本申请涉及计算机大数据技术领域，尤其涉及一种旅游行程的优化方法和电子设备。
背景技术：
互联网技术飞速发展的今天，互联网服务逐步渗入社会生活的各个方面，交通、购物、餐饮和旅游等，网民将自己的旅行信息发布在互联网上，形成行程锦囊、攻略或者游记，其他旅行者根据这些信息，按照自己喜好编撰出个性化的旅游行程，这种方式不仅使得旅行体验更加多样化，而且打破了旅游行业中的信息不对称，刺激了以自由行为代表的共享经济，开始逐步取代常见的旅行社跟团游。
当前计算机辅助制订旅游行程的技术层出不穷，例如阿里巴巴公司申请号为CN201310092521.X的专利，提供一种协助制定旅游行程计划的方法及系统，首先，根据互联网用户提交的旅游目的地信息，从服务器获取所述旅游目的地对应的各个旅游资源的相关数据信息；解析所述各个旅游资源的相关数据信息，创建可操作的页面元素，并在页面的旅游资源显示区域进行显示；接着，监控用户对所述页面元素执行的操作，确定需要加入到旅游行程计划的特定旅游资源；创建所述特定旅游资源对应的页面元素，并显示在旅游行程计划制定区域；最后，根据所述页面的旅游计划制定区域中包含的各个页面元素，显示所制定的旅行计划信息。
上述技术获得的旅游行程依赖于各个旅游资源相关的数据信息，例如景点的建议游玩时间和景点之间的距离，往往还需要增加用户的主观判断，如此得到的行程体验比较差，并不能获得更合理的行程安排，而且，用户不能根据自己的游玩习惯，例如旅行节奏的快慢，来调整行程安排。
技术实现要素：
本发明提供一种旅游行程的优化方法和系统，以解决现有计算机创建的旅游行程不能贴近旅游实际情况、准确性较差的问题。
本申请提供了如下方案：一种旅游行程的优化方法，包括：
步骤S1：解析旅游行程中的城市标识，将每天的行程划分为一个或多个城市栈段；
步骤S2：将所述旅游行程中的poi分配入对应的城市栈段；
步骤S3：设置行程时间域，由所述行程时间域获得所述每天行程中溢出poi的城市栈段、未填满poi的城市栈段；
步骤S4：在所述城市栈段中移动或增加poi，以满足行程时间域；
步骤S5：分别优化所述每天行程的poi顺序。
所述步骤S2具体包括：
根据景点poi的位置信息，将其分配入对应的城市栈段；
或，获取行程中的酒店poi，根据其位置信息分配入对应的城市栈段；
或，获取行程中的交通poi，根据其位置信息分配入对应的城市栈段；
所述获取行程中的交通poi，根据其位置信息分配入对应的城市栈段，还包括：
如果所述交通poi的位置信息不属于已划分出的城市栈段，则依据其位置信息创建新的城市栈段。
根据景点poi的位置信息，将其分配入对应的城市栈段，还包括，
如果所述景点poi的位置信息不属于已划分出的城市栈段，则获取与所述poi距离最近的已划分出的城市栈段；如果所述距离小于或等于设定阈值，则将该景点poi分配入该距离最近的城市栈段。
设置行程时间域，由所述行程时间域获得所述每天行程中溢出poi的城市栈段、未填满poi的城市栈段，具体包括：
从所述行程时间域中，去除每个城市栈段之间的标准交通时间，以重新分配每天行程的城市栈段的规划时间；
由各个poi的标准游玩时间之和，获得每天行程的城市栈段的标准时间；
比较所述规划时间与所述标准时间；
如果所述标准时间大于所述规划时间，则将每天行程的城市栈段中超出所述规划时间的poi作为溢出poi，相应的城市栈段为溢出poi的城市栈段；
如果所述标准时间小于所述规划时间，则将每天行程中未被所有poi标准时间之和占满的城市栈段作为未填满poi的城市栈段。
所述步骤S4具体包括：
查询poi关系表，获得所述溢出poi的相似矩阵；
计算各个城市栈段与所述相似矩阵中poi的差积，获得存在差积的poi与相应的城市栈段；
按照所述差积的评分和的顺序，将存在差积的poi加入其相应的城市栈段。
所述步骤S4中，所述增加poi具体包括：
查询poi关系表，计算与未填满poi城市栈段中的poi密切关联的新poi，插入所述未填满poi的城市栈段中。
