CN109063923A - 一种基于经济成本的旅游路线规划方法 - Google Patents

一种基于经济成本的旅游路线规划方法 Download PDF

Info

Publication number
CN109063923A
CN109063923A CN201810953293.3A CN201810953293A CN109063923A CN 109063923 A CN109063923 A CN 109063923A CN 201810953293 A CN201810953293 A CN 201810953293A CN 109063923 A CN109063923 A CN 109063923A
Authority
CN
China
Prior art keywords
node
travel
planning
nodes
economic cost
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
Application number
CN201810953293.3A
Other languages
English (en)
Inventor
王峰
吴钊
吴中博
文松
胡春阳
王新颖
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.)
Hubei University of Arts and Science
Original Assignee
Hubei University of Arts and Science
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 Hubei University of Arts and Science filed Critical Hubei University of Arts and Science
Priority to CN201810953293.3A priority Critical patent/CN109063923A/zh
Publication of CN109063923A publication Critical patent/CN109063923A/zh
Pending legal-status Critical Current

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
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于经济成本的旅游路线规划方法，本发明提出了衡量游客进行旅游行程规划的关键性指标，包括经济成本，行程规划的连续性和便利性，游览兴趣等；提出了一种基于经济成本的旅游行程规划算法，该算法可大幅节省游客在游览过程中的经济成本，为游客享有更多节点游览时间和提高旅游景区收益提供了重要的参考价值和应用价值；本发明提出从游客经济成本的角度出发，尽可能辅助游客降低旅游过程中不必要的经济开销，同时为高峰期合理管理和控制景区的游客访问量提供了重要参考依据。此外，本发明为节点游客访问流量控制算法的设计提供合理性思路。

