CN112231595B - 基于大数据的智慧旅游目标匹配系统及方法 - Google Patents
基于大数据的智慧旅游目标匹配系统及方法 Download PDFInfo
- Publication number
- CN112231595B CN112231595B CN202011088707.4A CN202011088707A CN112231595B CN 112231595 B CN112231595 B CN 112231595B CN 202011088707 A CN202011088707 A CN 202011088707A CN 112231595 B CN112231595 B CN 112231595B
- Authority
- CN
- China
- Prior art keywords
- destination
- preferred
- tourist
- factor
- module
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 21
- 206010067484 Adverse reaction Diseases 0.000 claims description 27
- 230000006838 adverse reaction Effects 0.000 claims description 27
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004162 soil erosion Methods 0.000 claims 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
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
- G06F16/9535—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
- G06F16/20—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
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的智慧旅游目标匹配系统及方法，所述匹配系统包括用户信息输入模块、旅游目的地预筛选模块和最佳旅游目的地选取模块，所述用户信息输入模块用于供用户预先输入多个候选旅游目的地以及预计旅游日期，并获取用户旅游时是否预计携带儿童，并在用户预计携带儿童时，令旅游目的地预筛选模块预先筛选候选旅游目的地，所述最佳旅游目的地选取模块采集筛选后的候选旅游目的地的天气情况、人流量情况和景点分布情况，并据此选取最佳旅游目的地推送给用户。
Description
技术领域
本发明涉及大数据技术领域，具体为一种基于大数据的智慧旅游目标匹配系统及方法。
背景技术
旅是旅行，外出，即为了实现某一目的而在空间上从甲地到乙地的行进过程；游是外出游览、观光、娱乐，即为达到这些目的所作的旅行。二者合起来即旅游亲子旅游可以增进家庭成员间的感情可以培养小孩的认知能力，让孩子增长见识，可以锻炼小孩的语言能力增强孩子的沟通能力，培养情商从身体和精神上增强孩子适应环境的能力方法。但是现有技术中，在带孩子旅游时，选取旅游目的地是个难题。
发明内容
本发明的目的在于提供一种基于大数据的智慧旅游目标匹配系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的智慧旅游目标匹配系统，所述匹配系统包括用户信息输入模块、旅游目的地预筛选模块和最佳旅游目的地选取模块，所述用户信息输入模块用于供用户预先输入多个候选旅游目的地以及预计旅游日期，并获取用户旅游时是否预计携带儿童，并在用户预计携带儿童时，令旅游目的地预筛选模块预先筛选候选旅游目的地，所述最佳旅游目的地选取模块采集筛选后的候选旅游目的地的天气情况、人流量情况和景点分布情况，并据此选取最佳旅游目的地推送给用户。
进一步的，所述旅游目的地预筛选模块包括儿童身体状况采集比较模块、旅游目的地不良反应采集模块和优选旅游目的地选取模块，所述儿童身体状况采集模块用于采集被携带儿童在最近一段时间内的生病频率，并将生病频率与生病频率阈值进行比较，在生病频率大于等于生病频率阈值时令所述旅游目的地不良反应采集模块根据候选旅游目的发生水土不服的游客数和在该候选旅游目的地的游客总数计算出候选旅游目的地的不良反应率，所述优选旅游目的地选取模块在某个候选旅游目的地的不良反应率小于等于不良反应率阈值，选取该候选旅游目的地为优选旅游目的地。
