基于模糊APACA 的個性旅游線路設計研究

王萌

（西安財經大學行知學院管理科學分院，陜西西安 710061）

在社會經濟不斷發展的過程中，人們的生活水平提高了，旅游從少數人的奢侈消費朝著大眾化消費轉變，逐漸成為人民群眾日常生活的主要內容。在我國改革開放程度越來越深的過程中，旅游行業逐漸成為我國的主要產業，未來旅游業會促進我國GDP 的增長[1]。所以，最優路線的科學規劃、降低游客的花費、提高游客旅游體驗具有重要意義。

1 個性旅游線路的研究

1.1 新建道路

在陡峭的山坡和高山最常見的就是公路，地形多為山嶺重丘地貌。為了避免大填大挖對原本地形地貌造成破壞，在設計路線過程中要全面考慮地形特征，慎重選擇縱橫平方式，保護沿線生態環境，降低地質災害，保持原本自然景觀。使用高標準進行要求，需要考慮地形條件。如果環境比較惡劣，在設計過程中需降低技術指標[2]。

1.2 路基和路面

為了使養護工作在良好的生活與工作環境中進行，要使用瀝青混凝土處理路面，降低公路兩旁的泥土揚塵；在路線中，要對重點地質病害路段進行處理，保護地貌地質特性。為了控制道路危害，要開展分析比對，針對改建、繞避、治理和新建，降低坡面開挖，從而降低路基土石方的工程量。

1.3 防護工程

因部分影響因素所以需考慮挖方路基邊坡坡度，比如土生成的年代、挖方邊坡高度、土的成因類型、巖石特點、巖石構成等。為了避免由于挖填力比較大導致土體不平衡，就要充分考慮防護過程中巖土的構造、山體的穩定性、山體堆積物的松散度，從而做好排水工作[3]。在防護方式方面，選擇不同地質與邊坡高度，比如路堤擋墻、掛網錨噴和護面墻，從而降低水土流失。

1.4 旅游旺季車輛控制

人們物質方面逐漸滿足，開始重視精神享受。尤其是在各放假黃金階段，不管在哪里都有大量的人流和車流，導致環境壓力過大，很多景點和文物被破壞。因此，要求配合部門與旅游景點人員，控制旅游景區過往車輛，使用相關人員限制和疏導，促進旅游景區可持續發展，保護生態環境[4]。

2 個性化推薦模型

2.1 基于用戶協同過濾模型

針對游客協同過濾推薦原理，以游客對于信息、物品的不同偏好尋找相似的鄰居用戶群，可利用KNN 算法來實現。然后，針對k個鄰居的歷史偏好信息推薦用戶。那么，在設計個性化旅游線路時，要求利用高相似性的用戶集合推薦選擇旅游點[5]。協同過濾模型的設計步驟為：

1）創建用戶-景點評分矩陣。在創建前要計算用戶評價的景點信息，假設指的是用戶Ui對于景點Lj的評分，用戶對景點評分矩陣表示為：

2）創建鄰接矩陣。利用鄰接矩陣計算兩個用戶的相似度，通過余弦相似度判斷用戶之間是否為同種類型，用戶μ,v的相似度如式（2）所示。

式（2）中，Ui指的是景點集合評分，利用以上計算得到兩個用戶相似度，因為不同用戶對于景點評論也不同，假如部分用戶沒有對景點評論，該景點評分設置為中性值3。結合實際情況，尋找比預定設置值更高的閾值，使該用戶歸為相同類[6]。

3）評分預測。基于用戶協同過濾思想，通過計算用戶相似近鄰得出用戶對景點的評分，之后計算用戶未知景點評分時，要參考相似近鄰對于該景點的評分，然后，通過用戶相似近鄰計算景點評分，通過其他用戶和推薦用戶評價景點，并且計算余弦相似度，之后計算偏差值，利用偏差值對用戶和推薦景點預測分數進行預測，如式（3）所示。

式（3）中，λ指的是景點修正參數，指的是景點評分，指的是用戶對于景點的平均評分，cos（U,Ui）指的是用戶和其他用戶的相似度。計算P(U,L)，假如該值比預定閾值大，表示該景點滿足用戶需求。利用該計算能夠得到推薦給用戶的景點集合。通過上述計算，發現數據稀疏性與冷啟動問題，對推薦有效性造成影響，所以還要考慮位置信息[7]。

2.2 基于地理位置推薦模型

列舉用戶訪問景點，計算景點和中心點的位置，利用其畫出最小直徑圓，該圓包括全部景點，且直徑最小，之后將各圓心與景點的平均數作為用戶活動的半徑。對偏離景點或者圓心進行假設，刪除景點之后計算圓心位置。分析數據集的所有活動半徑，發現用戶對景點的喜愛程度具有區域性，若新景點和用戶目前位置比活動半徑要小，則用戶可選擇此景點。所以，推薦模型能夠對原本活動中心到新景點的距離進行計算，以此估計用戶對景點的喜好程度[8]，具體過程如下：

景點的位置越遠，用戶的選擇意愿就會降低，擬合函數公式為：

其中，a和b是指兩個常數，x指的是用戶活動中心與推薦景點的距離，用戶選擇意愿為y。為了結合用戶協同過濾算法，設置y值處于封閉區間[1,5]。假設全部距離閾值為[d5,d4,d3,d2]，使用戶選擇意愿劃分為：

根據式（5），能夠對用戶推薦點評分進行預測[9]。

3 基于APACA的旅游線路設計

3.1 多態蟻群算法

在個性旅游線路設計過程中使用APACA 算法，偵查蟻在全局偵查之后，鎖定局部景點并且分泌偵查素。在n1個景點中放置n1只偵查蟻，將所有點作為中心，偵查其他n1-1 個點。每只偵查蟻根據評價指標對MAXPC個景點進行選擇，通過偵查素進行標記。偵查素Sij通過景點之間行車時間與活動收益進行決定，對i到j的路徑進行標記[10]。

搜索蟻每到一個活動點，以偵查素與各信息素對下一個點進行全局搜索，直到完成行程。對蟻群運動進行搜索，將偽隨機比例規則應用到活動i到j的轉移規則中[11]。多態蟻群主要代碼如下：

3.2 局部信息素更新原則

在全部搜索蟻進行一次巡游后，對各路徑信息量進行調整。不同于基本更新原則，偵查素Sij會對更新原則造成影響，具體公式為：

式（7）中，Δτij指的是該循環全部搜索蟻在路徑(i，j)中所釋放的全部信息量[12]。

在全部搜索蟻一次巡游后，對全局信息素進行更新，使最優路徑的信息素增強，并且該更新原則會受到偵查素Sij影響。使用動態候選表的策略，避免了在搜索過程中考慮全部的未訪問景點，提高了搜索效率[13]。

3.3 多態蟻群算法步驟

文中算法步驟為：

1）對參數和最大迭代次數初始化；

2）根據式（6）對偵查素進行計算，使結果Sij構成預偵查素矩陣S，之后設置MAXPC列后的值為0，也就是景點并不在偵查范圍中，構成矩陣ZS；

3）使所對應MAXPC范圍中的景點根據式（1）創建初始信息素，MAXPC范圍外也以上述公式進行創建；

4）使迭代次數Nc 數值設置為1[14]；

5）創建螞蟻初始最佳景點候選表，假設該景點i滿足公式需求，即可以入表；

6）在候選表中隨機選擇k只搜索蟻的初始位置，使其放置到每只搜索蟻所對應的表中；

7）k只搜索蟻對景點總數的選擇不同，依次循環每代搜索蟻，設置搜索蟻序號為r=1；

8）判斷候選表是否存在可選景點，在有可選景點后轉到以下步驟；

9）計算每只搜索蟻r，使其到達需要轉移的位置，并且記錄信息，根據步驟8）對景點候選表進行更新；

10）對d日旅館i進行選擇，i是指收益和行車時間比最大的旅館編號。此時記錄接下一天開始的旅行時間；

11）當搜索蟻r到行程總天數d=dmax時，將該搜索蟻結果存儲到表中；

12）選擇下一個搜索蟻；

13）在搜索完每只搜索蟻后，更新搜索蟻走過的路徑；

14）如果達到最大迭代次數，轉到下一步。如果沒有達到，則不改進得到的最近若干個路徑，對揮發系數進行調整；

15）根據式（7）更新全局最優路徑信息量；

16）輸出最優解路徑圖和行程甘特圖[15]。

4 算法仿真分析

選擇上海25 個景點與3 個旅館地帶，設計3 位組團游客3 日游旅游線路，并且安排日程。利用網絡對景點游玩時間與行車時間進行分析，從而能夠產生旅游收益，根據景點規定的開關門時間與最佳旅游時間決定起止時間。該算法根據目標函數產生Pareto 非支配解，包括收益最大解、收益方差最小解、行車時間最小解與中心解。游客以自己喜好對旅游線路進行選擇，圖1 為中心解收斂分析。通過圖1 可知，文中算法所得解最優。

圖1 中心解收斂分析

圖2 為旅行時間影響分析，α為游客態度參數，λ為旅游時間。以此表示在α不斷增加的過程中，λ也在不斷增加，降低了旅行總時間。主要是因為在α增加時，旅游愛好者對旅游花費也越來越重視，減少了旅行總時間。但是λ也在不斷降低，也就是增加了景點之間的距離和旅行總時間。簡單來說，λ和α對于旅行總時間的影響相互制約，但是α對于旅行總時間具有更大的影響[16-19]。

圖2 旅行時間影響分析

5 結束語

文中基于自由行備受人們喜歡，并且普通用戶由于信息過多無法選擇合適旅游線路等問題，提出了將模糊APACA 作為基礎的個性旅游線路算法。此算法能夠對用戶各景點預測評分進行預測，之后選擇合適的旅游景點，規劃個性路線，對最終用戶進行推薦。實驗證明，基于模糊APACA 的個性旅游線路設計研究相較于傳統方式更容易滿足個性化需求，對于個性旅游市場有一定的促進作用。