旅客國內旅行線路推介系統及其實現

摘 要：隨著我國旅游業的發展，利用互聯網平臺推動旅游發展已經成為一種趨勢，但是如何將兩者很好的結合，為消費者提供智能化的旅游推送服務還需要進一步研究。鑒于此，我們在問卷調查的基礎上研究旅客行為偏好，并利用成熟算法，進行熱門景點推送，建立線路推送模型以及進行行程規劃，為旅客提供更加全面的個性化的線路推送，從而促進旅游業發展。

關鍵詞：旅行線路；線路規劃；行程規劃

引言

隨著我國經濟發展水平的不斷提高，人民的生活水平不斷提高，隨之而來的是越來越多的人選擇以旅行的方式提升生活質量，僅2015年第四季度全國旅行社國內旅游組織接待4529.87萬人次、11203.71萬人天，同比增長14.59%和16.91%；另一方面，由于互聯網技術的迅速發展，對傳統的旅游方式產生了深刻影響，特別是以去哪兒以及攜程等旅游網站為代表的線上旅游商，其提供的線路信息以及價格信息查詢等功能在很大程度上滿足了旅客個性化旅行的需求，但是隨之而來的問題是旅客在制定旅游線路時需要進行大量的搜索工作，不僅僅需要城市之間的線路信息，還得查詢景點的線路，價格以及旅游評價等，而這些工作在一定程度上不單單是旅行成本或者說旅行線路的性價比的問題，旅客還得考慮自己所查詢到的線路是否是最優的線路，即已存在的能滿足自己最大出行需求的線路，所以針對旅客需求的旅行線路推介方法的研究以及如何對線路進行優化問題的研究十分有必要。那么旅客國內旅行線路推介系統的研究在很大程度上避免了大量的搜索工作，并且考慮到旅客對于時間和花銷的要求，在一個交互式的平臺當中推送最優的旅行線路以及行程的安排，盡可能的滿足了旅客需求。

1 影響國內旅行路線設計的因素

對于旅行線路設計的因素的選取，我們在前人的研究當中可以看出時間，成本以及旅客偏好，或者說旅客對于某一景點的滿意度等因素是重點。侯新華和文益民在2012年提出基于協同過濾的旅游景點推介方法，主要考慮對線上旅游網站當中的旅客對于景點的評價，通過評分實現景點推送；麻梅風在2014年提出基于旅客綜合興趣度的景點推送方法，提出綜合興趣度的概念，依據與目標用戶興趣相似的鄰居用戶對景點的評分信息預測用戶對待推薦景點的評分，并進行推薦；馬騰騰和朱慶華在2016年提出基于Hadoop的旅游景點推薦，在數據挖掘以及運算速度方面有所提高，但是也基于旅客對于景點的選擇行為。從以上研究不難看出旅客偏好選擇行為因素對于景點推送的影響，從旅客的角度來說就是景點滿意度。2011年王戰友，李強提出基于數學模型的線路優化設計方法，并提出了時間因素，費用因素和景點數量因素對于旅行線路的優化設計的影響；在旅游線路設計模型方面，學者唐亦運用運籌學中圖論的方法，建立了旅游線路優化設計模型，模型優化的目標是時間最短；2011年陳鑫，劉汗青和徐常恒研究了在規定的時間內花最少的錢游覽盡可能多的景點的旅行線路設計問題，并建立了模型；2014年曹陽利用遺傳算法尋找最短路徑，即考慮旅行時間最短問題；我們也不難看出時間因素以及費用的因素對于旅行線路的優化設計是不可避免的問題。那么文章就選取旅行時間，旅行成本和旅客滿意度為線路設計的主要因素。

旅行線路的推介的主要對象是旅客，針對旅客需求的線路才是有意義的，對于此文章將旅客的選擇行為看做其表達需求的主要途徑，而旅客行為主要表現為對交通運輸方式，運輸價格以及線路推送方式的選擇等等，而且進一步可以根據這些選擇行為將旅客分為不同的類型。根據之前問卷調查的結果，我們將旅客分為學生旅客，在職休閑旅客以及離退休人員等三大類。不同類型的旅客有對各自需求影響的主要因素，即前文所提時間要求，成本因素和景點滿意度，其中距離因素可以轉化為時間因素。

2 國內旅行路線推介模型構建

在前面一章的敘述當中我們對線路設計的影響因素進行了闡述，我們將旅客的偏好體現在旅客對于景點的滿意度當中，景點之間的距離可通過景點間的到達時間表達，而景點停留時間和成本因素將體現在建模的過程中。

旅游線路推介方法就是根據一定的限制條件以及起始地點，從所給的一系列景點之中選擇合適的景點并以一定的次序推送給旅客，而這樣的推送服務最終會使旅客獲得滿意度最大，同時其他約束條件不能超過旅客所設定的限制，并盡可能最小，而約束條件即包括了旅行時間，旅行費用等。假設在前文敘述條件下，已知熱門景點，并計算出景點滿意度，以及景點之間的路程時間，景點游玩的時間和費用，我們就可以建立一個景點網絡圖，而且圖中各個景點之間是相互聯通的。需要說明的是選擇交通方式的不同最終體現在時間和費用上，而根據前文的敘述距離可以轉化為時間，若是自駕游可以不考慮費用，若不是，按照前文解釋進行處理。此時可利用全排列生成算法，進行候選景點集合的選取，在此過程中根據旅客的時間限制，費用限制以及滿意度限制對產生的候選景點集合進行檢驗，剔除不滿足約束條件的集合。那么滿足條件的集合即為最優旅行線路，也可以在此基礎上進一步進行行程規劃。

2.1 熱門景點的獲取

在旅客確定目的地時，我們可以以此為關鍵詞，利用爬蟲從旅游網站爬取旅游文記，并從旅游文記當中按照規則提取地理名詞，然后把這些地理名詞按照地理本體樹進行聚類，最后在每一個類別當中按照地理名詞出現的次數有大到小排序，次數即為熱度。經過篩選找出屬于典型代表景點的地理名詞，并根據聚類結果計算出景點的總體熱度或者平均熱度，從而依據熱度獲得熱門景點。下面對獲取地理本體樹的流程進行說明。（如圖1所示）

2.2 線路規劃

在獲得熱門景點的基礎上，我們定義景點為ai，則ai（m，n，k）為表示景點ai的滿意度為m，游玩時間為n，費用消耗為k，au為旅客旅行的起始點，at為旅客在結束所有景點之后要到達的地點，起始點以及終點的滿意度，游玩時間和費用消耗均為0。設有n個景點，而且各個景點之間都是可以相互到達的，根據全排列算法，所有景點有n！種全排列，即有n！種景點線路的組合方式，對于每一種組合方式我們都可以得到其滿意度，游玩時間和費用。但這不是所有的景點組合，我們設有K階候選集合CA1={a1m，a2m，a3m，...，aim，akm}和CA2={a1n，a2n，a3n，...，ain，akn}，那么這兩個K階候選集合可以產生K+1階候選集合，若aim=ain（1？燮i？燮k-1）且akm≠akn，此時K+1階候選集合為CA3={a1n，a2n，a3n，...，ain，...，akn，akm}。那么我們可以從第一階開始生成候選集合，并且在產生完所有第K階候選集合之后，產生K+1階候選集合，這個過程即旅行路線的生成過程。在此過程當中，對于每一階候選集合檢查其集合費用消耗是否超過旅客限制，如超過則刪除，如滿足限制條件則進行時間限制檢查，如不滿足則刪除，若滿足則為符合條件的景點候選集合。此時產生的候選集合并不是最優的，因為在相同的滿意度水平下所花費的時間和費用是不同的，所以需要進行排序優化，即對旅行路線進行優化。

2.3 行程規劃

對于優化后的景點集合來說，既滿足了每種類型旅客對于熱門景點的需求，又可以據此利用最小生成樹聚類算法進行行程規劃。此算法應用廣泛，不在贅述，只針對文章當中的應用進行解釋。最小生成樹聚類算法首先要計算最小生成樹，對于一個帶權邊的無向圖，選擇所有邊的權值和最小的樹即為最小生成樹。在文章當中邊的權值為景點之間的距離，針對旅客不同的需求可以進行不同目標的行程規劃。

2.3.1 按照時間來聚類的步驟

首先，假設旅行的天數為N，旅客需要在N天的時間內對區域內的熱門景點進行游覽，那么在獲取了行程景點數據之后，首先構造全連接圖，然后利用算法得到最小生成樹，把其剩余的邊按照權值從大到小的順序切斷N-1條邊，最后即可得到N個子圖。舉例如下：

