CN105956167A - 一种聚餐地点智能推荐方法与*** - Google Patents

Abstract

一种聚餐地点智能推荐方法与***包括一种聚餐地点智能推荐方法(简称方法)以及一种聚餐地点智能推荐***(简称***)；所述***主要包括：聚餐者地理位置的定位模块，聚餐者聚餐地点的智能推荐模块，聚餐者到聚餐地点的智能路径规划模块；所述方法包含：1)各聚餐者位置定位，输入各聚餐者的位置；2)以各聚餐者的位置为起点，以各聚餐者圆形区域范围内各餐馆的位置为终点，结合历史路状信息，计算出各聚餐者到聚餐者圆形区域范围内各餐馆的最短路径；3)计算出所有聚餐者到聚餐者圆形区域范围内的各餐馆的结合历史路状信息的最短路径的总和；4)推荐出路径长度总和最短的餐馆；本发明结合历史路状，为聚餐者迅速推荐最佳餐馆和最佳路径。

Description

一种聚餐地点智能推荐方法与***

技术领域

本发明涉及一种聚餐地点智能推荐方法与***，属于计算机科学的路径规划与智能搜索以及智能分析技术领域。

背景技术

目前，移动平台下的智能聚餐***还不够成熟，餐馆的路径规划还不够优化。针对人们聚餐所给出的智能聚餐***软件还不能满足人们对于智能聚餐餐馆推荐和路径规划的要求。此智能聚餐***是由聚餐群主组织，聚餐者可自由选择1.地铁或者公交，2.自驾或者搭乘出租，3.步行等三种出行方式，结合不同的出行方式，历史路况信息和天气预报信息给出行路径予以不同权值，基于带权路径信息实现各聚餐者路径最短的餐馆推荐并给出各聚餐者到推荐餐馆的路径规划。

最短路径是寻找网络中节点对直接最短路径的一类问题，通常是采用图论和数学规划的方法进行对路径的搜索。本***针对移动平台的智能聚餐***提出了自己的路径规划算法：首先聚会由群主组织，聚餐者可自由选择1.地铁或者公交，2.自驾或者搭乘出租，3.步行等三种出行方式，然后由百度地图定位出朋友们的所在位置，不同的聚餐位置，规划出一个圆形区域包括各聚餐者的位置，然后在圆形区域内的各个位置点，都结合出行方式，历史路转信息和天气预报信息加以不同权值，如果交通方式为自驾或者搭乘出租，则再进一步结合路况信息的历史数据，设置权重，当历史路状畅通的时候路径的长度乘以权值M，当历史路状比较阻塞的时候路径的长度乘以权值N，当历史路状非常阻塞的时候路径的长度乘以权值K，即先用时间换空间，最后再用空间换时间，最后规划出的路径不仅是路径最短的路径，也必然是所用时间最短的路径。算出各聚餐者到各个圆形区域内的各个餐馆的位置点的加权值的距离，选择出各聚餐者到餐馆的位置点总和最短的那个餐馆。此时各聚餐者到餐馆的位置点总和最短的那个餐馆即使要推荐的餐馆，最后规划出各聚餐者到推荐餐馆的路径。所述的权值M的取值范围为1-1.2，权值N的取值范围为1.3-1.8,权值K的取值范围为2.0-2.5。

自上世纪50年代开始，各领域的学者对最佳路径问题进行了深入的研究。基于Bellman优化原理，求解节点网络中一个节点到所有其他节点最佳路径的Dijkstra算法，求解节点网络里任意节点之间最短路径的Floyd算法，以及智能搜索A*算法等为代表的经典算法奠定了节点网络最佳路径算法的基础。

在众多的最佳路径算法中，A*算法是目前比较流行的一种最佳路径的搜索算法，同Dijkstra等算法相比，A*算法采用了启发式的搜索策略，在搜索的过程中对每一个搜索的节点进行评估和计算，避免了路径搜索的盲目性，可以在很大程度上减少搜索过程中遍历的节点，从而提高算法的执行速度。