进一步的，所述最佳旅游目的地选取模块包括天气因素获取模块、人流量因素获取模块、景点因素获取模块、综合参考因素计算模块和排序比较模块，所述天气因素获取模块获取各个优选旅游目的地在预期旅游日期内的天气情况，并据此获取天气因素；所述人流量因素获取模块包括第一人流量因素获取模块、第二人流量因素获取模块和人流量总因素计算模块，所述第一人流量因素获取模块根据优选旅游目的地去年同期的旅游人数以及优选旅游目的地去年同期的旅游人数之和计算该优选旅游目的地的第一人流量因素，所述第二人流量因素获取模块根据某个优选旅游目的地去年同期的旅游人数以及该个优选旅游目的地的当地常驻人数计算该优选旅游目的地的第让他人流量因素，所述人流量总因素计算模块根据第一人流量因素和第二人流量因素计算该个优选旅游目的地的人流量总因素；所述景点因素获取模块根据优选旅游目的地中各个景点的地理位置情况，并据此获取景点因素；所述综合参考因素计算模块根据天气因素、人流量因素和景点因素计算各个优选旅游目的地的综合参考因素，所述排序比较模块将各个优选旅游目的地的综合参考因素按照从大到小的顺序排序，选取排序第一的优选旅游目的地为最佳旅游目的地，并将最佳旅游目的地推送给用户。
进一步的，所述天气因素获取模块包括第一天气因素获取模块、第二天气因素获取模块和天气因素计算模块，所述第一天气因素获取模块根据某个优选旅游目的地在预期旅游日期内的天气为晴天和阴天的天数之和与预期旅游日期的总天数计算第一天气因素，所述第二天气因素获取模块根据儿童常驻地最近一个月内的平均温度和各个优选旅游目的地的在预期旅游内的平均温度计算第二天气因素，所述天气因素计算模块根据第一天气因素和第二天气因素计算各个优选旅游目的地的天气因素；所述景点因素获取模块包括第一景点因素获取模块、第二景点因素获取模块和景点因素计算模块，所述第一景点因素获取模块根据每个优选旅游目的地的景点的地形为平原的景点个数和每个优选旅游地点的景点个数计算第一景点因素，所述第二景点因素获取模块根据各个优选旅游目的地内相邻两个景点之间距离计算各个优选旅游目的地的第二景点因素，所述景点因素计算模块根据各个优选旅游目的地的第一景点因素和第二景点因素计算各个优选旅游目的地的景点因素。
一种基于大数据的智慧旅游目标匹配方法，所述匹配方法包括以下步骤：
用户预先输入多个候选旅游目的地以及预计旅游日期，并获取用户旅游时是否预计携带儿童，如果用户预计携带儿童，预先筛选候选旅游目的地；
采集筛选后的候选旅游目的地的天气情况、人流量情况和景点分布情况，并据此选取最佳旅游目的地推送给用户。
进一步的，所述预先筛选候选旅游目的地包括以下：
采集被携带儿童在最近一段时间内的身体状况，如果被携带儿童在最近一段时间内的生病频率大于等于生病频率阈值，采集某个候选旅游目的地的不良反应率，如果该候选旅游目的地的不良反应率小于等于不良反应率阈值，那么该候选旅游目的地为优选旅游目的地。
进一步的，所述选取最佳旅游目的地推送给用户包括以下：
步骤A：分别获取各个优选旅游目的地在预期旅游日期内的天气情况，并据此获取天气因素q；
步骤B：采集各个优选旅游目的地去年同期的旅游人数b1，计算各个优选旅游目的地的第一人流量因素r1＝1-b1/bz，其中，bz为各个优选旅游目的地去年同期的旅游人数之和，各个优选旅游目的地的第二人流量因素r2＝bv/(bv+b1)，其中，bv为优选旅游目的地的当地常驻人数；
那么人流量总因素r＝0.7*r1+0.3*r2；
步骤C：分别采集优选旅游目的地中各个景点的地理位置情况，并据此获取景点因素s；
步骤D：那么各个优选旅游目的地的综合参考因素Z＝0.3*q+0.3*r+0.4*s，将各个优选旅游目的地的综合参考因素按照从大到小的顺序排序，选取排序第一的优选旅游目的地为最佳旅游目的地，并将最佳旅游目的地推送给用户。
进一步的，所述据此获取天气因素q包括以下：
步骤A1：分别获取各个优选旅游目的地在预期旅游日期内的天气为晴天和阴天的天数之和d1，那么第一天气因素q1＝d1/dz，其中，dz为预期旅游日期的总天数；
步骤A2：采集儿童常驻地最近一个月内的平均温度T0，各个优选旅游目的地的在预期旅游内的平均温度Tc，计算各个优选旅游目的地的第二天气因素q2＝|Tc-T0|/T0；
步骤A3：那么各个优选旅游目的地的天气因素q＝0.4*q1+0.6*q2。
进一步的，所述据此获取景点因素s包括：
步骤C1：分别统计每个优选旅游目的地的景点的地形为平原的景点个数sp，那么各个优选旅游目的地第一景点因素s1＝sp/sz，其中，sz为每个优选旅游地点的景点个数；
步骤C2：采集各个优选旅游目的地内相邻两个景点之间距离，那么某个优选旅游目的地的相邻两个景点之间的平均距离
其中，di为该个优选旅游目的地第i个景点和第i+1个景点之间的距离，e为该个优选旅游目的地的景点个数减1，
那么某个优选旅游目的地的第二景点因素s2＝(D1-Dmin)/(Dmax-Dmin)，其中，D1为该个优选旅游目的地的相邻两个景点之间的平均距离，Dmin为所有优选旅游目的地的相邻两个景点之间的平均距离中的最小值，Dmax为所有优选旅游目的地的相邻两个景点之间的平均距离中的最大值；
步骤C3：那么各个优选旅游目的地的景点因素s＝0.5*s1+0.5*s2。
进一步的，所述某候选旅游目的地的不良反应率p＝v/w，其中，v为在候选旅游目的发生水土不服的游客数，w在该候选旅游目的地的游客数。
与现有技术相比，本发明所达到的有益效果是：本发明根据旅游目的地的天气因素、人流量因素和景点因素选取适合携带儿童的最佳旅游目的地，同时在选取最佳旅游目的地前先对旅游目的地进行筛选，减少了儿童在旅游过程中发生不适的概率，提高旅游体验。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明基于大数据的智慧旅游目标匹配系统的模块示意图。
具体实施方式
下面将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。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：一种基于大数据的智慧旅游目标匹配系统，所述匹配系统包括用户信息输入模块、旅游目的地预筛选模块和最佳旅游目的地选取模块，所述用户信息输入模块用于供用户预先输入多个候选旅游目的地以及预计旅游日期，并获取用户旅游时是否预计携带儿童，并在用户预计携带儿童时，令旅游目的地预筛选模块预先筛选候选旅游目的地，所述最佳旅游目的地选取模块采集筛选后的候选旅游目的地的天气情况、人流量情况和景点分布情况，并据此选取最佳旅游目的地推送给用户。
所述旅游目的地预筛选模块包括儿童身体状况采集比较模块、旅游目的地不良反应采集模块和优选旅游目的地选取模块，所述儿童身体状况采集模块用于采集被携带儿童在最近一段时间内的生病频率，并将生病频率与生病频率阈值进行比较，在生病频率大于等于生病频率阈值时令所述旅游目的地不良反应采集模块根据候选旅游目的发生水土不服的游客数和在该候选旅游目的地的游客总数计算出候选旅游目的地的不良反应率，所述优选旅游目的地选取模块在某个候选旅游目的地的不良反应率小于等于不良反应率阈值，选取该候选旅游目的地为优选旅游目的地。
所述最佳旅游目的地选取模块包括天气因素获取模块、人流量因素获取模块、景点因素获取模块、综合参考因素计算模块和排序比较模块，所述天气因素获取模块获取各个优选旅游目的地在预期旅游日期内的天气情况，并据此获取天气因素；所述人流量因素获取模块包括第一人流量因素获取模块、第二人流量因素获取模块和人流量总因素计算模块，所述第一人流量因素获取模块根据优选旅游目的地去年同期的旅游人数以及优选旅游目的地去年同期的旅游人数之和计算该优选旅游目的地的第一人流量因素，所述第二人流量因素获取模块根据某个优选旅游目的地去年同期的旅游人数以及该个优选旅游目的地的当地常驻人数计算该优选旅游目的地的第让他人流量因素，所述人流量总因素计算模块根据第一人流量因素和第二人流量因素计算该个优选旅游目的地的人流量总因素；所述景点因素获取模块根据优选旅游目的地中各个景点的地理位置情况，并据此获取景点因素；所述综合参考因素计算模块根据天气因素、人流量因素和景点因素计算各个优选旅游目的地的综合参考因素，所述排序比较模块将各个优选旅游目的地的综合参考因素按照从大到小的顺序排序，选取排序第一的优选旅游目的地为最佳旅游目的地，并将最佳旅游目的地推送给用户。
所述天气因素获取模块包括第一天气因素获取模块、第二天气因素获取模块和天气因素计算模块，所述第一天气因素获取模块根据某个优选旅游目的地在预期旅游日期内的天气为晴天和阴天的天数之和与预期旅游日期的总天数计算第一天气因素，所述第二天气因素获取模块根据儿童常驻地最近一个月内的平均温度和各个优选旅游目的地的在预期旅游内的平均温度计算第二天气因素，所述天气因素计算模块根据第一天气因素和第二天气因素计算各个优选旅游目的地的天气因素；所述景点因素获取模块包括第一景点因素获取模块、第二景点因素获取模块和景点因素计算模块，所述第一景点因素获取模块根据每个优选旅游目的地的景点的地形为平原的景点个数和每个优选旅游地点的景点个数计算第一景点因素，所述第二景点因素获取模块根据各个优选旅游目的地内相邻两个景点之间距离计算各个优选旅游目的地的第二景点因素，所述景点因素计算模块根据各个优选旅游目的地的第一景点因素和第二景点因素计算各个优选旅游目的地的景点因素。
一种基于大数据的智慧旅游目标匹配方法，所述匹配方法包括以下步骤：
用户预先输入多个候选旅游目的地以及预计旅游日期，并获取用户旅游时是否预计携带儿童，如果用户预计携带儿童，预先筛选候选旅游目的地；
所述预先筛选候选旅游目的地包括以下：
采集被携带儿童在最近一段时间内的身体状况，如果被携带儿童在最近一段时间内的生病频率大于等于生病频率阈值，采集某个候选旅游目的地的不良反应率，如果该候选旅游目的地的不良反应率小于等于不良反应率阈值，那么该候选旅游目的地为优选旅游目的地；
所述某候选旅游目的地的不良反应率p＝v/w，其中，v为在候选旅游目的发生水土不服的游客数，w在该候选旅游目的地的游客数；水土不服是指游客在旅游所在地中发生腹泻和呕吐的情况，儿童的身体素质相对成年人的身体素质较弱，因此在带儿童旅游时，应当选择，游客发生水土不服概率较低、自然环境较好、饮食文化比较温和的地方作为旅游目的地。
采集筛选后的候选旅游目的地的天气情况、人流量情况和景点分布情况，并据此选取最佳旅游目的地推送给用户；
所述选取最佳旅游目的地推送给用户包括以下：
步骤A：分别获取各个优选旅游目的地在预期旅游日期内的天气情况，并据此获取天气因素q；
据此获取天气因素q包括以下：
步骤A1：分别获取各个优选旅游目的地在预期旅游日期内的天气为晴天和阴天的天数之和d1，那么第一天气因素q1＝d1/dz，其中，dz为预期旅游日期的总天数；
步骤A2：采集儿童常驻地最近一个月内的平均温度T0，各个优选旅游目的地的在预期旅游内的平均温度Tc，计算各个优选旅游目的地的第二天气因素q2＝|Tc-T0|/T0；
步骤A3：那么各个优选旅游目的地的天气因素q＝0.4*q1+0.6*q2；天气为晴天或阴天便于在旅游目的地携带儿童出去旅游，获取第二天气因素，减少因为两地的温度差距过大，儿童无法适应导致生病的概率；
步骤B：采集各个优选旅游目的地去年同期的旅游人数b1，计算各个优选旅游目的地的第一人流量因素r1＝1-b1/bz，其中，bz为各个优选旅游目的地去年同期的旅游人数之和，各个优选旅游目的地的第二人流量因素r2＝bv/(bv+b1)，其中，bv为优选旅游目的地的当地常驻人数；
那么人流量总因素r＝0.7*r1+0.3*r2；如果旅游目的地的人流量太多，更加容易发生儿童走散的情况，并且人流量太多会影响旅游体验；
步骤C：分别采集优选旅游目的地中各个景点的地理位置情况，并据此获取景点因素s
获取景点因素s包括：
步骤C1：分别统计每个优选旅游目的地的景点的地形为平原的景点个数sp，那么各个优选旅游目的地第一景点因素s1＝sp/sz，其中，sz为每个优选旅游地点的景点个数；
步骤C2：采集各个优选旅游目的地内相邻两个景点之间距离，那么某个优选旅游目的地的相邻两个景点之间的平均距离
其中，di为该个优选旅游目的地第i个景点和第i+1个景点之间的距离，e为该个优选旅游目的地的景点个数减1；某个优选旅游目的地的相邻两个景点之间的平均距离为该优选旅游目的地的相邻两个景点之间的距离之和除以该优选旅游目的地的景点个数减一的差；
那么某个优选旅游目的地的第二景点因素s2＝(D1-Dmin)/(Dmax-Dmin)，其中，D1为该个优选旅游目的地的相邻两个景点之间的平均距离，Dmin为所有优选旅游目的地的相邻两个景点之间的平均距离中的最小值，Dmax为所有优选旅游目的地的相邻两个景点之间的平均距离中的最大值；
步骤C3：那么各个优选旅游目的地的景点因素s＝0.5*s1+0.5*s2；儿童的体力相对成年人的体力较弱，所以选择景点的选择地形较为平缓的地方，景点距离相对较近的地方，防止儿童的体力消耗过多，防止儿童过累；
步骤D：那么各个优选旅游目的地的综合参考因素Z＝0.3*q+0.3*r+0.4*s，将各个优选旅游目的地的综合参考因素按照从大到小的顺序排序，选取排序第一的优选旅游目的地为最佳旅游目的地，并将最佳旅游目的地推送给用户。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于大数据的智慧旅游目标匹配系统，其特征在于：所述匹配系统包括用户信息输入模块、旅游目的地预筛选模块和最佳旅游目的地选取模块，所述用户信息输入模块用于供用户预先输入多个候选旅游目的地以及预计旅游日期，并获取用户旅游时是否预计携带儿童，并在用户预计携带儿童时，令旅游目的地预筛选模块预先筛选候选旅游目的地，所述最佳旅游目的地选取模块采集筛选后的候选旅游目的地的天气情况、人流量情况和景点分布情况，并据此选取最佳旅游目的地推送给用户；
所述旅游目的地预筛选模块包括儿童身体状况采集比较模块、旅游目的地不良反应采集模块和优选旅游目的地选取模块，所述儿童身体状况采集模块用于采集被携带儿童在最近一段时间内的生病频率，并将生病频率与生病频率阈值进行比较，在生病频率大于等于生病频率阈值时令所述旅游目的地不良反应采集模块根据候选旅游目的发生水土不服的游客数和在该候选旅游目的地的游客总数计算出候选旅游目的地的不良反应率，所述优选旅游目的地选取模块在某个候选旅游目的地的不良反应率小于等于不良反应率阈值，选取该候选旅游目的地为优选旅游目的地；
所述最佳旅游目的地选取模块包括天气因素获取模块、人流量因素获取模块、景点因素获取模块、综合参考因素计算模块和排序比较模块，所述天气因素获取模块获取各个优选旅游目的地在预期旅游日期内的天气情况，并据此获取天气因素；所述人流量因素获取模块包括第一人流量因素获取模块、第二人流量因素获取模块和人流量总因素计算模块，所述第一人流量因素获取模块根据优选旅游目的地去年同期的旅游人数以及优选旅游目的地去年同期的旅游人数之和计算该优选旅游目的地的第一人流量因素，所述第二人流量因素获取模块根据某个优选旅游目的地去年同期的旅游人数以及该个优选旅游目的地的当地常驻人数计算该优选旅游目的地的人流量总因素，所述人流量总因素计算模块根据第一人流量因素和第二人流量因素计算该个优选旅游目的地的人流量总因素；所述景点因素获取模块根据优选旅游目的地中各个景点的地理位置情况，并据此获取景点因素；所述综合参考因素计算模块根据天气因素、人流量因素和景点因素计算各个优选旅游目的地的综合参考因素，所述排序比较模块将各个优选旅游目的地的综合参考因素按照从大到小的顺序排序，选取排序第一的优选旅游目的地为最佳旅游目的地，并将最佳旅游目的地推送给用户；
所述天气因素获取模块包括第一天气因素获取模块、第二天气因素获取模块和天气因素计算模块，所述第一天气因素获取模块根据某个优选旅游目的地在预期旅游日期内的天气为晴天和阴天的天数之和与预期旅游日期的总天数计算第一天气因素，所述第二天气因素获取模块根据儿童常驻地最近一个月内的平均温度和各个优选旅游目的地的在预期旅游内的平均温度计算第二天气因素，所述天气因素计算模块根据第一天气因素和第二天气因素计算各个优选旅游目的地的天气因素；所述景点因素获取模块包括第一景点因素获取模块、第二景点因素获取模块和景点因素计算模块，所述第一景点因素获取模块根据每个优选旅游目的地的景点的地形为平原的景点个数和每个优选旅游地点的景点个数计算第一景点因素，所述第二景点因素获取模块根据各个优选旅游目的地内相邻两个景点之间距离计算各个优选旅游目的地的第二景点因素，所述景点因素计算模块根据各个优选旅游目的地的第一景点因素和第二景点因素计算各个优选旅游目的地的景点因素；
所述匹配系统包括以下工作步骤：
用户预先输入多个候选旅游目的地以及预计旅游日期，并获取用户旅游时是否预计携带儿童，如果用户预计携带儿童，预先筛选候选旅游目的地；
采集筛选后的候选旅游目的地的天气情况、人流量情况和景点分布情况，并据此选取最佳旅游目的地推送给用户；
所述预先筛选候选旅游目的地包括以下：
采集被携带儿童在最近一段时间内的身体状况，如果被携带儿童在最近一段时间内的生病频率大于等于生病频率阈值，采集某个候选旅游目的地的不良反应率，如果该候选旅游目的地的不良反应率小于等于不良反应率阈值，那么该候选旅游目的地为优选旅游目的地；
所述选取最佳旅游目的地推送给用户包括以下：
步骤A：分别获取各个优选旅游目的地在预期旅游日期内的天气情况，并据此获取天气因素q；
步骤B：采集各个优选旅游目的地去年同期的旅游人数b1，计算各个优选旅游目的地的第一人流量因素r1＝1-b1/bz，其中，bz为各个优选旅游目的地去年同期的旅游人数之和，各个优选旅游目的地的第二人流量因素r2＝bv/(bv+b1)，其中，bv为优选旅游目的地的当地常驻人数；
那么人流量总因素r＝0.7*r1+0.3*r2；
步骤C：分别采集优选旅游目的地中各个景点的地理位置情况，并据此获取景点因素s；步骤D：那么各个优选旅游目的地的综合参考因素Z＝0.3*q+0.3*r+0.4*s，将各个优选旅游目的地的综合参考因素按照从大到小的顺序排序，选取排序第一的优选旅游目的地为最佳旅游目的地，并将最佳旅游目的地推送给用户；
所述据此获取天气因素q包括以下：
步骤A1：分别获取各个优选旅游目的地在预期旅游日期内的天气为晴天和阴天的天数之和d1，那么第一天气因素q1＝d1/dz，其中，dz为预期旅游日期的总天数；
步骤A2：采集儿童常驻地最近一个月内的平均温度T0，各个优选旅游目的地的在预期旅游内的平均温度Tc，计算各个优选旅游目的地的第二天气因素q2＝|Tc-T0|/T0；步骤A3：那么各个优选旅游目的地的天气因素q＝0.4*q1+0.6*q2；
所述据此获取景点因素s包括：
步骤C1：分别统计每个优选旅游目的地的景点的地形为平原的景点个数sp，那么各个优选旅游目的地第一景点因素s1＝sp/sz，其中，sz为每个优选旅游地点的景点个数；
步骤C2：采集各个优选旅游目的地内相邻两个景点之间距离，那么某个优选旅游目的地的相邻两个景点之间的平均距离
其中，di为该个优选旅游目的地第i个景点和第i+1个景点之间的距离，e为该个优选旅游目的地的景点个数减1，
那么某个优选旅游目的地的第二景点因素s2＝(D1-Dmin)/(Dmax-Dmin)，其中，D1为该个优选旅游目的地的相邻两个景点之间的平均距离，Dmin为所有优选旅游目的地的相邻两个景点之间的平均距离中的最小值，Dmax为所有优选旅游目的地的相邻两个景点之间的平均距离中的最大值；
步骤C3：那么各个优选旅游目的地的景点因素
s＝0.5*s1+0.5*s2；
所述某候选旅游目的地的不良反应率p＝v/w，其中，v为在候选旅游目的发生水土不服的游客数，w在该候选旅游目的地的游客数。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111124086.5A CN113946748A (zh) | 2020-10-13 | 2020-10-13 | 基于大数据的智慧旅游目标匹配系统 |
| CN202011088707.4A CN112231595B (zh) | 2020-10-13 | 2020-10-13 | 基于大数据的智慧旅游目标匹配系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011088707.4A CN112231595B (zh) | 2020-10-13 | 2020-10-13 | 基于大数据的智慧旅游目标匹配系统及方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111124086.5A Division CN113946748A (zh) | 2020-10-13 | 2020-10-13 | 基于大数据的智慧旅游目标匹配系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112231595A CN112231595A (zh) | 2021-01-15 |
| CN112231595B true CN112231595B (zh) | 2021-10-26 |
Family
ID=74113349
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011088707.4A Active CN112231595B (zh) | 2020-10-13 | 2020-10-13 | 基于大数据的智慧旅游目标匹配系统及方法 |
| CN202111124086.5A Pending CN113946748A (zh) | 2020-10-13 | 2020-10-13 | 基于大数据的智慧旅游目标匹配系统 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111124086.5A Pending CN113946748A (zh) | 2020-10-13 | 2020-10-13 | 基于大数据的智慧旅游目标匹配系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN112231595B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113507623B (zh) * | 2021-07-09 | 2022-03-22 | 广东蕾特恩科技发展有限公司 | 一种基于数据分析的商品智能选品系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106599092A (zh) * | 2016-11-24 | 2017-04-26 | 宇龙计算机通信科技(深圳)有限公司 | 旅游景点的推荐方法及装置 |
| CN109919437A (zh) * | 2019-01-29 | 2019-06-21 | 特斯联（北京）科技有限公司 | 一种基于大数据的智慧旅游目标匹配方法和系统 |
| CN110175720A (zh) * | 2019-05-30 | 2019-08-27 | 上海苍潇穹宇数据科技有限公司 | 旅游行程规划方法及应用 |
| CN110298772A (zh) * | 2019-07-19 | 2019-10-01 | 赣南医学院 | 基于游客时空行为的健康旅游目的地规划与管理信息系统 |
| CN110297964A (zh) * | 2019-03-28 | 2019-10-01 | 特斯联（北京）科技有限公司 | 一种基于大数据分析的旅游景点推荐方法及装置 |
| CN110348694A (zh) * | 2019-06-14 | 2019-10-18 | 中南大学 | 一种基于大数据的智慧旅游决策系统及决策方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8666909B2 (en) * | 2007-11-02 | 2014-03-04 | Ebay, Inc. | Interestingness recommendations in a computing advice facility |
-
2020
- 2020-10-13 CN CN202011088707.4A patent/CN112231595B/zh active Active
- 2020-10-13 CN CN202111124086.5A patent/CN113946748A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106599092A (zh) * | 2016-11-24 | 2017-04-26 | 宇龙计算机通信科技(深圳)有限公司 | 旅游景点的推荐方法及装置 |
| CN109919437A (zh) * | 2019-01-29 | 2019-06-21 | 特斯联（北京）科技有限公司 | 一种基于大数据的智慧旅游目标匹配方法和系统 |
| CN110297964A (zh) * | 2019-03-28 | 2019-10-01 | 特斯联（北京）科技有限公司 | 一种基于大数据分析的旅游景点推荐方法及装置 |
| CN110175720A (zh) * | 2019-05-30 | 2019-08-27 | 上海苍潇穹宇数据科技有限公司 | 旅游行程规划方法及应用 |
| CN110348694A (zh) * | 2019-06-14 | 2019-10-18 | 中南大学 | 一种基于大数据的智慧旅游决策系统及决策方法 |
| CN110298772A (zh) * | 2019-07-19 | 2019-10-01 | 赣南医学院 | 基于游客时空行为的健康旅游目的地规划与管理信息系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113946748A (zh) | 2022-01-18 |
| CN112231595A (zh) | 2021-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110009455B (zh) | 一种基于网络表示学习的网约共享出行人员匹配方法 | |
| CN109743683B (zh) | 一种采用深度学习融合网络模型确定手机用户位置的方法 | |
| CN111681421B (zh) | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 | |
| CN108629323A (zh) | 一种景区游客链式出行一体化提供方法 | |
| CN106022527A (zh) | 基于地图瓦片和lstm循环神经网络的轨迹预测方法和装置 | |
| CN112231595B (zh) | 基于大数据的智慧旅游目标匹配系统及方法 | |
| CN109034187B (zh) | 一种用户家庭工作地址挖掘流程 | |
| CN113554353B (zh) | 一种避免空间淤积的公共自行车空间调度优化方法 | |
| CN111341135B (zh) | 基于兴趣点及导航数据的手机信令数据出行方式识别方法 | |
| CN116823534B (zh) | 一种基于多模态大模型的文旅行业智能服务虚拟人系统 | |
| CN109784416A (zh) | 基于手机信令数据的半监督svm的交通方式判别方法 | |
| Dijkstra et al. | Regional working paper 2014 | |
| CN114564544A (zh) | 面向地图综合的道路网相似度计算模型 | |
| CN114662774A (zh) | 一种城市街区活力预测方法、存储介质和终端 | |
| CN113342873B (zh) | 一种基于城市形态与汇聚模式的人口分析单元划分方法 | |
| CN114545528A (zh) | 一种基于机器学习的气象数值模式要素预报后订正方法和装置 | |
| CN114141008A (zh) | 一种基于手机信令数据的新型共享公共交通服务区域选取方法 | |
| Wang et al. | Road network design in a developing country using mobile phone data: An application to Senegal | |
| CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
| CN115130263B (zh) | 一种面向国土空间规划的多交通设施等时圈计算方法 | |
| CN114996544A (zh) | 一种基于手机信令数据和Mix-Markov模型的出行路径提取方法 | |
| CN112798007A (zh) | 一种基于人工智能与大数据的共享单车风感路线评估方法 | |
| WO2014187476A1 (en) | Method and system for predicting mobility demand of users | |
| CN106373046A (zh) | 一种基于用户期望的旅游资源推荐方法 | |
| CN113052084A (zh) | 一种基于手机定位数据的社区级矢量道路网提取方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211011 Address after: 610000 building 52, No. 16, Shengtong street, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan Applicant after: Sichuan lvtou Digital Information Industry Development Co., Ltd Address before: 215000 No. 481, Peiyuan Road, high tech Zone, Suzhou City, Jiangsu Province Applicant before: Wang Yan |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |