CN106157192A - 一种行程服务方法和装置 - Google Patents
一种行程服务方法和装置 Download PDFInfo
- Publication number
- CN106157192A CN106157192A CN201610302799.9A CN201610302799A CN106157192A CN 106157192 A CN106157192 A CN 106157192A CN 201610302799 A CN201610302799 A CN 201610302799A CN 106157192 A CN106157192 A CN 106157192A
- Authority
- CN
- China
- Prior art keywords
- parameter
- travel
- user behavior
- user
- travel schedule
- 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 80
- 230000003542 behavioural effect Effects 0.000 claims abstract description 92
- 238000013461 design Methods 0.000 claims abstract description 34
- 238000007418 data mining Methods 0.000 claims description 35
- 239000012634 fragment Substances 0.000 claims description 20
- 241000208340 Araliaceae Species 0.000 claims description 10
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 10
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 10
- 235000008434 ginseng Nutrition 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 2
- 230000006399 behavior Effects 0.000 description 102
- 230000008569 process Effects 0.000 description 35
- 230000002354 daily effect Effects 0.000 description 22
- 238000010586 diagram Methods 0.000 description 10
- 230000005856 abnormality Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000007792 addition Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供了一种行程服务方法和装置,其中的方法具体包括:获取针对城市的行程条件信息;依据用户行为参数,确定所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数;输出所述最优行程方案。本发明实施例依据用户行为参数确定的最优行程方案能够符合用户的旅游行为习惯,所以能够提高行程方案的合理性。
Description
技术领域
本发明涉及信息技术领域,特别是涉及一种行程服务方法和一种行程服务装置。
背景技术
随着国民收入不断增加,旅游人数逐年上升,自由行作为主要旅游方式之一也发展迅速,对选择自由行的用户来说,行程路线的合理性是决定用户体验的核心因素之一,其将直接决定旅途的成本和体验。
现有的一种行程规划方法,可以在接收用户输入的行程请求后,依据景点坐标、票价、交通等景点信息,按照预定规则(交通距离最短、游览时长最短等)自动生成上述行程请求对应的行程路线。假设用户计划去某城市旅游2天,该城市的景点分布如图1所示,则可以按照交通距离最短原则,生成图2中行程路线,其中,第一天的行程路线为B-E-A(图2中实线),第二天的行程路线为C-F-D(图2中虚线)。
然而,上述按照预定规则生成的行程路线很有可能是不合理的路线。例如,图2中景点A的排队时间通常为接近1小时,故该排队时间将耽误行程从而出现在约定时间未完成景点A的游览的问题。又如,若只考虑交通距离最短,则现有方案容易将凯旋门和香榭丽舍大街两个景点拆开游览,导致用户无法体验两个景点之间路程的风景。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种行程服务方法和相应的一种行程服务装置。
为了解决上述问题,本发明实施例公开了一种行程服务方法,包括:
获取针对城市的行程条件信息;
依据用户行为参数,确定所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数。
另一方面,本发明实施例公开了一种行程服务装置,包括:
获取模块,用于获取针对城市的行程条件信息;
规划模块,用于依据用户行为参数,确定所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数;以及
输出模块,用于输出所述最优行程方案。
本发明实施例包括以下优点:
本发明实施例的最优行程方案为依据用户行为参数所确定得到,而用户行为参数可以为依据用户的历史行程行为数据得到的参数,其能够反映用户的旅游行为习惯,使得依据用户行为参数确定的行程方案能够更加符合用户的旅游行为习惯;因此,相对于现有方案按照交通距离最短等预定规则生成行程路线,由于本发明实施例依据用户行为参数确定的最优行程方案能够符合用户的旅游行为习惯,所以能够提高行程方案的合理性。
例如,相对于现有方案所生成行程路线B-E-A将景点A安排在一天中最后一点游览、而导致景点A的排队时间耽误行程从而出现在约定时间未完成景点A的游览的问题,本发明实施例可以考虑大多数用户选择在一天中首先游览景点A的旅游行为习惯,将景点A安排在一天中首点游览,由于可以将排队时间分布至景点A开门之前、而不会影响到一天的行程,因此本发明实施例能够保证行程的顺利完成,从而能够提高行程方案的合理性。
又如,相对于现有方案容易将凯旋门和香榭丽舍大街两个景点拆开游览、导致用户无法体验两个景点之间路程的风景的问题,本发明实施例可以考虑大多数用户将凯旋门和香榭丽舍大街安排在一起游览的旅游行为习惯,将凯旋门和香榭丽舍大街安排在一起游览,由于可以使用户体验凯旋门和香榭丽舍大街两个景点之间路程的风景,因此本发明实施例能够使用户体验更多的风景,从而能够提高行程方案的合理性。
附图说明
图1是现有的一种城市的景点分布示意图;
图2是现有的一种针对图1城市生成的行程路线的示意图;
图3是本发明的一种行程服务方法实施例一的步骤流程图;
图4是本发明的一种行程服务方法实施例二的步骤流程图;
图5是本发明的一种针对图1城市生成的行程路线的示意图;及
图6是本发明的一种行程服务装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
方法实施例一
参照图3,示出了本发明的一种行程服务方法实施例一的步骤流程图,具体可以包括如下步骤:
步骤301、获取针对城市的行程条件信息;
本发明实施例可以应用于各种行程服务***中,该行程服务***可以通过客户端向用户提供UI(界面,User Interface),通过该UI接收用户的行程请求,并依据该行程请求,向用户提供符合用户需求的行程方案。
本发明实施例中,针对城市的行程条件信息可用于表示城市内行程规划所需的条件。例如,对于外地用户,上述行程条件信息具体可以包括:城市的到达时间点和到达位置、城市的离开时间点和离开位置、及个人偏好等信息;又如,对于本地用户,上述行程条件信息具体可以包括:城市的居住位置、及个人偏好等信息;其中,上述外地用户和本地用户可以相对于城市而对用户进行的区分,上述个人偏好可以为可选的信息,可以理解,本领域技术人员可以根据实际应用需求,采用任意的行程条件信息,本发明实施例对于具体的行程条件信息不加以限制。
在本发明的一种可选实施例中,可以通过用户的行程请求获取针对城市的行程条件信息。例如,假设本地用户在行程服务***的UI中提交行程请求,并在该行程请求中携带城市的居住位置等信息,则可以从该行程请求中提取城市内行程规划所需的居住位置等信息作为上述行程条件信息。
