CN106776676A - 自动推荐旅游行程中的日住宿的方法和装置 - Google Patents

Abstract

本发明提供了一种自动推荐旅游行程中的日住宿的方法和装置。该方法包括：获取旅游行程中的日观光景点和日期望住宿等级；对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离；根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地。本发明降低了现有技术为用户推荐住宿地的模糊性，提高了为用户推荐住宿地的精确性。

Description

自动推荐旅游行程中的日住宿的方法和装置

技术领域

本发明涉及互联网领域，尤其涉及一种自动推荐旅游行程中的日住宿的方法和装置。

背景技术

现有技术中，用户预订旅行行程中每一天的住宿的一般做法是，用户先了解自己行程中每天游览的景点，找到景点所在的行政区域(例如北京海淀区)，然后在旅行网上输入需要住宿的日期、行政区域和宾馆等级(如星级、价位区间)。旅行网根据用户需要住宿的日期、需要的宾馆等级在用户输入的行政区域内为用户查询匹配结果，并将匹配结果按照价格等排序显示给用户。它只能由用户一天一天地输入信息，一天一天地为用户查找到该天的匹配结果。而且，根据行政区域查找，查找结果比较模糊。有可能虽然景点和住宿地在同一个行政区域(例如海淀区)，但景点和住宿地仍然很远，用户从住宿地到景点很不方便。

发明内容

本发明一个目的在于降低现有技术为用户推荐住宿地的模糊性，提高为用户推荐住宿地的精确性。

根据本发明的一方面，提供了一种自动推荐旅游行程中的日住宿的方法，包括：

获取旅游行程中的日观光景点和日期望住宿等级；

对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离；

根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期 望住宿等级，推荐日住宿地。

根据本发明的一方面，提供了一种自动推荐旅游行程中的日住宿的装置，包括：

用于获取旅游行程中的日观光景点和日期望住宿等级的装置；

用于对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离的装置；

用于根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的装置。

根据本发明的一方面，提供了一种设备，包括：

一个或多个处理器；

存储器，存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，实现上述自动推荐旅游行程中的日住宿的方法。

由于本发明实施例不是根据住宿地所在的行政区域来为用户推荐住宿地，而是直接根据景点来查找，具体地说，它对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离，该距离真正反映了用户从住宿地到景点的方便程度，根据该距离和住宿等级来为用户推荐日住宿地，避免了现有技术根据行政区域推荐的模糊性，提高推荐的精确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为根据本发明的一个实施例的自动推荐旅游行程中的日住宿的方法的流程图；

图2a-2c为根据本发明的实施例的显示界面示意图；

图3为根据本发明的一个实施例的自动推荐旅游行程中的日住宿的装置的模块图；

图4为根据本发明的一个实施例的设备硬件图。

具体实施方式

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

在上下文中所称“计算机设备”，也称为“电脑”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或是由ASIC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。

所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cloud Computing)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。

需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。

后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。 当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。

这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

应当理解的是，当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。与此相对，当一个单元被称为“直接连接”或“直接耦合”到另一单元时，则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于...之间”相比于“直接处于...之间”，“与...邻近”相比于“与...直接邻近”等等)。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。

下面结合附图对本发明作进一步详细描述。

图1为根据本发明的一个实施例的自动推荐旅游行程中的日住宿的方法的流程图。该自动推荐旅游行程中的日住宿的方法用于用户在旅行前预订旅行中每天的住宿地。

现有技术中，用户需要先了解自己行程中每天游览的景点，人工在互联网上查找景点所在的行政区域(例如北京海淀区)，然后在旅行网上输入需要住宿的日期、行政区域和宾馆等级(如星级、价位区间)。然后，旅行网根据用户需要住宿的日期、需要的宾馆等级在用户输入的行政区域内为用户查询匹配结果。这样，用户需要逐天去查找景点所在的行政区域，并逐天将信息输入旅行网页面，获得该天的住宿推荐结果，非常繁琐，且按行政区域确定匹配结果的方式不精确。在本发明实施例中，用户只要在如图2a的应用提供的输入界面或网站提供的输入界面输入旅行中用户需要住宿的各日期、各日期中用户需要游览的景点、需要的住宿等级，就能自动为用户找到各天最适合用户的住宿地，不需要用户一天一天去确定，大大节省了用户时间。另外，由于采用根据景点而不是景点所在行政区域推荐日住宿地的方式，大大提高了推荐的精确性，使推荐结果更符合用户实际需要，节省用户时间。

如图1所示，该方法包括：

S110、获取旅游行程中的日观光景点和日期望住宿等级；

S120、对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离；

S130、根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地。

下面对这些步骤分别进行详细描述。

S110、获取旅游行程中的日观光景点和日期望住宿等级。

在一个实施例中，步骤S110包括：接收用户输入的旅游行程中的日观光景点和日期望住宿等级。

住宿等级是用户期望入住的住宿地的标准，它反映了用户期望承受 的价位。在一个实施例中，它可以直接用住宿价位区间表示，例如把住宿等级分成五档：200元以下/天、200-300元/天、300-500元/天、500-1000元/天、1000元以上/天。在另一个实施例中，它可以用宾馆类型粗略地表示，因为宾馆类型也大体反映了用户期望承受的价位。例如，把住宿等级分成三档：经济型(0-2星级宾馆)、中档型(3-4星级宾馆)、奢华型(5星级以上宾馆)。

