一种基于大数据的智慧旅游决策系统及决策方法与流程

本发明属于智慧旅游决策技术领域，尤其涉及一种基于大数据的智慧旅游决策系统及决策方法。

背景技术：

旅游决策是指旅游者对旅游行为的决策，即人们作出外出旅游的决定。它同旅游动机有着密切的联系，在其他众多影响因素不变的情况下，旅游需要和旅游动机将直接导致人们作出旅游决策，其间有主观内在的因果联系。旅游需要与旅游动机到旅游行为之间还存在着许多客观影响因素，也是旅游决策行为中要考虑的诸方面，如空间距离、闲暇时间、交通水平、知名度、特色水平、服务质量、文化环境、安全问题、个人偏好等，对不同的旅游者将构成不同的制约。然而，现有基于大数据的智慧旅游决策系统不能准确的旅游发展趋势进行判断；同时，现有推荐的旅游信息都只是包括了分析得出的游客感兴趣的景点文字信息，不能使接收到推荐信息的游客拥有对景点直观的了解。

综上所述，现有技术存在的问题是：

现有基于大数据的智慧旅游决策系统不能准确的旅游发展趋势进行判断；同时，现有推荐的旅游信息都只是包括了分析得出的游客感兴趣的景点文字信息，不能使接收到推荐信息的游客拥有对景点直观的了解。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种基于大数据的智慧旅游决策系统。

本发明是这样实现的，一种基于大数据的智慧旅游决策方法，所述基于大数据的智慧旅游决策方法包括：

第一步，通过需求信息采集模块采集用户需求信息数据。通过个体信息采集模块采集个体兴趣、身份、职业、文化等信息数据。

第二步，主控模块通过动机确定模块利用确定程序根据采集信息确定用户动机。通过决策模型构建模块利用数据模型构建程序构建旅游决策模型。通过决策制定模块利用制定程序根据用户需求、动机制定旅游决策。通过评价模块利用评价程序对制定的旅游决策进行综合评价。

第三步，通过推荐模块利用推荐程序根据旅游兴趣进行旅游信息推荐。

第四步，通过显示模块利用显示器显示采集的用户需求信息、个体信息、制定的旅游决策信息、评价结果。

进一步，所述决策模型构建模块构建方法包括：

(1)获取旅游客源市场信息，统计分析确定旅游客源市场等级：利用灰色关联聚类方法对客源市场进行分析得出核心旅游客源市场、一级旅游客源市场、二级旅游客源市场和三级旅游客源市场的个数。利用空间地理集中指数、客源吸引半径及客源市场空间吸引力的方法分析得出核心国内旅游客源市场、一级国内旅游客源市场、二级国内旅游客源市场以及三级国内旅游客源市场的个数，并利用灰色理论的gm(1，1)模型对旅游客源市场进行了动态的预测。

(2)建立影响旅游者决策行为的数学模型：依据旅游者的消费趋向得出影响旅游者选择餐饮企业就餐的因素分别是餐饮企业菜品质量、餐饮企业菜品价格、餐饮企业服务水平、餐饮企业就餐环境和餐饮企业消费档次，利用面板数据，建立了旅游者选择餐饮企业就餐的权重模型。根据数据反馈情况选择：地区饭店区位、饭店环境、饭店房间数量、饭店房间面积、饭店客房服务质量、饭店房价、客房基础设施、居民人均可支配收入8个可能影响旅游者选择星级饭店的假设因子，并建立旅游者决策的多元线性回归模型，利用游客旅游购物与娱乐消费满意度调查问卷，掌握旅游游客满意度的真实情况，运用结构方程模型，对游客旅游购物与娱乐消费满意度的影响因素进行分析，确定各因素与满意度之间的关系。