在本发明的另一种可选实施例中,可以依据城市间的行程规划结果获取针对城市的行程条件信息。例如,用户打算去欧洲自由行,计划按顺序游览2个国家6个城市:法国(巴黎,普罗旺斯,尼斯)、以及意大利(威尼斯,罗马,那不勒斯),假设该6个城市的行程规划结果中可以包括:每 个城市的到达时间点和到达位置、每个城市的离开时间点和离开位置等信息,则可以从该6个城市的行程规划结果中提取城市内行程规划所需的信息作为上述行程条件信息;如巴黎的到达时间为12月15日10:00am,到达位置为戴高乐机场,离开时间为12月18日4:00pm,离开位置为戴高乐机场等。需要说明的是,上述城市间的行程规划结果可以来自本发明实施例的行程服务***,也可以来自其它的行程服务***;或者,当本发明实施例应用于行程服务***中的城市内行程规划装置时,上述城市间的行程规划结果可以来自行程服务***中的城市间行程规划装置,本发明实施例对于上述城市间的行程规划结果的来源不加以限制。
步骤302、依据用户行为参数,确定所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数;
本发明实施例中,所述用户行为参数可以为依据用户的历史行程行为数据得到的参数,其可用于反映用户的旅游行为习惯,使得依据用户行为参数确定的行程方案能够更加符合用户的行为习惯。
在本发明的一种可选实施例中,所述用户行为参数具体可以包括如下参数中的至少一种:单点著名度参数、单点游览时长参数、单点游览时段参数、首点游览概率参数、两两间连接度参数、单点异常参数、两两间交通参数和行程片段频率参数;其中,所述首点游览概率参数用于反映用户把行程点放在当天第一站游览的概率,所述两两间连接度参数用于反映用户对于行程点的游览顺序。
在本发明的另一种可选实施例中,所述历史行程行为数据的数据源具体可以包括:游记数据、日志数据和GPS(全球定位***,Global Position-ing System)数据中的至少一种。
其中,游记数据可以包括:用户在互联网上发布的用于记述旅游经历的数据,可以通过抓取方式从互联网获取上述游记数据;
上述日志数据可以用于表示各种行程服务***记录的与用户的浏览行为、搜索行为、或调整行为相关的数据。例如,用户的浏览行为相关的数据具体可以包括:用户浏览过的行程方案,又如,用户的搜索行为相关的数据具体可以包括:行程请求及用户最终选择的行程方案,再如,用户的调整行为可用于表示用户对于行程服务***所提供行程方案等已有行程方 案的调整行为等,其通常被记录于调整日志中。可以理解,本发明实施例对于具体的日志数据不加以限制。
GPS数据具体可以包括:游客的GPS轨迹数据;在实际应用中,可以将大量游客的GPS轨迹数据与其预定行程作比较,以挖掘出景点的半径、大门位置、内部游览路线等信息;对GPS轨迹数据进行数据挖掘,能够确定用户对于行程点的游览时长,还能够发现新行程点(如拍照景点或者新发现的景点等)。
可以理解,上述游记数据、日志数据和GPS数据只是作为历史行程行为数据的数据源的应用示例,而不理解为本发明实施例对于历史行程行为数据的数据源的应用限制,实际上,本领域技术人员可以根据实际应用需求采用其它的历史行程行为数据的数据源,如旅行社数据等,本发明实施例对于历史行程行为数据的具体数据源不加以限制。
在本发明的一种可选实施例中,上述数据源中可以包括:用户调整行为数据,该用户调整行为数据具体可以包括:用户在行程服务***中,对行程服务***提供的行程方案进行调整对应的数据,所述调整具体可以包括:更改景点的游玩时长、增删行程线路中的景点、更改行程线路中景点顺序等;挖掘并利用这些用户调整行为数据,能够减少安排不合理的行程方案,从而能够向用户提供最合理的行程方案。
在本发明的一种可选实施例中,所述用户行为参数具体可以包括:第一用户行为参数,所述方法还包括:对所述数据源中的至少一种进行数据挖掘,得到对应的第一用户行为参数。
在本发明的另一种可选实施例中,所述用户行为参数可以包括:第一用户行为参数和/或第二用户行为参数,所述对所述数据源中的至少一种进行数据挖掘的步骤,具体可以包括:
对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数;或者
对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数;并依据数据源中的用户调整行为数据,对所述第一用户行为参数进行调整,得到第二用户行为参数。
可选地,本发明实施例可以提供对所述数据源中的至少一种进行数据挖掘的如下技术方案:
技术方案A1、
技术方案A1中,可以通过如下步骤对所述数据源中的至少一种进行数据挖掘:
步骤A11、对所述数据源中的至少一种进行数据挖掘,得到对应的第一用户行为参数;这里,第一用户行为参数可用于表示分析得到的分析结果;
步骤A12、依据所述数据源中的用户调整行为数据,对所述第一用户行为参数进行调整,得到第二用户行为参数。这里,用户调整行为数据可以源自日志数据和GPS数据等数据,其可用于表示用于对于行程方案的调整,本发明实施例对于具体的用户调整行为数据不加以限制。
其中,步骤A12利用用户调整行为数据对初步分析的第一行为参数进行调整,能够减少安排不合理的第一用户行为参数,从而能够向用户提供最合理的第二用户行为参数。
下面说明技术方案A1对历史行程行为数据进行数据挖掘得到用户行为参数的过程:
①单点著名度参数;
单点著名度参数可用于表示反映用户游览习惯的、单个行程点的著名度,通常,单点著名度参数的值越大,则对于相应行程点的访问量越大,因此可以认为其相应行程点在确定行程方案时被选择的概率越大;其中,上述行程点具体可以包括:景点、酒店、饭店、购物场所、当地活动等用户有可能在行程中到达的位置,本发明实施例主要以景点为例进行说明,其它行程点相互参照即可。
在本发明的一种可选实施例中,上述步骤A11可以根据行程点在所述历史行程行为数据中出现的次数,确定第一单点著名度参数,例如,可以根据各景点的名称在游记数据、日志数据和GPS数据等三种数据源中出现的次数计算各景点的第一单点著名度参数。
在本发明的另一种可选实施例中,上述步骤A12对第一单点著名度参数进行的调整具体可以包括调高和调低中的任一,例如,当用户在调整日志数据和/或GPS数据中增加行程点时,可以在第一单点著名度参数的基础上调高所增加行程点的单点著名度参数;又如,当用户在调整日志数据和/或GPS数据中删除行程点时,可以在第一单点著名度参数的基础上调低所 删除行程点的单点著名度参数;其中,上述调高可以将第一单点著名度参数与大于1的权重相乘,上述调低可以将第一单点著名度参数与小于1的权重相乘,可以理解,本发明实施例对于具体的调高或调低过程不加以限制。
可以理解,步骤A11和步骤A12可以为动态执行的步骤,也即,当历史行程行为数据或用户调整行为数据发生变化时,步骤A11可以执行相应的分析操作,而步骤A12可以在当前的第一单点著名度参数的基础上进行调整。
②首点游览概率参数;
首点游览概率参数可用于表示反映用户游览习惯的、用户将行程点作为一天中第一点游览的概率。例如,对于图1中景点A而言,其排队时间通常为接近1小时,故大多数用户会选择在一天中首先游览景点A,从而导致景点A对应的首点游览概率参数P(A)的数值较高。
在本发明的一种可选实施例中,上述步骤A11可以针对行程点,依据其在所述历史行程行为数据中被作为首点出现的次数与其在所述历史行程行为数据中出现的总次数,确定第一首点游览概率参数;例如,可以将二者的比值作为第一首点游览概率参数。
在本发明的另一种可选实施例中,上述步骤A12对第一首点游览概率参数进行的调整具体可以包括调高和调低中的任一;例如,步骤A11可以计算景点A在三种数据源中作为一天中第一点游览的概率P(A),若用户在调整日志数据和/或GPS数据中将景点A调至首点,则可以调高景点A的首点游览概率参数,反之,若用户在调整日志数据和/或GPS数据中将景点A从首点调至其它点,则可以调低景点A的首点游览概率参数。
③两两间连接度参数;
两两间连接度参数可用于表示反映用户游览习惯的、在一个行程点后游览另一个行程点的概率,其能够反映大多数用户对于行程点的游览顺序。例如,在景点A后游览景点B的概率可以记为P(B|A),如果P(B|A)的值较高,则说明大多数用户会在游览景点A后紧接着游览B,也即该游览顺序是比较合理的顺序。
在本发明的一种可选实施例中,上述步骤A11可以针对第一行程点,依据所述历史行程行为数据中在其之后游览第二行程点的次数与其出现的 总次数,确定第一行程点与第二行程点之间的第一连接度参数;例如,可以统计两个不同景点在游记数据中连续N个句子中出现的次数,该次数可以作为该两个不同景点是否应该同时出现的依据。可选地,可以将上述次数与总次数的比值作为第一行程点与第二行程点之间的第一连接度参数。
在本发明的另一种可选实施例中,上述步骤A12对第一连接度参数进行的调整具体可以包括调高和调低中的任一;例如,若用户在调整日志数据和/或GPS数据中将景点A与景点B调至一起,则可以调高景点A与景点B之间的连接度参数,反之,若用户在调整日志数据和/或GPS数据中将景点A与景点B调开,则可以调低景点A与景点B之间的连接度参数。
