CN117172388A - 一种基于景点排序的景区导航方法 - Google Patents
一种基于景点排序的景区导航方法 Download PDFInfo
- Publication number
- CN117172388A CN117172388A CN202311398694.4A CN202311398694A CN117172388A CN 117172388 A CN117172388 A CN 117172388A CN 202311398694 A CN202311398694 A CN 202311398694A CN 117172388 A CN117172388 A CN 117172388A
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- tourists
- tourist
- scenic
- spot
- 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 36
- 238000012163 sequencing technique Methods 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 7
- 210000000349 chromosome Anatomy 0.000 description 21
- 230000035772 mutation Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于景点排序的景区导航方法，涉及景区游客导航方法，包括收集景区内任意两个景点之间的路程；接收游客为各个景点提供的喜好得分，将喜好得分从大到小排序为P1、P2、P3……Pi……Pn；其中n为游客想要参观的景点数量；对于n个景点的任意一种景点排序，定义该景点排序下的目标函数，目标函数中，喜好得分越高的景点的权重越大，路程越短、预测人数越少，目标函数也会相应增加。计算使得该目标函数达到最小的一个或多个优选景点排序供游客选取。本发明全面考虑了游客对景点的偏好、各景点间的实际行走距离以及预测的人流量，能够生成一条既满足游客个性化需求，又能减少实际步行距离并避免拥挤的导览路线。
Description
技术领域
本发明涉及景区游客导航方法，更具体地说，涉及一种基于景点排序的景区导航方法。
背景技术
随着旅游业的快速发展和人们生活水平的提高，游客数量逐年增长，使得各大景区面临着如何为游客提供更加便捷、高效和舒适的游览体验的挑战。尽管现代科技和移动应用为游客提供了诸如在线地图、导航、实时信息查询等功能，但仍然存在以下核心问题游客通常对某些景点具有强烈的偏好，希望首先参观这些景点。然而，仅仅基于喜好选择的景点顺序可能会导致游客的行走路程过长，从而浪费时间和体力。为了达到最优的游览体验，游客往往还需要综合考虑自己的偏好、行走的总距离以及预测的人流量。这种决策过程对大多数游客来说都是复杂且耗时的，他们很难快速做出最佳决策。
发明内容
本发明要解决的技术问题是提供一种基于景点排序的景区导航方法，以解决背景技术中提到的问题。
为了达到上述目的，本发明采取以下技术方案：
一种基于景点排序的景区导航方法，包括如下步骤：
收集景区内任意两个景点之间的路程；
接收游客为各个景点提供的喜好得分，将喜好得分从大到小排序为P1、P2、P3……Pi……Pn；其中n为游客想要参观的景点数量；
对于n个景点的任意一种景点排序，定义该景点排序下的目标函数为：
，
其中：
w 1i 为对应于Pi的第一权重系数，第一权重系数从w 11 至w 1n 逐渐减小；
D为该景点排序下游客所需要走的总路程，w 2 为对应于该总路程D的第二权重系数；
Si为预测游客到达第i个景点时第i个景点的人流量，w3为对应于Si的第三权重系数；其中，各个权重系数均为正数；
计算使得该目标函数达到最小的一个或多个优选景点排序供游客选取；
根据游客选取的优选景点排序生成导航路线。这里的导航路线，遵循最终游客选定的景点排序获得，其中，景点之间的导航路线，可以采取：
方案一：景点之间的最短导航路径。
方案二：不同游客错开选择不同的导航路线，譬如，如果有第一个游客在第一个景点前往第二个景点时采取第一条路径，那么第二个游客在第一个景点前往第二个景点时可以采取第二条路径，以此类推，这样可以减少拥堵。
还可以采取其结合方案，譬如，当预测到的所有路线上都未出现拥堵时，均可采取最短路线，即方案一，当预测到可能会存在道路拥堵时，采取方案二。而这里预测到拥堵，指的是预测到道路上可能出现的单位面积的人流密度高于预设阈值的情况。预测方法与后续的预测Si的方法相同。
优选的，当游客想要参观的景点数量n小于预设的阈值T时，利用穷举法计算每种景点排序对应的目标函数值并进行排序。
优选的，当景区内景点数量n大于等于预设的阈值T时，采用优化算法计算优选景点排序。所述优化算法为遗传算法。
在一些实施例中，预测人流量的方法为：通过统计历史游客平均步行速度和各景点历史平均游览时间，计算游客到达任一景点的时刻，并通过统计第i个景点对应日期对应时刻对应的平均人流数作为Si。
在一些实施例中，预测人流量的方法为：通过统计历史游客平均步行速度和各景点历史平均游览时间，计算游客到达任一景点的时刻t1；根据历史游客平均步行速度和各景区历史平均游览时间，结合已进入景区的游客的导航路线，计算已进入景区的游客在时刻t1所处位置，从而获取时刻t1时处于第i个景点的已进入景区的游客数作为Si。
在一些实施例中，还可以在景区入口处设置有二维码，游客通过小程序或者app扫码二维码后给出对于各个景区的喜好程度打分，小程序或者app返回游客优选景点排序以及对应的优选景点排序供游客选取，并根据游客选取的优选景点排序生成导航。
本发明创新性地将优化算法（比如遗传算法）应用于景区导航优化，全面考虑了游客对景点的偏好、各景点间的实际行走距离以及预测的人流量。通过智能计算，它能够生成一条既满足游客个性化需求，又能最大限度减少实际步行距离并避免拥挤景点的导览路线。这种方法相较于传统导航工具，更具针对性和效率，为游客带来更加流畅、舒适的旅游体验，同时也为景区管理方提供了一种有效的人流调控手段。
附图说明
图1是本发明方法的示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作描述。
如图1，本发明一种基于景点排序的景区导航方法，包括如下步骤：
收集景区内任意两个景点之间的路程；
接收游客为各个景点提供的喜好得分，将喜好得分从大到小排序为P1、P2、P3……Pi……Pn；其中n为游客想要参观的景点数量；
对于n个景点的任意一种景点排序，定义该景点排序下的目标函数为：
，
其中：
w 1i 为对应于Pi的第一权重系数，第一权重系数从w 11 至w 1n 逐渐减小；
D为该景点排序下游客所需要走的总路程，w 2 为对应于该总路程D的第二权重系数；
Si为预测游客到达第i个景点时第i个景点的人流量，w3为对应于Si的第三权重系数；其中，各个权重系数均为正数；
计算使得该目标函数达到最小的一个或多个优选景点排序供游客选取；
根据游客选取的优选景点排序生成导航路线。
当游客想要参观的景点数量n小于预设的阈值T时，可以直接利用穷举法计算每种景点排序对应的目标函数值并进行排序。也就是说，考虑所有景点排序，对每一种排序计算目标函数值，并对目标函数值进行排序，目标函数值高的景点排序优先推荐给游客。
当景区内景点数量n大于等于预设的阈值T时，则采用优化算法计算优选景点排序。比如遗传算法。
以下是使用遗传算法进行景点导航优化的计算过程：
首先初始化，产生初始种群，每个染色体代表一种景点排序，染色体上的基因则代表景点的顺序。设定初始参数，如种群大小、交叉概率、突变概率等。
适应度计算：对于种群中的每一个染色体（即一个特定的景点排序），计算其目标函数F的值。这里的F值即上面定义的目标函数。适应度越高的染色体，其被选择为父代的概率越大。
接下来使用赌轮选择、竞标选择或其他选择策略，从当前种群中选择两个父代染色体。
根据预设的交叉概率，决定是否对两个父代染色体进行交叉操作，生成新的子代染色体。常用的交叉策略有单点交叉、多点交叉等。
根据预设的突变概率，决定是否对子代染色体进行突变操作。突变可以简单地理解为随机改变染色体上的某些基因（即景点顺序）。
将新生成的子代染色体替换当前种群中适应度较低的染色体，或者采用其他种群更新策略。
判断是否满足终止条件，如达到预设的迭代次数、适应度值收敛或其他终止条件，如果满足，则输出当前种群中适应度最高的染色体作为最优解；否则，返回适应度计算继续迭代。
此过程结束后，从最后的种群中选择适应度最高的染色体，其代表的景点排序即为最优或接近最优的解。
具体的参数可以根据场景具体选定。为了简单七件，以五个景点示例。景点：A, B,C, D, E。
遗传算法参数：
种群大小：20（这意味着我们在每一代都有20个不同的景点排序）。
初始种群随机生成，例如：[A, B, C, D, E], [B, C, A, E, D], ...（总计20种不同排序）；
交叉概率：0.7（在种群中的每一对染色体有70%的概率发生交叉）。
突变概率：0.01（染色体有1%的概率发生突变）。
选择策略：赌轮选择。
基于染色体的适应度，给予更高适应度的染色体更大的被选择为父代的概率。
交叉策略：单点交叉，随机选择一个交叉点并交换两个父代染色体在该点后的基因。
突变策略：随机突变，随机选择一个景点并将其替换为另一个随机景点。
替换策略：轮盘赌替换，选择适应度低的染色体被新一代替换。
迭代次数：100。
算法运行100代。
适应度函数：根据问题定义的目标函数为：
，
根据上面说到的遗传算法过程，在上述迭代过程结束后，从最后的种群中选出适应度最高的染色体，例如[D, A, B, C, E]，那么这就是为游客推荐的参观路线。
在一些实施例中，预测人流量的方法为：通过统计历史游客平均步行速度和各景点历史平均游览时间，计算游客到达任一景点的时刻t1；根据历史游客平均步行速度和各景区历史平均游览时间，结合已进入景区的游客的导航路线，计算已进入景区的游客在时刻t1所处位置，从而获取时刻t1时处于第i个景点的已进入景区的游客数作为Si。
也就是说，在历史游客数据中，我们可以对大量的游客的步行速度、在每个景点的停留时间进行统计，然后对其进行平均，从而获得游客平均步行速度和在每个景点的平均停留时间。平均过后，对于后续进入的大量的游客，采用平均的数据去确定每个游客所位于的位置，虽然对于单个游客可能不准确，但是对于大量的游客，总体导致的误差不会太大。那么，在我们对于某个游客作游览路线推荐的时候，首先，要计算在某一个景点排序对应的游览路线下，该游客到达任意一个第i个景点的时刻t1，然后，要计算已经进入景区的游客中，在时刻t1时，有多少游客位于第i个景点（由于我们知道每个游客的平均步行速度和平均游览时间，从而每个游客的位置我们可以知道，从而能够知道有多少游客在第i个景点，个体位置上会有误差，但平均过后误差不会特别大），从而得知该景点的游客数作为Si。由于Si是该游客未来面对的人群数，只能够通过预测获得，因此无法通过当下的景点位置处的游客数来判定。
在一些实施例中，还可以在景区入口处设置有二维码，游客通过小程序或者app扫码二维码后给出对于各个景区的喜好程度打分，小程序或者app返回游客优选景点排序以及对应的优选景点排序（可以是多个景点排序）供游客选取，并根据游客选取的优选景点排序生成导航。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于景点排序的景区导航方法，其特征在于，包括如下步骤：
收集景区内任意两个景点之间的路程；
接收游客为各个景点提供的喜好得分，将喜好得分从大到小排序为P1、P2、P3……Pi……Pn；其中n为游客想要参观的景点数量；
对于n个景点的任意一种景点排序，定义该景点排序下的目标函数为：
，
其中：
w 1i 为对应于Pi的第一权重系数，第一权重系数从w 11 至w 1n 逐渐减小；
D为该景点排序下游客所需要走的总路程，w 2 为对应于该总路程D的第二权重系数；
Si为预测游客到达第i个景点时第i个景点的人流量，w3为对应于Si的第三权重系数；其中，各个权重系数均为正数；
计算使得该目标函数达到最小的一个或多个优选景点排序供游客选取；
根据游客选取的优选景点排序生成导航路线。
2.根据权利要求1所述基于景点排序的景区导航方法，其特征在于，当游客想要参观的景点数量n小于预设的阈值T时，利用穷举法计算每种景点排序对应的目标函数值并进行排序。
3.根据权利要求1或2所述基于景点排序的景区导航方法，其特征在于，当景区内景点数量n大于等于预设的阈值T时，采用优化算法计算优选景点排序。
4.根据权利要求3所述基于景点排序的景区导航方法，其特征在于，所述优化算法为遗传算法。
5.根据权利要求1所述基于景点排序的景区导航方法，其特征在于，预测人流量的方法为：通过统计历史游客平均步行速度和各景点历史平均游览时间，计算游客到达任一景点的时刻，并通过统计第i个景点对应日期对应时刻对应的平均人流数作为Si。
6.根据权利要求1所述基于景点排序的景区导航方法，其特征在于，预测人流量的方法为：通过统计历史游客平均步行速度和各景点历史平均游览时间，计算游客到达任一景点的时刻t1；根据历史游客平均步行速度和各景区历史平均游览时间，结合已进入景区的游客的导航路线，计算已进入景区的游客在时刻t1所处位置，从而获取时刻t1时处于第i个景点的已进入景区的游客数作为Si。
7.根据权利要求1所述基于景点排序的景区导航方法，其特征在于，在景区入口处设置有二维码，游客通过小程序或者app扫码二维码后给出对于各个景区的喜好程度打分，小程序或者app返回游客优选景点排序以及对应的优选景点排序供游客选取，并根据游客选取的优选景点排序生成导航。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311398694.4A CN117172388A (zh) | 2023-10-26 | 2023-10-26 | 一种基于景点排序的景区导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311398694.4A CN117172388A (zh) | 2023-10-26 | 2023-10-26 | 一种基于景点排序的景区导航方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117172388A true CN117172388A (zh) | 2023-12-05 |
Family
ID=88943421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311398694.4A Pending CN117172388A (zh) | 2023-10-26 | 2023-10-26 | 一种基于景点排序的景区导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117172388A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866903A (zh) * | 2015-05-15 | 2015-08-26 | 华东师范大学 | 基于遗传算法的最美路径导航算法 |
| CN105139301A (zh) * | 2015-08-13 | 2015-12-09 | 厦门维途信息技术有限公司 | 一种基于bp神经网络的导游方法 |
| CN107680010A (zh) * | 2017-09-29 | 2018-02-09 | 桂林电子科技大学 | 一种基于游览行为的景区路线推荐方法及其系统 |
| CN113780613A (zh) * | 2020-12-15 | 2021-12-10 | 京东城市(北京)数字科技有限公司 | 一种路径推荐方法和装置 |
| 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 |
| WO2022217685A1 (zh) * | 2021-04-13 | 2022-10-20 | 海南云端信息技术有限公司 | 一种旅游景区智能路径规划方法及系统 |
| KR102495260B1 (ko) * | 2021-12-01 | 2023-02-06 | (주)천사랑세계여행 | 여행 경로 추천 시스템 및 그 방법 |
-
2023
- 2023-10-26 CN CN202311398694.4A patent/CN117172388A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866903A (zh) * | 2015-05-15 | 2015-08-26 | 华东师范大学 | 基于遗传算法的最美路径导航算法 |
| CN105139301A (zh) * | 2015-08-13 | 2015-12-09 | 厦门维途信息技术有限公司 | 一种基于bp神经网络的导游方法 |
| CN107680010A (zh) * | 2017-09-29 | 2018-02-09 | 桂林电子科技大学 | 一种基于游览行为的景区路线推荐方法及其系统 |
| CN113780613A (zh) * | 2020-12-15 | 2021-12-10 | 京东城市(北京)数字科技有限公司 | 一种路径推荐方法和装置 |
| WO2022217685A1 (zh) * | 2021-04-13 | 2022-10-20 | 海南云端信息技术有限公司 | 一种旅游景区智能路径规划方法及系统 |
| 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 |
| KR102495260B1 (ko) * | 2021-12-01 | 2023-02-06 | (주)천사랑세계여행 | 여행 경로 추천 시스템 및 그 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108573326B (zh) | 基于遗传蚁群混合算法的视频服务器选址方法 | |
| Zhu | A diversity-controlling adaptive genetic algorithm for the vehicle routing problem with time windows | |
| CN111582552B (zh) | 一种基于多目标遗传算法的共享单车停放点分配方法 | |
| CN112686429B (zh) | 移动机器人及其基于自适应遗传算法的路径规划方法 | |
| CN109102124B (zh) | 基于分解的动态多目标多路径诱导方法、系统及存储介质 | |
| CN111191899B (zh) | 一种基于区域划分并行遗传算法的车辆调度方法 | |
| Ji et al. | Evolutionary multi-task allocation for mobile crowdsensing with limited resource | |
| CN114550482B (zh) | 一种基于低碳目标的导航方法及停车场导航方法 | |
| CN115146946A (zh) | 基于多源数据的汽车充电设施选择及规划方法 | |
| GB2576312A (en) | Method and system of recommending a place to park | |
| CN117172388A (zh) | 一种基于景点排序的景区导航方法 | |
| CN114758496A (zh) | 一种停车场内车辆的诱导方法、装置及存储介质 | |
| CN115060278A (zh) | 基于多目标遗传算法的车辆智能换电导航方法和系统 | |
| CN114267174B (zh) | 一种考虑出行者和居民交通排放暴露的道路收费方法 | |
| Tan et al. | A multiobjective evolutionary algorithm for solving vehicle routing problem with time windows | |
| CN113344320A (zh) | 多目标下的物流机器人配送路径动态自动规划方法及系统 | |
| CN109631923B (zh) | 一种基于模因算法的风景驾驶路线规划方法 | |
| Rad et al. | A smart hybrid system for parking space reservation in VANET | |
| CN114519135A (zh) | 基于模拟退火粒子群算法的兴趣点推荐方法 | |
| CN112070275A (zh) | 一种轨道交通路网协同限流的方法和装置及设备 | |
| CN116229720A (zh) | 一种智能车路系统的交通事故判别方法 | |
| CN111125886A (zh) | 一种基于三种不同行为的人群疏散仿真系统及仿真方法 | |
| CN114255879A (zh) | 考虑拥挤效应的预防性医疗设施网络设计软件 | |
| CN115062236A (zh) | 基于多目标优化的混合重排旅游推荐方法及其系统 | |
| CN112733241A (zh) | 基于自适应差分进化算法的公共场所护栏布局优化方法 |
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 |