如图2a所示，当用户打开为用户推荐日住宿地的应用或登录为用户推荐日住宿地的网站的页面2后，呈现让用户输入旅行中需要住宿的日期、旅行中每天的各景点201、每天期望住的宾馆类型202的界面。例如，在图2a中，用户在旅行的5天中都需要预订宾馆，其中，旅行中的第一天是2016年8月23日，用户计划游览的景点是上海外滩，需要当天住经济型宾馆；旅行中的第二天是2016年8月24日，用户计划游览的景点是西湖，需要当天住中档型宾馆；旅行中的第三天是2016年8月25日，用户计划游览的景点是灵隐寺，需要当天住中档型宾馆；旅行中的第四天是2016年8月26日，用户计划游览的景点是西溪湿地，需要当天住中档型宾馆；旅行中的第五天是2016年8月27日，用户计划游览的景点是崇明岛，需要当天住经济型宾馆。在图2a中，对于需要住宿的日期的输入是采取选项框的方式(即，触摸日期输入框右侧的“>”,弹出日期选项框，让用户在选项框的选项中选择)，对于宾馆类型的输入也是采取选项框的方式，因为具体的日期和宾馆类型是可以穷举的，但景点采取让用户直接输入的方式，因为景点是不能穷举的。本领域技术人员应理解，需要住宿的日期、宾馆类型的输入也可以采用直接输入的方式，但要规定用户输入的格式等。

在另一个实施例中，步骤S110包括：从其它信息源获取旅游行程中的日观光景点和日期望住宿等级。也就是说，不一定要在本发明实施例的为用户推荐日住宿的应用或网站中获取这些基础信息，本发明实施例的为用户推荐日住宿的应用或网站可以与其它应用或网站建立关联，从其它应用或网站获取这些基础信息。例如，本发明实施例的为用户推荐日住宿的应用或网站可以与一个为用户订机票或火车票的应用或网站 建立关联。当用户订旅行中的机票或火车票时，可能已将行程中的日观光景点和日期望住宿等级输入订机票或火车票的应用或网站。这样，本发明实施例的为用户推荐日住宿的应用或网站与该为用户订机票或火车票的应用或网站建立关联后，就可以从该为用户订机票或火车票的应用或网站服务器获得旅游行程中的日观光景点和日期望住宿等级。

步骤S120、对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离。

这里的数据库是存储着各种住宿地的信息(包括名称、地址、电话、简介、所在行政区域、价格、星级等)的数据库，这在现有的订宾馆或旅行网的网站服务器中是已经具备的。电子地图上各住宿地距日观光景点的距离指的不是住宿地到日观光景点的直线距离，而是住宿地到日观光景点在电子地图上的最短实际可达路径在现实中的距离。例如，尽管A位置到B位置的直线距离是1公里，但A位置和B位置之间并没有一条直线的路径。从A位置到B位置最短的实际可达路径是从A位置经过AC之间的直线路径到达C位置，再从C位置经过CB之间的直线路径到达B位置。这样，电子地图上A位置和B位置之间的距离是A位置和C位置的直线距离加上C位置和B位置之间的直线距离。这里的距离都应理解为现实中的距离。电子地图的显示可放大缩小，其在屏幕上显示的距离没有意义。

例如，用户在2016年8月23日游览的景点是上海外滩，要对于数据库中的所有住宿地，逐一确定电子地图上其距上海外滩的距离。这对于服务器来说，是很大的工作负荷。

为了减轻服务器的工作负荷，在一个实施例中，步骤S120的确定电子地图上各住宿地距日观光景点的距离只针对电子地图上离日观光景点预定半径以内的各住宿地进行。

例如，预定半径为5公里，则在电子地图上以日观光景点为圆心，5公里为半径画一个圆，仅对落在该圆内的各住宿地确定其在电子地图上距日观光景点的距离。这就大大减少了需要确定距离的住宿地数量，大大降低了服务器工作负荷。

在另一个实施例中，步骤S120的确定电子地图上各住宿地距日观光景点的距离只针对日观光景点所属的行政区域内的各住宿地进行。

例如，用户要去颐和园，颐和园属于海淀区，则只针对数据库中地址在海淀区的住宿地，分别确定它们距颐和园的距离。这也能大大减少需要确定距离的住宿地数量，大大降低了服务器工作负荷。

步骤S130、根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地。

在一个实施例中，步骤S130包括：如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离最小，则推荐该住宿地。

例如，对于2016年8月27日，用户要游览的景点是崇明岛。崇明岛属于的行政区域是崇明县。在数据库中，崇明县内的住宿地共有23个，但由于用户期望住经济型宾馆，在23个经济型宾馆中，有7个经济型宾馆，分别是大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，它们距崇明岛的距离分别是1.2公里，2.3公里，2.4公里，2.7公里，2.9公里，3.5公里和4.7公里。由于大成街如家酒店距崇明岛的距离最小，因此，如图2b所示，为用户在2016年8月23日只推荐大成街如家酒店这个住宿地204。

在另一个实施例中，步骤S130包括：如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离小于预定距离阈值，则推荐该住宿地。

