CN109636679A - 一种基于人工智能的交互式旅游行程规划方法 - Google Patents

Abstract

本发明公开了一种基于人工智能的交互式旅游行程规划方法，首先接收用户输入的行程基本信息，所述行程基本信息包括但不限于出发地、目的地列表、出发时间、计划天数、预算和人员组成信息；根据所述行程基本信息识别旅游目的地模式，包括默认本地模式、单目的地模式或多目的地模式；然后结合所述行程基本信息和用户知识信息进行旅游行程方案制定；将所制定的旅游行程方案以实时组合交互或结果选择交互的方式提供给用户。上述方法能够提供精准的个性化行程定制服务，解决自由行游客旅游行程智能规划的问题，从而快捷、准确地帮助用户制定恰当的出行计划。

Description

一种基于人工智能的交互式旅游行程规划方法

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的交互式旅游行程规划方法。

背景技术

随着中国综合国力的不断发展，人民生活水平的持续提升以及对生活品质要求的提高，旅游成为人们放松自我、舒缓压力的首要选择。同时，在年轻人成为旅游市场主力的现状下，越来越多人的出行选择从跟团游转变为自助游，人们的自主选择意愿也越来越强烈。但是目前旅游市场及平台提供的服务很难满足游客的个性化需求，跟随旅行社的组团游会让游客产生束缚感和被操控感；选择自由行的旅客又会在制定旅游攻略时耗费大量的时间，即便如此，仍不能得到满意的结果。

当前旅游市场以及各大互联网旅游服务平台提供的旅游行程规划产品存在很大的局限性，并不能做到完全的智能化，根据游客需求制定一份个性化的旅游行程并不是一件简单的事情，常见的解决方案包括：根据用户输入的出行需求，后台进行人工的行程定制，过程中与用户进行语音或邮件沟通，产生额外的成本；伪自动化的行程规划方案，在方案制定过程中每个阶段如景点选择、酒店选择等，都会向用户询问，需要用户实时参与方案制定的过程。由此可见，现有的旅游行程个性化定制服务整体处于低智能化的程度，行程制定未能充分利用旅游大数据作为支撑，因此并不能充分满足游客对行程定制的个性化需求。

发明内容

本发明的目的是提供一种基于人工智能的交互式旅游行程规划方法，该方法能够提供精准的个性化行程定制服务，解决自由行游客旅游行程智能规划的问题。

本发明的目的是通过以下技术方案实现的：

一种基于人工智能的交互式旅游行程规划方法，所述方法包括：

步骤1、接收用户输入的行程基本信息，所述行程基本信息包括但不限于出发地、目的地列表、出发时间、计划天数、预算和人员组成信息；

步骤2、根据所述行程基本信息识别旅游目的地模式，包括默认本地模式、单目的地模式或多目的地模式；

步骤3、然后结合所述行程基本信息和用户知识信息进行旅游行程方案制定；其中，所述用户知识信息包括用户画像、同类用户旅游行为、目的地当季热门景区信息；

步骤4、将所制定的旅游行程方案以实时组合交互或结果选择交互的方式提供给用户；其中，所述实时组合交互具体为在制定过程中向用户提供模块化行程的多种组合方案，引导用户选择，实现方案制定；所述结果选择交互具体为在制定过程中增加个性化信息，并根据用户反馈的选择结果动态优化方案。

在步骤3中，所述用户画像为标签化用户特征，包括但不限于偏好景点类型、出行方式、消费水平；

所述同类用户旅游行为指与目标用户群体特征相似的人群所共同具有的旅游行为特征。

在步骤3制定旅游行程方案的过程中，若存在当前用户成熟的用户画像，则按照用户画像推荐符合用户行为习惯的方案；若用户画像不完善，则根据同类用户行为特征进行分类推荐；若不存在用户画像，则进行交互式试探推荐。

在步骤3制定旅游行程方案的过程中，若用户选择多目的地模式，则通过旅游大数据挖掘，确定各目的地适当的游玩天数范围，动态地将用户计划天数进行分配。

在步骤3制定旅游行程方案的过程中，若用户选择多目的地模式，则根据输入目的地列表，遵循出行代价最小的原则确定目的地访问顺序；其中，所述出行代价包括但不限于费用、时间成本。