进一步，所述推荐模块推荐方法包括：

1)从网络中获取照片数据集，所述照片数据集中包括多张旅游照片及与旅游照片相对应的元数据。

2)提取所述元数据中的关键词，将出现频率超过预设频率阈值的关键词作为旅游兴趣词汇。

3)识别所述旅游照片内图像的坐标信息，基于旅游照片内图像的坐标信息生成旅游兴趣位置信息。

4)从与旅游兴趣词汇相关的旅游照片中选出所述旅游兴趣词的代表照片。

5)将旅游兴趣词汇、旅游兴趣位置信息及代表照片相关联，生成可视化旅游兴趣推荐信息。

进一步，所述元数据包括所述旅游照片所属游客定义的照片标签、照片标题及照片描述中的任意一种或多种。

进一步，所述照片数据集还包括所述张旅游照片及元数据的所属游客信息，所述提取所述元数据中的关键词，将出现频率超过预设频率阈值的关键词作为旅游兴趣词汇包括：

获取旅游兴趣词汇词典。

基于旅游兴趣词汇词典从所述元数据中提取候选关键词，所述候选关键词包括词组、短句及符号中的任意一种或多种。

对所述候选关键词进行预处理，所述预处理包括将候选关键词中的字母标准化为小写格式并去掉候选关键词中的数字及特殊符号，所述特殊符号包括井号、百分号及问号中的任意一种或多种。

判断候选关键词的词性，所述词性包括名词、动词及形容词中的任意一种或多种。

选取词性为名词的候选关键词作为关键词。

进一步，从与旅游兴趣词汇相关的旅游照片中选出所述旅游兴趣词的代表照片中，

采用适合处理旅游照片图像信息的神经网络模型对旅游照片图像进行检测。旅游照片图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理。受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波。

适合处理旅游照片图像信息的神经网络模型：

fij[n]＝sij。

uij[n]＝fij[n](1+βij[n]lij[n])。

θij[n]＝θ0e^-αθ(n-1)。

其中，βij[n]为自适应链接强度系数。

sij、fij[n]、lij[n]、uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，nw为所选待处理窗口w中的像素总数，δ为调节系数，选取1～3。

进一步，神经网络模型对旅游显微图像进行检测时，利用网络特性使灰度为sijmax的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[sijmax/1+βijlij,sijmax]间的像素捕获激活，使两次激活的像素点对应的yij输出为1。

进一步，然后对原噪声污染图像反白处理，再对处理后的图像sij按前述进行迭代处理，并使对应的输出yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点。

初步甄别出yij＝0对应的像素点为旅游显微图像的信号点，予以保护。对yij输出为1的像素点在3*3模板b范围内统计以输出yij＝1为中心邻域元素值为1的个数ny判别归类：1≤ny≤8，为噪声点，当ny＝9，判定为图像像素点。

本发明的另一目的在于提供一种基于大数据的智慧旅游决策系统，包括：

需求信息采集模块，与主控模块连接，用于采集用户需求信息数据。

个体信息采集模块，与主控模块连接，用于采集个体兴趣、身份、职业、文化等信息数据。

主控模块，与需求信息采集模块、个体信息采集模块、动机确定模块、决策模型构建模块、决策制定模块、评价模块、推荐模块、显示模块连接，用于通过单片机控制各个模块正常工作。

动机确定模块，与主控模块连接，用于通过确定程序根据采集信息确定用户动机。

决策模型构建模块，与主控模块连接，用于通过数据模型构建程序构建旅游决策模型。

决策制定模块，与主控模块连接，用于通过制定程序根据用户需求、动机制定旅游决策。

评价模块，与主控模块连接，用于通过评价程序对制定的旅游决策进行综合评价。

推荐模块，与主控模块连接，用于通过推荐程序根据旅游兴趣进行旅游信息推荐。

显示模块，与主控模块连接，用于通过显示器显示采集的用户需求信息、个体信息、制定的旅游决策信息、评价结果。

本发明的另一目的在于提供一种搭载所述基于大数据的智慧旅游决策系统的外出导游终端。

本发明的优点及积极效果为：

本发明通过决策模型构建模块建立旅游者决策的多元线性回归模型，利用游客旅游购物与娱乐消费满意度调查问卷，掌握旅游游客满意度的真实情况，运用结构方程模型，对游客旅游购物与娱乐消费满意度的影响因素进行分析，确定各因素与满意度之间的关系。更好判断的旅游未来的发展趋势。同时，通过推荐模块可根据带有文字标签的照片进行分析并生成可视化的旅游兴趣推荐信息，使得推荐的旅游信息更加准确且使游客对于旅游信息内的景点有一个更加直观的了解。