Description

一种基于经济成本的旅游路线规划方法
技术领域
本发明属于智慧旅游技术领域，涉及一种旅游路线规划方法，具体涉及一种基于经济成本的旅行路线规划方法。
背景技术
在智慧旅游的众多研究中，基于经济成本为游客提供旅游行程规划并推荐的研究是一项挑战性工作([文献1,2])。游客每到一个地方旅游，通常会考虑使用较低的旅游经济成本获得较高的旅行乐趣，即达到旅游行程规划中的性价比最高。该问题表面看来似乎是一个悖论，“一分价格一分服务”似乎是旅游行程规划的常理。而且，大多数游客在针对旅行做提前规划时，通常会选择上网搜索旅游攻略，看一下点赞数最高的攻略内容，然后参考这些攻略并结合自己的需求手工制定旅游行程规划。这种方式在未出现智能的旅游行程规划系统之前，的确是一种理性的做法。但是，手工制定旅游行程的做法虽然可通过花费较多的时间得到一个较满意的行程规划，但该方法比较耗时且可移植性较差。由于，每个人的需求、旅行预算和兴趣点不同，行程规划并不具备普适性。
为了解决旅游行程规划耗时，且可移植性较差的不足，本专利拟基于用户旅行的经济成本针对旅游行程做自动规划方法的研究。该研究拟采用用户提交旅行需求和兴趣，然后基于旅游经济成本最小化的目标，采用多级自动匹配用户需求和兴趣，并做多因素计算和排名的思路为不同用户制定个性化的旅行行程规划。在介绍本专利的研究内容和方法之前，首先对国内外研究现状进行分析，并试图从中找出能为本专利的研究提供参考价值的方法和技术。
运筹学方面的研究:旅游路线推荐来源于旅行商问题，且在运筹学中有广泛应用([文献3,4])。旅行商问题的变种，如选择性旅行商问题，定向越野问题等([文献5-7])。这些工作的主要目标是对一次旅行中具有高权重的POI兴趣点进行路线的整体规划，而定向越野问题则有特定起点和终点的附加条件限制。此外，整数线性规划方程也为上述问题提供优化解决方案([文献8])。
旅行路线推荐：当前的研究工作将运筹学中的工作和社交媒体中的旅行路线规划问题进行合并，统一规划为基于定向越野或旅行商问题的变种加以研究([文献9-12])。这些方法利用社交网络中的地理标签证明基于兴趣点的旅游行程规划问题([文献13-17])。此外，上述方法在旅行路线规划和推荐的研究工作中也有许多相似的应用([文献18,19])。
Top-K兴趣点推荐：该类研究的主要目标是推荐K个排名靠前的POI点，而这些点的排名与用户密切相关([文献20,21]),它们大都利用矩阵因式分解或协同过滤算法([文献22,23])。此外，还有在非旅游行程规划中构建POI兴趣点推荐列表的应用。该类工作的关键是将POI与用户独立，而非将POI与多个用户进行关联推荐([文献24,25])。
[文献1]Kendall Taylor,Kwan Hui Lim,Jeffrey Chan.Travel ItineraryRecommendations with Must-see Points-of-Interest.WWW(Companion Volume)2018:1198-1205.
[文献2]Bart Thomee,David A.Shamma,Gerald Friedland etal.2016.YFCC100M:The New Data in Multimedia Research.Commun.ACM 59,2(2016),64–73.
[文献3]Laarabi Bochar and Bouchaib Radi.2016.A new approach to treatthe selective travelling salesman problem.Intl.Mathematical Forum 11,16(2016),757–768.
[文献4]Dominique Feillet,Pierre Dejax,and MichelGendreau.2005.Traveling Salesman Problem with Profits.Transportation Science39,2(2005),188–205.
[文献5]Aldy Gunawan,Hoong Chuin Lau,and PieterVansteenwegen.2016.Orienteering Problem:A survey of recent variants,solutionapproaches and applications.European Journal of Operational Research 255,2(2016),315–332.
[文献6]Theodore Tsiligirides.1984.Heuristic methods applied toOrienteering.Journal of the Operational Research Society 35,9(1984),797–809.
[文献7]Pieter Vansteenwegen,Wouter Souffriau,and Dirk VanOudheusden.2011.The Orienteering problem:A survey.European Journal ofOperational Research 209,1(2011),1–10.