通过对目前最佳路径算法性能的比较可以发现，当应用在大型复杂的节点网络中的时候，A*算法性能比较优秀。但对于复杂地图环境下的智能聚餐***中时，不能很好地满足智能聚餐***对路况实时性的要求，因此实有必要提出改进的算法来解决复杂地图环境下智能聚餐***路径规划的问题。

首先，针对聚餐地点智能推荐方法与***的研究方面，均出现了多种方法与***，经过资料检索，大致有如下几类：

(a)申请号：CN201410379405.0，名称为“移动餐饮点单与智能推荐***”的发明专利，包括：方便顾客浏览菜单，并利用数据挖掘和情境分析，通过对顾客以往点菜情境进行特征抽取，及调用模型库中的关联规则进行分析后，智能地向顾客进行就餐桌号与菜谱的推荐，解决背景技术中的问题。。上述移动餐饮点单与智能推荐***，只是提供了点餐时的就餐桌号与菜谱的推荐，并没有智能的推荐就餐餐馆和就餐餐馆路径规划。

(b)申请号：CN200910219167.6，名称为“一种动态起点的最短路径规划方法”的发明专利，包括：以车辆当前位置为起点，结合交通流量和路状信息，按照路径规划算法求解最短路径。但是此专利仅仅考虑了车辆行驶的交通流量和路状信息，并没有结合其他交通方式比如地铁，并没有智能的推荐出聚餐餐馆和智能路径规划。

针对上述各公开方法或***的技术缺陷，本申请致力于克服上述方法及***无法解决聚餐地点智能推荐的问题，旨在提出一种聚餐地点智能推荐方法与***。

发明内容

本发明的目的在于解决现有聚餐地点智能推荐***无法解决结合路况信息的技术问题，提出了一种聚餐地点智能推荐方法与***。

本发明一种聚餐地点智能推荐方法与***包括一种聚餐地点智能推荐方法(简称“方法”)以及一种聚餐地点智能推荐***(简称“***”)两部分；

所述的***主要包括：聚餐者地理位置的定位模块，聚餐者聚餐地点的智能推荐模块，聚餐者到聚餐地点的智能路径规划模块；

一种聚餐地点智能推荐***中各模块功能为：

聚餐者地理位置的定位模块为聚餐者聚餐地点的智能推荐模块提供地理位置信息，经度和纬度,是聚餐者聚餐地点的智能推荐模块的前提；聚餐者聚餐地点的智能推荐模块功能为使用算法规划处最佳路径的餐馆位置信息，是聚餐者到聚餐地点的智能路径规划模块的基础，为聚餐者智能聚餐提供最终到达的餐馆目的地，为智能餐馆路径规划提供终点信息；聚餐者到聚餐地点的智能路径规划模块功能为规划出聚餐者到推荐餐馆之间的路径信息；

一种聚餐地点智能推荐***中的各模块连接关系如下：

聚餐者地理位置的定位模块与聚餐者聚餐地点的智能推荐模块相连；聚餐者聚餐地点的智能推荐模块与聚餐者到聚餐地点的智能路径规划模块相连；

一种聚餐地点智能推荐方法，包含如下步骤：

步骤一、各聚餐者位置定位，输入各个聚餐者的位置；

步骤二、以各个聚餐者的位置为起点，以各个聚餐者圆形区域范围内各餐馆的位置为终点，结合历史路状信息，计算出各个聚餐者到聚餐者圆形区域范围内的各个餐馆的最短路径；

其中，步骤二又包括以下步骤：

步骤2.1当历史路状畅通的时候设置路状权值Q为M，当历史路状比较阻塞的时候设置路状权值Q为N，当历史路状非常阻塞的时候设置路状权值Q为K；

当一年之内超过50％的时间路状通畅，车辆可以顺利通行则定义此路况的历史路况畅通，当一年之内60％以上的时间路状阻塞，但是车辆缓慢通行，则定义此路况的历史路况比较阻塞；当一年之内60％以上的时间路状阻塞，车辆无法顺利通行，造成车辆长时间堵塞，则定义此路况的历史路况非常阻塞；