④两两间推荐交通参数。
两两间交通参数可用于表示反映用户游览习惯的、两个行程点之间的交通方式,也即大多数用户使用的两个行程点之间的、比较合理的交通方式。
在本发明的一种可选实施例中,上述步骤A11可以针对第一行程点和第二行程点之间的一种交通方式,依据所述历史行程行为数据中该种交通方式出现的次数与第一行程点和第二行程点之间的所有交通方式出现的总次数,确定该种交通方式的第一推荐交通参数;例如,可以将二者的比值(也即,该种交通方式的比例)作为该种交通方式的第一推荐交通参数。
在本发明的另一种可选实施例中,上述步骤A12对第一推荐交通参数进行的调整具体可以包括调高和调低中的任一;例如,若用户在调整日志数据和/或GPS数据中手动选用景点A与景点B之间的某种交通方式(如步行),则可以调高景点A与景点B之间的该种交通方式的推荐参数,反之,若用户在调整日志数据和/或GPS数据中手动弃用景点A与景点B之间的某种交通方式(如地铁),则可以调低景点A与景点B之间的该种交通方式的推荐参数。
技术方案A2、
技术方案A2中,可以通过如下步骤对所述数据源中的至少一种进行数据挖掘:
对所述数据源中的用户调整行为数据进行数据挖掘,得到相应的用户行为参数。
下面说明技术方案A2对数据源中的用户调整行为数据进行数据挖掘得 到用户行为参数的过程:
⑤单点游览时长参数
单点游览时长参数可用于表示反映用户游览习惯的、单个行程点的游览时长,在具体实现中,其可以包括如下三种参数中的至少一种:最低游览时长参数、推荐游览时长参数和最高游览时长参数,该三种参数可以用于单独或者组合确定行程点的游览时长。
在本发明的一种可选实施例中,上述对数据源中的用户调整行为数据进行数据挖掘的步骤,具体可以包括:将超过预设比例的时长调整行为数据对应的游览时长,确定为游览时长参数。例如,假设向用户提供的行程方案中景点A的推荐游览时长为1小时,而用户的调整日志数据表明,超过预设比例的用户,都在保存行程方案前,把景点A的游览时长改为2小时,则可以将景点A的游览时长参数确定为2小时。又如,假设向用户提供的行程方案中景点B的推荐游览时长为1小时,而GPS数据表明,超过预设比例的用户在景点B的停留时间均到达或超出了2小时,则可以将景点B的游览时长参数确定为2小时。其中,预设比例的一个示例为50%,可以理解,本发明实施例对于具体的预设比例不加以限制。
可以理解,上述将超过预设比例的时长调整行为数据对应的游览时长,确定为游览时长参数,只是作为本发明的对所述历史行程行为数据中的用户调整行为数据进行数据挖掘的可选实施例,而不理解为本发明实施例对于对所述历史行程行为数据中的用户调整行为数据进行数据挖掘的应用限制,实际上,本领域技术人员还可以根据实际需要,采用对所述历史行程行为数据中的用户调整行为数据进行数据挖掘的其它方案,例如,在用户调整行为数据表明很多用户都会更改景点A的游览时长时,可以说明向用户提供的行程方案中景点A的推荐游览时长不合理,则可计算所有用户在景点A的平均游览时长,作为游览时长参数;又如,可以首先获取初始的游览时长参数,然后,依据所述历史行程行为数据中的用户调整行为数据对初始的游览时长参数进行调整等,本发明实施例对于对所述历史行程行为数据中的用户调整行为数据进行数据挖掘的具体方案不加以限制。
在此提供一种获取初始的游览时长参数的应用示例,该示例可以依据行程点所属类别确定行程点的初始的游览时长参数。例如,可以对确定教堂类景点的最低游览时长参数、推荐游览时长参数和最高游览时长参数分 别为半小时、1小时和1.5小时。则依据所述历史行程行为数据中的用户调整行为数据对初始的游览时长参数进行调整时,可以依据调整行为数据对应的游览时长在初始的游览时长参数的基础上进行调高或者调低处理,本发明实施例对于依据所述历史行程行为数据中的用户调整行为数据对初始的游览时长参数进行调整的具体过程不加以限制。
⑥单点游览时段参数;
单点游览时段参数可用于表示单个行程点在一天中的游览时长段,如景点A的游览时段是08:00-10:00,也即景点A适合清晨游览。分析得到单点游览时段参数的过程可以参照分析得到单点游览时长参数的过程,故在此不作赘述。
以上对对所述历史行程行为数据进行数据挖掘得到所述用户行为参数的技术方案进行了详细介绍,可以理解,本领域技术人员可以根据实际应用需求采用上述技术方案中的一种或者多种,或者,还可以采用其它技术方案,本发明实施例对于对所述历史行程行为数据进行数据挖掘得到所述用户行为参数的具体技术方案不加以限制。
技术方案A3、
技术方案A3中,可以通过如下步骤对所述数据源中的至少一种进行数据挖掘:
对所述数据源中的GPS数据、游记数据或日志数据进行数据挖掘,得到相应的用户行为参数。
⑦单点异常参数;
单点异常参数可用于表示反映用户游览习惯的、单个行程点、或者单个位置点的异常状态。在具体实现中,可以在旅游用户允许的情况下通过GPS数据监控旅游用户的实时位置,并依据监控结果发现异常的区域性用户量突增或突降,从而自动判断出某些交通的异常状态(如公交变线、地铁封站等)、景点的异常状态(如停业等),以在确定行程方案的过程中识别出上述异常状态,可及时通知用户调整行程方案。
在此提供一种对所述历史行程行为数据进行数据挖掘得到行程片段频率参数的示例。
⑧行程片段频率参数。
行程片段频率参数可用于表示历史行程行为数据中经常出现的行程片 段的出现频率;例如,卢浮宫->协和广场->香榭丽舍大街->凯旋门这个行程片段经常在GPS数据、游记数据或日志数据等历史行程行为数据中出现,则可以将其出现频率记录为行程片段频率参数,且在对行程方案进行评价时,可以对包含出现频率较高的行程片段的行程方案给出较高的得分。
需要说明的是,本发明实施例的用户行为参数可以为不断更新的过程,也即,在历史行程行为数据发生变化时,可以不断地对所述历史行程行为数据进行数据挖掘得到最新的用户行为参数。
需要说明的是,上述8种用户行为参数只是作为本发明的用户行为参数的可选实施例,实际上,本领域技术人员可以根据实际应用需求,采用所需的用户行为参数。
例如,上述用户行为参数还可以包括:新行程点参数。在此提供一种挖掘新景点参数的过程:将现有景点名与游记数据匹配,对现有景点名在游记数据中的上下文数据进行分词并解析词性,用CRF(条件随机场,Conditional Random Field))、最大熵等算法建立标注模型,以此标注模型为基础,扫描游记数据,以获得新景点的名称、位置等参数。
又如,上述用户行为参数还可以包括:行程点的夜间游览参数,该夜间游览参数可用于判断行程点是否适合夜间游览。在此提供一种挖掘夜间游览参数的过程:标注一批已知适合夜间游览的景点名,将该景点名与游记数据匹配,对该景点名在游记数据中的上下文数据进行分词并统计每个词出现的概率,以此概率为基础,扫描游记数据,分析每个景点名附近的词,据此判断景点名适合夜间游览的可能性。
在本发明的一种可选实施例中,可以将挖掘得到的用户行为数据保存至旅游行为数据库,则步骤302在依据用户行为参数,确定所述行程条件信息对应的最优行程方案的过程中可以从上述旅游行为数据库中读取用户行为参数,并将所读取的用户行为参数应用于最优行程方案的确定过程。
上面介绍了依据用户的历史行程行为数据得到表示用户旅游行为习惯的用户行为参数的过程,下面介绍利用用户行为参数确定行程方案的过程,具体地,本发明实施例可以提供依据用户行为参数,确定所述行程条件信息对应的最优行程方案的如下技术方案:
技术方案B1、
技术方案B1可以在生成行程方案的过程中利用用户行为参数,相应地,所述依据用户行为参数,确定所述行程条件信息对应的最优行程方案的步骤具体可以包括:
步骤S11、依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案;
步骤S12、对所述至少一种行程方案进行第一排序,并依据相应的第一排序结果确定最优行程方案。
在实际应用中,步骤S11可以依据如下参数中的至少一种生成所述行程条件信息对应的至少一种行程方案:单点著名度参数、单点游览时长参数、单点游览时段参数、首点游览概率参数、两两间连接度参数、单点异常参数、两两间交通参数和和行程片段频率参数;其中,单点著名度参数可使得行程方案中包括著名度高且符合旅游行为习惯的景点;单点游览时长参数可使得行程方案中所包括景点具有符合旅游行为习惯的、比较合理的游览时长;单点游览时段参数可使得行程方案中所包括景点具有符合旅游行为习惯的、比较合理的游览时段;首点游览概率参数可使得行程方案将大多数用户选择的在一天中首先游览的行程点安排在第一位;两两间连接度参数可使得行程方案中景点具有符合旅游行为习惯的、比较合理的游览顺序;单点异常参数可以及时发现行程点和/或交通的异常状态,以及时将行程方案中处于异常状态的行程点和/或交通过滤掉,并且还可以及时通知用户调整行程方案;两两间交通参数可以使得行程方案中两两相邻行程点之间具有比较合理的交通方式;行程片段频率参数可以保证优先将历史行程行为数据中经常出现且出现频率较高的行程片段,作为行程方案中的一部分。