例如，对于2016年8月27日，用户要游览的景点是崇明岛。崇明岛属于的行政区域是崇明县。在数据库中，崇明县内的住宿地共有23个，但由于用户期望住经济型宾馆，在23个经济型宾馆中，有7个经济型宾馆，分别是大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，它们距崇明岛的距离分别是1.2公里，2.3公里，2.4公里，2.7公里，2.9公里，3.5公里和4.7公里。预定距离阈值为3公里，则如图2c所示，为用户在2016年8月23日推荐大成街如家酒店、建国街七天酒店、长益街如家酒店、 幸福旅社、百花旅社这5个住宿地204。由于显示页面的限制，图2c所示的界面在2016年8月23日的推荐住宿地的列中，只显示了大成街如家酒店、建国街七天酒店、长益街如家酒店，其余的两个需要用户按下该列下面的“……”才能显示出来。

另外，本发明实施例的自动推荐旅游行程中的日住宿的方法在步骤S130之后，还可以包括：按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序。

如图2b-2c所示的界面的上部有“距景点距离”、“价格”、“综合”三个标签，分别代表按距景点距离、价格、以及距景点距离和价格二者的综合考量进行排序。目前，在图2b-2c所示的界面上，目前用户选择的都是“距景点距离”，即按照推荐住宿地距景点的距离从小到大排序。对于图2b所示的界面，由于只有一个推荐的住宿地，无论用户选择哪个标签，排序的结果就是一样。但是，对于图2c所示的界面，如果用户选择“价格”或“综合”标签，排序的结果可以与当前不一样。例如，如果用户选择“价格”标签，对于2016年8月23日的大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，可能呈现与图2c目前所示完全不同的顺序。

按照推荐的各住宿地的价格排序的优点是，使对花销比较敏感的用户一目了然住什么宾馆可以节省费用。按照推荐的各住宿地距日观光景点的距离排序的优点是，使用户更清楚，住哪些宾馆更方便去看景点，以为用户节约体力，它更符合对费用不太敏感的用户群体。对于大多数消费群体来说，可能既希望省钱，又希望看景点方便一些，这时选择“综合”标签，即按照性价比排序。

在一个实施例中，用户选择“综合”标签后，按照推荐的各住宿地的价格、以及距日观光景点的距离，对推荐的各住宿地进行排序，其具体包括：

确定推荐的各住宿地的价格对应的第一分数；

确定推荐的各住宿地距日观光景点的距离对应的第二分数；

确定第一分数和第二分数的加权平均值；

根据所述加权平均值，对推荐的各住宿地进行排序。

第一分数代表着用户对住宿地在价格方面的满意度。第二分数代表着用户对住宿地在距景点的距离方面的满意度。价格越低，第一分数越高。住宿地在距景点的距离越小，第二分数越高。

在一个实施例中，确定推荐的各住宿地的价格对应的第一分数、以及确定推荐的各住宿地距日观光景点的距离对应的第二分数可以查表进行。即，事先设置各种价格、及其对应的第一分数的价格分数对照表。当知道住宿地的价格时，参照该价格分数对照表可以获得第一分数。事先设置各种距离、及其对应的第二分数的距离分数对照表。当知道住宿地距日观光景点的距离时，参照该距离分数对照表可以获得第二分数。

在一个实施例中，确定推荐的各住宿地的价格对应的第一分数、以及确定推荐的各住宿地距日观光景点的距离对应的第二分数可以通过如下公式进行：

S1＝α1/p (公式1)

S2＝α2/d

其中，S1、S2分别代表第一分数和第二分数，p表示住宿地的价格，d表示住宿地距日观光景点的距离，α1和α2是系数，可以根据经验确定，并可反复调整。

在确定了第一分数S1和第二分数S2后，根据如下公式确定第一分数S1和第二分数S2的加权平均值S：

S＝w1·S1+w2·S2，其中,w1+w2＝1，w1和w2的具体值可以根据经验确定，并可反复调整。

然后，就可以根据所述加权平均值，对推荐的各住宿地进行排序。一般来讲，是由高到低进行排序。

另外，步骤S130中推荐日住宿地，除了根据住宿地距日观光景点的距离、及住宿等级是否满足日期望住宿等级之外，还可以结合人气标准。在一个实施例中，步骤S130包括：根据确定的各住宿地距日观光景点的距离、住宿等级是否满足日期望住宿等级、以及各住宿地的人气是否 满足预定人气标准，推荐日住宿地。

人气是衡量某一场所是否受欢迎的指标。例如，对于住宿地来说，可以用单位时间入住人数(如每天入住人数)、用户网上单位时间点评次数、用户网上单位时间好评次数等作为人气的度量。人气度量的一个来源是数据库内本身存在的来源，如数据库中存储有每个住宿地(如宾馆)每天入住人数(这主要通过在最初建立数据库时对各住宿地的调查等得到)。人气度量的另一个来源是从网上用户的单位时间点评或好评次数。另外，从大众点评网可以获得该住宿地(如宾馆)每个月得到的点评或好评次数。相比而言，从网上动态获取单位时间点评或好评次数，要比从数据库中调取单位时间入住人数等更能反映出该住宿地现实的情况，因为网上信息是不断更新的，而数据库中的数据更新速度往往较慢。

例如，以大众点评网上每月的好评次数作为人气度量。预定人气标准是10条。如果住宿地在大众点评网上最近一个月的好评次数超过10条，则认为住宿地的人气满足预定人气标准。