其中，所述的权值M、N、K，满足M<N<K；

所述的权值M的取值范围为1到1.2，权值N的取值范围为1.3到1.8,权值K的取值范围为2.0到2.5；

步骤2.2设带权图G＝(V,E),VoεV,初始时，U只包含起点Vo；V-U包含除Vo外的其他顶点，且V-U中顶点的距离值为"起点Vo到该顶点的距离乘以路径权值Q"[V-U中顶点Vi的距离值为(Vo,Vi)的长度乘以路径权值Q(i＝1，2，3，...,n-1)，若Vo和Vi不相邻，则Vo到Vi的距离值为∞]；

其中V为顶点集合，E为边集合，Vo为起点，VoεV即Vo属于集合V，集合U为顶点集合，存放已求出从Vo到它结合历史路状信息的最短路径的所有顶点，V-U是尚未确定结合历史路状信息最短路径的顶点集合；

步骤2.3在集合V-U中选择距离值最小的顶点，将此顶点记为：Vmin，并将Vmin加入集合U；

步骤2.4对集合V-U中各顶点，如果加入顶点Vmin为中间顶点后，使Vo到Vi的距离值比原来的距离值更小，则修正Vi的距离值；细化为：如果dist[i].length>dist[min].length+G.arcs[min][i]*Q,则将顶点Vi的距离值改为dist[min].length+G.arcs[min][i]*Q,并修改路径上Vi的前一个顶点：dist[i].prevex＝min；

其中数组dist，dist[i]最终用于存放Vo到顶点Vi结合历史路状信息的最短路径及其结合历史路状信息的最短路径长度(即距离值)；

步骤2.5重复步骤2.4操作，直到从Vo出发可以到达的所有顶点都在集合U中为止；

步骤三、结合历史路状信息，计算出所有聚餐者到聚餐者圆形区域范围内的各个餐馆的最短路径的总和；

步骤四、推荐出路径长度总和最短的餐馆；

至此，经过了步骤一到步骤四，完成了一种聚餐地点智能推荐方法。

有益效果

本发明一种聚餐地点智能推荐方法与***与其他现有方法及***相比，具有如下有益效果：

1.本发明一种聚餐地点智能推荐方法在执行的过程中结合了历史路状信息，在考虑历史路状信息的同时规划出最佳路径，而不仅仅是最短路径并且可以很好的在多人聚餐时对聚餐者的出行路径进行规划，迅速的为聚餐者推荐最佳餐馆和推荐最佳路径；

2.本发明一种聚餐地点智能推荐方法最大限度的结合了历史交通路状信息和出行方式设置权值，方便了聚餐的餐馆选择和聚餐时间的优化。

附图说明

图1是本发明一种聚餐地点智能推荐方法与***实施例1的实施示意图；

图2是本发明一种聚餐地点智能推荐方法与***实施例2中选择聚餐者聚餐餐馆的示意图；

图3是本发明一种聚餐地点智能推荐方法与***的算法流程图；

图4是本发明一种聚餐地点智能推荐方法与***实施例4中对于不同规划出的最短路径结合当时的路状信息予以权值规划出来的最佳路径示意图。

具体实施方式

为了进一步说明本发明及有益效果的特点，下面结合附图及实施例进行深入阐述和说明。

实施例1

图1是本发明一种聚餐地点智能推荐方法与***的具体实施示意图；首先，由聚餐者选择聚餐交通方式，如果交通方式是自驾或者搭乘出租，则再进一步结合路况信息的历史数据，设置权重，当历史路状畅通的时候规划出的路径乘以权值M，当历史路状比较阻塞的时候规划出的路径长度乘以权值N，当历史路状非常阻塞的时候规划出来的路径长度乘以权值K，即最终选取规划出的路径长度最短的路径，先用时间换空间，最后再用空间换时间，最后规划出的路径不仅是路径最短的路径，也必然是所用时间最短的路径。最后推荐出最短路径的餐馆，完成聚餐地点的智能推荐。

