張倩鈴 胡聰

摘 要 隨著智慧旅游的興盛，本文針對城市旅游路線的選擇問題，首先依據(jù)景點的屬性進行了分類，其次根據(jù)游客對景點類型的偏好，調(diào)用隨機函數(shù)發(fā)生器選取類別景點，再確定景區(qū)的區(qū)間距離、出租費用路況信息，應用單向神經(jīng)網(wǎng)絡(luò)的智能旅游路線決策模型給出因子迭代的最大值，確定選取城市景點旅游的最佳路線，在一定程度上，給初到陌生城市的游客提供幫助。

關(guān)鍵詞 城市旅游;神經(jīng)網(wǎng)絡(luò);路線推薦

引言

隨著生活節(jié)奏的加快，越來越多的人期待在假期能暫時放下手頭的工作和生活的瑣事，進行一次忘我的旅行.對陌生的旅游城市而言，游客要在有限的時間內(nèi)完成最大化的旅游收益，旅游路線的選擇扮演者重要的角色;文獻[1]基于旅游成本優(yōu)化、旅游路線的個性化等問題，建立了約束條件下的Hopfield神經(jīng)網(wǎng)絡(luò)旅游線路模型;文獻[2]結(jié)合了Hopfield神經(jīng)網(wǎng)絡(luò)算法與GIS空間分析，設(shè)計了大嶺山森林公園的特色旅游線路;文獻[3]提出了基于興趣點流行度和用戶興趣偏好的個性化旅游路線推薦PTIR算法;文獻[4]考慮游客的旅游動機和路況信息的情況下提出了一種基于單向神經(jīng)網(wǎng)絡(luò)改進的智能隨機旅游路線決策支持模型;文獻[5]挖掘圖片的屬性信息，如用戶性別、年齡段、種族、經(jīng)濟能力等建立了用戶旅游信息的數(shù)據(jù)庫，應用數(shù)學與智能學習結(jié)合的方式，建立模型給出了旅游景點路線的推薦。本文考慮游客想體驗周圍環(huán)境、設(shè)施相對齊全的景點，按照《旅游景區(qū)劃分等級》列出成都市的5A、4A景點以及代表老成都的特色景點，還有現(xiàn)在網(wǎng)絡(luò)流行的網(wǎng)紅打卡地，總計29個景點，根據(jù)游客喜好調(diào)用隨機發(fā)生器選取類別景點，結(jié)合路況信息給出因子迭代的最大值，針對選取的景點確定最佳的旅游路線。

2基本知識介紹

2.1 MP神經(jīng)元模型

MP神經(jīng)元模型是一種多輸入單輸出的單元模型，提供了一種信息流定向傳動的模式，樹突接收信號，經(jīng)細胞體處理后通過軸突輸出到下一神經(jīng)元，神經(jīng)元模型表示為

（1）

其中是神經(jīng)元的輸入，是神經(jīng)元的輸出，是輸入神經(jīng)元與輸出神經(jīng)元的連接權(quán)重，是偏置值，是激活函數(shù)，MP神經(jīng)元模型拓撲結(jié)構(gòu)如圖1所示。

2.2 隨機函數(shù)

設(shè)連續(xù)型隨機變量的分布函數(shù)是

（2）

稱隨機變量服從閉區(qū)間上的均勻分布，記為，調(diào)用均勻分布函數(shù)生成不超過區(qū)間的有限個隨機數(shù)，這里的隨機數(shù)表示游客按偏好要求隨機選取的旅游景點。

3成都市景點路線推薦

按照成都市景點特征屬性5A、4A以及代表老成都特色景點，還有目前網(wǎng)絡(luò)流行的網(wǎng)紅打卡地，建立分類集合，是景點的分類數(shù)，景點的分類子集中的元素編號記為，是景點類別中的元素。

在攜程旅行APP搜集人氣景點數(shù)據(jù)并編號，景點類別是5A級景點，其中都江堰記為、青城山記為;是4A級景點，記成都大熊貓繁育研究基地、西嶺雪山、杜甫草堂、成都海昌極地海洋館、成都歡樂谷、武侯祠、金沙遺址博物館、花舞人間、黃龍溪、成都天臺山、天府花溪谷、石象湖、劉氏莊園博物館、國色天香童話世界;是特色景點，記錦里古街、寬窄巷子、動物園、春熙路、南湖夢幻島;是網(wǎng)紅打卡地，記黃龍溪歡樂田園、東郊記憶、音樂百花谷、成都U37創(chuàng)意倉庫、鴛鴦樓、無里創(chuàng)意工廠、西村大院、IBOX愛盒子創(chuàng)意空間。

游客初到成都，想用一天的時間了解和成都歷史變遷及成都發(fā)展有關(guān)的景點，建議一天內(nèi)瀏覽0個景點，1個景點，2個景點，0個景點。首先通過智能機調(diào)用隨機數(shù)發(fā)生器選取景點，有劉氏莊園博物館、錦里、南湖夢幻島。建立旅游路線基向量。考慮到景點間的距離與交通費用，結(jié)合單向路線瀏覽方式，在有限時間內(nèi)實現(xiàn)旅游動機的最大化，設(shè)區(qū)間距離的動機影響因子波動權(quán)為，是景點的區(qū)間距離，是景點的區(qū)間距離，是景點的區(qū)間距離;出租車費用的動機影響因子波動權(quán)為，表示景區(qū)間出租費用，是影響選擇瀏覽景點動機強度波動的指標.動機影響因子波動權(quán)和影響因子波動指標如下表所示.

表1 動機影響因子波動權(quán)和影響因子波動指標

根據(jù)游客選取的景點為神經(jīng)元節(jié)點，旅游動機信息為傳動值，動機影響因子迭代作用值最大的作為最佳旅游路線.考慮文獻[4]的單向神經(jīng)網(wǎng)絡(luò)的智能旅游路線決策模型

（3）

結(jié)合排序法給出迭代作用值矩陣

動機迭代輸出最大值對應的旅游線路是? 即游客先在大邑縣瀏覽劉氏莊園博物館、然后去錦里古街，再去南湖夢幻島，此為游客選取景點在一天內(nèi)完成瀏覽的最優(yōu)路線，備選路線推薦為。

4結(jié)束語

本文根據(jù)單向神經(jīng)網(wǎng)絡(luò)的智能旅游路線決策模型，結(jié)合路況信息給出因子迭代的最大值，確定游客選取景點劉氏莊園博物館、錦里古街、南湖夢幻島的最佳旅游線路.

參考文獻

[1] 李慧旻，蘇依拉，王斐.基于約束與CHNN的旅游線路問題研究[J].內(nèi)蒙古工業(yè)大學學報，2016，3（1）：24-30.

[2] 吳小芳，龔丹丹.大嶺山森林公園特色旅游路線設(shè)計及系統(tǒng)開發(fā)[J].福建林業(yè)科技，2015，42（2）：174-178.

[3] 吳青霞，周婭，文締堯，等.基于用戶興趣和興趣點流行度的個性化旅游路線推薦[J].計算機應用，2016，36（6）：1762-1766.

[4] 周嘯，李少梅，張永正，等.基于單向神經(jīng)網(wǎng)絡(luò)的城市旅游路線決策支持模型[J].河北師范大學學報，自然科學版，2018，42（1）：81-87.

[5] Cheng A J，Chen Y Y. Personalized travel recommendation by mining people attributes from community-contributed photos [M]. Proc Mm 11 Acm，2011：83-92.