CN107680010A - 一种基于游览行为的景区路线推荐方法及其系统 - Google Patents

一种基于游览行为的景区路线推荐方法及其系统 Download PDF

Info

Publication number
CN107680010A
CN107680010A CN201710910640.XA CN201710910640A CN107680010A CN 107680010 A CN107680010 A CN 107680010A CN 201710910640 A CN201710910640 A CN 201710910640A CN 107680010 A CN107680010 A CN 107680010A
Authority
CN
China
Prior art keywords
tour
scenic spot
behavior
route
time
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.)
Granted
Application number
CN201710910640.XA
Other languages
English (en)
Other versions
CN107680010B (zh
Inventor
宾辰忠
古天龙
孙彦鹏
孙磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201710910640.XA priority Critical patent/CN107680010B/zh
Publication of CN107680010A publication Critical patent/CN107680010A/zh
Application granted granted Critical
Publication of CN107680010B publication Critical patent/CN107680010B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)

Abstract

本发明公开一种基于游览行为的景区路线推荐方法及其系统，通过获取游客在游览过程中产生的行为数据，利用频繁游览路线挖掘方法，从已获取的历史游览行为数据中挖掘生成一组候选游览路线。再根据游客输入的总游览时间、游览起始/结束地点等个人游览约束，从候选路线中搜索满足个人约束且游览价值最高的路线推荐给游客。本发明具有推荐路线精度高，推荐结果个性化程度及游览体验度高的特点。

Description

一种基于游览行为的景区路线推荐方法及其系统
技术领域
本发明涉及物联网技术领域，具体涉及一种基于游览行为的景区路线推荐方法及其系统。
背景技术
旅游路线推荐可为游客提供符合其时间及经济成本约束的游览行程安排，在提高游览体验的同时有效降低旅游的时间和经济成本。而目前的旅游路线推荐方法及系统普遍存在以下不足：首先，推荐结果大都以旅游景区为最小单位，即推荐结果是由若干景区构成的粗粒度游览路线。当游客游览较大范围的景区时，如自然风景区、博物馆等，系统无法针对景区内的景点推荐一种细粒度游览路线。游客在景区内景点数量众多且游览时间有限的情况下，难以获得适合的景区内游览路线。其次，在现有的面向景区内旅游推荐方法中，推荐结果多以景点列表形式呈现，而且没有综合考虑游客的品味偏好及体力等个人特点。因此推荐结果的个性化程度和推荐结果的游览体验度较低。
发明内容
本发明所要解决的是目前旅游路线推荐方法中推荐路线精度不高，推荐结果个性化程度及游览体验度低的问题，提供一种基于游览行为的景区路线推荐方法及其系统。
为解决上述问题，本发明是通过以下技术方案实现的：
一种基于游览行为的景区路线推荐方法，包括步骤如下：
步骤1、系统正常工作前，先将预先分配的景区ID及景点ID对应的位置标签信息写入各蓝牙位置标签设备，并将蓝牙位置标签设备安装到各景区的相应景点及出入口位置；
步骤2、游客游览前，在智能终端安装客户端软件，并打开智能终端上的蓝牙设备，同时通过客户端软件注册用户个人信息，云服务器在数据库中创建用于保存游客游览行为数据的相关数据表；
步骤3、在游览行为数据获取阶段，智能终端将根据游客的位置变化，自动获取各蓝牙位置标签设备广播的位置标签信息，同时记录游客在该景点内拍照及静止动作次数，并记录游客进入和离开对应景点的时间戳信息，以此构成该景点的游览行为数据；游客游览结束，智能终端将游览行为数据上传至云服务器；
步骤4、在游览路线挖掘阶段，云服务器从已获得的游览行为数据中挖掘并保存频繁游览路线集合；
步骤5、在游览路线推荐阶段，云服务器接收游客提交的个人游览约束信息，按照个人约束搜索满足条件的候选游览路线，并计算每条候选路线的游览价值度，将游览价值最高的候选路线返回给游客。
上述步骤3中，游览行为数据由进入景点时间戳、景点标识码、离开景点时间戳、拍照动作次数和静止动作次数这五个信息构成。
上述步骤3中，智能终端获取景点的游览行为数据的具体过程如下：
步骤3.1、任务读取并解析iBeacon协议广告帧中的位置标签信息，比较位置标签信息中的TX Power字段，判断与智能终端当前距离最近的景点；
步骤3.2、比较新读入的位置标签信息是否为景区的出口位置标签，判断游客是否要离开景区结束游览；
如果游客是要离开景区结束游览，则任务读取智能终端蓝牙设备标识码作为游客身份信息，连同之前保存的所有游览行为数据文件一块上传至云服务器保存；
如果游客不是要离开景区结束游览，则接着判断该位置标签信息与当前景点标识码是否相等，以判断游客进入新景点还是仍停留在原来景点中；
如果比较结果相等，则代表游客仍停留在原景点，任务将重置景点位置有效定时器的定时时间；
如果比较结果不等，则意味着游客所处景点发生改变，接着判断景点位置有效定时器是否处于运行状态；
如果该定时器处于运行状态，则意味着游客从原景点切换到新景点，即由于两个景点间距较近，游客在两个景点的位置切换时间较短，并未引起该定时器超时，则该任务保存当前智能终端的系统时间至，离开景点时间戳中，同时将之前保存的进入景点时间戳、拍照动作次数、静止动作次数和当前景点标识码合并作为前一景点对应的完整游览行为数据，保存至客户端软件本地文件系统；
如果定时器不处于运行状态，则意味着游客进入一个新景点，则重新在系统中注册游客动作监测任务，以统计游客在新景点中的拍照和静止动作次数；
步骤3.3、保存当前智能终端的系统时间至进入景点时间戳中，同时清零拍照动作次数及静止动作次数，并将新的位置标签信息更新至当前景点标识码中；
步骤3.4、任务启动景点位置有效定时器和静止动作读取定时器，开始新景点的游览数据获取，任务结束进入休眠状态。
上述步骤4中，云服务器在进行频繁游览路线挖掘之前，需要使用预处理方法将原始游览行为数据转换为游览行为序列；即
步骤4.1.1、删除每条原始游览行为数据中的经过行为数据点，即通过判断每个行为数据点中离开及进入景点时间戳的时间间隔，将小于游览时间阈值的行为数据点从原始游览行为数据中删除；
步骤4.1.2、针对每条游览行为数据，将每个游览行为数据点的进入和离开时间戳转换为景点间路程时间和景点游览时间；
步骤4.1.3、统计每条游览行为数据景点内游览总时间、拍照总次数和静止停留总次数；
步骤4.1.4、计算每条游览行为数据中每个景点的游览喜爱度等级，并用该游览喜爱度等级替换拍照次数及静止停留次数信息；
步骤4.1.5、将每条游览行为数据中的所有景点路程时间、景点游览时间离散化为时间间隔整数，将最后处理结果保存为游览行为序列，供后续频繁游览路线挖掘使用。
上述步骤4.1.4中，游览喜爱度等级的计算方法如下：
首先，依次计算各景点的游览喜爱度数值Popi；
其中，TDi为景点i的游览时间，Pi为景点i的拍照次数，Si为景点i的游览时间；为游览行为数据的总的景点游览时间，为游览行为数据的总拍照次数，为游览行为数据的总静止动作次数；w1，w2，w3为计算权重，且w1+w2+w3＝1；
然后，按照游览喜爱度数值Popi对游览行为数据的各景点进行排序后，再根据排序高低分配每个景点的游览喜爱度等级PLi。
上述步骤4.2中，云服务器从已获得的游览行为数据中进行频繁游览路线挖掘的具体过程如下：
步骤4.2.1、判断当前挖掘频繁游览路线长度是否为0，即判断该方法是否第一次被调用；如果长度为0，则转步骤4.2.2；否则，转步骤4.2.5；
步骤4.2.2、将景区内所有入口的频繁游览行为模式为前缀序列，基于游客类别对应的游览行为序列数据集，依次构建对应的投影序列数据集；
步骤4.2.3、将入口频繁游览行为模式添加到当前频繁游览路线中；
步骤4.2.4、使用新的频繁游览路线及对应的投影序列数据集为输入参数，进行递归调用，即执行流程返回步骤4.2.1；
步骤4.2.5、构建空的行为模式与路程时间的关系表；
步骤4.2.6、处理投影序列数据集中的每条投影序列，以构建关系表中元素；对于每条投影序列，扫描序列中的每个后续行为模式，同时计算当前频繁游览路线中最后一个游览行为模式与各个后续行为模式之间的路程时间，以后续行为模式作为行下标，以路程时间作为列下标，将各后续行为模式支持度计数保存至关系表对应元素中；
步骤4.2.7、扫描关系表所有元素，比较元素值是否大于设定最小支持度，即判断表元素是否为频繁的；如存在频繁元素则循环执行步骤4.2.8和步骤4.2.9，否则执行结束；
步骤4.2.8、将频繁表元素对应的路程时间和后续频繁行为模式添加至当前频繁游览路线尾部，生成新的频繁游览路线，并保存至频繁游览路线数据库中；
步骤4.9、以新的频繁游览路线为前缀序列，构建新的投影序列数据集；并以新的频繁游览路线和对应的投影序列数据集为输入，进行递归调用，即执行流程返回步骤4.2.1。
上述步骤4.2.5中，所建立的行为模式与路程时间的关系表为：关系表的每行对应一个离散化的路程时间TRn；其中路程时间TRn是一个从游览行为模式λi景点到游览行为模式λk景点之间在当前游览行为序列中经过的所有路程时间总和；关系表的每列对应一个在投影序列数据集P|α中发现的后续游览行为模式λk；关系表元素Table|λi(TRn,λk)记录了投影序列数据集P|α中包含子游览行为序列(λi,TRn,λk)的支持度计数，如果该支持度计数大于或等于最小支持度，则该表元素对应的游览行为模式λk是一个频繁后续游览行为模式。
上述步骤5中，云服务器将游览价值最高的候选路线返回给游客的具体过程如下：
步骤5.1、获取游客提交的个人约束，即总游览时间、游览起始和结束位置；云服务器根据游客ID查找游客类别；
步骤5.2、根据游客类别，从对应的频繁游览路线数据库中搜索满足游览起始和结束位置约束的候选游览路线；
步骤5.3、根据游客提交的总游览时间Ta，搜索满足如下时间约束的候选游览路线；
总游览时间≤Ta≤总游览时间
其中，为搜索范围调整参数；
步骤5.4、利用下述路线排序公式计算每条候选路线的排序值RVα，将排名最高的候选路线作为推荐结果返回给游客的智能终端；
其中，MMN(*)为最大最小值归一化函数，是候选路线α的所有景点的游览喜爱度总和，为候选路线α的景点游览总时间与候选路线总时间的比值，wpl和wrvd为计算权重，且wpl+wrvd＝1。
实现上述方法的一种基于游览行为的景区路线推荐系统，包括云服务器、智能终端和蓝牙位置标签设备；
蓝牙位置标签设备安装在各景区的各个景点和各景区的出口处，其中各景区的各景点的位置标签信息唯一，各景区的出口处的位置标签信息统一；蓝牙位置标签设备的作用是以蓝牙协议广播标识其位置标签信息；
智能终端供游客携带；智能终端的作用是通过蓝牙接收景点中的蓝牙位置标签设备广播的位置标签信息，并记录游客在景点中的拍照及静止动作，结合游客进入和离开景点的时间戳信息，构成景点的游览行为数据；同时，通过移动互联网或无线局域网将游览行为数据依次上传至云服务器，同时接收云服务器产生的旅游资源推荐结果；
云服务器的作用是接收并保存智能终端发送的游客历史游览行为数据，并根据游客的游览行为数据计算游客群体对各旅游资源的喜爱度动态评价数据，最终为后续游客提供旅游资源推荐结果。
上述方案中，每个蓝牙位置标签设备由嵌入式微处理器以及与嵌入式微处理器相连的蓝牙发射天线、FLASH存储器、串行总线接口和电源电路组成；
蓝牙天线，用于发射iBeacon协议广告帧数据；FLASH存储器，用于保存对应景点的位置标签信息；串行总线接口，用于初始化配置该蓝牙位置标签设备；电源电路，用于为该蓝牙位置标签设备供电。
与现有技术相比，本发明具有如下特点：
1、通过推荐景区内各景点的游览路线，帮助游客在时间、体力以及指定游览起始/结束位置等个人游览约束条件下，完成景区内的游览活动，同时获得较高的游览价值体验。
2、推荐的游览路线由获取的游客历史游览行为挖掘获得，使推荐结果具有真实、合理、准确等优点。如推荐路线中包含了景点间的路程时间，即考虑游客的个人体力，各景点内的停留游览时间，即考虑游客的个人品味偏好。以上时间信息保证了推荐线路的时间准确性和游览合理性。
3、在游览行为获取、路线挖掘和路线推荐等阶段，按照游客个人信息进行分类处理数据，通过细分游客类别保证推荐结果最大程度符合被推荐游客的个人品味偏好，使得推荐结果具有较高个性化特点。
4、通过全面获取游客的游览行为数据，如包括游客游览轨迹数据，在各景点中的用智能终端的拍照次数，以及游客在各景点中的静止停留次数等。获取的游览行为数据具有全面和完整的优点，能够为后续游览路线推荐提供客观依据。且游览行为获取过程无需游客人为操作，对游客不造成任何负担，因此行为获取方法具有便捷和高效等优点。
5、通过在景区内的各景点中安装蓝牙位置标签设备为智能终端提供景点位置信息，结合蓝牙位置标签以及智能终端的相机及传感器设备，准确获得游客在各景点中的真实游览行为数据，方案中采用无限蓝牙协议完成位置标签信息广播。蓝牙位置标签设备具有功耗及成本低的优点，该设备可快速安装至室内外各景点中。
附图说明
图1为基于游览行为的景区游览路线推荐系统结构图。
图2为蓝牙位置标签设备硬件结构图。
图3为系统客户端软件初始化流程图。
图4为客户端软件游览行为数据获取任务主流程图。
图5为景点位置有效定时器超时中断例程流程图。
图6为拍照动作监测任务流程图。
图7为静止动作监测任务流程图。
图8为原始游览行为数据预处理方法流程图。
图9为频繁游览路线挖掘方法流程图。
图10为景区游览路线排序推荐方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本发明进一步详细说明。
由于游客的实际游览行为包含了游客的游览轨迹，在各景点游览时间及游览过程中的相关行为。游览行为体现了游客对景区内各景点的喜爱程度，同时包含了具体景点游览方案。这些信息能够为后续游客提供详细的游览参考。因此本发明通过获取游客在游览过程中产生的行为数据，利用频繁游览路线挖掘方法，从已获取的历史游览行为数据中挖掘生成一组候选游览路线。再根据游客输入的总游览时间、游览起始/结束地点等个人游览约束，从候选路线中搜索满足个人约束且游览价值最高的路线推荐给游客。本发明中景区是指地理范围较大的游览区域，其中包含若干个具体景点；景点是指地理范围较小的某个游览地点。
一种基于游览行为的景区路线推荐系统，结构如图1所示，系统由云服务器、每位游客携带的智能终端、以及若干个固定安装在各景区内各景点以及景区出入口处的蓝牙位置标签设备构成。
(1)蓝牙位置标签设备
蓝牙位置标签设备作用是以蓝牙协议广播标志各景点的位置标签信息。在本发明中，需在景区内需要被系统识别的位置，如各景点及景区出入口等，安装至少一个位置标签设备，且每个景点的位置标签设备具有唯一的位置标签信息。
蓝牙位置标签设备是由电池供电的独立设备。优选实施例中蓝牙协议使用iBeacon协议，利用该协议的广告帧向游客智能终端广播系统唯一的位置标签信息。每个位置标签设备安装前，需预先分配一个唯一的位置标签信息。该设备硬件框图如图2所示。蓝牙位置标签设备的控制部件采用TI公司的CC2541嵌入式微处理器。CC2541负责连接蓝牙发射天线、FLASH存储器、串行总线接口和电源电路等部件。蓝牙天线用于发射iBeacon协议广告帧数据；FLASH存储器用于保存位置标签信息；串行总线接口用于初始化配置位置标签设备。
根据iBeacon协议广告帧数据格式，使用其中的Major和Minor字段分别标识景区ID和景点ID，使用TX Power字段用于判断智能终端与蓝牙位置标签设备的距离。一个完整的位置标签信息由以上三个字段构成。在实施例中景区ID和景点ID均用2个字节表示，每字节包含8个比特。景区ID、景点ID由系统统一分配，每个景区对应唯一景区ID，景区内每个景点ID唯一。方案用这两个ID信息唯一地识别某景区内的某个位置。特别的，在景区的各个入口安装位置标签的作用是启动智能终端的游览行为数据获取任务，记录游览行为的起始点。景区的各个出口安装位置标签的作用是记录游览行为的结束点，并触发智能终端上传所有记录的游览行为数据。
(2)智能终端
智能终端作用是利用蓝牙天线接收各蓝牙位置标签设备广播的位置标签信息，同时记录游客在景点中的拍照及静止等动作次数，结合游客进入和离开景点的时间戳信息，构成某个景点对应的游览行为数据点；当游客离开景区时，再通过无线网络将游览行为数据点序列上传至云服务器。同时游客通过智能终端请求并接收某景区的游览路线推荐。
游客智能终端为安装了本系统客户端软件的智能手机。在本实施例中，客户端软件为基于安卓或IOS等移动操作系统的应用程序。游客在一个景点内的游览行为数据包括：位置标签信息，即景区ID及景点ID；进入景点时间戳；离开景点时间戳；拍照次数和静止动作次数等。此外，每条行为数据还对应包括了一个用户注册时由系统分配的游客ID，用于标识每位游客身份；景区ID及景点ID为景点内蓝牙位置标签设备提供的位置标签信息，用于标识景区的不同景点及出入口；游客进入和离开某个景点的时间戳由智能终端的系统时间记录得到；拍照动作次数由客户端软件检测智能终端相机设备使用次数获得；静止动作次数由客户端软件监测智能终端加速度传感器判断获得。
游客在初次使用本系统时，需输入个人信息以获得更准确的路线推荐结果。在请求游览路线推荐时，游客需通过智能终端提交个人游览约束，然后接收最终的游览路线推荐结果。
(3)云服务器
云服务器作用是接收所有智能终端上传的原始游览行为数据后，先根据数据中的景区、游客类别等信息分类存放行为数据。随后，云服务器对行为数据进行预处理，将原始游览行为数据变换为游览行为序列。再利用频繁游览路线挖掘方法，从游览行为序列中生成频繁游览路线集合。最后，云服务器根据请求游客提交的个人游览约束信息，从频繁游览路线集合中搜索满足条件的候选游览路线，并利用游览路线排序方法，找出游览价值最高的候选路线推荐给游客。在本发明中，云服务器与智能终端通过移动互联网或无线局域网连接。
在本发明优选实施例中，云服务器基于LINUX操作系统并使用APACHE HTTP服务器软件搭建；使用MySQL数据库软件保存游客游览行为数据及生成的相关频繁游览路线；云服务器使用PHP编程语言实现游览行为数据预处理、频繁游览路线挖掘以及游览路线排序推荐等方法。
在本发明优选实施例中，云服务器数据库以景区ID为表名，为每个景区创建原始游览行为数据表和游览行为序列数据表。原始游览行为数据表中每条记录为一名游客在该景区内的原始游览行为数据。对应的景区游览行为序列数据表存储了原始游览行为数据预处理后的结果。另外，数据库中创建了游客个人信息表，用于保存游客的注册信息以及游客类别信息。在本发明中，出于对游客个人体力和品味偏好的差异考虑，使用包括但不限于游客的年龄及性别等个人信息将游客划分为若干类别，如分为青年男性、女性，中年男性、女性，老年男性、女性等。在本发明中，游客类别用于提高结果的个性化程度。游客类别划分越多，推荐准确性越高。
基于上述系统所实现的一种基于游览行为的景区路线推荐方法，包括如下操作步骤：
步骤1)、系统正常工作前，先将预先分配的景区ID及景点ID对应的位置标签信息写入各蓝牙位置标签设备，并将位置标签设备安装到各景区的相应景点及出入口位置。
步骤2)、游客游览前，在智能终端安装客户端软件，并打开智能终端蓝牙设备，同时注册用户个人信息。系统云服务器在数据库中创建用于保存游客游览行为数据的相关数据表，供系统后续数据处理挖掘等步骤使用。
步骤3)、在系统的游览行为数据获取阶段，智能终端将根据游客的位置变化，自动获取各蓝牙位置标签设备广播的位置标签信息，同时记录游客在该景点内拍照及静止等动作次数，并记录游客进入和离开对应景点的时间戳信息，以此构成该景点的游览行为数据。游客游览结束，智能终端将游览行为数据上传至云服务器。
步骤4)在游览路线挖掘阶段，云服务器从已获得的游览行为数据中挖掘并保存频繁游览路线集合。
步骤5)、在游览路线推荐阶段，云服务器接收游客提交的个人游览约束信息，按照个人约束搜索满足条件的候选游览路线，并计算每条候选路线的游览价值度，将游览价值最高的候选路线返回给游客。
下面详细描述客户端软件获取游客游览行为数据的方法及过程：
客户端软件的初始化流程如图3所示。具体步骤包括：
步骤1)、创建并初始化全局变量，包括：“当前景点标识码”，该标识码由景区ID及景点ID组成；“进入景点时间戳”；“离开景点时间戳”；“拍照动作次数”；“静止动作次数”。其中“拍照动作次数”为客户端软件读取游客在景点内使用智能终端相机的次数；“静止动作次数”为客户端软件读取智能终端加速度传感器，判断游客在景点内驻足站立的次数。
步骤2)、初始化行为数据获取过程需要的两个定时器。定时器包括：景点位置有效定时器，用于判断游客是否已经离开当前景点或进入新的景点，该定时器定时时间设置为1分钟；静止动作读取定时器，用于读取加速度传感器的时间间隔定时，该定时器定时时间设置为3秒钟。
步骤3)、启动智能终端蓝牙设备，开始扫描iBeacon协议广告帧。
步骤4)、创建游览行为获取任务，并在智能终端的操作系统中注册该任务使其运行，最后启动景点位置有效定时器，用于后续判断智能终端所处景点位置状态。
客户端软件的游览行为获取任务主流程如图4所示。该任务功能是通过读取景点中的蓝牙位置标签设备广播的位置标签信息，判断游客所处景点位置状态是否改变，并记录当前景点对应的游览行为数据。具体步骤包括：
步骤1)、任务读取并解析iBeacon协议广告帧中的位置标签信息，比较位置标签信息中的TX Power字段，判断与智能终端当前距离最近的景点。
步骤2)、比较新读入的位置标签信息是否为景区的出口位置标签，判断游客是否要离开景区结束游览。如果是则进入步骤3，否则进入步骤4。
步骤3)、任务读取智能终端蓝牙设备标识码作为游客身份信息，连同之前保存的所有游览行为数据文件一块上传至云服务器保存。
步骤4)、判断该位置标签信息与“当前景点标识码”是否相等，以判断游客进入新景点还是仍停留在原来景点中。相等则进入步骤5，否则转入步骤6。
步骤5)、比较结果相等，代表游客仍停留在原景点，任务将重置景点位置有效定时器的定时时间。
步骤6)、比较结果不等，则意味着游客所处景点发生改变。接着判断景点位置有效定时器是否处于运行状态，进入步骤7或步骤8。
步骤7)、如果该定时器处于运行状态，则意味着游客从原景点切换到新景点，即由于两个景点间距较近，游客在两个景点的位置切换时间较短，并未引起该定时器超时。则该任务保存当前智能终端的系统时间至“离开景点时间戳”中，同时将之前保存的“进入景点时间戳”、“拍照动作次数”、“静止动作次数”和“当前景点标识码”合并作为前一景点对应的完整游览行为数据，保存至客户端软件本地文件系统，转入步骤9中。
步骤8)、如果定时器不处于运行状态，则意味着游客进入一个新景点，则重新在系统中注册游客动作监测任务，以统计游客在新景点中的拍照和静止动作次数。动作监测任务包括：拍照动作监测任务和静止动作监测任务。
步骤9)、保存当前智能终端的系统时间至“进入景点时间戳”中，同时清零“拍照动作次数”及“静止动作次数”，并将新的位置标签信息更新至“当前景点标识码”中。
步骤10)、任务启动景点位置有效定时器和静止动作读取定时器，开始新景点的游览数据获取，任务结束进入休眠状态。
客户端软件通过设置景点位置有效定时器，来判断智能终端所处的景点位置是否发生切换。该定时器由客户端软件在初始化阶段设置启动。当游客游览的景点不变时，游览行为获取任务重置该定时器，避免该定时器发生超时；当游客离开某景点后，由于游览行为任务无法接收新的位置标签信，不能重置该定时器则发生超时后触发超时中断例程执行。该例程任务是保存上一个景点的完整游览行为数据，并关闭相关游览动作监测任务和景点位置有效定时器。该定时器的超时中断例程执行流程如图5所示。具体步骤包括：
步骤1)、将智能终端系统时间保存入“离开景点时间戳”变量，同时将“当前景点标识码”、“进入景点时间戳”、“拍照动作次数”、“静止动作次数”等变量保存的游览行为数据记录到客户端软件本地文件系统中。
步骤2)、注销拍照动作监测任务和静止动作监测任务，即停止游览动作的监测。
步骤3)、将“当前景点标识码”、“拍照动作次数”、“静止动作次数”等变量清零。
步骤4)、关闭景点位置有效定时器和静止动作读取定时器，至此游览行为获取暂停，直至客户端软件接收到新的蓝牙位置标签信息后重启游览行为获取任务。
客户端软件拍照动作监测任务作用是检测智能终端相机设备在各景点中的使用次数，其执行流程如图6所示。
步骤1)、当客户端软件检测到智能终端相机的拍照消息，该任务被系统唤醒运行。
步骤2)、全局变量“拍照动作次数”加1。
步骤3)、任务执行结束，进入休眠状态。
客户端软件静止动作监测任务为静止动作读取定时器的中断服务例程，作用是周期性地读取智能终端加速度传感器的数据，以判断游客是否在景点内游览过程中处于静止状态。具体步骤如图7所示。
步骤1)、静止动作监测任务被静止动作读取定时器超时唤醒。
步骤2)、读取智能终端的加速度传感器，比较读入数据与运动时的加速度阈值，以判断游客当前是否静止状态。
步骤3)、如果处于静止状态，则全局变量“静止动作次数”加1，任务执行结束。
通过本发明的游览行为获取方法，云服务器将获取并保存各智能终端上传的原始游览行为数据。原始游览行为数据由一个“行为数据记录”标识符和一系列游览行为数据点构成。行为数据点的个数称为该条记录的长度，其中依次保存了该游客在景区内各个景点的游览行为。每个游览行为数据点由“进入景点时间戳”、“景点标识码”、“离开景点时间戳”、“拍照动作次数”、和“静止动作次数”等五个信息构成。
因此，一条长度为N的原始游览行为数据定义为：(<TSin1,B1,TSout1,P1,S1>,<TSin2,B2,TSout2,P2,S2>,...,<TSinN,BN,TSoutN,PN,SN>)，其中<TSini,Bi,TSouti,Pi,Si>为景点i对应的游览行为数据点，Bi为景点i位置标识，TSini为进入景点i时间戳，TSouti为离开景点i时间戳，Pi和Si分别为景点i内拍照次数和静止站立次数。
云服务器使用预处理方法将原始游览行为数据转换为游览行为序列。预处理方法的主要目的是过滤原始游览行为数据中的噪声数据；并计算游客在景点中的游览时间、景点间的路程时间；通过游览时间、拍照次数、静止动作次数等信息计算每个景点的游览喜爱度等级。
因此，一条长度为N的游览行为序列定义为：(<B1,PL1,TD1>,TR1,<B2,PL2,TD2>,...,TRN-1,<BN,PLN,TDN>)，其中Bi为景点i位置标识，TDi为景点i游览时间，TRi为景点i与景点i+1之间的路程时间，PLi为景点i游览喜爱度等级。预处理方法流程如图8所示，具体步骤包括：
步骤1)删除每条原始游览行为数据中的“经过”行为数据点。即为了将游客临时经过某个景点的行为数据点删除，通过判断每个行为数据点中离开及进入景点时间戳的时间间隔，将小于游览时间阈值的行为数据点从原始游览行为数据中删除。在优选实施例中，游览时间阈值设置为3分钟。由于游客在景区出入口的停留时间相对较短，因此该步骤并不处理景区出入口对应的游览行为数据点。
步骤2)针对每条游览行为数据，将每个游览行为数据点的进入/离开时间戳转换为景点间路程时间和景点游览时间。具体的景点i的游览时间TDi＝TSouti-TSini，景点i与景点i+1之间的路程时间TRi＝TSini+1-TSouti。
步骤3)统计每条游览行为数据景点内游览总时间、拍照总次数和静止停留总次数。
步骤4)计算每条游览行为数据中每个景点的游览喜爱度等级，并用该等级替换拍照次数及静止停留次数等信息。
步骤5)将每条游览行为数据中的所有景点路程时间TRi、景点游览时间TDi离散化为时间间隔整数，将最后处理结果保存为游览行为序列，供后续频繁游览路线挖掘方法使用。
在方法的步骤4)中，计算每条游览行为数据中的各个景点游览喜爱度是为了后续方法能够评估各条候选游览路线的游览价值，实现确保推荐结果具有最高的游览体验度的目标。本发明的景点游览喜爱度计算依据是：游客的游览时间越长喜爱度越高；拍照动作次数越多喜爱度越高；游客在景点中驻足停留次数越多，也即静止动作次数越多，喜爱度越高。针对每条行为数据，本发明依次计算各景点的游览喜爱度数值，记为Popi，按照Popi排序后再根据排名高低分配每个景点的游览喜爱度等级，记为PLi。景点喜爱度数值计算方法如公式①所示。
其中，为当前游览行为数据的总景点游览时间，为总拍照次数，为总静止动作次数；w1，w2，w3为计算权重，在本发明优选实例中w1＝0.4，w2＝w3＝0.3。
景点i的喜爱度等级由其喜爱度数值Popi排名决定，在优选实例中喜爱度等级分为4级，则具体计算方法如公式②所示。另外，景区出入口的喜爱度等级固定设定为最低等L1。
在方法的步骤5)中，对景点路程时间TRi及景点游览时间TDi的离散化处理，使用时间离散化单位Td计算对应离散化时间整数，在优选实例中Td设置为5分钟。具体计算方法如公式③所示。其中符号表示向上取整操作。
为了便于理解原始游览行为数据预处理过程，以表1中原始游览行为举例说明预处理步骤。Be和Bz分别代表景区入口及出口位置标签信息。其中B1景点对应的游览行为数据点为<6,B1,26,5,4>，表示进入该景点时间戳为第六分钟，离开景点为第二十六分钟，在景点中拍照5次，静止站立4次。另外，由于B7的景点游览时间为2分钟，判定为“经过”行为数据点，因此该数据点被删除。然后根据公式①计算景点B1的喜爱度数值为0.4×20/86+0.3×5/16+0.3×4/19＝0.25，根据公式②分配喜爱度等级为L4。再根据公式③将所有时间数据离散化，最后得到的游览行为序列如表2所示。
表1
表2
完成原始游览行为数据预处理后，云服务器使用频繁游览路线挖掘方法从游览行为序列中发现所有频繁游览路线，为游览路线排序推荐方法提供候选路线。为了方便描述路线挖掘方法具体操作，先给出如下相关定义。
定义1：游览行为模式及频繁游览行为模式。在游览行为序列中，将三元组<Bi,PLi,TDi>称为一个游览行为模式，记为λi。称λi与λj相同或匹配，则仅当Bi＝Bj，PLi＝PLj和TDi＝TDj。当λi在所有游览行为序列集合中出现的次数，也称为支持度计数，大于或等于方法指定的最小支持度min_sup计数时，则称λi为频繁游览行为模式。
游览行为模式支持度计数仅以游览行为序列为计数单位，即游览行为模式在同一条游览行为序列中出现多次，其支持度也仅记为一次。在优选实例中，最小支持度min_sup设置为4次，即在游览行为序列集合中，存在4条及以上的不同序列均包含同一个游览行为模式，则称该模式为频繁游览行为模式。
定义2：频繁游览路线及频繁游览子路线。当游览行为序列中的所有游览行为模式λi均为频繁游览行为模式时，则称该游览行为序列为频繁游览路线。假设两条频繁游览路线α＝(λα1,TRα1,λα2,...,TRα(N-1),λαN)和β＝(λβ1,TRβ1,λβ2,...,TRβ(K-1),λβK)且K≤N，如果存在一个路线索引序列1≤j1<j2<…<jK≤N，使得(1)λβ1＝λαj1,λβ2＝λαj2,…,λβK＝λαjK，以及(2)TRβ1＝TRαj1,TRβ2＝TRαj2,...,TRβK＝TRαjK同时成立，则称β是α的频繁游览子路线。
定义3：频繁游览路线前缀序列。假设两条频繁游览路线α＝(λα1,TRα1,λα2,...,TRα(N-1),λαN)和β＝(λβ1,TRβ1,λβ2,...,TRβ(K-1),λβK)且K≤N，称β是α的前缀序列，当且仅当(1)λβi＝λαi，1≤i≤K，以及(2)TRβi＝TRαi，1≤i≤K-1同时成立。
定义4：频繁游览路线投影序列。假设两条频繁游览路线α＝(λα1,TRα1,λα2,...,TRα(N-1),λαN)和β＝(λβ1,TRβ1,λβ2,...,TRβ(K-1),λβK)且K≤N，β是α的频繁游览子路线，其中β在α中的行为模式匹配索引序列是1≤j1<j2<…<jK≤N。则α的频繁游览子路线α’＝(λα’1,TRα’1,λα’2,...,TRα’(G-1),λα’G)，且G＝K+N-jK，称为关于β子路线的α的投影序列，当且仅当(1)β是α’的前缀序列，以及(2)α’与α的最后N-jK个频繁游览行为模式依次相同。
频繁游览路线挖掘方法的输入参数包括：频繁游览路线α，也即前缀序列；游览行为序列数据集，也即前缀序列α的投影序列数据集，记为P|α。方法的输出为所有从游览行为序列数据集中挖掘的频繁游览路线。该方法的目的是以当前的频繁游览路线α为前缀序列，搜索P|α中所有后续频繁游览行为模式λ，将路程时间以及后续频繁行为模式依次添加至α尾部，得到若干新前缀序列α’。然后针对每条新前缀序列α’构建投影序列数据集P|α’，再递归地调用本方法，直至频繁游览路线停止增长而方法执行结束，即挖掘出所有频繁游览路线。
为了保存前缀序列α与后续频繁游览行为模式λk，以及它们之间的路程时间TRn的关系，本发明在挖掘方法执行过程中需建立一个“行为模式——路程时间”关系表，记为Table|λi，其中λi为当前挖掘的频繁游览路线α的最后一个频繁行为模式。关系表的每行对应一个离散化的路程时间整数TRn；关系表的每列对应一个在P|α中发现的后续游览行为模式λk。关系表元素Table|λi(TRn,λk)记录了P|α中包含子游览行为序列(λi,TRn,λk)的支持度计数。如果该计数大于或等于最小支持度min_sup，则该表元素对应的λk是一个频繁后续游览行为模式。另外，路程时间TRn是一个从λi模式对应的景点到λk模式对应的景点之间在当前游览行为序列中经过的所有路程时间总和，即TRn＝TRi+TRi+1+...+TRk-1。
由于本发明将游览行为序列按照游客个人信息划分多个类别，因此针对每个类别，需要多次调用本方法，挖掘得到各个子类别对应的频繁游览路线集合。频繁游览路线挖掘方法流程如图9所示，具体步骤包括：
步骤1)判断当前挖掘频繁游览路线长度是否为0，即判断该方法是否第一次被调用。如果长度为0则转步骤2)，否则转步骤5)。
步骤2)将景区内所有入口的频繁游览行为模式为前缀序列，基于游客类别对应的游览行为序列数据集，依次构建对应的投影序列数据集。
步骤3)将入口频繁游览行为模式添加到当前频繁游览路线中。
步骤4)使用新的频繁游览路线及对应的投影序列数据集为输入参数，递归调用本方法。
步骤5)构建空的“行为模式——路程时间”关系表。
步骤6)处理投影序列数据集中的每条投影序列，以构建关系表中元素。对于每条投影序列，扫描序列中的每个后续行为模式，同时计算当前频繁游览路线中最后一个游览行为模式与各个后续行为模式之间的路程时间，以后续行为模式作为行下标，以路程时间作为列下标，将各后续行为模式支持度计数保存至关系表对应元素中。
步骤7)扫描关系表所有元素，比较元素值是否大于最小支持度min_sup，即判断表元素是否为频繁的。如存在频繁元素则循环执行步骤8)和步骤9)，否则执行结束。
步骤8)将频繁表元素对应的路程时间和后续频繁行为模式添加至当前频繁游览路线尾部，生成新的频繁游览路线，并保存至频繁游览路线数据库中。
步骤9)以新的频繁游览路线为前缀序列，构建新的投影序列数据集；并以新的频繁游览路线和对应的投影序列数据集为输入，递归调用本方法。
针对频繁游览路线挖掘方法步骤2)和9)中的投影序列数据集的构建，根据定义3和定义4，以方法给定的频繁游览路线为前缀序列在游客类别对应的游览行为序列数据集中，匹配生成所有的游览行为投影序列而得到。
针对方法步骤6)以及步骤8)和9)，以表3的投影序列数据集为例说明“行为模式—路程时间”关系表的构建以及后续处理过程。假设当前频繁游览路线α最后一个频繁行为模式是<B2,L4,2>，最小支持度为2。根据表3中投影序列所构建的关系表结果如表4所示。如扫描投影序列01，当前模式<B2,L4,2>与第一后续模式<B3,L4,3>路程时间为2，因此在关系表(2,<B3,L4,3>)元素保存计数值1；同理，当前模式<B2,L4,2>与最后的后续模式<Bt,L1,1>路程时间累计为2+1+1+1＝5，因此在关系表(5,<Bt,L1,1>)元素保存计数值1。关系表构建完后，表中只有(4,<B8,L2,3>)和(5,<Bt,L1,1>)是频繁表元素。因此分别将这两个子路线添加到当前频繁游览路线尾部，得到两条新的频繁游览路线，然后以两条新的频繁游览路线为前缀序列构建两个新的投影序列数据集。最后以新频繁路线及投影序列数据集递归调用本方法。
表3
游览路线排序推荐方法实现根据游客个人约束及游客分类，搜索候选游览路线并排序推荐给游客的过程。该方法流程如图10所示，具体步骤包括：
步骤1)获取游客提交的个人约束，具体包括：总游览时间；游览起始/结束位置，即景区入口/出口。云服务器根据游客ID查找游客类别。
步骤2)根据游客类别，从对应的频繁游览路线数据库中搜索满足游览起始/结束位置约束的候选游览路线。
步骤3)根据游客提交的总游览时间，搜索满足时间约束的候选游览路线。具体搜索条件为候选游览路线的总时间Ta满足公式④，其中为搜索范围调整参数，取值范围为[0,1]。在优选实例中设置为0.1。
步骤4)利用路线排序公式⑤计算每条候选路线的排序值RVα，将排名最高的候选路线作为推荐结果返回给游客的智能终端。
其中MMN(*)为最大最小值归一化函数；是候选路线α的所有景点的游览喜爱度总和；为候选路线α的景点游览总时间与候选路线总时间的比值；wpl和wrvd为计算权重，且wpl+wrvd＝1。在优选实例中两个权重设置为0.5。因此，云服务器选择RVα值最高的候选路线进行推荐，能够保证该推荐路线在满足游客总游览时间、游览起始/结束位置约束的前提下，同时拥有最高的游览价值以及最高的游览时间比例。
当然，以上所述实例仅是本发明的较优实施例，本发明并非局限于上述实施例和实施例方法。相关技术领域的从业者可在本发明的技术思路许可的范围内进行不同的细节调整和实施，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请。

Claims (10)

1.一种基于游览行为的景区路线推荐方法，其特征是，包括步骤如下：
步骤1、系统正常工作前，先将预先分配的景区ID及景点ID对应的位置标签信息写入各蓝牙位置标签设备，并将蓝牙位置标签设备安装到各景区的相应景点及出入口位置；
步骤2、游客游览前，在智能终端安装客户端软件，并打开智能终端上的蓝牙设备，同时通过客户端软件注册用户个人信息，云服务器在数据库中创建用于保存游客游览行为数据的相关数据表；
步骤3、在游览行为数据获取阶段，智能终端将根据游客的位置变化，自动获取各蓝牙位置标签设备广播的位置标签信息，同时记录游客在该景点内拍照及静止动作次数，并记录游客进入和离开对应景点的时间戳信息，以此构成该景点的游览行为数据；游客游览结束，智能终端将游览行为数据上传至云服务器；
步骤4、在游览路线挖掘阶段，云服务器从已获得的游览行为数据中挖掘并保存频繁游览路线集合；
步骤5、在游览路线推荐阶段，云服务器接收游客提交的个人游览约束信息，按照个人约束搜索满足条件的候选游览路线，并计算每条候选路线的游览价值度，将游览价值最高的候选路线返回给游客。
2.根据权利要求1所述的一种基于游览行为的景区路线推荐方法，其特征在于：步骤3中，游览行为数据由进入景点时间戳、景点标识码、离开景点时间戳、拍照动作次数和静止动作次数这五个信息构成。
3.根据权利要求1或2所述的一种基于游览行为的景区路线推荐方法，其特征在于：步骤3中，智能终端获取景点的游览行为数据的具体过程如下：
步骤3.1、任务读取并解析iBeacon协议广告帧中的位置标签信息，比较位置标签信息中的TX Power字段，判断与智能终端当前距离最近的景点；
步骤3.2、比较新读入的位置标签信息是否为景区的出口位置标签，判断游客是否要离开景区结束游览；
如果游客是要离开景区结束游览，则任务读取智能终端蓝牙设备标识码作为游客身份信息，连同之前保存的所有游览行为数据文件一块上传至云服务器保存；
如果游客不是要离开景区结束游览，则接着判断该位置标签信息与当前景点标识码是否相等，以判断游客进入新景点还是仍停留在原来景点中；
如果比较结果相等，则代表游客仍停留在原景点，任务将重置景点位置有效定时器的定时时间；
如果比较结果不等，则意味着游客所处景点发生改变，接着判断景点位置有效定时器是否处于运行状态；
如果该定时器处于运行状态，则意味着游客从原景点切换到新景点，即由于两个景点间距较近，游客在两个景点的位置切换时间较短，并未引起该定时器超时，则该任务保存当前智能终端的系统时间至，离开景点时间戳中，同时将之前保存的进入景点时间戳、拍照动作次数、静止动作次数和当前景点标识码合并作为前一景点对应的完整游览行为数据，保存至客户端软件本地文件系统；
如果定时器不处于运行状态，则意味着游客进入一个新景点，则重新在系统中注册游客动作监测任务，以统计游客在新景点中的拍照和静止动作次数；
步骤3.3、保存当前智能终端的系统时间至进入景点时间戳中，同时清零拍照动作次数及静止动作次数，并将新的位置标签信息更新至当前景点标识码中；
步骤3.4、任务启动景点位置有效定时器和静止动作读取定时器，开始新景点的游览数据获取，任务结束进入休眠状态。
4.根据权利要求1所述的一种基于游览行为的景区路线推荐方法，其特征在于，步骤4中，云服务器在进行频繁游览路线挖掘之前，需要使用预处理方法将原始游览行为数据转换为游览行为序列；即
步骤4.1.1、删除每条原始游览行为数据中的经过行为数据点，即通过判断每个行为数据点中离开及进入景点时间戳的时间间隔，将小于游览时间阈值的行为数据点从原始游览行为数据中删除；
步骤4.1.2、针对每条游览行为数据，将每个游览行为数据点的进入和离开时间戳转换为景点间路程时间和景点游览时间；
步骤4.1.3、统计每条游览行为数据景点内游览总时间、拍照总次数和静止停留总次数；
步骤4.1.4、计算每条游览行为数据中每个景点的游览喜爱度等级，并用该游览喜爱度等级替换拍照次数及静止停留次数信息；
步骤4.1.5、将每条游览行为数据中的所有景点路程时间、景点游览时间离散化为时间间隔整数，将最后处理结果保存为游览行为序列，供后续频繁游览路线挖掘使用。
5.根据权利要求4所述的一种基于游览行为的景区路线推荐方法，其特征在于，步骤4.1.4中，游览喜爱度等级的计算方法如下：
首先，依次计算各景点的游览喜爱度数值Popi；
<mrow> <msub> <mi>Pop</mi> <mi>i</mi> </msub> <mo>=</mo> <msub> <mi>w</mi> <mn>1</mn> </msub> <mo>&amp;times;</mo> <mfrac> <mrow> <msub> <mi>TD</mi> <mi>i</mi> </msub> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msub> <mi>TD</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>+</mo> <msub> <mi>w</mi> <mn>2</mn> </msub> <mo>&amp;times;</mo> <mfrac> <msub> <mi>P</mi> <mi>i</mi> </msub> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msub> <mi>P</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>+</mo> <msub> <mi>w</mi> <mn>3</mn> </msub> <mo>&amp;times;</mo> <mfrac> <msub> <mi>S</mi> <mi>i</mi> </msub> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <msub> <mi>S</mi> <mi>i</mi> </msub> </mrow> </mfrac> </mrow>
其中，TDi为景点i的游览时间，Pi为景点i的拍照次数，Si为景点i的游览时间；为游览行为数据的总的景点游览时间，为游览行为数据的总拍照次数，为游览行为数据的总静止动作次数；w1，w2，w3为计算权重，且w1+w2+w3＝1；
然后，按照游览喜爱度数值Popi对游览行为数据的各景点进行排序后，再根据排序高低分配每个景点的游览喜爱度等级PLi。
6.根据权利要求1或4所述的一种基于游览行为的景区路线推荐方法，其特征在于：步骤4.2中，云服务器从已获得的游览行为数据中进行频繁游览路线挖掘的具体过程如下：
步骤4.2.1、判断当前挖掘频繁游览路线长度是否为0，即判断该方法是否第一次被调用；如果长度为0，则转步骤4.2.2；否则，转步骤4.2.5；
步骤4.2.2、将景区内所有入口的频繁游览行为模式为前缀序列，基于游客类别对应的游览行为序列数据集，依次构建对应的投影序列数据集；
步骤4.2.3、将入口频繁游览行为模式添加到当前频繁游览路线中；
步骤4.2.4、使用新的频繁游览路线及对应的投影序列数据集为输入参数，进行递归调用，即执行流程返回步骤4.2.1；
步骤4.2.5、构建空的行为模式与路程时间的关系表；
步骤4.2.6、处理投影序列数据集中的每条投影序列，以构建关系表中元素；对于每条投影序列，扫描序列中的每个后续行为模式，同时计算当前频繁游览路线中最后一个游览行为模式与各个后续行为模式之间的路程时间，以后续行为模式作为行下标，以路程时间作为列下标，将各后续行为模式支持度计数保存至关系表对应元素中；
步骤4.2.7、扫描关系表所有元素，比较元素值是否大于设定最小支持度，即判断表元素是否为频繁的；如存在频繁元素则循环执行步骤4.2.8和步骤4.2.9，否则执行结束；
步骤4.2.8、将频繁表元素对应的路程时间和后续频繁行为模式添加至当前频繁游览路线尾部，生成新的频繁游览路线，并保存至频繁游览路线数据库中；
步骤4.9、以新的频繁游览路线为前缀序列，构建新的投影序列数据集；并以新的频繁游览路线和对应的投影序列数据集为输入，进行递归调用，即执行流程返回步骤4.2.1。
7.根据权利要求6所述的一种基于游览行为的景区路线推荐方法，其特征在于：步骤4.2.5中，所建立的行为模式与路程时间的关系表为：关系表的每行对应一个离散化的路程时间TRn；其中路程时间TRn是一个从游览行为模式λi景点到游览行为模式λk景点之间在当前游览行为序列中经过的所有路程时间总和；关系表的每列对应一个在投影序列数据集P|α中发现的后续游览行为模式λk；关系表元素Table|λi(TRn,λk)记录了投影序列数据集P|α中包含子游览行为序列(λi,TRn,λk)的支持度计数，如果该支持度计数大于或等于最小支持度，则该表元素对应的游览行为模式λk是一个频繁后续游览行为模式。
8.根据权利要求1所述的一种基于游览行为的景区路线推荐方法，其特征在于：步骤5中，云服务器将游览价值最高的候选路线返回给游客的具体过程如下：
步骤5.1、获取游客提交的个人约束，即总游览时间、游览起始和结束位置；云服务器根据游客ID查找游客类别；
步骤5.2、根据游客类别，从对应的频繁游览路线数据库中搜索满足游览起始和结束位置约束的候选游览路线；
步骤5.3、根据游客提交的总游览时间Ta，搜索满足如下时间约束的候选游览路线；
其中，为搜索范围调整参数；
步骤5.4、利用下述路线排序公式计算每条候选路线的排序值RVα，将排名最高的候选路线作为推荐结果返回给游客的智能终端；
<mrow> <msub> <mi>RV</mi> <mi>&amp;alpha;</mi> </msub> <mo>=</mo> <msub> <mi>w</mi> <mrow> <mi>p</mi> <mi>l</mi> </mrow> </msub> <mo>&amp;times;</mo> <mi>M</mi> <mi>M</mi> <mi>N</mi> <mrow> <mo>(</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mo>|</mo> <mi>&amp;alpha;</mi> <mo>|</mo> </mrow> </msubsup> <msub> <mi>PL</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>w</mi> <mrow> <mi>r</mi> <mi>v</mi> <mi>d</mi> </mrow> </msub> <mo>&amp;times;</mo> <mi>M</mi> <mi>M</mi> <mi>N</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mo>|</mo> <mi>&amp;alpha;</mi> <mo>|</mo> </mrow> </msubsup> <msub> <mi>TD</mi> <mi>i</mi> </msub> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mo>|</mo> <mi>&amp;alpha;</mi> <mo>|</mo> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msub> <mi>TR</mi> <mi>i</mi> </msub> <mo>+</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mo>|</mo> <mi>&amp;alpha;</mi> <mo>|</mo> </mrow> </msubsup> <msub> <mi>TD</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> </mrow>
其中，MMN(*)为最大最小值归一化函数，是候选路线α的所有景点的游览喜爱度总和，为候选路线α的景点游览总时间与候选路线总时间的比值，wpl和wrvd为计算权重，且wpl+wrvd＝1。
9.实现权利要求1所述方法的一种基于游览行为的景区路线推荐系统，其特征是：包括云服务器、智能终端和蓝牙位置标签设备；
蓝牙位置标签设备安装在各景区的各个景点和各景区的出口处，其中各景区的各景点的位置标签信息唯一，各景区的出口处的位置标签信息统一；蓝牙位置标签设备的作用是以蓝牙协议广播标识其位置标签信息；
智能终端供游客携带；智能终端的作用是通过蓝牙接收景点中的蓝牙位置标签设备广播的位置标签信息，并记录游客在景点中的拍照及静止动作，结合游客进入和离开景点的时间戳信息，构成景点的游览行为数据；同时，通过移动互联网或无线局域网将游览行为数据依次上传至云服务器，同时接收云服务器产生的旅游资源推荐结果；
云服务器的作用是接收并保存智能终端发送的游客历史游览行为数据，并根据游客的游览行为数据计算游客群体对各旅游资源的喜爱度动态评价数据，最终为后续游客提供旅游资源推荐结果。
10.根据权利要求9所述的一种基于游览行为的景区路线推荐系统，其特征是：每个蓝牙位置标签设备由嵌入式微处理器以及与嵌入式微处理器相连的蓝牙发射天线、FLASH存储器、串行总线接口和电源电路组成；
蓝牙天线，用于发射iBeacon协议广告帧数据；FLASH存储器，用于保存对应景点的位置标签信息；串行总线接口，用于初始化配置该蓝牙位置标签设备；电源电路，用于为该蓝牙位置标签设备供电。
CN201710910640.XA 2017-09-29 2017-09-29 一种基于游览行为的景区路线推荐方法及其系统 Active CN107680010B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710910640.XA CN107680010B (zh) 2017-09-29 2017-09-29 一种基于游览行为的景区路线推荐方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710910640.XA CN107680010B (zh) 2017-09-29 2017-09-29 一种基于游览行为的景区路线推荐方法及其系统

Publications (2)

Publication Number Publication Date
CN107680010A true CN107680010A (zh) 2018-02-09
CN107680010B CN107680010B (zh) 2020-12-18

Family

ID=61138706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710910640.XA Active CN107680010B (zh) 2017-09-29 2017-09-29 一种基于游览行为的景区路线推荐方法及其系统

Country Status (1)

Country Link
CN (1) CN107680010B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549649A (zh) * 2018-02-28 2018-09-18 中国农业大学 一种基于季节特征和位置特征的乡村旅游推荐方法与系统
CN108829852A (zh) * 2018-06-21 2018-11-16 桂林电子科技大学 一种个性化旅游路线推荐方法
CN108875005A (zh) * 2018-06-15 2018-11-23 桂林电子科技大学 一种基于游览行为的游客偏好学习系统及方法
CN109033325A (zh) * 2018-07-19 2018-12-18 广州慧睿思通信息科技有限公司 基于人脸识别技术的旅游终端系统及其使用方法
CN109246618A (zh) * 2018-11-20 2019-01-18 四川长虹电器股份有限公司 基于LoRa的景区游览线路引导系统及方法
CN109658033A (zh) * 2018-12-26 2019-04-19 江苏满运软件科技有限公司 货源路线相似度计算方法、系统、设备及存储介质
CN110222277A (zh) * 2019-05-06 2019-09-10 特斯联（北京）科技有限公司 一种基于大数据分析的旅游信息推荐方法及装置
CN110827657A (zh) * 2018-08-14 2020-02-21 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
CN111324681A (zh) * 2019-07-23 2020-06-23 杭州海康威视系统技术有限公司 确定推荐路线信息的方法和装置
CN111429220A (zh) * 2020-03-25 2020-07-17 西安交通大学 基于运营商大数据的旅游路线推荐系统及方法
CN112541021A (zh) * 2020-12-10 2021-03-23 北京百度网讯科技有限公司 路线评估方法、风景区游览预估时长计算方法及装置
CN112884614A (zh) * 2019-11-29 2021-06-01 北京金山云网络技术有限公司 基于频繁序列的路线推荐方法、装置和电子设备
CN113240354A (zh) * 2021-07-12 2021-08-10 湖南中惠旅智能科技有限责任公司 基于电子地图的智慧景区数据处理方法及系统
CN113242324A (zh) * 2021-07-13 2021-08-10 湖南中惠旅智能科技有限责任公司 基于电子地图的视频数据处理方法及系统
WO2022217685A1 (zh) * 2021-04-13 2022-10-20 海南云端信息技术有限公司 一种旅游景区智能路径规划方法及系统
CN116933818A (zh) * 2023-09-18 2023-10-24 深圳市景区码科技有限公司 一种景区二维码的管理方法、系统及存储介质
CN117172388A (zh) * 2023-10-26 2023-12-05 新唐信通(北京)科技有限公司 一种基于景点排序的景区导航方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100042073A (ko) * 2008-10-15 2010-04-23 에스케이 텔레콤주식회사 이동 경로 안내 서비스 시스템 및 이동 경로 안내 서비스 방법
CN103914563A (zh) * 2014-04-18 2014-07-09 中国科学院上海微系统与信息技术研究所 一种时空轨迹的模式挖掘方法
CN104217245A (zh) * 2014-08-27 2014-12-17 高阳 基于异构网络的人流轨迹追踪和区域停留时间统计的方法与系统
CN105682227A (zh) * 2016-04-05 2016-06-15 上海雅丰信息科技有限公司 一种基于iBeacon的室内定位方法
CN106021618A (zh) * 2016-07-13 2016-10-12 桂林电子科技大学 一种景区游览信息查询和管理系统及方法
CN106231539A (zh) * 2016-07-29 2016-12-14 北京交通大学 基于低功耗蓝牙信标的商旅区域位置服务系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100042073A (ko) * 2008-10-15 2010-04-23 에스케이 텔레콤주식회사 이동 경로 안내 서비스 시스템 및 이동 경로 안내 서비스 방법
CN103914563A (zh) * 2014-04-18 2014-07-09 中国科学院上海微系统与信息技术研究所 一种时空轨迹的模式挖掘方法
CN104217245A (zh) * 2014-08-27 2014-12-17 高阳 基于异构网络的人流轨迹追踪和区域停留时间统计的方法与系统
CN105682227A (zh) * 2016-04-05 2016-06-15 上海雅丰信息科技有限公司 一种基于iBeacon的室内定位方法
CN106021618A (zh) * 2016-07-13 2016-10-12 桂林电子科技大学 一种景区游览信息查询和管理系统及方法
CN106231539A (zh) * 2016-07-29 2016-12-14 北京交通大学 基于低功耗蓝牙信标的商旅区域位置服务系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHIEH-YUAN TSAI, BO-HAN LAI: "A Location-Item-Time sequential pattern mining algorithm for route recommendation", 《KNOWLEDGE-BASED SYSTEMS》 *
卞合善: "基于蓝牙4.0低功耗室内定位研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549649A (zh) * 2018-02-28 2018-09-18 中国农业大学 一种基于季节特征和位置特征的乡村旅游推荐方法与系统
CN108549649B (zh) * 2018-02-28 2021-01-15 中国农业大学 一种基于季节特征和位置特征的乡村旅游推荐方法与系统
CN108875005A (zh) * 2018-06-15 2018-11-23 桂林电子科技大学 一种基于游览行为的游客偏好学习系统及方法
CN108875005B (zh) * 2018-06-15 2021-03-26 桂林电子科技大学 一种基于游览行为的游客偏好学习系统及方法
CN108829852A (zh) * 2018-06-21 2018-11-16 桂林电子科技大学 一种个性化旅游路线推荐方法
CN108829852B (zh) * 2018-06-21 2021-11-12 桂林电子科技大学 一种个性化旅游路线推荐方法
CN109033325A (zh) * 2018-07-19 2018-12-18 广州慧睿思通信息科技有限公司 基于人脸识别技术的旅游终端系统及其使用方法
CN110827657A (zh) * 2018-08-14 2020-02-21 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
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
CN109246618A (zh) * 2018-11-20 2019-01-18 四川长虹电器股份有限公司 基于LoRa的景区游览线路引导系统及方法
CN109658033B (zh) * 2018-12-26 2021-03-16 江苏满运物流信息有限公司 货源路线相似度计算方法、系统、设备及存储介质
CN109658033A (zh) * 2018-12-26 2019-04-19 江苏满运软件科技有限公司 货源路线相似度计算方法、系统、设备及存储介质
CN110222277A (zh) * 2019-05-06 2019-09-10 特斯联（北京）科技有限公司 一种基于大数据分析的旅游信息推荐方法及装置
CN110222277B (zh) * 2019-05-06 2020-04-24 特斯联（北京）科技有限公司 一种基于大数据分析的旅游信息推荐方法及装置
CN111324681A (zh) * 2019-07-23 2020-06-23 杭州海康威视系统技术有限公司 确定推荐路线信息的方法和装置
CN112884614A (zh) * 2019-11-29 2021-06-01 北京金山云网络技术有限公司 基于频繁序列的路线推荐方法、装置和电子设备
CN112884614B (zh) * 2019-11-29 2024-05-14 北京金山云网络技术有限公司 基于频繁序列的路线推荐方法、装置和电子设备
CN111429220B (zh) * 2020-03-25 2024-04-05 西安交通大学 基于运营商大数据的旅游路线推荐系统及方法
CN111429220A (zh) * 2020-03-25 2020-07-17 西安交通大学 基于运营商大数据的旅游路线推荐系统及方法
CN112541021A (zh) * 2020-12-10 2021-03-23 北京百度网讯科技有限公司 路线评估方法、风景区游览预估时长计算方法及装置
CN112541021B (zh) * 2020-12-10 2024-05-03 北京百度网讯科技有限公司 路线评估方法、风景区游览预估时长计算方法及装置
WO2022217685A1 (zh) * 2021-04-13 2022-10-20 海南云端信息技术有限公司 一种旅游景区智能路径规划方法及系统
CN113240354B (zh) * 2021-07-12 2021-10-15 湖南中惠旅智能科技有限责任公司 基于电子地图的智慧景区数据处理方法及系统
CN113240354A (zh) * 2021-07-12 2021-08-10 湖南中惠旅智能科技有限责任公司 基于电子地图的智慧景区数据处理方法及系统
CN113242324A (zh) * 2021-07-13 2021-08-10 湖南中惠旅智能科技有限责任公司 基于电子地图的视频数据处理方法及系统
CN116933818B (zh) * 2023-09-18 2024-02-06 深圳市景区码科技有限公司 一种景区二维码的管理方法、系统及存储介质
CN116933818A (zh) * 2023-09-18 2023-10-24 深圳市景区码科技有限公司 一种景区二维码的管理方法、系统及存储介质
CN117172388A (zh) * 2023-10-26 2023-12-05 新唐信通(北京)科技有限公司 一种基于景点排序的景区导航方法

Also Published As

Publication number Publication date
CN107680010B (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN107680010B (zh) 一种基于游览行为的景区路线推荐方法及其系统
CN107358471B (zh) 一种基于游览行为的旅游资源推荐方法及系统
CN104380293B (zh) 基于位置从地图历史提供相关元素信息的方法和计算装置
CN108230720B (zh) 停车管理方法和装置
CN112749825B (zh) 预测车辆的目的地的方法和装置
US10151593B2 (en) Travel time data processing apparatus, travel time data processing method and program
CN109839120B (zh) 行程规划方法、装置、介质及电子设备
CN105180951B (zh) 对车辆的路线规划
JP2010230813A (ja) 情報提供装置、情報提供方法およびプログラム
EP3917175A1 (en) Positioning information creation method, vehicle-mounted terminal, server device, and positioning system
CN110876075B (zh) 图像处理装置、图像处理系统以及车辆
CN112556717A (zh) 出行方式筛选方法和出行路线推荐方法和装置
CN107656967B (zh) 一种场景信息处理方法及装置
US10006985B2 (en) Mobile device and method for determining a place according to geolocation information
JP2022186705A (ja) サーバ装置、端末装置、情報通信方法、及び、サーバ装置用プログラム
CN110245835B (zh) 运动规划方案的修正方法、装置、存储介质及计算机设备
KR20140134431A (ko) Poi를 이용한 경로 추천 장치 및 방법
JP2011203244A (ja) ナビゲーション装置およびナビゲーション装置用のプログラム
CN112085465B (zh) 一种数据处理方法、装置及存储介质
US20220138832A1 (en) Information processing apparatus, information processing method, and system
JP6047901B2 (ja) 登録方法、抽出方法、時間帯振り分け方法、登録プログラム、抽出プログラム、登録装置、および抽出装置
JP7502968B2 (ja) レコメンド装置
JP7502969B2 (ja) レコメンド装置
CN113537548A (zh) 一种行驶路线的推荐方法、装置及设备
JP6790715B2 (ja) 地点案内システム、地点案内端末および地点案内プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180209

Assignee: Guilin Weisichuang Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2022450000189

Denomination of invention: A method and system of scenic spot route recommendation based on tour behavior

Granted publication date: 20201218

License type: Common License

Record date: 20221125

EE01 Entry into force of recordation of patent licensing contract