王雯靜，干宏程，黃玥，王馨玉，陸歡

摘? 要：隨著城市機(jī)動車保有量的飛速發(fā)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(fēng)險。在智慧城市理念的推動下，提出智慧城市出行誘導(dǎo)系統(tǒng)，該系統(tǒng)使用推薦系統(tǒng)和游戲化反饋來激勵城市居民轉(zhuǎn)向更健康環(huán)保的積極交通工具，以替代傳統(tǒng)的燃油汽車。該系統(tǒng)基于用戶交通出行的歷史數(shù)據(jù)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(tǒng)向用戶游戲化地反饋其決策對個人健康和財務(wù)的影響，來說服用戶做出更健康環(huán)保的交通決策。

關(guān)鍵詞：智慧城市；個性化推薦；游戲化；出行誘導(dǎo)系統(tǒng)

中圖分類號：F570? ? 文獻(xiàn)標(biāo)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(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能等技術(shù)的快速發(fā)展，智慧城市的理念應(yīng)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(shè)“智慧道路”，為城市的發(fā)展源源不斷地“供氧”，是實現(xiàn)智慧城市全面發(fā)展的必經(jīng)之路[2]。

由于城市機(jī)動車保有量的飛速增加，交通擁堵日益嚴(yán)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(fēng)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(huán)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(zhì)量，并可以改善城市安全。

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

在傳統(tǒng)的交通誘導(dǎo)系統(tǒng)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(dǎo)系統(tǒng)在基本的交通功能基礎(chǔ)上增加了以下新的功能：（1）系統(tǒng)會根據(jù)出行環(huán)境和用戶的偏好，向用戶推薦個性化的路徑。（2）系統(tǒng)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(huán)保的出行方式。

這項工作的主要目標(biāo)是闡明智慧城市出行誘導(dǎo)系統(tǒng)的開發(fā)設(shè)計。該系統(tǒng)能夠幫助居民做出更健康環(huán)保的交通決策。

1? 相關(guān)工作

1.1? 智慧城市。智慧城市的概念是習(xí)近平總書記于2016年提出的。通過人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等先進(jìn)的技術(shù)手段對城市進(jìn)行現(xiàn)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(shè)智慧城市的必由之路[6]?？梢哉f，建設(shè)智慧城市是以習(xí)近平同志為核心的黨中央立足我國城市發(fā)展的實際，順應(yīng)新時代城市發(fā)展的趨勢，主動適應(yīng)經(jīng)濟(jì)發(fā)展的新常態(tài)，培育新的經(jīng)濟(jì)增長點，增強(qiáng)發(fā)展新動能，而做出的重大戰(zhàn)略部署[7]。近年來，全國各地積極擁護(hù)黨的指示，積極推動智慧城市建設(shè)，在政府政務(wù)、交通領(lǐng)域、公共安全等方面都取得了顯著的進(jìn)展。

當(dāng)前，已經(jīng)有許多關(guān)于改善城市居民日常出行的應(yīng)用程序。例如，一些應(yīng)用程序通過傳感器或駕駛員報告等方式收集交通數(shù)據(jù)，為居民提供實時的道路擁堵或事故的相關(guān)路況信息[8]。還有一些應(yīng)用程序允許居民提供路上的坑洞、垃圾、有缺陷的設(shè)施和非法廣告等問題信息。這類應(yīng)用程序能否成功發(fā)揮其作用，都需要大量的居民參與其中[9]。然而，當(dāng)前激勵居民使用這些應(yīng)用程序的方法主要是依靠外在動機(jī)，如商店的折扣券或少量的現(xiàn)金作為獎勵，而不是利用居民的內(nèi)在動機(jī)。研究表明，與外在動機(jī)相比，內(nèi)在動機(jī)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(huán)境、健康等方面的影響，從而激發(fā)居民的內(nèi)在動機(jī)，進(jìn)而使居民轉(zhuǎn)向更健康環(huán)保的交通方式。

1.2? 推薦系統(tǒng)。推薦系統(tǒng)是一種信息過濾系統(tǒng)，它是根據(jù)對用戶的信息進(jìn)行數(shù)據(jù)發(fā)掘，預(yù)測用戶可能感興趣的信息或產(chǎn)品，并進(jìn)行相應(yīng)的推薦[11]。它通常會根據(jù)用戶感興趣的相關(guān)得分生成推薦列表。推薦系統(tǒng)已經(jīng)被應(yīng)用于眾多領(lǐng)域。

基于內(nèi)容推薦和協(xié)同過濾推薦是最常用的推薦系統(tǒng)?；趦?nèi)容的推薦是建立在項目的內(nèi)容信息上，通過機(jī)器學(xué)習(xí)的方法從關(guān)于內(nèi)容的特征描述中得到用戶感興趣的信息[12]。該方法的優(yōu)點是它不需要其他用戶的數(shù)據(jù)，沒有冷啟動和稀疏問題。然而，其缺點也很明顯，有限的內(nèi)容分析，不能為用戶發(fā)現(xiàn)新的感興趣資源。協(xié)同過濾推薦根據(jù)相似用戶的決策建立模型，相似性是根據(jù)用戶喜歡的共同項目或?qū)傩詠頉Q定的[13]。然后運用該模型預(yù)測用戶可能感興趣的項目。該方法與基于內(nèi)容推薦相比，能夠過濾難以進(jìn)行機(jī)器自動內(nèi)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(bǔ)各自推薦技術(shù)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(tǒng)，它不是建立在用戶需求和偏好基礎(chǔ)上的，而是通過功能知識進(jìn)行推理來判斷用戶的需求和偏好來產(chǎn)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(yù)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(guān)系。

2? 智慧城市出行誘導(dǎo)系統(tǒng)開發(fā)

智慧城市出行誘導(dǎo)系統(tǒng)是一種交通出行方式誘導(dǎo)系統(tǒng)，它通過個性化推薦系統(tǒng)和游戲化反饋來激勵城市居民轉(zhuǎn)向健康環(huán)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(zhuǎn)向更積極的交通工具，推薦系統(tǒng)給出的推薦建議應(yīng)該基于用戶的偏好和用戶使用交通工具的實際反饋數(shù)據(jù)的證據(jù)。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?jīng)Q策的變量。這些變量包括天氣、出行距離、道路基礎(chǔ)設(shè)施和實時的路況信息等。通過推薦系統(tǒng)和及時的反饋信息，給用戶觀測新行為結(jié)果和反思自我決策行為的機(jī)會，從而逐漸實現(xiàn)改變用戶不良交通習(xí)慣的目的。

下面將詳細(xì)闡述智慧城市出行誘導(dǎo)系統(tǒng)的主要組件：系統(tǒng)架構(gòu)、路線計算模塊、推薦系統(tǒng)模塊和反饋模塊。

2.1? 系統(tǒng)架構(gòu)。智慧城市出行誘導(dǎo)系統(tǒng)的基本架構(gòu)如圖1所示。用戶使用系統(tǒng)，輸入起點和終點表明他們將進(jìn)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(zhì)量和出行距離等因素。推薦系統(tǒng)模塊接收到生成的路線后，根據(jù)用戶的信息，對它們進(jìn)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(dǎo)系統(tǒng)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(chǔ)上對算法進(jìn)行了改進(jìn)，使其不止是依賴于距離，而是會根據(jù)多個因素（如空氣質(zhì)量、天氣和交通狀況等）生成各種路線。在計算時，空氣質(zhì)量、天氣和交通狀況等被看作模擬變量。例如，空氣質(zhì)量通過0到5之間的數(shù)表示，0是空氣污染嚴(yán)重，5是空氣質(zhì)量優(yōu)。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(yōu)路線；按照空氣質(zhì)量、天氣狀況、交通狀況和距離等因素計算的最優(yōu)路線。

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

推薦系統(tǒng)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(zhì)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(shù)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(tǒng)沒有關(guān)于用戶的歷史數(shù)據(jù)，因此，會向用戶詢問一系列問題，以獲得用于構(gòu)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(dāng)用戶做出一次出行決策時，數(shù)據(jù)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(shù)據(jù)，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(zhì)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(shù)據(jù)。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(shù)據(jù)給予更多的重視。隨著用戶使用系統(tǒng)記錄的決策數(shù)據(jù)不斷增加，他們的行為將發(fā)生比較大的變化，因此，該系統(tǒng)應(yīng)該更多地重視用戶最近一次的出行決策數(shù)據(jù)。

記錄新的出行決策數(shù)據(jù)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(jìn)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?jīng)Q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(jié)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(shù)據(jù)進(jìn)行更新。第一次觀測結(jié)果的出行距離為15km，該距離對應(yīng)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(shù)據(jù)加1（1代表新鮮度）。第一次觀測結(jié)果的氣溫為12℃，對應(yīng)于氣溫“溫和”。因此，在“小汽車與溫和”的單元格數(shù)據(jù)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(tǒng)模塊對路線計算器生成的不同路線進(jìn)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(xiàn)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(jìn)行排序，推薦系統(tǒng)模塊首先將每條路線作為一組屬性進(jìn)行排序。接著，計算屬性變量與交通工具之間的Phi相關(guān)性。計算相關(guān)性后，將其轉(zhuǎn)換為Fisher變換。這種轉(zhuǎn)換生成的函數(shù)是正態(tài)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?jǐn)?shù)

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(jìn)行排名的分?jǐn)?shù)：

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(shù)據(jù)。采用游戲化的方式能夠吸引用戶重視反饋信息，進(jìn)而達(dá)到激勵用戶做出健康環(huán)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(jié)省的費用和環(huán)境保護(hù)（如碳排放量）等有關(guān)的路線數(shù)據(jù)。此外，該模塊還突出顯示了最環(huán)?；蜃畈画h(huán)保的路線。

3? 結(jié)束語

本文介紹了智慧城市出行誘導(dǎo)系統(tǒng)的開發(fā)設(shè)計，它是一個幫助居民做出更健康環(huán)保出行的交通決策系統(tǒng)。與傳統(tǒng)的交通誘導(dǎo)系統(tǒng)不同，智慧城市出行誘導(dǎo)系統(tǒng)使用個性化推薦系統(tǒng)。根據(jù)用戶交通出行的歷史數(shù)據(jù)和其他因素（包括天氣、交通狀況等）提供交通建議，該系統(tǒng)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(huán)保的交通決策。未來，將通過隨機(jī)抽樣的用戶來測試這些推薦信息的準(zhǔn)確性，同時測試反饋信息對用戶決策的影響。

參考文獻(xiàn)：

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

[2] 紀(jì)漢霖，劉雨欣. 精細(xì)化導(dǎo)向的智慧城市建設(shè)研究——以上海市為例[J]. 軟件導(dǎo)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(jī)仿真，2022，39（4）：91-96.

[4] 陸超，楊世儀. 城市交通低碳發(fā)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(dǎo)系統(tǒng)中最優(yōu)路徑選取研究與仿真[J]. 計算機(jī)仿真，2012，29（7）：372-374，397.

[6] 方衛(wèi)華，緒宗剛. 智慧城市：內(nèi)涵重構(gòu)、主要困境及優(yōu)化思路[J]. 東南學(xué)術(shù)，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(jī)傳感器數(shù)據(jù)的交通出行調(diào)查實證評估[J]. 交通運輸工程學(xué)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(jī)工程，2013，39（7）：21-25.

[10] 簡云龍，劉源. 動機(jī)的結(jié)構(gòu)與效應(yīng)：基于動機(jī)連續(xù)體的視角[J]. 心理科學(xué)進(jìn)展，2022，30（7）：1589-1603.

[11] 李松，王冠群，郝曉紅，等. 面向推薦系統(tǒng)的多目標(biāo)決策優(yōu)化算法[J]. 西安交通大學(xué)學(xué)報，2022，56（8）：104-112.

[12] 劉華玲，馬俊，張國祥. 基于深度學(xué)習(xí)的內(nèi)容推薦算法研究綜述[J]. 計算機(jī)工程，2021，47（7）：1-12.

[13] 趙俊逸，莊福振，敖翔，等. 協(xié)同過濾推薦系統(tǒng)綜述[J]. 信息安全學(xué)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(lián)合知識圖譜的推薦系統(tǒng)[J]. 微電子學(xué)與計算機(jī)，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(tǒng)優(yōu)化[J]. 計算機(jī)技術(shù)與發(fā)展，2021，31（10）：179-183，189.