基于推薦和游戲化的智慧城市出行誘導系統設計

王雯靜，干宏程，黃玥，王馨玉，陸歡

摘? 要：隨著城市機動車保有量的飛速發展，燃燒化石燃料造成的空氣污染增加了人們健康問題的風險。在智慧城市理念的推動下，提出智慧城市出行誘導系統，該系統使用推薦系統和游戲化反饋來激勵城市居民轉向更健康環保的積極交通工具，以替代傳統的燃油汽車。該系統基于用戶交通出行的歷史數據和用戶偏好，為用戶推薦個性化的交通方式和路徑。此外，該系統向用戶游戲化地反饋其決策對個人健康和財務的影響，來說服用戶做出更健康環保的交通決策。

關鍵詞：智慧城市；個性化推薦；游戲化；出行誘導系統

中圖分類號：F570? ? 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2023.11.019

Abstract： With the rapid development of urban motor vehicle ownership， air pollution caused by burning fossil fuels increases the risk of people's health problems. Driven by the concept of smart city， a smart city travel guidance system is proposed. The system uses a recommendation system and gamified feedback to encourage urban residents to turn to healthier and environmentally friendly active means of transportation to replace traditional fuel vehicles. Based on the historical data of users' travel and user preferences， the system recommends personalized transportation modes and routes for users. In addition， the system provides users with gamified feedback on the impact of their decisions on personal health and finance to convince users to make healthier and environmentally friendly traffic decisions.

Key words： smart city; personalized recommendation; gamification; travel guidance system

0? 引? 言

隨著移動互聯網、物聯網、大數據、云計算、人工智能等技術的快速發展，智慧城市的理念應運而生。智慧城市是一座利用科技改善居民生活的城市[1]。而交通運輸是一個城市的血脈，在智慧城市中建設“智慧道路”，為城市的發展源源不斷地“供氧”，是實現智慧城市全面發展的必經之路[2]。

由于城市機動車保有量的飛速增加，交通擁堵日益嚴重，碳排放造成的空氣污染極大地增加了人們患肺癌、哮喘等重大疾病的風險[3]。而自行車和步行等被視為可以代替化石燃料的交通，且健康環保的積極交通工具[4]。積極交通不僅有助于減少道路擁堵和減少碳排放，而且有助于提升城市居民整體的健康水平和生活質量，并可以改善城市安全。

根據智慧城市的理念，本文提出了智慧城市出行誘導系統，該系統使用個性化推薦系統和游戲化反饋來激勵城市居民從小汽車出行轉向公共交通、自行車和步行等積極交通工具。

在傳統的交通誘導系統中，主要為用戶找到從A點到B點使用不同交通工具的最短路徑[5]。而智慧城市出行誘導系統在基本的交通功能基礎上增加了以下新的功能：（1）系統會根據出行環境和用戶的偏好，向用戶推薦個性化的路徑。（2）系統會為用戶提供每次出行決策后的反饋信息。反饋的目的是激勵用戶選擇更健康環保的出行方式。

這項工作的主要目標是闡明智慧城市出行誘導系統的開發設計。該系統能夠幫助居民做出更健康環保的交通決策。

1? 相關工作

1.1? 智慧城市。智慧城市的概念是習近平總書記于2016年提出的。通過人工智能、物聯網、大數據等先進的技術手段對城市進行現代化治理。從城市的信息化，到城市的智能化，再到城市的智慧化，是建設智慧城市的必由之路[6]。可以說，建設智慧城市是以習近平同志為核心的黨中央立足我國城市發展的實際，順應新時代城市發展的趨勢，主動適應經濟發展的新常態，培育新的經濟增長點，增強發展新動能，而做出的重大戰略部署[7]。近年來，全國各地積極擁護黨的指示，積極推動智慧城市建設，在政府政務、交通領域、公共安全等方面都取得了顯著的進展。