在一个例子中，对于2016年8月27日，用户要游览的景点是崇明岛。崇明岛属于的行政区域是崇明县。在数据库中，崇明县内的住宿地共有23个，但由于用户期望住经济型宾馆，在23个经济型宾馆中，有7个经济型宾馆，分别是大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，它们距崇明岛的距离分别是1.2公里，2.3公里，2.4公里，2.7公里，2.9公里，3.5公里和4.7公里。预定距离阈值为3公里。则7个经济型宾馆中只有大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社5个经济型宾馆符合距日观光景点的距离的标准。大成街如家酒店在最近一个月在大众点评网上的好评数为12。建国街七天酒店在最近一个月在大众点评网上的好评数为20。长益街如家酒店在最近一个月在大众点评网上的好评数为15。幸福旅社在最近一个月在大众点评网上的好评数为5。百花旅社在最近一个月在大众点评网上的好评数为30。这样，大成街如家酒店、建国街七天酒店、长益街如家酒店、百花旅社 这4个宾馆在最近一个月在大众点评网上的好评数都超过了10条，可以为用户推荐这4家宾馆。

另外，在一个实施例中，该自动推荐旅游行程中的日住宿的方法还包括：获取旅游行程中的连住的日期。

如图2a所示，用户除了在图2a的界面上输入用户需要住宿的各日期、各日期中用户需要游览的景点201、需要的住宿等级202，还需要输入连住的日期203。在图2a中，用户希望2016年8月24日-2016年8月26日在同一个住宿地连住，这是因为西湖、灵隐寺、西溪湿地都在杭州，不停换宾馆不仅没有必要，还浪费时间和精力。在这种情况下，用户输入连住日期为2016年8月24日-2016年8月26日。这时候，要为用户在这三天分配同一住宿地。这样，就不能由于某住宿地距这三天中的某一天的景点近，而推荐该住宿地，而要综合考虑该住宿地距三天中的每一天的景点是否都比较方便。

在一个实施例中，步骤S130包括：对于连住的日期，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。在一个实施例中，其具体包括：

确定住宿地距连住的日期中的每一天的日观光景点的距离的平均值；

根据所述平均值、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

例如，对于2016年8月24日-2016年8月26日，用户要游览的景点分别是西湖、灵隐寺、西溪湿地。距离阈值为4公里。友谊宾馆距西湖1.5公里、距灵隐寺2公里、距西溪湿地7.8公里，距离平均值为3.77公里，且属于中档型宾馆。因此，无论从距日观光景点的平均距离来看，还是从是否满足日期望住宿等级来看，都满足要求，可以推荐。长虹宾馆距西湖2.1公里、距灵隐寺1.9公里、距西溪湿地7.8公里，距离平均值为3.93公里，且属于中档型宾馆。因此，无论从距日观光景点的平均距离来看，还是从是否满足日期望住宿等级来看，都满足要求，可以推 荐。太平洋宾馆距西湖4.5公里、距灵隐寺4.6公里、距西溪湿地4公里，距离平均值为4.37公里，属于中档型宾馆。从距日观光景点的平均距离来看，已经超出了距离阈值4公里，因此不推荐。枫树宾馆距西湖3.3公里、距灵隐寺3.4公里、距西溪湿地3.5公里，距离平均值为3.4公里，属于经济型宾馆。虽然距日观光景点的平均距离来看，未超出距离阈值，但不满足日期望住宿等级，因此不推荐。这样，在4个宾馆中就只向用户推荐友谊宾馆、长虹宾馆。

该方案相比于现有技术的优点是，现有技术只能孤立考虑一天的为用户推荐的住宿地，而该方案能够考虑到旅途之间各天之间的联系。例如某几天用户希望住在一个地方，不希望来回换住宿地。该方案可以综合考虑连住的住宿地距这几天每天的景点的距离都不至于太远，决定一个综合起来到这几天的各景点都相对比较近的住宿地，而不是只考虑某一天，提高了决策的科学性。这也是相比于现有技术很重要的一个改进。

图3为根据本发明的一个实施例的自动推荐旅游行程中的日住宿的装置3的模块图。该自动推荐旅游行程中的日住宿的装置用于用户在旅行前预订旅行中每天的住宿地。

现有技术中，用户需要先了解自己行程中每天游览的景点，人工在互联网上查找景点所在的行政区域(例如北京海淀区)，然后在旅行网上输入需要住宿的日期、行政区域和宾馆等级(如星级、价位区间)。然后，旅行网根据用户需要住宿的日期、需要的宾馆等级在用户输入的行政区域内为用户查询匹配结果。这样，用户需要逐天去查找景点所在的行政区域，并逐天将信息输入旅行网页面，获得该天的住宿推荐结果，非常繁琐，且按行政区域确定匹配结果的方式不精确。在本发明实施例中，用户只要在如图2a的应用提供的输入界面或网站提供的输入界面输入旅行中用户需要住宿的各日期、各日期中用户需要游览的景点、需要的住宿等级，就能自动为用户找到各天最适合用户的住宿地，不需要用户一天一天去确定，大大节省了用户时间。另外，由于采用根据景点而不是景点所在行政区域推荐日住宿地的方 式，大大提高了推荐的精确性，使推荐结果更符合用户实际需要，节省用户时间。