具体针对本实施例，附图1中的“结合历史路状信息进行路径规划”对应着本发明一种聚餐地点智能推荐方法的步骤一到步骤五；参数M取值为1，参数N取值为1.5，参数K取值为2。

实施例2

图2是本发明一种聚餐地点智能推荐方法与***本实施例中选择聚餐者聚餐餐馆的示意图；图3是本发明一种聚餐地点智能推荐方法与***中具体算法实现的流程图；具体算法图形描述如下：

假如聚餐者有三个人，分别是A，B和C，聚餐者A位于天作大厦，聚餐者B位于北京大学口腔医院，聚餐者C位于中央财经大学。然后在地图上虚拟一个圆，这个圆恰好包括A,B，C三点，然后规划出一个圆形区域包括各聚餐者的位置，然后在圆形区域内的各个位置点，都结合出行方式，历史路转信息和天气信息加以权值，如果交通方式为自驾或者出租，则再进一步结合路况信息的历史数据，设置权重，最后规划出最优路径的餐馆，推荐给大家。当历史路状畅通的时候路径的长度乘以权值M，当历史路状比较阻塞的时候路径的长度乘以权值N，当历史路状非常阻塞的时候路径的长度乘以权值K，即先用时间换空间，最后再用空间换时间，最后规划出的路径不仅是路径最短的路径，也必然是所用时间最短的路径。算出各聚餐者到各个圆形区域内的各个餐馆的位置点的加权值的距离，选择出各聚餐者到餐馆的位置点总和最短的那个餐馆。此时各聚餐者到餐馆的位置点总和最短的那个餐馆即使要推荐的餐馆，最后规划出各聚餐者到推荐餐馆的路径。所述的权值M的取值范围为1-1.2，权值N的取值范围为1.3-1.8,权值K的取值范围为2.0-2.5。

A，B，C为三个聚餐者的位置，模拟规划出一个圆，然后找到最佳聚餐位置点O。

红色的代表非常拥堵的交通状态，黄色的代表一般拥堵的交通状态，绿色的代表畅通的交通状态。如果规划出的最短路径有上述三条，则绿色的路径长度还要乘以权值M，黄色的路径长度还要乘以权值N，红色的还要乘以权值K。最后三条相同长度的路径中，最佳路径为绿色的路径。所述的权值M的取值范围为1-1.2，权值N的取值范围为1.3-1.8,权值K的取值范围为2.0-2.5。

实施例3

本发明还可以实现非聚餐者聚餐餐馆，比如实现聚会唱歌KTV智能推荐，本发明所提的一种聚餐地点智能推荐方法也可以应用于此场景。

实施例4

图4是本发明一种聚餐地点智能推荐方法与***针对本实施例对于不同规划出的最短路径结合当时的路状信息予以权值规划出来的最佳路径示意图。结合历史路状信息予以权值，可以给出聚餐地点智能推荐，为聚餐出行提供优质的服务。

综上所述，以上仅为本发明的较佳实例而已，并非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，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种聚餐地点智能推荐方法与***，其特征在于：

包括一种聚餐地点智能推荐方法(简称“方法”)以及一种聚餐地点智能推荐***(简称“***”)；

所述的***主要包括：聚餐者地理位置的定位模块，聚餐者聚餐地点的智能推荐模块，聚餐者到聚餐地点的智能路径规划模块；

一种聚餐地点智能推荐***中各模块功能为：

聚餐者地理位置的定位模块为聚餐者聚餐地点的智能推荐模块提供地理位置信息，经度和纬度,是聚餐者聚餐地点的智能推荐模块的前提；聚餐者聚餐地点的智能推荐模块功能为使用算法规划处最佳路径的餐馆位置信息，是聚餐者到聚餐地点的智能路径规划模块的基础，为聚餐者智能聚餐提供最终到达的餐馆目的地，为智能餐馆路径规划提供终点信息；聚餐者到聚餐地点的智能路径规划模块功能为规划出聚餐者到推荐餐馆之间的路径信息；

