CN117633372B - 基于物联网的景区游玩路径优化方法、系统、终端及介质 - Google Patents
基于物联网的景区游玩路径优化方法、系统、终端及介质 Download PDFInfo
- Publication number
- CN117633372B CN117633372B CN202410103982.0A CN202410103982A CN117633372B CN 117633372 B CN117633372 B CN 117633372B CN 202410103982 A CN202410103982 A CN 202410103982A CN 117633372 B CN117633372 B CN 117633372B
- Authority
- CN
- China
- Prior art keywords
- label
- scenic spot
- classification
- interest value
- playing
- 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 35
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000013475 authorization Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000012098 association analyses Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了基于物联网的景区游玩路径优化方法、系统、终端及介质,涉及路径规划技术领域,其技术方案要点是:建立标签矩阵;根据定位信息和运动参数确定目标用户对相应景点的总兴趣值,并为分类标签分配分类兴趣值;结合分类标签的分类兴趣值确定关联标签的关联兴趣值;计算得到分类标签的动态兴趣值;对景区内尚未游玩的景点进行路径规划;确定游玩路径集中各个游玩路径的累积兴趣值,并选取累积兴趣值最大的游玩路径作为向目标用户推荐的优化路径。本发明为游玩时间不够、体力不足或游玩体验差的用户进行游玩路径优化处理,可为不同的目标用户提供准确、可靠的个性化游玩路径,有效提高了目标用户的游玩体验感。
Description
技术领域
本发明涉及路径规划技术领域,更具体地说,它涉及基于物联网的景区游玩路径优化方法、系统、终端及介质。
背景技术
近年来,随着人民生活水平显著提高,旅游业得以快速发展。一般情况下一个景区包括多个景点,若游玩全程中无一定游玩路径规划,容易出现因时间不够、体力不足等因素而导致部分景点无法游玩的情况,同时也容易出现因用户对已游玩景点的兴趣不高而导致游玩体验较差的问题。
为此,现有技术中记载了对景区游玩路径进行提前规划的相关技术。如考虑景区拥堵情况的景区游玩路径规划方法和考虑用户体验感的景区游玩路径规划方法。对于考虑用户体验感的景区游玩路径规划方法而言,一般采用神经网络来训练学习用户的生活习惯和消费行为等行为特征与景区属性特征之间的关联性,以此来针对不同用户形成具有个性化的游玩路径。然而,由于上述的行为特征与景区属性特征之间不存在直接的关联性,所形成的游玩路径存可靠性与准确性较差的问题;此外,采用神经网络来训练学习关联性,在一定程度上导致不同用户的游玩路径同质化严重,削弱了游玩路径的个性化特性;另外,从一开始就提前锁定游玩路径,也会降低用户游玩景区的自主性,导致游玩体验较差。
因此,如何研究设计一种能够克服上述缺陷的基于物联网的景区游玩路径优化方法、系统、终端及介质是我们目前急需解决的问题。
发明内容
为解决现有技术中的不足,本发明的目的是提供基于物联网的景区游玩路径优化方法、系统、终端及介质,在景区游玩的初始阶段保持用户游玩的自主性,而后依据已游玩的运动信息来分析目标用户对不同景点的兴趣值,从而为游玩时间不够、体力不足或游玩体验差的用户进行游玩路径优化处理,可为不同的目标用户提供准确、可靠的个性化游玩路径,有效提高了目标用户的游玩体验感。
本发明的上述技术目的是通过以下技术方案得以实现的:
第一方面,提供了基于物联网的景区游玩路径优化方法,包括以下步骤:
针对景区建立标签矩阵,并确定景区内各个景点的标签集,每一个标签集包括至少一个分类标签;
根据用户授权信息采集目标用户的运动信息,运动信息包括目标用户游玩景区的定位信息和运动参数;
