1.一种基于时间规划的自由行行程推荐方法，其特征在于，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、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；
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。
2.如权利要求1所述的基于时间规划的自由行行程推荐方法，其特征在于，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。
3.如权利要求1所述的基于时间规划的自由行行程推荐方法，其特征在于，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、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。
4.如权利要求3所述的基于时间规划的自由行行程推荐方法，其特征在于，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。
5.如权利要求3所述的基于时间规划的自由行行程推荐方法，其特征在于，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。
6.如权利要求3所述的基于时间规划的自由行行程推荐方法，其特征在于，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。
7.如权利要求3-6中任意一项所述的基于时间规划的自由行行程推荐方法，其特征在于，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＝Porder(1-Pcancel)，根据酒店评分从大到小进行排序；其中Porder表示所述预订概率，Pcancel表示所述酒店拒单概率。
8.如权利要求7所述的基于时间规划的自由行行程推荐方法，其特征在于，步骤S33之后还包括：
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。
9.如权利要求7所述的基于时间规划的自由行行程推荐方法，其特征在于，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。