一种聚餐地点智能推荐***中的各模块连接关系如下：

聚餐者地理位置的定位模块与聚餐者聚餐地点的智能推荐模块相连；聚餐者聚餐地点的智能推荐模块与聚餐者到聚餐地点的智能路径规划模块相连。

2.如权利要求1所述的一种聚餐地点智能推荐方法与***，其特征还在于：

所述的一种聚餐地点智能推荐方法，包含如下步骤：

步骤一、各聚餐者位置定位，输入各个聚餐者的位置；

步骤二、以各个聚餐者的位置为起点，以各个聚餐者圆形区域范围内各餐馆的位置为终点，结合历史路状信息，计算出各个聚餐者到聚餐者圆形区域范围内的各个餐馆的最短路径；

步骤三、结合历史路状信息，计算出所有聚餐者到聚餐者圆形区域范围内的各个餐馆的最短路径的总和；

步骤四、推荐出路径长度总和最短的餐馆；

至此，经过了步骤一到步骤四，完成了一种聚餐地点智能推荐方法。

3.如权利要求2所述的一种聚餐地点智能推荐方法，其特征还在于：

其中，步骤二又包括以下步骤：

步骤2.1当历史路状畅通的时候设置路状权值Q为M，当历史路状比较阻塞的时候设置路状权值Q为N，当历史路状非常阻塞的时候设置路状权值Q为K；

步骤2.2设带权图G＝(V,E),VoεV,初始时，U只包含起点Vo；V-U包含除Vo外的其他顶点，且V-U中顶点的距离值为"起点Vo到该顶点的距离乘以路径权值Q"[V-U中顶点Vi的距离值为(Vo,Vi)的长度乘以路径权值Q(i＝1，2，3，...,n-1)，若Vo和Vi不相邻，则Vo到Vi的距离值为∞]；

其中V为顶点集合，E为边集合，Vo为起点，VoεV即Vo属于集合V，集合U为顶点集合，存放已求出从Vo到它结合历史路状信息的最短路径的所有顶点，V-U是尚未确定结合历史路状信息最短路径的顶点集合；

步骤2.3在集合V-U中选择距离值最小的顶点，将此顶点记为：Vmin，并将Vmin加入集合U；

步骤2.4对集合V-U中各顶点，如果加入顶点Vmin为中间顶点后，使Vo到Vi的距离值比原来的距离值更小，则修正Vi的距离值；细化为：如果dist[i].length>dist[min].length+G.arcs[min][i]*Q,则将顶点Vi的距离值改为dist[min].length+G.arcs[min][i]*Q,并修改路径上Vi的前一个顶点：dist[i].prevex＝min；

其中数组dist，dist[i]最终用于存放Vo到顶点Vi结合历史路状信息的最短路径及其结合历史路状信息的最短路径长度(即距离值)；

步骤2.5重复步骤2.4操作，直到从Vo出发可以到达的所有顶点都在集合U中为止。

4.如权利要求3所述的一种聚餐地点智能推荐方法，其特征还在于：

步骤2.1中，历史路状畅通、历史路状比较阻塞和历史路况非常阻塞的定义分别如下：

当一年之内超过50％的时间路状通畅，车辆可以顺利通行则定义此路况的历史路况畅通；

当一年之内60％以上的时间路状阻塞，但是车辆缓慢通行，则定义此路况的历史路况比较阻塞；

当一年之内60％以上的时间路状阻塞，车辆无法顺利通行，造成车辆长时间堵塞，则定义此路况的历史路况非常阻塞。

5.如权利要求3所述的一种聚餐地点智能推荐方法，其特征还在于：

步骤2.1中，所述的权值M、N、K，满足M<N<K；

所述的权值M的取值范围为1到1.2，权值N的取值范围为1.3到1.8,权值K的取值范围为2.0到2.5。