在步骤3制定旅游行程方案的过程中，进一步参考当时当地旅游环境因素，包括但不限于气候气象信息、交通拥堵情况、景区开放时间、人流量。

所述用户知识信息由双知识库进行存储，所述双知识库包括知识库和暂存库，所述知识库储存用户习惯行为案例，所述暂存库储存用户特殊行为案例。

在步骤3中，将旅游行程方案制定过程中与用户产生的所有交互行为及偏好进行分析量化，提取知识信息并更新至知识库或暂存库，其中：

将用户一般的个人行为标签化，生成用户画像，更新至知识库；

将用户特殊行为分析量化为特殊知识，增加至暂存库。

在步骤4中，所增加的个性化信息包括但不限于行程宽松度、市际/内出行方式、餐饮/住宿水平、旅游主题和景点类型信息。

由上述本发明提供的技术方案可以看出，上述方法能够提供精准的个性化行程定制服务，解决自由行游客旅游行程智能规划的问题，从而快捷、准确地帮助用户制定恰当的出行计划。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的基于人工智能的交互式旅游行程规划方法流程示意图；

图2为本发明所举实例的推荐模型实现示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

下面将结合附图对本发明实施例作进一步地详细描述，如图1所示为本发明实施例提供的基于人工智能的交互式旅游行程规划方法流程示意图，所述方法包括：

步骤1、接收用户输入的行程基本信息，所述行程基本信息包括但不限于出发地、目的地列表、出发时间、计划天数、预算和人员组成信息；

这里，所述人员组成包括但不限于成人、老人、儿童、残障人士。

步骤2、根据所述行程基本信息识别旅游目的地模式，包括默认本地模式、单目的地模式或多目的地模式；

具体来说包括：默认不输入旅游目的地的本地旅游模式、只输入一个旅游目的地的单目的地模式和输入一系列旅游目的地的多目的地模式。

步骤3、然后结合所述行程基本信息和用户知识信息进行旅游行程方案制定；

其中，所述用户知识信息包括用户画像、同类用户旅游行为、目的地当季热门景区信息；

具体实现中，所述用户知识信息由双知识库进行存储，所述双知识库包括知识库和暂存库，所述知识库储存用户习惯行为案例，所述暂存库储存用户特殊行为案例。以此为支撑，使得模型可由用户输入信息分辨用户当前旅游行为类型，确定行程方案制定依据的知识信息。

上述用户画像为标签化用户特征，包括但不限于偏好景点类型、出行方式、消费水平；所述同类用户旅游行为指与目标用户群体特征相似的人群所共同具有的旅游行为特征。

在制定旅游行程方案的过程中，若存在当前用户成熟的用户画像，则按照用户画像推荐符合用户行为习惯的方案；若用户画像不完善，则根据同类用户行为特征进行分类推荐；若不存在用户画像，则进行交互式试探推荐。

在制定旅游行程方案的过程中，若用户选择多目的地模式，则通过旅游大数据挖掘，确定各目的地适当的游玩天数范围，动态地将用户计划天数进行分配。

在制定旅游行程方案的过程中，若用户选择多目的地模式，则根据输入目的地列表，遵循出行代价最小的原则确定目的地访问顺序；其中，所述出行代价包括但不限于费用、时间成本。

在制定旅游行程方案的过程中，还可以进一步参考当时当地旅游环境因素，包括但不限于气候气象信息、交通拥堵情况、景区开放时间、人流量。

例如，在某目的地时，在利于游玩的前提下，遵循出行代价最小的计算原则计算初步的行程方案，推荐计算过程需考虑旅游目的地的天气情况、交通拥堵情况、景区开放时间、人流量、公共交通及出租车费用等信息，得到成本最低的方案。

