CN116882599A - 一种旅游线路的规划方法及装置 - Google Patents
一种旅游线路的规划方法及装置 Download PDFInfo
- Publication number
- CN116882599A CN116882599A CN202210313718.0A CN202210313718A CN116882599A CN 116882599 A CN116882599 A CN 116882599A CN 202210313718 A CN202210313718 A CN 202210313718A CN 116882599 A CN116882599 A CN 116882599A
- Authority
- CN
- China
- Prior art keywords
- recommended
- user
- target
- sites
- place
- 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 56
- 239000011159 matrix material Substances 0.000 claims description 103
- 230000000694 effects Effects 0.000 claims description 30
- 230000011664 signaling Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 5
- 239000010410 layer Substances 0.000 description 67
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000013501 data transformation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 101100100125 Mus musculus Traip gene Proteins 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method 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
- G06F16/9535—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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种旅游线路的规划方法,涉及移动互联网与智慧旅游领域,该方法包括:获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所;根据目标群组用户的目标推荐场所的场所信息计算目标推荐场所的场所热门度;根据目标推荐场所的场所信息和目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径;根据以不同目标推荐场所为起点的最短哈密顿路径和目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路。本发明中,通过挖掘用户信息,计算出多条以不同场所为起点的最短哈密顿路径,分析不同起点对线路的影响,得到最佳推荐线路。
Description
技术领域
本发明涉及移动互联网与智慧旅游领域,尤其涉及一种旅游线路的规划方法及装置。
背景技术
随着城市旅游行业的快速发展,城市旅游所服务的外来用户飞速增长,旅游行业对于旅游线路推荐的要求场景越来越多,针对于不同场景的旅游线路推荐要求也越来越高。
当前城市旅游线路计算的推荐主要包括两种:一种是基于传统的调查问卷,抽样访问用户在城市的旅游线路信息,以此为基础制定城市旅游线路推荐策略;但基于调查问卷采样率太低,且反馈周期太长;另一种是结合互联网数据,旅游网站通过对用户的景区、酒店、车票订单数据进行分析和汇总,确认用户的旅游线路信息,依次对用户进行旅游线路推荐;但基于旅游网站的用户订单分析,则需要用户在同一个旅游网站完成所有景区、酒店的门票订购信息,并且存在大量的开放式景并不需要进行门票订购,不能够反映用户完整的旅游线路信息。
发明内容
本发明实施例提供了一种旅游线路的规划方法及装置,用于解决现有技术中无法完整掌握用户旅游习惯,准确推荐旅游线路的问题。
为了解决上述问题,本发明是这样实现的:
第一方面,本发明提供了一种旅游线路的规划方法,包括:
获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所;
根据所述目标群组用户的目标推荐场所的场所信息计算所述目标推荐场所的场所热门度;
根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径;
根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路。
可选的,所述目标群组用户的推荐场所的场所信息包括以下至少一项:场所地理位置信息、场所预设时间内的平均客流量、在第三方软件的评分和场所周围用户活动数目。
可选的,获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息之前,还包括:
获取全部用户的手机信令数据;
根据所述手机信令数据获取用户信息;所述用户信息包括以下至少一项:用户停留过的场所、用户停留过的场所时长、用户停留过的场所对应的日期、用户停留过的场所对应的区域、用户年龄;
根据所述用户信息对用户进行群组分类。
可选的,所述根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径,包括:
对所述目标推荐场所的场所热门度进行排序得到每个所述目标推荐场所对应的热门度排名;
根据所述热门度排名得到对应的推荐度相关值;所述推荐度相关值和所述热门度排名成反比;
根据所述目标推荐场所的场所信息计算所述目标推荐场所两两间的距离,并按照所述热门度排名的顺序生成距离矩阵;
根据所述推荐度相关值调整所述距离矩阵,得到改进式距离矩阵;
根据所述改进式距离矩阵和所述热门度排名计算以不同目标推荐场所为起点的最短哈密顿路径。
可选的,所述根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路,包括:
将所述以不同目标推荐场所为起点的最短哈密顿路径作为方案层,以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目作为准则层,所述最佳推荐线路作为目标层,构建层次决策分析模型;
根据所述层次决策分析模型获得所述方案层对于所述准则层中以不同目标推荐场所为起点的最短哈密顿路径的总长度的第一判断矩阵;
根据所述层次决策分析模型获得所述方案层对于所述准则层中场所周围用户活动数目的第二判断矩阵;
根据所述层次决策分析模型获得准则层中所述以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目对于目标层的第三判断矩阵;
根据所述第一判断矩阵、所述第二判断矩阵和所述第三判断矩阵获得所述方案层对目标层的权值总排序;所述权值最高的为所述最佳推荐线路。
第二方面,本发明提供了一种旅游线路的规划装置,包括:
第一获取模块,用于获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所;
第一计算模块,用于根据所述目标群组用户的目标推荐场所的场所信息计算所述目标推荐场所的场所热门度;
第二计算模块,用于根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径;
第三计算模块,用于根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路。
可选的,所述目标群组用户的推荐场所的场所信息包括以下至少一项:场所地理位置信息、场所预设时间内的平均客流量、在第三方软件的评分和场所周围用户活动数目。
可选的,还包括:
第二获取模块,用于获取全部用户的手机信令数据;
第三获取模块,用于根据所述手机信令数据获取用户信息;所述用户信息包括以下至少一项:用户停留过的场所、用户停留过的场所时长、用户停留过的场所对应的日期、用户停留过的场所对应的区域、用户年龄;
分组模块,用于根据所述用户信息对用户进行群组分类。
可选的,所述第二计算模块,包括:
第一处理子模块,用于对所述目标推荐场所的场所热门度进行排序得到每个所述目标推荐场所对应的热门度排名;
第二处理子模块,用于根据所述热门度排名得到对应的推荐度相关值;所述推荐度相关值和所述热门度排名成反比;
第一计算子模块,用于根据所述目标推荐场所的场所信息计算所述目标推荐场所两两间的距离,并按照所述热门度排名的顺序生成距离矩阵;
调整子模块,用于根据所述推荐度相关值调整所述距离矩阵,得到改进式距离矩阵;
第二计算子模块,用于根据所述改进式距离矩阵和所述热门度排名计算以不同目标推荐场所为起点的最短哈密顿路径。
可选的,所述第三计算模块,包括:
第一构建子模块,用于将所述以不同目标推荐场所为起点的最短哈密顿路径作为方案层,以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目作为准则层,所述最佳推荐线路作为目标层,构建层次决策分析模型;
第二构建子模块,用于根据所述层次决策分析模型获得所述方案层对于所述准则层中以不同目标推荐场所为起点的最短哈密顿路径的总长度的第一判断矩阵;
第三构建子模块,用于根据所述层次决策分析模型获得所述方案层对于所述准则层中场所周围用户活动数目的第二判断矩阵;
第四构建子模块,用于根据所述层次决策分析模型获得准则层中所述以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目对于目标层的第三判断矩阵;
