陳建敏 徐蘇麗

摘要：隨著計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，大數(shù)據(jù)、人工智能等技術(shù)的逐漸成熟，人們對(duì)旅游的需求發(fā)生了變化，不再滿足于傳統(tǒng)的旅游方式，總是希望在有限時(shí)間里能瀏覽到最喜愛(ài)的旅游路線和得到更舒適的旅游體驗(yàn)。本文從大數(shù)據(jù)、人工智能技術(shù)出發(fā)，利用人工智能中的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，并使用Python爬蟲(chóng)機(jī)器獲取各種旅游行為等數(shù)據(jù)，構(gòu)建出基于人工智能的智慧旅游大數(shù)據(jù)分析模型。旨在推動(dòng)智慧旅游的快速落地，帶給旅游者舒適的旅游體驗(yàn)，為旅游服務(wù)者節(jié)約成本提高效率。

關(guān)鍵詞：人工智能；大數(shù)據(jù)；智慧旅游；個(gè)性化；需求

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）11-0189-02

隨著時(shí)代的發(fā)展，已經(jīng)進(jìn)入了技術(shù)引領(lǐng)的時(shí)代。旅游等服務(wù)行業(yè)需求也越來(lái)越精細(xì)化，信息化的發(fā)展給游客的衣食住行帶來(lái)了巨大的便利，但是旅游不能僅僅只依靠便利的技術(shù)，其關(guān)鍵在于旅游者的需求，如何滿足游客日益增長(zhǎng)的個(gè)性化需求成為了社會(huì)研究的熱點(diǎn)。

1 智慧旅游的研究背景及其意義

歐盟早在2001年就開(kāi)始實(shí)施“創(chuàng)建用戶友好的個(gè)性化移動(dòng)旅游服務(wù)”項(xiàng)目。2005年，智慧旅游的最早提出國(guó)家之一的美國(guó)，斯丁波滑雪推出的游客定位裝置反饋系統(tǒng)就是智慧旅游。我國(guó)國(guó)家旅游局將2014年確定為了“智慧旅游年”，將大數(shù)據(jù)引入到旅游市場(chǎng)上來(lái)，改變了傳統(tǒng)的旅游模式，迫使旅游經(jīng)營(yíng)模式改革，大大促進(jìn)了旅游產(chǎn)業(yè)的建設(shè)，誕生了以大數(shù)據(jù)為背景的智慧旅游新模式。

在2008年IBM“智慧地球”的背景下提出“智慧旅游”。智慧旅游的發(fā)展其關(guān)鍵在于服務(wù)本身，那么，對(duì)于旅游行業(yè)以及旅游者的各類行為以及趨勢(shì)分析成為發(fā)展智慧旅游的關(guān)鍵，獲取的信息數(shù)據(jù)越全名，數(shù)據(jù)分析得越精確，越能抓住旅游者的需求。在人工智能以及5G時(shí)代背景下，基于人工智能的智慧旅游大數(shù)據(jù)分析顯得尤為重要，從而從本質(zhì)上去促使智慧旅游的高速發(fā)展。

2 技術(shù)路線

智慧旅游，智慧是前提，離不開(kāi)高尖端的技術(shù)支持。利用大數(shù)據(jù)、人工智能等技術(shù)以及硬件，實(shí)現(xiàn)旅游行業(yè)信息和旅游者行為信息的實(shí)時(shí)動(dòng)態(tài)收集，整合并分析出用戶個(gè)性化的需求以及設(shè)計(jì)出適合旅游者的各類旅游方案。從旅游數(shù)據(jù)的收集到分析出旅游者的需求到數(shù)據(jù)整合、數(shù)據(jù)清理、數(shù)據(jù)分析、深度學(xué)習(xí)以及設(shè)計(jì)出合適的旅游方案，整個(gè)過(guò)程涉及到了大數(shù)據(jù)、人工智能等相關(guān)技術(shù)。

2.1 大數(shù)據(jù)以及Hadoop

按照麥肯錫全球研究所給出的定義，大數(shù)據(jù)通常情況下指的是其數(shù)據(jù)規(guī)模大到在獲取、存儲(chǔ)、分析、處理等超出了傳統(tǒng)數(shù)據(jù)管理工具能力的范疇的數(shù)據(jù)集合，其數(shù)據(jù)結(jié)構(gòu)包括結(jié)構(gòu)和和非結(jié)構(gòu)化。大數(shù)據(jù)只是為了實(shí)現(xiàn)某些企業(yè)或者其他利益群體的特定目標(biāo)或者運(yùn)營(yíng)策略而聚集的海量數(shù)據(jù)。大數(shù)據(jù)技術(shù)在于將這些海里數(shù)據(jù)經(jīng)過(guò)專業(yè)的處理，得出具有價(jià)值的信息。

大數(shù)據(jù)需要得到處理，提取信息，首先需要解決的問(wèn)題就是數(shù)據(jù)存儲(chǔ)問(wèn)題，Hadoop工具具有HDFS分布式文件系統(tǒng)，其設(shè)計(jì)初衷就是為了可以橫跨成百上千臺(tái)機(jī)器用以存儲(chǔ)大量數(shù)據(jù)，HDFS為我們提供了管理。解決了數(shù)據(jù)存儲(chǔ)問(wèn)題，接下就是考慮如何處理海量數(shù)據(jù)。對(duì)于海量數(shù)據(jù)如果在單機(jī)上跑1P數(shù)據(jù)的話，需要跑幾天或者幾周的時(shí)間，為解決該問(wèn)題，Hadoop建設(shè)初期引入了MapReduce框架，僅使用Map、Reduce兩個(gè)計(jì)算，然后它們中間由Shuffle串聯(lián)。Map階段，成百上千臺(tái)機(jī)器同時(shí)讀取我們需要處理的大數(shù)據(jù)文件的各個(gè)部分，所有機(jī)器都按照同樣的方法去處理產(chǎn)生結(jié)果。緊接著這些機(jī)器又啟動(dòng)Reduce處理，最終能讓成百上千臺(tái)機(jī)器同時(shí)為我們操作，并按照Map針對(duì)每個(gè)步驟處理，然后Reduce又把所有結(jié)果匯總一起得到最終的結(jié)果。

自從用Hive分析數(shù)據(jù)過(guò)后，發(fā)現(xiàn)在Hive上跑MapReduce很慢，Spark框架應(yīng)運(yùn)而生，其最重要優(yōu)點(diǎn)就是快，使用MapReduce計(jì)算時(shí)候，MapReduce任務(wù)需要多次迭代，迭代產(chǎn)生的結(jié)果每一次都需要保存到HDFS中，而HDFS本質(zhì)上也是占用硬盤空間的，也就是相當(dāng)于每次都將結(jié)果都存儲(chǔ)到了計(jì)算機(jī)硬盤上。而Spark不同，他每次運(yùn)行的結(jié)果都存放在內(nèi)存中，在內(nèi)存中進(jìn)行迭代運(yùn)算，速度比MapReduce更快。

2.2 人工智能以及Python

人工智能（Artificial Intelligence），英文縮寫是AI，研究關(guān)鍵著眼于人的思維、意識(shí)，并將人的這些行為通過(guò)數(shù)學(xué)工具運(yùn)算與分析讓機(jī)器模擬實(shí)現(xiàn)。人工智能包含常用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩個(gè)很重要的模塊，而Python擁有Matplotlib、Numpy、Sklearn、Keras等大量的庫(kù)，像Pandas、Sklearn、Matplotlib這些庫(kù)都是做數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)建模和繪圖的庫(kù)，基本上機(jī)器學(xué)習(xí)中對(duì)數(shù)據(jù)的爬?。⊿crapy）、對(duì)數(shù)據(jù)的處理和分析（Pandas）、對(duì)數(shù)據(jù)的繪圖（Matplotlib）和對(duì)數(shù)據(jù)的建模（Sklearn）在Python中全都能找到對(duì)應(yīng)的庫(kù)來(lái)進(jìn)行處理。

本文建立的模型對(duì)于數(shù)據(jù)的獲取，除了來(lái)自企業(yè)之外，其他數(shù)據(jù)均需要通過(guò)Python爬蟲(chóng)技術(shù)從網(wǎng)絡(luò)上去爬取，這就需要利用Python中的Requests、Scrapy、Selenium、BeautifulSoup等庫(kù)。爬取數(shù)據(jù)之后才能進(jìn)行機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)以及整個(gè)人工智能領(lǐng)域所有模型和算法大部分使用Python為基礎(chǔ)語(yǔ)言的。

3 構(gòu)建基于人工智能的智慧旅游大數(shù)據(jù)分析模型

智慧旅游為的是給旅游者提供更加舒適的旅游體驗(yàn)、更加滿足自己的旅游產(chǎn)品以及更加便捷的配套。為使得旅游能更加智慧化，滿足旅游者的個(gè)性化需求，以大數(shù)據(jù)、人工智能等技術(shù)為基礎(chǔ)，構(gòu)造如圖1所示的基于人工智能的智慧旅游大數(shù)據(jù)分析模型。

4 模型分析

基于人工智能的智慧旅游大數(shù)據(jù)分析模型分為硬件資源層、數(shù)據(jù)處理層、大數(shù)據(jù)分析層、人工智能層、應(yīng)用服務(wù)層以及基礎(chǔ)云服務(wù)的五層兩級(jí)結(jié)構(gòu)。

4.1 硬件資源層

主要是為信息采集、構(gòu)建Hadoop集群、數(shù)據(jù)分析等提供硬件保障。

4.2 數(shù)據(jù)處理層

分為三個(gè)部分：Python爬蟲(chóng)爬取數(shù)據(jù)、數(shù)據(jù)清洗、數(shù)據(jù)預(yù)處理，Python爬取用戶對(duì)于旅游、需求以及各大論壇中的信息數(shù)據(jù)進(jìn)行爬取和匯總，對(duì)提取的數(shù)據(jù)進(jìn)行清洗，去粗存精，最好按照最后深度學(xué)習(xí)模型需要，將所有數(shù)據(jù)預(yù)處理完成。

4.3 大數(shù)據(jù)分析層

是預(yù)處理之后的數(shù)據(jù)分析，基于Python，利用Pandas、Sklearn、Matplotlib、Numpy等庫(kù)對(duì)現(xiàn)有數(shù)據(jù)的特征、分布以及基礎(chǔ)信息進(jìn)行分析。

4.4 人工智能層

根據(jù)不同景區(qū)和不同旅游地域，構(gòu)造出不同的深度學(xué)習(xí)模型，構(gòu)造訓(xùn)練集和測(cè)試機(jī)，利用訓(xùn)練集數(shù)據(jù)對(duì)模型進(jìn)行調(diào)參和調(diào)優(yōu)。

4.5 應(yīng)用服務(wù)層

利用深度學(xué)習(xí)模型運(yùn)行之后，對(duì)需要分析的數(shù)據(jù)動(dòng)態(tài)給出兩個(gè)應(yīng)用服務(wù)，分別是：用戶需求分析服務(wù)和個(gè)性化旅游資源服務(wù)，為旅游服務(wù)提供者、旅行社、酒店、景區(qū)以及最核心的旅游者提供了各類智能化的服務(wù)。

4.6 整個(gè)模型

整個(gè)模型分為兩級(jí)，一級(jí)是整個(gè)數(shù)據(jù)構(gòu)建、分析、建模、深度學(xué)習(xí)過(guò)程，一級(jí)是基礎(chǔ)云服務(wù)支持。基礎(chǔ)云服務(wù)為最終結(jié)果的產(chǎn)生提供了高速和精確的保障。

5 與傳統(tǒng)的方法比較

對(duì)比傳統(tǒng)的方法，利用數(shù)據(jù)挖掘的方法去實(shí)現(xiàn)智慧旅游，并不能完全發(fā)掘出旅游者的真正需求，同時(shí)也不能完全挖掘出整個(gè)旅游資源的合理整合，對(duì)于支付、交通等帶來(lái)的無(wú)限便利的同時(shí)，人們對(duì)服務(wù)有了更高的追求。傳統(tǒng)的方法對(duì)于服務(wù)上無(wú)法滿足所有顧客，旅游路線、旅游產(chǎn)品的設(shè)計(jì)僅僅依靠經(jīng)驗(yàn)和少量數(shù)據(jù)得出的，需要投入大量的人力物力，結(jié)果并不一定讓旅游服務(wù)提供者和旅游服務(wù)體驗(yàn)者都滿意。隨著人工智能技術(shù)的不斷成熟和發(fā)展，基于人工智能的智慧旅游大數(shù)據(jù)分析模型的構(gòu)建，能解決以上問(wèn)題，能合理地高效地將旅游資源整合，為旅游者提供最優(yōu)最舒適的旅游服務(wù)。

6 結(jié)語(yǔ)

構(gòu)建基于人工智能的智慧旅游大數(shù)據(jù)分析模型，旨在促進(jìn)旅游服務(wù)的個(gè)性化和旅游資源的最優(yōu)化利用。隨著人工智能不斷發(fā)展，5G網(wǎng)絡(luò)的快步“落地”，旅游者的實(shí)地體驗(yàn)?zāi)Ｊ?，?huì)增加猶如實(shí)體店試衣服一樣可以隨時(shí)隨地體驗(yàn)旅游，配套更加智能化，服務(wù)更加精細(xì)化，這個(gè)將作為下一步研究的課題。

參考文獻(xiàn)：

[1]Loris Fichera，F(xiàn)abrizio Messina，Giuseppe Pappalardo，Corrado Santoro. A Python framework for programming autonomous robots using a declarative approach. Elsevierjournal，2017.

[2]馮琬婷. 基于文字識(shí)別視角分析人工智能機(jī)器學(xué)習(xí)中的文字識(shí)別方法. 電子技術(shù)與軟件工程[J]，2017（13）.

[3]孫彬，王東.文明旅游的大數(shù)據(jù)體系建設(shè)研究.中南林業(yè)科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2017（05）.

[4]唐穎，張鎰，柯彬彬.大學(xué)生窮游行為偏好及特征研究[J].嶺南師范學(xué)院學(xué)報(bào)， 2017（03）.

【通聯(lián)編輯：唐一東】