CN111310077B - 一种旅客智能行程推荐系统和方法 - Google Patents

一种旅客智能行程推荐系统和方法 Download PDF

Info

Publication number
CN111310077B
CN111310077B CN202010129609.4A CN202010129609A CN111310077B CN 111310077 B CN111310077 B CN 111310077B CN 202010129609 A CN202010129609 A CN 202010129609A CN 111310077 B CN111310077 B CN 111310077B
Authority
CN
China
Prior art keywords
algorithm
information
site
time
station
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.)
Active
Application number
CN202010129609.4A
Other languages
English (en)
Other versions
CN111310077A (zh
Inventor
程晓宇
陈慧萍
周羿丞
娄星宇
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.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
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 Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN202010129609.4A priority Critical patent/CN111310077B/zh
Publication of CN111310077A publication Critical patent/CN111310077A/zh
Application granted granted Critical
Publication of CN111310077B publication Critical patent/CN111310077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • 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
    • G06F16/9538—Presentation of query results
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本发明公开了一种旅客智能行程推荐系统和方法，系统以客户端/服务器模式结构作为系统的整体架构，用户可通过本系统查看实时天气，附近推荐景点，本发明将用户体验度放在首位位置，实现了通过用户对最省时，最省钱因素的选择规划包括地铁，高铁，航班等多种交通方式组合的最佳出行路线，并运用web端管理模式，以达到用户统计，地点搜索统计，错误信息统计等数据可视化，便于管理员管理。系统架构方面设置微信小程序客户端和Web管理员端，助用户更便捷的使用，成为方便出行的助手。

Description

一种旅客智能行程推荐系统和方法
技术领域
本发明公开了一种旅客智能行程推荐系统和方法，涉及路线规划技术领域。
背景技术
随着中国长途交通的高速建设，公共交通越来越便捷，人们的出行方式选择也正变得越来越多样化。以前由于硬件限制，人们长途出行对于交通工具的选择往往比较单调。而现如今，随着各种新兴交通方式的发展兴起,出行不再仅仅局限于某种单一的方式，而是可以根据每个人的出行情况不同，通过实现对诸如地铁、高铁以及飞机等不同的交通方式的组合来更契合地满足每个人个性化的出行需求。
然而便利同样也会带来其他的烦恼，交通出行方案的多元化，意味着如果人们想较好地满足自己的出行需求，就不得不花费时间与精力从大量的交通方式的排列组合中寻找出优质解。为了解决上述问题，有一系列以推荐出行方案为主功能的软件应用进入市场，走入了大众的视野。
目前，市场上涌现了许多行程规划的软件应用。目前市场上几种比较主流的应用，它们尽管在提供多种路线方案上做得十分完善，并且能支持各种交通方式的查询，然而它们都有一个共同的不足之处，即没有将交通方式组合起来，规划综合的出行方案，用户若想要实现组合出行，仍然需要自己手动搜索搭配，从而降低了用户的使用体验。因此迫切需要一种能将各种交通工具组合起来查询。
发明内容
本发明针对上述背景技术中的缺陷，提供一种旅客智能行程推荐系统和方法，大大缩短用户在筛选可行方案的时间，提高用户出行效率，从而提升用户体验。
为实现上述目的，本发明采用的技术方案如下：
一种旅客智能行程推荐系统，包括客户端和服务器端，所述客户端和服务器端之间通过Web服务器连接，所述的客户端包括天气状况显示模块、附近景点推荐模块、最优路线查询模块、用户个人主页模块和管理员模块；所述服务器端包括数据库和算法程序处理模块；以Client/Server结构作为系统的整体架构，通过javaweb，Spring+mybatis框架来搭建后台，并将后台部署在tomcat服务器上，并采用了mysql数据库来存储各个城市的站点信息以及车次信息，用户信息，通过客户端(网页端以及微信小程序端)与后台(服务器端)的通信实现实时天气状况显示、附近景点推荐、最优路线查询、用户个人主页、管理员管理；
所述天气状况显示模块通过调用和风天气api和用户地理位置api获得当前实时天气信息并显示；
所述附近景点推荐模块通过调用腾讯地理位置服务接口获得用户所处地理位置周边景点信息并显示；
所述数据库存储了已开通地铁的城市的地铁站信息，各个地铁线路信息，高铁站以及各个高铁车次信息，机场以及各个航班信息；
所述用户主页模块用户首次登陆时将用户个人信息保存在数据库中，可以从数据库中获取用户信息并在页面上展示；
所述最优路线查询模块向算法程序处理模块发送查询请求，用于查询最优线路；
所述算法程序处理模块接收查询请求，通过A*启发式搜索算法读取数据库数据，并将最优线路并返回推荐结果。
进一步的，所述最优路线查询模块根据用户对于时间，金钱需求当面结合地铁，飞机，高铁交通方式查询最优线路。
一种旅客智能行程推荐方法，包括以下步骤：
步骤一：算法程序处理模块周期更新扫描数据库，构建邻接表地图保存各站点信息；
步骤二：客户端向服务器端发送查询请求，所述查询请求包括出发城市和目标城市；
步骤三：服务器端接收查询请求，获取数据库数据，通过算法程序处理模块执行A*启发式搜索算法进行搜索；
步骤四：算法程序处理模块搜索完成后，将查询结果返回客户端显示。
进一步的，算法程序处理模块周期更新扫描数据库，根据数据库中事先保存的各站点信息构建邻接表地图，地图节点为站点名或机场名，两点间的边则保存车次或飞机班次信息；高铁、飞机、各城市地铁分别构图，地铁站中靠近高铁站和机场的枢纽站点特殊标记。
进一步的，算法程序处理模块接收查询请求，获取数据库数据，执行A*启发式搜索算法进行搜索具体包括以下方法：
服务器端接收查询请求，将查询请求统一解析为字符串格式将其作为参数传入算法程序处理模块，算法程序处理模块接收到字符串时，开始搜索各站点信息构建的邻接表地图数据,首先从出发地铁站开始，搜索出发城市地铁网络，搜索前往枢纽站点的路线；由枢纽站点接入高铁网络或机场网络，搜索到达目的城市的路线，到达目的城市后，再次接入该城市地铁站网络，搜索到达最终目标站点的最优路线。
进一步的，高铁网络和飞机网络中的行程规划算法使用A*启发式搜索算法，算法设计最优路线启发函数：
Fi(n)＝Gi(n)+Hi(n)；
其中，Gi(n)表示从出发站点到第i个中转站点的已花费代价；Hi(n)则表示从第i个中转站到目标城市的启发式评估代价；
Gi(n)计算方法如下：
设A*算法搜索到当前站点m时的绝对时间为tm，由m出发可到达中转站点xi时的绝对时间为ti，到达中转站点m时的已花费代价为G(m)，则中转站点xi的已花费代价G(ni)可表示为：
G(xi)＝G(m)+(ti-tm)
将G(m)以及m的各前节点的G值用相同方法表示，G(xi)可表示为：
Figure BDA0002395434900000041
其中，n表示m之前的站点数，tk表示到达编号为k的站点的时间，且tn+1＝tm，t0表示行程起始时的出发时间；
Hi(n)计算方法如下：
设估计代价为H(n)，实际代价为S,则当H(n)严格满足H(n)≤S时，A*算法必定可搜索出最优解，且H(n)与S越接近，A*算法搜索的多余路径越少。所述的Hi(n)包括最省时行程启发函数和最省钱启发函数：
最省时方案的H(n)评估的是花费时间，最省钱方案的H(n)评估的是花费金钱，具体计算方法如下：
最省时行程启发函数：
Figure BDA0002395434900000042
最省钱启发函数：
Figure BDA0002395434900000043
进一步的，各交通工具的所述票价比例系数的计算方法为：
Figure BDA0002395434900000044
其中n表示样本数量，Pi表示第i个样本的票价，ti表示行程的运行时间,K取比值的算数平均。
进一步的，所述A*启发式搜索算法设置阈值，过滤不合理方案，具体过滤方法如下：
搜索算法执行过程实时保存到达中转站点的绝对时间t，A*算法在选取下一可行的目标节点时，如果发现到达下一节点需要换乘，则将t+K1或t+K2的值作为实际到达时间T，再比较目标换乘车次或飞机的出发时间T0，如果T<T0，则表示该车次或航班实际换乘时间不足，该分支路线将被舍弃，不作为可行路线参与后续比较；此外，算法在搜索过程中对已到达的站点会进行访问标记，如果后续搜索路线再次到达该站点，则该分支路线会被直接舍弃，从而避免路线成环的情况发生。
进一步的，站点间直线距离计算方法包括为：数据库录入站点的经纬度信息，根据经纬度信息计算直线距离；站点间直线距离的计算方法为：
Figure BDA0002395434900000051
其中startLan表示起始点纬度值，startLon表示起始点经度值；endtLan表示末点的纬度值，endLon表示末点经度值。
有益效果：本发明用户进行查询输入后，查询结果及推荐方案能迅速给出，算法运行时间短，系统响应时间快，不同于其他市面上已存在的交通查询应用，“捷行”系统在查询方式上将城市交通与城际交通相结合，大大缩短用户在筛选可行方案的时间，提高用户出行效率，从而带来了良好的用户体验。
附图说明
图1本发明的系统框架图。
图2本发明的推荐方法示意图。
图3本发明的行程搜索示意图。
图4本发明的算法评估示意图。
具体实施方式
下面结合附图对技术方案的实施作进一步的详细描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示的一种实施例，一种旅客智能行程推荐系统，包括客户端和服务器端，所述客户端和服务器端之间通过Web服务器连接，所述的客户端包括天气状况显示模块、附近景点推荐模块、最优路线查询模块、用户个人主页模块和管理员模块；所述服务器端包括数据库和算法程序处理模块；以Client/Server结构作为系统的整体架构，通过javaweb，Spring+mybatis框架来搭建后台，并将后台部署在tomcat服务器上，并采用了mysql数据库来存储各个城市的站点信息以及车次信息，用户信息，通过客户端(网页端以及微信小程序端)与后台(服务器端)的通信实现实时天气状况显示、附近景点推荐、最优路线查询、用户个人主页、管理员管理；
所述天气状况显示模块通过调用和风天气api和用户地理位置api获得当前实时天气信息并显示；
所述附近景点推荐模块通过调用腾讯地理位置服务接口获得用户所处地理位置周边景点信息并显示；
所述数据库存储了已开通地铁的城市的地铁站信息，各个地铁线路信息，高铁站以及各个高铁车次信息，机场以及各个航班信息；
所述用户主页模块用户首次登陆时将用户个人信息保存在数据库中，可以从数据库中获取用户信息并在页面上展示；
所述最优路线查询模块向算法程序处理模块发送查询请求，用于查询最优线路；
所述算法程序处理模块接收查询请求，通过A*启发式搜索算法读取数据库数据，并将最优线路并返回推荐结果。
进一步的，所述最优路线查询模块根据用户对于时间，金钱需求当面结合地铁，飞机，高铁交通方式查询最优线路。
如图2所示，一种旅客智能行程推荐方法，包括以下步骤：
步骤一：算法程序处理模块周期更新扫描数据库，构建邻接表地图保存各站点信息；
步骤二：客户端向服务器端发送查询请求，所述查询请求包括出发城市和目标城市；
步骤三：服务器端接收查询请求，获取数据库数据，通过算法程序处理模块执行A*启发式搜索算法进行搜索；
步骤四：算法程序处理模块搜索完成后，将查询结果返回客户端显示。
进一步的，算法程序处理模块周期更新扫描数据库，根据数据库中事先保存的各站点信息构建邻接表地图，地图节点为站点名或机场名，两点间的边则保存车次或飞机班次信息；高铁、飞机、各城市地铁分别构图，地铁站中靠近高铁站和机场的枢纽站点特殊标记；当日的全国高铁运行信息表和航班信息表已事先存入数据库中，参照高铁信息表和航班信息表构图时，假设高铁信息表中存在某一条信息为：编号G254列车由南京站上午8：00(以分钟为单位表示为绝对时间为480)出发，于8：30(绝对时间为510)到达徐州站，则表示南京和徐州之间可由G254列车直接相连，故连接一条边，将列车的各信息保存在边中；以相同方法扫描高铁表和航班表的全部信息条目后，即可完成建图。
进一步的，算法程序处理模块接收查询请求，获取数据库数据，执行A*启发式搜索算法进行搜索具体包括以下方法：
服务器端接收查询请求，将查询请求统一解析为字符串格式将其作为参数传入算法程序处理模块，算法程序处理模块接收到字符串时，开始搜索各站点信息构建的邻接表地图数据,首先从出发地铁站开始，搜索出发城市地铁网络，搜索前往枢纽站点的路线；由枢纽站点接入高铁网络或机场网络，搜索到达目的城市的路线，到达目的城市后，再次接入该城市地铁站网络，搜索到达最终目标站点的最优路线；
如图3所示，设搜索的起始站为城市A的某地铁站m，则下一步会在城市A地铁网络中搜索站点m到城市A的各枢纽站点Ni的路线；搜索到枢纽站点Ni后，若Ni连接着高铁站p，则接下来将高铁站p作为起始站，进入全国高铁网络中搜索p到目的城市B的最优路线；若Ni连接的是城市A的机场q,则下面将机场q作为出发机场，进入全国客机运行网络搜索q到目的城市B的最优路线。考虑中途更换交通工具的情况，假设当前搜索路径到达了城市B的高铁站b，算法选取的下一站点为城市C的高铁站c，则如果城市C同时存在机场s，且高铁站c和机场s可由城市C的地铁到达(即c和s都存在枢纽地铁站)，算法会在继续当前高铁网络搜索路线的同时，考虑在城市C换乘飞机的情况，具体操作为：
以高铁站c的枢纽地铁站N1作为出发站，机场s的枢纽地铁站N2作为目标站，在城市C的地铁网络中搜索最优路线，实现搜索路线由高铁网络转移到飞机网络的目的(对应图3左侧)；由飞机网络转移到高铁网络搜索的方法相同(对应图3右侧)；在整个搜索过程中判断当前到达的高铁站或者机场是否属于目标城市B，如果属于，则直接由通过枢纽站点接入城市B的地铁网络搜索到达最终目标地铁站的路线；整个行程规划流程结束。
如图4所示，高铁网络和飞机网络中的行程规划算法使用A*启发式搜索算法，算法设计最优路线启发函数：
Fi(n)＝Gi(n)+Hi(n)；
其中，Gi(n)表示从出发站点到第i个中转站点的已花费代价；Hi(n)则表示从第i个中转站到目标城市的启发式评估代价；
Gi(n)计算方法如下：设A*算法搜索到当前站点m时的绝对时间为tm，由m出发可到达中转站点xi时的绝对时间为ti，到达中转站点m时的已花费代价为G(m)，则中转站点xi的已花费代价G(ni)可表示为：
G(xi)＝G(m)+(ti-tm)
将G(m)以及m的各前节点的G值用相同方法表示，G(xi)可表示为：
Figure BDA0002395434900000081
其中，n表示m之前的站点数，tk表示到达编号为k的站点的时间，且tn+1＝tm，t0表示行程起始时的出发时间；
Hi(n)计算方法如下：
设估计代价为H(n)，实际代价为S,则当H(n)严格满足H(n)≤S时，A*算法必定可搜索出最优解，且H(n)与S越接近，A*算法搜索的多余路径越少。所述的Hi(n)包括最省时行程启发函数和最省钱启发函数：
最省时方案的H(n)评估的是花费时间，最省钱方案的H(n)评估的是花费金钱，具体计算方法如下：
最省时行程启发函数：
Figure BDA0002395434900000091
最省钱启发函数：
Figure BDA0002395434900000092
进一步的，各交通工具的所述票价比例系数的计算方法为：
Figure BDA0002395434900000093
其中n表示样本数量，Pi表示第i个样本的票价，ti表示行程的运行时间,K取比值的算数平均，高铁取1.1，动车取0.85，飞机取3.5。
进一步的，所述A*启发式搜索算法设置阈值，过滤不合理方案，具体过滤方法如下：
搜索算法执行过程实时保存到达中转站点的绝对时间t，A*算法在选取下一可行的目标节点时，如果发现到达下一节点需要换乘，则将t+K1或t+K2的值作为实际到达时间T，再比较目标换乘车次或飞机的出发时间T0，如果T<T0，则表示该车次或航班实际换乘时间不足，该分支路线将被舍弃，不作为可行路线参与后续比较；
进一步的，站点间直线距离计算方法包括为：数据库录入站点的经纬度信息，根据经纬度信息计算直线距离；站点间直线距离的计算方法为：
Figure BDA0002395434900000101
其中startLan表示起始点纬度值，startLon表示起始点经度值；endtLan表示末点的纬度值，endLon表示末点经度值。
有益效果：本发明用户进行查询输入后，查询结果及推荐方案能迅速给出，算法运行时间短，系统响应时间快，不同于其他市面上已存在的交通查询应用，“捷行”系统在查询方式上将城市交通与城际交通相结合，从而带来了良好的用户体验。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (5)

1.一种旅客智能行程推荐方法，其特征在于：包括以下步骤：
步骤一：算法程序处理模块周期更新扫描数据库，构建邻接表地图保存各站点信息；
步骤二：客户端向服务器端发送查询请求，所述查询请求包括出发城市和目标城市；
步骤三：服务器端接收查询请求，获取数据库数据，通过算法程序处理模块执行A*启发式搜索算法进行搜索；
步骤四：算法程序处理模块搜索完成后，将查询结果返回客户端显示；
算法程序处理模块周期更新扫描数据库，根据数据库中事先保存的各站点信息构建邻接表地图，地图节点为站点名或机场名，两点间的边则保存车次或飞机班次信息；高铁、飞机、各城市地铁分别构图，地铁站中靠近高铁站和机场的枢纽站点特殊标记；
算法程序处理模块接收查询请求，获取数据库数据，执行A*启发式搜索算法进行搜索具体包括以下方法：
服务器端接收查询请求，将查询请求统一解析为字符串格式将其作为参数传入算法程序处理模块，算法程序处理模块接收到字符串时，开始搜索各站点信息构建的邻接表地图数据,首先从出发地铁站开始，搜索出发城市地铁网络，搜索前往枢纽站点的路线；由枢纽站点接入高铁网络或机场网络，搜索到达目的城市的路线，到达目的城市后，再次接入该目的城市地铁网络，搜索到达最终目标站点的最优路线；
高铁网络和飞机网络中的行程规划算法使用A*启发式搜索算法，算法设计最优路线启发函数：
Fi (n) ＝ G(i) +Hi (n)；
其中，G(i)表示从出发站点到第i个中转站点的已花费代价；Hi(n)则表示从第i个中转站点到目标站点的启发式评估代价；
G(i)计算方法如下：
设A*算法搜索从出发站点到当前站点m时的绝对时间为tm，从当前站点m出发可到达第i个中转站点时的绝对时间为ti，到达当前站点m时的已花费代价为G(m)，则第i个中转站点的已花费代价G(i)可表示为：
G(i)＝G(m)+(ti-tm)；
将G(m)以及m的各前节点的已花费代价用相同方法表示，G(i)可表示为：
Figure QLYQS_1
其中，m-1表示m之前的站点数，tk表示到达编号为k的站点的时间，t0表示行程起始时的出发时间；
Hi(n)计算方法如下：设从第i个中转站点到目标站点的启发式评估代价为Hi(n)，实际代价为S，则当Hi(n)严格满足Hi(n)≤S时，A*算法必定可搜索出最优解，且Hi(n)与S越接近，A*算法搜索的多余路径越少，所述的Hi(n)包括最省时行程启发函数和最省钱启发函数：
最省时方案评估的Hi(n)是花费时间，用THi(n)表示，最省钱方案评估Hi(n)的是花费金钱，用MHi(n)表示，具体计算方法如下：
最省时行程启发函数：
Figure QLYQS_2
最省钱启发函数：
Figure QLYQS_3
所述A*启发式搜索算法设置阈值，过滤不合理方案，具体过滤方法如下：
搜索算法执行过程实时保存到达当前站点m的绝对时间tm，A*算法在选取下一可行的目标节点时，如果发现到达下一节点需要换乘，则将tm+K1的值作为实际到达时间T，再比较目标换乘车次或飞机的出发时间T0如果T<T0，则表示该目标换乘车次或飞机的实际换乘时间不足，该目标换乘车次或飞机将被舍弃，不作为可行路线参与后续比较。
2.根据权利要求1所述的一种旅客智能行程推荐方法，其特征在于：各交通工具的票价比例系数计算方法为：
Figure QLYQS_4
其中，l表示样本数量，Pj表示第j个样本的票价，tj表示第j个样本的运行时间,K取比值的算数平均。
3.根据权利要求1所述的一种旅客智能行程推荐方法，其特征在于：站点间直线距离计算方法包括为：数据库录入站点的经纬度信息，根据经纬度信息计算直线距离；站点间直线距离的计算方法为：
Figure QLYQS_5
其中startLan表示起始点纬度值，startLon表示起始点经度值；endtLan表示末点的纬度值，endLon表示末点经度值。
4.一种基于权利要求1～3任一项所述的旅客智能行程推荐方法的旅客智能行程推荐系统，其特征在于：包括客户端和服务器端，所述客户端和服务器端之间通过Web服务器连接，所述的客户端包括天气状况显示模块、附近景点推荐模块、最优路线查询模块、用户个人主页模块和管理员模块；所述服务器端包括数据库和算法程序处理模块；
所述天气状况显示模块通过调用和风天气api和用户地理位置api获得当前实时天气信息并显示；
所述附近景点推荐模块通过调用腾讯地理位置服务接口获得用户所处地理位置周边景点信息并显示；
所述数据库存储了已开通地铁的城市的地铁站信息，各个地铁线路信息，高铁站以及各个高铁车次信息，机场以及各个航班信息；
所述用户个人主页模块用户首次登陆时将用户个人信息保存在数据库中，从数据库中获取用户信息并在页面上展示；
所述最优路线查询模块向算法程序处理模块发送查询请求，用于查询最优线路；
所述算法程序处理模块接收查询请求，通过A*启发式搜索算法读取数据库数据，并将最优线路并返回推荐结果。
5.根据权利要求4所述的一种旅客智能行程推荐系统，其特征在于：所述最优路线查询模块根据用户对于时间，金钱需求当面结合地铁，飞机，高铁交通方式查询最优线路。
CN202010129609.4A 2020-02-28 2020-02-28 一种旅客智能行程推荐系统和方法 Active CN111310077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010129609.4A CN111310077B (zh) 2020-02-28 2020-02-28 一种旅客智能行程推荐系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010129609.4A CN111310077B (zh) 2020-02-28 2020-02-28 一种旅客智能行程推荐系统和方法

Publications (2)

Publication Number Publication Date
CN111310077A CN111310077A (zh) 2020-06-19
CN111310077B true CN111310077B (zh) 2023-06-16

Family

ID=71160379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010129609.4A Active CN111310077B (zh) 2020-02-28 2020-02-28 一种旅客智能行程推荐系统和方法

Country Status (1)

Country Link
CN (1) CN111310077B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113297465B (zh) * 2020-07-01 2024-08-23 阿里巴巴集团控股有限公司 提供交通方案信息的方法、装置及电子设备
CN111984877B (zh) * 2020-07-09 2023-11-07 北京北大千方科技有限公司 机场陆侧旅客出行链构建方法、系统、存储介质及终端
CN111833153B (zh) * 2020-07-17 2024-03-05 深圳市活力天汇科技股份有限公司 一种购买高铁票时推荐航班的方法
CN112419104A (zh) * 2020-12-25 2021-02-26 广州广真易旅行社有限公司 一种基于大数据的旅客信息管理系统
CN112766606B (zh) * 2021-02-02 2022-02-08 腾讯科技（深圳）有限公司 交通路线的规划方法、装置、设备及计算机可读存储介质
CN113221028B (zh) * 2021-05-17 2022-04-19 杭州快盈信息科技有限公司 一种基于最优策略的体验式路线搜索系统
CN113298325B (zh) * 2021-07-22 2021-10-01 中航信移动科技有限公司 用于行程中转的数据处理系统
CN116433308B (zh) * 2023-06-13 2023-08-15 西南交通大学 一种基于进出站时间的多制式轨道交通动态计价方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739617A (zh) * 2009-12-18 2010-06-16 北京邮电大学 基于pda的旅游智能行程导航系统
JP2011133491A (ja) * 2011-03-19 2011-07-07 Navitime Japan Co Ltd ナビゲーションシステム、経路探索サーバ及び経路探索方法
CN103364002A (zh) * 2012-03-30 2013-10-23 北京掌城科技有限公司 结合实时路况及公共交通运营信息的路线规划系统和方法
CN107024217A (zh) * 2016-02-01 2017-08-08 北京迈维出行科技有限公司 城际交通的路线规划的方法、装置及系统
CN110288849A (zh) * 2019-07-29 2019-09-27 电子科技大学 一种基于混合交通模式的出行路线推荐方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739617A (zh) * 2009-12-18 2010-06-16 北京邮电大学 基于pda的旅游智能行程导航系统
JP2011133491A (ja) * 2011-03-19 2011-07-07 Navitime Japan Co Ltd ナビゲーションシステム、経路探索サーバ及び経路探索方法
CN103364002A (zh) * 2012-03-30 2013-10-23 北京掌城科技有限公司 结合实时路况及公共交通运营信息的路线规划系统和方法
CN107024217A (zh) * 2016-02-01 2017-08-08 北京迈维出行科技有限公司 城际交通的路线规划的方法、装置及系统
CN110288849A (zh) * 2019-07-29 2019-09-27 电子科技大学 一种基于混合交通模式的出行路线推荐方法

Also Published As

Publication number Publication date
CN111310077A (zh) 2020-06-19

Similar Documents

Publication Publication Date Title
CN111310077B (zh) 一种旅客智能行程推荐系统和方法
Balac et al. The prospects of on-demand urban air mobility in Zurich, Switzerland
CN105844362B (zh) 一种城市交通综合出行决策装置
CN107545320B (zh) 一种基于图论的城市轨道交通乘客路径规划方法及系统
CN106203725A (zh) 基于启发式搜索的门到门出行路径方案个性化推荐方法
Zhang et al. Analyzing customized bus service on a multimodal travel corridor: An analytical modeling approach
CN103678489A (zh) 智慧城市出行信息推荐方法及装置
CN110309962B (zh) 基于时间扩展模型的铁路行程路线规划方法及装置
CN106651728B (zh) 一种综合运输体系客运方式优势运距的确定方法
CN101216913A (zh) 合乘动态匹配多级筛选方法
Chen et al. The node-place analysis on the “hubtropolis” urban form: The case of Shanghai Hongqiao air-rail hub
CN110222912B (zh) 基于时间依赖模型的铁路行程路线规划方法及装置
CN109446381A (zh) 一种基于时态图的公共交通路网集成方法
WO2018130084A1 (zh) 交通信息的获取方法、装置及非暂态计算机可读存储介质
CN115168529B (zh) 一种基于手机定位数据的枢纽客流溯源方法
CN111368149A (zh) 网络化运营条件下基于图论的行程可达性计算和展示方法、计算机设备及存储介质
Zhou et al. Intelligent travel planning system based on A-star algorithm
CN117745108B (zh) 一种先进空中交通的客流需求预测方法和系统
CN116128172A (zh) 一种空铁联运路线生成方法、系统及设备和存储介质
CN111340673A (zh) 一种基于空铁耦合网络的出行耗时计算方法
CN110567474B (zh) 基于大数据的出租车实时巡游路线推荐系统及方法
CN110674990B (zh) 设置滑动窗口更新机制的即时配送路径选择方法及系统
CN113053156B (zh) 一种智能公交半径法站点寻址方法
JP2018181359A (ja) 情報処理システム、情報処理サーバ、情報処理方法、および、情報処理プログラム
Vanderwaart et al. Applications of Inferred Origins, Destinations, and Interchanges in Bus Service Planning

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