鄭天翔 吳 蓉

(1.暨南大學(xué)深圳旅游學(xué)院,廣東深圳 518053;2.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院,廣東廣州 510275)

?

基于計(jì)算機(jī)推理技術(shù)的主題公園游客時(shí)空分流決策支持系統(tǒng)研究
——設(shè)計(jì)、仿真與比較

鄭天翔1吳 蓉2

(1.暨南大學(xué)深圳旅游學(xué)院,廣東深圳 518053;2.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院,廣東廣州 510275)

本文針對(duì)主題公園游客時(shí)空分流的決策支持系統(tǒng)問(wèn)題進(jìn)行了研究。首先分析了游客在景區(qū)中的一次完整游憩行為,歸納出涉及這一行為的若干要素和狀態(tài)。其次,為模擬這些要素并實(shí)現(xiàn)狀態(tài)切換,設(shè)計(jì)了一種基于現(xiàn)場(chǎng)環(huán)境的游憩方向決策算法,該算法借助計(jì)算機(jī)推理技術(shù)并綜合考慮游客自身的個(gè)性化需求、景點(diǎn)設(shè)施的運(yùn)營(yíng)情況和其他游客的排隊(duì)位置等環(huán)境信息來(lái)確定下一個(gè)游憩方向。再者,為驗(yàn)證算法的有效性,基于離散事件建模開發(fā)了一個(gè)計(jì)算機(jī)仿真系統(tǒng),并采用虛擬數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)?zāi)M和比較分析。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的基于最短距離的算法相比,本文算法在游客等待時(shí)間、游客游玩景點(diǎn)數(shù)量、景點(diǎn)容量利用率和景點(diǎn)平均等待時(shí)間4個(gè)評(píng)價(jià)指標(biāo)上均有不錯(cuò)的表現(xiàn),表明該決策支持系統(tǒng)具有時(shí)空一體化的特性。系統(tǒng)產(chǎn)生的推薦路線在理論上能讓游客自動(dòng)分流并導(dǎo)航到較少擁擠的景點(diǎn)上,既能均衡各景點(diǎn)的接待能力,同時(shí)降低游客的等待成本,有助于主題公園的客流時(shí)空分布調(diào)控。

旅游流調(diào)控; 時(shí)空分流導(dǎo)航; 決策支持系統(tǒng); 計(jì)算機(jī)推理技術(shù); 時(shí)空一體化

0 引言

隨著我國(guó)經(jīng)濟(jì)持續(xù)發(fā)展和居民收入穩(wěn)步增加,旅游休閑日益成為我國(guó)居民生活的重要內(nèi)容。近年來(lái),中國(guó)旅游業(yè)增長(zhǎng)的勢(shì)頭尤其迅猛,不少著名景區(qū)不得不面對(duì)大量游客入園而導(dǎo)致景區(qū)滿載的局面。景區(qū)一旦過(guò)度擁擠,就會(huì)對(duì)旅游業(yè)的可持續(xù)發(fā)展造成威脅。以主題公園為例,一方面,游客過(guò)多有可能對(duì)游樂(lè)設(shè)施造成破壞,甚至?xí)鸢踩鹿?另一方面,游客在游玩過(guò)程中的長(zhǎng)時(shí)間等待也嚴(yán)重影響游客的游憩質(zhì)量。因此,關(guān)注景區(qū)內(nèi)客流時(shí)空分布,并使景區(qū)內(nèi)各景點(diǎn)負(fù)載均衡便成為了保證旅游景區(qū)經(jīng)濟(jì)效益、社會(huì)效益和生態(tài)效益協(xié)調(diào)發(fā)展的核心。

時(shí)空分流,正是利用隨時(shí)間推移形成的相對(duì)“閑置”的空間對(duì)游客進(jìn)行分散疏導(dǎo),使景區(qū)內(nèi)各景點(diǎn)負(fù)載均衡的一種解決方案。對(duì)此,目前國(guó)內(nèi)研究者主要從排隊(duì)論和導(dǎo)航管理技術(shù)兩個(gè)分支開展探討。排隊(duì)論是以運(yùn)籌學(xué)作為基礎(chǔ)研究服務(wù)機(jī)構(gòu)中排隊(duì)問(wèn)題的規(guī)律(Erlang,1909),在旅游學(xué)科領(lǐng)域的研究成果并不算多,主要包括:張凌云(1988)對(duì)旅游用餐行業(yè)的排隊(duì)隊(duì)長(zhǎng)、逗留時(shí)間和等待時(shí)間的期望值進(jìn)行了估計(jì),并在服務(wù)員數(shù)量和顧客等待時(shí)間兩方面做了比較和權(quán)衡,用于指導(dǎo)餐廳(酒吧)在座位數(shù)量、服務(wù)人員安排和經(jīng)濟(jì)成本效益上綜合考慮;陳治佳等(2005)提出了一種基于概率的快速排隊(duì)優(yōu)化模型,以使大型游樂(lè)場(chǎng)的游樂(lè)設(shè)施達(dá)到最大使用程度,減少游客等待時(shí)間;王仁志和苗維亞(2012)對(duì)大型景區(qū)的平均隊(duì)長(zhǎng)和平均等待時(shí)間進(jìn)行了估計(jì),并提出把順序單服務(wù)臺(tái)旅游模式改變?yōu)闊o(wú)序全服務(wù)臺(tái)旅游模式的思想。這些研究都是為了解決游客太多而導(dǎo)致某個(gè)服務(wù)機(jī)構(gòu)(餐廳、游樂(lè)設(shè)施或景點(diǎn))需要長(zhǎng)時(shí)間排隊(duì)而提出的,主要涉及排隊(duì)系統(tǒng)的性狀研究和最優(yōu)化配置兩大類,多采用M/M/n排隊(duì)理論建立數(shù)學(xué)模型并結(jié)合多目標(biāo)線性規(guī)劃來(lái)求解。

國(guó)內(nèi)的另外一個(gè)分支則是時(shí)空分流導(dǎo)航管理技術(shù),是任佩瑜團(tuán)隊(duì)于2009年提出的一項(xiàng)新技術(shù)(馮剛,等,2009),旨在根據(jù)空間的相對(duì)靜態(tài)性和時(shí)間的動(dòng)態(tài)性,借助最新的信息監(jiān)控技術(shù),設(shè)計(jì)出若干優(yōu)化的游覽路線,使游客在景區(qū)內(nèi)均衡分布、有序交換。自2009年以來(lái),該團(tuán)隊(duì)針對(duì)風(fēng)景名勝區(qū)(或自然保護(hù)區(qū))做出了不少貢獻(xiàn),包括:邱厭慶等(2010a)提出了基于九寨溝景點(diǎn)負(fù)荷均衡的時(shí)空分流導(dǎo)航數(shù)學(xué)規(guī)劃模型,并從動(dòng)態(tài)預(yù)測(cè)中得到車輛調(diào)度方案;馮剛等(2010)引入管理熵與RFID技術(shù),對(duì)邱厭慶提到的上述模型進(jìn)行效果模擬;邱厭慶等(2010b)從復(fù)雜系統(tǒng)控制的角度構(gòu)建游客分流導(dǎo)航管理的耗散結(jié)構(gòu)體系,并分別對(duì)初態(tài)分流(邱厭慶,等,2010b)和穩(wěn)態(tài)分流(邱厭慶,等,2011)兩個(gè)階段的動(dòng)態(tài)離散系統(tǒng)進(jìn)行探索性分析;姜向陽(yáng)和任佩瑜(2012)把Hamilton 回路和多旅行商的思想引入時(shí)空分流導(dǎo)航管理中,并給出了一般數(shù)學(xué)模型和精確求解方法;戈鵬等(2013)通過(guò)比較、分析和仿真,提出了在初始分流中采用平均分流的靜態(tài)調(diào)度策略,在穩(wěn)態(tài)分流中采用基于區(qū)域時(shí)空負(fù)荷率的動(dòng)態(tài)調(diào)度策略的改進(jìn)方案;肖雄輝等(2013)構(gòu)建了景區(qū)景點(diǎn)需求與調(diào)度資源的引力分流調(diào)度模型和算法,既能滿足需求景點(diǎn)的負(fù)荷均衡,同時(shí)也考慮了游客的滿意度;任競(jìng)斐和鄭偉民(2013)通過(guò)建立綜合游客偏好、擁擠度、等待時(shí)間和行走時(shí)間等指標(biāo)的旅游效用函數(shù),并借助Logit模型,將游客分配到不同路線上,以減少旅游高峰期景區(qū)游客擁擠和等待的情況。可以看出,除了肖雄輝(2013)和任競(jìng)斐(2013)的研究外,任佩瑜團(tuán)隊(duì)主要從景區(qū)管理的角度來(lái)開展時(shí)空分流導(dǎo)航分析,其重點(diǎn)在于考查景區(qū)內(nèi)客流的分布情況和超負(fù)荷景點(diǎn),以景區(qū)內(nèi)各景點(diǎn)的負(fù)荷均衡為目標(biāo)建立數(shù)學(xué)模型并進(jìn)行求解。此外,還有從游客服務(wù)或體驗(yàn)的角度來(lái)展開研究的,例如鄭天翔(2012)以游客等待時(shí)間最短為目標(biāo)對(duì)主題公園游客導(dǎo)航分流問(wèn)題構(gòu)建了動(dòng)態(tài)調(diào)度算法的雛形。

在國(guó)外研究中,沒(méi)有專門用以表達(dá)時(shí)空分流的術(shù)語(yǔ),與此相關(guān)的研究包括虛擬排隊(duì)服務(wù)和游線設(shè)計(jì)問(wèn)題。虛擬排隊(duì)服務(wù),包括虛擬排隊(duì)系統(tǒng)(Lovejoy,et al.,2004;Lutz,2008)、排隊(duì)管理方法(Button,2006)和排隊(duì)區(qū)設(shè)計(jì)(Heger,et al.,2009)等,并在管理實(shí)踐中被廣泛應(yīng)用于主題公園的開發(fā)和運(yùn)營(yíng)中,其中,以Multi Motion主題公園管理系統(tǒng)(Universal City Studios INC,2002)和迪士尼的FASTPASSTM(Cope Iii,et al.,2008)排隊(duì)管理系統(tǒng)最具代表性,這類系統(tǒng)設(shè)計(jì)的方案是增加一條虛擬排隊(duì)隊(duì)列,能使游客花費(fèi)相同的時(shí)間但多體驗(yàn)一個(gè)項(xiàng)目。另一個(gè)研究領(lǐng)域是游線設(shè)計(jì)問(wèn)題(Tourist Trip Design Problems)(Garcia,et al.,2010;Garcia,et al.,2013;Souffriau,et al.,2008;Sylejmani,et al.,2012;Vansteenwegen,et al.,2009b;Vansteenwegen,et al.,2009a;Vansteenwegen,Van Oudheusden,2007),這類研究延伸出一系列的分支,包括游客移動(dòng)引導(dǎo)(Mobile Tourist Guides)(Souffriau,et al.,2008;Vansteenwegen,Van Oudheusden,2007)、電子游客引導(dǎo)(Electronic Tourist Guides)(Garcia,et al.,2009;Garcia,et al.,2013;Vansteenwegen,et al.,2009b;Vansteenwegen,et al.,2009a)、個(gè)人導(dǎo)航系統(tǒng)(Personal Navigation Systems for Tourism)(Akasaka,Onisawa,2008;Maruyama,et al.,2004;Shiraishi,et al.,2005)、個(gè)性化路線規(guī)劃(Personalized Route Planning)(Nadi,Delavar,2011;Yiakoumettis,et al.,2013;Yu,Chang,2009;Zhang,et al.,2011)、個(gè)性化路線引導(dǎo)(Personalized Route Guidance)(Panou,2012)和個(gè)性化路線推薦(Personalized Route Recommendation)(Tsai,Chung,2012),等。這些分支當(dāng)中,涉及旅途中路線選擇、導(dǎo)航或引導(dǎo)的文獻(xiàn)主要包括:Maruyama等(2004)提出一個(gè)有效導(dǎo)航多重目的地的個(gè)人導(dǎo)航系統(tǒng),系統(tǒng)根據(jù)游客到達(dá)時(shí)刻、停留時(shí)間以及目的地偏好度計(jì)算出使游客滿意的旅游路線并實(shí)現(xiàn)導(dǎo)航;Shiraishi等(2005)根據(jù)游客的費(fèi)用預(yù)算和滿意程度定制出不同的旅游時(shí)間表讓游客自主選擇,并為其按時(shí)到達(dá)下一站提供導(dǎo)航;Vansteenwegen等(2009a)把旅游線路設(shè)計(jì)歸結(jié)為TOPTW(Team Orienteering Problem with Time Windows)問(wèn)題,并提出迭代局部求解算法,以實(shí)時(shí)求出個(gè)性化旅游路線;Garcia等(2009)在Vansteenwegen研究的基礎(chǔ)上,把旅游線路設(shè)計(jì)進(jìn)一步歸結(jié)為MCTOPTW(Multi Constrained Team Orienteering Problem with Time Windows)問(wèn)題,并提出一個(gè)包含旅行往返時(shí)間、旅行節(jié)奏和旅游興趣點(diǎn)的智能個(gè)性化電子導(dǎo)游系統(tǒng);Yu和Chang(2009)根據(jù)游客的個(gè)人喜好,結(jié)合游客的當(dāng)前位置對(duì)其附近的游覽景點(diǎn)、餐飲和住宿等做出簡(jiǎn)單的行程安排;Zhang等(2011)試圖利用衛(wèi)星地圖和移動(dòng)設(shè)備來(lái)解決交通換乘問(wèn)題,能結(jié)合實(shí)時(shí)交通情況、停車信息搜索列車到達(dá)時(shí)刻表,并提供自駕、鐵路、公交或步行等多種路線信息;Nadi和Delavar(2011)提出了多種不同方案的路徑選擇系統(tǒng),以滿足用戶的靈活需求;Tsai和Chung(2012)根據(jù)以往相似游客的歷史路徑,結(jié)合當(dāng)前排隊(duì)信息作判斷,以便讓游客游覽更多的景點(diǎn)。

縱觀國(guó)內(nèi)外文獻(xiàn),國(guó)外在旅游路線選擇的問(wèn)題上似乎更多是從游客出發(fā)前的計(jì)劃安排上開展研究,而針對(duì)游客在游覽過(guò)程中的干預(yù)、引導(dǎo)和管理則較少涉及,而國(guó)內(nèi)針對(duì)景區(qū)內(nèi)部小尺度的時(shí)空分流研究還剛剛起步,多采用數(shù)學(xué)和運(yùn)籌學(xué)的方法建模求解,能同時(shí)考慮游客的個(gè)性化需求和現(xiàn)場(chǎng)環(huán)境信息、形成時(shí)空一體的旅游個(gè)性化推介服務(wù)(李仁杰,路紫,2011)的時(shí)空分流模式還鮮見(鄭天翔,等,2015)。因此,現(xiàn)實(shí)中對(duì)于景區(qū)在個(gè)別景點(diǎn)人流過(guò)于集中、游客因等待時(shí)間過(guò)長(zhǎng)而游憩質(zhì)量下降的難題,目前還缺乏行之有效的方案,而這卻是智慧景區(qū)的建設(shè)核心之一(梁倩,張宏梅,2013)。由于時(shí)空分流問(wèn)題涉及游客游憩行為,有研究指出,這種旅游系統(tǒng)難以采用傳統(tǒng)數(shù)學(xué)分析方法建模,而計(jì)算機(jī)仿真正是研究這種復(fù)雜社會(huì)系統(tǒng)的較好方法(黎巎,2013;黎巎,杜栓柱,2011)。因此,本文針對(duì)景區(qū)游客時(shí)空分流的決策支持系統(tǒng)(陳建斌,等,2014),借助計(jì)算機(jī)推理技術(shù)提出一種具有時(shí)空一體化特征的游憩方向決策算法,并通過(guò)計(jì)算機(jī)仿真系統(tǒng)與傳統(tǒng)的最短距離算法進(jìn)行實(shí)驗(yàn)?zāi)M和比較分析,以驗(yàn)證本文算法的優(yōu)越性。

1 研究設(shè)計(jì)

1.1 研究對(duì)象

由于旅游管理決策實(shí)際上是一種復(fù)雜事件的推理過(guò)程,對(duì)問(wèn)題觀察而導(dǎo)致的建模也只能是一種近似描述(杜軍平,周亦鵬,2009),因此,本文選擇較為簡(jiǎn)單的主題公園作為研究對(duì)象。與其他風(fēng)景區(qū)相比,主題公園的“簡(jiǎn)單性”主要有以下表現(xiàn)。

(1) 景點(diǎn)的承載力可以預(yù)先確定——風(fēng)景區(qū)的景點(diǎn)以名勝古跡、山水生物為主,具有共享性,同一時(shí)刻可供游覽的人數(shù)不定;主題公園的景點(diǎn)主要以游樂(lè)設(shè)施為主,游樂(lè)設(shè)施具有獨(dú)占性,同一時(shí)刻可供游玩的人數(shù)相對(duì)固定。

(2) 景點(diǎn)的游覽時(shí)間可以預(yù)先確定——游客在風(fēng)景區(qū)的景點(diǎn)停留時(shí)長(zhǎng)不定,拍照留念、欣賞、休憩、飲食、消費(fèi)等因人而異;而游客在主題公園的游樂(lè)設(shè)施上的停留時(shí)長(zhǎng)相對(duì)固定。

(3) 單步求解而非全路線求解(詳見1.3節(jié))——風(fēng)景為主的景區(qū),堅(jiān)決避免走回頭路,應(yīng)當(dāng)使所有的景點(diǎn)串聯(lián)成環(huán)形游線,通常采用全路線求解方案,在游客游覽前確定所有路線;而游樂(lè)設(shè)施為主的主題公園,相鄰景點(diǎn)之間距離不會(huì)太遠(yuǎn),很多時(shí)候?yàn)榱藴p少等候時(shí)間,同一路徑游客會(huì)重復(fù)往返,因此適合單步求解,能在游客游覽過(guò)程中逐次獲得下一步路線。

1.2 基本假設(shè)

在主題公園(下簡(jiǎn)稱景區(qū))的特定案例下,我們假設(shè):

·不同游客在同一游樂(lè)設(shè)施(下簡(jiǎn)稱景點(diǎn))的游覽時(shí)間相同,且在景點(diǎn)設(shè)計(jì)時(shí)已經(jīng)確定,稱為景點(diǎn)游覽時(shí)間。

·每個(gè)景點(diǎn)的承載力(景點(diǎn)容量)在景點(diǎn)設(shè)計(jì)時(shí)已經(jīng)確定。

·相鄰兩個(gè)景點(diǎn)之間的路徑長(zhǎng)度在景點(diǎn)設(shè)計(jì)時(shí)已經(jīng)確定。

·在不考慮乘車的前提下,每個(gè)游客的游憩速度(下簡(jiǎn)稱步速)一樣。

·每個(gè)游客在一次完整的旅游經(jīng)歷過(guò)程中(從進(jìn)入景區(qū)門口開始直到離開景區(qū)),不會(huì)重復(fù)游覽已經(jīng)游玩過(guò)的景點(diǎn),但允許多次來(lái)回經(jīng)過(guò)相鄰兩景點(diǎn)之間的路徑。

1.3 模型分析

無(wú)論是“給定景點(diǎn)求路徑不重復(fù)的全路線最短成本”的旅行商問(wèn)題(Traveling Salesman Problem,TSP)(吳凱,2004),還是“盡可能多的游覽景點(diǎn),路徑不重復(fù)且全路線成本最小”的定向越野問(wèn)題(Orienteering Problem,OP)(Tsiligirides,1984),都屬于圖論中的NP完全問(wèn)題,不存在多項(xiàng)式時(shí)間的算法(王曉東,2004)。因此,本文針對(duì)游客在同一個(gè)景區(qū)中的單日游行程安排問(wèn)題,試圖在“給定景點(diǎn)求單步最少成本”上尋找解決方案,借此讓不同游客從時(shí)間和空間(景點(diǎn))上分離開來(lái),達(dá)到時(shí)空分流的效果。

圖1 游客在景區(qū)游玩的流程圖

借鑒前人研究成果(黎巎,2013)并進(jìn)行簡(jiǎn)化后,本文假定景區(qū)涉及的對(duì)象僅包含兩個(gè):景點(diǎn)和游客。對(duì)于景點(diǎn)來(lái)說(shuō),具有景點(diǎn)位置、景點(diǎn)容量、景點(diǎn)游覽時(shí)間、景點(diǎn)開放時(shí)刻和景點(diǎn)關(guān)閉時(shí)刻等靜態(tài)屬性,也具有景點(diǎn)下次提供服務(wù)時(shí)刻、景點(diǎn)外排隊(duì)等候人數(shù)等動(dòng)態(tài)屬性。對(duì)于游客來(lái)說(shuō),具有游客編號(hào)、到達(dá)時(shí)刻、預(yù)計(jì)離開時(shí)刻和游覽偏好(感興趣景點(diǎn))等靜態(tài)屬性,也具有步速、游憩方向(黎巎,2013)和等待時(shí)間等動(dòng)態(tài)屬性。其中,游客動(dòng)態(tài)屬性隨游憩行為而取不同值(黎巎,2013),圖1和圖2展示了其自身在景區(qū)中的一次完整游憩行為,可以歸納為8個(gè)要素和3個(gè)狀態(tài)。

圖2 游客的狀態(tài)切換圖

首先,我們來(lái)看看這3個(gè)狀態(tài):(1) 棧道行走→等待游玩:狀態(tài)的切換由當(dāng)前游客“到達(dá)景點(diǎn)”觸發(fā),這時(shí)候可以確定游客需要等候的時(shí)間(詳見1.4節(jié));(2) 等待游玩→正在游玩:狀態(tài)的切換由前一個(gè)(批)游客“離開景點(diǎn)”觸發(fā),當(dāng)前游客進(jìn)入游覽,這時(shí)候可以確定景點(diǎn)下次提供服務(wù)時(shí)刻=當(dāng)前時(shí)刻+景點(diǎn)游覽時(shí)間;(3) 正在游玩→棧道行走:狀態(tài)的切換由當(dāng)前游客“離開景點(diǎn)”觸發(fā),此時(shí)需要對(duì)下一個(gè)游玩景點(diǎn)(游憩方向)進(jìn)行決策,這就要求設(shè)計(jì)一種擇優(yōu)選擇的機(jī)制來(lái)逐次確定(詳見1.4節(jié))。

其次,我們來(lái)看看這8個(gè)要素。對(duì)它們進(jìn)行歸類,可以得知:(1) 屬于動(dòng)作:到達(dá)景區(qū)、到達(dá)景點(diǎn)、離開景點(diǎn)、離開景區(qū);(2) 屬于活動(dòng):前往景點(diǎn)、游玩景點(diǎn);(3) 屬于判定:尋找下一個(gè)景點(diǎn)、能否游玩。其中,“動(dòng)作”使用計(jì)算機(jī)科學(xué)技術(shù)領(lǐng)域中的“離散事件驅(qū)動(dòng)”(劉衛(wèi)東,等,1998)來(lái)模擬,“活動(dòng)”使用虛擬時(shí)鐘來(lái)實(shí)現(xiàn),“判定”使用計(jì)算機(jī)推理算法來(lái)判斷(詳見1.4節(jié))。

對(duì)這8個(gè)要素的進(jìn)一步分析,可以得知這些要素的模擬關(guān)鍵:(1) 到達(dá)景區(qū):記錄游客的到達(dá)時(shí)刻、預(yù)計(jì)離開時(shí)刻、步速和感興趣的景點(diǎn)等信息;(2) 前往景點(diǎn):使用虛擬時(shí)鐘來(lái)模擬,每隔一定時(shí)間游客移動(dòng)一步,這時(shí)候游客處于棧道行走狀態(tài);(3) 到達(dá)景點(diǎn):由于 “前往景點(diǎn)”存在不確定因素(游憩方向有可能是景點(diǎn)或景點(diǎn)外排隊(duì)隊(duì)列,或者步行過(guò)程中其他游客可能更早一步到達(dá)同一景點(diǎn)),使得該事件沒(méi)有固定的發(fā)生時(shí)刻,因此無(wú)法通過(guò)“事件驅(qū)動(dòng)”來(lái)模擬,只能作為“前往景點(diǎn)”這個(gè)活動(dòng)的結(jié)束標(biāo)志。而此時(shí),游客的等待時(shí)間可以確定下來(lái),同時(shí)由于離開景點(diǎn)的時(shí)刻能確定(景點(diǎn)游覽時(shí)間+等待時(shí)間),因此可以產(chǎn)生“離開景點(diǎn)”事件;(4) 能否游玩:如果等待時(shí)間+景點(diǎn)下次提供服務(wù)時(shí)刻 > 景點(diǎn)關(guān)閉時(shí)刻,則游客無(wú)法游玩,只能離開景點(diǎn);(5) 游玩景點(diǎn):這部分主要由等待游玩和正在游玩兩個(gè)狀態(tài)構(gòu)成;(6) 離開景點(diǎn):根據(jù)景點(diǎn)容量把排隊(duì)靠前的游客設(shè)為正在游玩狀態(tài),其他游客在隊(duì)列的位置相應(yīng)前移;(7) 離開景區(qū):為了簡(jiǎn)化模型,僅輸出與整個(gè)游覽過(guò)程相關(guān)的信息,而不作為事件來(lái)模擬;(8) 尋找下一個(gè)景點(diǎn):需要構(gòu)造游憩方向的決策算法,根據(jù)算法的返回結(jié)果判斷是否找到。

1.4 算法和仿真設(shè)計(jì)

1.4.1 算法設(shè)計(jì)

根據(jù)上一節(jié)的分析,我們需要確定游客的等待時(shí)間和游憩方向的決策算法。表1展示了游客等待時(shí)間的計(jì)算方法。

表1 游客等待時(shí)間的計(jì)算

注:所有景點(diǎn)的下次提供服務(wù)時(shí)刻,其初始值均為景點(diǎn)開始時(shí)刻,下同。當(dāng)景點(diǎn)處于關(guān)閉期間,游客的等待時(shí)間設(shè)為0,意味著游客必須離開當(dāng)前景點(diǎn),重新選擇其他景點(diǎn)。

上述算法中,“景點(diǎn)下次提供服務(wù)時(shí)刻”是“等待游玩→正在游玩”狀態(tài)切換的時(shí)候確定的;“排隊(duì)等候人數(shù)”在仿真中可以采用“隊(duì)列”結(jié)構(gòu)(劉衛(wèi)東,等,1998)來(lái)模擬,所以根據(jù)隊(duì)列元素個(gè)數(shù)便可獲知等候人數(shù)。

接下來(lái)我們需要確定游憩方向(下一個(gè)景點(diǎn))的算法,該算法必須是一個(gè)自適應(yīng)的推理決策過(guò)程,能根據(jù)現(xiàn)場(chǎng)環(huán)境信息和游客需求,共同確定游客當(dāng)前時(shí)刻的目標(biāo)選擇,最后推送給游客。構(gòu)造的關(guān)鍵在于既要考慮游客自身的個(gè)性化信息,也要考慮現(xiàn)場(chǎng)環(huán)境信息,例如景點(diǎn)本身的運(yùn)營(yíng)情況(包括景點(diǎn)游覽時(shí)間、景點(diǎn)下次提供服務(wù)時(shí)刻和景點(diǎn)開放時(shí)間)、其他游客的位置(主要指他們?cè)诟骶包c(diǎn)的排隊(duì)等候情況)和游客本身的位置,最后從若干個(gè)候選景點(diǎn)中選擇單步成本最少的一個(gè)。表2展示了構(gòu)建的算法。

表2 基于現(xiàn)場(chǎng)環(huán)境的游憩方向決策算法f

1.4.2 仿真設(shè)計(jì)

為了檢驗(yàn)上述算法的有效性,我們必須模擬多名游客在景區(qū)的整個(gè)游玩過(guò)程,并借助仿真實(shí)驗(yàn)進(jìn)行比較分析。如1.3節(jié)所述,我們使用“離散事件驅(qū)動(dòng)”來(lái)模擬“到達(dá)景區(qū)”和“離開景點(diǎn)”這兩個(gè)事件,并使用虛擬時(shí)鐘來(lái)模擬“前往景點(diǎn)”和“游玩景點(diǎn)”這兩個(gè)活動(dòng)。虛擬時(shí)鐘本質(zhì)上是游客在景區(qū)停留和游玩過(guò)程中的時(shí)間粒度(Tick)(黎巎,2013)。由于兩個(gè)事件的發(fā)生時(shí)刻均可由系統(tǒng)自動(dòng)確定,故可放在虛擬時(shí)鐘一并處理。借助“最小堆”結(jié)構(gòu)(劉衛(wèi)東,等,1998),不但可以以時(shí)間遞增即時(shí)光流逝的順序逐一模擬所有事件的發(fā)生,而且每次僅需檢查堆頂元素的事件發(fā)生時(shí)刻即可。

利用虛擬時(shí)鐘周期性觸發(fā)的特性(時(shí)鐘每增加一個(gè)步長(zhǎng),系統(tǒng)自動(dòng)執(zhí)行事件一次,重新決策下一個(gè)Tick的行為),我們構(gòu)造的仿真方案如表3所示。

2 實(shí)驗(yàn)?zāi)M與結(jié)果分析

2.1 系統(tǒng)運(yùn)行參數(shù)

仿真系統(tǒng)采用 Borland C++ Builder 6.0 開發(fā),運(yùn)行于 Windows 7平臺(tái)。系統(tǒng)將根據(jù)仿真輸入數(shù)據(jù)自動(dòng)生成游客在景區(qū)中的游憩行為,并對(duì)游憩過(guò)程進(jìn)行跟蹤、記錄。當(dāng)一個(gè)仿真結(jié)束后,系統(tǒng)將對(duì)所記錄的數(shù)據(jù)進(jìn)行分析并輸出分析結(jié)果。在本文的例子中,系統(tǒng)的輸入包括:景區(qū)的空間布局圖(含各景點(diǎn)之間的路徑長(zhǎng)度);各景點(diǎn)的基本情況(開始時(shí)刻、關(guān)閉時(shí)刻、景點(diǎn)游覽時(shí)間和景點(diǎn)容量);游客的信息(到達(dá)時(shí)刻、預(yù)計(jì)離開時(shí)刻和感興趣的景點(diǎn))。系統(tǒng)的輸出包括游客的游玩次序、等待時(shí)間和實(shí)際離開時(shí)刻。

表3 虛擬時(shí)鐘仿真方案

2.2 算法比較

為了方便比較,本文引入前人研究(任競(jìng)斐,鄭偉民,2013;肖雄輝,等,2013;鄭天翔,2012)中使用的基于距離的決策方案做分析。在本文的特定因素下,基于最短距離的決策算法(下簡(jiǎn)稱距離算法)如表4所示。

表4 基于最短距離的游憩方向決策算法g

2.3 實(shí)驗(yàn)數(shù)據(jù)

假定景區(qū)的空間布局圖如圖3所示。

圖3 景區(qū)的空間布局圖

其中,復(fù)選鈕代表景點(diǎn)和門口,其中以V開頭標(biāo)記的是景點(diǎn)(如V1,…,V5),以G開頭標(biāo)記的是門口(如G1,G2,G3)。景點(diǎn)與景點(diǎn)、景點(diǎn)與門口之間的數(shù)字代表路徑長(zhǎng)度。仿真系統(tǒng)的輸入包括:

·系統(tǒng)參數(shù):為方便起見,假設(shè)虛擬時(shí)鐘的時(shí)間粒度(Tick)為1秒。

·景點(diǎn)的基本情況:所有景點(diǎn)的游覽時(shí)間統(tǒng)一設(shè)置為20秒,所有景點(diǎn)容量統(tǒng)一設(shè)置為1。至于景點(diǎn)的開始時(shí)刻和關(guān)閉時(shí)刻,景點(diǎn)V1、V2和V3跟隨景區(qū)開放而開放,景點(diǎn)V4的開始時(shí)刻隨機(jī)設(shè)為景區(qū)開放后1分54秒,持續(xù)時(shí)間為2分17秒,景點(diǎn)V5的開始時(shí)刻為景區(qū)開放后1分44秒,持續(xù)時(shí)間為2分30秒。

·游客信息:為了使游客數(shù)據(jù)在兩種算法的仿真實(shí)驗(yàn)中保持一致,我們首先隨機(jī)生成所有游客的信息,然后把這些信息錄入系統(tǒng),并對(duì)每個(gè)游客生成“到達(dá)事件”,最后全部加入到最小堆中。其中,各游客的預(yù)計(jì)離開時(shí)刻參見2.4.1節(jié),感興趣的景點(diǎn)參見2.4.2節(jié),至于各游客的到達(dá)時(shí)刻,由于前后兩次仿真時(shí)刻不可能相同,因此只需保證相對(duì)時(shí)間(相鄰兩個(gè)游客的到達(dá)時(shí)間間隔)一致即可。限于篇幅,僅保留其編號(hào)信息,編號(hào)規(guī)則是按照其到達(dá)景區(qū)的時(shí)間先后進(jìn)行依次編號(hào)的。此外,為簡(jiǎn)單起見,假設(shè)所有游客都從G2到達(dá)。

·仿真系統(tǒng)的輸出:與整個(gè)游覽過(guò)程相關(guān)的信息,包括游客的游玩次序、等待時(shí)間和實(shí)際離開時(shí)刻。

2.4 結(jié)果分析

2.4.1 游客等待時(shí)間

兩組算法在游客等待時(shí)間上的結(jié)果如表5和圖4所示。

從表5和圖4可以清楚看到,本文算法的等待時(shí)間在各游客上差別不大(趨勢(shì)線的斜率為0.89),表明游客的等待基本不受其到達(dá)景區(qū)的時(shí)刻先后所影響,而對(duì)于距離算法,到達(dá)時(shí)刻較早的游客等待時(shí)間較短,到達(dá)時(shí)刻較晚的游客等待時(shí)間較長(zhǎng),因此趨勢(shì)線的斜率較大(4.89)。此外,有研究者指出,游客滿意度是與等待時(shí)間占逗留時(shí)間的比例(張影莎,等,2012)(下簡(jiǎn)稱等逗比)密切相關(guān)的,從表5和圖 5的結(jié)果來(lái)看,本文算法的等逗比在各個(gè)游客上趨于平均,而距離算法則波動(dòng)較大,到達(dá)時(shí)刻較早的游客其等逗比普通較低,到達(dá)較晚的游客等逗比普遍較高,對(duì)編號(hào)為12、13和14的游客來(lái)說(shuō),花費(fèi)在景點(diǎn)上的等待時(shí)間甚至占據(jù)了在景區(qū)逗留時(shí)間的60%或更多。

表5 兩種算法在“游客等待時(shí)間”上的結(jié)果比較

圖4 兩種算法在游客等待時(shí)間上的表現(xiàn)

圖5 兩種算法在游客等逗比上的表現(xiàn)

2.4.2 游客游玩的景點(diǎn)數(shù)量

收集游客實(shí)際游覽(成功游玩)的景點(diǎn)數(shù)據(jù),整理后結(jié)果如表6所示。

表6 兩種算法在“游客游玩景點(diǎn)數(shù)量”上的結(jié)果

注:“提前”是指在“尋找下一個(gè)景點(diǎn)”的決策中,選擇任一候選景點(diǎn)都將超過(guò)游客預(yù)計(jì)離開時(shí)刻,算法返回值為空,游客提前離開景區(qū)?！板e(cuò)過(guò)”是指在“尋找下一個(gè)景點(diǎn)”的決策中,選擇任一候選景點(diǎn)都將超過(guò)了景點(diǎn)關(guān)閉時(shí)刻,算法返回值為空,游客未能前往游玩?！斑z憾”是指當(dāng)游客到達(dá)景點(diǎn)后,發(fā)現(xiàn)景點(diǎn)來(lái)不及游玩(已關(guān)閉,或者等候人數(shù)太多超過(guò)景點(diǎn)關(guān)閉時(shí)刻,或者超過(guò)游客預(yù)計(jì)離開時(shí)刻),無(wú)奈地重新選擇下一個(gè)景點(diǎn)。

從表6可以看到,本文算法與距離算法相比,能夠讓游客成功游玩更多的景點(diǎn)(見表6陰影部分)。此外,從游客所付出的代價(jià)來(lái)看,“提前”和“錯(cuò)過(guò)”要比“遺憾”要小。本文算法能提前告知游客候選景點(diǎn)能否游玩,因此沒(méi)有出現(xiàn)當(dāng)游客到達(dá)景點(diǎn)后才發(fā)現(xiàn)景點(diǎn)不能游玩的情況;而距離算法則由于無(wú)法提前預(yù)知,因此在模擬過(guò)程中出現(xiàn)3次游客到達(dá)景點(diǎn)后才發(fā)現(xiàn)該景點(diǎn)不能游玩的情況:游客11和14(見表5)分別到達(dá)景點(diǎn)V5后、游客16(見表5)到達(dá)景點(diǎn)V4后,詳見下文表8。

2.4.3 景點(diǎn)容量利用率

為了計(jì)算景點(diǎn)容量利用率(張影莎,等,2012),把各景點(diǎn)人數(shù)變動(dòng)的時(shí)刻一一記錄下來(lái),也就是說(shuō),記錄游客到達(dá)該景點(diǎn)的時(shí)刻(游玩或等候)或在該景點(diǎn)上游玩結(jié)束離開景點(diǎn)的時(shí)刻,然后記下接待人次和統(tǒng)計(jì)等候人數(shù)。結(jié)果分別如表7和表8所示。

表7 本文算法在“景點(diǎn)容量利用率”上的結(jié)果

首先,由表7和表8可知,對(duì)于景點(diǎn)V1-V5,本文算法分別接待了9、9、11、7、7人次,而距離算法分別接待了6、11、11、6、7人次,由此可見各景點(diǎn)的接待能力大致相同。然而,表7和表8反映了兩個(gè)截然不同的事實(shí):在本文算法下,各景點(diǎn)的負(fù)荷比較接近,排隊(duì)等候人數(shù)峰值大概為3～4人,而在距離算法下,每個(gè)景點(diǎn)的負(fù)荷非常不均衡,景點(diǎn)V1、V3、V4的排隊(duì)等候人數(shù)峰值在1～2人之間,而景點(diǎn)V5的峰值在4人左右,景點(diǎn)V2的峰值甚至達(dá)到了7人。

表8 距離算法在“景點(diǎn)容量利用率”上的結(jié)果

注:根據(jù)2.3節(jié)假設(shè),景點(diǎn)V4的開放時(shí)刻為23:25:58,關(guān)閉時(shí)刻為23:28:15;景點(diǎn)V5的開放時(shí)刻為23:25:48,關(guān)閉時(shí)刻為23:28:18。在23:28:03上,游客16到達(dá)V4后發(fā)現(xiàn)景點(diǎn)快要接近關(guān)閉,不能游玩導(dǎo)致景點(diǎn)V4的接待人次/等候人數(shù)并沒(méi)有增加。在23:26:48上,游客11到達(dá)V5后發(fā)現(xiàn)景點(diǎn)外排隊(duì)等候有3人,屆時(shí)輪到自己的時(shí)候景點(diǎn)已經(jīng)關(guān)閉,不能游玩導(dǎo)致景點(diǎn)V5的接待次數(shù)/等候人數(shù)并沒(méi)有增加。在23:27:49上,游客14到達(dá)V5后發(fā)現(xiàn)若選擇游玩則將會(huì)超過(guò)預(yù)計(jì)離開景區(qū)時(shí)刻,而其他未游覽景點(diǎn)(V1和V4)根據(jù)決策算法也將超時(shí),因此只能離開景區(qū)。

其次,各景點(diǎn)容量利用率可以借助容量剩余來(lái)間接反映:當(dāng)游客到達(dá)景點(diǎn)后,如果能進(jìn)入游玩而無(wú)需等候,則說(shuō)明該景點(diǎn)處于閑置中,有大量的容量剩余;反之,說(shuō)明該景點(diǎn)處于忙碌中,沒(méi)有容量剩余。在表7和表8中,這對(duì)應(yīng)于接待人次(有具體數(shù)值)所在行的等候人數(shù):如果等候人數(shù)為0,則說(shuō)明景點(diǎn)處于閑置中,反之則處于忙碌中?？梢?本文算法下各景點(diǎn)的剩余容量大致相同,景點(diǎn)容量利用率基本一致。而距離算法下,景點(diǎn)V1、V3、V4有大量的容量剩余,說(shuō)明這些景點(diǎn)很多時(shí)候處于閑置狀態(tài),景點(diǎn)容量利用率較低,而景點(diǎn)V2和V5則沒(méi)有足夠的容量剩余,說(shuō)明這兩個(gè)景點(diǎn)長(zhǎng)期處于繁忙狀態(tài),景點(diǎn)容量利用率很高。

2.4.4 景點(diǎn)平均等待時(shí)間

從表5可以計(jì)算出在本文算法和距離算法下游客的平均等待時(shí)間(總等待時(shí)間和總?cè)藬?shù)的比值)(Lovejoy,et al.,2004)分別為66.63秒和72.44秒,顯然,本文算法更占優(yōu)。本節(jié)中,我們將進(jìn)一步比較每個(gè)景點(diǎn)的游客平均等待時(shí)間。

首先定義每個(gè)景點(diǎn)的游客平均等待時(shí)間,其計(jì)算方法為在該景點(diǎn)上的等待時(shí)間之和與在該景點(diǎn)需要等待的游客人數(shù)之比值。該指標(biāo)可以計(jì)算出游客在某個(gè)景點(diǎn)上的等待成本,能客觀反映景區(qū)中各景點(diǎn)的實(shí)際運(yùn)營(yíng)情況。

從表9的結(jié)果來(lái)看,在本文算法下,各景點(diǎn)的平均等待時(shí)間基本一致,表明沒(méi)有出現(xiàn)游客在個(gè)別景點(diǎn)高度集中的情況,人群分布較均勻,擁擠程度較低。而在距離算法下,各景點(diǎn)的平均等待時(shí)間存在明顯差異,游客在景點(diǎn)V2和V5所需等待時(shí)間較長(zhǎng),而在其他景點(diǎn)所需等待時(shí)間則較短,表明游客在景點(diǎn)V2和V5高度集中,擁擠程度嚴(yán)重,而其他景點(diǎn)則隨到隨玩。

表9 兩種算法在“景點(diǎn)平均等待時(shí)間”上的結(jié)果

3 結(jié)論與討論

本文針對(duì)主題公園游客時(shí)空分流的決策支持系統(tǒng)問(wèn)題,借助計(jì)算機(jī)推理技術(shù)提出一種基于現(xiàn)場(chǎng)環(huán)境的游憩方向決策算法,并設(shè)計(jì)了一個(gè)計(jì)算機(jī)仿真系統(tǒng)進(jìn)行實(shí)驗(yàn)?zāi)M。與傳統(tǒng)的最短距離算法相比,本文算法在游客等待時(shí)間、游客游玩景點(diǎn)數(shù)量、景點(diǎn)容量利用率和景點(diǎn)平均等待時(shí)間4個(gè)指標(biāo)上均顯示出良好的性能,具有時(shí)空一體化的特性。從實(shí)驗(yàn)結(jié)果來(lái)看,本文所創(chuàng)建的時(shí)空分流模型,讓游客自動(dòng)分流并導(dǎo)航到較少擁擠的景點(diǎn)上,既能均衡各景點(diǎn)的接待能力,同時(shí)能降低游客的等待成本,有助于主題公園的客流時(shí)空分布調(diào)控。與以往時(shí)空分流模型或算法的不同之處在于,它既充分考慮了各景點(diǎn)的開放和運(yùn)營(yíng)情況,也考慮了游客本身的多種需求,同時(shí)還考慮其他游客的位置,從而獲得單步最少成本的路徑。

本文提出的游憩方向決策支持算法,其研究雖然目前停留在模擬階段,但從實(shí)驗(yàn)效果來(lái)看,有助于景區(qū)客流運(yùn)轉(zhuǎn)的可控性和有序化,對(duì)景區(qū)管理者、景點(diǎn)設(shè)施和游客來(lái)說(shuō)都是大有裨益的。首先,對(duì)景區(qū)管理者來(lái)說(shuō),景區(qū)旅游擁擠加劇和生態(tài)環(huán)境破壞等問(wèn)題需要對(duì)旅游客流和景區(qū)內(nèi)資源的使用情況進(jìn)行監(jiān)控,以便必要時(shí)進(jìn)行現(xiàn)場(chǎng)疏導(dǎo),其最大的障礙莫過(guò)于無(wú)法掌握游客在景區(qū)內(nèi)的游憩行為。本文算法可以讓景區(qū)管理者了解游客的行蹤(實(shí)踐中需借助物聯(lián)網(wǎng)技術(shù)),算法產(chǎn)生的推薦路線能讓游客自動(dòng)分流并導(dǎo)航到較少擁擠的景點(diǎn)上,不用擔(dān)心熱門景點(diǎn)由于游客過(guò)多而出現(xiàn)局部擁堵或混亂的局面,有望節(jié)省用于現(xiàn)場(chǎng)疏導(dǎo)的人力資源。其次,對(duì)景點(diǎn)設(shè)施來(lái)說(shuō),本文算法能夠均衡各景點(diǎn)的接待能力和承受能力,既不會(huì)造成資源閑置浪費(fèi),也不會(huì)造成景區(qū)局部擁擠。再者,對(duì)游客來(lái)說(shuō),在景區(qū)的游憩過(guò)程中,擁擠的人群和錯(cuò)綜復(fù)雜的地圖讓他們很難通過(guò)目測(cè)或者經(jīng)驗(yàn)獲得最佳旅游線路,本文算法可輔助游客個(gè)性化定制感興趣的景點(diǎn),并在確定游憩方向(景點(diǎn)的游歷次序)上把繁瑣的自行搜索篩選變?yōu)榱酥鲃?dòng)推送,減少游客在景區(qū)的等待時(shí)間,并有可能增加游客體驗(yàn)項(xiàng)目數(shù)(張影莎,等,2012),從而提高游客的游玩效率。

致謝 感謝暨南大學(xué)深圳旅游學(xué)院吳圳杰對(duì)本文仿真系統(tǒng)的測(cè)試所做的諸多工作。

[1] 陳建斌,鄭麗,張凌云.智慧景區(qū)IT能力模型及其核心構(gòu)成研究[J].旅游科學(xué),2014(1):14-21.

[2] 陳治佳,王曦,何苗.大型游樂(lè)場(chǎng)快速通道優(yōu)化模型與仿真模擬[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2005(9):1261-1263.

[3] 杜軍平,周亦鵬.基于數(shù)據(jù)的旅游管理決策支持系統(tǒng)研究[J].自動(dòng)化學(xué)報(bào),2009(6):834-840.

[4] 馮剛,任佩瑜,戈鵬,朱忠福,冉建華.基于管理熵與RFID的九寨溝游客高峰期“時(shí)空分流”導(dǎo)航管理模式研究[J].旅游科學(xué),2010(2):7-17.

[5] 馮剛,任佩瑜,肖維陽(yáng),鄧貴平,蹇代君.基于RFID模式對(duì)景區(qū)生態(tài)保護(hù)的研究——以九寨溝諾日朗餐廳就餐分流為例[J].西南民族大學(xué)學(xué)報(bào) (人文社科版),2009(11):151-154.

[6] 戈鵬,鄭偉民,肖雄輝,邱厭慶,任佩瑜.基于九寨溝區(qū)域時(shí)空負(fù)荷均衡的仿真研究[J].管理工程學(xué)報(bào),2013(2):99-106.

[7] 姜向陽(yáng),任佩瑜.自然保護(hù)區(qū)旅游高峰期時(shí)空分流導(dǎo)航管理的模型構(gòu)建與分析[J].旅游科學(xué),2012(4):17-25.

[8] 黎巎.景區(qū)游客游憩行為計(jì)算機(jī)仿真模型[J].旅游科學(xué),2013(5):42-51.

[9] 黎巎,杜栓柱.景區(qū)游憩行為計(jì)算機(jī)仿真系統(tǒng)研究綜述[J].旅游學(xué)刊,2011(7):85-94.

[10] 李仁杰,路紫.旅游個(gè)性化推介服務(wù)的未來(lái)發(fā)展:時(shí)空一體化[J].旅游學(xué)刊,2011(10):82-88.

[11] 梁倩,張宏梅.智慧景區(qū)發(fā)展?fàn)顩r研究綜述[J].西安石油大學(xué)學(xué)報(bào)( 社會(huì)科學(xué)版),2013(5):52-56.

[12] 劉衛(wèi)東,沈官林,嚴(yán)蔚敏.數(shù)據(jù)結(jié)構(gòu)C++語(yǔ)言描述[M].北京:清華大學(xué)出版社,1998.

[13] 邱厭慶,戈鵬,賴力,吳艷,任佩瑜.九寨溝景區(qū)初態(tài)聚類分流實(shí)證研究[J].資源科學(xué),2010(10):1987-1992.

[14] 邱厭慶,戈鵬,劉柱勝,任佩瑜.基于復(fù)雜系統(tǒng)控制的景區(qū)游客時(shí)空分流導(dǎo)航管理研究[J].軟科學(xué),2011(9):54-57.

[15] 邱厭慶,戈鵬,任佩瑜.基于九寨溝景點(diǎn)負(fù)荷均衡的時(shí)空分流導(dǎo)航研究[J].資源科學(xué),2010(1):118-123.

[16] 任競(jìng)斐,鄭偉民.景區(qū)旅游高峰期游客旅游路線動(dòng)態(tài)實(shí)時(shí)調(diào)度仿真研究[J].統(tǒng)計(jì)與決策,2013(8):42-45.

[17] 王仁志,苗維亞.基于M/M/n排隊(duì)論的大型旅游景區(qū)內(nèi)部排隊(duì)現(xiàn)象研究[J].經(jīng)濟(jì)體制改革,2012(3):177-180.

[18] 王曉東.計(jì)算機(jī)算法設(shè)計(jì)與分析[M].第二版.北京:電子工業(yè)出版社,2004.

[19] 吳凱.旅游線路設(shè)計(jì)與優(yōu)化中的運(yùn)籌學(xué)問(wèn)題[J].旅游科學(xué),2004(1):41-44.

[20] 肖雄輝,戈鵬,朱虹明,任佩瑜,鄭偉民,章小平.旅游高峰期景區(qū)游客引力分流調(diào)度模型研究——以九寨溝風(fēng)景區(qū)為例[J].旅游科學(xué),2013(6):39-51.

[21] 張凌云.試論排隊(duì)論在旅游業(yè)中的應(yīng)用——兼析餐廳服務(wù)員的最優(yōu)配置[J].社會(huì)科學(xué)家,1988(1):47-54.

[22] 張影莎,蘇勤,胡興報(bào),盧松.基于排隊(duì)論的方特歡樂(lè)世界主題公園容量研究[J].旅游學(xué)刊,2012(1):66-72.

[23] 鄭天翔.基于動(dòng)態(tài)實(shí)時(shí)調(diào)度的主題公園游客時(shí)空分流導(dǎo)航管理研究[J].旅游科學(xué),2012(4):8-16.

[24] 鄭天翔,吳蓉,羅海媛.國(guó)內(nèi)景區(qū)旅游流調(diào)控研究綜述[J].地理與地理信息科學(xué),2015(5):90-96.

[25] Akasaka Y,Onisawa T(2008).Personalized pedestrian navigation system with subjective preference based route selection[M]//Intelligent Decision and Policy Making Support Systems.Berlin Heidelberg:Springer-Verlag,73-91.

[26] Button K(2006).The Disney Queue Line Survival Guidebook[M].Scottsdale:Infinity Publishing.

[27] Cope Iii R F,Cope R F,Davis H E(2008).Disney’s Virtual Queues:A Strategic Opportunity To Co-Brand Services?[J].Journal of Business & Economics Research,6(10),13-20.

[28] Erlang A K(1909).The theory of probabilities and telephone conversations[J].Nyt Tidsskrift for Matematik B,20(16),33-39.

[29] Garcia A,Arbelaitz O,Linaza M T,Vansteenwegen P,Souffriau W(2010).Personalized tourist route generation[M]//Current Trends in Web Engineering.Springer,486-497.

[30] Garcia A,Linaza M T,Arbelaitz O,Vansteenwegen P(2009).Intelligent Routing System for a Personalised Electronic Tourist Guide:Proceedings of the International Conference on Information and Communication Technologies in Tourism,Amsterdam,The Netherlands[C].

[31] Garcia A,Vansteenwegen P,Arbelaitz O,Souffriau W,Linaza M T(2013).Integrating public transportation in personalised electronic tourist guides[J].Computers & Operations Research,40(3),758-774.

[32] Heger C,Offermans S,Frens J(2009).Waiting as part of the fun:Interactive gaming in theme park queues:Proceedings of the fifth Student Interaction Design Research Conference,Eindhoven University of Technology,the Netherlands[C].

[33] Lovejoy T C,Aravkin A Y,Schneider-Mizell C(2004).Kalman Queue:An Adaptive Approach to Virtual Queueing[J].The UMAP Journal,25(3),337-352.

[34] Lutz H(2008).The impact of virtual queues for amusement parks:Proceedings of the 39th Annual Meeting of the Decision Sciences Institute,Atlanta,Georgia State University[C].

[35] Maruyama A,Shibata N,Murata Y,Yasumoto K,Ito M(2004).A personal tourism navigation system to support traveling multiple destinations with time restrictions:Proceedings of the 18th International Conference on Advanced Information Networking and Applications,Fukuoka,Japan[C].IEEE.

[36] Nadi S,Delavar M R(2011).Multi-criteria,personalized route planning using quantifier-guided ordered weighted averaging operators[J].International Journal of Applied Earth Observation and Geoinformation,13(3),322-335.

[37] Panou M(2012).Personalized application for multimodal route guidance for travellers[J].European Transport Research Review,4(1),19-26.

[38] Shiraishi T,Shibata M N N,Nagata M,Shibata N,Murata Y,Yasumoto K,Ito M(2005).A personal navigation system with a schedule planning facility based on multi-objective criteria:Proc.of 2nd International Conference on Mobile Computing and Ubiquitous Networking[C].Citeseer.

[39] Souffriau W,Vansteenwegen P,Vertommen J,Berghe G V,Oudheusden D V(2008).A personalized tourist trip design algorithm for mobile tourist guides[J].Applied Artificial Intelligence,22(10),964-985.

[40] Sylejmani K,Dorn J,Musliu N(2012).A Tabu Search approach for Multi Constrained Team Orienteering Problem and its application in touristic trip planning:12th International Conference on Hybrid Intelligent Systems[C].IEEE.

[41] Tsai C Y,Chung S H(2012).A personalized route recommendation service for theme parks using RFID information and tourist behavior[J].Decision Support Systems,52(2),514-527.

[42] Tsiligirides T(1984).Heuristic methods applied to orienteering[J].Journal of the Operational Research Society,35,797-809.

[43] Universal City Studios INC(2002).Reservation system and methods for theme parks:USA,US2002116235 A1[P].2002-08-22.

[44] Vansteenwegen P,Souffriau W,Berghe G V,Van Oudheusden D(2009b).Metaheuristics for tourist trip planning[M]//Metaheuristics in the service industry.Berlin Heidelberg:Springer-Verlag,15-31.

[45] Vansteenwegen P,Souffriau W,Vanden Berghe G,Van Oudheusden D(2009a).Iterated local search for the team orienteering problem with time windows[J].Computers & Operations Research,36(12),3281-3290.

[46] Vansteenwegen P,Van Oudheusden D(2007).The mobile tourist guide:an OR opportunity[J].OR Insight,20(3),21-27.

[47] Yiakoumettis C,Doulamis N,Miaoulis G,Ghazanfarpour D(2013).Active learning of user’s preferences estimation towards a personalized 3D navigation of geo-referenced scenes[J].GeoInformatica,1-36.

[48] Yu C,Chang H(2009).Personalized location-based recommendation services for tour planning in mobile tourism applications[M]//E-Commerce and Web Technologies.Berlin Heidelberg:Springer-Verlag,38-49.

[49] Zhang L,Li J,Zhou K,Gupta S D,Li M,Zhang W,Miller M A,Misener J A(2011).Traveler information tool with integrated real-time transit information and multimodal trip planning[J].Transportation Research Record,(2215),1-10.

(責(zé)任編輯:鄧 屏)

Decision Support System to Personalized RouteGuidance Service for Tourists in Theme Parks Based onComputer Reasoning Technology:Design,Simulation and Comparison

ZHENG Tianxiang1, WU Rong2

(1.Shenzhen Tourism College, Jinan University, Shenzhen 518053, China;2.GeographyandPlanningSchool,SunYat-SenUniversity,Guangzhou510275,China)

The paper is a study of the decision support system concerning personalized route guidance service for tourists in theme parks. It first outlined a single complete recreational behavior of a tourist while visiting at the park, thus summarizing the components and states related to this behavior. To simulate these components and accomplish the switching states, it presented, using computer reasoning technology, a state-of-art model (recreation direction) finding algorithm via contextual environment, which integrated the tourist’s p

, the availability of the targeted recreation facility (amusement ride) and the queuing situation of other facilities, so as to get the single-step optimal direction. A computerized simulation system based on discrete event modeling was then implemented and experiment was conducted on an analog dataset as compared with the traditional shortest-path algorithm. The findings show that the proposed model outperforms its competitor in four evaluating indicators including tourist waiting time, amount of non-visited rides, utilization of each ride and average waiting cost on each ride. The validity of this study depends on its temporal-spatial integration by generating an appropriate visiting route for each tourist to follow, which in turn, theoretically, guides him/her to those vacant rides or less congested areas. All these indicate that this work caters to modulating the spatial and temporal distribution of tourist flow in theme parks, where queuing problem generally occurs, by balancing the capacity of each park ride as well as reducing the waiting cost of the tourists.

tourist flow modulation; route guidance and navigation; decision support system; computer reasoning technology; temporal-spatial integration

F 590.1

A

1006-575(2016)-01-0060-18

2014-09-02;

2015-11-23

國(guó)家自然科學(xué)基金項(xiàng)目“基于時(shí)空分流導(dǎo)航理論的景區(qū)智能化客流引導(dǎo)仿真系統(tǒng)的原型設(shè)計(jì)與實(shí)證研究”(41201145);廣東省高水平大學(xué)建設(shè)統(tǒng)籌項(xiàng)目專項(xiàng)資金項(xiàng)目“旅游電子商務(wù)交易網(wǎng)站的質(zhì)量測(cè)度和評(píng)價(jià)模型研究”。

鄭天翔(1979-),男,博士,暨南大學(xué)深圳旅游學(xué)院副教授,研究方向?yàn)樾畔⒖茖W(xué)的旅游應(yīng)用、智慧旅游,E-mail:zheng_tx@sz.jnu.edu.cn。吳蓉(1993-),女,中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院博士生,研究方向?yàn)槌鞘幸?guī)劃與人文地理。