一位游客想在3天之內游玩這7個景點，那么我們需要對其行程進行規劃。首先根據上圖生成最小生成樹，如圖3。

接下來根據旅客的要求，把邊按照權值從大到小的順序切斷，首先切斷G和E之間的連線，在切斷B和E之間的連線，可以得到三個子圖，如圖4.即旅客每天要去的景點，至此我們按照旅客的要求對其形成進行了規劃。

2.3.2 按距離來聚類的步驟

按距離來聚類與按時間聚類類似，同樣在得到景點數據之后構造全連接圖，生成最小生成樹，然后把剩余的邊按照距離的大小排序，切斷景點之間距離大于M的邊，即可得到滿足旅客對距離要求M的行程規劃方案。方法比較簡單，不再舉例說明。

以上所述方法，可以在獲取旅客行為偏好之后，篩選出滿足旅客需求的熱門景點，然后可以根據旅客的旅行時間要求或者每天行程距離的限制進行行程規劃，得到每天需要旅行的熱門景點的集合；對于每天要去的景點我們則可以進一步進行線路規劃，在最大程度上滿足旅客需求。之所以可以這樣做的前提是所查詢到的景點都集中在一定區域內，對于跨區域的景點，或者說遠距離的大城市之間的線路規劃來說意義不大，因為旅客旅行一般會選擇一個目標城市，具體旅行只是集中在一定區域內，旅行結束隨即返回。相對于長距離的旅客運輸方式的選擇，類似攜程，去哪兒等旅游網站對這種線路的選擇是十分便捷的，或者說相對于不同交通運輸方式的選擇一開始就由旅客的類型所決定，無非是考慮到不同交通運輸方式的經濟性以及替代性會導致不同類型旅客在相同兩點之間的選擇是一致的，例如在一千公里左右的行程上民航與高鐵具有很高的競爭性和替代性，文章對此不再討論。

3 旅行線路推介模型驗證

假設一名天津休閑旅客計劃五一期間去西安進行四天的旅行，五月一號天津至西安的平均機票價格為649元，需要兩個小時；高鐵二等座平均票價為547元，需要五個小時；普快列車硬座平均票價為168.5元，需要17個小時。休閑旅客對于時間和價格的要求不高，但是從旅客滿意度的角度考慮，在耗時較少，花費較少，準時且安全舒適的條件下，高鐵二等座是最佳選擇。在此情況下旅客當天可以到達西安，旅客即可對熱門景點進行查找。當旅客輸入西安作為關鍵詞查找景點時，系統按照前文所述流程對西安的熱門景點進行查找，熱度排名前二十的結果如表1所示。

旅客根據自己的需求選擇其中的十個景點進行游玩，假設旅客選擇了排名前十的景點，那么根據每個景點的經緯度可以計算景點之間的直線距離，進一步可以得到這十個景點的全連接圖。如圖5所示（單位：km）。

旅客想要在四天之內游覽這些景點，那么我們可以得到最小生成樹，如圖6所示。

對于最小生成樹，我們按照權值從大到小的順序依次切斷3條邊，可得到圖7。

至此，我們按照旅客的要求，根據已知的方法為旅客安排四天的行程，第一天去世園會；第二天去大雁塔，大唐芙蓉園，華清池，鐘樓，古城墻，大明宮和大唐西市；第三天去秦嶺，第四天去秦皇陵。以上結果得到的是行程的規劃，即每組景點都是由無向圖連在一起，并不是線路規劃，那么下面我們進行線路規劃，首先我們可以得到這十個景點的相關數據（如表2所示）。

根據表2信息以及行程規劃結果，我們利用全排列算法對景點a2，a3，a4，a5，a6，a7，a9這七個景點進行線路規劃，由于在行程規劃當中，我們計劃第二天走完這七個景點，第三天去秦嶺，它們之間的距離較遠，為減少第三天的行程，設定這七個景點的起點和終點不一致，終點靠近秦嶺，分別為au和at，那么我們可以知道不論怎樣的排列，它的滿意度和花銷總是一定的，因為景點的數量是固定的，所以我們只需要找到最符合旅客的時間要求的景點排列即可。通過計算我們發現按照華清池，大明宮，大雁塔，古城墻，鐘樓，大唐芙蓉園，大唐西市這樣的順序來游覽所花費的時間最接近旅客要求并且沒有超過，旅行時間為10.5h。至此我們對該旅客的旅行行程及旅行線路均進行了規劃，從時間安排以及滿意度方面盡可能滿足旅客的需求。

在以上規劃過程當中，我們采用了首先進行行程規劃再進行路線規劃的步驟，還存在一種方法就是首先進行線路規劃再進行行程規劃，按照后者進行的話，我們在獲取熱門景點的數據之后即可進行線路規劃，但是此時會由于起點和終點的不同，導致從一階開始的每一個排列都會有一組不同的屬性。在這個過程當中我們是不考慮景點的數量的，所以從一階開始，我們就要對每一個排列的滿意度，時間以及花費進行檢查，剔除不符合旅客要求的，直至找到最接近旅客的要求，同時保證滿意度最高。在得到線路之后再進行行程規劃，但此時存在的問題是行程規劃的結果會不會影響線路規劃的效果，答案是否定的，因為此時我們只需要在線路規劃的基礎上進行行程規劃，方法類似前文敘述的過程，不在討論。那么兩種方法孰優孰劣？單從規劃的效果來看，后者優于前者，從文章給出的例子不難看出，行程規劃的結果在很大程度上限制的線路規劃，由于一天的時間是有限的，這很可能導致無解的情況的存在，而后者則不需要擔心這種問題。

4 結束語

隨著旅游業持續穩定的增長，設計出滿足旅客個性化需求的旅行線路推送系統可以促進個性化旅行的發展，鑒于此，文章在旅行線路推送設計的過程中，考慮到旅客的選擇偏好，針對不同類型旅客可以推送不同的旅行線路，將旅客的景點滿意度作為最主要的參考因素，并且在推送過程中考慮到時間約束以及成本約束，可以最大程度的比較旅行線路的成本，最終還可以通過可視化的界面推送旅行線路以及行程規劃方案。另外在系統的可操作性和簡潔性上，旅客可以根據喜好刪減景點數量，從而得到新的旅行方案，十分便捷。但是文章存在不足之處是所建模型推送的線路集中在一定區域內，對于區域與區域之間的連接方式，即可能進行更長時間的旅行線路還需要進一步的研究，這牽扯到不同的交通運輸方式的選擇。另外在旅客滿意度當中也可以加入更多的參考因素，或者在景點獲取方面可以加入關聯景點的推送等等。總的來說，旅客線路推介系統的研究的主要目的是減少旅客負擔，為旅客在旅行過程當中提供建設性的指導，從而使其旅行更加愉悅，具有不小的商業潛力，期望能進一步發掘其商業價值，并運用到實際生活當中。

參考文獻

[1]侯新華，文益民.基于協同過濾的旅游景點推薦[D].長沙：湖南工業職業技術學院，2012.

[2]麻風梅.基于游客綜合興趣度的旅游景點推薦[D].安康：安康學院，2014.

[3]馬騰騰，朱慶華，曹菡，等.基于Hadoop 的旅游景點推薦的算法實現與應用[D].南京：南京大學，2016.

[4]曹陽.城市旅游規劃行程鏈的模型構建及其應用研究[D].南京：南京師范大學，2014.

[5]胡喬楠.基于旅游文記的旅游景點推薦及行程路線規劃系統[D].杭州：浙江大學，2015.

[6]李敏.年長者旅游行為的心理學分析[D].珠海：吉林大學 珠海學院，2008.

[7]趙凌云.面向服務的消費者行為分析及推薦模型研究[D].山東：山東師范大學，2014.

[8]田雨佳.基于旅游資源學視角的旅游公路網布局理論與方法研究[D].西安：長安大學，2012.

[9]凌文輇.行為科學在中國——戰略決策研究[Z].2007.

[10]宋樂怡，熊輝，張蓉.下一代移動推薦系統[J].華東師范大學學報，2000.

[11]Anne Graham. Demand for leisure air travel and limits to growth[J].Journal of Air Transport Management，2000，6（2）.

[12]厲新建，崔莉，萬文平，等.高鐵乘客的旅游特征與消費偏好分析[J].北京第二外國語學院學報，2013.

[13]郭金玉，張忠彬，孫慶云.層次分析法的研究與應用[J].2008，18（5）：148.

[14]吳春陽.數據挖掘在電子商務旅游線路推薦系統中的應用研究[D].重慶交通大學，2009.

[15]Majid A.基于地理標簽的社會媒體數據挖掘的智能旅游推薦研究[D].杭州：浙江大學，2012.

[16]決策的程序與偏好選擇行為[Z].武漢： 武漢大學系統工程研究中心，2000.

作者簡介：宏磊（1993-），男，甘肅慶陽人，主要研究方向為航空運輸管理。