CN116579514B - 基于角色协同推荐的自驾游行程规划方法及系统 - Google Patents
基于角色协同推荐的自驾游行程规划方法及系统 Download PDFInfo
- Publication number
- CN116579514B CN116579514B CN202310853441.5A CN202310853441A CN116579514B CN 116579514 B CN116579514 B CN 116579514B CN 202310853441 A CN202310853441 A CN 202310853441A CN 116579514 B CN116579514 B CN 116579514B
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- self
- tourist
- driving
- restaurant
- 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 61
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims description 67
- 239000013598 vector Substances 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 34
- 230000000694 effects Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 14
- 230000000284 resting effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000003749 cleanliness Effects 0.000 claims description 5
- 235000013305 food Nutrition 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 16
- 238000005457 optimization Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 230000004308 accommodation Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003796 beauty Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/12—Hotels or restaurants
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于角色协同推荐的自驾游行程规划方法及系统,方法包括:获取游客需求信息,并根据游客需求信息构建自驾游出行游客模型;从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;基于自驾游出行游客模型对酒店数据集合中的各酒店和餐厅数据集合中的各餐厅进行性价比评分,并获取目标休憩点序列;基于自驾游出行游客模型根据景点数据集合以及目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使目标函数最大的景点分配矩阵;将景点分配矩阵和目标休憩点序列转换为自驾游行程规划方案,并反馈给游客。本发明能够全面考虑自驾游中游客个性化的综合性需求,能够进行旅游行程的快速调整与优化。
Description
技术领域
本发明属于自驾游行程规划技术领域,具体涉及到一种基于角色协同推荐的自驾游行程规划方法及系统。
背景技术
早期研究将旅游行程规划问题看作旅行商问题,即给定初始景点和最终景点,推荐给游客一条涵盖所有景点的最短旅游路线。一些学者分析游客的访问次数得到景点的流行度,基于此设计了一种最大化景点流行度的旅游行程规划方法。有学者提出了行程设计器(TripBuilder)算法,在构建目标函数时不仅考虑景点的流行度,还考虑游客对于不同类别景点的偏好,并引入超参数来控制景点流行度和游客偏好对于旅游行程规划结果的影响。
考虑到真实旅游路线规划场景下的复杂环境,学者们将基于单目标函数的旅游路线规划问题扩展为多目标优化问题,以全面考虑复杂环境下的约束和不确定因素。一些学者从景点类别的角度考虑,设计了一种以最大化旅游路线在不同景点类别上的得分和最大化之间的关联收益的多目标函数来求解旅游行程规划问题。
近年来,研究者们尝试将旅游路线规划问题看作推荐问题,利用神经网络挖掘游客的隐式偏好,推荐给游客符合其个性化信息的旅游行程。现有研究大多基于循环神经网络(recurrent neural network,RNN)和长短期记忆网络(long short-term memory,LSTM)来构建模型。一些学者结合LSTM、注意力机制和多层感知机(multi-layer perceptron,MLP)提出了一种灵活的多任务旅游路线规划框架,可以处理单一的景点推荐、旅游行程规划等不同任务,以满足游客的多种需求。
由于自驾游市场迅速发展,相比于传统的旅游行程规划问题,自驾游行程规划问题更加复杂。其原因在于,自驾游行程规划具有高度的灵活性、约束的多样性和全局优化的复杂性等特点。例如,自驾游过程中,由于天气、交通、人流等客观因素或游客偏好转移等主观因素的影响,使得旅游行程具有高度的灵活性,增加了行程规划的难度;除了需要考虑游客对景点的类型和流行度、消费预算、往返距离、营业时间等偏好外,更需要综合考虑景点的停车位空闲程度、道路状况、交通拥挤程度等其它多样的约束条件对于行程规划的影响;自驾游通常是一个涉及多天的长程旅行,在为游客规划景点路线的同时,也需要考虑餐饮和住宿地点的匹配性,实现这样的全局优化会更加复杂。因此,设计一个有效的自驾游行程规划方法,对减少游客规划行程的烦恼,增加游客对旅途的满意程度具有重要意义。
对于自驾游行程规划方法的研究。有学者设计了一种基于时间框架的多日游行程规划算法,该算法将一条完整的多日游旅游路线分割成多个单日的旅游路线,将每一天作为一个路线规划的子问题,而每一天的旅游路线由一个出发地、一个结束地、一个午餐地和若干景点组成,通过综合考虑行程的起终点位置、每个景点的时间窗口、旅游最大时间约束、午餐地和住宿地安排等因素,使用遗传算法通过不断优化可以获得一条静态的旅游路线。但是,该算法无法响应高度灵活的自驾游行程规划场景,也没有考虑到与自驾游紧密相关的停车位空闲程度、道路状况、交通拥挤程度等多样性的约束条件。也有学者提出了综合的自驾旅游方案规划方法,它兼顾考虑了景点的最佳游览时间、旅客的休息需求以及对游览顺序的偏好,以旅行总成本花费最小和旅客时间效率最大为目标帮助旅客进行自驾游路线的规划。类似的,该方法也忽略了与自驾游紧密相关的停车位空闲程度、道路状况、交通拥挤程度等多样性的约束条件。此外,它仅考虑了景点和住宿的安排,忽略了旅程中的餐饮需求,无法构成完整的行程链。
可见,现有的自驾游行程规划不具有的高度的灵活性、约束的多样性和全局优化的复杂性等特点,难以获得理想的自驾游行程规划结果。
发明内容
本发明提供一种基于角色协同推荐的自驾游行程规划方法及系统,以解决现有的自驾游行程规划难以获得理想的自驾游行程的问题。
基于上述目的,本发明实施例提供了一种基于角色协同推荐的自驾游行程规划方法,包括:获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息;根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店;基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵;将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客。
可选的,所述根据游客需求信息构建自驾游出行游客模型,包括:以问答方式与游客交互,获取游客基本信息,并进行规范化表示;针对餐厅、酒店和景点,根据所述游客偏好信息分别构建餐厅指标权重向量、酒店指标权重向量以及景点指标权重向量。
可选的,所述游客基本信息包括但不限于:目标城市、出行总天数、到达目标城市时初始位置、出行人群类型、休憩点预算、休息和游玩的时间段、以及对于景点人群拥挤程度的接受度,所述以问答方式与游客交互,获取游客基本信息,并进行规范化表示,包括:以问答方式获取游客自驾游的目标城市、出行总天数以及出行人群类型,并根据游客输入或者地图查询得到游客到达所述目标城市时的初始位置;以问答方式获取游客上、下午的期望活动时间段和期望休息时间段,以区间数表示;以问答方式获取游客对景点人群拥挤程度的接受度,以区间数表示;根据所述出行总天数以半天为一个任务构建任务集,每个所述任务的属性包括:任务ID、期望活动时间段、期望休息时间段;以问答方式获取游客对休憩点的休憩点预算,以区间数表示。
可选的,所述游客偏好信息包括酒店评价指标偏好、餐厅评价指标偏好、景点评价指标偏好,所述针对餐厅、酒店和景点,根据所述游客偏好信息分别构建餐厅指标权重向量、酒店指标权重向量以及景点指标权重向量,包括:对于餐厅,根据所述餐厅评价指标偏好对餐厅的包括食品质量、服务质量、餐厅环境、品牌声誉和菜单种类的五个评价指标赋予不同的权重,并对餐厅停车便利度指标和餐厅周围路况指标分别赋予预设权重,得到餐厅指标权重向量;对于酒店,根据所述酒店评价指标偏好对酒店的包括安全性、设施齐全性、清洁程度和服务能力的四个评价指标赋予不同的权重,并对酒店停车便利度指标和酒店周围路况指标分别赋予预设权重,得到酒店指标权重向量;对于景点,根据所述景点评价指标偏好对景点的包括景点环境和景点服务的两个评价指标赋予不同的权重,并对景点停车便利度指标和景点周围路况指标分别赋予预设权重,得到景点指标权重向量。
可选的,所述基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,包括:根据所述酒店数据集合中的各酒店的各评价指标的评分数据与酒店指标权重向量中的各评价指标权重进行加权求和,得到各酒店的加权历史评分;根据所述餐厅数据集合中的各餐厅的各评价指标的评分数据与餐厅指标权重向量中的各评价指标权重进行加权求和,得到各餐厅的加权历史评分;根据所述自驾游出行游客模型中的休憩点预算和任务集中的任务总数计算单个任务的单休憩点预算,并根据各休憩点的开销水平和所述加权历史评分、以及所述单休憩点预算获取各休憩点的性价比评分;选择所述性价比评分最高的前/>个餐厅为上午的休憩点,选择所述性价比评分最高的前/>个酒店为下午的休憩点;根据游客到达所述目标城市时的初始位置对各休憩点按照距离进行排序,且餐厅和酒店间隔排列,得到目标休憩点序列。
可选的,所述根据各休憩点的开销水平和所述加权历史评分、以及所述单休憩点预算获取各休憩点的性价比评分,包括:针对任一休憩点,如果所述休憩点/>的开销水平超过单休憩点预算上限的两倍,则确定所述休憩点/>的性价比评分/>;如果所述休憩点/>的开销水平超过单休憩点预算上限且在单休憩点预算上限两倍之内,则确定所述休憩点/>的性价比评分/>,其中,/>为所述休憩点/>的开销水平,/>为单休憩点预算上限,/>为所述休憩点/>的加权历史评分;如果所述休憩点/>的开销水平低于单休憩点预算下限,则确定所述休憩点/>的性价比评分/>,/>为单休憩点预算下限。
可选的,所述基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵,包括:根据所述景点数据集合中的任一景点的各评价指标的评分数据与景点指标权重向量中的各评价指标权重进行加权求和,得到任一景点/>的客观满意度;根据所述景点数据集合中的任一景点/>的基本信息和拥挤程度结合所述游客基本信息获取任一景点/>分配至所述自驾游出行游客模型中的任务集中任一任务/>的特色满意度;对任一景点/>的所述客观满意度和所述特色满意度求和,得到任一景点/>分配至任务/>的综合满意度,并构建综合满意度矩阵;根据所述目标休憩点序列中各休憩点以及各景点的地理位置构建景点与任务之间的冲突矩阵;基于/>个景点和/>个任务,计算所述综合满意度矩阵、所述冲突矩阵以及景点分配矩阵中各对应点的乘积之和,得到目标函数,其中,所述景点分配矩阵/>中任一点/>表示景点/>是否被分配到任务/>;应用CPLEX优化器求解满足景点分配约束的使所述目标函数最大的景点分配矩阵,其中,所述景点分配约束包括:每个景点最多只能被选择一次、每个任务只能包含一个景点。
基于同一发明构思,本发明实施例还提出了一种基于角色协同推荐的自驾游行程规划系统,包括:交互与建模单元,用于获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息;候选数据获取单元,用于根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;休憩点规划单元,用于基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店;景点分配单元,用于基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵;行程规划单元,用于将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客。
基于同一发明构思,本发明实施例还提出了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现前述的方法。
基于同一发明构思,本发明实施例还提出了一种计算机存储介质,存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行前述的方法。
本发明的有益效果是:从上面所述可以看出,本发明实施例提供的一种基于角色协同推荐的自驾游行程规划方法及系统,方法包括:获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息;根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店;基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵;将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客,能够全面考虑自驾游中游客个性化的综合性需求,能够进行旅游行程的快速调整与优化,从而不断提高游客的自驾游体验质量。
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为本发明实施例中的基于角色协同推荐的自驾游行程规划方法的流程示意图;
图2为本发明实施例中的基于角色协同推荐的自驾游行程规划系统的结构示意图;
图3为本发明实施例中电子设备示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本发明实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
本发明实施例提供了一种基于角色协同推荐的自驾游行程规划方法。本发明实施例的基于角色协同推荐的自驾游行程规划方法应用于服务器。如附图1所示,基于角色协同推荐的自驾游行程规划方法包括:
步骤S11:获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息。
在本发明实施例中,游客基本信息包括但不限于:目标城市、出行总天数、到达目标城市时初始位置、出行人群类型、休憩点预算、休息和游玩的时间段、以及对于景点人群拥挤程度的接受度等信息。游客偏好信息包括酒店评价指标偏好、餐厅评价指标偏好、景点评价指标偏好等信息。
在步骤S11中,当游客想对某城市进行自驾游的行程规划时,首先登录对应客户端软件,以问答的方式与游客进行交互,根据游客给出的回答或者选择来构建自驾游出行游客模型。可选的,以问答方式与游客交互,获取游客基本信息,并进行规范化表示。包括:
1)以问答方式获取游客自驾游的目标城市、出行总天数以及出行人群类型,并根据游客输入或者地图查询得到游客到达所述目标城市时的初始位置。其中,用不同的数字表示不同的出行人群类型,例如,0表示不包含小孩与老人,1表示包含小孩,2表示包含老人,3表示既包含小孩也包含老人;
2)以问答方式获取游客上、下午的期望活动时间段和期望休息时间段,以区间数表示时间段范围。例如游客想在上午游玩的期望活动时间段为8点到11点,则可以用[8.0,11.0]表示;
3)以问答方式获取游客对景点人群拥挤程度的接受度,以区间数表示;
4)根据所述出行总天数以半天为一个任务构建任务集,每个所述任务的属性包括:任务ID、期望活动时间段、期望休息时间段。即将整个自驾游行程中的每个半天视为一个子行程任务(以下简称为“任务”),任务集用R表示;
5)以问答方式获取游客对休憩点的休憩点预算,以区间数表示。即询问游客对于本次自驾游出行在休憩点方面的开销预算是多少,游客可以为餐厅和酒店分别输入一个预算的区间范围。其中,休憩点是指用于停留和休息的地点,休憩点分为两种类型,一种是提供用餐服务的场所,以下统称为“餐厅”,一种是提供用餐和住宿服务的场所,以下统称为“酒店”。本发明实施例中的酒店涵盖包括宾馆、民宿、旅店等不同规格的可以提供用餐和住宿服务的场所。
在步骤S11中,可选的,还针对餐厅、酒店和景点,根据所述游客偏好信息分别构建餐厅指标权重向量、酒店指标权重向量以及景点指标权重向量。其中,游客偏好信息包括酒店评价指标偏好、餐厅评价指标偏好、景点评价指标偏好。
在本发明实施例中,对于餐厅,根据所述餐厅评价指标偏好对餐厅的包括食品质量、服务质量、餐厅环境、品牌声誉和菜单种类的五个评价指标赋予不同的权重,并对餐厅停车便利度指标和餐厅周围路况指标分别赋予预设权重,得到餐厅指标权重向量。具体的,将餐厅的五个评价指标(食品质量、服务质量、餐厅环境、品牌声誉和菜单种类)展现给游客,让游客主动选择自己关注的评价指标(可以选择一个或者多个评价指标),根据游客的餐厅评价指标偏好为对应的评价指标赋权,游客选中的评价指标权重是未选中评价指标权重的1.5倍。同时考虑到自驾游的特点,采用主动赋权的方式为自驾游客关心的另两个评价指标(餐厅停车便利度和餐厅周围路况)赋权,得到餐厅指标权重向量。游客对于餐厅的餐厅指标权重向量表示为/>。其中,,/>,/>,/>,/>分别是食品质量、服务质量、餐厅环境、品牌声誉和菜单种类的权重,/>、/>分别是餐厅停车便利度指标、餐厅周围路况指标的权重。餐厅指标权重向量中各评价指标满足以下关系式:
考虑到自驾游的特殊性,和/>的取值不应小于0.2和0.1。
对于酒店,根据所述酒店评价指标偏好对酒店的包括安全性、设施齐全性、清洁程度和服务能力的四个评价指标赋予不同的权重,并对酒店停车便利度指标和酒店周围路况指标分别赋予预设权重,得到酒店指标权重向量。同理,按照相同的方法构建出包括游客对于酒店的四个评价指标(包括安全性、设施齐全性、清洁程度和服务能力)和自驾游客关心的另两个评价指标(包括酒店停车便利度和酒店周围路况)的酒店指标权重向量,表示为:/>。
其中,,/>,/>,/>分别是安全性、设施齐全性、清洁程度和服务能力的权重,/>、/>分别是酒店停车便利度、酒店周围路况的权重。酒店指标权重向量中的各评价指标满足以下关系:
考虑到自驾游的特殊性,和/>的取值不应小于0.2和0.1。
对于景点,根据所述景点评价指标偏好对景点的包括景点环境和景点服务的两个评价指标赋予不同的权重,并对景点停车便利度指标和景点周围路况指标分别赋予预设权重,得到景点指标权重向量。同理,景点指标权重向量包括两个评价指标(包括景点环境和景点服务)和自驾游客关心的另两个评价指标(包括景点停车便利度和景点周围路况),表示为:
其中,,/>分别是景点环境和景点服务的权重,/>、/>分别是景点停车便利度、景点周围路况的权重。景点指标权重向量中的各评价指标满足以下关系:
考虑到自驾游的特殊性,和/>的取值不应小于0.3和0.2。
将规范化后的游客基本信息、餐厅指标权重向量、酒店指标权重向量以及景点指标权重向量组合成一个整体集合,即得到自驾游出行游客模型。
步骤S12:根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合。
在步骤S12中,根据该目标城市在旅游资源数据库中查询是否有目标城市的休憩点和景点的数据。如果没有在旅游资源数据库中查询到该目标城市的数据,则先通过python爬虫工具在第三方网站(包括途游、美团、高德地图等)上爬取该目标城市中所有的酒店、餐厅和景点的介绍数据、游客们对这些酒店、餐厅和景点的历史评分数据、以及这些景点的拥挤程度数据。同时在爬取到的休憩点数据中,如果该休憩点周围没有景点则将该休憩点数据剔除。本发明实施例以10公里为界限,可以通过调用地图查看10公里范围内是否有景点。并将筛选后的数据存入旅游资源数据库。
然后从旅游资源数据库中提取自驾游目标城市中的酒店数据集合H、餐厅数据集合D和景点数据集合P。
步骤S13:基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店。
在本发明实施例中,可选的,首先根据所述酒店数据集合中的各酒店的各评价指标的评分数据与酒店指标权重向量中的各评价指标权重进行加权求和,得到各酒店的加权历史评分;根据所述餐厅数据集合中的各餐厅的各评价指标的评分数据与餐厅指标权重向量中的各评价指标权重进行加权求和,得到各餐厅的加权历史评分。用表示游客对于所有餐厅的加权历史评分,用/>表示游客对于所有酒店的加权历史评分,/>为餐厅数据集合中餐厅的总个数,/>为酒店数据集合中酒店的总个数。
然后根据所述自驾游出行游客模型中的休憩点预算和任务集中的任务总数计算单个任务的单休憩点预算,并根据各休憩点的开销水平和所述加权历史评分、以及所述单休憩点预算获取各休憩点的性价比评分。令单休憩点预算为/>,/>表示上限,/>表示下限。根据该单休憩点预算对休憩点计算性价比评分,以餐厅的性价比评分的计算为例,可选的,针对任一休憩点/>,如果休憩点/>(即餐厅/>)的开销水平超过单休憩点预算上限的两倍,则确定休憩点/>的性价比评分/>。
如果休憩点的开销水平超过单休憩点预算上限且在单休憩点预算上限两倍之内,则确定休憩点/>的性价比评分/>,其中,/>为休憩点/>的开销水平,/>为单休憩点预算上限,/>为休憩点/>的加权历史评分。
如果休憩点的开销水平低于单休憩点预算下限,则确定休憩点/>的性价比评分,/>为单休憩点预算下限。由此可以得到所有餐厅的性价比评分向量,同理可以得到所有酒店的性价比评分向量/>。
再选择所述性价比评分最高的前个餐厅为上午的休憩点,选择所述性价比评分最高的前/>个酒店为下午的休憩点;最后根据游客到达所述目标城市时的初始位置对各休憩点按照距离进行排序,且餐厅和酒店间隔排列,得到目标休憩点序列。具体的,为每个半天旅游任务选取一个休憩点,如果是在上午,则选择中午用餐的餐厅,如果是在下午,则选择晚上用餐和住宿的酒店。为每个上午的任务选取前/>个评分最高的餐厅,为每个下午的任务选取前/>评分最高的酒店。根据游客到达该目标城市的初始位置,对休憩点按照距离进行排序,最靠近游客初始位置的休憩点安排在最早时间的任务中,将最后选中的目标休憩点序列向量/>表示,目标休憩点序列向量/>表示选中的休憩点以及它们之间的顺序,可以奇数项为酒店,偶数项为餐厅。当然在本发明的其他实施例中,也可以奇数项为餐厅,偶数项为酒店。奇数项为餐厅还是酒店取决于游客到达初始位置的时间。如果游客到达初始位置的时间为上午,则奇数项为餐厅,偶数项为酒店。否则奇数项为酒店,偶数项为餐厅。
步骤S14:基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵。
在本发明实施例中,借鉴基于角色协同(Role-Base Collaboration,RBC)理论的基本模型,即E-CARGO(Environments-Classes,Agents,Roles,Groups,Objects)模型,将自驾游行程规划问题进行抽象建模。根据自驾游出行游客模型中的景点指标权重向量、出行人群类型、期望活动时间段和期望休息时间段、对于景点人群拥挤程度的接受度信息以及目标城市景点的介绍信息、景点各项评价指标的历史评分数据和景点的拥挤程度,来计算出游客对于各景点的综合满意度,构建景点综合满意度矩阵。同时,根据自驾游出行游客模型中的游客基本信息和目标休憩点序列/>计算出景点的冲突矩阵/>,进而构建目标函数,求解景点分配矩阵。
本发明实施例通过应用E-CARGO模型,将自驾游行程规划问题抽象为:∑::=<E,C,O,R,A,G>。其中,E表示一个涉及多个景点和多天出行的问题环境(environment);C是E中抽象概念的类(class)集合;O是与C相关的具体对象(object)集合;R是整个旅途中待分配的半天旅游计划的集合,每个半天旅游计划包括一个景点和一个休憩点,将每个半天旅游计划抽象为一个任务;A是候选景点集合;G是工作组(group),即由景点推荐算法构建出的所有半天旅游计划构成的总行程。令,表示待分配的景点数量;/>,表示所有半天旅游任务的个数。
在步骤S14中,可选的,首先根据所述景点数据集合中的任一景点的各评价指标的评分数据与景点指标权重向量中的各评价指标权重进行加权求和,得到任一景点/>的客观满意度。
其次根据所述景点数据集合中的任一景点的基本信息和拥挤程度结合所述游客基本信息获取任一景点/>分配至所述自驾游出行游客模型中的任务集中任一任务/>的特色满意度。本发明实施例结合游客基本信息与景点的基本信息和拥挤程度来对景点进行打分。景点的特色评价指标包含景点的适宜人群、拥挤程度和特色项目时间。可选的,根据景点数据集合确定景点基本信息中的适宜人群与出行人群类型的冲突情况;根据景点数据集合确定景点的拥挤程度与游客对景点人群拥挤程度的接受度之间的第一匹配度;根据景点数据集合确定任一景点/>的特色项目时间与任一任务/>的期望活动时间的第二匹配度;计算任一景点/>的冲突情况、第一匹配度以及第二匹配度的算术平均值,得到任一景点/>分配至任务/>的特色满意度。
基于景点特色指标的评分函数具体进行以下计算:
a)景点的适宜人群。用表示景点/>基本信息中的适宜人群对于游客所属人群的适宜程度,如果景点/>的适宜人群与游客的出行人群类型相冲突,则/>=0,如果不相冲突,则/> =1。
b)景点的拥挤程度。用表示景点/>的拥挤程度与游客关于景点人群拥挤程度的接受度之间的第一匹配度,通过计算游客关于景点人群拥挤程度的接受度与景点的拥挤程度两者之间的匹配程度来获得。本发明实施例使用区间数来表示游客对于景点人群拥挤程度的接受度和景点的拥挤程度,并引入/>表示游客关于景点人群拥挤程度的接受度的区间数/>大于等于景点的拥挤程度的区间数/>的可能度。其中,/>和/>分别表示这两个区间数的上界,而/>和/>分别表示这两个区间数的下界。/>的计算公式为:
其中,。
因此景点的拥挤程度对于游客偏好的第一匹配度的计算方式为,其中,/> 表示游客对于景点人群拥挤程度的接受度,表示景点/>的实际拥挤程度。
c)景点的特色项目时间。用 表示景点/>的基本信息中的特色项目时间与任务/>的期望活动时间的第二匹配度,计算方式为/>,其中,/>表示游客在任务/>的期望活动时间,/> 表示景点/>的特色项目时间。
基于上述三个方面计算得到的结果来计算景点特色评价指标的特色满意度,计算方式如下:
其中,表示景点/>分配在任务/>时,景点/>的特色满意度。
得到各景点的客观满意度以及任一景点分配至任务/>的特色满意度之后,对任一景点/>的所述客观满意度和所述特色满意度求和,得到任一景点/>分配至任务/>的综合满意度,并构建综合满意度矩阵。任一景点/>分配至任务/>的综合满意度/>满足以下关系式:
其中,和/>分别表示游客对景点/>的客观满意度和特色满意度,/>表示景点被分配到任务/>时游客的综合满意度。基于相同的方法计算所有景点被分配在各个任务时游客的综合满意度,并构建综合满意度矩阵/>。
本发明实施例还根据所述目标休憩点序列中各休憩点以及各景点的地理位置构建景点与任务之间的冲突矩阵。由于前面已经为每个任务选好了休憩点,所以景点与休憩点之间的冲突可以代表景点与任务之间的冲突。本发明实施例设定在普通公路上行车的平均速度为40km/h,当选择景点时,景点与休憩点之间的冲突计算方式如下:/>
计算出游客驾车从第个休憩点(即上一个休憩点)到第/>个景点的第一耗时以及驾车从第/>个景点到第/>个休憩点的第二耗时;如果根据第一耗时和第二耗时第/>个景点不满足预设条件,则确定第/>个景点与第/>个休憩点存在冲突,/>;否则确定第/>个景点与第/>个休憩点不存在冲突,/>。其中,耗时的计算方法为:距离除以40km/h。
游客在每个任务中有一个期望休息时间段,游客在该期望休息时间段内会在被分配在该任务的休憩点休息。游客休息结束,则会从该休憩点出发前往下一个景点游玩。为了确保游客能在其期望活动时间段之前到达该景点,游客需要从期望休息时间段结束的时间点开始出发,在路上花费的时间能保证游客能在其期望活动时间开始之前到达下一个景点。因此,预设条件包括:游客从第个休憩点的期望休息时间段结束的时间点出发,到达下一个景点的时间点不能晚于游客的期望活动时间;同理,游客从第/>个景点的期望活动时间段结束的时间点出发,到达下一个休憩点的时间点不能晚于游客期望休息时间的起始时间点。
在本发明实施例中,基于个景点和/>个任务,计算所述综合满意度矩阵、所述冲突矩阵以及景点分配矩阵中各对应点的乘积之和,得到目标函数,其中,景点分配矩阵/>中任一点/>表示景点/>是否被分配到任务/>;应用CPLEX优化器求解满足景点分配约束的使所述目标函数最大的景点分配矩阵,其中,景点分配约束包括:每个景点最多只能被选择一次、每个任务只能包含一个景点。通过计算得到景点的综合满意度矩阵/>后,依据E-CARGO模型,确定目标函数如下:
其中,代表景点数量,/>代表任务数量,/>,表示景点/>是否被分配到任务/>。如/>,则表示景点/>被分配给任务/>。
按照IBM CPLEX优化包(即CPLEX优化器)的API接口要求,将前面计算得到的景点的综合满意度矩阵、以及景点与任务之间的冲突矩阵/>转换成API接口要求的格式,之后调用CPLEX优化包的cplex.solve()方法进行求解,以求得目标函数/>的最大值和景点分配矩阵/>。
步骤S15:将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客。
在步骤S15中,将最终得到的景点推荐矩阵以及目标休憩点序列向量/>转换为自驾游行程规划方案,以Word文档形式发送给游客。
本发明实施例的基于角色协同推荐的自驾游行程规划方法将每天的旅游行程划分为上午和下午两个半天的子行程,考虑到自驾游旅客中经常包含老人和小孩的特殊性,首先根据游客的偏好为游客推荐每个半天旅游行程的休憩点(上午行程结束时需要的休憩点主要是能够提供餐饮服务的地点,以下将这类地点统称为餐厅;下午行程结束时需要的休憩点主要是可以同时提供餐饮和住宿服务的地点,以下将这类地点统称为酒店),然后,基于客观满意度、特色满意度两个方面计算出游客对于各个景点的综合满意度,再在分析景点与已选取休憩点之间可能存在的距离冲突和其它约束的基础上,应用基于角色协同的E-CARGO模型对自驾游行程规划问题进行建模,通过求解该问题为每个半天旅游计划分配一个高满意度且距离合适的景点,最终为游客推荐一个完整的多天自驾游行程的规划方案。本发明实施例在帮助游客合理规划自驾游行程的同时还能确保游客获得尽可能高的行程满意度。
本发明实施例通过捕获游客对景点、餐厅、酒店的多个评价指标的不同偏好,额外考虑自驾出行时的停车条件、道路状况、交通拥挤程度等现实因素,在量化评估用户对于候选景点、餐厅、酒店的满意度的基础上,以休憩点为中心、由多个半天的子行程构成的完整旅游行程的自驾游行程规划,从全局优化的角度,为用户推荐合适的景点和休憩点(包括餐厅和酒店),相较于现有技术,该发明提供了一个完整、全面的解决方案,可以实现休憩点的合理规划,全面考虑了跨越多天的自驾游行程中游客个性化的综合性需求,确保了游客对于旅游行程规划结果的满意度。
本发明实施例通过分析自驾游中的车辆因素以及自驾游出行的游客属性,兼顾自驾游行程规划的灵活性、约束多样性和全局优化复杂性等特点,将自驾游行程划分为由多个半天构成的子行程进行分别规划,应用基于角色协同的E-CARGO模型对包含多个子行程的自驾游行程规划问题进行建模,设计了自驾游出行相关的景点和休憩点的约束条件,以游客满意度来衡量规划路线的合理程度,通过引入基于角色协同的E-CARGO模型对自驾游行程规划问题进行数学建模,使用IBM CPLEX优化包对问题进行求解,以确保可以动态高效地向游客推荐多天自驾游行程规划的优化结果。本发明实施例为自驾游行程规划问题的研究提供了一个新范型,可以及时响应用户的需求变化,实现旅游行程的快速调整与优化,从而不断提高用户的自驾游体验质量。
综上所述,本发明实施例的基于角色协同推荐的自驾游行程规划方法通过获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息;根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店;基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵;将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客,能够全面考虑自驾游中游客个性化的综合性需求,能够进行旅游行程的快速调整与优化,从而不断提高游客的自驾游体验质量。
上述对本发明特定实施例进行了描述。在一些情况下,在本发明实施例中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一个构思,本发明实施例还提供了一种基于角色协同推荐的自驾游行程规划系统。应用于服务器。附图2所示,基于角色协同推荐的自驾游行程规划系统包括:交互与建模单元、候选数据获取单元、休憩点规划单元、景点分配单元以及行程规划单元。其中,
交互与建模单元,用于获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息;
候选数据获取单元,用于根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;
休憩点规划单元,用于基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店;
景点分配单元,用于基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵;
行程规划单元,用于将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客。
为了描述的方便,描述以上系统时以功能分为各种模块分别描述。当然,在实施本发明实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的系统应用于前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,本发明实施例还提供了一种电子设备,该电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上任意一实施例所述的方法。
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行如上任意一实施例中所述的方法。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器301、存储器302、输入/输出接口303、通信接口304和总线305。其中处理器301、存储器302、输入/输出接口303和通信接口304通过总线305实现彼此之间在设备内部的通信连接。
处理器301可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本发明方法实施例所提供的技术方案。
存储器302可以采用ROM(Read Only Memory,只读存储器)、RAM(RandomAccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器302可以存储操作系统和其他应用程序,在通过软件或者固件来实现本发明方法实施例所提供的技术方案时,相关的程序代码保存在存储器302中,并由处理器301来调用执行。
输入/输出接口303用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口304用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线305包括一通路,在设备的各个组件(例如处理器301、存储器302、输入/输出接口303和通信接口304)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器301、存储器302、输入/输出接口303、通信接口304以及总线305,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本发明实施例方案所必需的组件,而不必包含图中所示的全部组件。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请的不同方面的许多其它变化,为了简明它们没有在细节中提供。
本申请旨在涵盖落入本发明实施例的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种基于角色协同推荐的自驾游行程规划方法,其特征是,所述方法包括:
获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息,所述自驾游出行游客模型为借鉴基于角色协同理论将自驾游行程规划问题抽象建模的E-CARGO模型,E表示一个涉及多个景点和多天出行的问题环境;C是E中抽象概念的类集合;O是与C相关的具体对象集合;R是整个旅途中待分配的半天旅游计划的集合,每个半天旅游计划包括一个景点和一个休憩点,将每个半天旅游计划抽象为一个任务;A是候选景点集合;G是工作组,即由景点推荐算法构建出的所有半天旅游计划构成的总行程;
根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;
基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店;
基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵;包括:根据所述景点数据集合中的任一景点的各评价指标的评分数据与景点指标权重向量中的各评价指标权重进行加权求和,得到任一景点/>的客观满意度;根据所述景点数据集合中的任一景点/>的基本信息和拥挤程度结合所述游客基本信息获取任一景点/>分配至所述自驾游出行游客模型的任务集中任一任务/>的特色满意度;对任一景点/>的所述客观满意度和所述特色满意度求和,得到任一景点/>分配至任务/>的综合满意度,并构建综合满意度矩阵;根据所述目标休憩点序列中各休憩点以及各景点的地理位置构建景点与任务之间的冲突矩阵;基于m个景点和n个任务,计算所述综合满意度矩阵、所述冲突矩阵以及景点分配矩阵中各对应点的乘积之和,得到目标函数,其中,所述景点分配矩阵/>中任一点/>表示景点是否被分配到任务/>;应用CPLEX优化器求解满足景点分配约束的使所述目标函数最大的景点分配矩阵,其中,所述景点分配约束包括:每个景点最多只能被选择一次、每个任务只能包含一个景点;
将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客。
2.如权利要求1所述的方法,其特征是,所述根据游客需求信息构建自驾游出行游客模型,包括:
以问答方式与游客交互,获取游客基本信息,并进行规范化表示;
针对餐厅、酒店和景点,根据所述游客偏好信息分别构建餐厅指标权重向量、酒店指标权重向量以及景点指标权重向量。
3.如权利要求2所述的方法,其特征是,所述游客基本信息包括:目标城市、出行总天数、到达目标城市时初始位置、出行人群类型、休憩点预算、休息和游玩的时间段、以及对于景点人群拥挤程度的接受度,所述以问答方式与游客交互,获取游客基本信息,并进行规范化表示,包括:
以问答方式获取游客自驾游的目标城市、出行总天数以及出行人群类型,并根据游客输入或者地图查询得到游客到达所述目标城市时的初始位置;
以问答方式获取游客上、下午的期望活动时间段和期望休息时间段,以区间数表示;
以问答方式获取游客对景点人群拥挤程度的接受度,以区间数表示;
根据所述出行总天数以半天为一个任务构建任务集,每个所述任务的属性包括:任务ID、期望活动时间段、期望休息时间段;
以问答方式获取游客对休憩点的休憩点预算,以区间数表示。
4.如权利要求2所述的方法,其特征是,所述游客偏好信息包括酒店评价指标偏好、餐厅评价指标偏好、景点评价指标偏好,所述针对餐厅、酒店和景点,根据所述游客偏好信息分别构建餐厅指标权重向量、酒店指标权重向量以及景点指标权重向量,包括:
对于餐厅,根据所述餐厅评价指标偏好对餐厅的包括食品质量、服务质量、餐厅环境、品牌声誉和菜单种类的五个评价指标赋予不同的权重,并对餐厅停车便利度指标和餐厅周围路况指标分别赋予预设权重,得到餐厅指标权重向量;
对于酒店,根据所述酒店评价指标偏好对酒店的包括安全性、设施齐全性、清洁程度和服务能力的四个评价指标赋予不同的权重,并对酒店停车便利度指标和酒店周围路况指标分别赋予预设权重,得到酒店指标权重向量;
对于景点,根据所述景点评价指标偏好对景点的包括景点环境和景点服务的两个评价指标赋予不同的权重,并对景点停车便利度指标和景点周围路况指标分别赋予预设权重,得到景点指标权重向量。
5.如权利要求4所述的方法,其特征是,所述基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,包括:
根据所述酒店数据集合中的各酒店的各评价指标的评分数据与酒店指标权重向量中的各评价指标权重进行加权求和,得到各酒店的加权历史评分;
根据所述餐厅数据集合中的各餐厅的各评价指标的评分数据与餐厅指标权重向量中的各评价指标权重进行加权求和,得到各餐厅的加权历史评分;
根据所述自驾游出行游客模型中的休憩点预算和任务集中的任务总数计算单个任务的单休憩点预算,并根据各餐厅和酒店的开销水平和所述加权历史评分、以及所述单休憩点预算获取各餐厅和酒店的性价比评分;
选择所述性价比评分最高的前个餐厅为上午的休憩点,选择所述性价比评分最高的前/>个酒店为下午的休憩点;
根据游客到达所述目标城市时的初始位置对各休憩点按照距离进行排序,且餐厅和酒店间隔排列,得到目标休憩点序列。
6.如权利要求5所述的方法,其特征是,所述根据各休憩点的开销水平和所述加权历史评分、以及所述单休憩点预算获取各休憩点的性价比评分,包括:针对任一休憩点,
如果所述休憩点的开销水平超过单休憩点预算上限的两倍,则确定所述休憩点/>的性价比评分/>;
如果所述休憩点的开销水平超过单休憩点预算上限且在单休憩点预算上限两倍之内,则确定所述休憩点/>的性价比评分/>,其中,/>为所述休憩点/>的开销水平,/>为单休憩点预算上限,/>为所述休憩点/>的加权历史评分;
如果所述休憩点的开销水平低于单休憩点预算下限,则确定所述休憩点/>的性价比评分/>,/>为单休憩点预算下限。
7.一种基于角色协同推荐的自驾游行程规划系统,其特征是,所述系统包括:
交互与建模单元,用于获取游客需求信息,并根据所述游客需求信息构建自驾游出行游客模型,所述游客需求信息包括游客基本信息和游客偏好信息,所述自驾游出行游客模型为借鉴基于角色协同理论将自驾游行程规划问题抽象建模的E-CARGO模型,E表示一个涉及多个景点和多天出行的问题环境;C是E中抽象概念的类集合;O是与C相关的具体对象集合;R是整个旅途中待分配的半天旅游计划的集合,每个半天旅游计划包括一个景点和一个休憩点,将每个半天旅游计划抽象为一个任务;A是候选景点集合;G是工作组,即由景点推荐算法构建出的所有半天旅游计划构成的总行程;
候选数据获取单元,用于根据所述自驾游出行游客模型从旅游资源数据库或第三方获取目标城市的酒店数据集合、餐厅数据集合和景点数据集合;
休憩点规划单元,用于基于所述自驾游出行游客模型对所述酒店数据集合中的各酒店和所述餐厅数据集合中的各餐厅进行性价比评分,并根据性价比评分结果获取目标休憩点序列,其中,休憩点包括餐厅和酒店;
景点分配单元,用于基于所述自驾游出行游客模型根据所述景点数据集合以及所述目标休憩点序列获取表征行程景点组满意度的目标函数,并求解使所述目标函数最大的景点分配矩阵;包括:根据所述景点数据集合中的任一景点的各评价指标的评分数据与景点指标权重向量中的各评价指标权重进行加权求和,得到任一景点/>的客观满意度;根据所述景点数据集合中的任一景点/>的基本信息和拥挤程度结合所述游客基本信息获取任一景点分配至所述自驾游出行游客模型的任务集中任一任务/>的特色满意度;对任一景点/>的所述客观满意度和所述特色满意度求和,得到任一景点/>分配至任务/>的综合满意度,并构建综合满意度矩阵;根据所述目标休憩点序列中各休憩点以及各景点的地理位置构建景点与任务之间的冲突矩阵;基于m个景点和n个任务,计算所述综合满意度矩阵、所述冲突矩阵以及景点分配矩阵中各对应点的乘积之和,得到目标函数,其中,所述景点分配矩阵/>中任一点/>表示景点/>是否被分配到任务/>;应用CPLEX优化器求解满足景点分配约束的使所述目标函数最大的景点分配矩阵,其中,所述景点分配约束包括:每个景点最多只能被选择一次、每个任务只能包含一个景点;
行程规划单元,用于将所述景点分配矩阵和所述目标休憩点序列转换为自驾游行程规划方案,并反馈给游客。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现如权利要求1-6中任意一项所述的方法。
9.一种计算机存储介质,其特征是,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310853441.5A CN116579514B (zh) | 2023-07-12 | 2023-07-12 | 基于角色协同推荐的自驾游行程规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310853441.5A CN116579514B (zh) | 2023-07-12 | 2023-07-12 | 基于角色协同推荐的自驾游行程规划方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116579514A CN116579514A (zh) | 2023-08-11 |
CN116579514B true CN116579514B (zh) | 2023-09-26 |
Family
ID=87534527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310853441.5A Active CN116579514B (zh) | 2023-07-12 | 2023-07-12 | 基于角色协同推荐的自驾游行程规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116579514B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012048559A (ja) * | 2010-08-27 | 2012-03-08 | Denso Corp | ドライブ旅行計画作成システム |
CN106886837A (zh) * | 2017-02-21 | 2017-06-23 | 携程旅游网络技术(上海)有限公司 | 基于时间规划的自由行行程推荐方法 |
CN107274070A (zh) * | 2017-05-23 | 2017-10-20 | 中标软件有限公司 | 一种自驾游服务的提供方法、装置及系统 |
CN110648027A (zh) * | 2019-09-30 | 2020-01-03 | 福州林景行信息技术有限公司 | 一种自驾游数字化线路交互式生成系统及其工作方法 |
CN113326980A (zh) * | 2021-05-25 | 2021-08-31 | 汕头大学 | 一种改进蚁群算法的区域景点单程路线多目标规划方法 |
CN113704379A (zh) * | 2021-09-10 | 2021-11-26 | 瞿萍 | 基于全行程的旅游行程生成方法、系统及存储介质 |
CN114254837A (zh) * | 2021-12-28 | 2022-03-29 | 西安交通大学 | 一种基于深度强化学习的旅游路线定制方法及系统 |
CN116226480A (zh) * | 2023-03-24 | 2023-06-06 | 重庆长安汽车股份有限公司 | 一种基于自驾的旅游出行攻略定制的方法及系统 |
-
2023
- 2023-07-12 CN CN202310853441.5A patent/CN116579514B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012048559A (ja) * | 2010-08-27 | 2012-03-08 | Denso Corp | ドライブ旅行計画作成システム |
CN106886837A (zh) * | 2017-02-21 | 2017-06-23 | 携程旅游网络技术(上海)有限公司 | 基于时间规划的自由行行程推荐方法 |
CN107274070A (zh) * | 2017-05-23 | 2017-10-20 | 中标软件有限公司 | 一种自驾游服务的提供方法、装置及系统 |
CN110648027A (zh) * | 2019-09-30 | 2020-01-03 | 福州林景行信息技术有限公司 | 一种自驾游数字化线路交互式生成系统及其工作方法 |
CN113326980A (zh) * | 2021-05-25 | 2021-08-31 | 汕头大学 | 一种改进蚁群算法的区域景点单程路线多目标规划方法 |
CN113704379A (zh) * | 2021-09-10 | 2021-11-26 | 瞿萍 | 基于全行程的旅游行程生成方法、系统及存储介质 |
CN114254837A (zh) * | 2021-12-28 | 2022-03-29 | 西安交通大学 | 一种基于深度强化学习的旅游路线定制方法及系统 |
CN116226480A (zh) * | 2023-03-24 | 2023-06-06 | 重庆长安汽车股份有限公司 | 一种基于自驾的旅游出行攻略定制的方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于游客感知的全域旅游评价――以秦皇岛为例;马少思;梁永国;;国土与自然资源研究(第03期);第85-92页 * |
基于约束与CHNN的旅游线路问题研究;李慧旻;苏依拉;王斐;;内蒙古工业大学学报(自然科学版)(第01期);第27-33页 * |
旅游路线规划问题;张宇菲;彭旭;邵光明;陈华友;;数学的实践与认识(第15期);第83-91页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116579514A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6683812B2 (ja) | オンデマンドサービスのための情報を提供するシステム及び方法 | |
Liu et al. | A real-time personalized route recommendation system for self-drive tourists based on vehicle to vehicle communication | |
TW201907338A (zh) | 用於確定預估到達時間的系統和方法 | |
TW201741993A (zh) | 確定運輸服務路線之系統及方法 | |
JP6723721B2 (ja) | 旅行プランナーのための旅行再ランキング | |
Nurul Habib | A comprehensive utility-based system of activity-travel scheduling options modelling (CUSTOM) for worker's daily activity scheduling processes | |
CN110140135A (zh) | 信息处理方法、信息处理系统和信息处理装置 | |
CN105303487A (zh) | 一种行程服务方法和装置 | |
Tarantino et al. | A mobile personalized tourist guide and its user evaluation | |
CN105723384A (zh) | 用于使用车辆的预测引擎的信息系统和方法 | |
Schönfelder | Urban rhythms: Modelling the rhythms of individual travel behaviour | |
KR20180006871A (ko) | 주문들을 분배하기 위한 방법들 및 시스템들 | |
CN112868036A (zh) | 位置推荐的系统和方法 | |
CN109416823A (zh) | 用于确定司机安全分的系统和方法 | |
CN104034336A (zh) | 用于选择导航路线并提供沿路广告的方法和系统 | |
JP2017162450A (ja) | 公共交通機関システムにおけるユーザ旅行嗜好の平滑化動的モデリング | |
JP2019505032A (ja) | サービスの順序列を更新するためのシステム及び方法 | |
Abdulrahman et al. | State of Art Survey for Designing and Implementing Regional Tourism Web based Systems | |
Wu et al. | Active travel and the built environment: A theoretical model and multidimensional evidence | |
Artemenko et al. | Using context analysys for providing real time recommendations in e-tourism mobile location-based recommender systems | |
CN114041129A (zh) | 确定上车点名称的系统和方法 | |
CN111954891A (zh) | 一种跨业务的共享汽车资源复用方法 | |
Leprêtre et al. | Fitness landscapes analysis and adaptive algorithms design for traffic lights optimization on SIALAC benchmark | |
CN116579514B (zh) | 基于角色协同推荐的自驾游行程规划方法及系统 | |
Correia et al. | Applying a structured simulation-based methodology to assess carpooling time–space potential |
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 |