當前，已經有許多關于改善城市居民日常出行的應用程序。例如，一些應用程序通過傳感器或駕駛員報告等方式收集交通數據，為居民提供實時的道路擁堵或事故的相關路況信息[8]。還有一些應用程序允許居民提供路上的坑洞、垃圾、有缺陷的設施和非法廣告等問題信息。這類應用程序能否成功發揮其作用，都需要大量的居民參與其中[9]。然而，當前激勵居民使用這些應用程序的方法主要是依靠外在動機，如商店的折扣券或少量的現金作為獎勵，而不是利用居民的內在動機。研究表明，與外在動機相比，內在動機更能長期地影響居民的行為改變[10]。因此，本文的方法是為用戶展示他們的交通決策對環境、健康等方面的影響，從而激發居民的內在動機，進而使居民轉向更健康環保的交通方式。

1.2? 推薦系統。推薦系統是一種信息過濾系統，它是根據對用戶的信息進行數據發掘，預測用戶可能感興趣的信息或產品，并進行相應的推薦[11]。它通常會根據用戶感興趣的相關得分生成推薦列表。推薦系統已經被應用于眾多領域。

基于內容推薦和協同過濾推薦是最常用的推薦系統。基于內容的推薦是建立在項目的內容信息上，通過機器學習的方法從關于內容的特征描述中得到用戶感興趣的信息[12]。該方法的優點是它不需要其他用戶的數據，沒有冷啟動和稀疏問題。然而，其缺點也很明顯，有限的內容分析，不能為用戶發現新的感興趣資源。協同過濾推薦根據相似用戶的決策建立模型，相似性是根據用戶喜歡的共同項目或屬性來決定的[13]。然后運用該模型預測用戶可能感興趣的項目。該方法與基于內容推薦相比，能夠過濾難以進行機器自動內容分析的信息，同時具有推薦新信息的能力。但是，該方法也有其自身的缺陷，如存在冷啟動和稀疏問題。因此，為了彌補各自推薦技術的弱點，這兩種方法通常組合起來使用。

基于知識的推薦系統，它不是建立在用戶需求和偏好基礎上的，而是通過功能知識進行推理來判斷用戶的需求和偏好來產生推薦[14]。因此，該方法對項目如何滿足特定用戶的需求做出預期，通過推理并能夠解釋用戶的需要和推薦的項目之間的關系。

2? 智慧城市出行誘導系統開發

智慧城市出行誘導系統是一種交通出行方式誘導系統，它通過個性化推薦系統和游戲化反饋來激勵城市居民轉向健康環保的積極交通工具出行。

為了推動用戶從高污染的交通工具轉向更積極的交通工具，推薦系統給出的推薦建議應該基于用戶的偏好和用戶使用交通工具的實際反饋數據的證據。這些推薦建議要基于許多不同且可能會影響居民出行路線或方式決策的變量。這些變量包括天氣、出行距離、道路基礎設施和實時的路況信息等。通過推薦系統和及時的反饋信息，給用戶觀測新行為結果和反思自我決策行為的機會，從而逐漸實現改變用戶不良交通習慣的目的。

下面將詳細闡述智慧城市出行誘導系統的主要組件：系統架構、路線計算模塊、推薦系統模塊和反饋模塊。

2.1? 系統架構。智慧城市出行誘導系統的基本架構如圖1所示。用戶使用系統，輸入起點和終點表明他們將進行出行。路線計算模塊接收到起點和終點的位置，通過計算生成多條不同交通方式的可能路線。在路線計算時，會考慮實時的交通狀況、空氣質量和出行距離等因素。推薦系統模塊接收到生成的路線后，根據用戶的信息，對它們進行個性化排序。用戶在推薦的路線中選擇首選項。反饋模塊為用戶提供路線的成本、行程時間、碳排放和燃燒的卡路里等反饋信息。

2.2? 路線計算模塊。智慧城市出行誘導系統的路線計算模塊，采用GraphHopper的算法生成起點到終點的不同路線。該算法基于Dijkstra的最短路徑算法[15]。在此基礎上對算法進行了改進，使其不止是依賴于距離，而是會根據多個因素（如空氣質量、天氣和交通狀況等）生成各種路線。在計算時，空氣質量、天氣和交通狀況等被看作模擬變量。例如，空氣質量通過0到5之間的數表示，0是空氣污染嚴重，5是空氣質量優。路線計算模塊為每種出行方式計算出三條備選路線，分別是：按距離計算的最短路線；按照交通狀況和距離計算的最優路線；按照空氣質量、天氣狀況、交通狀況和距離等因素計算的最優路線。

2.3? 推薦系統模塊。智慧城市出行誘導系統中的推薦系統模塊是基于內容的過濾來生成推薦的。內容是用戶交通決策的歷史數據。為了避免基于內容推薦的冷啟動問題，系統還加入了用戶的偏好等變量。

推薦系統模塊確定的可能影響用戶交通工具決策的變量包括：空氣質量、天氣狀況、氣溫、交通狀況、自行車車道的可用性、人行道的可用性、出行時間和出行距離等。自行車道和人行道的可用性取值是0到5的數值，0表示整個路線中沒有自行車道或人行道可用，5表示整個路線中到處都有自行車道或人行道。

由于在初始階段該系統沒有關于用戶的歷史數據，因此，會向用戶詢問一系列問題，以獲得用于構建初始模型的用戶偏好。這些問題包括各種天氣狀況、交通狀況、溫度等情況下用戶會使用某種交通工具的可能性。

每當用戶做出一次出行決策時，數據就會建立新的一行儲存在觀測矩陣中。例如，表1中的第二行描述了用戶的一次出行決策數據，出行時間為星期一的8：00，出行距離為15公里，天氣適中，氣溫為12℃，空氣質量良好，交通狀況比較擁擠，整個路徑中有一半的路有自行車道和人行道，新鮮度為1表示這是該用戶首次的出行決策數據。加入新鮮度變量的目的是為了幫助推薦模塊對最新記錄的決策數據給予更多的重視。隨著用戶使用系統記錄的決策數據不斷增加，他們的行為將發生比較大的變化，因此，該系統應該更多地重視用戶最近一次的出行決策數據。

記錄新的出行決策數據的同時，它會以累積的形式更新用戶配置文件。用戶配置文件是一個矩陣，它可用于對用戶的偏好和決策進行建模。表2顯示了一個用戶配置文件矩陣部分變量的示例。

在用戶配置文件矩陣中，行代表可能影響用戶交通方式決策的變量，而列表示不同的交通方式。觀測矩陣中的每一次觀測決策都用于更新用戶配置文件矩陣。例如，表1中的第一次觀測結果使用的交通工具是小汽車，因此將對交通工具“小汽車”列下的單元格的數據進行更新。第一次觀測結果的出行距離為15km，該距離對應于出行距離中的“非常長距離”。因此，在“小汽車與非常長距離”的單元格數據加1（1代表新鮮度）。第一次觀測結果的氣溫為12℃，對應于氣溫“溫和”。因此，在“小汽車與溫和”的單元格數據加1。

基于觀測更新用戶配置文件矩陣的算法步驟如下：

算法1：更新用戶配置文件矩陣

輸入：觀測矩陣中的觀測值M，用戶配置文件矩陣Y。

輸出：更新的用戶配置文件矩陣。

Step1：I=M“交通工具”；

Step2：foreach entry in M do；

Step3：variable_index=entry.index；

Step4：Yvariable_indexI+=M“新鮮度”；

Step5：end。

推薦系統模塊對路線計算器生成的不同路線進行排序，然后按照路線排名的先后順序向用戶展示，從而實現推薦。排序是基于用戶配置文件矩陣計算的。為了對每條路線進行排序，推薦系統模塊首先將每條路線作為一組屬性進行排序。接著，計算屬性變量與交通工具之間的Phi相關性。計算相關性后，將其轉換為Fisher變換。這種轉換生成的函數是正態分布的。最后，計算所有Fisher變換值的平均值，以得出路線的得分。該算法具體的步驟如下：