在本发明的一种可选实施例中,上述第一排序所采用的排序因子具体可以包括:行程线路的客观指标(如路线长度、实际游玩时长占比、花费等),由此,通过上述第一排序能够实现最小的实际游玩时长占比和花费,因此,该行程方案为更加合理和实用的行程方案。
在本发明的一种可选实施例中,所述依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案的步骤S11可以首先进行景点选择,然后对所选择的目标行程点进行路径规划,其具体可以包括:
步骤S111、依据用户行为参数,从所述城市的行程点中选择目标行程点;
在本发明的一种可选实施例中,城市的行程点可以为旅游实体数据库中记录的行程点。
在本发明的一种应用示例中,建立旅游实体数据库的过程可以为,从互联网抓取多家数据源有关行程点(景点、酒店、商场等)的详细信息(如开关门时间、经纬坐标、评论数等),并在根据行程点特征参数对行程点进行数据融合后,建立旅游实体数据库。
参照表1,示出了本发明的一种旅游实体数据库的数据记录的结构示意,其具体可以包括:ID、景点名称、所属城市、位置坐标、描述、票价、开关门时间、著名度参数、标签等字段。
表1
在本发明的另一种可选实施例中,城市的行程点还可以为对GPS轨迹数据进行数据挖掘得到的新行程点,如拍照景点或者新发现的景点等,所述新行程点能够在已有行程点的基础上丰富城市的行程点。
步骤S112、依据所述行程条件信息,生成符合所述目标行程点对应的至少一种行程顺序的行程方案。
步骤S111、
步骤S111可以依据用户行为参数,从所述城市的行程点中选择符合旅游行为习惯的、合理的目标行程点;
在本发明的一种可选实施例中,所述用户行为参数具体可以包括:单点著名度参数和/或单点异常参数,则所述依据用户行为参数,从所述城市的行程点中选择目标行程点的步骤S111,具体可以包括:
S1111、依据所述单点著名度参数、单点异常参数和行程片段频率参数等行程点相关的用户行为参数,对所述城市的行程点进行排序;
可选地,步骤S111还可以将用户行为参数与时间、距离、花费、个人偏好等参数结合,也即可以将多种参数参与到排序中,这里的多种参数具体可以包括:多种用户行为参数、以及用户行为参数及其他参数。
需要说明的是,在依据所述单点著名度参数和/或单点异常参数等参数对城市的行程点进行排序时,可以分别依据各种参数计算上述行程点的各种得分,对多种得分进行加权计算,并依据加权计算结果对行程点进行排序。通常,单点著名度参数越大的行程点(去过人数较多,历史行程行为数据中出现次数较多),则可以赋予较高的得分;单点异常参数可用于表示 行程点的异常状态,故可以赋予处于异常状态的行程点较低的得分(例如负分);假设用户在个人偏好参数中指定喜欢人文景点,则可以对教堂类别、历史建筑类别的景点赋予较高的得分等。
S1112、依据行程点的排序结果和所述城市的可用游览时长,从所述城市的行程点中选择目标行程点。
在本发明的一种可选实施例中,所述用户行为参数具体可以包括:单点游览时长参数,则所述依据行程点的排序结果和所述城市的可用游览时长,从所述城市的行程点中选择目标行程点的步骤S1112,具体可以包括:
步骤S11121、按照所述行程点的排序结果从优到劣的顺序,从所述城市的行程点中依次选择目标行程点;
步骤S11122、依据所述单点游览时长参数,确定所选择的所有目标行程点的总游览时长;
步骤S11123、在所述总游览时长超过所述可用游览时长时,停止执行所述从所述城市的行程点中依次选择目标行程点的步骤。
本发明实施例中,可用游览时长可用于表示用于游览的可用时长,在本发明的一种可选实施例中,可用游览时长需要满足如下条件:可用游览时长、交通时间、及酒店休息时间的总和小于等于用户在城市待的总时间。
例如,在本发明的一种应用示例中,巴黎的到达时间为12月15日10:00am,到达位置为戴高乐机场,离开时间为12月18日4:00pm,则可以首先计算在巴黎待的总时间:78小时,假设夜间休息时间为每日20:00~8:00,则可以得到巴黎的可用游览时长为42小时;然后,可以按单点著名度参数、景点类别参数、用户对不同类别景点的偏好等参数,计算巴黎的景点的得分,并按照得分从大到小的顺序选择景点,直到选择的所有景点的游览时长参数超过42小时。
需要说明的是,根据用户的旅游行为习惯,若用户在某城市所住时间不同,则其对景点的选择、游览时长的安排也很有可能不同,比如在巴黎的游览时长为1天时,大部分用户会优先密集游览著名度最高的景点,又如在巴黎的游览时长为3天时,则除了安排著名度最高的景点外,还可在著名度最高的景点附近加入顺路的景点,并且还可以酌情调整每个景点的游览时长。而本发明实施例依据第二排序结果和所述城市的可用游览时 长,从所述城市的行程点中选择目标行程点,能够依据城市的可用游览时长灵活地选择目标行程点,因此能够提高目标行程点和行程方案的合理性。
可以理解,上述依据用户行为参数从所述城市的行程点中选择目标行程点的过程只是作为本发明的可选实施例,而不理解为本发明实施例对于依据用户行为参数从所述城市的行程点中选择目标行程点的应用限制,实际上,本领域技术人员可以根据实际应用需求,依据用户行为参数从所述城市的行程点中灵活地选择目标行程点,本发明实施例对于目标行程点的具体选择过程不加以限制。
步骤S112、
步骤S112主要用于在所选择目标行程点的基础上进行路径规划,以得到符合预置条件的行程方案,其中,所述路径规划的算法具体可以包括:深度优先搜索、广度优先搜索、动态规划、贪心、A*(A-Star)算法、最短路径算法、Viterbi(维特比)算法、遗传算法、蚁群算法等等,本发明实施例对于具体的路径规划的算法不加以限制;上述预置条件具体可以包括:所有行程点的开关门时间匹配、所有行程点的游览时长合理、相邻行程点之间的交通方式合理等,本发明实施例对于具体的预置条件不加以限制。
在本发明的一种可选实施例中,步骤S112可以将所选择目标景点分配到行程内的某天,按照不同的行程顺序安排每天的景点,并在每天的合理时间点加入饭店、购物场所和当地活动场所等行程点,以满足用户的用餐、购物和当地活动等需求。
假设所选择目标行程点的数目为M,则上述目标行程点对应的行程顺序的数目可以为M的阶乘(假定M的阶乘等于T),本发明实施例对T种行程顺序中的每一种行程顺序,生成对应的至少一种行程方案,再根据所有行程方案的评价得分选出最优行程方案。其中,每个行程方案中具体可以包括:每个行程点的在当天的到达时间和离开时间、及相邻行程点之间的交通方式等信息,则可依据首点游览、游览顺序、交通方式等因素综合计算行程方案的评价得分,并选择评价得分最高的至少一个行程方案作为最优行程方案,以保持最优行程方案符合用户的旅游行为习惯。
可以理解,上述依据所述行程条件信息,生成符合所述目标行程点对 应的至少一种行程顺序的行程方案的过程只是作为可选实施例,实际上,本发明实施例对于依据所述行程条件信息,生成符合所述目标行程点对应的至少一种行程顺序的行程方案的具体过程不加以限制。
另外,上述步骤S111-步骤S112依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案的过程只是作为步骤S11的可选实施例,在此提供步骤S11的另一实施例,该实施例可以采用分层次的方案规划方法,比如把行程方案的规划拆分为如下三个阶段:
第一阶段:依据所述单点著名度参数、单点异常参数和行程片段频率参数等行程点相关的用户行为参数,选择城市中热度大于第一热度阈值的景点,并在符合预置条件的情况下,将这些按游记中挖掘出的热门景点共现关系和之间的距离,把热门景点组合成景点集合,把挖掘出的景点集合分配到用户可用于游览的若干天中(考虑开关门等约束条件),作为行程的框架第一行程方案,并从该第一行程方案中选择最优的若干框架至少一种作为第一候选行程方案;
第二阶段:尝试把将热度小于第一热度阈值且大于第二热度阈值的景点热度稍差的景点加入行程框架候上述第一候选行程方案,以得到第二行程方案选,并依据行程线路的客观指标(如路线长度、实际游玩时长占比、花费等)综合考虑加点后行程的总热度、交通距离、花费等因素,从第二行程方案中优选出若干行程作为第二候选行程方案;
第三阶段:在第二候选行程方案中的已有景点的附近添加顺路的景点,以得到第三行程方案,上述顺路的景点可基于上阶段生成的候选,在已选点附近筛选附近未选的景点用于扩充行程,、填补空白时间,并可以将上述第三行程方案输出至步骤S12,优选若干最终行程,打分排序后把最优的行程作为最终方案。
技术方案B2、
技术方案B2可以在确定最优行程方案的过程中利用用户行为参数,相应地,上述依据用户行为参数,确定所述行程条件信息对应的最优行程方案,具体可以包括:
步骤S21、生成所述行程条件信息对应的至少一种行程方案;
步骤S22、依据用户行为参数对所述至少一种行程方案进行第二排 序,并依据相应的第二排序结果确定最优行程方案。
在本发明的一种可选实施例中,上述步骤S22具体可以包括:依据所述用户行为参数,对所述至少一种行程方案进行第一打分;按照第一打分的结果从优到劣的顺序进行第二排序;从所述第二排序结果中优选预设数量的行程方案。例如,可以依据单点著名度参数、单点游览时长参数、单点游览时段参数、首点游览概率参数、两两间连接度参数、单点异常参数、两两间交通参数和行程片段频率参数中的至少一种,对上述至少一种行程方案进行第一打分。这里的预设数量可由本领域技术人员根据实际应用需求确定,例如,其值可以为1或者2或者3等数值,本发明实施例对于具体的预设数量及其具体数值不加以限制。
其中,在依据两种或两种以上用户行为参数对行程方案进行第二排序时,可以分别依据各种用户行为参数计算上述行程方案的第一得分,对多种第一得分进行加权计算,并依据加权计算结果对行程方案进行排序。通常,单点著名度参数、首点游览概率参数、两两间连接度参数和行程片段频率参数的值越大,则对应行程方案的第一得分越高;而单点异常参数的值越大,则对应行程方案的第一得分越低;而在单点游览时长参数、单点游览时段参数、单点异常参数、两两间交通参数等与大多数用户的旅游行为习惯接近时,则对应行程方案的评价得到越高。
在本发明的另一种可选实施例中,还可以在依据用户行为参数对所述至少一种行程方案进行第二排序的过程中,结合采用行程线路的客观指标(如路线长度、实际游玩时长占比、花费等)。
在本发明的一种应用示例中,可以采用决策树、线性回归等算法,获得针对行程方案的第一得分函数,依据第一得分函数的输出结果对行程方案进行排序,并选择最优行程方案作返回给用户。
在此提供一种第一得分函数的示例:
score=0.3*∑行程点的单点著名度参数-0.1*∑每段交通距离-0.2∑交通方式总价格+0.5*∑两两间连接度参数 (1)
则score最高的行程方案既能够在景点连接度、景点著名度等方面符合用户的旅游行为习惯,又能够实现最小的实际游玩时长占比和花费,因此,该行程方案为更加合理和实用的行程方案。
可以理解,上述第一得分函数只是作为本发明实施例的可选实施例, 实际上,本发明实施例对于依据用户行为参数及其他参数计算上述行程方案的第一得分的具体过程不加以限制。
以上对技术方案B1和技术方案B2进行了详细介绍,可以理解,本领域技术人员可以根据实际应用需求,采用技术方案B1和技术方案B2中的任一或者组合,其中,在采用二者的组合时,可以依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案,并依据用户行为参数对所述至少一种行程方案进行第三排序,并依据相应的第三排序结果确定最优行程方案。其中,所述依据用户行为参数对所述至少一种行程方案进行第三排序,并依据相应的第三排序结果确定最优行程方案具体可以包括:依据所述用户行为参数,对所述至少一种行程方案进行第二打分;按照第二打分的结果从优到劣的顺序进行第三排序;从所述第三排序结果中优选预设数量的行程方案。其中,上述第二打分的过程与第一打分的过程类似,在此不作赘述,相互参照即可。可以理解,本发明实施例对于依据用户行为参数,确定所述行程条件信息对应的最优行程方案的具体技术方案不加以限制。
需要说明的是,可以在确定一种行程方案后,计算该种行程方案的得分,这样,在确定完所有的行程方案后,也能够得到所有的行程方案的得分,由于行程方案的确定和得分的计算为并行过程,因此能够大大提高计算效率。
步骤303、输出上述最优行程方案。
本发明实施例中,输出上述最优行程方案具体可以包括:将最优行程方案输出至显示设备上,以供用户查看;可以理解,由一个设备将最优的行程方案输出至另一设备也是可行的,如由服务器将最优的行程方案输出至客户端等等,本发明实施例对于输出最优的行程方案的具体过程不加以限制。
需要说明的是,本发明实施例可以支持用户对于行程方案的调整。具体地,在向用户输出最优行程方案后,若用户认可该最优行程方案,则可打印对应的行程单;若用户对该最优行程方案存在异议,则可根据需求在该最优行程方案的基础上,触发增删景点、调整景点的游览顺序、调整交通方式、更改餐饮酒店等调整操作,而本发明实施例在接收到上述调整操作后,可以对上述最优行程方案进行相应的调整,并验证调整后的行程方 案是否符合预置可行性条件,上述预置可行性条件具体可以包括:所有行程点的开关门时间匹配、相邻行程点之间的交通方式合理等,并在验证通过和验证不通过时发出相应的提示。
另外,需要说明的是,在接收到上述调整操作后,本发明实施例还可以依据上述调整操作对调整日志数据进行相应的调整。
综上,本发明实施例的最优行程方案为依据用户行为参数所确定得到,而用户行为参数可以为对用户的历史行程行为数据进行数据挖掘得到的参数,其能够反映用户的旅游行为习惯,使得依据用户行为参数确定的行程方案能够更加符合用户的旅游行为习惯;因此,相对于现有方案按照交通距离最短等预定规则生成行程路线,由于本发明实施例依据用户行为参数确定的最优行程方案能够符合用户的旅游行为习惯,所以能够提高行程方案的合理性。
例如,相对于现有方案所生成行程路线B-E-A将景点A安排在一天中最后一点游览、而导致景点A的排队时间耽误行程从而出现在约定时间未完成景点A的游览的问题,本发明实施例可以考虑大多数用户选择在一天中首先游览景点A的旅游行为习惯,将景点A安排在一天中首点游览,由于可以将排队时间分布至景点A开门之前、而不会影响到一天的行程,因此本发明实施例能够保证行程的顺利完成,从而能够提高行程方案的合理性。
又如,相对于现有方案容易将凯旋门和香榭丽舍大街两个景点拆开游览、导致用户无法体验两个景点之间路程的风景的问题,本发明实施例可以考虑大多数用户将凯旋门和香榭丽舍大街安排在一起游览的旅游行为习惯,将凯旋门和香榭丽舍大街安排在一起游览,由于可以使用户体验凯旋门和香榭丽舍大街两个景点之间路程的风景,因此本发明实施例能够使用户体验更多的风景,从而能够提高行程方案的合理性。
方法实施例二
参照图4,示出了本发明的一种行程服务方法实施例二的步骤流程图,具体可以包括如下步骤:
步骤401、获取针对城市的行程条件信息;
步骤402、依据用户行为参数、行程点特征参数和交通特征参数,确定 所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数;
步骤403、输出上述最优行程方案;
步骤404、判断是否接收到用户针对上述最优行程方案的调整操作,若是,则执行步骤405,否则,执行步骤406;
步骤405、依据上述调整操作对上述最优行程方案进行相应的调整,得到调整后的行程方案,并将调整后的行程方案输出至步骤403;
步骤406、保存上述最优行程方案。
相对于方法实施例一,本实施例在确定所述行程条件信息对应的最优行程方案的过程中,不仅利用了用户行为参数,还利用了行程点特征参数和交通特征参数,其中,行程点特征参数用于描述行程点的客观属性,其可以为行程方案的生成和排序提供所需的客观属性,例如,可以依据所属城市查询表1得到一个城市的景点名称,并依据景点名称查询表1得到一个景点的开关门时间,该开关门时间可用于行程方案的生成过程中的预置条件判断;或者,还可以依据景点名称查询表1得到一个景点的位置坐标,该位置坐标可用于行程方案的排序过程中的两两行程点之间的距离计算等,本发明实施例对于具体的行程点特征参数及其应用方式不加以限制。
交通特征参数可用于描述两个行程点之间的交通方式,具体可以包括步行、驾车、公交、地铁等,其可以为行程方案的生成和排序提供所需的交通方式。在实际应用中,可以抓取每个城市的公交线路,获取对应城市的道路信息,然后计算两两行程点间的步行、驾车、公交、地铁等线路,以得到交通特征参数。参照表2,示出了本发明的一种交通特征参数的数据记录的示意,其具体可以包括:起点ID、终点ID、交通方式、距离、时间、线路坐标等参数。
表2
综上,本实施例还可以支持用户对于行程方案的调整。具体地,在向用户输出最优行程方案后,若用户认可该最优行程方案,则可保存对应的最优行程方案;若用户对该最优行程方案存在异议,则可根据需求在该最优行程方案的基础上,触发增删景点、调整景点的游览顺序、调整交通方式、更改餐饮酒店等调整操作,而本发明实施例在接收到上述调整操作后,可以对上述最优行程方案进行相应的调整,验证调整后的行程方案是否符合预置可行性条件,并在验证通过后输出调整后的行程方案。
方法示例
为使本领域技术人员更好地理解本发明实施例,下面通过图1所示城市的景点分布为例说明本发明实施例的行程服务方法,假设用户计划去图1所示城市旅游2天,该城市的景点中,景点B的单点著名度参数最高,景点A的单点著名度参数次之,但适合清晨游览,游客通常将其调整为首点游览,且B-C-D是一条行程片段频率参数比较高的行程片段);
