本发明属于数据处理领域，特别涉及用于景区静态路线的数据预处理方法。
背景技术：
当前国民的假期较为集中在春节和国庆时段，由于假期过于集中导致各景点人流量很大，严重影响了游客的游玩体验，另外由于每位游客感兴趣的景点或对多个景点的偏好不同，在景区规划下游客无法获取到针对自身的定制化的旅游路线，降低了游客的游览体验。
技术实现要素：
为了解决现有技术中存在的缺点和不足，本发明提供了通过引入权重的概念，能够确定各景点实际的景点价值，便于确定游览路线，最终提高游览体验的用于景区静态路线的数据预处理方法。
为了达到上述技术目的，本发明提供了用于景区静态路线的数据预处理方法，所述数据预处理方法，包括：
对景区中各景点设定价值基础值，确定对各景点价值产生影响的基本数据，结合得到的基本数据，确定影响各景点价值的权重；
输入对每个景点对应的数值，根据与每个景点对应的权重，得到每个景点的默认价值。
可选的，所述确定对各景点价值产生影响的基本数据，包括：
根据对游览各景点的游客特征，将游客进行分类，得到分类后代表游客的群体参数；
根据游客群体参数确定权重数据集的总体分布函数；
确定权重数据集中每个权重数据个体相对于权重数据总体分布的关联度。
可选的，所述结合得到的基本数据，确定影响各景点价值的权重，包括：
对构建的数列进行排序，对排序后的数据进行权重信息集结；
对处理后的权重信息进行归一化处理，得到与每个景点价值对应的权重。
可选的，所述数据预处理方法，还包括：
确定景点的节点代价。
可选的，所述数据预处理方法，还包括：
构建代表各景点之间相对距离的地图模型；
可选的，所述构建代表各景点之间相对距离的地图模型，包括：
输入景点的实际地图map；
将地图表示为为三元组<g，sstart，sgoal>，其中g＝(n，a，c)表示状态空间图，n为状态节点集合，a为弧的集合。
本发明提供的技术方案带来的有益效果是：
通过在确定景点价值过程中引入了影响景点价值的外部因素的权重的概念，能够得到在外界因素影响下各景点的实际价值，从而为后续的游客游览路线规划做好的铺垫，进而实现提高游览路线以及游览时间的有效利用，最终提高游客在景点游览的体验。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的用于景区静态路线的数据预处理方法的流程示意图。
具体实施方式
为使本发明的结构和优点更加清楚，下面将结合附图对本发明的结构作进一步地描述。
实施例一
本发明提供了用于景区静态路线的数据预处理方法，如图1所示，所述数据预处理方法，包括：
11、对景区中各景点设定价值基础值，确定对各景点价值产生影响的基本数据，结合得到的基本数据，确定影响各景点价值的权重；
12、输入对每个景点对应的数值，根据与每个景点对应的权重，得到每个景点的默认价值。
在实施中，为了能够对游客游览景点的路径进行划分，需要确定代表各景点游玩必要性的景点价值。而为了确定景点价值，需要依次确定影响个景点价值的权重。权重确立后，意味着得到了对景点价值的影响因素，就得到了较为贴近实际的景点价值计算方式，只需要输入不同景点的数值就可得到这些景点的默认价值。
然后为了显示出游客所选的景点的优先性，还会对游客所选的景点按照先后顺序赋予不同程度的附加价值，从而完成对模型中景点价值的修正。
为了凸出游客所选择的景点优先级，进行了如下的技术设计：游客在操作界面先后选择数个目标景点，这些被选择的景点的景点价值
这里处理函数的表达式为
其中ωj为确定的权重，aj为对应的价值项(不同的景点特征去不同的价值，这些价值及集合成了景点的价值)
给出处理函数h2
有
其中kj为根据意向的优先度设置的调值参数，意向优先度高就给出大的数值。而且调整比例可以根据实际需求调整。
可选的，所述确定对各景点价值产生影响的基本数据，包括：
根据对游览各景点的游客特征，将游客进行分类，得到分类后代表游客的群体参数；
根据游客群体参数确定权重数据集的总体分布函数；
确定权重数据集中每个权重数据个体相对于权重数据总体分布的关联度。
在实施中，确定基本数据的步骤详细分为以下四步，具体为：
1)根据游客的特点将其分为不同类别，每一个类别为游客群体中一个对象pi，通过对每一个类别进行调查得出各个影响因素权重的平均值，最总得到游客群体集pk(k＝1，2，…，y)对指标i的权重数据集为xi＝{x1，x2，…，xy}。
2)求解权重数据集的总体分布函数。根据正态分布n(μ，σ2)的普适性，xi＝{x1，x2，…，xy}为来自指标i的权重数据总体的一组样本值，将指标i的权重数据集xi的最大似然估计量作为权重数据集总体分布的特征函数，由下式得到μ和σ2的最大似然估计量
3)将权重数据分解为“强差异性数据”和“弱差异性数据”。将[μ-σ，μ+σ]作为权重数据分布的趋势区间，将落入该区间的权重数据个体称为“弱差异性数据”，落在该区域外的称为“强差异性数据”。
4)计算权重数据个体xk相对于权重数据总体分布的关联度εk，具体过程如下
(1)计算权重个体相对于总体分布均值μ的绝对距离：
δk＝|xk-μ|，k＝1，2，…，y。
(2)对绝对距离进行规范化处理和差异性分析，对上式结果进行再次处理，
可选的，所述结合得到的基本数据，确定影响各景点价值的权重，包括：
对构建的数列进行排序，对排序后的数据进行权重信息集结；
对处理后的权重信息进行归一化处理，得到与每个景点价值对应的权重。
在实施中，为了准确确定计算各景点价值的权重，需要执行以下步骤：
定义1:设函数f:rn→r，令
定义2：设<v1，a1>，<v2，a2>，…..，<vn，an>为n个二维数组，令
其中：vj为aj的诱导值；v-index(j)是vj按从大到小进行排序后的第j大的数的下标；w＝(ω1，ω2，ωn)t为加权向量，ωj与aj的诱导值大小无关，而与aj的诱导值所在位置有关，其算法如下。
1)对(a1，a2，....，an)从大到小进行排序，编号从0开始，结果为b0≥b1≥…≥bn-1。由于数据的权重ωj由组合数
由组合数的性质可知
2)利用该算法进行权重信息集结是，将权重数据个体xk作为aj，将与xk对应的εk作为vj，则y个权重数据个体的εk和权重数据个体xk就构成了y个数据对
(<ε1，x1>，<ε2，x2>，…，<εn，xn>)
3)将各指标权重信息集结进行归一化处理，得到指标的最后权重：
可选的，所述数据预处理方法，还包括：
确定景点的节点代价。
在实施中，景点的节点代价vi则通过函数g(z)得到(其中z为
可选的，所述数据预处理方法，还包括：
构建代表各景点之间相对距离的地图模型；
构建代表各景点之间相对距离的地图模型，包括：
输入景点的实际地图map；
将地图表示为为三元组<g，sstart，sgoal>，其中g＝(n，a，c)表示状态空间图，n为状态节点集合，a为弧的集合。
在实施中，通过上面参数设置和图形抽象为点与线之间的关系使得能够在图中上赋予路径价值，转化之后整个地图就成为了数据的集合，能够被直接用于路径价值计算模型得出数值最优解。
本发明提供了用于景区静态路线的数据预处理方法，包括：对景区中各景点设定价值基础值，确定对各景点价值产生影响的基本数据，结合得到的基本数据，确定影响各景点价值的权重；输入对每个景点对应的数值，根据与每个景点对应的权重，得到每个景点的默认价值。通过在确定景点价值过程中引入了影响景点价值的外部因素的权重的概念，能够得到在外界因素影响下各景点的实际价值，从而为后续的游客游览路线规划做好的铺垫，进而实现提高游览路线以及游览时间的有效利用，最终提高游客在景点游览的体验。
上述实施例中的各个序号仅仅为了描述，不代表各部件的组装或使用过程中的先后顺序。
以上所述仅为本发明的实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。