基于时间规划的自由行行程推荐方法与流程

本发明涉及一种行程推荐方法，特别是涉及一种基于时间规划的自由行行程推荐方法。

背景技术：

近年来，旅游行业的市场迅速增长，人们的旅游质量的要求也快速提升。人们希望将短暂的假期时间充分利用，使得游客常常花费不少时间在旅行行程的规划上。随着互联网技术的迅猛发展，出现了许多通过互联网来服务旅游用户的终端平台和网页。大部分旅游景点已经开设网站系统提供门票预订以及附近酒店价格服务，旅行社提供固定的路线以及完整的服务供旅客选择。

但是，上述服务各有优缺点，旅行团的服务方便简单，为游客提供的套餐包括了完整的旅游计划与住宿服务，缺点是人们无法自主选择，按照既定的路线进行参观，而自由活动的时间很少，不但游玩无法尽兴，而且旅行团还需要高昂的费用，给不良商人机会去通过一些变相消费来谋取利益。用户自主查找旅游景点，往往需要投入较多时间和经历。用户先确定要去的景点，比较景点位置以安排旅游规划，最后查找附近的酒店，解决旅游期间住宿问题，而且由于网上的信息参差不齐，往往计划会难以实施，这些准备步骤花去了游客大量的时间。本发明为一种行程推荐系统，旨在一站式地为用户推荐基于时间的行程规划，分步式地为游客提供旅游所需要的信息资源供其选择，同时能使游客自己做主决定行程，使游客少走弯路，节省大量时间，并能获取良好的旅行体验。

现有的较为成熟的旅游服务终端系统，基本都是针对景点的利益出发来构建的，如专利CN201410525351.4提出了一种旅行行程规划及导览系统，提出一种服务端及移动电子装置，期望达到规划完整的旅游行程的功能。但这一方法无法直接拓展到行程之中多经典路线的多酒店推荐，同时推荐的内容也无法细化到房型层面，使得用户仍得花费不必要的时间在行程酒店安排上。

技术实现要素：

本发明要解决的技术问题是为了克服现有技术中对于用户行程的安排和推荐存在不足的缺陷，提供一种基于时间规划的自由行行程推荐方法。本发明能根据游客的需求提供完整的旅游行程解决方案，节省自由行游客花费在旅游规划上的大量时间，同时也能使游客获得良好的旅行体验。

本发明是通过下述技术方案来解决上述技术问题的：

一种基于时间规划的自由行行程推荐方法，其特点在于，包括景点推荐流程，所述景点推荐流程包括以下步骤：

S11、用户输入游玩的基本信息，包括游玩目的国家以及目的城市、出游类型(单人出游、情侣夫妻出游、家庭出游、朋友出游、同学聚会)、出游天数、出游人数；其中出游天数为用户包括通勤时间在内的可用时间段，出游人数可用出游类型自动推导；

S12、对于用户选取的游玩国家与城市，从云端服务器上的数据库中调取该城市下所有游玩景点，提供给用户具体的景点信息，包括但不限于景点名称、景点星级、景点地区、景点评价以及景点热度，并列出表格供用户勾选；

S13、根据用户勾选的景点预估游玩时间，若预估时间短于用户计划的出游时间，则从数据库调取经典路线向用户推荐。

较佳地，所述景点信息包括景点名称、景点星级、景点地区、景点评价以及景点热度。

较佳地，所述自由行行程推荐方法还包括路径规划流程，所述路径规划流程包括以下步骤：

S21、用户输入行程天数、行程人数以及行程偏好；

S22、根据景点推荐流程确定的景点列表，以及景点数据，计算游玩所需要的总时长；

S23、使用路径规划算法得到用户每日的行程安排：通过用户在景点推荐流程中选择的景点位置，以及用户的行程偏好，使用路径规划算法对用户每日行程进行定制化行程安排。

较佳地，所述定制化行程安排包括每日行程中的目的地内容、目的地数量、目的地顺序、目的地之间交通路径规划以及目的地游玩时间。用户可对上述行程安排内容进行自由地修改，可以增加或删除目的地以及调整目的地游玩的顺序，也可以选择性增加或减少景点游玩时间。

较佳地，步骤S23之后还包括：

S24、计算用户平均每天游玩时长，如果大于用户设置的出游偏好时长，则引导用户删除景点或添加实际游玩天数；

S25、用户修改信息后，重新返回步骤S23，然后计算用户每日的行程安排。

较佳地，所述行程偏好包括出游类型、游览偏好、出游偏好，所述游览偏好包括以下选项：4-6小时每天、6-10小时每天、10-13小时每天；所述出游偏好包括驾车出游、公共交通出游、步行出游。

较佳地，所述自由行行程推荐方法还包括酒店推荐流程，所述酒店推荐流程包括以下步骤：

S31、根据路径规划流程中确定的景点浏览安排，结合各个维度数据进行机器学习模型构建，得到每个酒店的预订概率；

S32、通过酒店的历史拒单情况以及不同场景的订单信息，预测各个情况下的酒店拒单概率；

S33、计算酒店最终评分：S＝P_order(1-P_cancel)，根据酒店评分从大到小进行排序；其中P_order表示所述预订概率，P_cancel表示所述酒店拒单概率。

较佳地，步骤S33之后还包括：

S34、通过用户的出行类型(单人出游、情侣/夫妻、家庭出游、朋友出游)以及用户历史房型偏好(床型偏好、早餐偏好、服务偏好、包括确认时长、取消政策、是否偏好返现等)、酒店房型数据(房型类型、早餐数量、服务类型、房型价格等)，预测推荐酒店中的各个房型下单概率，对排除不可订房型后的概率最高房型进行推荐。

较佳地，步骤S31中的所述维度包括：

用户实时偏好数据，包括星级偏好、价格偏好、评分偏好、品牌偏好、设施偏好、特色偏好、位置偏好、支付方式偏好、各偏好与酒店匹配度；

用户历史偏好数据，包括订单星级、订单价格、价格敏感度、消费能力、大方程度、返现偏好、星级变异系数、订单数、星级价格、订单酒店评分；

酒店实时数据，包括酒店价格、起价比、星价比、点评分性价比；

酒店历史数据，包括酒店与景点位置距离、酒店星级、点评分、间夜价格、位置吸引度、挂牌情况。

本发明的基于时间规划的自由行行程推荐方法，包括如下三个流程：景点推荐流程、路径规划流程、酒店推荐流程，其中：景点推荐流程确定用户游玩的景点；路径规划流程根据景区游玩时间、景点之间距离以及景点附近交通情况为用户规划出每天的行程安排；酒店推荐流程根据用户需求为用户推荐合适的酒店。

本发明的积极进步效果在于：本发明以实际自由行游客的需求出发，从景点、行程安排、酒店住宿三个主要的方面为自由行游客提供流程算法进行安排，同时各方面之间紧密结合，一个流程的输出作为下一个流程的输入，摒弃传统旅游规划与行程推荐系统中的单独模块化的结构。一方面使得本系统能更贴近用户的需求，为用户提供详细的旅游资源信息以及完整的规划步骤，引导用户一步步根据用户的个人喜好对景点有选择的游览，规划好自己的行程。

附图说明

图1为本发明的较佳实施例的基于时间规划的自由行行程推荐方法中景点推荐流程的流程图。

图2为本发明的较佳实施例的基于时间规划的自由行行程推荐方法中路径规划流程的流程图。

图3为本发明的较佳实施例的基于时间规划的自由行行程推荐方法中酒店推荐流程的流程图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

本发明提供了一种基于时间规划的自由行行程推荐方法，具体包括景点推荐流程、路径规划流程和酒店推荐流程，其中景点推荐流程依赖的数据库包括景点数据库和攻略数据库，输出为推荐景点列表；路径规划流程依赖的数据库包括交通数据库，输出为每日景点和行程安排；酒店推荐流程依赖的数据库是酒店数据库，输出为推荐酒店列表。

其中，如图1所示，本发明的基于时间规划的自由行行程推荐方法的景点推荐流程具体包括以下步骤：

S11、用户输入游玩的基本信息，包括游玩目的国家以及目的城市、出游类型、出游天数、出游人数；

S12、对于用户选取的游玩国家与城市，从云端服务器上的数据库中调取该城市下所有游玩景点，提供给用户具体的景点信息，并列出表格供用户勾选；

其中，所述景点信息包括景点名称、景点星级、景点地区、景点评价以及景点热度。

S13、根据用户勾选的景点预估游玩时间，若预估时间短于用户计划的出游时间，则从数据库调取经典路线向用户推荐。

景点推荐流程可以确定用户游玩的景点。其依赖服务器端的景点数据库与攻略数据库，所述景点数据库提供包括但不限于如下景点信息：城市景点名称、景点位置、景点星级、游玩时长、景点热门度、收费标准以及用户评价。所述攻略数据库提供包括但不限于如下信息：经典行程路线以及其路线包括的景点与路线安排。所述景点推荐流程中，用户输入游玩目的国家城市，客户端软体从服务器获得目的城市下的景点列表，按照热门度从大到小排序成列表，提供给用户勾选。用户勾选目的景点后，根据用户选择景点预估游玩时长，与用户输入的计划游玩时长比较，若预估游玩时长大于计划游玩时长，则判断用户选择景点数充足，进入下一个流程智能规划行程路线。反之，则判断用户选择景点数量过少，为用户推荐经典行程路线。

其中，在本发明的具体实施过程中，所述景点推荐流程可以具体按如下步骤流程实施：

1.程序开始，用户输入信息对程序进行初始化：包括但不限于如下几点：游玩目的国家以及目的城市(可多选)、出游类型(单人出游、情侣夫妻出游、家庭出游、朋友出游、同学聚会)、出游天数、出游人数。其中出游天数为用户包括通勤时间在内的可用时间段，出游人数可用过出游类型自动推导。

2.用户选择是否自选景点，若选择是，则推荐景点给用户自由选择，程序跳转到步骤3；若选择否，则推荐经典路线给用户选择，程序跳转到步骤4。

3.确定用户想要游玩的景点，具体包括如下子步骤：

a)从数据库中查找游客所选目的国家及城市下的所有景点信息，按照热门度从大到小的顺序进行排序，列表显示给用户，用户勾选想要游玩的景点，选择进入下一步b)

b)预估用户游玩的天数，用户自主选择的景点个数为n对于用户选择的第i个景点，i＝1,2,3,…,n。记游玩时间为T_i，第i个景点到第j个景点之间通勤时间为T_ij，用户每天游玩时长为T_perday，其中两景点之间通勤时间通过对景点距离以及景点之间路况进行分析获得。按如下公式预估用户游玩时间：

预估用户出游天数：

ndays＝timespend/T_perday (2)

c)如果预估用户出游天数ndays小于用户预设出游天数，则说明用户选择景点数过少，跳转到第4步为用户推荐经典行程。反之则说明用户选择景点数量充足，保存用户所选择的景点作为输出，结束本流程，进入到下一个路线规划流程

当用户不自选景点时，为用户推荐经典路线，从攻略数据表中筛选出最热门的路线推荐给用户选择。用户选择游玩的线路，用该线路中所有景点作为输出，进入到下一个流程。

如图2所示，本发明的基于时间规划的自由行行程推荐方法的路径规划流程包括以下步骤：

S21、用户输入行程天数、行程人数以及行程偏好；

其中，所述行程偏好包括出游类型、游览偏好、出游偏好，所述游览偏好包括以下选项：4-6小时每天、6-10小时每天、10-13小时每天；所述出游偏好包括驾车出游、公共交通出游、步行出游。

S22、根据景点推荐流程确定的景点列表，以及景点数据，计算游玩所需要的总时长；

S23、通过用户在景点推荐流程中选择的景点位置，以及用户的行程偏好，使用路径规划算法对用户每日行程进行定制化行程安排；

其中，所述定制化行程安排包括每日行程中的目的地内容、目的地数量、目的地顺序、目的地之间交通路径规划以及目的地游玩时间。

S24、计算用户平均每天游玩时长，如果大于用户设置的出游偏好时长，则引导用户删除景点或添加实际游玩天数；

S25、用户修改信息后，重新返回步骤S23，然后计算用户每日的行程安排。

所述路径规划流程根据景区游玩时间、景点之间距离以及景点附近交通情况为用户规划出每天的行程安排。路线规划流程依赖于服务器端的景点数据库与交通数据库，所述交通数据库提供包括但不限于如下景点城市的交通信息：景点间的交通距离和交通时间。

其中，在本发明的具体实施过程中，所述路径规划流程可以具体按如下步骤流程实施：

1.程序开始，加载上一流程中用户自由选择或者系统推荐的游玩景点列表ListAll＝{景点1，景点2，...，景点n}以及每个景点游玩时长T_i(i＝1,2,...,n)作为输入。

2.计算游玩所选景点所需要的总时长，以及平均每天游玩时长：

T_avg＝T_all/N_days

上述公式中，N_days为用户在上一流程中输入的游玩天数，T_i为用户所选择的第i个景点其所记录的游客平均游玩时长，T_trans(i,i+1)为用户在选择的景点i到景点j之间通勤所花费时间。T_all为计算得到的用户游玩所选景点预计的总时长，T_avg为用户平均每天游玩的时长。

3.对用户每天的行程进行基于时间的规划算法，具体包括如下子步骤：

a)首先，初始化时间变量i＝1，第i天累计游玩时长T_acc(i)＝0(i＝1,2,...,ndays)，第i天游玩景点列表List_i＝{}，按照游玩顺序对景点列表进行排序，用户自由选择景点游玩的优先顺序。

b)安排第i天的行程：将所有景点列表ListAll中景点按顺序插入到第i天游玩景点列表List_i中：

List_i.append(ListAll[1])

T_acc(i)＝T_acc(i)+timeof(ListAll[1])

ListAll＝ListAll[2:]

在上述公式中，ListAll[1]为当前景点列表中第一个景点元素，ListAll[2:]为除去该第一个景点元素后所有剩下的景点元素。timeof(ListAll[1])为第一个景点元素的游客平均游玩时长。反复执行上述过程直到如下条件停止：第i天累计游玩时长大于平均用户游玩时长：T_acc(i)＞T_avg

c)i＝i+1，如果i≤ndays，则返回到步骤b)进行下一轮计算，继续安排第i天的行程。反之则停止行程规划，进入步骤d)

输出上述过程得到的每天行程安排{List₁,List₂,...,List_ndays}输出每天的行程计划安排，按照时间顺序列表显示，用户可自由修改，例如用户可添加或删除景点，或者调整景点间游览顺序。如果用户对景点列表作出上述的任何修改，则程序返回到步骤a)重新安排行程规划。

如图3所示，本发明的基于时间规划的自由行行程推荐方法的酒店推荐流程包括以下步骤：

S31、根据路径规划流程中确定的景点浏览安排，结合各个维度数据进行机器学习模型构建，得到每个酒店的预订概率；

其中，步骤S31中的所述维度包括：

用户实时偏好数据，包括星级偏好、价格偏好、评分偏好、品牌偏好、设施偏好、特色偏好、位置偏好、支付方式偏好、各偏好与酒店匹配度；

用户历史偏好数据，包括订单星级、订单价格、价格敏感度、消费能力、大方程度、返现偏好、星级变异系数、订单数、星级价格、订单酒店评分；

酒店实时数据，包括酒店价格、起价比、星价比、点评分性价比；

酒店历史数据，包括酒店与景点位置距离、酒店星级、点评分、间夜价格、位置吸引度、挂牌情况。

S32、通过酒店的历史拒单情况以及不同场景的订单信息，预测各个情况下的酒店拒单概率；

S33、计算酒店最终评分：S＝P_order(1-P_cancel)，根据酒店评分从大到小进行排序；其中P_order表示所述预订概率，P_cancel表示所述酒店拒单概率；

S34、通过用户的出行类型以及用户历史房型偏好、酒店房型数据，预测推荐酒店中的各个房型下单概率，对排除不可订房型后的概率最高房型进行推荐。

所述酒店推荐流程可以为用户推荐合适的酒店。

其中，在本发明的具体实施过程中，所述酒店推荐流程可以具体按如下步骤流程实施：

1.初始化程序，以上一流程得到的每日景点及行程安排作为本流程的输入。此外，用户还需要输入游玩能接受的最大通勤距离D_max。

2.对于景点列表中所有景点，根据其地理位置进行聚类算法，将景点划分为M个景点类{C₁,C₂,...,C_M}每一个类包含若干个景点，相同类里的景点中，景点与景点之间距离不超过D_max。

3.对于在景点推荐流程中，用户选择的游玩的城市，调取该城市下所有的酒店数据。相对于每一个景点类，计算出所有景点的中心位置，按照中心位置为所有酒店进行评估，具体方法如下：

a)根据路径规划流程中确定的景点浏览安排，结合各个维度数据进行机器学习模型构建，得到每个酒店的预订概率P_order。维度包括酒店信息及历史数据(酒店与景点类中心位置距离、酒店星级、点评分、间夜价格、位置吸引度、挂牌情况等)，用户实时偏好数据(星级偏好、价格偏好、评分偏好、品牌偏好、设施偏好、特色偏好、位置偏好、支付方式偏好、各偏好与酒店匹配度等)、用户历史偏好数据(订单星级、订单价格、价格敏感度、消费能力、大方小气程度、返现偏好、星级变异系数、订单数、星级价格、订单酒店评分等)、酒店实时数据(酒店价格、起价比、星价比等)。

b)计算酒店拒单率预测模型。通过酒店的历史拒单情况以及不同场景的订单信息，预测各个情况下的酒店拒单概率P_cancel

c)计算酒店最终评分：S＝P_order(1-P_cancel)，根据酒店评分从大到小进行排序。输出酒店推荐列表。

对房型进行推荐。通过用户的出行类型(单人出游、情侣/夫妻、家庭出游、朋友出游)以及用户历史房型偏好(床型偏好、早餐偏好、服务偏好、包括确认时长、取消政策、是否偏好返现等)、酒店房型数据(房型类型、早餐数量、服务类型、房型价格等)，预测推荐酒店中的各个房型下单概率。排除不可订房型后的概率最高房型进行推荐。

本发明行程推荐及酒店规划算法不仅能满足游客短暂假期或者长时间旅游出行规划安排的需求，也能改变如今旅游团固定路线对游客的约束，用户可以随意自定义自己的行程规划，在用户更改了旅游行程中景点、路线以及时间安排后，系统也能根据新的行程安排智能推荐合适的酒店及房型，方便用户对已有的计划修改，取消已经预订的酒店，重新预订新的酒店，从而能提升酒店订单的转化率。在实测数据中，该方法对酒店订单转化率提升效果明显，其中新用户对于推荐列表中排名前25的酒店命中率从89％提升到了94％，对于老用户酒店下单率的预测模型，推荐列表中排名前25的酒店命中率从67％提升到了88％。由此可以看出，该方法具有极高的实用价值。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。