基于角色协同推荐的自驾游行程规划方法及系统技术方案

本发明专利技术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。本发明专利技术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。行程的快速调整与优化。行程的快速调整与优化。

【技术实现步骤摘要】
基于角色协同推荐的自驾游行程规划方法及系统


[0001]本专利技术属于自驾游行程规划
，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。

技术介绍

[0002]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。
[0003]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。
[0004]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。
[0005]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。
[0006]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。
[0007]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。

技术实现思路

[0008]本专利技术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。
[0009]基于上述目的，本专利技术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。
[0010]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。
[0011]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。
[0012]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。
[0013]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，并根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
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；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。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。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1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...

【专利技术属性】
技术研发人员：马华，蒋子旭，谢敏良，符湘茹，黄卓轩，张红宇，
申请(专利权)人：湖南师范大学，
类型：发明
国别省市：