CN114297530A - 一种基于大数据的行程规划方法及系统 - Google Patents
一种基于大数据的行程规划方法及系统 Download PDFInfo
- Publication number
- CN114297530A CN114297530A CN202111657568.7A CN202111657568A CN114297530A CN 114297530 A CN114297530 A CN 114297530A CN 202111657568 A CN202111657568 A CN 202111657568A CN 114297530 A CN114297530 A CN 114297530A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- destination
- information
- current
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000004308 accommodation Effects 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000001939 inductive effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及行程规划技术领域，具体涉及一种基于大数据的行程规划方法及系统，包括以下步骤：获取当前用户的搜索数据，对用户历史数据库进行分类，并根据各日期类型得到用户在当前日期各时间段内的目的地分布；进行用户行为分析，并将前往频率最大的目的地作为当前用户在当前日期当前时间段内的预测目的地；对目的地数据加工后将信息进行整合，并计算得到一个或多个公共交通方案，并推送给用户；选择符合该用户的偏好设置的行程规划数据，并以用户搜索的平台所设定的展示的方式向用户展示。本发明用户和出行者可以根据自己的需要选择最佳的出行路径，推送给用户结果更趋合理，更符合个体的需要，使用感上亲切度更强。
Description
技术领域
本发明涉及行程规划技术领域，具体涉及一种基于大数据的行程规划方法及系统。
背景技术
目前，行程规划这方面提供的方案并没有非常的人性化，用户在搜索过程中需要对每个信息进行选择搜索，并且在用户搜索之后只能直板的根据原有两点之间距离得出并不是非常人性化的方案，使用户在时间和金钱成本上的投入过高，还有一种情况是用户对于不熟悉从来没有去过的地方需要用户临时搜索借助他人已有的经验判断自己出行的行程规划。
现有技术的主要缺陷在于：
第一，用户的行程会根据实际游玩体验而产生改变，一些不确定因素也会导致用户更改游玩路线。而目前的行程规划仅仅考虑了符合用户期望的最佳规划路线，并没有实现足够的灵活性；
第二，旅行点以及路途信息不详细。行程规划软件在搜索后只给了大致的信息，很多细节方面也未给用户提供；
第三，优惠信息提供不全。不能及时更新优惠数据；
能给用户提供的行程规划主要源于来自已经去过目的地，或者其他人去过目的地后在网上发布的攻略内容。
因此本文根据当今社会大数据的广泛运用，普通的出行规划已经没办法满足大众的日常生活需求，随着大家出行的次数和频率的不断增加，应用程序将记录用户的相关信息上传至数据库，深度运用大数据的运算来解决用户在各方面需要出行规划的需求，并提出一种基于大数据的行程规划方法及系统。
发明内容
针对现有技术的不足，本发明公开了一种基于大数据的行程规划方法及系统，用于解决上述问题。
本发明通过以下技术方案予以实现：
第一方面，本发明提供了一种基于大数据的行程规划方法，包括以下步骤：
获取当前用户的搜索数据，对用户历史数据库进行分类，并根据各日期类型得到用户在当前日期各时间段内的目的地分布；
进行用户行为分析，并将前往频率最大的目的地作为当前用户在当前日期当前时间段内的预测目的地；
对目的地数据加工后将信息进行整合，并计算得到一个或多个公共交通方案，并推送给用户；
选择符合该用户的偏好设置的行程规划数据，并以用户搜索的平台所设定的展示的方式向用户展示。
更进一步的，所述方法中，获取当前用户的搜索数据，并根据搜索日期和地理信息对用户历史数据库进行分类，得到不同日期各种类型用户数据，其中，日期包括工作日日期和节假日日期，地理信息包括经纬度、当地时间以及常驻地位置的数据。
更进一步的，所述方法中，数据库中搜索各日期该用户的历史数据包括当前用户的使用数据，分别是工作日用户历史数据和节假日用户历史数据，根据各日期类型用户历史数据，得到当前用户在当前日期各时间段内的目的地分布。