另外，还可以将旅游行程方案制定过程中与用户产生的所有交互行为及偏好进行分析量化，提取知识信息并更新至知识库或暂存库，其中：

将用户一般的个人行为标签化，生成用户画像，更新至知识库；

将用户特殊行为分析量化为特殊知识，增加至暂存库。

步骤4、将所制定的旅游行程方案以实时组合交互或结果选择交互的方式提供给用户；

其中，所述实时组合交互具体为在制定过程中向用户提供模块化行程的多种组合方案，引导用户选择，实现方案制定；所述结果选择交互具体为在制定过程中增加个性化信息，并根据用户反馈的选择结果动态优化方案。

这里，所增加的个性化信息包括但不限于行程宽松度、市际/内出行方式、餐饮/住宿水平、旅游主题和景点类型信息。

下面以具体实例对上述方法的实施过程进行详细描述：

首先接收用户U对于旅游行程的基本信息，包括但不限于出发地、目的地列表、出发时间、计划天数、预算、人员组成等。以用户计划出发地Z，目的地集合L＝{W,X,V…}，出发时间R，计划天数N，预算M，人员组成类型{A,…}。

然后读取历史知识库，查询U的知识信息，包括但不限于U历史上的旅游行为生成的用户画像Y或特殊知识S。根据历史数据P，对用户U进行分类，查询所属同类型用户群的历史旅游数据。根据旅游目的地历史数据D，分析目的地L的当季热门景点数据。读取旅行历史大数据E，包括但不限于L所含目的地的天气信息、景点信息、景点间距离信息、城市间距离信息、交通拥堵情况、交通费用、人流情况等。

将以上所述数据进行量化处理，根据不同的旅行信息数据分别采用布尔和整数等量化方式，对量化处理之后的数据信息进行人工去噪，剔除离群数据等操作。将处理过的数据作为推荐模型的输入参数输入推荐模型，进行推荐模型训练、权重调整和推荐计算。

如图2所示为本发明所举实例的推荐模型实现示意图，该推荐模型可以基于人工智能技术结合主流推荐算法建立，包括但不限于协同过滤、基于内容推荐、基于知识推荐、聚类/分类、逻辑推理等模块，首先根据用户U输入的人员信息，推荐模型智能分辨当次旅行属于一般行为或特殊行为，本例中A代表成人，故当次旅行应划分为一般行为。然后根据推荐模型判断的行为类型，从用户U的历史知识信息中获取用户画像Y。

将用户U的数据信息与其他用户进行度量计算，计算包括L,R,N,M,A,Y等度量信息，建立相似度矩阵。

推荐模型根据用户输入的目的地信息，智能分类，当次旅行用户U选择多个目的地，故划分为多目的地类型旅游行程。

上述推荐模型的方案制定过程为：

第一，结合目的地L当地的气象信息、城市间距离信息、出行方式等，按找最小出行代价原则，计算出用户U访问目的地列表中城市的顺序；

第二，根据旅游大数据分析，确定每个旅游目的地适当的旅游天数范围，将用户计划旅行的天数动态的分配到各目的地，本例中，如W-3天，X-2天，V3天…；

第三，针对旅游目的地，如W，推荐模型首先计算推荐酒店住宿模块，并向用户提供酒店组合选项，供用户选择适合的酒店；其次，推荐模型根据当地当季热门景点信息向用户推荐多种旅游景点组合供用户进行选择，并向用户询问是否符合，引导用户做出选择；最后，根据住宿酒店信息、景点信息、用户出行偏好信息，进行目的地内的行程线路规划，形成具体的方案，如何时通过何种方式去到何地游览何物等；

第四，对其他目的地，如X，推荐模型首先以W方案制定过程中产生的行为数据为参考，对X的旅游行程方案进行推荐，并实时地与用户进行交互，询问用户是否符合并提供组合选项；

第五，推荐模型将推荐计算的方案片段组合为整体的方案提交用户审核，若符合用户要求则输出方案S，否则，用户增加个性化输入——包括但不限于行程宽松度、市际/内出行方式、餐饮/住宿水平、旅游主题、景点类型等，结合前阶段行为数据，重新进行推荐计算。