如图3所示，该装置3包括：

用于获取旅游行程中的日观光景点和日期望住宿等级的装置(以下简称“日观光景点和日期望住宿等级获取装置”)310；

用于对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离的装置(以下简称“距离确定装置”)320；

用于根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的装置(以下简称“日住宿地推荐装置”)330。

下面对装置310-320分别进行详细描述。

日观光景点和日期望住宿等级获取装置310用于获取旅游行程中的日观光景点和日期望住宿等级。

在一个实施例中，获取旅游行程中的日观光景点和日期望住宿等级包括：接收用户输入的旅游行程中的日观光景点和日期望住宿等级。

住宿等级是用户期望入住的住宿地的标准，它反映了用户期望承受的价位。在一个实施例中，它可以直接用住宿价位区间表示，例如把住宿等级分成五档：200元以下/天、200-300元/天、300-500元/天、500-1000元/天、1000元以上/天。在另一个实施例中，它可以用宾馆类型粗略地表示，因为宾馆类型也大体反映了用户期望承受的价位。例如，把住宿等级分成三档：经济型(0-2星级宾馆)、中档型(3-4星级宾馆)、奢华型(5星级以上宾馆)。

如图2a所示，当用户打开为用户推荐日住宿地的应用或登录为用户推荐日住宿地的网站的页面2后，呈现让用户输入旅行中需要住宿的日期、旅行中每天的各景点201、每天期望住的宾馆类型202的界面。例如，在图2a中，用户在旅行的5天中都需要预订宾馆，其中，旅行中的第一天是2016年8月23日，用户计划游览的景点是上海外滩，需要当天住经济型宾馆；旅行中的第二天是2016年8月24日，用户计划游览的景点是西湖，需要当天住中档型宾馆；旅行中的第三天是2016年8 月25日，用户计划游览的景点是灵隐寺，需要当天住中档型宾馆；旅行中的第四天是2016年8月26日，用户计划游览的景点是西溪湿地，需要当天住中档型宾馆；旅行中的第五天是2016年8月27日，用户计划游览的景点是崇明岛，需要当天住经济型宾馆。在图2a中，对于需要住宿的日期的输入是采取选项框的方式(即，触摸日期输入框右侧的“>”,弹出日期选项框，让用户在选项框的选项中选择)，对于宾馆类型的输入也是采取选项框的方式，因为具体的日期和宾馆类型是可以穷举的，但景点采取让用户直接输入的方式，因为景点是不能穷举的。本领域技术人员应理解，需要住宿的日期、宾馆类型的输入也可以采用直接输入的方式，但要规定用户输入的格式等。

在另一个实施例中，获取旅游行程中的日观光景点和日期望住宿等级包括：从其它信息源获取旅游行程中的日观光景点和日期望住宿等级。也就是说，不一定要在本发明实施例的为用户推荐日住宿的应用或网站中获取这些基础信息，本发明实施例的为用户推荐日住宿的应用或网站可以与其它应用或网站建立关联，从其它应用或网站获取这些基础信息。例如，本发明实施例的为用户推荐日住宿的应用或网站可以与一个为用户订机票或火车票的应用或网站建立关联。当用户订旅行中的机票或火车票时，可能已将行程中的日观光景点和日期望住宿等级输入订机票或火车票的应用或网站。这样，本发明实施例的为用户推荐日住宿的应用或网站与该为用户订机票或火车票的应用或网站建立关联后，就可以从该为用户订机票或火车票的应用或网站服务器获得旅游行程中的日观光景点和日期望住宿等级。

距离确定装置320用于对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离。

这里的数据库是存储着各种住宿地的信息(包括名称、地址、电话、简介、所在行政区域、价格、星级等)的数据库，这在现有的订宾馆或旅行网的网站服务器中是已经具备的。电子地图上各住宿地距日观光景点的距离指的不是住宿地到日观光景点的直线距离，而是住宿地到日观光景点在电子地图上的最短实际可达路径在现实中的距离。例如，尽管A位置到B位置的直线距离是1公里，但A位置和B位置之间并没有一条直线的路径。从A位置到B位置最短的实际可达路径是从A位置经过AC之间的直线路径到达C位置，再从C位置经过CB之间的直线路径到达B位置。这样，电子地图上A位置和B位置之间的距离是A位置和C位置的直线距离加上C位置和B位置之间的直线距离。这里的距离都应理解为现实中的距离。电子地图的显示可放大缩小，其在屏幕上显示的距离没有意义。

例如，用户在2016年8月23日游览的景点是上海外滩，要对于数据库中的所有住宿地，逐一确定电子地图上其距上海外滩的距离。这对于服务器来说，是很大的工作负荷。

为了减轻服务器的工作负荷，在一个实施例中，距离确定装置320确定电子地图上各住宿地距日观光景点的距离只针对电子地图上离日观光景点预定半径以内的各住宿地进行。

例如，预定半径为5公里，则在电子地图上以日观光景点为圆心，5公里为半径画一个圆，仅对落在该圆内的各住宿地确定其在电子地图上距日观光景点的距离。这就大大减少了需要确定距离的住宿地数量，大大降低了服务器工作负荷。

在另一个实施例中，距离确定装置320确定电子地图上各住宿地距日观光景点的距离只针对日观光景点所属的行政区域内的各住宿地进行。

例如，用户要去颐和园，颐和园属于海淀区，则只针对数据库中地址在海淀区的住宿地，分别确定它们距颐和园的距离。这也能大大减少需要确定距离的住宿地数量，大大降低了服务器工作负荷。

日住宿地推荐装置330用于根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地。

在一个实施例中，日住宿地推荐装置330进一步用于：如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离最小，则推荐该住宿地。