更进一步的，所述方法中，根据目的地分布以及用户的性别，年龄，职业，市级，运行程序系统判断身份经济能力，整合出较为全面的用户画像体现其个性特征。
更进一步的，所述方法中，根据目的地分布和用户画像，埋点设计收集用户偏好信息得到相应用户的偏好设置进行用户行为分析，得到当前用户在当前日期各时间段内的目的地出行概率和耗费时长的分布。
更进一步的，所述方法中，根据现有数据筛选出前用户在所有日期各时间段内的行程目的地历史数据并根据前往频率高低进行排序，进而得到各时间段内的目的地概率分布列表，并将最大概率的目的地作为当前用户在当前日期当前时间段内的预测目的地。
更进一步的，所述方法中，目的地数据加工后将信息进行整合，结合天气、人流量、车流量、空气质量、费用、历史数据和用户偏好数据，同时参考停车场、高速公路出入口、酒店、餐厅、景点、办公大楼或门口提供的信息，计算得到一个或多个公共交通方案，并推送给用户。
更进一步的，所述方法中，向用户展示的结果包括一种或多种选择。
第二方面，本发明提供了一种基于大数据的行程规划系统，所述系统用于被第一方面所述的基于大数据的行程规划方法所使用，包括
需求采集模块，用于与用户进行需求的交互，进行用户需求采集，对用户搜索的信息原始进行分析，计算需求信息的字段个数；
数据分析模块，用于对用户提供的需求信息进行判断，并判断出用户在搜索中的真实需求，提取出2-3个关键字段；
数据存储模块：用于对用户数据进行存储，并通过算法在后期建立用户偏好和用户画像；
方案解决模块，用于感知信息的整合归纳并推送行程规划方案的提出和相关需求的预订服务。
更进一步的，所述需求采集模块为手机、平板电脑和PC电脑中的应用程序，程序应用中的搜索进行埋点帮助分析用户偏好设置；网页搜索将用户纳入数据库，而用户需求采集包括主动采集和被动采集；其中，主动采集为采集用户根据需求提出目的地、出行天数、出行目的、餐饮需求、住宿需求、娱乐需求信息；被动采集为用户需求采集模块自动调取方案解决模块中用户的历史数据和选择偏好；
所述方案解决模块接收数据存储模块中发送的特征信息、提供的服务信息和用户需求采集模块所采集的用户需求信息，并根据使用深度学习算法得到的用户和服务画像，对用户进行服务推荐，计算得出行程规划方案后推送给用户；
所述方案解决模块中包括具有深度学习能力的智能算法，提供相关的用户和服务信息的数据给程序算法进行训练，训练后的算法可制定出符合用户偏好的行程规划方案，并进行服务推荐；其中，行程规划方案包括目的地选择、路线规划、交通工具选择、住宿选择、餐饮选择和娱乐活动选择，行程规划包括日常出行行程规划、旅游行程规划或出差行程规划。
本发明的有益效果为：
本发明适用于任何具有搜索引擎的设备，可以根据用户的搜索内容经过数据分析处理得到更加适合用户的行程规划，相比起原来需要通过复杂繁琐的收集方式更加智能化和便捷化，解决了现有技术中存在的行程规划不够智能化和时间成本大问题。
本发明用户和出行者可以根据自己的需要选择最佳的出行路径，在一定程度上避免重复路径或其他失败规划；结合用户的偏好、直觉、情感和心理特征等主观因素，使得推送给用户结果更趋合理，更符合个体的需要，使用感上亲切度更强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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的附图。
图1是一种基于大数据的行程规划方法的原理步骤图；
图2是一种基于大数据的行程规划系统原理框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
实施例1
参照图1所示，本实施例提供一种基于大数据的行程规划方法，包括以下步骤：
获取当前用户的搜索数据，对用户历史数据库进行分类，并根据各日期类型得到用户在当前日期各时间段内的目的地分布；
进行用户行为分析，并将前往频率最大的目的地作为当前用户在当前日期当前时间段内的预测目的地；
对目的地数据加工后将信息进行整合，并计算得到一个或多个公共交通方案，并推送给用户；
选择符合该用户的偏好设置的行程规划数据，并以用户搜索的平台所设定的展示的方式向用户展示。
本实施例根据当今社会大数据的广泛运用，普通的出行规划已经没办法满足大众的日常生活需求，随着大家出行的次数和频率的不断增加，应用程序将记录用户的相关信息上传至数据库，深度运用大数据的运算来解决用户在各方面需要出行规划的需求。
实施例2
在其他层面，本实施例在实施例1的基础上提出一种基于大数据的行程规划方法，具体如下：
本实施例获取当前用户的搜索数据，并根据搜索日期和地理信息对用户历史数据库进行分类，得到不同日期各种类型用户数据。