若不考虑用户的旅游行为习惯,仅考虑时间/距离最短等预设原则,则会生成图2中行程路线PathA,其中,第一天的行程路线为B-E-A,第二天的行程路线为C-F-D,图2中行程路线的总长为25.5km;
而本发明实施例通过对历史行程行为数据进行数据挖掘得到对应的用户行为参数,并依据用户行为参数,确定行程条件信息对应的最优行程方案;
在此提供一种对历史行程行为数据进行数据挖掘得到对应的用户行为 参数的示例:
步骤1、根据历史行程行为数据的数据源,计算对应的用户行为参数,如首点游览概率参数P(A)、两两间连接度参数P(A|B)、P(C|B)、P(D|C)等、单点游览时长参数、单点游览时段参数等;
步骤2、根据用户调整日志、GPS轨迹数据中记录的调整行为数据,对步骤1得到的用户行为参数进行调高/调低处理,从而得到各用户行为参数的最终数值;
在本例中,计算得出的参数有以下特点:
P(A)很高,即A点适合首个游览;
P(C|B)、P(D|C)很高,即B-C-D是一条行程片段频率参数比较高的行程片段;
A点的单点游览时段参数表明,其适合游览时段是08:00-10:00,即适合清晨游览;
各景点的单点游览时长参数表明游览时长范围,如A点时长:0.8~2.5,平均2小时;
在此提供一种依据用户行为参数,确定行程条件信息对应的最优行程方案的示例:
步骤3、根据行程条件信息(城市的到达时间点和到达位置、城市的离开时间点和离开位置、及个人偏好等信息),参考行程点特征参数(如开关门时间、位置坐标等)和用户行为参数(如首点游览概率参数、两两间连接度参数等),生成所有满足预置条件的行程方案;
本例中,生成的行程方案具体可以包括现有方案生成的PathA和本发明实施例生成的PathB,其中,PathB对应行程路线的示意图如图5所示,第一天的行程路线为A-B-C-D(图中实线),第二天的行程路线为E-F(图中虚线);
步骤4、依据用户行为参数、以及行程线路的客观指标(如路线长度、实际游玩时长占比、花费等),通过机器学习模型(如回归、决策树等),计算步骤1生成的行程方案的评价得分,依据评价得分对上述行程方案进行排序,并依据排序结果从中选择最优行程方案。
由于在对调整日志数据、GPS数据等历史行程数据进行数据挖掘后,可得到如下反映旅游行为习惯的用户行为参数:A点的首点游览概率参数P (A)很高,景点A、景点B、景点C、景点D四点间的连通度数值高,由于PathB遵循了上述旅游行为习惯,而PathA未遵循上述旅游行为习惯,故PathB的评价得分远高于PathA的评价得分,因此被选为最优行程方案。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
装置实施例
参照图6,示出了本发明的一种行程服务装置实施例的结构框图,具体可以包括如下模块:
获取模块601,用于获取针对城市的行程条件信息;
规划模块602,用于依据用户行为参数,确定所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数;及
输出模块603,用于输出所述最优行程方案。
在本发明的一种可选实施例中,所述历史行程行为数据的数据源具体可以包括:游记数据、日志数据和GPS数据中的至少一种。
在本发明的另一种可选实施例中,所述装置还可以包括:
参数挖掘模块,用于对所述数据源中的至少一种进行数据挖掘,得到对应的用户行为参数。
在本发明的再一种可选实施例中,所述用户行为参数具体可以包括:第一用户行为参数和/或第二用户行为参数,所述参数挖掘模块,具体可以包括:
第一挖掘子模块,用于对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数;或者
第二挖掘子模块,用于对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数;并依据数据源中的用户调整行为数据,对所述第 一用户行为参数进行调整,得到第二用户行为参数。
在本发明的又一种可选实施例中,所述用户行为参数具体可以包括如下参数中的至少一种:单点著名度参数、单点游览时长参数、单点游览时段参数、首点游览概率参数、两两间连接度参数、单点异常参数、两两间交通参数和行程片段频率参数。
在本发明的一种可选实施例中,所述规划模块602,具体可以包括:
第一生成子模块,用于依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案;以及
第一排序模块,用于对所述至少一种行程方案进行第一排序,并依据相应的第一排序结果确定最优行程方案。
在本发明的另一种可选实施例中,所述规划模块602,具体可以包括:
第二生成子模块,用于生成所述行程条件信息对应的至少一种行程方案;以及
第二排序子模块,用于依据用户行为参数对所述至少一种行程方案进行第二排序,并依据相应的第二排序结果确定最优行程方案。
在本发明的再一种可选实施例中,所述规划模块602,具体可以包括:
第三生成子模块,用于依据用户行为参数生成所述行程条件信息对应的至少一种行程方案;
第三排序子模块,用于依据用户行为参数对所述至少一种行程方案进行第三排序,并依据相应的第三排序结果确定最优行程方案。
在本发明的另一种可选实施例中,所述第一生成子模块或者所述第三生成子模块,具体可以包括:
选择单元,用于依据用户行为参数,从所述城市的行程点中选择目标行程点;以及
生成单元,用于依据所述行程条件信息,生成符合所述目标行程点对应的至少一种行程顺序的行程方案。
在本发明的又一种可选实施例中,所述第二排序子模块,具体可以包括:
第一打分单元,用于依据所述用户行为参数,对所述至少一种行程方案进行第一打分;
第二排序单元,用于按照第一打分的结果从优到劣的顺序进行第二排 序;以及
第一选择单元,用于从所述第二排序结果中优选预设数量的行程方案;
或者
所述第三排序子模块,具体可以包括:
第一打分单元,用于依据所述用户行为参数,对所述至少一种行程方案进行第二打分;
第三排序单元,用于按照第二打分的结果从优到劣的顺序进行第三排序;以及
第二选择单元,用于从所述第三排序结果中优选预设数量的行程方案。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例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,本发明实施例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。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种行程服务方法和一种行程服务装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (20)
1.一种行程服务方法,其特征在于,包括:
获取针对城市的行程条件信息;
依据用户行为参数,确定所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数;
输出所述最优行程方案。
2.根据权利要求1所述的方法,其特征在于,所述历史行程行为数据的数据源包括:游记数据、日志数据和GPS数据中的至少一种。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
对所述数据源中的至少一种进行数据挖掘,得到对应的用户行为参数。
4.根据权利要求3所述的方法,其特征在于,所述用户行为参数包括:第一用户行为参数和/或第二用户行为参数,所述对所述数据源中的至少一种进行数据挖掘的步骤,包括:
对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数;或者
对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数,并依据数据源中的用户调整行为数据,对所述第一用户行为参数进行调整,得到第二用户行为参数。
5.根据权利要求1至4中任一所述的方法,其特征在于,所述用户行为参数包括如下参数中的至少一种:单点著名度参数、单点游览时长参数、单点游览时段参数、首点游览概率参数、两两间连接度参数、单点异常参数、两两间交通参数和行程片段频率参数。
6.根据权利要求1所述的方法,其特征在于,所述依据用户行为参数,确定所述行程条件信息对应的最优行程方案的步骤,包括:
依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案;
对所述至少一种行程方案进行第一排序,并依据相应的第一排序结果确定最优行程方案。
7.根据权利要求1所述的方法,其特征在于,所述依据用户行为参数,确定所述行程条件信息对应的最优行程方案,包括:
生成所述行程条件信息对应的至少一种行程方案;