根据定位信息和运动参数确定目标用户对相应景点的总兴趣值,并依据总兴趣值为相应标签集中的每个分类标签分配对应的分类兴趣值;
根据分类标签的属性类别从标签矩阵中筛选出存在关联关系的分类标签作为关联标签,并结合分类标签的分类兴趣值确定关联标签的关联兴趣值;
根据目标用户已游玩景点所确定的同一分类标签的分类兴趣值和/或关联兴趣值计算得到相应分类标签的动态兴趣值;
依据目标用户设置的约束条件对景区内尚未游玩的景点进行路径规划,得到游玩路径集;
根据各个分类标签的动态兴趣值确定游玩路径集中各个游玩路径的累积兴趣值,并选取累积兴趣值最大的游玩路径作为向目标用户推荐的优化路径。
进一步的,所述总兴趣值的计算公式具体为:
;
其中,表示目标用户对景点/>的总兴趣值;/>表示目标用户在景点/>的实际停留时间;/>表示用户在景点/>的标准停留时间,由进出景点/>的定位信息所对应时间的差值决定;/>表示目标用户在景点/>的实际运动参数;/>表示用户在景点/>的标准运动参数。
进一步的,所述分类标签的分类兴趣值分配过程具体为:
确定目标用户对景点的总兴趣值以及相应景点的标签集中分类标签的总数量;
以总兴趣值与分类标签的总数量之比确定相应景点的标签集中各个分类标签的分类兴趣值。
进一步的,所述关联标签的关联兴趣值计算公式具体为:
;
其中,关联标签为根据分类标签/>从标签矩阵中筛选出存在关联关系的分类标签;/>表示关联标签/>与分类标签/>之间的关联值;/>表示关联标签/>与分类标签之间具有相同属性类别的数量;/>表示分类标签/>中属性类别的数量;/>表示关联标签/>中属性类别的数量;/>表示分类标签/>的分类兴趣值;/>表示关联标签/>的关联兴趣值。
进一步的,所述分类标签的动态兴趣值计算公式具体为:
;
其中,表示已游玩景点的数量;/>表示已游玩景点中标签集中包含分类标签的景点数量,分类标签/>对应得到/>个分类兴趣值;/>表示已游玩景点中标签集中不包含分类标签/>的景点数量,分类标签/>对应得到/>个关联兴趣值;/>表示分类标签经过/>个已游玩景点后的动态兴趣值;/>表示分类标签/>在/>中第/>个景点所对应的分类兴趣值;/>表示分类标签/>在/>中第/>个景点所对应的关联兴趣值。
进一步的,所述游玩路径的累积兴趣值确定具体为:
以景点的标签集中各个分类标签的动态兴趣值之和确定相应景点的第一兴趣值;
以游玩路径中各个景点的第一兴趣值之和确定相应游玩路径的累积兴趣值。
进一步的,所述约束条件包括游玩时间约束、路况约束、途径点约束和终点约束中的至少一种。
第二方面,提供了基于物联网的景区游玩路径优化系统,包括:
标签构建模块,用于针对景区建立标签矩阵,并确定景区内各个景点的标签集,每一个标签集包括至少一个分类标签;
信息采集模块,用于根据用户授权信息采集目标用户的运动信息,运动信息包括目标用户游玩景区的定位信息和运动参数;
兴趣分配模块,用于根据定位信息和运动参数确定目标用户对相应景点的总兴趣值,并依据总兴趣值为相应标签集中的每个分类标签分配对应的分类兴趣值;
关联分析模块,用于根据分类标签的属性类别从标签矩阵中筛选出存在关联关系的分类标签作为关联标签,并结合分类标签的分类兴趣值确定关联标签的关联兴趣值;
动态更新模块,用于根据目标用户已游玩景点所确定的同一分类标签的分类兴趣值和/或关联兴趣值计算得到相应分类标签的动态兴趣值;
路径规划模块,用于依据目标用户设置的约束条件对景区内尚未游玩的景点进行路径规划,得到游玩路径集;
优化推荐模块,用于根据各个分类标签的动态兴趣值确定游玩路径集中各个游玩路径的累积兴趣值,并选取累积兴趣值最大的游玩路径作为向目标用户推荐的优化路径。
第三方面,提供了一种计算机终端,包含存储器、处理器及存储在存储器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第一方面中任意一项所述的基于物联网的景区游玩路径优化方法。
第四方面,提供了一种计算机可读介质,其上存储有计算机程序,所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于物联网的景区游玩路径优化方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明提供的基于物联网的景区游玩路径优化方法,在景区游玩的初始阶段保持用户游玩的自主性,而后依据已游玩的运动信息来分析目标用户对不同景点的兴趣值,从而为游玩时间不够、体力不足或游玩体验差的用户进行游玩路径优化处理,可为不同的目标用户提供准确、可靠的个性化游玩路径,有效提高了目标用户的游玩体验感;