路线推荐子模块,用于根据所述第一判断矩阵、所述第二判断矩阵和所述第三判断矩阵获得所述方案层对目标层的权值总排序;所述权值最高的为所述最佳推荐线路。
第三方面,本发明提供了一种服务器,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如第一方面中任一项所述的旅游线路的规划方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一项所述的旅游线路的规划方法的步骤。
本发明中,通过对用户进行分类,并挖掘用户信息,从而得到分类后每组的推荐旅游场所,并基于综合评价与分析决策的最佳线路决策模型,建立综合评价指标改进场所间距离度量,并计算出多条以不同场所为起点的最短哈密顿路径作为备选推荐线路,再通过定量分析不同起点对线路的影响,进行分层决策得到该旅游类型的最佳推荐线路。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提供的一种旅游线路的规划方法的流程示意图;
图2为本发明实施例提供的一种旅游线路的规划方法的冷热门场所搭配安排优化函数输出结果的示意图;
图3为本发明实施例提供的一种旅游线路的规划方法的层次结构模型的示意图;
图4为本发明实施例提供的一种旅游线路的规划装置的结构示意图;
图5为本发明实施例提供的一种服务器的结构示意图。
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作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。
请参考图1,本发明实施例提供了一种旅游线路的规划方法,包括:
步骤11:获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所;
步骤12:根据所述目标群组用户的目标推荐场所的场所信息计算所述目标推荐场所的场所热门度;
步骤13:根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径;
步骤14:根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路。
通过对用户进行分类,并挖掘用户信息,从而得到分类后每组的推荐旅游场所,并基于综合评价与分析决策的最佳线路决策模型,建立综合评价指标改进场所间距离度量,并计算出多条以不同场所为起点的最短哈密顿路径作为备选推荐线路,再通过定量分析不同起点对线路的影响,进行分层决策得到该旅游类型的最佳推荐线路。
本发明实施例中,在步骤11中,获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息之前,还包括:获取全部用户的手机信令数据;根据所述手机信令数据获取用户信息;只要用户使用手机就会产生信令上报数据,通过手机信令数据计算旅客轨迹能够覆盖绝大多数的旅客;信令数据会即时且连续的上报,能够获取旅客在城市内部各个场所的完整轨迹信息;所述用户信息包括以下至少一项:用户停留过的场所、用户停留过的场所时长、用户停留过的场所对应的日期、用户停留过的场所对应的区域、用户年龄;根据所述用户信息对用户进行群组分类;将用户在城市区域内的停留天数进行统计,并对停留天数进行概率计算,且选取累积概率在90%以上天数集合,所述集合为推荐旅游场所的置信度,根据时长、日期类型、区域、年龄等级等特征值,利用决策树对用户进行分类,并通过FP-Growth算法挖掘用户在每种特定的停留类型中到访场所频繁项信息,从而得到每组的推荐旅游场所;获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所,所述目标群组用户的推荐场所的场所信息包括以下至少一项:场所地理位置信息、场所预设时间内的平均客流量、在第三方软件的评分和场所周围用户活动数目;例如:目标群组的旅游信息包括:小组身份标识:Group1、旅游类型:文化类、场所:某某博物馆、旅游线路:poi_name_1以及置信度:0.68;获取置信度排在前面十个场所,并获取场所类型最多的两个类型,例如:获取的10个场所中4个文化类场所,4个体育类场所以及2个娱乐类场所,则最终获取的场所类型为文化类场所和体育类场所;剩余的场所选择场所类型与之前选择场所类型相同的并按评分从高到低最高的补齐;例如:获取了10个场所,其中4个文化类场所,4个体育类场所,2个娱乐类场所,那么确认有4个文化类场所,4个体育类场所,剩下的两个场所从文化类或者体育类的场所中挑选。
本发明实施例中,在步骤12中,根据所述目标群组用户的目标推荐场所的场所信息计算所述目标推荐场所的场所热门度,包括:根据获取目标群组的主要日期类型,获取在该日期类型的场所近一年的平均客流量Fv(flow volume)以及该场所在第三方软件上的评分Gd(grade of place),选取Fv和Gd两个指标,进行主要指标降维分析;所述指标降维分析包括:计算协方差矩阵C;根据所述协方差矩阵C计算所述协方差矩阵C的特征值λ1、λ2和所述特征值对应的特征向量V1,V2;所述特征值经过降序排列,选取较大的特征值λ=max{λ1,λ2};对应的特征向量Vk=[v1,k,v2,k]作为组合权重,得到特征向量矩阵:/>所述特征向量矩阵的每一列对应每个主成分变量的线性组合权重;并最终得到由平均客流量Fv和第三方软件上的评分Gd线性组成的旅游场所热门程度的综合评价指标,即旅游场所热门度P=v1,kX1+v2,kX2;其中X1为平均客流量Fv,X2为第三方软件上的评分Gd;所述旅游场所热门度综合了客流量以及第三方软件评分的大部分信息。
本发明实施例中,在步骤13中,所述根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径,包括:
对所述目标推荐场所的场所热门度进行排序得到每个所述目标推荐场所对应的热门度排名;
根据所述热门度排名得到对应的推荐度相关值;所述推荐度相关值和所述热门度排名成反比;
根据所述目标推荐场所的场所信息计算所述目标推荐场所两两间的距离,并按照所述热门度排名的顺序生成距离矩阵;
根据所述推荐度相关值调整所述距离矩阵,得到改进式距离矩阵;
根据所述改进式距离矩阵和所述热门度排名计算以不同目标推荐场所为起点的最短哈密顿路径。
本发明实施例中,对所述旅游场所热门度P进行升序排列,得到映射具体每个场所的热门度排名Gp(grade of population)Gp=[1,2,3,…,10],每个元素用gpi(i=1,2,…,10)表示;根据正弦函数的周期性、幅值和极值点性质,并以Gp为输入变量构建冷热门场所搭配安排优化函数;所述冷热门场所搭配安排优化函数为:根据待处理的目标推荐场所为10个,易得周期可取T=2;相位可取φ=1.5,保证Gp输入的每个元素都对应取到函数的极值。则输出得到矩阵形式K=[k1,k2,…,k10];再对输出的矩阵形式K进行最大值和最小值的归一化处理:/>最终得到所述冷热门场所搭配安排优化函数的归一化输出向量Kn,即所述热门度排名得到对应的推荐度相关值;输出结果请参考图2,其中所述冷热门场所搭配安排优化函数具有周期化的取值,其中,ki(i=1,2,…,10)具有极大值与极小值相邻排布的性质;并且随着目标推荐场所的热门度越高,所述冷热门场所搭配安排优化函数的输出向量就越小。
根据所述目标推荐场所的场所信息计算所述目标推荐场所两两间的距离,并按照所述热门度排名的顺序生成距离矩阵,包括:获取目标推荐场所两两之间的距离,并根据热门度排名Gp映射的推荐场所的顺序生成距离矩阵D,并对所述距离矩阵D逐行进行标准归一化处理: 得到标准化距离矩阵Dn。
根据所述推荐度相关值调整所述距离矩阵,得到改进式距离矩阵,包括:根据所述冷热门场所搭配安排优化函数的归一化输出值Kn改进标准化距离矩阵Dn;如:Dn的第i行,表示第i个场所与另外其他场所间的距离,dnewi,j=α1ki+α2dnormi,j,i=1,2,…,10;记录它的矩阵形式为De10×10,称为改进式距离矩阵;其中,由于距离因素较为重要,与时间、路费等旅游成本直接相关,热门度因素作为影响旅游体验的因素,因此设置距离因素和热门度因素两者的权重分别为α1=0.8,α2=0.2,通过所述冷热门场所搭配安排优化函数重新配置了标准化距离矩阵Dn,改进了各个目标推荐场所之间的距离度量的方式。
根据所述改进式距离矩阵和所述热门度排名计算以不同目标推荐场所为起点的最短哈密顿路径,包括:根据改进式距离矩阵De,并按照热门度排名Gp映射的目标推荐场所的顺序,通过禁忌搜索算法生成第i个目标推荐场所为起点的最短哈密顿路径,并遍历i=1,2,3,…,10;例如:选择初始化长度I;随机产生一个推荐场所出游顺序作为的初始解S,迭代步数t=0;令最好解Sbest(i)=S,最好解评价Ebest(i)=S总路程;进行循环计算,当t小于终止迭代步数T时结束循环:输出Sbest(i)和Ebest(i),其中Sbest(i)就是第i个场所作为起点的最短的旅游线路,Ebest(i)就是第i个目标推荐场所为起点的最短哈密顿路径的总路程;以剩下的其他目标推荐场所为起点,重复上述算法得到不同起点的最短旅游线路,直到遍历完毕,得到10条以各不相同的目标推荐场所为起点的最短哈密顿路径Sbest(i),(i=1,2,3,…,10)。
本发明实施例中,通过搜索算法计算最短哈密顿路径时,有助于在匹配备选推荐线路时,安排冷门与热门旅游场所的交替搭配;便于游客灵活地根据实际情况缩减线路。
本发明实施例中,在步骤14中,所述根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路,包括:
将所述以不同目标推荐场所为起点的最短哈密顿路径作为方案层,以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目作为准则层,所述最佳推荐线路作为目标层,构建层次决策分析模型;
根据所述层次决策分析模型获得所述方案层对于所述准则层中以不同目标推荐场所为起点的最短哈密顿路径的总长度的第一判断矩阵;
根据所述层次决策分析模型获得所述方案层对于所述准则层中场所周围用户活动数目的第二判断矩阵;
根据所述层次决策分析模型获得准则层中所述以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目对于目标层的第三判断矩阵;
根据所述第一判断矩阵、所述第二判断矩阵和所述第三判断矩阵获得所述方案层对目标层的权值总排序;所述权值最高的为所述最佳推荐线路。
请参考图3,本发明实施例中,将所述以不同目标推荐场所为起点的最短哈密顿路径作为方案层,以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目作为准则层,所述最佳推荐线路作为目标层,构建层次决策分析模型。
根据所述层次决策分析模型获得所述方案层对于所述准则层中以不同目标推荐场所为起点的最短哈密顿路径的总长度的第一判断矩阵,包括:获取以不同目标推荐场所为起点的最短哈密顿路径的总长度,则推荐路径的总长度的两两差值的有向第一邻接矩阵B1为:(bi,j≠bj,i,可为负值);其中,bi,j表示推荐路径i比j长度大多少;对所述第一邻接矩阵B1进行数据变换,包括:将所述第一邻接矩阵所有正值元素做极差归一化,并且在归一化后乘以10;将所述第一邻接矩阵所有负值元素,取其正数的倒数;取值等于10的元素,则替换值为9;变换后,矩阵满足层次分析法的1-9标度方法,由此获得方案层对于准则层因素的第一判断矩阵B1j。
根据所述层次决策分析模型获得所述方案层对于所述准则层中场所周围用户活动数目的第二判断矩阵,包括:获取每条推荐路径的起点旅游场所,获取该组旅游类型的停留时间类型,根据起点附近近一年在停留时间类型期间的场所周围用户活动数目,得到平均场所周围用户活动数目。则平均场所周围用户活动数目的两两差值的有向第二邻接矩阵B2为:(bi,j≠bj,i,可为负值);对所述第二邻接矩阵B2进行数据变换,包括:将所述第二邻接矩阵所有正值元素做极差归一化,并且在归一化后乘以10;将所述第二邻接矩阵所有负值元素,取其正数的倒数;取值等于10的元素,则替换值为9;变换后,矩阵满足层次分析法的1-9标度方法,由此获得方案层对于准则层因素的第二判断矩阵B2j。
根据所述层次决策分析模型获得准则层中所述以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目对于目标层的第三判断矩阵,包括:准则层所有因素对目标层的m维判断矩阵,即第三判断矩阵为:其中,由于准则层因素有两个,故m=2;并且因为以不同目标推荐场所为起点的最短哈密顿路径的总长度重要性较高,因此根据经验设定a1,2=5;/>
根据所述第一判断矩阵、所述第二判断矩阵和所述第三判断矩阵获得所述方案层对目标层的权值总排序;所述权值最高的为所述最佳推荐线路,包括:分别对第一判断矩阵B1j和第二判断矩阵B2j进行一致性检验,包括:分别计算所述第一判断矩阵B1j和第二判断矩阵B2j的最大特征值λ,并分别计算层次单排序一致性指标以及一致性比率其中,n为矩阵的阶数;RI可通过查阅Saaty的随机一致性指标RI结果表获得;当一致性比率CR<0.1时,认为所述第一判断矩阵B1j或第二判断矩阵B2j的不一致程度在容许范围内,有满意的一致性,通过一致性检验;对通过一致性检验的矩阵进行归一化处理,作为权值向量;其中,准则层的单层排序权值为:wa=(va1,va2)T;方案层的单层排序权值为:也可表示成矩阵形式:/>并计算方案层对目标层的总排序,即第i个线路对于总目标的排名为:其中,btoi为第i个方案的权值;并获得btoi(i=1,2,…,10)中的最大值,所述最大值即表示所述方案权值最高,是针对目标层的最佳方案,即对应的第i条线路Sbest(i)是目标推荐场所的最佳推荐线路;并将最佳推荐线路整理为表格推荐给用户;其中,最佳推荐线路表格包括:小组身份标识、场所类型、推荐旅游路线及总路程;例如:小组身份标识::Group_1、场所类型:文化类和体育类、推荐旅游路线:poi_name_1;poi_name_2;……及总路程:1.2公里。
本发明实施例中,通过对用户进行分类,并挖掘用户信息,从而得到分类后每组的推荐旅游场所,并基于综合评价与分析决策的最佳线路决策模型,建立综合评价指标改进场所间距离度量,并计算出多条以不同场所为起点的最短哈密顿路径作为备选推荐线路,再通过定量分析不同起点对线路的影响,进行分层决策得到该旅游类型的最佳推荐线路;通过手机信令数据计算旅客轨迹能够覆盖绝大多数的旅客,使得用户覆盖更广;用户线路信息获取更为完整,更好的针对不同类型的旅客群体,如节假日、周末、工作日出游,不同的旅行计划,如:1天、2天等,不同年龄段的游客提供更合理的旅游线路推荐方案;充分地综合利用其他特征建模分析不同起点对线路的影响、旅游场所周围活动影响并决策最佳路线,使得给游客推荐的旅游线路更合理。
请参考图4,本发明提供了一种旅游线路的规划装置,包括:
第一获取模块41,用于获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所;
第一计算模块42,用于根据所述目标群组用户的目标推荐场所的场所信息计算所述目标推荐场所的场所热门度;
第二计算模块43,用于根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径;
第三计算模块44,用于根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路。
本发明实施例中,可选的,所述目标群组用户的推荐场所的场所信息包括以下至少一项:场所地理位置信息、场所预设时间内的平均客流量、在第三方软件的评分和场所周围用户活动数目。
本发明实施例中,可选的,还包括:
第二获取模块,用于获取全部用户的手机信令数据;
第三获取模块,用于根据所述手机信令数据获取用户信息;所述用户信息包括以下至少一项:用户停留过的场所、用户停留过的场所时长、用户停留过的场所对应的日期、用户停留过的场所对应的区域、用户年龄;
分组模块,用于根据所述用户信息对用户进行群组分类。
本发明实施例中,可选的,所述第二计算模块,包括:
第一处理子模块,用于对所述目标推荐场所的场所热门度进行排序得到每个所述目标推荐场所对应的热门度排名;
第二处理子模块,用于根据所述热门度排名得到对应的推荐度相关值;所述推荐度相关值和所述热门度排名成反比;
第一计算子模块,用于根据所述目标推荐场所的场所信息计算所述目标推荐场所两两间的距离,并按照所述热门度排名的顺序生成距离矩阵;
调整子模块,用于根据所述推荐度相关值调整所述距离矩阵,得到改进式距离矩阵;
第二计算子模块,用于根据所述改进式距离矩阵和所述热门度排名计算以不同目标推荐场所为起点的最短哈密顿路径。
本发明实施例中,可选的,所述第三计算模块,包括:
第一构建子模块,用于将所述以不同目标推荐场所为起点的最短哈密顿路径作为方案层,以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目作为准则层,所述最佳推荐线路作为目标层,构建层次决策分析模型;
第二构建子模块,用于根据所述层次决策分析模型获得所述方案层对于所述准则层中以不同目标推荐场所为起点的最短哈密顿路径的总长度的第一判断矩阵;
第三构建子模块,用于根据所述层次决策分析模型获得所述方案层对于所述准则层中场所周围用户活动数目的第二判断矩阵;
第四构建子模块,用于根据所述层次决策分析模型获得准则层中所述以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目对于目标层的第三判断矩阵;
路线推荐子模块,用于根据所述第一判断矩阵、所述第二判断矩阵和所述第三判断矩阵获得所述方案层对目标层的权值总排序;所述权值最高的为所述最佳推荐线路。
本发明实施例提供的网络侧设备能够实现图1的方法实施例中旅游线路的规划方法实现的各个过程,为避免重复,这里不再赘述。
请参考图5,本发明实施例还提供一种服务器50,包括处理器51,存储器52,存储在存储器52上并可在所述处理器51上运行的计算机程序,该计算机程序被处理器51执行时实现上述旅游线路的规划方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述旅游线路的规划方法实施例的各个过程,或实现上述旅游线路的规划方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者终端等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (10)
1.一种旅游线路的规划方法,其特征在于,包括:
获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所;
根据所述目标群组用户的目标推荐场所的场所信息计算所述目标推荐场所的场所热门度;
根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径;
根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路。
2.根据权利要求1中所述的旅游线路的规划方法,其特征在于,
所述目标群组用户的推荐场所的场所信息包括以下至少一项:场所地理位置信息、场所预设时间内的平均客流量、在第三方软件的评分和场所周围用户活动数目。
3.根据权利要求1中所述的旅游线路的规划方法,其特征在于,获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息之前,还包括:
获取全部用户的手机信令数据;
根据所述手机信令数据获取用户信息;所述用户信息包括以下至少一项:用户停留过的场所、用户停留过的场所时长、用户停留过的场所对应的日期、用户停留过的场所对应的区域、用户年龄;
根据所述用户信息对用户进行群组分类。
4.根据权利要求1中所述的旅游线路的规划方法,其特征在于,所述根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径,包括:
对所述目标推荐场所的场所热门度进行排序得到每个所述目标推荐场所对应的热门度排名;
根据所述热门度排名得到对应的推荐度相关值;所述推荐度相关值和所述热门度排名成反比;
根据所述目标推荐场所的场所信息计算所述目标推荐场所两两间的距离,并按照所述热门度排名的顺序生成距离矩阵;
根据所述推荐度相关值调整所述距离矩阵,得到改进式距离矩阵;
根据所述改进式距离矩阵和所述热门度排名计算以不同目标推荐场所为起点的最短哈密顿路径。
5.根据权利要求4中所述的旅游线路的规划方法,其特征在于,所述根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路,包括:
将所述以不同目标推荐场所为起点的最短哈密顿路径作为方案层,以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目作为准则层,所述最佳推荐线路作为目标层,构建层次决策分析模型;
根据所述层次决策分析模型获得所述方案层对于所述准则层中以不同目标推荐场所为起点的最短哈密顿路径的总长度的第一判断矩阵;
根据所述层次决策分析模型获得所述方案层对于所述准则层中场所周围用户活动数目的第二判断矩阵;
根据所述层次决策分析模型获得准则层中所述以不同目标推荐场所为起点的最短哈密顿路径的总长度及场所周围用户活动数目对于目标层的第三判断矩阵;
根据所述第一判断矩阵、所述第二判断矩阵和所述第三判断矩阵获得所述方案层对目标层的权值总排序;所述权值最高的为所述最佳推荐线路。
6.一种旅游线路的规划装置,其特征在于,包括:
第一获取模块,用于获取目标群组用户的推荐场所的场所信息及目标群组用户的当前位置信息,并按照预设规则选择至少两个目标推荐场所;
第一计算模块,用于根据所述目标群组用户的目标推荐场所的场所信息计算所述目标推荐场所的场所热门度;
第二计算模块,用于根据所述目标推荐场所的所述场所信息和所述目标推荐场所的场所热门度计算以不同目标推荐场所为起点的最短哈密顿路径;
第三计算模块,用于根据所述以不同目标推荐场所为起点的最短哈密顿路径和所述目标群组用户的当前位置信息计算所述目标群组用户中每个用户的最佳推荐线路。
7.根据权利要求6中所述的旅游线路的规划装置,其特征在于,
所述目标群组用户的推荐场所的场所信息包括以下至少一项:场所地理位置信息、场所预设时间内的平均客流量、在第三方软件的评分和场所周围用户活动数目。
8.根据权利要求6中所述的旅游线路的规划装置,其特征在于,还包括:
第二获取模块,用于获取全部用户的手机信令数据;
第三获取模块,用于根据所述手机信令数据获取用户信息;所述用户信息包括以下至少一项:用户停留过的场所、用户停留过的场所时长、用户停留过的场所对应的日期、用户停留过的场所对应的区域、用户年龄;
分组模块,用于根据所述用户信息对用户进行群组分类。
9.一种服务器,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如权利要求1-5中任一项所述的旅游线路的规划方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的旅游线路的规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210313718.0A CN116882599A (zh) | 2022-03-28 | 2022-03-28 | 一种旅游线路的规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210313718.0A CN116882599A (zh) | 2022-03-28 | 2022-03-28 | 一种旅游线路的规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116882599A true CN116882599A (zh) | 2023-10-13 |
Family
ID=88262679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210313718.0A Pending CN116882599A (zh) | 2022-03-28 | 2022-03-28 | 一种旅游线路的规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116882599A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787527A (zh) * | 2024-02-26 | 2024-03-29 | 东莞市城建规划设计院 | 基于大数据分析技术的旅游路线智能规划方法 |
-
2022
- 2022-03-28 CN CN202210313718.0A patent/CN116882599A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117787527A (zh) * | 2024-02-26 | 2024-03-29 | 东莞市城建规划设计院 | 基于大数据分析技术的旅游路线智能规划方法 |
CN117787527B (zh) * | 2024-02-26 | 2024-04-26 | 东莞市城建规划设计院 | 基于大数据分析技术的旅游路线智能规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977283B (zh) | 一种基于知识图谱和用户足迹的旅游推荐方法和系统 | |
Jeong et al. | A site planning approach for rural buildings into a landscape using a spatial multi-criteria decision analysis methodology | |
Yang et al. | Hotel location evaluation: A combination of machine learning tools and web GIS | |
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 | |
Piantanakulchai et al. | Evaluation of alternatives in transportation planning using multi-stakeholders multi-objectives AHP modeling | |
CN111582559B (zh) | 一种到达时间的预估方法及装置 | |
KR102301086B1 (ko) | 빅데이터 기반 최적의 여행 경로 추천 시스템 및 여행 경로 추천 방법 | |
Zhang et al. | A tourism route-planning approach based on comprehensive attractiveness | |
CN111538916B (zh) | 一种基于神经网络和地理影响的兴趣点推荐方法 | |
CN111324816A (zh) | 一种基于区域划分和上下文影响的兴趣点推荐方法 | |
Huang et al. | Bi-level GA and GIS for multi-objective TSP route planning | |
CN111078859B (zh) | 一种基于引用次数的作者推荐方法 | |
CN115511308A (zh) | 一种区域无障碍设施布局合理性的评价方法及相关装置 | |
CN116882599A (zh) | 一种旅游线路的规划方法及装置 | |
Rashidi et al. | A comparative analysis of three multi-criteria decision-making methods for land suitability assessment | |
Zorlu et al. | Evaluation of nature-based tourism potential in protected and sensitive areas by CRITIC and PROMETHEE-GAIA methods | |
Rehrl et al. | Optimization and evaluation of a high-performance open-source map-matching implementation | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
Semenov et al. | Application suggesting attractive walking routes for pedestrians using an example of Saint-Petersburg City | |
CN108717640B (zh) | 旅游信息的数据处理方法和电子设备 | |
Luè et al. | Conflict analysis for environmental impact assessment: a case study of a transportation system in a tourist area | |
CN111523614B (zh) | 小区相似判断方法及装置 | |
Tsai | Location-demand-based residential floor area ratio distribution method | |
CN116703044A (zh) | 一种航班中转组合方法及装置 | |
CN108182273A (zh) | 基于云存储的网络数据处理方法 |
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 |