依据用户行为参数对所述至少一种行程方案进行第二排序,并依据相应的第二排序结果确定最优行程方案。
8.根据权利要求1所述的方法,其特征在于,所述依据用户行为参数,确定所述行程条件信息对应的最优行程方案,包括:
依据用户行为参数生成所述行程条件信息对应的至少一种行程方案;
依据用户行为参数对所述至少一种行程方案进行第三排序,并依据相应的第三排序结果确定最优行程方案。
9.根据权利要求6或8所述的方法,其特征在于,所述依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案的步骤,包括:
依据用户行为参数,从所述城市的行程点中选择目标行程点;
依据所述行程条件信息,生成符合所述目标行程点对应的至少一种行程顺序的行程方案。
10.根据权利要求7或8所述的方法,其特征在于,所述依据用户行为参数对所述至少一种行程方案进行第二排序,并依据相应的第二排序结果确定最优行程方案包括:
依据所述用户行为参数,对所述至少一种行程方案进行第一打分;
按照第一打分的结果从优到劣的顺序进行第二排序;
从所述第二排序结果中优选预设数量的行程方案;
或者
所述依据用户行为参数对所述至少一种行程方案进行第三排序,并依据相应的第三排序结果确定最优行程方案包括:
依据所述用户行为参数,对所述至少一种行程方案进行第二打分;
按照第二打分的结果从优到劣的顺序进行第三排序;
从所述第三排序结果中优选预设数量的行程方案。
11.一种行程服务装置,其特征在于,包括:
获取模块,用于获取针对城市的行程条件信息;
规划模块,用于依据用户行为参数,确定所述行程条件信息对应的最优行程方案;其中,所述用户行为参数为依据用户的历史行程行为数据得到的表示用户旅游行为习惯的参数;以及
输出模块,用于输出所述最优行程方案。
12.根据权利要求11所述的装置,其特征在于,所述历史行程行为数据的数据源包括:游记数据、日志数据和GPS数据中的至少一种。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括:
参数挖掘模块,用于对所述数据源中的至少一种进行数据挖掘,得到对应的用户行为参数。
14.根据权利要求13所述的装置,其特征在于,所述用户行为参数包括:第一用户行为参数和/或第二用户行为参数,所述参数挖掘模块,包括:
第一挖掘子模块,用于对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数;或者
第二挖掘子模块,用于对所述数据源中的至少一种进行数据挖掘,以得到第一用户行为参数;并依据数据源中的用户调整行为数据,对所述第一用户行为参数进行调整,得到第二用户行为参数。
15.根据权利要求11至14中任一所述的装置,其特征在于,所述用户行为参数包括如下参数中的至少一种:单点著名度参数、单点游览时长参数、单点游览时段参数、首点游览概率参数、两两间连接度参数、单点异常参数、两两间交通参数和行程片段频率参数。
16.根据权利要求11所述的装置,其特征在于,所述规划模块,包括:
第一生成子模块,用于依据用户行为参数,生成所述行程条件信息对应的至少一种行程方案;以及
第一排序模块,用于对所述至少一种行程方案进行第一排序,并依据相应的第一排序结果确定最优行程方案。
17.根据权利要求11所述的装置,其特征在于,所述规划模块,包括:
第二生成子模块,用于生成所述行程条件信息对应的至少一种行程方案;以及
第二排序子模块,用于依据用户行为参数对所述至少一种行程方案进行第二排序,并依据相应的第二排序结果确定最优行程方案。
18.根据权利要求11所述的装置,其特征在于,所述规划模块,包括:
第三生成子模块,用于依据用户行为参数生成所述行程条件信息对应的至少一种行程方案;
第三排序子模块,用于依据用户行为参数对所述至少一种行程方案进行第三排序,并依据相应的第三排序结果确定最优行程方案。
19.根据权利要求16或18所述的装置,其特征在于,所述第一生成子模块或者所述第三生成子模块,包括:
选择单元,用于依据用户行为参数,从所述城市的行程点中选择目标行程点;以及
生成单元,用于依据所述行程条件信息,生成符合所述目标行程点对应的至少一种行程顺序的行程方案。
20.根据权利要求17或18所述的装置,其特征在于,所述第二排序子模块,包括:
第一打分单元,用于依据所述用户行为参数,对所述至少一种行程方案进行第一打分;
第二排序单元,用于按照第一打分的结果从优到劣的顺序进行第二排序;以及
第一选择单元,用于从所述第二排序结果中优选预设数量的行程方案;
或者
所述第三排序子模块,包括:
第一打分单元,用于依据所述用户行为参数,对所述至少一种行程方案进行第二打分;
第三排序单元,用于按照第二打分的结果从优到劣的顺序进行第三排序;以及
第二选择单元,用于从所述第三排序结果中优选预设数量的行程方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610302799.9A CN106157192A (zh) | 2016-05-09 | 2016-05-09 | 一种行程服务方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610302799.9A CN106157192A (zh) | 2016-05-09 | 2016-05-09 | 一种行程服务方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106157192A true CN106157192A (zh) | 2016-11-23 |
Family
ID=57353157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610302799.9A Pending CN106157192A (zh) | 2016-05-09 | 2016-05-09 | 一种行程服务方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106157192A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334976A (zh) * | 2017-12-26 | 2018-07-27 | 世界邦(北京)信息技术有限公司 | 基于机器学习的行程规划的调整方法及装置 |
CN109726864A (zh) * | 2018-12-26 | 2019-05-07 | 杭州优行科技有限公司 | 线路规划方法、装置、服务端及存储介质 |
CN109784536A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 旅游行程的推荐方法、装置、计算机设备和存储介质 |
CN110796508A (zh) * | 2018-08-03 | 2020-02-14 | 阿里巴巴集团控股有限公司 | 旅游行程处理方法、装置、存储介质和处理器 |
CN111047066A (zh) * | 2018-10-12 | 2020-04-21 | 清华大学 | 游览路线规划方法、装置、计算机设备和存储介质 |
CN111951065A (zh) * | 2019-05-17 | 2020-11-17 | 北京搜狗科技发展有限公司 | 一种行程处理方法、装置和用于行程处理的装置 |
CN116433269A (zh) * | 2023-06-13 | 2023-07-14 | 四川交通职业技术学院 | 基于大数据的片区式无人驾驶车辆停车场收费方法及装置 |
CN116823535A (zh) * | 2023-08-30 | 2023-09-29 | 环球数科集团有限公司 | 一种基于多模态大模型的行程规划及智能导览*** |
CN117236659A (zh) * | 2023-11-14 | 2023-12-15 | 贵州优特云科技有限公司 | 一种基于线上旅游平台的团计划管理方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310281A (zh) * | 2012-03-16 | 2013-09-18 | 日电(中国)有限公司 | 旅游路线提取***和方法 |
US20140222330A1 (en) * | 2011-12-27 | 2014-08-07 | Tobias M. Kohlenberg | Integration of contextual and historical data into route determination |
CN103995837A (zh) * | 2014-04-25 | 2014-08-20 | 西北工业大学 | 一种基于群体足迹的个性化旅游路线规划方法 |