所述步骤S4之后还包括：如果每天的行程中还包括没有任何poi的空城市栈段，则所述将有关联的溢出poi并入未填满poi的城市栈段中。
所述分别优化所述每天行程poi顺序，具体包括：
解析每天行程的每个城市栈段的poi为：起点poi集、白天poi集、夜晚poi集和终点poi集；
如果没有指定起点和终点，则分别从起点poi集和终点poi集内选取mapstatus不为0的poi作为的行程起点poi和行程终点poi；
根据行程起点poi和行程终点poi优化白天和夜晚的游玩路线，包括：判断每个城市栈段的poi数量是否超过设定值，如果是，则采用贪心算法优化poi路径，如果否，则采用旅行商问题算法优化poi路径。
所述起点poi集内包括酒店poi和/或交通poi，所述终点poi集内包括酒店poi和/或交通poi，通过poi标签和/或poi名称划分白天poi和夜晚poi。
根据行程起点poi和行程终点poi优化白天和夜晚的游玩路线，还包括：当白天poi集为空而夜晚poi集不为空，则以所述行程起点poi和所述行程终点poi作为夜晚路线的起始点进行优化。
根据行程起点poi和行程终点poi分别优化白天和夜晚的游玩路线，还包括：当白天poi集为不为空而夜晚poi集为空，则以所述行程起点poi和所述行程终点poi为白天路线的起始点进行优化。
根据行程起点poi和行程终点poi优化白天和夜晚的游玩路线，还包括：当白天poi集不为空而夜晚poi集也不为空，则以夜晚poi集内的第一个景点作为白天路线的终点进行优化。
本发明还提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
解析旅游行程中的城市标识，将每天的行程划分为一个或多个城市栈段；
将所述旅游行程中的poi分配入对应的城市栈段；
设置行程时间域，由所述行程时间域获得所述每天行程中溢出poi的城市栈段、未填满poi的城市栈段；
在所述城市栈段中移动或增加poi，以满足行程时间域；
分别优化所述每天行程的poi顺序。
通过本发明提供的上述旅游行程的优化方法，将行程优化过程分解为两个层面：全部行程和每天行程，对全部行程而言根据poi标准游玩时间，以城市栈段为最小单元，合理分配每天行程中溢出poi进入未填满poi的城市栈段，进而再优化每日行程的路线，使得整个行程更接近实际用户的旅行经验，更加智能的方式接近实际的旅行情况，更为合理和高效。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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申请的一些实施例，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是本申请实施例提供的方法流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
针对当前旅行规划制订方法的不足，本发明提出一种旅游行程的优化方法，以城市栈段作为基本的数据单元，将旅游行程分解，依据用户个性化的需求，输入时间域（个性化的游玩时间范围），进而获得更为合理的行程规划。
实施例
如图1所示，本实施例提供一种旅游行程的优化方法，根据千万用户的真实旅行大数据计算，提高计算机获得旅游行程的合理性和智能性。
获得一旅游行程，该旅游行程由景点poi、国家和城市标签、类别标签、时间轴、交通信息、酒店餐饮信息等数据集合构成，该旅游行程可以由现有技术创建，也可以由穷游TM行程助手TM的旅游行程的数据处理方法来创建，所述旅游行程的优化方法具体包括以下步骤：
步骤S1：解析旅游行程中的城市标识，将每天的行程划分为一个或多个城市栈段。
旅游行程中按照时间分解为多个一天的行程段，读取每天行程段内的城市标识，根据城市标识的不同将每天的行程分为多个城市栈段，例如：将一项法国9日游的行程分解为七天的行程段（Day1~Day9），每天的行程例如Day4分为巴黎城市栈段和凡尔赛城市栈段。
步骤S2：将所述旅游行程中的poi分配入对应的城市栈段；
读取每天行程中的poi信息，其一，根据景点poi的位置信息，将其分配入对应的城市栈段，例如将卢浮宫poi分配入巴黎城市栈段；其二，获取行程中的酒店poi，根据其位置信息分配入对应的城市栈段；其三，获取行程中的交通poi，根据其位置信息分配入对应的城市栈段；如果交通poi或酒店poi的位置不在当前旅游行程的城市栈段中，则查询其城市标识，将交通poi或酒店poi所在城市划分为新的城市栈段。
类似的，如果所述景点poi的位置信息不属于已划分出的城市栈段，则获取与所述poi距离最近的已划分出的城市栈段。如果所述距离小于或等于设定阈值，则将该景点poi分配入该距离最近的城市栈段，例如，A景点poi不属于巴黎城市栈段，也不属于凡尔赛城市栈段，则计算其与两个城市栈段（或城市栈段中的某个poi）的距离，如果与巴黎城市栈段的距离在100km之内，则将A景点poi加入巴黎城市栈段，或者，与两城市栈段的距离都小于阈值100km，则加入最近距离的城市栈段。
步骤S3：设置行程时间域，由所述行程时间域获得所述每天行程中溢出poi的城市栈段、未填满poi的城市栈段；
自由行的用户越来也多，相对于跟团游来说，自由行用户的个性化需求更为丰富，例如，行程节奏的松紧度就是影响旅行质量的重要因素，现有技术中的行程制订系统仅通过标准化的数据生成千篇一律的标准的行程规划，不能满足用户个性化的需求，缺乏合理性。
本发明中设定行程时间域来定义旅游节奏的松紧度，并以此来调节行程中的景点游玩时间、游玩次序，生成更为合理的行程规划。所述时间域为时间区段，例如，1. 行程松紧度为“宽松”，时间域为每天游玩4-6小时；2. 行程松紧度为“适中”，每天游玩6-8小时；3. 行程松紧度为“紧凑”，每天游玩8-12小时。
具体的，从真实用户行程数据库（Traveler Big Data，TBD）调取poi标准游玩时间表（poi_standard_tour_time）和城市推荐交通时间表（plan_recommend _traffic），首先，从所述旅游行程中去除每个城市栈段之间的标准交通时间，以重新分配每天行程的每个城市栈段的游玩时间，获得每天行程的每一城市栈段的规划时间。例如，Day4原定游玩时间为8小时，巴黎至凡尔赛的推荐交通为城际火车，标准用时为35分钟，从8小时出去此35分钟，则为Day4的规划时间7小时25分钟，以此类推，将九天的行程的游玩时间重新分配，获得每天行程的规划时间。
然后，由poi的标准游玩时间之和获得每天行程的标准时间。根据所述poi标准游玩时间表计算出每天行程中各个poi的标准游玩时间并求和，得到每天行程的标准时间。例如，圣路易主教座堂标准游玩时间为1小时，国王的菜园标准游玩时间为4小时，凡尔赛宫标准游玩时间为2小时，玛丽-安托瓦内特的宫苑的标准游玩时间为3小时，则Day4的标准时间为10小时。所述poi的标准游玩时间由真实用户行程数据库统计获得。
接着，比较所述规划时间与所述标准时间。如果所述标准时间大于所述规划时间，则将每天行程的城市栈段中超出所述标准时间的poi作为溢出poi，相应的城市栈段为溢出poi的城市栈段。例如，上述行程中Day4的规划时间7小时25分钟，Day4的标准时间为10小时，超出的2小时35分钟为溢出时间，该日的最后一个景点poi玛丽-安托瓦内特的宫苑为溢出poi，相应的凡尔赛为溢出poi的城市栈段。可选的，对于超出标准时间的城市栈段中的景点poi进行排序，例如按照人气值等因素，将其中人气值最低的poi作为溢出poi。
类似的，按照poi的游玩次序倒序移除所述溢出poi指导标准时间小于或者等于所述规划时间为止，溢出poi均暂存于待移动poi集合中。
如果所述标准时间小于所述规划时间，则将每天行程中未被所有poi标准时间之和占满的城市栈段作为未填满poi的城市栈段。例如，Day5当天规划的行程中普罗旺斯城市栈段仅有凡尔登大峡谷标准游玩时间3小时，该日的poi标准时间之和为3小时，小于规划时间10小时，则该城市栈段为未填满poi的城市栈段。
步骤S4：在所述城市栈段中移动或增加poi，以满足行程时间域。
例如，将有关联的溢出poi并入未填满poi的城市栈段中，具体包括：查询poi关系表（place_poi2poi），获得所述溢出poi的相似矩阵,即去过该溢出poi的人群还想去哪些poi；
然后计算各个城市栈段与所述相似矩阵中poi的差积，获得存在差积的poi与相应的城市栈段；同时计算出上述各个差积的percent_num评分；
按照所述差积的评分之和的顺序，将存在差积的poi依次加入其相应的每天行程的城市栈段。
本发明的另一实例中，从真实用户行程数据库（Traveler Big Data，TBD）调取poi关系表（place_poi2poi），所述关系表依据poi之间的地理位置关系创建，根据此表获得move集内有关联的所述溢出poi，例如位于同一城市或者距离小于设定值的溢出poi，将上述有关联的溢出poi并入未填满poi的城市栈段中，直到所有poi的标准时间之和大于或者等于未填满poi城市栈段的规划时间为止。
优选的，所述查询poi关系表之前，还包括：删除每天行程中重复的poi。
所述步骤S4中，所述增加poi具体包括：查询poi关系表，计算与未填满poi城市栈段中的poi密切关联的新poi，插入所述未填满poi的城市栈段中。
本发明的另一实施例中，所述每天的行程中还包括没有任何poi的空城市栈段，所述空城市栈段可能是原规划行程中未设置poi或其他可能原因，则可以查询poi关系表将满足该空城市栈段游玩时间的溢出poi放入所述空城市栈段。
可选的，将有关联的溢出poi并入未填满poi的城市栈段中，即步骤S3之后还包括：
查询poi关系表，计算与未填满poi城市栈段中的poi密切关联的新poi，插入所述未填满poi 的城市栈段中。换言之，当move集内的溢出poi均分配到未填满poi的城市栈段中之后，还可以将与已有poi相关联的新poi增加入该未填满poi的城市栈段中，使得行程更加充实。
所述新poi可以是与未填满poi城市栈段中的poi地理位置相近的，也可以是根据城市栈段推荐poi排序获得。例如可以推荐排名表（admin_rank）或游玩人气表（been2counts）进行排序，推荐排名表为真实用户旅行数据库统计的综合优质poi，而游玩人气表为对各个景点poi真实用户实际游玩次数的统计数据。
同样的，如果行程中存在空城市栈段，所述新poi也可用于填满空城市栈段。优选的，先插入溢出poi进入空城市栈段内，然后再获得新poi插入所述空城市栈段内。所述空城市栈段不含人任何poi并且没有移除过溢出poi。
例如，法国九日游行程中戛纳城市栈段不含有任何poi的空城市栈段，普罗旺斯城市栈段中溢出poi为教皇宫，从poi关系表中查询到教皇宫距离戛纳最近，则把教皇宫添加进入戛纳城市栈段中，或者，搜索戛纳城市标签从推荐排名表或游玩人气表中排列，依次选择推荐名次较高或者人气排名较高的城市插入戛纳城市栈段内，直到填满该城市栈段的规划时间。
步骤S5：分别优化所述每天行程的poi顺序，以获得最省时、最短和最便捷的游玩路径。具体包括：
步骤S51：解析每天行程的每个城市栈段的poi为：起点poi集、白天poi集、夜晚poi集和终点poi集。所述起点poi集内包括从前一个城市到当前城市的交通poi、当前城市的酒店poi，所述终点poi集内包括从当前城市到下一个城市的交通poi、当前城市的酒店poi。
解析每天行程的每个城市栈段的poi时，通过每天行程中poi标签和/或poi名称划分白天poi和夜晚poi，例如，poi名字中含有“夜间”、“白天”等。所述poi标签来自于真实用户旅行数据库中元数据的poi信息。
步骤S52：如果没有指定起点和终点，则分别从起点poi集和终点poi集内选取mapstatus不为0的poi作为的行程起点poi和行程终点poi。
步骤S53：根据行程起点poi和行程终点poi优化白天和夜晚的游玩路线，包括：判断每个城市栈段的poi数量是否超过设定值，如果是，则采用贪心算法优化poi路径，如果否，则采用旅行商问题算法优化poi路径。
例如，所述设定值为8，当该城市栈段当天的poi不多于8个景点时采用旅行商问题算法，即所有景点到其他所有景点的最短路径的方法，先求出所有景点之间的最短路经，然后使用状态压缩（16位每位上为1表示已走过，0表示没有走过），直接用位运算，来表示所有的线路状态。依次选择最短路径，直至并入所有景点得到最终线路。
当该城市栈段当天的poi多于8个时，采用贪心算法优化路径，初始化线路R=[a1]，poi集A=[a1,a2,...]将线路中的每两个poi间的距离(边vij，景点i到景点j的距离)从小到大存入最小堆V=[v11,v12,....vij]中，每次依据线路的最后一个景点ai选取距离最近的景点aj,即取最短边Vij的景点aj并入到线路中，并判断当前线路(ai-1,ai,aj)的距离是否小于原线路直接到景点aj(ai-1,aj)的距离，如果小于，则并入到线路R中如：R=[...,ai-1,ai,aj]，否则更新线路R，使R=[....,ai-1,aj]，直到所有poi都并入到线路中。
可选的，当白天poi集为空而夜晚poi集不为空，则以所述行程起点poi和所述行程终点poi作为夜晚路线的起始点进行优化。
可选的，当白天poi集为不为空而夜晚poi集为空，则以所述行程起点poi和所述行程终点poi为白天路线的起始点进行优化。
可选的，当白天poi集不为空而夜晚poi集也不为空，则以夜晚poi集内的第一个景点作为白天路线的终点进行优化。
上述旅游行程的优化方法将行程优化过程分解为两个层面：全部行程和每天行程，对全部行程而言根据poi标准游玩时间，以城市栈段为最小单元，合理分配每天行程中溢出poi进入未填满poi的城市栈段，进而再优化每日行程的路线，使得整个行程更接近实际用户的旅行经验，更为合理和高效。
进一步的，针对调整溢出poi之后的行程再优化每天的游玩路径，可以游玩路线最短的同时还能兼顾白天和夜晚景点合理安排时间，使得游玩行程更为准确。
经过上述旅游行程的优化方法，以城市栈段这一中观的行程数据维度为核心调制对象，删除了各个城市栈段重复的游玩景点poi，按照预设的行程时间域，过于紧凑的安排，从行程中删除景点poi，或者从某天的城市栈段移动到其他的城市栈段，过于宽松的安排，移入或增加景点poi，从而更为智能的满足用户的个性化需求，获得合理的行程安排。
本发明的另一实施例还提供了一种旅游行程的创建方法，包括以下步骤：
步骤P1：获取旅游的目标国家、出发城市、返回城市；
步骤P2：从真实用户旅游数据库中查询全部目标国家，计算最短国家线路；
步骤P3：根据真实用户旅游数据库，计算每一目标国家的实际游玩天数；
步骤P4：根据所述每一目标国家的实际游玩天数，获取每一目标国家的城市线路和城市游玩天数；
步骤P5：计算所述城市线路中每一目标城市的景点线路。
其中，所述步骤P2具体包括：
步骤P21：判断目标国家的数量是否小于阈值；
步骤P22：如果否，则通过旅行商算法优化出最短国家线路。
其中，所述步骤P1还包括设定出发日期，则所述步骤P3具体包括：
步骤P31：从真实用户旅游数据库中获取国家推荐游玩天数表，进而获取每一目标国家的推荐游玩天数；
步骤P32：计算所有目标国家推荐游玩天数之和作为实际游玩天数，所述推荐游玩天数作为每一目标国家的实际游玩天数。
其中，所述步骤P1还包括设定规划游玩天数，则所述步骤P3具体包括：
步骤P31’：从真实用户旅游数据库的国家推荐游玩天数表中，获取每一目标国家的推荐游玩天数，将所有目标国家的推荐游玩天数之和作为行程最小游玩天数；
步骤P32’：判断所有目标国家的推荐游玩天数之和是否小于所述规划游玩天数；
步骤P33’：如果是，按照每一目标国的推荐游玩天数在所述行程最小游玩天数所占的比重，将所述规划游玩天数和所述行程最小游玩天数的差值分配给各个目标国，从而获得每一目标国家的实际游玩天数；
其中，所述步骤P4具体包括：
步骤P41:从真实用户旅游数据库中调取目标国家的推荐城市线路表；
步骤P42:判断是否已设定必游城市；
步骤P43:如果是，从所述推荐城市线路表中选择包括最多必游城市、并且线路游玩天数不大于该目标国家游玩天数的城市线路，作为行程的城市线路；
步骤P44:如果否，从所述推荐城市线路表中选择城市线路的总游玩天数最接近目标国家游玩天数的城市线路，作为行程的城市线路；
步骤P45:分配该目标国家的游玩天数，获得所述城市线路中每一目标城市的游玩天数。
本发明的另一实施例中，还提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行如下步骤：
步骤S1：解析旅游行程中的城市标识，将每天的行程划分为一个或多个城市栈段；
步骤S2：将所述旅游行程中的poi分配入对应的城市栈段；
步骤S3：设置行程时间域，由所述行程时间域获得所述每天行程中溢出poi的城市栈段、未填满poi的城市栈段；
步骤S4：在所述城市栈段中移动或增加poi，以满足行程时间域；
步骤S5：分别优化所述每天行程的poi顺序。
优选的，所述处理器被配置为执行如下，所述步骤S2具体包括：
根据景点poi的位置信息，将其分配入对应的城市栈段；
或，获取行程中的酒店poi，根据其位置信息分配入对应的城市栈段；
或，获取行程中的交通poi，根据其位置信息分配入对应的城市栈段；
优选的，所述处理器被配置为执行如下，所述获取行程中的交通poi，根据其位置信息分配入对应的城市栈段，还包括：
如果所述交通poi的位置信息不属于已划分出的城市栈段，则依据其位置信息创建新的城市栈段。
优选的，所述处理器被配置为执行如下，根据景点poi的位置信息，将其分配入对应的城市栈段，还包括，
如果所述景点poi的位置信息不属于已划分出的城市栈段，则获取与所述poi距离最近的已划分出的城市栈段；如果所述距离小于或等于设定阈值，则将该景点poi分配入该距离最近的城市栈段。
优选的，所述处理器被配置为执行如下，设置行程时间域，由所述行程时间域获得所述每天行程中溢出poi的城市栈段、未填满poi的城市栈段，具体包括：
从所述行程时间域中，去除每个城市栈段之间的标准交通时间，以重新分配每天行程的城市栈段的规划时间；
由各个poi的标准游玩时间之和，获得每天行程的城市栈段的标准时间；
比较所述规划时间与所述标准时间；
如果所述标准时间大于所述规划时间，则将每天行程的城市栈段中超出所述规划时间的poi作为溢出poi，相应的城市栈段为溢出poi的城市栈段；
如果所述标准时间小于所述规划时间，则将每天行程中未被所有poi标准时间之和占满的城市栈段作为未填满poi的城市栈段。
优选的，所述处理器被配置为执行如下，所述步骤S4具体包括：
查询poi关系表，获得所述溢出poi的相似矩阵；
计算各个城市栈段与所述相似矩阵中poi的差积，获得存在差积的poi与相应的城市栈段；
按照所述差积的评分和的顺序，将存在差积的poi加入其相应的城市栈段。
优选的，所述处理器被配置为执行如下，所述分别优化所述每天行程poi顺序，具体包括：
解析每天行程的每个城市栈段的poi为：起点poi集、白天poi集、夜晚poi集和终点poi集；
如果没有指定起点和终点，则分别从起点poi集和终点poi集内选取mapstatus不为0的poi作为的行程起点poi和行程终点poi；
根据行程起点poi和行程终点poi优化白天和夜晚的游玩路线，包括：判断每个城市栈段的poi数量是否超过设定值，如果是，则采用贪心算法优化poi路径，如果否，则采用旅行商问题算法优化poi路径。
优选的，所述处理器被配置为执行如下，所述起点poi集内包括酒店poi和/或交通poi，所述终点poi集内包括酒店poi和/或交通poi，通过poi标签和/或poi名称划分白天poi和夜晚poi。
优选的，所述处理器被配置为执行如下，根据行程起点poi和行程终点poi优化白天和夜晚的游玩路线，还包括：当白天poi集为空而夜晚poi集不为空，则以所述行程起点poi和所述行程终点poi作为夜晚路线的起始点进行优化。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。