例如，对于2016年8月27日，用户要游览的景点是崇明岛。崇明 岛属于的行政区域是崇明县。在数据库中，崇明县内的住宿地共有23个，但由于用户期望住经济型宾馆，在23个经济型宾馆中，有7个经济型宾馆，分别是大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，它们距崇明岛的距离分别是1.2公里，2.3公里，2.4公里，2.7公里，2.9公里，3.5公里和4.7公里。由于大成街如家酒店距崇明岛的距离最小，因此，如图2b所示，为用户在2016年8月23日只推荐大成街如家酒店这个住宿地204。

在另一个实施例中，日住宿地推荐装置330进一步用于：如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离小于预定距离阈值，则推荐该住宿地。

例如，对于2016年8月27日，用户要游览的景点是崇明岛。崇明岛属于的行政区域是崇明县。在数据库中，崇明县内的住宿地共有23个，但由于用户期望住经济型宾馆，在23个经济型宾馆中，有7个经济型宾馆，分别是大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，它们距崇明岛的距离分别是1.2公里，2.3公里，2.4公里，2.7公里，2.9公里，3.5公里和4.7公里。预定距离阈值为3公里，则如图2c所示，为用户在2016年8月23日推荐大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社这5个住宿地204。由于显示页面的限制，图2c所示的界面在2016年8月23日的推荐住宿地的列中，只显示了大成街如家酒店、建国街七天酒店、长益街如家酒店，其余的两个需要用户按下该列下面的“……”才能显示出来。

另外，本发明实施例的自动推荐旅游行程中的日住宿的装置3还可以包括：用于按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序的装置(以下简称“排序装置”，未示)。

如图2b-2c所示的界面的上部有“距景点距离”、“价格”、“综合”三个标签，分别代表按距景点距离、价格、以及距景点距离和价格 二者的综合考量进行排序。目前，在图2b-2c所示的界面上，目前用户选择的都是“距景点距离”，即按照推荐住宿地距景点的距离从小到大排序。对于图2b所示的界面，由于只有一个推荐的住宿地，无论用户选择哪个标签，排序的结果就是一样。但是，对于图2c所示的界面，如果用户选择“价格”或“综合”标签，排序的结果可以与当前不一样。例如，如果用户选择“价格”标签，对于2016年8月23日的大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，可能呈现与图2c目前所示完全不同的顺序。

按照推荐的各住宿地的价格排序的优点是，使对花销比较敏感的用户一目了然住什么宾馆可以节省费用。按照推荐的各住宿地距日观光景点的距离排序的优点是，使用户更清楚，住哪些宾馆更方便去看景点，以为用户节约体力，它更符合对费用不太敏感的用户群体。对于大多数消费群体来说，可能既希望省钱，又希望看景点方便一些，这时选择“综合”标签，即按照性价比排序。

在一个实施例中，用户选择“综合”标签后，按照推荐的各住宿地的价格、以及距日观光景点的距离，对推荐的各住宿地进行排序，其具体包括：

确定推荐的各住宿地的价格对应的第一分数；

确定推荐的各住宿地距日观光景点的距离对应的第二分数；

确定第一分数和第二分数的加权平均值；

根据所述加权平均值，对推荐的各住宿地进行排序。

第一分数代表着用户对住宿地在价格方面的满意度。第二分数代表着用户对住宿地在距景点的距离方面的满意度。价格越低，第一分数越高。住宿地在距景点的距离越小，第二分数越高。

在一个实施例中，确定推荐的各住宿地的价格对应的第一分数、以及确定推荐的各住宿地距日观光景点的距离对应的第二分数可以查表进行。即，事先设置各种价格、及其对应的第一分数的价格分数对照表。当知道住宿地的价格时，参照该价格分数对照表可以获得第一分数。事 先设置各种距离、及其对应的第二分数的距离分数对照表。当知道住宿地距日观光景点的距离时，参照该距离分数对照表可以获得第二分数。

在一个实施例中，确定推荐的各住宿地的价格对应的第一分数、以及确定推荐的各住宿地距日观光景点的距离对应的第二分数可以通过如下公式进行：

S1＝α1/p (公式1)

S2＝α2/d

其中，S1、S2分别代表第一分数和第二分数，p表示住宿地的价格，d表示住宿地距日观光景点的距离，α1和α2是系数，可以根据经验确定，并可反复调整。

在确定了第一分数S1和第二分数S2后，根据如下公式确定第一分数S1和第二分数S2的加权平均值S：

S＝w1·S1+w2·S2，其中,w1+w2＝1，w1和w2的具体值可以根据经验确定，并可反复调整。

然后，就可以根据所述加权平均值，对推荐的各住宿地进行排序。一般来讲，是由高到低进行排序。

另外，日住宿地推荐装置330中推荐日住宿地，除了根据住宿地距日观光景点的距离、及住宿等级是否满足日期望住宿等级之外，还可以结合人气标准。在一个实施例中，日住宿地推荐装置330进一步用于：根据确定的各住宿地距日观光景点的距离、住宿等级是否满足日期望住宿等级、以及各住宿地的人气是否满足预定人气标准，推荐日住宿地。