算法2：計算路線分數

輸入：特定路線的路線屬性RA，表示用戶配置文件矩陣trans_index中的交通方式索引，用戶配置文件矩陣Y。

輸出：用于對路線進行排名的分數：

Step1：foreach attribute in RA do；

Step2：correlation=corrattribute， trans_index；

Step3：fisher=fishercorrelation；

Step4：fisher_list.addfisher；

Step5：score=meanfisher_list；

Step6：end。

2.4? 反饋模塊。反饋模塊使用游戲化的方式向用戶反饋每次出行后的決策數據。采用游戲化的方式能夠吸引用戶重視反饋信息，進而達到激勵用戶做出健康環保的交通出行決策。反饋模塊除了顯示每條路線的行程時間和距離外，還會顯示與居民健康生活（如燃燒的卡路里）、節省的費用和環境保護（如碳排放量）等有關的路線數據。此外，該模塊還突出顯示了最環保或最不環保的路線。

3? 結束語

本文介紹了智慧城市出行誘導系統的開發設計，它是一個幫助居民做出更健康環保出行的交通決策系統。與傳統的交通誘導系統不同，智慧城市出行誘導系統使用個性化推薦系統。根據用戶交通出行的歷史數據和其他因素（包括天氣、交通狀況等）提供交通建議，該系統向用戶提供推薦路線的游戲化式的反饋信息，試圖說服用戶做出更健康環保的交通決策。未來，將通過隨機抽樣的用戶來測試這些推薦信息的準確性，同時測試反饋信息對用戶決策的影響。

參考文獻：

[1] 郭杰，王珺，姜璐，等. 從技術中心主義到人本主義：智慧城市研究進展與展望[J]. 地理科學進展，2022，41（3）：488-498.

[2] 紀漢霖，劉雨欣. 精細化導向的智慧城市建設研究——以上海市為例[J]. 軟件導刊，2022，21（9）：241-246.

[3] 陳振，昝哲，張康輝，等. 城市交通源污染與居民健康效益仿真研究[J]. 計算機仿真，2022，39（4）：91-96.

[4] 陸超，楊世儀. 城市交通低碳發展的路徑分析[J]. 人民論壇，2022（15）：69-71.

[5] 潘海珠，杜曉昕，王波. 交通路徑誘導系統中最優路徑選取研究與仿真[J]. 計算機仿真，2012，29（7）：372-374，397.

[6] 方衛華，緒宗剛. 智慧城市：內涵重構、主要困境及優化思路[J]. 東南學術，2022（2）：84-94.

[7] 李霞，陳琦，賈宏曼. 中國智慧城市政策體系演化研究[J]. 科研管理，2022，43（7）：1-10.

[8] 楊飛，郭煜東，JINJP，等. 基于手機傳感器數據的交通出行調查實證評估[J]. 交通運輸工程學報，2020，20（1）：226-238.

[9] 朱征宇，崔明，劉琳. 基于GPS終端的實時路況信息采集方法研究[J]. 計算機工程，2013，39（7）：21-25.

[10] 簡云龍，劉源. 動機的結構與效應：基于動機連續體的視角[J]. 心理科學進展，2022，30（7）：1589-1603.

[11] 李松，王冠群，郝曉紅，等. 面向推薦系統的多目標決策優化算法[J]. 西安交通大學學報，2022，56（8）：104-112.

[12] 劉華玲，馬俊，張國祥. 基于深度學習的內容推薦算法研究綜述[J]. 計算機工程，2021，47（7）：1-12.

[13] 趙俊逸，莊福振，敖翔，等. 協同過濾推薦系統綜述[J]. 信息安全學報，2021，6（5）：17-34.

[14] 胡皓禹，楊興耀，于炯，等. 基于對象特征組合聯合知識圖譜的推薦系統[J]. 微電子學與計算機，2022，39（7）：36-43.

[15] 王樹梅，黃石，臧禹順. 基于Dijkstra算法的城市物流公交系統優化[J]. 計算機技術與發展，2021，31（10）：179-183，189.