本实施例进行优选时，日期包括工作日日期和节假日日期，地理信息包括经纬度、当地时间以及常驻地位置的数据。
本实施例数据库中搜索各日期该用户的历史数据包括当前用户的使用数据，分别是工作日用户历史数据和节假日用户历史数据，根据各日期类型用户历史数据，得到当前用户在当前日期各时间段内的目的地分布。
本实施例根据目的地分布以及用户的性别，年龄，职业，市级，运行程序系统判断身份经济能力，整合出较为全面的用户画像体现其个性特征。
本实施例根据目的地分布和用户画像，埋点设计收集用户偏好信息得到相应用户的偏好设置进行用户行为分析，得到当前用户在当前日期各时间段内的目的地出行概率和耗费时长的分布。
本实施例根据现有数据筛选出前用户在所有日期各时间段内的行程目的地历史数据并根据前往频率高低进行排序，进而得到各时间段内的目的地概率分布列表，并将最大概率的目的地作为当前用户在当前日期当前时间段内的预测目的地。
本实施例数据加工后将信息进行整合，结合天气、人流量、车流量、空气质量、费用、历史数据和用户偏好等数据。
本实施例同时参考停车场、高速公路出入口、酒店、餐厅、景点、办公大楼或门口提供的信息，计算得到一个或几个公共交通方案，并推送给用户。
本实施例根据整合好符合该用户的偏好设置的行程规划数据，以用户搜索的平台所设定的展示的方式向用户展示。
作为本实施例一种优选，本实施例方案推送的结果不止一条供用户选择。
本实施例运用大数据分析后得出的用于用户在行程规划方面的作用，相比传统的行程规划更加省时省力。
实施例3
参照图2所示，本实施例提供了一种基于大数据的行程规划系统，包括
需求采集模块，用于与用户进行需求的交互，进行用户需求采集，对用户搜索的信息原始进行分析，计算需求信息的字段个数；
数据分析模块，用于对用户提供的需求信息进行判断，并判断出用户在搜索中的真实需求，提取出2-3个关键字段；
数据存储模块：用于对用户数据进行存储，并通过算法在后期建立用户偏好和用户画像；
方案解决模块，用于感知信息的整合归纳并推送行程规划方案的提出和相关需求的预订服务。
实施例4
在实施例3的基础上，本实施例做进一步的实施，用户需求数据来源于多方面数据获取，主要分布在具有搜索引擎的应用程序和网页：程序应用中的搜索进行埋点帮助分析用户偏好设置；网页搜索将用户纳入数据库，而用户需求采集包括主动采集和被动采集。
本实施例主动采集为采集用户根据需求提出目的地、出行天数、出行目的、餐饮需求、住宿需求、娱乐需求等信息。
本实施例被动采集为用户需求采集模块自动调取方案解决模块中用户的历史数据和选择偏好。以推荐的信息卡片的方式推送，最后统一以方案行程规划展示给用户。
本实施例方案解决模块接收数据存储模块中发送的特征信息、提供的服务信息和用户需求采集模块所采集的用户需求信息，并根据使用深度学习算法得到的用户和服务画像，对用户进行服务推荐，计算得出行程规划方案后推送给用户。
本实施例方案解决模块用于感知信息的整合、推送，行程规划方案的提出和自动预订服务。
本实施例方案解决模块中含有具有深度学习能力的智能算法能力，方案解决模块提供相关的用户和服务信息的数据给程序算法进行训练，训练后的算法可以制定出符合用户偏好的行程规划方案，并进行服务推荐。
本实施例方案解决模块进行实施时，方案解决模块接收来自手机、电脑端等设备发送的需求信息、第三方应用程序的服务接入模块提供的服务信息和用户需求采集模块主动或被动采集的用户需求信息，并使用相应的数据算法得到用户和服务的画像，对用户进行服务推荐，计算得出行程规划方案，并推送给用户。
本实施例进行优选时，行程规划方案包括目的地选择、路线规划、交通工具选择、住宿选择、餐饮选择和娱乐活动选择。
本实施例进行优选时，行程规划包括日常出行行程规划、旅游行程规划或出差行程规划。
综上，本发明适用于任何具有搜索引擎的设备，可以根据用户的搜索内容经过数据分析处理得到更加适合用户的行程规划，相比起原来需要通过复杂繁琐的收集方式更加智能化和便捷化，解决了现有技术中存在的行程规划不够智能化和时间成本大问题。
本发明用户和出行者可以根据自己的需要选择最佳的出行路径，在一定程度上避免重复路径或其他失败规划；结合用户的偏好、直觉、情感和心理特征等主观因素，使得推送给用户结果更趋合理，更符合个体的需要，使用感上亲切度更强。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于大数据的行程规划方法，其特征在于，所述方法包括以下步骤：
获取当前用户的搜索数据，对用户历史数据库进行分类，并根据各日期类型得到用户在当前日期各时间段内的目的地分布；
进行用户行为分析，并将前往频率最大的目的地作为当前用户在当前日期当前时间段内的预测目的地；
