情况,这样就可以按照影响程度进行排序和并且按照经验值来分配权重比值,性别分配50%权重、年龄分配30%权重、职业分配20%权重:
Sex(50%)=SF(0.25*0.5),SM(0.75*0.5)
Age(30%)=A1(0.33*0.3),A2(0.67*0.3)
Job(20%)=J1(0.33*0.2),J2(0.33*0.2),J3(0.34*0.2)
得出如下信息
P1=SF(0.125)+SM(0.375)+A1(0.099)+A2(0.201)+J1(0.066)+J2(0.066)+J3(0.068)=1
通过上面这个方法也可以得到P2,P3,P4的数据,当然每个因子的比重都可以参考数据库中的比例来分配,比如现在得到如下的景点对应历史游客信息的权重:
P2=SF(0.099)+SM(0.201)+A1(0.125)+A2(0.375)+J1(0.066)+J2(0.066)+J3(0.068)=1
P3=SF(0.125)+SM(0.125)+A1(0.125)+A2(0.125)+J1(0.4)+J2(0.05)+J3(0.05)=1
P4=SF(0.075)+SM(0.075)+A1(0.125)+A2(0.123)+J1(0.42)+J2(0.05)+J3(0.05)=1
P5=SF(0.05)+SM(0.4)+A1(0.25)+A2(0.05)+J1(0.05)+J2(0.05)+J3(0.15)=1
P6=SF(0.3)+SM(0.05)+A1(0.05)+A2(0.3)+J1(0.05)+J2(0.15)+J3(0.1)=1
P7=SF(0.11)+SM(0.09)+A1(0.38)+A2(0.02)+J1(0.3)+J2(0.05)+J3(0.05)=1
P8=SF(0.05)+SM(0.45)+A1(0.02)+A2(0.38)+J1(0.01)+J2(0.01)+J3(0.08)=1
P9=SF(0.2)+SM(0.05)+A1(0.45)+A2(0.05)+J1(0.05)+J2(0.03)+J3(0.17)=1
P10=SF(0.07)+SM(0.48)+A1(0.09)+A2(0.26)+J1(0.01)+J2(0.01)+J3(0.08)=1
三、确定目标游客和线路特色,给景点进行游客偏好排序
如果我们需要设计一款针对学生群体的旅游线路,那么针对目标游客:学生群体可以给学生特征值赋值:
Age(A1)=1学生年龄小于30岁,属于A1
Job(J1)=1学生职业属于J1
Age(A2)=0
Sex(SF,SM)=0这里的学生群体无所谓性别,设为0
Job(J2,J3)=0
通过上面的特征值,计算每个景点的分值:
P1=A1(0.099)+J1(0.066)=0.165
P2=A1(0.125)+J1(0.066)=0.191
P3=A1(0.125)+J1(0.4)=0.525
P4=A1(0.125)+J1(0.42)=0.545
P5=A1(0.25)+J1(0.05)=0.3
P6=A1(0.05)+J1(0.05)=0.1
P7=A1(0.38)+J1(0.3)=0.68
P8=A1(0.02)+J1(0.01)=0.03
P9=A1(0.45)+J1(0.05)=0.5
P10=A1(0.09)+J1(0.01)=0.1
按照分值由高到底排序:P7>P4>P3>P9>P5>P2>P1>P10>P6>P8
四、给景点按照距离排序
由上面得出的景点分值,可以看到P7、P4、P3、P9等景点有较高分值,相对来说,他们对于我们设定的学生群体有较大吸引力。设计团队可以绘制如下的坐标图,按照经验确定一个主要的景点,然后通过这个景点计算出它与周围景点的距离,这样可以挑选出临近景点中目标群体较为偏好的作为组合景点,从而辅助设计出旅行线路。
比如,这里确定主要活动景点为P3,然后计算出P3与另外9个景点之间的距离。这里,绘制出如下的图标,方便理解,得出如下的数据(估算的参考数值):
P3→P1=4.25
P3→P2=3.53
P3→P4=8.48
P3→P5=3.48
P3→P6=6.5
P3→P7=4.35
P3→P8=9.6
P3→P9=4.56
P3→P10=6.4
按照距离由近到远的排序:P5<P2<P1<P7<P9<P10<P6<P4<P8
参考图4本发明目标旅游区域内的多个景点空间位置二维示意图。
五、给景点综合排序
按照上面得到的排序,我们可以进一步给偏好和距离添加权重值,计算每个景点的综合分数。权重可以按照经验值来分配,或者系统可以给出不同的权重值进行比较,择优选择最佳的景点组合。为了计算方便,这里分配偏好和距离的权重都是1,这样可以得到如下计算公式:
按照距离由近到远的排序:P5<P2<P1<P7<P9<P10<P6<P4<P8
对应的分值(越近越分值高):9 8 7 6 5 4 3 2 1
按照偏好的分值由高到底排序:P7>P4>P9>P5>P2>P1>P10>P6>P8
对应的分值(越偏好分值越高):9 8 7 6 5 4 3 2 1
综合分数:
P5=9+6=14
P2=8+5=12
P1=7+4=11
P7=6+9=15
P9=5+7=12
P10=4+3=7
P6=3+2=5
P4=2+8=10
P8=1+1=2
按照综合分值由高到低排序:P7>P5>(P9,P2)>P1>P4>P10>P6>P8
六、确定景点组合,设计旅行线路
如果这里需要设计一个短途额学生毕业旅行,可以按照上面得到的综合分值确定需要的景点组合。比如三个景点的P3、P7、P5,然后加入酒店、交通、餐饮等内容,设计出旅行线路。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (12)
1.一种旅游景点锁定的方法,其特征在于,包括如下步骤:
S100:确定目标游客信息;
S200:确定目标旅游区域内的多个景点信息;
S300:根据所述目标游客信息,对所述目标旅游区域内的多个景点进行对比筛选;
S400:锁定所述目标旅游区域内的主目标景点。
2.根据权利要求1所述的旅游景点锁定方法,其特征在于,所述S300步骤包括S310步骤:根据所述每个景点信息中的历史数据,获得权重计算结果。
3.根据权利要求2所述的旅游景点锁定方法,其特征在于,所述S310步骤包括如下步骤:
S311:对所述每个景点的历史数据以不同的游客参数进行分组;
S312:确定每组所述游客参数下的游客数量比例;
S313:依照各组所述游客数量比例的差值大小,赋予各组游客参数对应所述差值大小的权重,以及根据所述游客数量比例的数值确定所述各组游客参数下各分类参数的权重;
S314:根据分组的所述游客参数和对应的所述权重,确定所述每个景点对应历史游客信息的所述权重计算结果。
4.根据权利要求2所述的旅游景点锁定方法,其特征在于,所述S400步骤包括如下步骤:
S410:根据所述目标游客信息和每个景点的所述权重计算结果,计算所述每个景点的权重计算分值;
S420:按所述权重计算分值大小,对所述每个景点进行排序;
S430:将所述权重计算分值最大的所述景点锁定为所述主目标景点。
5.根据权利要求1所述的旅游景点锁定方法,其特征在于,所述S400步骤后包括如下步骤:
S500:确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
S510:根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序;
S520:根据所述其他景点的距离排序结果,给每个所述其他景点赋予距离分值;
S530:根据景点访问游客兴趣爱好的历史数据,对所述其他景点进行游览偏好的程度排序;
S540:根据所述其他景点的游览偏好的程度排序结果,给每个所述其他景点赋予偏好分值;
S550:根据所述距离分值和偏好分值,给每个所述其他景点进行综合评分;
S560:根据所述综合评分,对所述其他景点进行排序;
S610:将所述综合评分排名在前的至少一个所述其他景点锁定为次目标景点。
6.一种旅游景点锁定的系统,其特征在于,所述系统包括输入模块、存储模块、运算模块和输出模块,所述输入模块,用于输入目标游客信息;
所述存储模块,用于存储目标旅游区域内的多个景点信息;
所述运算模块,用于根据所述目标游客信息,对所述目标旅游区域内的多个景点进行对比筛选;
所述输出模块,用于锁定所述目标旅游区域内的主目标景点。
7.根据权利要求6所述的旅游景点锁定系统,其特征在于,所述输入模块输入的所述目标游客信息至少包括:性别、年龄和职业。
8.根据权利要求6所述的旅游景点锁定系统,其特征在于,所述存储模块存储的所述目标旅游区域中的多个景点信息至少包括:每个景点名称、每个景点距离所述目标游客出发地点的距离、每个景点访问游客性别的历史数据、每个景点访问游客年龄的历史数据、每个景点访问游客职业的历史数据、每个景点访问游客教育程度的历史数据、每个景点访问游客收入范围的历史数据,或者每个景点访问游客兴趣爱好的历史数据。
9.根据权利要求6所述的旅游景点锁定系统,其特征在于,所述运算模块对所述每个景点的历史数据以不同的游客参数进行分组;
确定每组所述游客参数下的游客数量比例;
依照各组所述游客数量比例的差值大小,赋予各组游客参数对应所述差值大小的权重,以及根据所述游客数量比例的数值确定所述各组游客参数下各分类参数的权重;
根据分组的所述游客参数和对应的所述权重,确定所述每个景点对应历史游客信息的所述权重计算结果;
根据所述目标游客信息和每个景点的所述权重计算结果,计算所述每个景点的权重计算分值;
按所述权重计算分值大小,对所述每个景点进行排序。
10.根据权利要求6所述的旅游景点锁定系统,其特征在于,所述输出模块将所述权重计算分值最大的所述景点锁定为所述主目标景点。
11.根据权利要求10所述的旅游景点锁定系统,其特征在于,所述运算模块确定所述主目标景点与所述目标旅游区域内的其他景点的距离;
根据所述其他景点距离所述主目标景点的远近,对所述其他景点进行排序;
根据所述其他景点的距离排序结果,给每个所述其他景点赋予距离分值;
根据景点访问游客兴趣爱好的历史数据,对所述其他景点进行游览偏好的程度排序;
根据所述其他景点的游览偏好的程度排序结果,给每个所述其他景点赋予偏好分值;
根据所述距离分值和偏好分值,给每个所述其他景点进行综合评分;
根据所述综合评分,对所述其他景点进行排序。
12.根据权利要求11所述的旅游景点锁定系统,其特征在于,所述输出模块将所述综合评分排名在前的至少一个所述其他景点锁定为次目标景点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610743218.5A CN106408110A (zh) | 2016-08-26 | 2016-08-26 | 一种旅游景点锁定的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610743218.5A CN106408110A (zh) | 2016-08-26 | 2016-08-26 | 一种旅游景点锁定的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106408110A true CN106408110A (zh) | 2017-02-15 |
Family
ID=58004091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610743218.5A Pending CN106408110A (zh) | 2016-08-26 | 2016-08-26 | 一种旅游景点锁定的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106408110A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐系统和餐饮推荐方法 |
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 |
CN107945063A (zh) * | 2017-12-11 | 2018-04-20 | 孙二林 | 一种利用旅游智能助理提供旅游信息的系统和方法 |
CN109409916A (zh) * | 2017-08-18 | 2019-03-01 | 徐子明 | 一种基于大数据平台的旅游营销系统 |
CN110175294A (zh) * | 2019-05-30 | 2019-08-27 | 上海苍潇穹宇数据科技有限公司 | 景点数值评估装置以及旅游行程规划系统 |
CN110222275A (zh) * | 2019-04-26 | 2019-09-10 | 平安科技(深圳)有限公司 | 一种基于智能推荐的旅游路线规划方法及相关设备 |
CN110444133A (zh) * | 2019-08-13 | 2019-11-12 | 上饶市中科院云计算中心大数据研究院 | 一种旅游景点智能导游的方法和装置 |
CN113344747A (zh) * | 2021-05-31 | 2021-09-03 | 哈尔滨工业大学 | 一种基于潜分类Logit模型的旅游景点吸引力评估方法 |
US11686880B2 (en) | 2019-03-27 | 2023-06-27 | Climate Llc | Generating and conveying comprehensive weather insights at fields for optimal agricultural decision making |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636950A (zh) * | 2013-11-07 | 2015-05-20 | 财团法人资讯工业策进会 | 群体对象商品推荐系统及方法 |
CN104699812A (zh) * | 2015-03-23 | 2015-06-10 | 苏州大学张家港工业技术研究院 | 一种旅游信息推送方法及系统 |
CN105157714A (zh) * | 2015-08-21 | 2015-12-16 | 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 |
CN105809475A (zh) * | 2016-02-29 | 2016-07-27 | 南京大学 | “互联网+旅游”环境下支持o2o应用的商品推荐方法 |
-
2016
- 2016-08-26 CN CN201610743218.5A patent/CN106408110A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636950A (zh) * | 2013-11-07 | 2015-05-20 | 财团法人资讯工业策进会 | 群体对象商品推荐系统及方法 |
CN104699812A (zh) * | 2015-03-23 | 2015-06-10 | 苏州大学张家港工业技术研究院 | 一种旅游信息推送方法及系统 |
CN105157714A (zh) * | 2015-08-21 | 2015-12-16 | 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 |
CN105809475A (zh) * | 2016-02-29 | 2016-07-27 | 南京大学 | “互联网+旅游”环境下支持o2o应用的商品推荐方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐系统和餐饮推荐方法 |
CN109409916A (zh) * | 2017-08-18 | 2019-03-01 | 徐子明 | 一种基于大数据平台的旅游营销系统 |
CN109409916B (zh) * | 2017-08-18 | 2021-10-22 | 重庆赫皇科技咨询有限公司 | 一种基于大数据平台的旅游营销系统 |
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 |
CN107945063A (zh) * | 2017-12-11 | 2018-04-20 | 孙二林 | 一种利用旅游智能助理提供旅游信息的系统和方法 |
US11686880B2 (en) | 2019-03-27 | 2023-06-27 | Climate Llc | Generating and conveying comprehensive weather insights at fields for optimal agricultural decision making |
CN110222275A (zh) * | 2019-04-26 | 2019-09-10 | 平安科技(深圳)有限公司 | 一种基于智能推荐的旅游路线规划方法及相关设备 |
CN110175294A (zh) * | 2019-05-30 | 2019-08-27 | 上海苍潇穹宇数据科技有限公司 | 景点数值评估装置以及旅游行程规划系统 |
CN110444133A (zh) * | 2019-08-13 | 2019-11-12 | 上饶市中科院云计算中心大数据研究院 | 一种旅游景点智能导游的方法和装置 |
CN113344747A (zh) * | 2021-05-31 | 2021-09-03 | 哈尔滨工业大学 | 一种基于潜分类Logit模型的旅游景点吸引力评估方法 |
CN113344747B (zh) * | 2021-05-31 | 2024-03-08 | 哈尔滨工业大学 | 一种基于潜分类Logit模型的旅游景点吸引力评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106408110A (zh) | 一种旅游景点锁定的方法和系统 | |
CN111222661B (zh) | 一种城市规划实施效果分析评估方法 | |
Western et al. | Differential access to higher education: The measurement of socioeconomic status, rurality and isolation | |
Bodenmann et al. | Destination choice for relocating firms: A discrete choice model for the St. Gallen region, Switzerland | |
Ewing et al. | Predicting transportation outcomes for LEED projects | |
CN114661393B (zh) | 基于流动人口数据特征聚类的城市集聚效应可视分析方法 | |
Nikoloudis et al. | A novel multicriteria methodology for evaluating urban development proposals | |
Porat et al. | Building morphometric analysis as a tool for urban renewal: Identifying post-Second World War mass public housing development potential | |
Jorge-Ortiz et al. | Assessing urban sustainability: a proposal for indicators, metrics and scoring—a case study in Colombia | |
KR20070097939A (ko) | 서버 및 클라이언트 단말기를 이용한 부동산 정보 제공방법 및 이를 수행하는 컴퓨터 프로그램이 기록된컴퓨터에서 판독 가능한 기록 매체 | |
Kmail et al. | Coupling GIS-based MCA and AHP techniques for Hospital Site Selection | |
Ghasemi et al. | Identifying the most effective geosite evaluation models in Iran using Delphi and analytic hierarchy process methods | |
Ibrahim et al. | Planning transit-oriented development (TOD): a systematic literature review of measuring the transit-oriented development levels | |
Lee et al. | Machine learning based prediction of the value of buildings | |
Droj | GIS and remote sensing in environmental management | |
Alwedyan | Optimal location selection of a casual-dining restaurant using a multi-criteria decision-making (MCDM) approach | |
Kim | Implementing a sustainable decision-making environment-cases for GIS, BIM, and big data utilization | |
Steiner et al. | Future Directions for Multimodal Areawide Level of Service Handbook: Research and Development | |
Kent et al. | Almost Automating the Planner: Florida Department of Transportation’s Approach to Understanding Places through Context Classification | |
Higgs et al. | The use of geographical information systems in assessing spatial and socio‐economic impacts of parental choice | |
Megahed et al. | Reconceptualizing Proximity Measurement Approaches through the Urban Discourse on the X-Minute City. Sustainability 2024, 16, 1303 | |
Song et al. | Measuring the superblock based on a hierarchy matrix of geometry, configuration, network, and area: The case of Nanjing | |
CN114862276B (zh) | 产城大数据协同分析应用方法及系统 | |
Ertugay et al. | Understanding accessibility: Accessibility modeling with geographical information systems (GIS) | |
Cockings | Automated zone design for the spatial representation of population |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |