智慧旅游建設中的關鍵技術研究

董淼 王曉茹 孫榮榮 蔣緯昌

摘 ?要：后疫情時代，文旅產業成為帶動經濟增長和刺激消費的重要引擎。隨著5G、云計算、物聯網、人工智能等技術的快速發展，游客對智慧旅游的需求空前高漲。人工智能技術和數字技術的應用是智慧旅游發展的必然趨勢，有助于整合景區及其周邊區域的旅游資源，提升游客體驗和旅游業管理水平。文章首先對智慧旅游的研究進行梳理，其次探究了智慧旅游的關鍵技術，最后分析了機器學習在智慧旅游建設中的應用。

關鍵詞：智慧旅游；人工智能；機器學習

中圖分類號：TP39 ? 文獻標識碼：A ? 文章編號：2096-4706（2023）16-0116-06

Research on Key Technologies of Smart Tourism Construction

DONG Miao1， WANG Xiaoru1， SUN Rongrong1， JIANG Weichang2

（1.Department of Architectural Engineering， Henan Polytechnic Institute， Nanyang ?473000， China;

2.Nanyang Branch of China Mobile Communications Group Henan Co.， Ltd.， Nanyang ?473000， China）

Abstract： In the post pandemic era， the cultural and tourism industry has become an important engine driving economic growth and stimulating consumption. With the rapid development of 5G， cloud computing， Internet of Things， artificial intelligence and other technologies， tourists have an unprecedented demand for smart tourism. The use of artificial intelligence technology and digital technology is the inevitable trend of smart tourism development， and is conducive to integrate tourist resources in scenic spots and their surrounding regions， and improve tourist experience and tourism management level. This paper first sort out the research of smart tourism， then studies the key technologies of smart tourism， and finally analyzes the application of machine learning in smart tourism construction.

Keywords： smart tourism; artificial intelligence; machine learning

0 ?引 ?言

隨著疫情的結束，我國旅游業迎來大眾旅游時代，處于“機遇挑戰并存、矛盾風險交織”的特殊發展期。“十四五”規劃及2035年遠景目標綱要、黨的二十大報告對文旅融合發展和智慧旅游提出了新的要求。以5G、大數據、云計算、人工智能和物聯網等為核心的信息化技術賦能智慧旅游，改變景區、游客以及導游等各個主體之間的交互方式，提升游客的旅游感知和體驗。

1 ?相關文獻綜述

目前，學術界對智慧旅游關鍵技術的研究主要集中在旅游融合、旅游信息化建設和旅游智慧化發展三個方面。

在旅游融合方面，肖敏研究了新媒體、“互聯網+”在休閑農業旅游資源融合開發中的作用[1]；劉冰潔運用耦合協調度模型測算互聯網對文旅融合的影響及其空間效應[2]；鄔江以數字化視域研究文旅融合，推動智慧旅游發展[3]；劉棟提出以文化為載體和主線，將文化旅游資源與周邊產業鏈相融合，推動鄉鎮文化旅游資源融合開發[4]。

在旅游信息化建設方面，利用一些新興的數字化、互聯網技術建設智能化景區。吳愛云提出利用旅游資源數據構建旅游資源大數據服務平臺，打造集準確性、實用性、時效性、融合性、便利性于一身的旅游景區[5]；白然提出運用信息與互聯網技術和大數據分析技術完善基礎設施建設，整合城市及其周邊區域的旅游資源，提升游客體驗和旅游業管理水平[6]；黃蕊提出利用數字技術拓展旅游市場的認知邊界，創造全新的旅游應用場景，推動數字化轉型和旅游產業供給側結構性變革[7]；賀劍武研究鄉村旅游信息化建設與智慧旅游的融合發展[8]。

在旅游智慧化發展方面，在“互聯網+”大環境下，旅游與多個行業交叉滲透，產生海量、龐雜的數據，利用大數據技術、人工智能算法、數據挖掘分析、云計算等實現旅游全過程的智慧化。葉紫青研究大數據促進旅游業高質量發展的作用機制，從中得出大數據的挖掘和應用有力推動了在線旅游、智慧景區、智能出行等新興業態的發展，為旅游業的轉型升級做出了巨大貢獻[9]；張佳琳等人利用卷積神經網絡設計旅游推薦模型以實現旅游智慧化推薦[10]；孫振強等人提出融合用戶情感與相似度的智能旅游路徑推薦方法，實現旅游目的地的智能推送[11]；趙雅楠等人提出基于不確定近鄰的旅游產品協同過濾推薦算法，在向用戶精準推薦智慧旅游產品領域發揮著至關重要的作用[12]。

2 ?智慧旅游關鍵技術

智慧旅游是以數據、技術為驅動，通過各種技術及手段為游客打造超高舒適度和體驗感的旅游經歷。在大眾旅游時代，相關人員運用智慧旅游的各種信息技術對旅游者數據進行收集、計算和挖掘，通過智能數據積累主動探尋旅游者的現實需求和潛在需求，基于全過程、全要素的服務資源集成和參與主體協同，為旅游者設計個性化服務方案并精準推送給旅游者，切實滿足其旅游需求并提升其旅游體驗。如表1所示為不同時期智慧旅游比較。

2.1 ?大數據

隨著博客、社交網絡、基于位置的服務GIS等新型信息發布方式的不斷涌現，以及云計算、物聯網等技術的悄然興起，數據正以前所未有的速度增長和累積，大數據時代已經到來。根據IDC做出的估測，數據一直在以每年50%的速度持續增長，也就是說數據量每兩年就會增長一倍（大數據摩爾定律）。當前，在旅游過程中產生了海量的數據，獲取旅游信息時利用搜索引擎進行搜索，會產生大量的搜索數據（Search Engine Data， SED）。在旅游過程中產生大量的交通數據（Tourism Traffic Data）、住宿數據（Accommodation Data）、餐飲數據（Catering Data）、景點數據（Scenic Spot Data），同時還會產生海量的圖片和音視頻等數據。在旅游后產生評論數據（Comment Data）、熱門景點數據、景點關鍵詞數據，等等。

2.2 ?云計算

旅游過程中產生的海量數據需要依托云計算進行云存儲，涉及大量的結構化和非結構化數據，同時還需要云計算提供算力支持，以為旅游過程中需要做出的各種決策提供算力支撐。利用云計算技術提供高性能計算，結合底層物聯網平臺API接口，對上層應用組件進行封裝、整合，形成數據分析工具包，方便平臺上跨應用的調用和整合，提升計算能力。云計算還能為智慧旅游提供作業調度能力，引進成熟的作業調度系統，實現作業調度與大數據計算、存儲組件的無縫整合，支持多組件、多類型作業的可視化配置、調度和管理功能。

2.3 ?物聯網

物聯網就是利用射頻識別、無線數據通信、計算機等構造一個覆蓋世界萬物的實物互聯網。在智慧旅游中，物聯網技術是平臺與用戶交互的窗口，自助導覽、電子導航、一鍵導購、快速分享是其主要的應用，加之移動互聯網的應用和安全的網上支付平臺，游客可以隨時隨地制訂或改變旅游計劃和行程。

2.4 ?5G技術

5G技術以超低時延、超大帶寬和海量連接為智慧旅游的各種信息化應用提供可靠的連接，滿足它們的數據傳輸需求?！?G+數字化管理平臺”“5G+VR全景直播”“5G+AI移動執法”等應用場景已在多個景區成熟運行。5G無人車基于“人車路網云一體化”的設計理念，實現“人、車、路、網、邊、云”多路協同，構建完整的5G車路協同-自動駕駛解決方案，采用5G-V2X技術在景區內部署MEC邊緣云+專用UPF，充分發揮5G大帶寬、低時延、高可靠性的網絡優勢，在5G+MEC網絡基礎上使游客獲得更好的智慧旅游感知。

2.5 ?人工智能技術

人工智能技術主要涉及機器學習與深度學習，當前常見的應用有機器視覺、指紋識別、人臉識別、自動規劃、智能搜索、決策、智能控制、語言和圖像理解、數據處理等。在智慧旅游領域，景點客流量預測、游客畫像、智能推送、旅游決策等方面都需要人工智能技術的加持。

3 ?機器學習在智慧旅游建設中的應用

機器學習（Machine Learning）是一門融合統計學、計算機科學、神經網絡（Neural Network）等諸多領域的交叉學科。它通過數據科學技術幫助計算機從現有的數據中學習，從而預測未來的行為、結果和趨勢。利用機器學習處理旅游業相關的數據信息，為智慧旅游建設提供數據支撐。

3.1 ?機器學習賦能智慧旅游

機器學習模型與算法在智慧旅游發展和建設中主要用于數據調查、精準營銷、出行分析、游客畫像、熱度分析、游客流量分析、商業選址、智能推薦等，如圖1所示。

3.2 ?機器學習在智慧旅游中的實施

機器學習在智慧旅游中的典型應用涉及旅游前、旅游中和旅游后。游客在出行前一般會進行景區的檢索和信息的查詢，通過搜索引擎、官方APP、公眾號、第三方旅游網站等實現信息查詢，由用戶生產的數據（User Generated Content， UGC）海量出現，為探索、解析復雜多變的消費者行為和社會經濟現象提供了新的內容和路徑。利用機器學習對數據進行分析，獲得游客畫像，預測游客的基本需求，一方面進行游客和景區信息的精準推送，另一方面根據游客需求進行景區的建設。在旅游中對客流量大小、游客來源、交通工具選擇、終端使用情況等數據信息進行分析，實現餐飲推薦、住宿推薦、短信推送、商品推薦等，同時進行人流量的分析和預測，確保景區安全。游客會根據游玩過程中的體驗感受進行社交網絡分享，特別是一些“網紅”、流量大V等通過頭條、抖音、微博等平臺進行分享，具有較大的影響力。利用機器學習對旅游中產生的數據進行實時監測，實現景區的智能化發展。在旅游后利用游客數據和景區數據進行智慧景區、智慧旅游的改造和提升。機器學習算法在智慧旅游中的實施過程如圖2所示。

3.3 ?機器學習算法選擇

機器學習主要是利用經驗數據來改善系統自身的性能，包括分類、回歸、聚類、降維等。不同的機器學習算法在智慧旅游中的應用方向不同，分類算法用于游客畫像、內容推薦、景區分類等；聚類算法用于市場細分、社交圈分析、旅游數據分析等；回歸算法用于游客流量預測、商品預測、景區評估等。

3.4 ?機器學習算法在智慧旅游中的應用

3.4.1 ?基于K-近鄰算法的客流量預測

采用K-近鄰算法（K-Nearest Neighbor， KNN）進行景點分類，從而實現景點的智能推薦。在智慧旅游中景點的智能推薦成為熱門，采用k-近鄰算法建立分類模型，對景點進行分類，根據景點的分類決定是否將該景點推薦給游客。選取N個關鍵指標（如是否為法定假日、景點級別、客流量、門票價格、住宿價格、距離等指標），建立k-近鄰算法模型，對景點進行分類，將分類結果排序推送給用戶。如表2所示為K-近鄰景點推薦算法應用。

假設訓練一個帶有標簽的數據集 ，其包含N個樣本，每個樣本是由m個特征的訓練樣本組成的數據集，通過訓練分類后Xi對應的標簽為Ci。針對任意測試樣本Xj，K-近鄰算法將其分類為Cj，具體步驟如下：

1）在訓練樣本T中找到與測試樣本Xj距離最近的K個樣本，記作近鄰子集 ，其中測試樣本Xt與訓練樣本集 ?第i個訓練樣本Xj之間的距離為：

（1）

p = 1為曼哈頓距離，p = 2為歐氏距離。

2）根據投票原則從K鄰近子集 ?中選出最具代表性的類標簽作為測試樣本Xj的類標簽Cj：

（2）

其中， 的值為0或1，C表示樣本的類標簽， 表示鄰近子集 ?第i個樣本的類標簽。

選擇景點級別、門票價格、是否為法定假日、空間距離、天氣5種影響游客量的主要因素作為預測的樣本屬性，運用式（2）對這5種屬性進行歸一化處理，得到訓練樣本集：

（3）

選取開封5A級景區清明上河園作為研究對象，選取攜程網、途牛網上的游客評論數據進行分析，采用Python程序爬取2022全年的數據。對數據進行預處理后隨機選取80%的樣本作為訓練集，選取20%的樣本作為測試集。實驗結果表明，采用K-近鄰算法得出的游客預測人數與實際人數有較好的擬合度?；贙-近鄰算法的客流量預測曲線如圖3所示。

3.4.2 ?基于樸素貝葉斯算法的旅游評價情感分析

采用貝葉斯分類算法（Navie Bayesian Classification）進行旅游輿情分析，借助旅游評論數據進行游客情感分析，使景區管理者實行針對性的整改，提升游客滿意度。如表3所示為貝葉斯分類算法在旅游輿情分析中的應用。

基于樸素貝葉斯算法的旅游評價情感分類核心是貝葉斯分類器，采用貝葉斯公式計算相應的后驗概率，選擇最大后驗概率中的類別作為所要判斷事件的所屬類：

（4）

其中：P（A | B）表示在B條件下A發生的概率，即事件A在另一事件B已經發生情況下的發生概率。P（AB）表示事件A、B同時發生的概率，也稱為聯合概率。P（B）表示事件B發生的概率。AB都發生的概率就是B發生的概率乘以B發生情況下A發生的概率，也就是P（AB） = P（A | B） · P（B）。

如果事件組B1，B2，B3，…，Bi滿足兩兩互斥，P（Bi＞0；i = 1，2，3，…，n），且同時滿足B1∪B2∪B3… = ?，則稱事件組B1，B2，B3，…，Bi是樣本空間?的一個劃分。A為任一事件，則有：

（5）

（6）

滿足最大后驗概率A對應B中的類別為：

；i = 1，2，3 ? ? ? ? （7）

選取2021年5A級景區品牌影響力100強榜單中的5家河南景區，利用Python爬取攜程旅游網站中5個景點的25 000條數據，按照原始文本—文本處理—匹配BosonNLP情感詞典—計算情感值的過程進行情感分析。結合式（5）（6）和（7）計算得到5個景區的情感得分，同時將所有的評價按照0～1.5分、1.5～3.5分和3.5～5分的標準分為負面情感評論、中性情感評論和正面情感評論，分別計算不同特征下的評論情感比例?；跇闼刎惾~斯算法的游客情感傾向如圖4所示。

4 ?結 ?論

云計算、大數據、人工智能等關鍵技術賦能智慧旅游使得旅游參與的各個方面都能夠高效地參與到旅游全流程中，智慧旅游的建設能夠整合區域旅游資源，提升管理效率，提高旅游業服務質量，為游客帶來更具創意的旅游產品和出行體驗，同時大大促進旅游業的發展。本文最后重點介紹了機器學習在智慧旅游中的應用，主要包含客流量預測和游客情感評價。

參考文獻：

[1] 肖敏，姜啟軍.基于產業融合視角的休閑農業與鄉村旅游資源的開發探索——評《休閑農業與鄉村旅游專題研究》 [J].熱帶作物學報，2020，41（8）：1730.

[2] 劉冰潔，趙彥云，李倩.互聯網對文旅融合的影響及其空間效應 [J].資源開發與市場，2023，39（2）：217-224.

[3] 鄔江.數字化視域下文旅融合推動智慧旅游創新研究 [J].經濟問題，2022，513（5）：75-81.

[4] 劉棟.基于產業融合視角的鄉鎮文化旅游資源開發策略——以周窩音樂小鎮為例 [J].湖北農業科學，2014，53（12）：2966-2969.

[5] 吳愛云，黃東霞.吉林省文化旅游資源大數據服務平臺建設研究 [J].圖書館學研究，2020，491（24）：14-21.

[6] 白然，田敏娜，李慶生，等.大數據時代智慧旅游城市建設探討 [J].商業經濟研究，2021，815（4）：180-182.

[7] 黃蕊，李雪威.數字技術提升中國旅游產業效率的機理與路徑 [J].當代經濟研究，2021，306（2）：75-84.

[8] 賀劍武.鄉村旅游信息化建設與智慧旅游融合發展路徑探討 [J].農業經濟，2019，388（8）：39-41.

[9] 葉紫青，劉怡君，王鵬飛.大數據促進旅游業高質量發展的作用機制與政策建議 [J].企業經濟，2022，41（8）：132-141.

[10] 張佳琳，柏思佳，劉爽.基于卷積神經網絡的旅游推薦模型設計 [J].太赫茲科學與電子信息學報，2020，18（6）：1128-1132.

[11] 孫振強，羅永龍，鄭孝遙，等.一種融合用戶情感與相似度的智能旅游路徑推薦方法 [J].計算機科學，2021，48（S1）：226-230.

[12] 趙雅楠，王育清.基于不確定近鄰的旅游產品協同過濾推薦算法研究 [J].數據分析與知識發現，2018，2（7）：63-71.

作者簡介：董淼（1989.10—），女，漢族，河南南陽人，講師，碩士研究生，研究方向：智慧旅游、園林規劃。