进一步的，还可以根据用户U的行为、旅行偏好进行知识更新，本例中为一般旅游行为，故更新知识到知识库，若用户旅游行为属于特殊行为，则将知识更新至暂存库做阶段性储存。

值得注意的是，本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

综上所述，本发明实施例所述方法具有如下优点：

1)该方法对于多目的地间市际行程规划和市内旅行景点推荐都有应用，可以满足用户的个性化推荐需求；

2)该方法引入了历史知识和用户画像进行旅行的行程推荐，同时针对用户对推荐结果的反馈和约束信息进行修正推荐，这种推荐方法可以进行多次迭代优化，更好的完成满足用户需求的精准行程推荐。

3)该方法对于旅行大数据的分析应用，减少用户的不必要交互，增加了用户画像的准确度，提高了智能行程规划的自动化程度。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (9)

1.一种基于人工智能的交互式旅游行程规划方法，其特征在于，所述方法包括：

步骤1、接收用户输入的行程基本信息，所述行程基本信息包括但不限于出发地、目的地列表、出发时间、计划天数、预算和人员组成信息；

步骤2、根据所述行程基本信息识别旅游目的地模式，包括默认本地模式、单目的地模式或多目的地模式；

步骤3、然后结合所述行程基本信息和用户知识信息进行旅游行程方案制定；其中，所述用户知识信息包括用户画像、同类用户旅游行为、目的地当季热门景区信息；

步骤4、将所制定的旅游行程方案以实时组合交互或结果选择交互的方式提供给用户；其中，所述实时组合交互具体为在制定过程中向用户提供模块化行程的多种组合方案，引导用户选择，实现方案制定；所述结果选择交互具体为在制定过程中增加个性化信息，并根据用户反馈的选择结果动态优化方案。

2.根据权利要求1所述基于人工智能的交互式旅游行程规划方法，其特征在于，

在步骤3中，所述用户画像为标签化用户特征，包括但不限于偏好景点类型、出行方式、消费水平；

所述同类用户旅游行为指与目标用户群体特征相似的人群所共同具有的旅游行为特征。

3.根据权利要求1所述基于人工智能的交互式旅游行程规划方法，其特征在于，

在步骤3制定旅游行程方案的过程中，若存在当前用户成熟的用户画像，则按照用户画像推荐符合用户行为习惯的方案；若用户画像不完善，则根据同类用户行为特征进行分类推荐；若不存在用户画像，则进行交互式试探推荐。

4.根据权利要求1所述基于人工智能的交互式旅游行程规划方法，其特征在于，

在步骤3制定旅游行程方案的过程中，若用户选择多目的地模式，则通过旅游大数据挖掘，确定各目的地适当的游玩天数范围，动态地将用户计划天数进行分配。

5.根据权利要求1所述基于人工智能的交互式旅游行程规划方法，其特征在于，

在步骤3制定旅游行程方案的过程中，若用户选择多目的地模式，则根据输入目的地列表，遵循出行代价最小的原则确定目的地访问顺序；其中，所述出行代价包括但不限于费用、时间成本。

6.根据权利要求1所述基于人工智能的交互式旅游行程规划方法，其特征在于，

在步骤3制定旅游行程方案的过程中，进一步参考当时当地旅游环境因素，包括但不限于气候气象信息、交通拥堵情况、景区开放时间、人流量。

7.根据权利要求1所述基于人工智能的交互式旅游行程规划方法，其特征在于，

所述用户知识信息由双知识库进行存储，所述双知识库包括知识库和暂存库，所述知识库储存用户习惯行为案例，所述暂存库储存用户特殊行为案例。

8.根据权利要求7所述基于人工智能的交互式旅游行程规划方法，其特征在于，在步骤3中，将旅游行程方案制定过程中与用户产生的所有交互行为及偏好进行分析量化，提取知识信息并更新至知识库或暂存库，其中：

将用户一般的个人行为标签化，生成用户画像，更新至知识库；

将用户特殊行为分析量化为特殊知识，增加至暂存库。

9.根据权利要求1所述基于人工智能的交互式旅游行程规划方法，其特征在于，

在步骤4中，所增加的个性化信息包括但不限于行程宽松度、市际/内出行方式、餐饮/住宿水平、旅游主题和景点类型信息。