对目的地数据加工后将信息进行整合，并计算得到一个或多个公共交通方案，并推送给用户；
选择符合该用户的偏好设置的行程规划数据，并以用户搜索的平台所设定的展示的方式向用户展示。
2.根据权利要求1所述的一种基于大数据的行程规划方法，其特征在于，所述方法中，获取当前用户的搜索数据，并根据搜索日期和地理信息对用户历史数据库进行分类，得到不同日期各种类型用户数据，其中，日期包括工作日日期和节假日日期，地理信息包括经纬度、当地时间以及常驻地位置的数据。
3.根据权利要求2所述的一种基于大数据的行程规划方法，其特征在于，所述方法中，数据库中搜索各日期该用户的历史数据包括当前用户的使用数据，分别是工作日用户历史数据和节假日用户历史数据，根据各日期类型用户历史数据，得到当前用户在当前日期各时间段内的目的地分布。
4.根据权利要求3所述的一种基于大数据的行程规划方法，其特征在于，所述方法中，根据目的地分布以及用户的性别，年龄，职业，市级，运行程序系统判断身份经济能力，整合出较为全面的用户画像体现其个性特征。
5.根据权利要求4所述的一种基于大数据的行程规划方法，其特征在于，所述方法中，根据目的地分布和用户画像，埋点设计收集用户偏好信息得到相应用户的偏好设置进行用户行为分析，得到当前用户在当前日期各时间段内的目的地出行概率和耗费时长的分布。
6.根据权利要求1所述的一种基于大数据的行程规划方法，其特征在于，所述方法中，根据现有数据筛选出前用户在所有日期各时间段内的行程目的地历史数据并根据前往频率高低进行排序，进而得到各时间段内的目的地概率分布列表，并将最大概率的目的地作为当前用户在当前日期当前时间段内的预测目的地。
7.根据权利要求1所述的一种基于大数据的行程规划方法，其特征在于，所述方法中，目的地数据加工后将信息进行整合，结合天气、人流量、车流量、空气质量、费用、历史数据和用户偏好数据，同时参考停车场、高速公路出入口、酒店、餐厅、景点、办公大楼或门口提供的信息，计算得到一个或多个公共交通方案，并推送给用户。
8.根据权利要求1所述的一种基于大数据的行程规划方法，其特征在于，所述方法中，向用户展示的结果包括一种或多种选择。
9.一种基于大数据的行程规划系统，所述系统用于被如权利要求1-8任一项所述的基于大数据的行程规划方法所使用，其特征在于，包括
需求采集模块，用于与用户进行需求的交互，进行用户需求采集，对用户搜索的信息原始进行分析，计算需求信息的字段个数；
数据分析模块，用于对用户提供的需求信息进行判断，并判断出用户在搜索中的真实需求，提取出2-3个关键字段；
数据存储模块：用于对用户数据进行存储，并通过算法在后期建立用户偏好和用户画像；
方案解决模块，用于感知信息的整合归纳并推送行程规划方案的提出和相关需求的预订服务。
10.根据权利要求9所述的一种基于大数据的行程规划系统，其特征在于，所述需求采集模块为手机、平板电脑和PC电脑中的应用程序，程序应用中的搜索进行埋点帮助分析用户偏好设置；网页搜索将用户纳入数据库，而用户需求采集包括主动采集和被动采集；其中，主动采集为采集用户根据需求提出目的地、出行天数、出行目的、餐饮需求、住宿需求、娱乐需求信息；被动采集为用户需求采集模块自动调取方案解决模块中用户的历史数据和选择偏好；
所述方案解决模块接收数据存储模块中发送的特征信息、提供的服务信息和用户需求采集模块所采集的用户需求信息，并根据使用深度学习算法得到的用户和服务画像，对用户进行服务推荐，计算得出行程规划方案后推送给用户；
所述方案解决模块中包括具有深度学习能力的智能算法，提供相关的用户和服务信息的数据给程序算法进行训练，训练后的算法可制定出符合用户偏好的行程规划方案，并进行服务推荐；其中，行程规划方案包括目的地选择、路线规划、交通工具选择、住宿选择、餐饮选择和娱乐活动选择，行程规划包括日常出行行程规划、旅游行程规划或出差行程规划。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111657568.7A CN114297530A (zh) | 2021-12-31 | 2021-12-31 | 一种基于大数据的行程规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111657568.7A CN114297530A (zh) | 2021-12-31 | 2021-12-31 | 一种基于大数据的行程规划方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114297530A true CN114297530A (zh) | 2022-04-08 |
Family
ID=80973588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111657568.7A Pending CN114297530A (zh) | 2021-12-31 | 2021-12-31 | 一种基于大数据的行程规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114297530A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116389568A (zh) * | 2023-05-31 | 2023-07-04 | 广东鑫兴科技有限公司 | 共享停车的信息推送方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017046817A1 (en) * | 2015-09-17 | 2017-03-23 | Routern Private Limited | Method and interface for preparation of tour itinerary through virtual tour mapping |
| CN108074414A (zh) * | 2017-12-19 | 2018-05-25 | 广州小鹏汽车科技有限公司 | 一种基于用户行为的常走路径交通信息提醒方法及系统 |
| CN109784550A (zh) * | 2018-12-29 | 2019-05-21 | 广州慧睿思通信息科技有限公司 | 一种基于智能传感设备的行程规划系统及方法 |
| CN110579220A (zh) * | 2019-09-16 | 2019-12-17 | 绍兴文理学院 | 基于大数据的交通导航系统及方法 |
| US20200258010A1 (en) * | 2019-02-12 | 2020-08-13 | Travel Labs, Inc. | Systems and methods for multi-destination travel planning using calendar entries |
| CN111815047A (zh) * | 2020-07-06 | 2020-10-23 | 王伟 | 一种基于用户行为分析的路径规划方法 |
| WO2021158390A1 (en) * | 2020-02-03 | 2021-08-12 | Synapse Partners, Llc | Systems and methods for personalized ground transportation processing and user intent predictions |
-
2021
- 2021-12-31 CN CN202111657568.7A patent/CN114297530A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017046817A1 (en) * | 2015-09-17 | 2017-03-23 | Routern Private Limited | Method and interface for preparation of tour itinerary through virtual tour mapping |
| CN108074414A (zh) * | 2017-12-19 | 2018-05-25 | 广州小鹏汽车科技有限公司 | 一种基于用户行为的常走路径交通信息提醒方法及系统 |
| CN109784550A (zh) * | 2018-12-29 | 2019-05-21 | 广州慧睿思通信息科技有限公司 | 一种基于智能传感设备的行程规划系统及方法 |
| US20200258010A1 (en) * | 2019-02-12 | 2020-08-13 | Travel Labs, Inc. | Systems and methods for multi-destination travel planning using calendar entries |
| CN110579220A (zh) * | 2019-09-16 | 2019-12-17 | 绍兴文理学院 | 基于大数据的交通导航系统及方法 |
| WO2021158390A1 (en) * | 2020-02-03 | 2021-08-12 | Synapse Partners, Llc | Systems and methods for personalized ground transportation processing and user intent predictions |
| CN111815047A (zh) * | 2020-07-06 | 2020-10-23 | 王伟 | 一种基于用户行为分析的路径规划方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116389568A (zh) * | 2023-05-31 | 2023-07-04 | 广东鑫兴科技有限公司 | 共享停车的信息推送方法、装置、电子设备及存储介质 |
| CN116389568B (zh) * | 2023-05-31 | 2023-10-20 | 广东鑫兴科技有限公司 | 共享停车的信息推送方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2581703B1 (en) | Systems and methods for ranking points of interest | |
| JP3998968B2 (ja) | 移動体ナビゲーション装置 | |
| US8498953B2 (en) | Method for allocating trip sharing | |
| US20050278114A1 (en) | Method and system for selecting destinations | |
| CN118171657A (zh) | 基于关注点信息提供服务的方法和装置 | |
| CN117909575B (zh) | 一种历史城区旅游景点的数字化推荐方法及系统 | |
| CN105894089A (zh) | 一种征信模型的建立方法、征信确定方法及对应装置 | |
| CN105550951A (zh) | 一种旅游出行辅助决策系统和方法 | |
| CN118193852B (zh) | 一种用于旅游线路的推送方法与系统 | |
| CN118536688B (zh) | 一种基于人工智能的旅游路线规划方法及系统 | |
| CN116823535B (zh) | 一种基于多模态大模型的行程规划及智能导览系统 | |
| CN107767153A (zh) | 一种数据处理方法及装置 | |
| Demissie et al. | Modeling location choice of taxi drivers for passenger pickup using GPS data | |
| CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
| CN113643091A (zh) | 景点推荐方法、装置、设备及存储介质 | |
| Lee et al. | Taxi vacancy duration: a regression analysis | |
| Yue et al. | Classification and determinants of high-speed rail stations using multi-source data: A case study in Jiangsu Province, China | |
| JP2014190952A (ja) | ナビゲーションシステム、ナビゲーション方法、及びナビゲーションプログラム | |
| CN114297530A (zh) | 一种基于大数据的行程规划方法及系统 | |
| JP2003196351A (ja) | 訪問スポット抽出プログラムおよび関心度評価プログラム | |
| CN118981574A (zh) | 一种智能匹配的旅游目的地推荐方法 | |
| WO2021029822A1 (en) | System and method for dispatching vehicles technical field | |
| CN119227918A (zh) | 一种个性化定制的大数据智慧旅游系统 | |
| Cavallaro et al. | Eliciting cities points of interest from people movements and suggesting effective itineraries | |
| CN108717640B (zh) | 旅游信息的数据处理方法和电子设备 |
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 |