人气是衡量某一场所是否受欢迎的指标。例如，对于住宿地来说，可以用单位时间入住人数(如每天入住人数)、用户网上单位时间点评次数、用户网上单位时间好评次数等作为人气的度量。人气度量的一个来源是数据库内本身存在的来源，如数据库中存储有每个住宿地(如宾馆)每天入住人数(这主要通过在最初建立数据库时对各住宿地的调查等得到)。人气度量的另一个来源是从网上用户的单位时间点评或好评次数。另外，从大众点评网可以获得该住宿地(如宾馆)每个月得到的点评或好评次数。相比而言，从网上动态获取单位时间点评或好评次数， 要比从数据库中调取单位时间入住人数等更能反映出该住宿地现实的情况，因为网上信息是不断更新的，而数据库中的数据更新速度往往较慢。

例如，以大众点评网上每月的好评次数作为人气度量。预定人气标准是10条。如果住宿地在大众点评网上最近一个月的好评次数超过10条，则认为住宿地的人气满足预定人气标准。

在一个例子中，对于2016年8月27日，用户要游览的景点是崇明岛。崇明岛属于的行政区域是崇明县。在数据库中，崇明县内的住宿地共有23个，但由于用户期望住经济型宾馆，在23个经济型宾馆中，有7个经济型宾馆，分别是大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社、吉祥旅社和天浩街锦江之星酒店，它们距崇明岛的距离分别是1.2公里，2.3公里，2.4公里，2.7公里，2.9公里，3.5公里和4.7公里。预定距离阈值为3公里。则7个经济型宾馆中只有大成街如家酒店、建国街七天酒店、长益街如家酒店、幸福旅社、百花旅社5个经济型宾馆符合距日观光景点的距离的标准。大成街如家酒店在最近一个月在大众点评网上的好评数为12。建国街七天酒店在最近一个月在大众点评网上的好评数为20。长益街如家酒店在最近一个月在大众点评网上的好评数为15。幸福旅社在最近一个月在大众点评网上的好评数为5。百花旅社在最近一个月在大众点评网上的好评数为30。这样，大成街如家酒店、建国街七天酒店、长益街如家酒店、百花旅社这4个宾馆在最近一个月在大众点评网上的好评数都超过了10条，可以为用户推荐这4家宾馆。

另外，在一个实施例中，该自动推荐旅游行程中的日住宿的装置3还包括：用于获取旅游行程中的连住的日期的装置(以下简称“连住日期获取装置”，未示)。

如图2a所示，用户除了在图2a的界面上输入用户需要住宿的各日期、各日期中用户需要游览的景点201、需要的住宿等级202，还需要输入连住的日期203。在图2a中，用户希望2016年8月24日-2016年8月26日在同一个住宿地连住，这是因为西湖、灵隐寺、西溪湿 地都在杭州，不停换宾馆不仅没有必要，还浪费时间和精力。在这种情况下，用户输入连住日期为2016年8月24日-2016年8月26日。这时候，要为用户在这三天分配同一住宿地。这样，就不能由于某住宿地距这三天中的某一天的景点近，而推荐该住宿地，而要综合考虑该住宿地距三天中的每一天的景点是否都比较方便。

在一个实施例中，日住宿地推荐装置330进一步用于：对于连住的日期，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。在一个实施例中，其具体包括：

确定住宿地距连住的日期中的每一天的日观光景点的距离的平均值；

根据所述平均值、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

例如，对于2016年8月24日-2016年8月26日，用户要游览的景点分别是西湖、灵隐寺、西溪湿地。距离阈值为4公里。友谊宾馆距西湖1.5公里、距灵隐寺2公里、距西溪湿地7.8公里，距离平均值为3.77公里，且属于中档型宾馆。因此，无论从距日观光景点的平均距离来看，还是从是否满足日期望住宿等级来看，都满足要求，可以推荐。长虹宾馆距西湖2.1公里、距灵隐寺1.9公里、距西溪湿地7.8公里，距离平均值为3.93公里，且属于中档型宾馆。因此，无论从距日观光景点的平均距离来看，还是从是否满足日期望住宿等级来看，都满足要求，可以推荐。太平洋宾馆距西湖4.5公里、距灵隐寺4.6公里、距西溪湿地4公里，距离平均值为4.37公里，属于中档型宾馆。从距日观光景点的平均距离来看，已经超出了距离阈值4公里，因此不推荐。枫树宾馆距西湖3.3公里、距灵隐寺3.4公里、距西溪湿地3.5公里，距离平均值为3.4公里，属于经济型宾馆。虽然距日观光景点的平均距离来看，未超出距离阈值，但不满足日期望住宿等级，因此不推荐。这样，在4个宾馆中就只向用户推荐友谊宾馆、长虹宾馆。

该方案相比于现有技术的优点是，现有技术只能孤立考虑一天的为 用户推荐的住宿地，而该方案能够考虑到旅途之间各天之间的联系。例如某几天用户希望住在一个地方，不希望来回换住宿地。该方案可以综合考虑连住的住宿地距这几天每天的景点的距离都不至于太远，决定一个综合起来到这几天的各景点都相对比较近的住宿地，而不是只考虑某一天，提高了决策的科学性。这也是相比于现有技术很重要的一个改进。