本发明采用适合处理旅游照片图像信息的神经网络模型对旅游照片图像进行检测。旅游照片图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理。受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波。可获得准确的旅游信息。

附图说明

图1是本发明实施例提供的基于大数据的智慧旅游决策系统结构框图。

图中：1、需求信息采集模块。2、个体信息采集模块。3、主控模块。4、动机确定模块。5、决策模型构建模块。6、决策制定模块。7、评价模块。8、推荐模块。9、显示模块。

图2是本发明实施例提供的基于大数据的智慧旅游决策方法流程图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明包括。

现有基于大数据的智慧旅游决策系统不能准确的旅游发展趋势进行判断。同时，现有推荐的旅游信息都只是包括了分析得出的游客感兴趣的景点文字信息，不能使接收到推荐信息的游客拥有对景点直观的了解。

为解决上述问题，下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的基于大数据的智慧旅游决策系统包括：需求信息采集模块1、个体信息采集模块2、主控模块3、动机确定模块4、决策模型构建模块5、决策制定模块6、评价模块7、推荐模块8、显示模块9。

需求信息采集模块1，与主控模块3连接，用于采集用户需求信息数据。

个体信息采集模块2，与主控模块3连接，用于采集个体兴趣、身份、职业、文化等信息数据。

主控模块3，与需求信息采集模块1、个体信息采集模块2、动机确定模块4、决策模型构建模块5、决策制定模块6、评价模块7、推荐模块8、显示模块9连接，用于通过单片机控制各个模块正常工作。

动机确定模块4，与主控模块3连接，用于通过确定程序根据采集信息确定用户动机。

决策模型构建模块5，与主控模块3连接，用于通过数据模型构建程序构建旅游决策模型。

决策制定模块6，与主控模块3连接，用于通过制定程序根据用户需求、动机制定旅游决策。

评价模块7，与主控模块3连接，用于通过评价程序对制定的旅游决策进行综合评价。

推荐模块8，与主控模块3连接，用于通过推荐程序根据旅游兴趣进行旅游信息推荐。

显示模块9，与主控模块3连接，用于通过显示器显示采集的用户需求信息、个体信息、制定的旅游决策信息、评价结果。

如图2所示，本发明实施例提供的基于大数据的智慧旅游决策方法包括：

s101:通过需求信息采集模块采集用户需求信息数据。通过个体信息采集模块采集个体兴趣、身份、职业、文化等信息数据。

s102:主控模块通过动机确定模块利用确定程序根据采集信息确定用户动机。通过决策模型构建模块利用数据模型构建程序构建旅游决策模型。通过决策制定模块利用制定程序根据用户需求、动机制定旅游决策。通过评价模块利用评价程序对制定的旅游决策进行综合评价。

s103:通过推荐模块利用推荐程序根据旅游兴趣进行旅游信息推荐。

s104:通过显示模块利用显示器显示采集的用户需求信息、个体信息、制定的旅游决策信息、评价结果。

下面结合具体实施例对本发明作进一步描述。

实施例1

本发明提供的决策模型构建模块5构建方法包括：

(1)获取旅游客源市场信息，统计分析确定旅游客源市场等级：利用灰色关联聚类方法对客源市场进行分析得出核心旅游客源市场、一级旅游客源市场、二级旅游客源市场和三级旅游客源市场的个数。利用空间地理集中指数、客源吸引半径及客源市场空间吸引力的方法分析得出核心国内旅游客源市场、一级国内旅游客源市场、二级国内旅游客源市场以及三级国内旅游客源市场的个数，并利用灰色理论的gm(1，1)模型对旅游客源市场进行了动态的预测。

(2)建立影响旅游者决策行为的数学模型：依据旅游者的消费趋向得出影响旅游者选择餐饮企业就餐的因素分别是餐饮企业菜品质量、餐饮企业菜品价格、餐饮企业服务水平、餐饮企业就餐环境和餐饮企业消费档次，利用面板数据，建立了旅游者选择餐饮企业就餐的权重模型。根据数据反馈情况选择：地区饭店区位、饭店环境、饭店房间数量、饭店房间面积、饭店客房服务质量、饭店房价、客房基础设施、居民人均可支配收入8个可能影响旅游者选择星级饭店的假设因子，并建立旅游者决策的多元线性回归模型，利用游客旅游购物与娱乐消费满意度调查问卷，掌握旅游游客满意度的真实情况，运用结构方程模型，对游客旅游购物与娱乐消费满意度的影响因素进行分析，确定各因素与满意度之间的关系。

实施例2

本发明提供的推荐模块8推荐方法包括：

1)从网络中获取照片数据集，所述照片数据集中包括多张旅游照片及与旅游照片相对应的元数据。

2)提取所述元数据中的关键词，将出现频率超过预设频率阈值的关键词作为旅游兴趣词汇。

3)识别所述旅游照片内图像的坐标信息，基于旅游照片内图像的坐标信息生成旅游兴趣位置信息。

4)从与旅游兴趣词汇相关的旅游照片中选出所述旅游兴趣词的代表照片。

5)将旅游兴趣词汇、旅游兴趣位置信息及代表照片相关联，生成可视化旅游兴趣推荐信息。

本发明提供的元数据包括所述旅游照片所属游客定义的照片标签、照片标题及照片描述中的任意一种或多种。

本发明提供的照片数据集还包括所述张旅游照片及元数据的所属游客信息，所述提取所述元数据中的关键词，将出现频率超过预设频率阈值的关键词作为旅游兴趣词汇包括：

获取旅游兴趣词汇词典。

基于旅游兴趣词汇词典从所述元数据中提取候选关键词，所述候选关键词包括词组、短句及符号中的任意一种或多种。

对所述候选关键词进行预处理，所述预处理包括将候选关键词中的字母标准化为小写格式并去掉候选关键词中的数字及特殊符号，所述特殊符号包括井号、百分号及问号中的任意一种或多种。

判断候选关键词的词性，所述词性包括名词、动词及形容词中的任意一种或多种。

选取词性为名词的候选关键词作为关键词。

实施例3

本发明从与旅游兴趣词汇相关的旅游照片中选出所述旅游兴趣词的代表照片中，采用适合处理旅游照片图像信息的神经网络模型对旅游照片图像进行检测。旅游照片图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理。受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波。

适合处理旅游照片图像信息的神经网络模型：

fij[n]＝sij。

uij[n]＝fij[n](1+βij[n]lij[n])。

θij[n]＝θ0e^-αθ(n-1)。

其中，βij[n]为自适应链接强度系数。

sij、fij[n]、lij[n]、uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，nw为所选待处理窗口w中的像素总数，δ为调节系数，选取1～3。

神经网络模型对旅游显微图像进行检测时，利用网络特性使灰度为sijmax的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[sijmax/1+βijlij,sijmax]间的像素捕获激活，使两次激活的像素点对应的yij输出为1。

进一步，然后对原噪声污染图像反白处理，再对处理后的图像sij按前述进行迭代处理，并使对应的输出yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点。

初步甄别出yij＝0对应的像素点为旅游显微图像的信号点，予以保护。对yij输出为1的像素点在3*3模板b范围内统计以输出yij＝1为中心邻域元素值为1的个数ny判别归类：1≤ny≤8，为噪声点，当ny＝9，判定为图像像素点。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。