[發明專利]基于人工智能的旅游路線規劃方法與系統

在審

• 申請號: 202110689417.3
• 申請日: 2021-06-22
• 公開（公告）號: CN113537572A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 陳少紅;付少新
• 申請（專利權）人: 東莞市綠燈網絡科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/14
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 張丹丹

1.一種基于人工智能的旅游路線規劃方法，其特征在于，該方法包括：

預測游客到達每個候選景點的抵達時間，根據所述抵達時間預測所述游客進入所述每個候選景點的排隊時間；

根據所述游客的所述排隊時間結合最大忍受排隊時間得到所述排隊體驗感；結合所述排隊體驗感和初始熱衷度得到每個候選景點的初始滿意度，選擇所述初始滿意度最大時對應的所述候選景點為所述游客的第一目標旅游景點；

獲取所述第一目標旅游景點與剩余所述候選景點之間的相似度，利用所述相似度更新剩余所述候選景點的所述初始熱衷度，根據更新后的所述初始熱衷度對所述候選景點的所述初始滿意度進行更新得到新滿意度；

結合所述候選景點周圍的住宿場所中入住游客對剩余所述候選景點的滿意度和所述新滿意度得到所述候選景點的平均滿意度；根據每個所述住宿場所的入住數據和位置數據得到所述住宿場所的熱度；結合所述平均滿意度和所述熱度得到剩余所述候選景點的推薦指標，進而根據所述推薦指標確認第二目標旅游景點。

2.如權利要求1所述的方法，其特征在于，所述最大忍受排隊時間為所述游客的所述初始熱衷度和所述最大忍受閾值的乘積。

3.如權利要求1所述的方法，其特征在于，所述根據每個所述住宿場所的入住數據和位置數據得到所述住宿場所的熱度的步驟，包括：

以所述住宿場所的所述入住數據和所述位置數據構建每個所述住宿場所的數據向量；

根據所述數據向量的特征值方差和模長均值得到所述住宿場所的所述熱度。

4.如權利要求3所述的方法，其特征在于，所述入住數據包括入住率和入住人數。

5.如權利要求1所述的方法，其特征在于，所述推薦指標是根據以所述熱度為底數、所述平均滿意度為指數構建的函數得到的。

6.一種基于人工智能的旅游路線規劃系統，其特征在于，該系統包括：

時間預測單元，用于預測游客到達每個候選景點的抵達時間，根據所述抵達時間預測所述游客進入所述每個候選景點的排隊時間；

第一景點確認單元，用于根據所述游客的所述排隊時間結合最大忍受排隊時間得到排隊體驗感；結合所述排隊體驗感和初始熱衷度得到每個候選景點的初始滿意度，選擇所述初始滿意度最大時對應的所述候選景點為所述游客的第一目標旅游景點；

滿意度更新單元，用于獲取所述第一目標旅游景點與剩余所述候選景點之間的相似度，利用所述相似度更新剩余所述候選景點的所述初始熱衷度，根據更新后的所述初始熱衷度對所述候選景點的所述初始滿意度進行更新得到新滿意度；

景點推薦單元，用于結合所述候選景點周圍的住宿場所中入住游客對剩余所述候選景點的滿意度和所述新滿意度得到所述候選景點的平均滿意度；根據每個所述住宿場所的入住數據和位置數據得到所述住宿場所的熱度；結合所述平均滿意度和所述熱度得到剩余所述候選景點的推薦指標，進而根據所述推薦指標確認第二目標旅游景點。

7.如權利要求6所述的系統，其特征在于，所述第一景點確認單元中所述最大忍受排隊時間為所述游客的所述初始熱衷度和最大忍受閾值的乘積。

8.如權利要求6所述的系統，其特征在于，所述景點推薦單元，包括：

向量構建單元，用于以所述住宿場所的所述入住數據和所述位置數據構建每個所述住宿場所的數據向量；

熱度獲取單元，用于根據所述數據向量的特征值方差和模長均值得到所述住宿場所的所述熱度。

9.如權利要求8所述的系統，其特征在于，所述景點推薦單元中所述入住數據包括入住率和入住人數。

10.如權利要求6所述的系統，其特征在于，所述景點推薦單元中所述推薦指標是根據以所述熱度為底數、所述平均滿意度為指數構建的函數得到的。