如图4所示，根据本发明的一个实施例，还提供了一种设备4，包括：

一个或多个处理器410；

存储器420，存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，实现：

获取旅游行程中的日观光景点和日期望住宿等级；

对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离；

根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地。

可选地，确定电子地图上各住宿地距日观光景点的距离只针对电子地图上离日观光景点预定半径以内的各住宿地进行。

可选地，确定电子地图上各住宿地距日观光景点的距离只针对日观光景点所属的行政区域内的各住宿地进行。

可选地，根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地，具体包括：

如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离最小，则推荐该住宿地。

可选地，根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地，具体包括：

如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离小于预定距离阈值，则推荐该住宿地。

可选地，当所述一个或多个程序被所述一个或多个处理器执行时， 实现：

在推荐的日住宿地有多个的情况下，按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序。

可选地，按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序，具体包括：

确定推荐的各住宿地的价格对应的第一分数；

确定推荐的各住宿地距日观光景点的距离对应的第二分数；

确定第一分数和第二分数的加权平均值；

根据所述加权平均值，对推荐的各住宿地进行排序。

可选地，根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地，具体包括：

根据确定的各住宿地距日观光景点的距离、住宿等级是否满足日期望住宿等级、以及各住宿地的人气是否满足预定人气标准，推荐日住宿地。

可选地，当所述一个或多个程序被所述一个或多个处理器执行时，实现：获取旅游行程中的连住的日期，且

根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地，具体包括：对于连住的日期，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

可选地，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地，具体包括：

确定住宿地距连住的日期中的每一天的日观光景点的距离的平均值；

根据所述平均值、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实 施，例如，本发明的各个装置可采用专用集成电路(ASIC)或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

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。系统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 (21)

1.一种自动推荐旅游行程中的日住宿的方法，包括：

获取旅游行程中的日观光景点和日期望住宿等级；

对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离；

根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地。

2.根据权利要求1的方法，其中确定电子地图上各住宿地距日观光景点的距离的步骤只针对电子地图上离日观光景点预定半径以内的各住宿地进行。

3.根据权利要求1的方法，其中确定电子地图上各住宿地距日观光景点的距离的步骤只针对日观光景点所属的行政区域内的各住宿地进行。

4.根据权利要求1的方法，其中，所述根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的步骤包括：

如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离最小，则推荐该住宿地。

5.根据权利要求1的方法，其中，所述根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的步骤包括：

如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离小于预定距离阈值，则推荐该住宿地。

6.根据权利要求1的方法，其中，在推荐的日住宿地有多个的情况下，该方法还包括：

按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序。

7.根据权利要求6的方法，其中，按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序，具体包括：

确定推荐的各住宿地的价格对应的第一分数；

确定推荐的各住宿地距日观光景点的距离对应的第二分数；

确定第一分数和第二分数的加权平均值；

根据所述加权平均值，对推荐的各住宿地进行排序。

8.根据权利要求1的方法，所述根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的步骤包括：

根据确定的各住宿地距日观光景点的距离、住宿等级是否满足日期望住宿等级、以及各住宿地的人气是否满足预定人气标准，推荐日住宿地。

9.根据权利要求1的方法，还包括：获取旅游行程中的连住的日期，且

所述根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的步骤包括：对于连住的日期，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

10.根据权利要求9的方法，其中，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地，具体包括：

确定住宿地距连住的日期中的每一天的日观光景点的距离的平均值；

根据所述平均值、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

11.一种自动推荐旅游行程中的日住宿的装置，包括：

用于获取旅游行程中的日观光景点和日期望住宿等级的装置；

用于对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离的装置；

用于根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的装置。

12.根据权利要求11的装置，其中，所述用于对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离的装置只针对电子地图上离日观光景点预定半径以内的各住宿地，确定电子地图上各住宿地距日观光景点的距离。

13.根据权利要求11的装置，其中，所述用于对于数据库中的各住宿地，确定电子地图上各住宿地距日观光景点的距离的装置只针对日观光景点所属的行政区域内的各住宿地，确定电子地图上各住宿地距日观光景点的距离。

14.根据权利要求11的装置，其中，所述用于根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的装置进一步用于：

如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离最小，则推荐该住宿地。

15.根据权利要求14的装置，其中，所述用于根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的装置进一步用于：

如果住宿地的住宿等级满足日期望住宿等级，且距日观光景点的距离小于预定距离阈值，则推荐该住宿地。

16.根据权利要求11的装置，其中，在推荐的日住宿地有多个的情况下，所述自动推荐旅游行程中的日住宿的装置还包括：

用于按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序的装置。

17.根据权利要求16的装置，其中，所述用于按照推荐的各住宿地的价格、距日观光景点的距离中的至少一个，对推荐的各住宿地进行排序的装置进一步用于：

确定推荐的各住宿地的价格对应的第一分数；

确定推荐的各住宿地距日观光景点的距离对应的第二分数；

确定第一分数和第二分数的加权平均值；

根据所述加权平均值，对推荐的各住宿地进行排序。

18.根据权利要求11的装置，所述根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的装置进一步用于：

根据确定的各住宿地距日观光景点的距离、住宿等级是否满足日期望住宿等级、以及各住宿地的人气是否满足预定人气标准，推荐日住宿地。

19.根据权利要求11的装置，还包括：用于获取旅游行程中的连住的日期的装置，且

所述根据确定的各住宿地距日观光景点的距离及住宿等级是否满足日期望住宿等级，推荐日住宿地的装置进一步用于：对于连住的日期，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

20.根据权利要求19的装置，其中，根据住宿地距连住的日期中的每一天的日观光景点的距离、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地，具体包括：

确定住宿地距连住的日期中的每一天的日观光景点的距离的平均值；

根据所述平均值、及住宿等级是否满足日期望住宿等级，推荐连住的日期中的日住宿地。

21.一种设备，包括：

一个或多个处理器；

存储器，存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1-10中任一所述的方法。