【技术实现步骤摘要】
本专利技术涉及旅游路线，更具体地说，涉及一种基于前瞻性信息的旅游路线推荐系统。
技术介绍
1、现代旅游市场正在发生重大变化。一方面，市场结构正在从大众市场向自由行市场转变。另一方面，自由行游客的行为发生了很大变化。游客们越来越倾向于选择个性化的旅游路线，而不是标准的旅游套餐。因此，旅游推荐系统受到越来越多的关注。然而，由于各种潜在的突发事件，如交通拥挤、天气变化等，推荐系统设计的旅游路线在实际旅行过程中可能会变得次优甚至不切实际。因此，如何在路线设计时提前规避各种潜在的不确定事件成为很多旅游实践者和研究者所共同关注的问题。
2、现有的研究或解决方案存在以下几点不足：(1)绝大多数研究只针对确定性环境下的旅游路线设计，忽视了各种不确定因素对于既定旅游路线的负面影响；(2)现有的研究主要采用概率论或模糊优化的方法来处理不确定性，但是前者依赖于庞大的数据量，后者在可行域内会损失大量有用信息；(3)现有研究主要关注转移时间的不确定性，研究问题相对固定，系统的可拓展性不强。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种基于前瞻性信息的旅游路线推荐系统，能够根据相关历史数据推断旅程中可能发生的各种不确定事件，从而在路线设计时提前规避这些事件，提高游客的旅行体验和满意度；同时，路线设计时综合考虑游客的个性化要求以及各种现实约束，具有较高的实践性。
2、本专利技术的技术方案如下：
3、一方面，一种基于前瞻性信息的旅游路线推荐系统，包括：p>
4、景点未来客流量预测模块，用于基于景点历史客流量，使用lstm模型预测景点未来客流量；
5、个性化路线设计模块，用于基于包括游客偏好、时间预算和景点开放时间的确定性信息以及基于未来景点拥挤度预测的前瞻性信息，使用蚁群算法构建启发式方法来生成和优化旅游路线，输出最佳的旅游路线；所述未来景点拥挤度由预测的景点未来客流量和景点的承载力的比值决定。
6、优选的，所述个性化路线设计模块，具体包括：
7、初始化单元，用于基于路线的时空结构，采用一种双层可变染色体来编码游客的移动，生成初始化路线设计；
8、解集构建单元，用于在每次迭代开始前，将所有游客放置至起点，且游客的编码将被初始化为空染色体；随后，将每个游客根据沉积信息素和现实约束独立的移动；当所有的游客到达结束节点，一次迭代将完成，此时将生成q条可行路线；其中，游客的每次移动基于转移概率，转移概率基于沉积信息素、下一个景点的潜在效用值以及景点间的转移时间计算获得；
9、局部搜索单元，用于在每次迭代后从q条可行路线中选出当前迭代中的最佳路线scbest；对scbest进行局部搜索以检验是否存在一个效用值更好的邻域解，如果存在，则用该邻域解替代scbest；目前为止的全局最优解sgbest将被sgbest和scbest中效用值更好的那个所替代；
10、信息素更新单元，用于在局部搜索之后，进行信息素的更新，并进入下一轮迭代；重复执行个性化路线设计模块中的各单元，直至达到设定的迭代次数，并最终输出最佳的旅游路线。
11、优选的，所述初始化单元中，双层中的上层表示景点的选择与参观顺序，双层中的下层表示相应景点的参观时长。
12、优选的，所述解集构建单元中，从景点vi移动到景点vj的转移概率pk(i,j)的计算方法如下：
13、
14、其中，τ(i,j)表示景点vi和景点vj之间的信息素浓度，i，j∈[1，n]，n表示景点的个数；allowedl表示未参观景点的集合；uj(t)表示游客在t时刻从景点vj获得的效用值；t(vi,vj)表示景点vi和景点vj之间的转移时长。
15、优选的，游客在t时刻从景点vj获得的效用值uj(t)，表示如下：
16、uj(t)＝msj(t)·pj·scj(t)
17、其中，msj(t)是一个边际递减函数；pj是一个0至1之间的数值；scj(t)是t时刻景点j的拥挤度的非线性函数。
18、优选的，所述信息素更新单元中，采用的更新规则如下式：
19、
20、其中，τg(i,j)表示第g次迭代时路线(i,j)的信息素；ρ表示用于控制信息素的增加率；i，j∈[1，n]，n表示景点的个数；表示第g次迭代时由游客l给路线(i,j)带来的信息素增加值；表示第g次迭代时由全局最佳游客给路线(i,j)带来的信息素增加值；由游客l在第g次迭代时从路线中获得的总效用值ul和路线中的路径数pl决定的。
21、优选的，总效用值ul，表示如下：
22、
23、其中，d表示预算的旅行天数；表示游客在第k天第m阶段所获取的效用值，游客每访问一个景点，记为一个阶段，假定游客在第k天旅行过程中游览景点的次数为则可以将整个旅游过程划分为i，j∈[1，n]，n表示景点的个数；表示第k天第m个阶段的开始参观时间，其由游客的到达时间和景点的开放时间中的最大值决定；则表示结束参观时间；是一个边际递减函数；pi是一个0至1之间的数值；表示在第k天第m个阶段是否参观景点i，如果是，则否则是第k天t时刻景点i的拥挤度的非线性函数。
24、优选的，第k天t时刻景点i的拥挤度的非线性函数表示如下：
25、
26、其中，capiα表示影响游客体验的拥挤阈值；capiβ表示拥挤导致满意度下降的分界点；γ表示游客对于拥挤的敏感度，值越小表明游客对拥挤越敏感；表示第k天t时刻景点i的拥挤度，由未来景点的游客数量和景点的承载力capi的比值决定。
27、优选的，所述景点未来客流量预测模块，包括：
28、数据预处理单元，用于对收集的历史客流量数据进行预处理，包括数据标准化以及划分训练集和测试集；
29、lstm训练单元，用于基于数据预处理单元的处理结果，进行lstm模型训练，模型训练过程中优化批次大小、学习率以及隐藏层单元数；
30、预测生成单元，用于基于训练好的lstm模型，预测景点未来客流量。
31、本专利技术的有益效果如下：
32、本专利技术一种基于前瞻性的旅游路线推荐系统，考虑了不确定事件影响下的旅游路线设计问题，并借助预测技术来解决该问题。与现有的旅游路线推荐系统相比，本专利技术所提出的系统能够有效规避各种不确定事件(如交通拥挤、天气变化等)给旅游行程带来的负面影响，从而提高游客的旅行体验和满意度。在算法设计层面上，引入了lstm来生成对于不确定事件的预测，该模型能够有效平衡预测精度和效率；以蚁群算法为基础，集成了变邻域搜索和差分进化算法对旅游路线进行时空优化，同时通过改进搜索结构提升了优化效率；具有较高的可拓展性，为解决旅行过程中其他常见不确定事件的负面影响提供了参考。
33、以下结合附图及实施例对本专利技术作进一步详细说明，但本专利技术的一种基于前瞻性信息的旅游路线推荐系统不局限于实施例。
本文档来自技高网...【技术保护点】
1.一种基于前瞻性信息的旅游路线推荐系统，其特征在于，包括：
2.根据权利要求1所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述个性化路线设计模块，具体包括：
3.根据权利要求2所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述初始化单元中，双层中的上层表示景点的选择与参观顺序，双层中的下层表示相应景点的参观时长。
4.根据权利要求2所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述解集构建单元中，从景点vi移动到景点vj的转移概率pk(i,j)的计算方法如下：
5.根据权利要求4所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，游客在t时刻从景点vj获得的效用值uj(t)，表示如下：
6.根据权利要求2所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述信息素更新单元中，采用的更新规则如下式：
7.根据权利要求6所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，总效用值Ul，表示如下：
8.根据权利要求7所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，第k天t时刻
9.根据权利要求1所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述景点未来客流量预测模块，包括：
...【技术特征摘要】
1.一种基于前瞻性信息的旅游路线推荐系统，其特征在于，包括：
2.根据权利要求1所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述个性化路线设计模块，具体包括：
3.根据权利要求2所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述初始化单元中，双层中的上层表示景点的选择与参观顺序，双层中的下层表示相应景点的参观时长。
4.根据权利要求2所述的基于前瞻性信息的旅游路线推荐系统，其特征在于，所述解集构建单元中，从景点vi移动到景点vj的转移概率pk(i,j)的计算方法如下：
5.根据权利要求4所述的基于前瞻性信息...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。