CN104463730A (zh) * | 2014-12-29 | 2015-03-25 | 广州神马移动信息科技有限公司 | 基于旅游目标地域来挖掘旅游路线的方法和设备 |
CN105069717A (zh) * | 2015-07-29 | 2015-11-18 | 陕西师范大学 | 一种基于游客信任度的个性化旅游线路推荐方法 |
CN105303487A (zh) * | 2015-10-27 | 2016-02-03 | 北京妙计科技有限公司 | 一种行程服务方法和装置 |
CN105389751A (zh) * | 2015-10-27 | 2016-03-09 | 北京妙计科技有限公司 | 一种行程服务方法和装置 |
-
2016
- 2016-05-09 CN CN201610302799.9A patent/CN106157192A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140222330A1 (en) * | 2011-12-27 | 2014-08-07 | Tobias M. Kohlenberg | Integration of contextual and historical data into route determination |
CN103310281A (zh) * | 2012-03-16 | 2013-09-18 | 日电(中国)有限公司 | 旅游路线提取***和方法 |
CN103995837A (zh) * | 2014-04-25 | 2014-08-20 | 西北工业大学 | 一种基于群体足迹的个性化旅游路线规划方法 |
CN104463730A (zh) * | 2014-12-29 | 2015-03-25 | 广州神马移动信息科技有限公司 | 基于旅游目标地域来挖掘旅游路线的方法和设备 |
CN105069717A (zh) * | 2015-07-29 | 2015-11-18 | 陕西师范大学 | 一种基于游客信任度的个性化旅游线路推荐方法 |
CN105303487A (zh) * | 2015-10-27 | 2016-02-03 | 北京妙计科技有限公司 | 一种行程服务方法和装置 |
CN105389751A (zh) * | 2015-10-27 | 2016-03-09 | 北京妙计科技有限公司 | 一种行程服务方法和装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334976A (zh) * | 2017-12-26 | 2018-07-27 | 世界邦(北京)信息技术有限公司 | 基于机器学习的行程规划的调整方法及装置 |
CN110796508A (zh) * | 2018-08-03 | 2020-02-14 | 阿里巴巴集团控股有限公司 | 旅游行程处理方法、装置、存储介质和处理器 |
CN110796508B (zh) * | 2018-08-03 | 2023-05-02 | 阿里巴巴集团控股有限公司 | 旅游行程处理方法、装置、存储介质和处理器 |
CN111047066B (zh) * | 2018-10-12 | 2022-05-17 | 清华大学 | 游览路线规划方法、装置、计算机设备和存储介质 |
CN111047066A (zh) * | 2018-10-12 | 2020-04-21 | 清华大学 | 游览路线规划方法、装置、计算机设备和存储介质 |
CN109784536A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 旅游行程的推荐方法、装置、计算机设备和存储介质 |
CN109726864A (zh) * | 2018-12-26 | 2019-05-07 | 杭州优行科技有限公司 | 线路规划方法、装置、服务端及存储介质 |
CN111951065A (zh) * | 2019-05-17 | 2020-11-17 | 北京搜狗科技发展有限公司 | 一种行程处理方法、装置和用于行程处理的装置 |
CN116433269A (zh) * | 2023-06-13 | 2023-07-14 | 四川交通职业技术学院 | 基于大数据的片区式无人驾驶车辆停车场收费方法及装置 |
CN116433269B (zh) * | 2023-06-13 | 2023-08-18 | 四川交通职业技术学院 | 基于大数据的片区式无人驾驶车辆停车场收费方法及装置 |
CN116823535A (zh) * | 2023-08-30 | 2023-09-29 | 环球数科集团有限公司 | 一种基于多模态大模型的行程规划及智能导览*** |
CN116823535B (zh) * | 2023-08-30 | 2023-11-07 | 环球数科集团有限公司 | 一种基于多模态大模型的行程规划及智能导览*** |
CN117236659A (zh) * | 2023-11-14 | 2023-12-15 | 贵州优特云科技有限公司 | 一种基于线上旅游平台的团计划管理方法及*** |
CN117236659B (zh) * | 2023-11-14 | 2024-02-02 | 贵州优特云科技有限公司 | 一种基于线上旅游平台的团计划管理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106157192A (zh) | 一种行程服务方法和装置 | |
CN104169950B (zh) | 利用面向批处理的计算的数据库*** | |
JP6605488B2 (ja) | 予測保全スケジューリングを用いたインテリジェント照明システム及びその動作方法 | |
CN106303955A (zh) | 用于对无线热点和poi进行匹配的方法和装置 | |
CN105303487A (zh) | 一种行程服务方法和装置 | |
CN107423837A (zh) | 旅游路线的智能规划方法及*** | |
CN103323018A (zh) | 基于时段的热点路径的特征识别与快速搜索方法 | |
CN105857107B (zh) | 一种基于电网实时数据的电动汽车充电导航*** | |
CN106920387A (zh) | 获取交通道路中路线热度的方法及装置 | |
Martínez et al. | Design and deployment of an innovative school bus service in Lisbon | |
Bottero et al. | Decision support systems for evaluating urban regeneration | |
CN104537029A (zh) | 查询处理方法及装置 | |
CN105389751A (zh) | 一种行程服务方法和装置 | |
CN104636457B (zh) | 一种位置搜索认知的方法及装置 | |
CN109544690A (zh) | 共享单车出行影响因素识别方法、***及存储介质 | |
CN109087030A (zh) | 实现c2c通用移动众包的方法、通用移动众包服务器及*** | |
CN103050016A (zh) | 一种基于混合推荐的交通信号控制方案实时选取方法 | |
CN106408097A (zh) | 一种基于遗传算法的旅游行程规划*** | |
CN116628335B (zh) | 个性化旅游路线定制方法及装置 | |
CN108062366A (zh) | 公共文化信息推荐*** | |
Zhang et al. | An optimization model for guiding pedestrian–vehicle mixed flows during an emergency evacuation | |
Walek et al. | Proposal of expert system for hotel booking system | |
KR102359902B1 (ko) | 빅데이터 및 인공지능 기반 교차로 서비스수준 예측방법, 그리고 이를 포함하는 저장매체 | |
Sauter et al. | Exploratory study of urban resilience in the region of Stuttgart based on OpenStreetMap and literature resilience indicators | |
CN108717640B (zh) | 旅游信息的数据处理方法和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |