CN113077102B - 一种景观路线优化方法 - Google Patents

一种景观路线优化方法 Download PDF

Info

Publication number
CN113077102B
CN113077102B CN202110410383.XA CN202110410383A CN113077102B CN 113077102 B CN113077102 B CN 113077102B CN 202110410383 A CN202110410383 A CN 202110410383A CN 113077102 B CN113077102 B CN 113077102B
Authority
CN
China
Prior art keywords
road section
point
road
experience
goodness
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
CN202110410383.XA
Other languages
English (en)
Other versions
CN113077102A (zh
Inventor
黄文娟
黄志鹏
张楠
宋宴存
李明哲
孔志强
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.)
Hefei University of Technology
Original Assignee
Hefei University of 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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202110410383.XA priority Critical patent/CN113077102B/zh
Publication of CN113077102A publication Critical patent/CN113077102A/zh
Application granted granted Critical
Publication of CN113077102B publication Critical patent/CN113077102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种景观路线优化方法，包括：1、用户选取必经景点、终点；2、提取路网景点数据，包括各路段长度、各路段宽度、各路段通行能力；3、采用深度优先搜索算法搜索起点终点间的所有路径，保留经过必经点的所有路径记为有效路径；4、记路段断面最大客流量与该段道路通行能力之比为该路段拥挤程度；5、采用层次分析法获取体验优度指标；6、对各条有效路径，计算对应路径的路程长度、拥挤程度、体验优度；7、建立多目标优化模型，采用NSGA‑2算法求解模型，得到最优游览路线。本发明能通过NSGA‑2算法辅助路线寻优和多目标优化模型求解，解决景区路线规划与用户体验感不易结合的难题，并用深度优先搜索算法提升路线搜索速度和精度。

Description

一种景观路线优化方法
技术领域
本发明属于旅游交通领域，具体的说是一种景观路线优化方法。
背景技术
现有的景区路线规划主要围绕用户的行走距离、出行时间、花费等方面进行优化设计路线，这种路线规划缺乏个性化特性，且求解算法速度较慢，可以满足用户的基本需求，却难以兼顾用户的旅行体验感，同时也无法做到为用户制定个性化路线的效果。因此有必要基于用户的旅行体验为用户优化游览路线。
发明内容
本发明是为了解决上述现有技术存在的不足之处，提出一种景观路线优化方法，以期能，解决景区路线规划与用户体验感难结合的问题，并提升路线规划的速度和精度，从而能帮助游客选取最佳游览线路。
本发明为达到上述发明目的，采用如下技术方案：
本发明一种景观路线优化方法的特点是：根据所确定的景区内必经景点，按如下步骤获得最佳旅游线路：
步骤1：用户选择景区内出行的必经景点，得到出行必经点集V，且V＝{vi,...,vr,...,vj}，其中，vi表示游客出行的起点，vj表示游客出行的终点，vr表示第r个必经点，令n＝j-i表示起点vi与终点vj之间路段的条数，A表示必经点间的路段集合，且A＝{(i,i+1),...,(r,r+1),...,(j-1,j)}，(r,r+1)表示第r个必经点vr和第r+1个必经点vr+1间的路段；r＝1,2,…,j-1；当r＝1时，令vr＝vi；
步骤2：提取景区路网数据，包括：各路段的长度、各路段的宽度、各路段的通行能力，假设第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中共有Kr条路段，且记对第r个必经点vr和第r+1个必经点vr+1间路段(r,r+1)中任意一条路段的编号为kr，kr＝{1,2,...,Kr}，其中，第kr条路段的长度记为
Figure BDA0003023970740000011
第kr条路段的宽度记为
Figure BDA0003023970740000012
第kr条路段的通行能力记为
Figure BDA0003023970740000013
步骤3：利用深度优先搜索算法搜索所述起点vi与终点vj之间的所有路径，从所有路径中保留经过必经点的所有路径并作为有效路径，其中，第a条有效路径是由j个必经点及各个必经点之间的各个路段组成，将第a条有效路径中第r个必经点vr和第r+1个必经点vr+1间的所有路段记为(ar,ar+1)，路段(ar,ar+1)中共有
Figure BDA0003023970740000021
条路段，则路段(ar,ar+1)中任意一条路段的编号为
Figure BDA0003023970740000022
步骤4：根据第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中的第
Figure BDA0003023970740000023
条路段的长度
Figure BDA0003023970740000024
获取起点vi与终点vj之间所有路段的长度，从而组成路段长度集合为
Figure BDA0003023970740000025
利用式(1)计算起点vi与终点vj之间第a条有效路径的长度Xa，从而得到从起点vi到终点vj间的有效路径的长度集合YX＝{X1,X2,...,Xa,..,Xf}，并进行归一化处理，得出归一化后的有效路径长度集合YX′＝{X1′,X2′,...,Xa′,..,X′f}，其中，f表示有效路径总数，Xa′表示逆向化后的第a条有效路径的路程长度；
Figure BDA0003023970740000026
式(1)中，
Figure BDA0003023970740000027
为路段(ar,ar+1)中第
Figure BDA0003023970740000028
条路段的长度；
步骤5：设定游客日最大行走距离的上限值为xmax，则令路程约束为0＜xa＜xmax；
步骤6：获取第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中第
Figure BDA0003023970740000029
条路段的最大断面人流量
Figure BDA00030239707400000210
将第kr条路段的最大断面人流量
Figure BDA00030239707400000211
与对应路段的道路通行能力
Figure BDA00030239707400000212
相比，得出第
Figure BDA00030239707400000213
条路段的拥挤程度
Figure BDA00030239707400000214
从而得到各路段的拥挤程度集合
Figure BDA00030239707400000215
步骤7：通过式(2)计算第a条有效路径的拥挤程度Sa，得到从起点vi到终点vj间有效路径的拥挤程度集合YS＝{S1,S2,...,Sa,..,Sf}，并进行归一化处理，得出归一化后的拥挤程度集合YS′＝{S1′,S2′,...,Sa′,..,S′f}，其中，Sa′表示归一化后的第a条有效路径的拥挤程度；
Figure BDA00030239707400000216
式(2)中，
Figure BDA00030239707400000217
为路段(ar,ar+1)中第
Figure BDA00030239707400000218
条路段的拥挤程度；
步骤8：设定路段拥挤程度允许的上限值为Smax，则令拥挤程度约束为0＜Sa＜Smax；
步骤9：选定自然景观、人文景观和景区设施三个因素作为体验优度P的评价因子；提取用户的评价信息中不同评价因子所相应的评价内容的关键字，从而对关键字赋予相应的分值，对同一类评价因子所对应的分值进行加和后取平均值，得到三个评价因子的评价值；
步骤10：采用层次分析法获取三个评价因子的权重，将景区路段自然景观、人文景观和景区设施的评价值与相应的权重对应相乘再加和，从而得到第kr条路段的体验优度指标值
Figure BDA0003023970740000031
进而得到各条路段体验优度指标值的集合为
Figure BDA0003023970740000032
步骤11：利用式(3)计算第a条有效路径的体验优度Pa，从而得到从起点vi到终点vj间有效路径的体验优度集合YP＝{P1,P2,...,Pa,..,Pf}，并进行逆向化处理，得出逆向化后的体验优度集合YP′＝{P1′,P2′,...,Pa′,..,Pf′}；其中，Pa′表示逆向化后的第a条有效路径的体验优度；
Figure BDA0003023970740000033
式(3)中，
Figure BDA0003023970740000034
为路段(ar,ar+1)中第
Figure BDA0003023970740000035
条路段的体验优度；
步骤12：利用式(4)建立景区个性化路线寻优的多目标优化模型：
minZ＝α1·Xa′+α2·Sa′+α3·Pa′ (4)
式(4)中，Z为优化目标，α1、α2、α3分别为三个指标Xa′、Sa′、Pa′的修正系数；
步骤13：对所有有效路径归一化后的有效路径长度集合YX′＝{X1′,X2′,...,Xa′,..,X′f}、逆向化后的体验优度集合YP′＝{P1′,P2′,...,Pa′,..,Pf′}、逆向化后的体验优度集合YP′＝{P1′,P2′,...,Pa′,..,Pf′}按照拥挤算子进行非支配排序，得到各条有效路径的优先级，以最高优先级所对应的有效路径作为最佳旅游线路，其中，所述拥挤算子是由每条有效路径的修正系数分别乘以对应的三个指标后加和得到。
与现有技术相比，本发明的有益效果在于：
1、本发明考虑用户出行必经景点并景区路线的历史体验感进行评价，解决了现有路线规划中体验感考虑缺失的问题，对路程长度、拥挤程度、体验优度三个指标建立多目标优化模型，并采用NSGA-2算法进行求解多目标优化模型、深度优先搜索算法进行路径搜索，可以更快地、更准确地获得路线优度的排序，为游客提供最佳游览线路。
2、本发明允许游客选取出行必经景点，解决了用户对具体景点偏好的问题；更加符合实际用户需求。
3、本发明采用层次分析法对景区路段的用户历史体验感进行分析，并采用体验优度指标来表征，从而在指标选取层面更加贴合游客的出行体验需求；
4、本发明综合路程长度、拥挤程度、体验优度三个指标建立多目标优化模型，综合考虑了用户出行体验感方面的主要因素，大大提升了游客景区游览的体验感和舒适度；
附图说明
图1为本发明景区路线寻优方法路线图。
具体实施方式
本实施例中，一种景观路线优化方法，是根据所确定的景区内必经景点，并按如下步骤获得最佳旅游线路：
步骤1：用户选择景区内出行的必经景点，必经景点需包含终点，得到出行必经点集V，且V＝{vi,...,vr,...,vj}，选取的必经点集中除用户选择的点外还要加上起点，其中，vi表示游客出行的起点，vj表示游客出行的终点，vr表示第r个必经点，令n＝j-i表示起点vi与终点vj之间路段的条数，A表示必经点间的路段集合，必经点间的路段可能是多个普通路段的合集，如图1所示，图中两个必经点间要经过2、3两个普通景点，且A＝{(i,i+1),...,(r,r+1),...,(j-1,j)}，(r,r+1)表示第r个必经点vr和第r+1个必经点vr+1间的路段；r＝1,2,…,j-1；当r＝1时，令vr＝vi，起点是第一个必经点；
步骤2：提取景区路网数据，包括：各路段的长度、各路段的宽度(取两个必经点间所有普通路段宽度最小值，下同)、各路段的通行能力，假设第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中共有Kr条路段，且记对第r个必经点vr和第r+1个必经点vr+1间路段(r,r+1)中任意一条路段的编号为kr，kr＝{1,2,...,Kr}，不同相邻必经点间的路段条数不同，其中，第kr条路段的长度记为
Figure BDA0003023970740000041
第kr条路段的宽度记为
Figure BDA0003023970740000042
第kr条路段的通行能力记为
Figure BDA0003023970740000043
步骤3：在保留经过必经点的路径为有效路径的条件下，利用深度优先搜索算法搜索起点vi与终点vj之间的所有路径，即从所有路径中选取经过所有必经点的路线即为有效路径，其中，第a条有效路径是由j个必经点及各个必经点之间的各个路段组成，将第a条有效路径中第r个必经点vr和第r+1个必经点vr+1间的所有路段记为(ar,ar+1)，路段(ar,ar+1)中共有
Figure BDA0003023970740000051
条路段，则路段(ar,ar+1)中任意一条路段的编号为
Figure BDA0003023970740000052
每条有效路径中的必经点路段序号
Figure BDA0003023970740000053
排列组合成j-1位数，数的不同顺序表征对应有效路径；
利用式(1)计算起点vi与终点vj之间第a条有效路径的长度Xa，从而得到从起点vi到终点vj间的有效路径的长度集合YX＝{X1,X2,...,Xa,..,Xf}，并进行归一化处理，得出归一化后的有效路径长度集合YX′＝{X1′,X2′,...,Xa′,..,X′f}，其中，f表示有效路径总数，Xa′表示归一化后的第a条有效路径的路程长度；
Figure BDA0003023970740000054
式(1)中，
Figure BDA0003023970740000055
为路段(ar,ar+1)中第
Figure BDA0003023970740000056
条路段的长度；
步骤4：根据第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中的第
Figure BDA0003023970740000057
条路段的长度
Figure BDA0003023970740000058
获取起点vi与终点vj之间所有路段的长度，从而组成路段长度集合为
Figure BDA0003023970740000059
步骤5：设定游客日最大行走距离的上限值为xmax，上限值理论上来说会受年龄、健康状况、路况等一系列因素影响，这里取上限值为xmax，有待研究，则令路程约束为0＜xa＜xmax；
步骤6：获取第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中第
Figure BDA00030239707400000510
条路段的最大断面人流量
Figure BDA00030239707400000511
景区内的流量计数器可以帮助实现数据获取，将第kr条路段的最大断面人流量
Figure BDA00030239707400000512
与对应路段的道路通行能力
Figure BDA00030239707400000513
相比，得出第
Figure BDA00030239707400000514
条路段的拥挤程度
Figure BDA00030239707400000515
从而得到各路段的拥挤程度集合
Figure BDA00030239707400000516
步骤7：通过式(2)计算第a条有效路径的拥挤程度Sa，得到从起点vi到终点vj间有效路径的拥挤程度集合YS＝{S1,S2,...,Sa,..,Sf}，并进行归一化处理，得出归一化后的拥挤程度集合YS′＝{S1′,S2′,...,Sa′,..,S′f}，其中，Sa′表示归一化后的第a条有效路径的拥挤程度；
Figure BDA0003023970740000061
式(2)中，
Figure BDA0003023970740000062
为路段(ar,ar+1)中第
Figure BDA0003023970740000063
条路段的拥挤程度；
步骤8：设定路段拥挤程度允许的上限值为Smax，Smax的理论上限值是1，则令拥挤程度约束为0＜Sa＜Smax；
步骤9：选定自然景观、人文景观和景区设施三个因素作为体验优度P的评价因子；提取用户的评价信息中不同评价因子所相应的评价内容的关键字，从而对关键字赋予相应的分值，赋分标准为对应关键词的评价程度，对同一类评价因子所对应的分值进行加和后取平均值，得到三个评价因子的评价值；
步骤10：采用层次分析法获取三个评价因子的权重，将景区路段自然景观、人文景观和景区设施的评价值与相应的权重对应相乘再加和，从而得到第kr条路段的体验优度指标值
Figure BDA0003023970740000064
进而得到各条路段体验优度指标值的集合为
Figure BDA0003023970740000065
步骤11：利用式(3)计算第a条有效路径的体验优度Pa，从而得到从起点vi到终点vj间有效路径的体验优度集合YP＝{P1,P2,...,Pa,..,Pf}，并进行逆向化处理，得出逆向化后的体验优度集合YP′＝{P1′,P2′,...,Pa′,..,Pf′}；其中，Pa′表示逆向化后的第a条有效路径的体验优度；(逆向化的效果是归一后逆向，即原来越大越好，现在越小越好，反之同理)
Figure BDA0003023970740000066
式(3)中，
Figure BDA0003023970740000067
为路段(ar,ar+1)中第
Figure BDA0003023970740000068
条路段的体验优度；
步骤12：利用式(4)建立景区个性化路线寻优的多目标优化模型：
minZ＝α1·Xa′+α2·Sa′+α3·Pa′ (4)
式(4)中，Z为优化目标，α1、α2、α3分别为三个指标Xa′、Sa′、Pa′的修正系数；
步骤13：NSGA-2算法求解的实现过程，对所有有效路径归一化后的有效路径长度集合YX′＝{X1′,X2′,...,Xa′,..,X′f}、逆向化后的体验优度集合YP′＝{P1′,P2′,...,Pa′,..,Pf′}、逆向化后的体验优度集合YP′＝{P1′,P2′,...,Pa′,..,Pf′}按照拥挤算子进行非支配排序，即按照佩雷多关系进行非支配排序，得到各条有效路径的优先级，以最高优先级所对应的有效路径作为最佳旅游线路，其中，该拥挤算子是由每条有效路径的修正系数分别乘以对应的三个指标后加和得到。

Claims (1)

1.一种景观路线优化方法，其特征是：根据所确定的景区内必经景点，按如下步骤获得最佳旅游线路：
步骤1：用户选择景区内出行的必经景点，得到出行必经点集V，且V＝{vi,...,vr,...,vj}，其中，vi表示游客出行的起点，vj表示游客出行的终点，vr表示第r个必经点，令n＝j-i表示起点vi与终点vj之间路段的条数，A表示必经点间的路段集合，且A＝{(i,i+1),...,(r,r+1),...,(j-1,j)}，(r,r+1)表示第r个必经点vr和第r+1个必经点vr+1间的路段；r＝1,2,…,j-1；当r＝1时，令vr＝vi；
步骤2：提取景区路网数据，包括：各路段的长度、各路段的宽度、各路段的通行能力，假设第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中共有Kr条路段，且记对第r个必经点vr和第r+1个必经点vr+1间路段(r,r+1)中任意一条路段的编号为kr，kr＝{1,2,...,Kr}，其中，第kr条路段的长度记为
Figure FDA0003839204770000011
第kr条路段的宽度记为
Figure FDA0003839204770000012
第kr条路段的通行能力记为
Figure FDA0003839204770000013
步骤3：利用深度优先搜索算法搜索所述起点vi与终点vj之间的所有路径，从所有路径中保留经过必经点的所有路径并作为有效路径，其中，第a条有效路径是由j个必经点及各个必经点之间的各个路段组成，将第a条有效路径中第r个必经点vr和第r+1个必经点vr+1间的所有路段记为(ar,ar+1)，路段(ar,ar+1)中共有
Figure FDA0003839204770000018
条路段，则路段(ar,ar+1)中任意一条路段的编号为
Figure FDA0003839204770000014
步骤4：根据第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中的第
Figure FDA0003839204770000015
条路段的长度
Figure FDA0003839204770000016
获取起点vi与终点vj之间所有路段的长度，从而组成路段长度集合为
Figure FDA0003839204770000017
利用式(1)计算起点vi与终点vj之间第a条有效路径的长度Xa，从而得到从起点vi到终点vj间的有效路径的长度集合YX＝{X1,X2,...,Xa,..,Xf}，并进行归一化处理，得出归一化后的有效路径长度集合Y′X＝{X′1,X′2,...,X′a,..,X′f}，其中，f表示有效路径总数，X′a表示逆向化后的第a条有效路径的路程长度；
Figure FDA0003839204770000021
式(1)中，
Figure FDA0003839204770000022
为路段(ar,ar+1)中第
Figure FDA00038392047700000215
条路段的长度；
步骤5：设定游客日最大行走距离的上限值为xmax，则令路程约束为0＜xa＜xmax；
步骤6：获取第r个必经点vr和第r+1个必经点vr+1间的路段(r,r+1)中第
Figure FDA0003839204770000023
条路段的最大断面人流量
Figure FDA0003839204770000024
将第kr条路段的最大断面人流量
Figure FDA0003839204770000025
与对应路段的道路通行能力
Figure FDA0003839204770000026
相比，得出第
Figure FDA0003839204770000027
条路段的拥挤程度
Figure FDA0003839204770000028
从而得到各路段的拥挤程度集合
Figure FDA0003839204770000029
步骤7：通过式(2)计算第a条有效路径的拥挤程度Sa，得到从起点vi到终点vj间有效路径的拥挤程度集合YS＝{S1,S2,...,Sa,..,Sf}，并进行归一化处理，得出归一化后的拥挤程度集合Y′S＝{S′1,S′2,...,S′a,..,S′f}，其中，S′a表示归一化后的第a条有效路径的拥挤程度；
Figure FDA00038392047700000210
式(2)中，
Figure FDA00038392047700000211
为路段(ar,ar+1)中第
Figure FDA00038392047700000212
条路段的拥挤程度；
步骤8：设定路段拥挤程度允许的上限值为Smax，则令拥挤程度约束为0＜Sa＜Smax；
步骤9：选定自然景观、人文景观和景区设施三个因素作为体验优度P的评价因子；提取用户的评价信息中不同评价因子所相应的评价内容的关键字，从而对关键字赋予相应的分值，对同一类评价因子所对应的分值进行加和后取平均值，得到三个评价因子的评价值；
步骤10：采用层次分析法获取三个评价因子的权重，将景区路段自然景观、人文景观和景区设施的评价值与相应的权重对应相乘再加和，从而得到第kr条路段的体验优度指标值
Figure FDA00038392047700000213
进而得到各条路段体验优度指标值的集合为
Figure FDA00038392047700000214
步骤11：利用式(3)计算第a条有效路径的体验优度Pa，从而得到从起点vi到终点vj间有效路径的体验优度集合YP＝{P1,P2,...,Pa,..,Pf}，并进行逆向化处理，得出逆向化后的体验优度集合Y′P＝{P′1,P′2,...,P′a,..,P′f}；其中，P′a表示逆向化后的第a条有效路径的体验优度；
Figure FDA0003839204770000031
式(3)中，
Figure FDA0003839204770000032
为路段(ar,ar+1)中第
Figure FDA0003839204770000033
条路段的体验优度；
步骤12：利用式(4)建立景区个性化路线寻优的多目标优化模型：
min Z＝α1·X′a+α2·S′a+α3·P′a (4)
式(4)中，Z为优化目标，α1、α2、α3分别为三个指标X′a、S′a、P′a的修正系数；
步骤13：对所有有效路径归一化后的有效路径长度集合Y′X＝{X′1,X′2,...,X′a,..,X′f}、归一化后的拥挤程度集合Y′S＝{S′1,S′2,...,S′a,..,S′f}、逆向化后的体验优度集合Y′P＝{P′1,P′2,...,P′a,..,P′f}按照拥挤算子进行非支配排序，得到各条有效路径的优先级，以最高优先级所对应的有效路径作为最佳旅游线路，其中，所述拥挤算子是由每条有效路径的修正系数分别乘以对应的三个指标后加和得到。
CN202110410383.XA 2021-04-16 2021-04-16 一种景观路线优化方法 Active CN113077102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110410383.XA CN113077102B (zh) 2021-04-16 2021-04-16 一种景观路线优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110410383.XA CN113077102B (zh) 2021-04-16 2021-04-16 一种景观路线优化方法

Publications (2)

Publication Number Publication Date
CN113077102A CN113077102A (zh) 2021-07-06
CN113077102B true CN113077102B (zh) 2022-11-08

Family

ID=76617746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110410383.XA Active CN113077102B (zh) 2021-04-16 2021-04-16 一种景观路线优化方法

Country Status (1)

Country Link
CN (1) CN113077102B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113819916B (zh) * 2021-08-27 2024-01-09 西安理工大学 一种基于文化基因算法的旅游路线规划方法
CN114091763A (zh) * 2021-11-24 2022-02-25 中国建设银行股份有限公司 路线规划方法、装置、可读介质和电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005337916A (ja) * 2004-05-27 2005-12-08 Denso Corp ルート探索方法及びカーナビゲーション装置
CN106197449A (zh) * 2016-06-30 2016-12-07 中国科学院计算技术研究所 一种基于网络路径选择算法的地图路径规划方法及系统
CN107764277A (zh) * 2017-11-22 2018-03-06 苏州科技大学 一种基于景区路径引导规划的数学方法
CN108629323A (zh) * 2018-05-11 2018-10-09 哈尔滨工业大学 一种景区游客链式出行一体化提供方法
CN108710996A (zh) * 2018-04-28 2018-10-26 华侨大学 基于旅游出行时空耦合的酒店集聚区域酒店选址评估方法
CN109063914A (zh) * 2018-08-10 2018-12-21 湖北文理学院 一种基于时空数据感知的旅游路线规划方法
CN110986975A (zh) * 2019-11-05 2020-04-10 中山大学 基于时空路网模型的最优路径规划的处理方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005337916A (ja) * 2004-05-27 2005-12-08 Denso Corp ルート探索方法及びカーナビゲーション装置
CN106197449A (zh) * 2016-06-30 2016-12-07 中国科学院计算技术研究所 一种基于网络路径选择算法的地图路径规划方法及系统
CN107764277A (zh) * 2017-11-22 2018-03-06 苏州科技大学 一种基于景区路径引导规划的数学方法
CN108710996A (zh) * 2018-04-28 2018-10-26 华侨大学 基于旅游出行时空耦合的酒店集聚区域酒店选址评估方法
CN108629323A (zh) * 2018-05-11 2018-10-09 哈尔滨工业大学 一种景区游客链式出行一体化提供方法
CN109063914A (zh) * 2018-08-10 2018-12-21 湖北文理学院 一种基于时空数据感知的旅游路线规划方法
CN110986975A (zh) * 2019-11-05 2020-04-10 中山大学 基于时空路网模型的最优路径规划的处理方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Research on the Travel Route Based on Optimization Schedule";Su Fang;《2013 Fourth International Conference on Intelligent Systems Design and Engineering Applications》;20140630;全文 *
"基于综合导航网格的智慧旅游动态寻径方法";王烨萍;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20170715(第7期);第J153-13页 *
考虑游客拥挤感知的旅游线路优化设计;韩艳等;《北京工业大学学报》;20181210(第12期);全文 *

Also Published As

Publication number Publication date
CN113077102A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN113077102B (zh) 一种景观路线优化方法
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
CN110428096B (zh) 基于票务信息的城市轨道交通多交路运输组织优化方法
CN104634343B (zh) 一种基于多目标优化的景区路线自动规划方法
Conrow et al. Comparing spatial patterns of crowdsourced and conventional bicycling datasets
CN108446470B (zh) 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法
CN107423837A (zh) 旅游路线的智能规划方法及系统
CN102867408B (zh) 一种公交出行路线的选择方法
CN109977283A (zh) 一种基于知识图谱和用户足迹的旅游推荐方法和系统
CN103745089A (zh) 一种多维公共交通运行指数评价方法
Ji et al. Understanding cycling distance according to the prediction of the XGBoost and the interpretation of SHAP: A non-linear and interaction effect analysis
US9217649B1 (en) Systems and methods for providing topographical graphs and travel routes based on perceived exertion
CN111667101A (zh) 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及系统
CN109376935A (zh) 一种基于神经网络的公交客流分时段组合预测方法
CN113536155B (zh) 一种基于多源数据的旅游路线可视分析与规划方法
CN107577736A (zh) 一种基于bp神经网络的文件推荐方法及系统
CN106257504A (zh) 一种基于均衡配流模型的brt乘客出行效益优化方法
CN115809378A (zh) 一种基于手机信令数据的医疗短缺区识别及布局优化方法
CN106295906A (zh) 一种基于深度学习的城市公交线路查询方法
CN106370198A (zh) 一种考虑出行异质性的路径选择方法
CN106709591A (zh) 一种车联网环境下不确定需求的协同拼车路线选择方法
CN111060119A (zh) 一种基于街景图视觉要素评分的城市慢行出行导航方法和系统
CN114418333A (zh) 一种多因素综合定权的公路路线方案评价方法
CN110991794A (zh) 一种城市轨道、公交两网融合水平评价方法
CN106528614A (zh) 一种移动社交网络中用户的地理位置预测方法

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
GR01 Patent grant
GR01 Patent grant