2、本发明在分析目标用户对不同景点的兴趣值时,不仅仅考虑了标签集中各个分类标签的分类兴趣值,还依据分类标签的属性类别扩展分析了关联标签的关联兴趣值,为后续各个游玩路径的累积兴趣值分析提供了全面的参考信息;
3、本发明在分析目标用户对相应景点的总兴趣值时,不仅仅考虑了目标用户在景点的实际停留时间,还考虑了目标用户在景点的实际运动参数,可以排除目标用户休息阶段对兴趣值分析的影响,提高了总兴趣值确定的准确性与可靠性;
4、本发明在分析关联标签与分类标签之间的关联值时,同时考虑了具有相同属性类别的数量在关联标签与分类标签的占比情况,使得关联性分析更为可靠;
5、本发明在对分类标签的动态兴趣值进行更新计算时,不仅仅考虑了其直接作为分类标签时所分配的分类兴趣值,还考虑了其作为关联标签时的关联兴趣值,降低了游玩路径优化推荐的误差。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1是本发明实施例1中的流程图;
图2是本发明实施例2中的系统框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:基于物联网的景区游玩路径优化方法,如图1所示,包括以下步骤:
S1:针对景区建立标签矩阵,并确定景区内各个景点的标签集,每一个标签集包括至少一个分类标签;
S2:根据用户授权信息采集目标用户的运动信息,运动信息包括目标用户游玩景区的定位信息和运动参数;
S3:根据定位信息和运动参数确定目标用户对相应景点的总兴趣值,并依据总兴趣值为相应标签集中的每个分类标签分配对应的分类兴趣值;
S4:根据分类标签的属性类别从标签矩阵中筛选出存在关联关系的分类标签作为关联标签,并结合分类标签的分类兴趣值确定关联标签的关联兴趣值;
S5:根据目标用户已游玩景点所确定的同一分类标签的分类兴趣值和/或关联兴趣值计算得到相应分类标签的动态兴趣值;
S6:依据目标用户设置的约束条件对景区内尚未游玩的景点进行路径规划,得到游玩路径集;
S7:根据各个分类标签的动态兴趣值确定游玩路径集中各个游玩路径的累积兴趣值,并选取累积兴趣值最大的游玩路径作为向目标用户推荐的优化路径。
在步骤S1中,景区分为多种类型,而每一个景区可能包括多种类型,如文化景区、自然景区、节庆活动、游玩景区和娱乐景区等。此外,每一种景区类型中可以细分为多种分类类别,每一个分类类别可以作为一个分类标签。例如 文化景区分为历史遗迹、考古遗迹、建筑物、纪念碑、博物馆等。自然景区分为地貌风景、海景、公园、山地、动物群、植物群、海岸、岛屿等。节庆活动分为超大型活动、社会活动、节事、宗教仪式、运动赛事等。游玩景区分为观光、高尔夫、游泳、远足、自行车游等。娱乐景区分为主题乐园、游乐园、电影院、购物中心、表演中心等。所以本发明中的标签矩阵是以景区类型作为矩阵的行,而景区类型中的不同分类作为矩阵的列。
另外,每一个分类标签可以对应多种属性类别。以公园为例,其可以具有“水”、“运动”、“休闲”等多种属性类别。以海景为例,其可以具有“水”、“运动”、“度假”等多种属性类别。
在步骤S2中,运动参数是能够体现用户运动强度的相关信息,可以是通过手机或其他移动设备确定的运动步数,也可以是通过智能手环或其他便携式设备确定的心率信息,在此不受限制。
本发明主要是在目标用户的游玩途径进行路径优化分析,目标用户在进入景区时,可以进行授权,允许服务器采集目标用户的运动信息,待目标用户在游玩过程中需要进行路径优化时,结合物联网技术,可以通过智能终端机发出路径优化请求,服务器在进行路径优化后将优化路径下发至智能终端机,以供目标用户查阅。需要说明的是,智能终端机可以是固定安装在各个景点的智能一体机,也可以是如手机的移动设备,在此不受限制。
在本实施例中,总兴趣值的计算公式具体为:
;
其中,表示目标用户对景点/>的总兴趣值;/>表示目标用户在景点/>的实际停留时间;/>表示用户在景点/>的标准停留时间,由进出景点/>的定位信息所对应时间的差值决定;/>表示目标用户在景点/>的实际运动参数;/>表示用户在景点/>的标准运动参数。
本发明在分析目标用户对相应景点的总兴趣值时,不仅仅考虑了目标用户在景点的实际停留时间,还考虑了目标用户在景点的实际运动参数,可以排除目标用户休息阶段对兴趣值分析的影响,提高了总兴趣值确定的准确性与可靠性。
分类标签的分类兴趣值分配过程具体为:确定目标用户对景点的总兴趣值以及相应景点的标签集中分类标签的总数量;以总兴趣值与分类标签的总数量之比确定相应景点的标签集中各个分类标签的分类兴趣值。
关联标签的关联兴趣值计算公式具体为:
;
其中,关联标签为根据分类标签/>从标签矩阵中筛选出存在关联关系的分类标签;/>表示关联标签/>与分类标签/>之间的关联值;/>表示关联标签/>与分类标签之间具有相同属性类别的数量;/>表示分类标签/>中属性类别的数量;/>表示关联标签/>中属性类别的数量;/>表示分类标签/>的分类兴趣值;/>表示关联标签/>的关联兴趣值。
本发明在分析目标用户对不同景点的兴趣值时,不仅仅考虑了标签集中各个分类标签的分类兴趣值,还依据分类标签的属性类别扩展分析了关联标签的关联兴趣值,为后续各个游玩路径的累积兴趣值分析提供了全面的参考信息;此外,本发明在分析关联标签与分类标签之间的关联值时,同时考虑了具有相同属性类别的数量在关联标签与分类标签的占比情况,使得关联性分析更为可靠。
分类标签的动态兴趣值计算公式具体为:
;
其中,表示已游玩景点的数量;/>表示已游玩景点中标签集中包含分类标签的景点数量,分类标签/>对应得到/>个分类兴趣值;/>表示已游玩景点中标签集中不包含分类标签/>的景点数量,分类标签/>对应得到/>个关联兴趣值;/>表示分类标签经过/>个已游玩景点后的动态兴趣值;/>表示分类标签/>在/>中第/>个景点所对应的分类兴趣值;/>表示分类标签/>在/>中第/>个景点所对应的关联兴趣值。
需要说明的是,若分类标签在一个景点中没有分配分类兴趣值,也没有分析得到相应的关联兴趣值,则兴趣值即为0。
本发明在对分类标签的动态兴趣值进行更新计算时,不仅仅考虑了其直接作为分类标签时所分配的分类兴趣值,还考虑了其作为关联标签时的关联兴趣值,降低了游玩路径优化推荐的误差。
游玩路径的累积兴趣值确定具体为:以景点的标签集中各个分类标签的动态兴趣值之和确定相应景点的第一兴趣值;以游玩路径中各个景点的第一兴趣值之和确定相应游玩路径的累积兴趣值。
约束条件包括但不限于游玩时间约束、路况约束、途径点约束和终点约束。其中,游玩时间约束可以是剩余可游玩的时间;路况约束可以是对路面状况的限定;途径点约束可以是要求游玩路径必须途径某一个景点;而终点约束可以是要求游玩路径的终点为固定的一个景点。
实施例2:基于物联网的景区游玩路径优化系统,该系统用于实现实施例1中所记载的基于物联网的景区游玩路径优化方法,如图2所示,包括标签构建模块、信息采集模块、兴趣分配模块、关联分析模块、动态更新模块、路径规划模块和优化推荐模块。
其中,标签构建模块,用于针对景区建立标签矩阵,并确定景区内各个景点的标签集,每一个标签集包括至少一个分类标签;信息采集模块,用于根据用户授权信息采集目标用户的运动信息,运动信息包括目标用户游玩景区的定位信息和运动参数;兴趣分配模块,用于根据定位信息和运动参数确定目标用户对相应景点的总兴趣值,并依据总兴趣值为相应标签集中的每个分类标签分配对应的分类兴趣值;关联分析模块,用于根据分类标签的属性类别从标签矩阵中筛选出存在关联关系的分类标签作为关联标签,并结合分类标签的分类兴趣值确定关联标签的关联兴趣值;动态更新模块,用于根据目标用户已游玩景点所确定的同一分类标签的分类兴趣值和/或关联兴趣值计算得到相应分类标签的动态兴趣值;路径规划模块,用于依据目标用户设置的约束条件对景区内尚未游玩的景点进行路径规划,得到游玩路径集;优化推荐模块,用于根据各个分类标签的动态兴趣值确定游玩路径集中各个游玩路径的累积兴趣值,并选取累积兴趣值最大的游玩路径作为向目标用户推荐的优化路径。
工作原理:本发明在景区游玩的初始阶段保持用户游玩的自主性,而后依据已游玩的运动信息来分析目标用户对不同景点的兴趣值,从而为游玩时间不够、体力不足或游玩体验差的用户进行游玩路径优化处理,可为不同的目标用户提供准确、可靠的个性化游玩路径,有效提高了目标用户的游玩体验感。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.基于物联网的景区游玩路径优化方法,其特征是,包括以下步骤:
针对景区建立标签矩阵,并确定景区内各个景点的标签集,每一个标签集包括至少一个分类标签;
根据用户授权信息采集目标用户的运动信息,运动信息包括目标用户游玩景区的定位信息和运动参数;
根据定位信息和运动参数确定目标用户对相应景点的总兴趣值,并依据总兴趣值为相应标签集中的每个分类标签分配对应的分类兴趣值;
根据分类标签的属性类别从标签矩阵中筛选出存在关联关系的分类标签作为关联标签,并结合分类标签的分类兴趣值确定关联标签的关联兴趣值;
根据目标用户已游玩景点所确定的同一分类标签的分类兴趣值和/或关联兴趣值计算得到相应分类标签的动态兴趣值;
依据目标用户设置的约束条件对景区内尚未游玩的景点进行路径规划,得到游玩路径集;
根据各个分类标签的动态兴趣值确定游玩路径集中各个游玩路径的累积兴趣值,并选取累积兴趣值最大的游玩路径作为向目标用户推荐的优化路径;
所述总兴趣值的计算公式具体为:
其中,Hk表示目标用户对景点k的总兴趣值;表示目标用户在景点k的实际停留时间;表示用户在景点k的标准停留时间,由进出景点k的定位信息所对应时间的差值决定;/>表示目标用户在景点k的实际运动参数;/>表示用户在景点k的标准运动参数;
所述关联标签的关联兴趣值计算公式具体为:
其中,关联标签β为根据分类标签α从标签矩阵中筛选出存在关联关系的分类标签;Gα,β表示关联标签β与分类标签α之间的关联值;nα,β表示关联标签β与分类标签α之间具有相同属性类别的数量;Nα表示分类标签α中属性类别的数量;Nβ表示关联标签β中属性类别的数量;Fα表示分类标签α的分类兴趣值;Fβ表示关联标签β的关联兴趣值。
2.根据权利要求1所述的基于物联网的景区游玩路径优化方法,其特征是,所述分类标签的分类兴趣值分配过程具体为:
确定目标用户对景点的总兴趣值以及相应景点的标签集中分类标签的总数量;
以总兴趣值与分类标签的总数量之比确定相应景点的标签集中各个分类标签的分类兴趣值。
3.根据权利要求1所述的基于物联网的景区游玩路径优化方法,其特征是,所述分类标签的动态兴趣值计算公式具体为:
M=m1+m2
其中,M表示已游玩景点的数量;m1表示已游玩景点中标签集中包含分类标签δ的景点数量,分类标签δ对应得到m1个分类兴趣值;m2表示已游玩景点中标签集中不包含分类标签δ的景点数量,分类标签δ对应得到m2个关联兴趣值;Fδ,M表示分类标签δ经过M个已游玩景点后的动态兴趣值;Fδ,i表示分类标签δ在m1中第i个景点所对应的分类兴趣值;Fδ,j表示分类标签δ在m2中第j个景点所对应的关联兴趣值。
4.根据权利要求1所述的基于物联网的景区游玩路径优化方法,其特征是,所述游玩路径的累积兴趣值确定具体为:
以景点的标签集中各个分类标签的动态兴趣值之和确定相应景点的第一兴趣值;
以游玩路径中各个景点的第一兴趣值之和确定相应游玩路径的累积兴趣值。
5.根据权利要求1所述的基于物联网的景区游玩路径优化方法,其特征是,所述约束条件包括游玩时间约束、路况约束、途径点约束和终点约束中的至少一种。
6.基于物联网的景区游玩路径优化系统,其特征是,包括:
标签构建模块,用于针对景区建立标签矩阵,并确定景区内各个景点的标签集,每一个标签集包括至少一个分类标签;
信息采集模块,用于根据用户授权信息采集目标用户的运动信息,运动信息包括目标用户游玩景区的定位信息和运动参数;
兴趣分配模块,用于根据定位信息和运动参数确定目标用户对相应景点的总兴趣值,并依据总兴趣值为相应标签集中的每个分类标签分配对应的分类兴趣值;
关联分析模块,用于根据分类标签的属性类别从标签矩阵中筛选出存在关联关系的分类标签作为关联标签,并结合分类标签的分类兴趣值确定关联标签的关联兴趣值;
动态更新模块,用于根据目标用户已游玩景点所确定的同一分类标签的分类兴趣值和/或关联兴趣值计算得到相应分类标签的动态兴趣值;
路径规划模块,用于依据目标用户设置的约束条件对景区内尚未游玩的景点进行路径规划,得到游玩路径集;
优化推荐模块,用于根据各个分类标签的动态兴趣值确定游玩路径集中各个游玩路径的累积兴趣值,并选取累积兴趣值最大的游玩路径作为向目标用户推荐的优化路径;
所述总兴趣值的计算公式具体为:
其中,Hk表示目标用户对景点k的总兴趣值;表示目标用户在景点k的实际停留时间;表示用户在景点k的标准停留时间,由进出景点k的定位信息所对应时间的差值决定;/>表示目标用户在景点k的实际运动参数;/>表示用户在景点k的标准运动参数;
所述关联标签的关联兴趣值计算公式具体为:
Fβ=FαGα,β
其中,关联标签β为根据分类标签α从标签矩阵中筛选出存在关联关系的分类标签;Gα,β表示关联标签β与分类标签α之间的关联值;nα,β表示关联标签β与分类标签α之间具有相同属性类别的数量;Nα表示分类标签α中属性类别的数量;Nβ表示关联标签β中属性类别的数量;Fα表示分类标签α的分类兴趣值;Fβ表示关联标签β的关联兴趣值。
7.一种计算机终端,包含存储器、处理器及存储在存储器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1-5中任意一项所述的基于物联网的景区游玩路径优化方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行可实现如权利要求1-5中任意一项所述的基于物联网的景区游玩路径优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410103982.0A CN117633372B (zh) | 2024-01-25 | 2024-01-25 | 基于物联网的景区游玩路径优化方法、系统、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410103982.0A CN117633372B (zh) | 2024-01-25 | 2024-01-25 | 基于物联网的景区游玩路径优化方法、系统、终端及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117633372A CN117633372A (zh) | 2024-03-01 |
CN117633372B true CN117633372B (zh) | 2024-04-09 |
Family
ID=90038012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410103982.0A Active CN117633372B (zh) | 2024-01-25 | 2024-01-25 | 基于物联网的景区游玩路径优化方法、系统、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117633372B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7899583B2 (en) * | 2005-04-12 | 2011-03-01 | Ehud Mendelson | System and method of detecting and navigating to empty parking spaces |
CN109409612A (zh) * | 2018-11-12 | 2019-03-01 | 平安科技(深圳)有限公司 | 一种路径规划方法、服务器及计算机存储介质 |
CN109459051A (zh) * | 2018-12-20 | 2019-03-12 | 华中科技大学鄂州工业技术研究院 | 基于路线规划的语音伴随导游方法及设备 |
CN109540164A (zh) * | 2018-11-22 | 2019-03-29 | 广州小狗机器人技术有限公司 | 一种路径规划方法、系统及设备 |
CN111177572A (zh) * | 2020-01-16 | 2020-05-19 | 西北大学 | 一种基于用户动态兴趣的个性化旅游路线推荐方法 |
CN111460287A (zh) * | 2020-03-27 | 2020-07-28 | 数网金融有限公司 | 一种旅游信息处理方法、装置及可读存储介质 |
CN112380462A (zh) * | 2020-11-29 | 2021-02-19 | 龙马智芯(珠海横琴)科技有限公司 | 参展路径规划方法、装置、服务器及计算机可读存储介质 |
CN112818240A (zh) * | 2021-02-19 | 2021-05-18 | 汉海信息技术(上海)有限公司 | 评论信息的展示方法、装置、设备及计算机可读存储介质 |
CN113901257A (zh) * | 2021-10-28 | 2022-01-07 | 北京百度网讯科技有限公司 | 地图信息的处理方法、装置、设备和存储介质 |
CN114493932A (zh) * | 2021-12-28 | 2022-05-13 | 云南腾云信息产业有限公司 | 游玩路线的生成、直播内容方法、装置、终端和存储介质 |
CN114902295A (zh) * | 2019-12-31 | 2022-08-12 | 辉达公司 | 用于自主驾驶应用的三维路口结构预测 |
CN115223245A (zh) * | 2022-07-19 | 2022-10-21 | 携程旅游信息技术(上海)有限公司 | 景区游客行为的检测聚类方法、系统、设备及存储介质 |
CN115371684A (zh) * | 2022-10-24 | 2022-11-22 | 四川师范大学 | 一种景区游玩路径规划方法及系统 |
CN116327570A (zh) * | 2023-03-29 | 2023-06-27 | 天津科技大学 | 一种面向主动引导的多模式自主驱动导盲方法及装置 |
CN116664346A (zh) * | 2023-04-27 | 2023-08-29 | 沈阳晟鑫旅游科技有限公司 | 一种基于行动轨迹的景区运营管理系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2122942B1 (en) * | 2007-03-01 | 2017-08-30 | Extreme Networks, Inc. | Software control plane for switches and routers |
US10691130B2 (en) * | 2018-06-06 | 2020-06-23 | Uatc, Llc | Gridlock solver for motion planning system of an autonomous vehicle |
-
2024
- 2024-01-25 CN CN202410103982.0A patent/CN117633372B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7899583B2 (en) * | 2005-04-12 | 2011-03-01 | Ehud Mendelson | System and method of detecting and navigating to empty parking spaces |
CN109409612A (zh) * | 2018-11-12 | 2019-03-01 | 平安科技(深圳)有限公司 | 一种路径规划方法、服务器及计算机存储介质 |
CN109540164A (zh) * | 2018-11-22 | 2019-03-29 | 广州小狗机器人技术有限公司 | 一种路径规划方法、系统及设备 |
CN109459051A (zh) * | 2018-12-20 | 2019-03-12 | 华中科技大学鄂州工业技术研究院 | 基于路线规划的语音伴随导游方法及设备 |
CN114902295A (zh) * | 2019-12-31 | 2022-08-12 | 辉达公司 | 用于自主驾驶应用的三维路口结构预测 |
CN111177572A (zh) * | 2020-01-16 | 2020-05-19 | 西北大学 | 一种基于用户动态兴趣的个性化旅游路线推荐方法 |
CN111460287A (zh) * | 2020-03-27 | 2020-07-28 | 数网金融有限公司 | 一种旅游信息处理方法、装置及可读存储介质 |
CN112380462A (zh) * | 2020-11-29 | 2021-02-19 | 龙马智芯(珠海横琴)科技有限公司 | 参展路径规划方法、装置、服务器及计算机可读存储介质 |
CN112818240A (zh) * | 2021-02-19 | 2021-05-18 | 汉海信息技术(上海)有限公司 | 评论信息的展示方法、装置、设备及计算机可读存储介质 |
CN113901257A (zh) * | 2021-10-28 | 2022-01-07 | 北京百度网讯科技有限公司 | 地图信息的处理方法、装置、设备和存储介质 |
CN114493932A (zh) * | 2021-12-28 | 2022-05-13 | 云南腾云信息产业有限公司 | 游玩路线的生成、直播内容方法、装置、终端和存储介质 |
CN115223245A (zh) * | 2022-07-19 | 2022-10-21 | 携程旅游信息技术(上海)有限公司 | 景区游客行为的检测聚类方法、系统、设备及存储介质 |
CN115371684A (zh) * | 2022-10-24 | 2022-11-22 | 四川师范大学 | 一种景区游玩路径规划方法及系统 |
CN116327570A (zh) * | 2023-03-29 | 2023-06-27 | 天津科技大学 | 一种面向主动引导的多模式自主驱动导盲方法及装置 |
CN116664346A (zh) * | 2023-04-27 | 2023-08-29 | 沈阳晟鑫旅游科技有限公司 | 一种基于行动轨迹的景区运营管理系统及方法 |
Non-Patent Citations (4)
Title |
---|
3D Viewpoint Estimation Based on Aesthetics;Yan Zhang等;《IEEE》;20200609;第 108602-108621页 * |
Yan Zhang等 .3D Viewpoint Estimation Based on Aesthetics.《IEEE》.2020,第 108602-108621页. * |
一款城市景点自助讲解APP的设计及实现;周艳;《重庆科技学院学报(自然科学版)》;20170215;第104-107页 * |
周艳.一款城市景点自助讲解APP的设计及实现.《重庆科技学院学报(自然科学版)》.2017,第104-107页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117633372A (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108829852B (zh) | 一种个性化旅游路线推荐方法 | |
CN111177572B (zh) | 一种基于用户动态兴趣的个性化旅游路线推荐方法 | |
CN106997389B (zh) | 一种基于多数据集和协同张量分解的旅游景点推荐方法 | |
CN104794171B (zh) | 标记图片地理位置信息的方法及装置 | |
US9996998B2 (en) | Adaptive advisory engine and methods to predict preferential activities available at a region associated with lodging | |
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 | |
JP5932030B2 (ja) | カスタム移動ルートシステム | |
US20110246561A1 (en) | Server apparatus, client apparatus, content recommendation method, and program | |
CN110532464B (zh) | 一种基于多旅游上下文建模的旅游推荐方法 | |
CN112417204B (zh) | 一种基于实时路况的音乐推荐系统 | |
CN106095973A (zh) | 一种结合短时流量预测的旅游路线推荐方法 | |
CN114627390B (zh) | 一种改进的主动学习遥感样本标记方法 | |
CN110414561A (zh) | 一种适用于机器视觉的自然场景数据集的构建方法 | |
CN110851621A (zh) | 基于知识图谱预测视频精彩级别的方法、装置及存储介质 | |
CN116664346A (zh) | 一种基于行动轨迹的景区运营管理系统及方法 | |
CN116823534A (zh) | 一种基于多模态大模型的文旅行业智能服务虚拟人系统 | |
CN114386664A (zh) | 一种基于强化学习的个性化旅游线路推荐方法 | |
CN105844204A (zh) | 人体行为识别方法和装置 | |
CN117633372B (zh) | 基于物联网的景区游玩路径优化方法、系统、终端及介质 | |
CN118014297A (zh) | 一种户外健身设施供需响应度智能评测方法及系统 | |
CN111797331B (zh) | 基于群智感知的多目标多约束路线推荐方法 | |
CN114120287B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
CN112992021A (zh) | 一种景区智能导览系统和使用方法 | |
CN117058489B (zh) | 多标签识别模型的训练方法、装置、设备及存储介质 | |
CN118277440A (zh) | 一种基于大数据的个性化资源推送方法、系统、设备及介质 |
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 |