[文献8]Gilbert Laporte and Silvano Martello.1990.The selectivetraveling salesman problem.Discrete applied mathematics 26,2-3(1990),193–207.
[文献9]Igo Brilhante,Jose Antonio Macedo,Franco Maria Nardini,Raffaele Perego,and Chiara Renso.2013.Where shall we go today？Planningtouristic tours with TripBuilder.In Proc.of the 22nd ACM Intl.Conf.onInformation and Knowledge Management(CIKM’13).757–762.
[文献10]Igo Ramalho Brilhante,Jose Antonio Macedo,Franco MariaNardini,Raffaele Perego,and Chiara Renso.2015.On planning sightseeing tourswith TripBuilder.Information Processing&Management 51,2(2015),1–15.
[文献11]Munmun De Choudhury,Moran Feldman,Sihem Amer-Yahia,NadavGolbandi,Ronny Lempel,and Cong Yu.2010.Automatic construction of travelitineraries using social breadcrumbs.In Proc.of the 21st ACM Conf.onHypertext and Hypermedia(HT’10).35–44.
[文献12]Kwan Hui Lim,Jeffrey Chan,Shanika Karunasekera,andChristopher Leckie.2017.Personalized Itinerary Recommendation with QueuingTime Awareness.In Proc.of the 40th Intl.ACM SIGIR Conf.on Research andDevelopment in Information Retrieval(SIGIR’17).325–334.
[文献13]Kwan Hui Lim,Jeffrey Chan,Christopher Leckie,and ShanikaKarunasekera.2016.Towards Next Generation Touring:Personalized Group Tours.InProc.Of the 26th Intl.Conf.on Automated Planning and Scheduling(ICAPS’16).412–420.
[文献14]Kwan Hui Lim,Jeffrey Chan,Christopher Leckie,and ShanikaKarunasekera.2018.Personalized Trip Recommendation for Tourists based on UserInterests,Points of Interest Visit Durations and Visit Recency.Knowledge andInformation Systems 54,2(2018),375–406.
[文献15]Ksenia D.Mukhina,Stepan V.Rakitin,and AlexanderA.Visheratin.2017.Detection of tourists attraction points using Instagramprofiles.Procedia Computer Science 108(2017),315–332.
[文献16]Daniele Quercia,Rossano Schifanella,and Luca MariaAiello.2014.The shortest path to happiness:Recommending beautiful,quiet,andhappy routes in the city.In Proc.of the 25th ACM Conf.on Hypertext and SocialMedia(HT’14).116–125.
[文献17]Xiaoting Wang,Christopher Leckie,Jeffery Chan,Kwan Hui Lim,and Tharshan Vaithianathan.2016.Improving Personalized Trip Recommendation toAvoid Crowds Using Pedestrian Sensor Data.In Proc.of the 25th ACMIntl.Conf.on Information and Knowledge Management(CIKM’16).25–34.
[文献18]Igo Brilhante,Jose Antonio Macedo,Franco Maria Nardini,Raffaele Perego,and Chiara Renso.2014.TripBuilder:A Tool for RecommendingSightseeing Tours.In Proc.of the 36th European Conf.on Information Retrieval(ECIR’14).771–774.
[文献19]Wolfgangand Alexander Hefele.2016.Generating PathsThrough Discovered Places-of-Interests for City Trip Planning.In Informationand Communication Technologies in Tourism.Springer Intl.Publishing,441–453.
[文献20]Kenneth Wai-Ting Leung,Dik Lun Lee,and Wang-ChienLee.2011.CLR:a collaborative location recommendation framework based on co-clustering.In Proc.of the 34th Intl.ACM SIGIR Conf.on Research anddevelopment in Information Retrieval(SIGIR’11).305–314.
[文献21]Yue Shi,Pavel Serdyukov,Alan Hanjalic,and MarthaLarson.2011.Personalized Landmark Recommendation Based on Geotags from PhotoSharing Sites.In Proc.of the Fifth Intl.AAAI Conf.on Weblogs and Social Media(ICWSM’11).622–625.
[文献22]Lina Yao,Quan Z.Sheng,Yongrui Qin,Xianzhi Wang,Ali Shemshadi,and Qi He.2015.Context-aware Point-of-Interest Recommendation Using TensorFactorization with Social Regularization.In Proc.of the 38th Intl.ACM SIGIRConf.on Research and Development in Information Retrieval(SIGIR’15).1007–1010.
[文献23]Quan Yuan,Gao Cong,Zongyang Ma,Aixin Sun,and Nadia MagnenatThalmann.2013.Time-aware point-of-interest recommendation.In Proc.of the 36thIntl.ACM SIGIR Conf.on Research and development in information retrieval(SIGIR’13).363–372.
[文献24]Idir Benouaret and Dominique Lenne.2016.A CompositeRecommendation System for Planning Tourist Visits.In Proc.of the 2016 IEEE/WIC/ACM Intl.Conf.on Web Intelligence(WI’16).626–631.
[文献25]Christoph Kofler,Luz Caballero,Maria Menendez,ValentinaOcchialini,and Martha Larson.2011.Near2me:An authentic and personalizedsocial mediabased recommender for travel destinations.In Proc.of the 3rd ACMSIGMM Intl.Workshop on Social Media(WSM’11).47–52.
发明内容
针对现有技术的缺陷，本发明提出了一种基于经济成本的旅游路线规划方法。
本发明所采用的技术方案是：一种基于经济成本的旅游路线规划方法，其特征在于：将旅行路线规划问题转换为从某指定起点到某指定终点进行最小化经济成本的路线推荐问题；将路线推荐问题表示为图G＝<V,E>，其中V＝{v1,...,vN}表示节点POI集合,N为节点个数，节点代表旅行过程中的过程点，N＝|V|；E表示节点之间存在的连接边，连接边代表节点之间的道路；每条边连接节点i到节点j且带有旅行成本ECi,j＝{tci,j,fli,j,eti,j,sfi,j,pci,j}，其中i和j分别代表旅行规划的起点和终点，行程规划中的合计经济成本ECi,j包括差旅费tci,j、食住行开销fli,j、各景区门票eti,j、附属性收费sfi,j和自主性消费pci,j；每个节点均有一个面向节点vi∈V的节点得分Si,其中i∈{1,...,N}；由此，将旅游行程规划定义为一条介于不同起点和终点间的路径，且可保证每个感兴趣的节点仅被游览一次；若集合P表示感兴趣的节点集合，则p1和pN分别表示旅行节点集合的起点和终点，那么一条被规划的旅游路线I是一系列被连接的节点集合，其中I＝{p1,...,pN}；若假定集合M为用户旅游规划的节点集合，其M＝{m1,...,mH}，其中H≤N；那么，一条基于经济成本且含更多必游节点的旅游规划路线表示为IM＝{p1,...,m1,...,mH,...,pN}，其中
所述方法包括以下步骤：
步骤1：将旅游路线上的规划节点得分表示为得分最大化目标函数；
其中，xi,j＝{0|1}，若xi,j＝1表示节点i被访问过，紧接着访问节点j；xi,j＝0表示其它情况；Si表示景区中节点pi的节点得分，i＝1,...,N；Si为非负，用游客访问节点的访问频次进行度量，节点被访问的频次越高则节点得分越高；
步骤2：确定旅游路线规划节点；
其中，m表示某个规划节点，且它是节点i和节点j的必经节点，M是旅游规划路线上的节点集合；
步骤3：确定候选节点集合，其中必须包括旅游路线规划节点；
步骤4：构建旅游路线规划的得分计算模型；
其中，用于表示某城市的旅行开销费用的总和，表示第k种行程规划方案下包含的被规划城市有i个；α,β,λ,η,分别是差旅费和食、住、行开销的需求选择、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本的权重，该权重由用户确定；TC,FL,ET,SF和PC分别为差旅费和食、住、行开销的需求选择、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本的标准矩阵；
假定游客游览两个节点间的经济成本为Di,j，那么其中Di,j＝sfi,j+pci,j，sfi,j表示游客从节点i到节点j在景区收费性附属设施上的经济成本开销，pci,j表示游客从节点i到节点j过程中个人自主性消费行为的经济成本开销；δ表示允许游客完成游览全程的最大经济开销；
步骤5：采用得分排名的形式推荐旅游路线。
本发明的有益效果为：
1、提出了衡量游客进行旅游行程规划的关键性指标，包括经济成本，行程规划的连续性和便利性，游览兴趣等；
2、提出了一种基于经济成本的旅游行程规划算法，该算法可大幅节省游客在游览过程中的经济成本，为游客享有更多节点游览时间和提高旅游景区收益提供了重要的参考价值和应用价值；
3、该算法的提出从游客经济成本的角度出发，尽可能辅助游客降低旅游过程中不必要的经济开销，同时为高峰期合理管理和控制景区的游客访问量提供了重要参考依据。此外，该算法为节点游客访问流量控制算法的设计提供合理性思路。
附图说明
图1为本发明实施例的旅行需求选择分析图；
图2为本发明实施例的旅行行程规划拓扑图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本专利的研究内容属于城市计算中智慧旅游的范畴，涉及的内容主要包括旅游行程规划与经济成本间关系问题，基于经济成本的旅游行程规划模型的设计与实现，最小化经济成本的旅游行程规划算法和最小化旅游行程规划的影响因素四个方面。
本专利的研究内容可用于解决如下问题：
1、游客如何选择使经济开销最小且包含更多必看节点的旅游行程；
2、利用节点观赏性价比辅助游客决定是否要观赏某景区中需要额外收费的节点；
3、为游客旅行中的临时需求提供合理化建议，帮助他们尽可能降低经济成本；
4、旅行中的突发状况发生时，为游客推荐经济成本最低的应对策略。
上述问题的解决，可大幅降低游客游览的经济成本，为游客旅行的全过程提供合理化需求建议。
请见图1，用户首先要针对旅行做需求选择。主要选择的项目包括：旅行的时间周期(包括旅行起始时间和终止时间)，旅行预计的费用开销上限，旅行的城市以及该城市周边的著名节点，然后就是针对旅行提出食、住、行等方面的需求。具体的需求见图1中各类需求的下属分支，在此不再赘述。待用户各种需求提出后，系统便调用相应的集成接口针对需求提供相应的集成式服务。例如，图1中当旅行过程中的旅行车船票和用户拟游览的节点选中后，若通过图中右上角的行程规划和开销计算后，开销未超出预算则会在用户确认行程规划后启动对应的购票服务接口和食、住、行三位一体集成服务接口为用户自动购票和预定相应服务。
值得特别说明地，本专利研究的旅行经济成本不考虑游客在旅行过程中由于突发状况(突发疾病、突发事故、单方面临时取消行程等)所造成的经济开销。
由于旅游行程规划中的经济成本通常由差旅费、住宿费、节点门票和旅行过程中的一系列附带开销组成。附带开销可能包括游客在景区内收费性附属设施的额外消费：例如，观光摆渡车、缆车、附属节点门票等；游客自主性消费:例如，游客在游览过程中产生的吃饭、喝水、购买纪念品，乘坐人力轿子等与景区管理部门无直接关联的个人消费行为。研究数据表明，上述额外消费通常构成了用户旅游行程规划中经济成本上升的主要原因。因此，首先需对上述各种不同的经济成本和子项进行数学形式化定义和表示。
本发明提供的一种基于经济成本的旅游路线规划方法，将旅行路线规划问题转换为从某指定起点到某指定终点进行最小化经济成本的路线推荐问题；将路线推荐问题表示为图G＝<V,E>，其中V＝{v1,...,vN}表示节点POI集合,N为节点个数，节点代表旅行过程中的过程点(它可以表示地图上任意类型的POI，例如某个酒店、某个景区、某个餐厅等)，N＝|V|；E表示节点之间存在的连接边，连接边代表节点之间的道路；每条边连接节点i到节点j且带有旅行成本ECi,j＝{tci,j,fli,j,eti,j,sfi,j,pci,j}，其中i和j分别代表旅行规划的起点和终点，行程规划中的合计经济成本ECi,j包括差旅费tci,j、食住行开销fli,j、各景区门票eti,j、附属性收费sfi,j和自主性消费pci,j；每个节点均有一个面向节点vi∈V的节点得分Si,其中i∈{1,...,N}；由此，将旅游行程规划定义为一条介于不同起点和终点间的路径，且可保证每个感兴趣的节点仅被游览一次；若集合P表示感兴趣的节点集合，则p1和pN分别表示旅行节点集合的起点和终点，那么一条被规划的旅游路线I是一系列被连接的节点集合，其中I＝{p1,...,pN}；若假定集合M为用户旅游路线规划的节点集合，其M＝{m1,...,mH}，其中H≤N；那么，一条基于经济成本且含更多必游节点的旅游规划路线表示为IM＝{p1,...,m1,...,mH,...,pN}，其中
所述方法包括以下步骤：
步骤1：将旅游路线上的规划节点得分表示为得分最大化目标函数；
其中，xi,j＝{0|1}，若xi,j＝1表示节点i被访问过，紧接着访问节点j；xi,j＝0表示其它情况；Si表示景区中节点pi的节点得分，i＝1,...,N；Si为非负，用游客访问节点的访问频次进行度量，节点被访问的频次越高则节点得分越高；
步骤2：确定旅游路线规划节点；
其中，m表示某个规划节点，且它是节点i和节点j的必经节点，M是路线规划节点集合；直观地，规划节点属于高得分节点且被绝大多数游客访问。因此，规划节点需包含于旅游行程规划中。
步骤3：确定候选节点集合，其中必须包括旅游路线规划节点；
步骤4：构建旅游路线规划的得分计算模型；
所建模型需满足如下限制条件：
1)旅游行程规划必须以所选起始节点开始，以所选终止POI节点结束。即，允许游客基于他们的偏好选择起始节点和终止节点。例如，游客选择他们在景区住宿的旅馆为起始节点；
2)没有节点被访问超过1次，且所有节点必须可达。即，做旅游行程规划时，尽量避免太多游客访问同一节点或存在节点不可达现象；
3)至少存在一个不包括起始点和终止点在内的节点。即，确保不会推荐从起始节点到终止节点的直达路径,因为可能出现耗时太小的情形；
4)游览的总经济成本不应超过指定阈值δ。假定游客游览两个节点间的经济成本为Di,j，那么其中Di,j＝sfi,j+pci,j，sfi,j表示游客从节点i到节点j在景区收费性附属设施上的经济成本开销，pci,j表示游客从节点i到节点j过程中个人自主性消费行为的经济成本开销。δ表示允许游客完成游览全程的最大经济开销。
5)旅游行程规划中的子路线应被消除。子路线是由节点组成，不含起始节点和终止节点的独立闭合图。若不将其消除，则有可能出现两个不相交的规划路线。
依照上述分析并结合用户的经济需求，旅游行程规划需考虑用户对差旅费和食、住、行开销的需求选择、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本等因素。因此，可将这些因素作为建模的度量标准予以考虑，以给出旅游行程规划的计算模型；本实施例的旅游路线规划的得分计算模型为：
其中，用于表示某城市的旅行开销费用的总和，表示第k种行程规划方案下包含的被规划城市有i个；α,β,λ,η,分别是差旅费和食、住、行开销的需求选择、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本的权重，该权重由用户确定；TC,FL,ET,SF和PC分别为差旅费和食、住、行开销的需求选择、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本的标准矩阵；
其中，tci,j，fli,j，eti,j，sfi,j,和pci,j分别表示行程规划路线间(i≠j)的差旅费和食、住、行开销、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本。当i＝j时，则分别表示游客在某城市中某节点的差旅费和食、住、行开销、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本。
步骤5：采用得分排名的形式推荐旅游路线；
请见图2，为本实施例的旅行行程规划拓扑图，S(E)表示用户旅行行程规划的起(终)点，用户在未正式出行前，可依照本专利研究的方法预定和购买所需旅行城市的旅行票，包括车、船、飞机票等，从而会产生差旅费，序列C1,C2,...表示用户拟旅行的城市，序列T1,T2,...表示用户拟游览所在城市周边的节点，箭头的方向代表游客行程规划的路径方向。
本实施例的得分计算的规则为：
Rank＝Max(Sk),k＝1,2,...,K；
其中，Rank用于表示得分计算所得推荐方案的排名；Max是用于计算推荐方案排名的函数，表示得分按照从大到小依次排序；Sk表示第k种行程规划方案的得分；其中，
其中，表示第k种行程规划方案下，用户在第i个城市游览节点的数目与在该城市旅游所有开销费用的比值；表示第k种行程规划方案下包含的被规划城市有i个；
其中，Tj用于表示第i个城市中包含j个节点。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (2)

1.一种基于经济成本的旅游路线规划方法，其特征在于：将旅行路线规划问题转换为从某指定起点到某指定终点进行最小化经济成本的路线推荐问题；将路线推荐问题表示为图G＝<V,E>，其中V＝{v1,...,vN}表示节点POI集合,N为节点个数，节点代表旅行过程中的过程点，N＝|V|；E表示节点之间存在的连接边，连接边代表节点之间的道路；每条边连接节点i到节点j且带有旅行成本ECi,j＝{tci,j,fli,j,eti,j,sfi,j,pci,j}，其中i和j分别代表旅行规划的起点和终点，行程规划中的合计经济成本ECi,j包括差旅费tci,j、食住行开销fli,j、各景区门票eti,j、附属性收费sfi,j和自主性消费pci,j；每个节点均有一个面向节点vi∈V的节点得分Si,其中i∈{1,...,N}；由此，将旅游行程规划定义为一条介于不同起点和终点间的路径，且可保证每个感兴趣的节点仅被游览一次；若集合P表示感兴趣的节点集合，则p1和pN分别表示旅行节点集合的起点和终点，那么一条被规划的旅游路线I是一系列被连接的节点集合，其中I＝{p1,...,pN}；若假定集合M为用户旅游规划路线上的节点集合，其M＝{m1,...,mH}，其中H≤N；那么，一条基于经济成本且含更多必游节点的旅游规划路线表示为IM＝{p1,...,m1,...,mH,...,pN}，其中
所述方法包括以下步骤：
步骤1：将旅游路线上的规划节点得分表示为得分最大化目标函数；
其中，xi,j＝{0|1}，若xi,j＝1表示节点i被访问过，紧接着访问节点j；xi,j＝0表示其它情况；Si表示景区中节点pi的节点得分，i＝1,...,N；Si为非负，用游客访问节点的访问频次进行度量，节点被访问的频次越高则节点得分越高；
步骤2：确定旅游规划节点；
其中，m表示某个路线规划节点，且它是节点i和节点j的必经节点，M是旅游路线规划节点集合；
步骤3：确定候选节点集合，其中必须包括必规划节点；
步骤4：构建旅游路线规划的得分计算模型；
其中，用于表示某城市的旅行开销费用的总和，表示第k种行程规划方案下包含的被规划城市有i个；α,β,λ,η,分别是差旅费和食、住、行开销的需求选择、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本的权重，该权重由用户确定；TC,FL,ET,SF和PC分别为差旅费和食、住、行开销的需求选择、各景区门票、景区收费性附属设施开销成本和个人自主性消费行为成本的标准矩阵；
假定游客游览两个节点间的经济成本为Di,j，那么其中Di,j＝sfi,j+pci,j，sfi,j表示游客从节点i到节点j在景区收费性附属设施上的经济成本开销，pci,j表示游客从节点i到节点j过程中个人自主性消费行为的经济成本开销；δ表示允许游客完成游览全程的最大经济开销；
步骤5：采用得分排名的形式推荐旅游路线。
2.根据权利要求1所述的基于经济成本的旅游路线规划方法，其特征在于：步骤5中，得分计算的规则为：
Rank＝Max(Sk),k＝1,2,...,K；
其中，Rank用于表示得分计算所得推荐方案的排名；Max是用于计算推荐方案排名的函数，表示得分按照从大到小依次排序；Sk表示第k种行程规划方案的得分；其中，
其中，Sk表示第k种行程规划方案下，用户在第i个城市游览节点的数目与在第i个城市旅游所有开销费用的比值；表示第k种行程规划方案下包含的被规划城市有i个；
其中，Tj用于表示第i个城市中包含j个节点。
CN201810953293.3A 2018-08-21 2018-08-21 一种基于经济成本的旅游路线规划方法 Pending CN109063923A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810953293.3A CN109063923A (zh) 2018-08-21 2018-08-21 一种基于经济成本的旅游路线规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810953293.3A CN109063923A (zh) 2018-08-21 2018-08-21 一种基于经济成本的旅游路线规划方法

Publications (1)

Publication Number Publication Date
CN109063923A true CN109063923A (zh) 2018-12-21

Family

ID=64687572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810953293.3A Pending CN109063923A (zh) 2018-08-21 2018-08-21 一种基于经济成本的旅游路线规划方法

Country Status (1)

Country Link
CN (1) CN109063923A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110781300A (zh) * 2019-09-20 2020-02-11 南宁师范大学 基于百度百科知识图谱的旅游资源文化特色评分算法
CN111815057A (zh) * 2020-07-13 2020-10-23 携程旅游信息技术（上海）有限公司 路径行程自动规划方法、系统、设备及存储介质
CN112985413A (zh) * 2021-03-18 2021-06-18 河南工业大学 基于改进a*算法的景区路径规划方法及装置
CN113704379A (zh) * 2021-09-10 2021-11-26 瞿萍 基于全行程的旅游行程生成方法、系统及存储介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110781300A (zh) * 2019-09-20 2020-02-11 南宁师范大学 基于百度百科知识图谱的旅游资源文化特色评分算法
CN110781300B (zh) * 2019-09-20 2022-08-23 南宁师范大学 基于百度百科知识图谱的旅游资源文化特色评分算法
CN111815057A (zh) * 2020-07-13 2020-10-23 携程旅游信息技术（上海）有限公司 路径行程自动规划方法、系统、设备及存储介质
CN111815057B (zh) * 2020-07-13 2024-04-26 携程旅游信息技术（上海）有限公司 路径行程自动规划方法、系统、设备及存储介质
CN112985413A (zh) * 2021-03-18 2021-06-18 河南工业大学 基于改进a*算法的景区路径规划方法及装置
CN113704379A (zh) * 2021-09-10 2021-11-26 瞿萍 基于全行程的旅游行程生成方法、系统及存储介质
CN113704379B (zh) * 2021-09-10 2023-08-29 广州市美瀛信息科技有限公司 基于全行程的旅游行程生成方法、系统及存储介质

Similar Documents

Publication Publication Date Title
Lim et al. Personalized trip recommendation for tourists based on user interests, points of interest visit durations and visit recency
JP7181562B2 (ja) 交通システム内でのサイト及び場所の間のルート又はルート距離を使用してサイトを検索又は比較するための方法及び装置
CN109063914B (zh) 一种基于时空数据感知的旅游路线规划方法
Ruiz-Meza et al. A systematic literature review for the tourist trip design problem: Extensions, solution techniques and future research lines
CN109063923A (zh) 一种基于经济成本的旅游路线规划方法
Kondor et al. Estimating the potential for shared autonomous scooters
JP7144818B2 (ja) 交通システム内でのサイト及び場所の間のルート又はルート距離を使用してサイトを検索又は比較するための方法及び装置
Zhu Multi-objective route planning problem for cycle-tourists
Chiu et al. A multi-modal agent based mobile route advisory system for public transport network
Czioska et al. Location-and time-dependent meeting point recommendations for shared interurban rides
Chia et al. Trip planning route optimization with operating hour and duration of stay constraints
Hasuike et al. Tour planning for sightseeing with time-dependent satisfactions of activities and traveling times
Zhou et al. Hybrid route recommendation with taxi and shared bicycles
Elgarej et al. Optimized path planning for electric vehicle routing and charging station navigation systems
Ho et al. Constructing a personalized travel itinerary recommender system with the Internet of Things
Mahdi et al. Supporting scheduling decisions by using genetic algorithm based on tourists’ preferences
De Maio et al. The Green Tourist Trip Design Problem with Time Windows: A Model Application on a Urban Scale.
Sun et al. User transition pattern analysis for travel route recommendation
Hashim et al. Determination of optimal self-drive tourism route using the orienteering problem method
Gavalas et al. An efficient heuristic for the vacation planning problem
Shiraishi et al. A personal navigation system with functions to compose tour schedules based on multiple conflicting criteria
Liu et al. Integrating ride-hailing services with public transport: a stochastic user equilibrium model for multimodal transport systems
Rahaman et al. MoParkeR: Multi-objective parking recommendation
CN110753917A (zh) 用于实现多跳拼车的数据处理方法
Dalkılıç et al. A gradual approach for multimodel journey planning: A case study in Izmir, Turkey

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181221