一種結合短時流量預測的旅游路線推薦方法技術

本發明專利技術提供一種結合短時流量預測的旅游路線推薦方法，該方法為：從照片共享網站下載歷史照片描述信息，采用DBScan聚類算法對照片進行聚類，得到照片密度大的興趣點，提取歷史照片描述信息的歷史旅游路線，根據歷史照片描述信息，建立各興趣點不同時間間隔的時間序列模型，根據該地區歷史旅游路線集合中的歷史旅游路線生成Markov模型的概率轉移矩陣，并通過用戶實時上傳的照片及照片描述信息，對Markov模型的概率轉移矩陣進行更新，根據更新后的Markov模型的概率轉移矩陣，為用戶推薦轉移概率最大的興趣點。該方法結合各興趣點的短時游客流量做路線推薦，在景點內部起到分散客流的作用。

【技術實現步驟摘要】

本專利技術屬于數據挖掘
，具體涉及一種結合短時流量預測的旅游路線推薦方法。
技術介紹
隨著智能手機等移動智能設備的普及，人們生活水平的日益提高。人們在旅途中拍攝照片記錄下旅程的風景已經成為了一種風尚。每年都有成千上萬的人拍攝了大量的照片，照片除了記錄了人們旅途的風景，還附帶GPS信息、拍攝時間等有意義的數據。這為從照片中挖掘旅游路線并推薦提供了很好的數據源。由于互聯網的發展，大量的社交網站、照片共享平臺涌進人們的生活之中。這為旅途照片的分享提供了良好的互聯網平臺，使得信息的共享和傳遞得到了極大地提高。大量社交網站、照片分享平臺的涌現還為我們獲取數據源提供了優秀的平臺支持。由于照片信息中包含著GPS信息、拍攝時間信息，這使得我們依據照片的拍攝時間、照片間GPS信息的變化，提取出旅游路線成為了可能。目前，旅游大數據挖掘主要是使用聚類、關聯分析等方法，從大量用戶的移動軌跡中找到出現概率比較高的頻繁軌跡模式，進而為旅游行業提供有價值的信息，為決策者提供決策支持，同時也可以為用戶提供個性化的路線推薦服務。上述方法中提出的推薦路線都是基于歷史數據提出的一個經典路線，沒有考慮到旅行實時過程中游客流量對路線選擇的影響，當某些景點人流過大時應采取相應的分流策略，對旅游路線進行重新規劃。
技術實現思路
針對現有技術的不足，本專利技術提出一種結合短時流量預測的旅游路線推薦方法。本專利技術的技術方案是：一種結合短時流量預測的旅游路線推薦方法，包括以下步驟：步驟1：從照片共享網站下載一個地區H年的歷史照片描述信息，并將各歷史照片描述信息存儲于數據庫中，所述歷史照片描述信息包括：照片ID、照片GPS信息、上傳用戶ID、照片拍攝時間、照片主題和照片描述信息；步驟2：針對數據庫中歷史照片描述信息，采用DBScan聚類算法對照片GPS信息進行聚類，得到該地區照片密度大的興趣點；步驟3：提取歷史照片描述信息中各個興趣點在同一天內各上傳用戶ID的歷史旅游路線，得到該地區的歷史旅游路線集合；步驟3.1：提取出各個興趣點中同一天內一個上傳用戶ID的照片ID，并按照片拍攝時間進行排序，得到該用戶的一條歷史旅游路線；步驟3.2：重復步驟3.1提取各個興趣點在同一天內各上傳用戶ID的歷史旅游路線，將該地區內所有人的歷史旅游路線作為歷史旅游路線集合，得到該地區的歷史旅游路線集合；步驟4：根據歷史照片描述信息，建立各興趣點不同時間間隔的時間序列模型；步驟4.1：根據該地區H年內的照片拍攝時間，將各興趣點按照季節劃分為4個部分；步驟4.2：針對所述劃分的各部分，以t小時為時間間隔，統計出一天內各興趣點各時間間隔的照片數量，將各個時間間隔中該地區一個興趣點的照片數量的和作為該興趣點的時間序列；得到各個部分各興趣點的時間序列集合；步驟4.3：判斷當前興趣點時間序列是否平穩，若是，執行步驟4.5，否則，執行步驟4.4；步驟4.4：對當前興趣點的時間序列進行差分處理，得到該興趣點的新的時間序列，返回步驟4.3：步驟4.5：根據當前興趣點時間序列中k時間間隔的照片數量的方差和協方差確定該興趣點的時間序列的自相關系數和偏自相關系數，從而確定該興趣點的時間序列模型；步驟4.6：重復步驟4.3至步驟4.5，得到各興趣點的時間序列模型；步驟5：根據該地區歷史旅游路線集合中的歷史旅游路線生成Markov模型的概率轉移矩陣，并通過用戶實時上傳的照片及照片描述信息，對Markov模型的概率轉移矩陣進行更新；步驟5.1：根據歷史旅游路線集合中的歷史旅游路線計算各個興趣點間的轉移次數，得到該地區各興趣點狀態轉移有向圖，生成Markov模型的概率轉移矩陣；步驟5.2：將用戶上傳的當前時刻的各興趣點照片數量和各興趣點對應的時間序列模型對Markov模型的概率轉移矩陣進行調整；步驟6：根據用戶上傳的當前時刻的照片GPS信息和更新后的Markov模型的概率轉移矩陣，為用戶推薦轉移概率最大的興趣點。優選地，所述判斷當前興趣點時間序列是否平穩的具體方法為：判斷一個興趣點時間序列中照片數量的均值、方差和協方差是否與時間有關，若一個興趣點時間序列中照片數量的均值、方差和協方差均與時間無關，則該興趣點的時間序列平穩。優選地，所述步驟4.5包括以下步驟：步驟4.5.1：根據當前興趣點時間序列中k時間間隔的照片數量的方差和協方差得到該興趣點的k階滯后的自相關函數和k階滯后的偏自相關函數；步驟4.5.2：根據當前興趣點的k階滯后的自相關函數和k階滯后的偏自相關函數之間的關系，確定該興趣點的時間序列模型的形式；步驟4.5.3：根據當前興趣點的k階滯后的自相關函數和k階滯后的偏自相關函數是否在置信區間內，確定該興趣點的時間序列模型的階數；步驟4.5.4：采用帶遺忘因子的遞推最小二乘算法確定當前興趣點的時間序列模型的參數矩陣。優選地，所述步驟5.2包括以下步驟：步驟5.2.1：將用戶上傳的當前時刻的各興趣點照片數量輸入對應興趣點的時間序列模型，得到各興趣點下一時刻游客流量的預測值，并計算該地區各興趣點下一時刻游客流量預測值的平均值；步驟5.2.2：確定各興趣點下一時刻游客流量預測值nj與下一時刻游客流量預測值的平均值的差值subj，j為興趣點；步驟5.2.3：根據各興趣點下一時刻游客流量預測值nj與下一時刻游客流量預測值的平均值的差值subj對Markov模型的轉移概率進行更新，得到更新后的Markov模型的概率轉移矩陣：所述更新公式為：當subj大于0時，令其中，pij′為更新的轉移概率，pij為原Markov模型的轉移概率，N1＜N為subj大于0的興趣點個數，p0為概率變化的基本單位；當subj小于0時，令其中，小于0的興趣點個數。本專利技術的有益效果：本專利技術提出一種結合短時流量預測的旅游路線推薦方法，該方法結合各興趣點的短時游客流量做路線推薦，對于游客量過大或過小的興趣點，適當減小下一時間段到該興趣點的轉移概率，從而在景點內部起到分散客流的作用。現在旅游業發展迅速，一些較大的景點每天都要接待大量的游客，景區擁堵成了普遍現象，而且人流密集也存在一定的安全隱患，因此，分散客流就更加有意義。附圖說明圖1為本專利技術實施方式中結合短時流量預測的旅游路線推薦方法流程圖；圖2為本專利技術實施方式中個景區內的游客a和游客b的歷史旅游路線示意圖；圖3為本專利技術實施方式中建立各興趣點不同時間間隔的時間序列模型的流程圖；圖4為本專利技術實施方式中1-3月、4-6月、7-9月、10-12月四個部分差分前的時間序列和差分處理后的時間序列對比示意圖；其中，(a)為1-3月差分前的時間序列和差分處理后的時間序列對比示意圖；(b)4-6月差分前的時間序列和差分處理后的時間序列對比示意圖；(c)7-9月差分前的時間序列和差分處理后的時間序列對比示意圖；(d)10-12月差分前的時間序列和差分處理后的時間序列對比示意圖；圖5為本專利技術實施方式中得到的各興趣點狀態轉移有向圖；圖6為本專利技術實施方式中得到的1-3月、4-6月各興趣點下一時刻游客流量的預測值與實際流量的對比圖；其中，(a)為傳統方法得到的1-3月游客流量的預測值與實際流量的對比圖；(b)為本專利技術方法得到的1-3月游客流量的預測值與實際流量的對比圖；(c)為傳統方法得到的4-6月游客流量的預測本文檔來自技高網...

【技術保護點】
一種結合短時流量預測的旅游路線推薦方法，其特征在于，包括以下步驟：步驟1：從照片共享網站下載一個地區H年的歷史照片描述信息，并將各歷史照片描述信息存儲于數據庫中，所述歷史照片描述信息包括：照片ID、照片GPS信息、上傳用戶ID、照片拍攝時間、照片主題和照片描述信息；步驟2：針對數據庫中歷史照片描述信息，采用DBScan聚類算法對照片GPS信息進行聚類，得到該地區照片密度大的興趣點；步驟3：提取歷史照片描述信息中各個興趣點在同一天內各上傳用戶ID的歷史旅游路線，得到該地區的歷史旅游路線集合；步驟3.1：提取出各個興趣點中同一天內一個上傳用戶ID的照片ID，并按照片拍攝時間進行排序，得到該用戶的一條歷史旅游路線；步驟3.2：重復步驟3.1提取各個興趣點在同一天內各上傳用戶ID的歷史旅游路線，將該地區內所有人的歷史旅游路線作為歷史旅游路線集合，得到該地區的歷史旅游路線集合；步驟4：根據歷史照片描述信息，建立各興趣點不同時間間隔的時間序列模型；步驟4.1：根據該地區H年內的照片拍攝時間，將各興趣點按照季節劃分為4個部分；步驟4.2：針對所述劃分的各部分，以t小時為時間間隔，統計出一天內各興趣點各時間間隔的照片數量，將各個時間間隔中該地區一個興趣點的照片數量的和作為該興趣點的時間序列；得到各個部分各興趣點的時間序列集合；步驟4.3：判斷當前興趣點時間序列是否平穩，若是，執行步驟4.5，否則，執行步驟4.4；步驟4.4：對當前興趣點的時間序列進行差分處理，得到該興趣點的新的時間序列，返回步驟4.3；步驟4.5：根據當前興趣點時間序列中k時間間隔的照片數量的方差和協方差確定該興趣點的時間序列的自相關系數和偏自相關系數，從而確定該興趣點的時間序列模型；步驟4.6：重復步驟4.3至步驟4.5，得到各興趣點的時間序列模型；步驟5：根據該地區歷史旅游路線集合中的歷史旅游路線生成Markov模型的概率轉移矩陣，并通過用戶實時上傳的照片及照片描述信息，對Markov模型的概率轉移矩陣進行更新；步驟5.1：根據歷史旅游路線集合中的歷史旅游路線計算各個興趣點間的轉移次數，得到該地區各興趣點狀態轉移有向圖，生成Markov模型的概率轉移矩陣；步驟5.2：將用戶上傳的當前時刻的各興趣點照片數量和各興趣點對應的時間序列模型對Markov模型的概率轉移矩陣進行調整；步驟6：根據用戶上傳的當前時刻的照片GPS信息和更新后的Markov模型的概率轉移矩陣，為用戶推薦轉移概率最大的興趣點。...

【技術特征摘要】
1.一種結合短時流量預測的旅游路線推薦方法，其特征在于，包括以下步驟：步驟1：從照片共享網站下載一個地區H年的歷史照片描述信息，并將各歷史照片描述信息存儲于數據庫中，所述歷史照片描述信息包括：照片ID、照片GPS信息、上傳用戶ID、照片拍攝時間、照片主題和照片描述信息；步驟2：針對數據庫中歷史照片描述信息，采用DBScan聚類算法對照片GPS信息進行聚類，得到該地區照片密度大的興趣點；步驟3：提取歷史照片描述信息中各個興趣點在同一天內各上傳用戶ID的歷史旅游路線，得到該地區的歷史旅游路線集合；步驟3.1：提取出各個興趣點中同一天內一個上傳用戶ID的照片ID，并按照片拍攝時間進行排序，得到該用戶的一條歷史旅游路線；步驟3.2：重復步驟3.1提取各個興趣點在同一天內各上傳用戶ID的歷史旅游路線，將該地區內所有人的歷史旅游路線作為歷史旅游路線集合，得到該地區的歷史旅游路線集合；步驟4：根據歷史照片描述信息，建立各興趣點不同時間間隔的時間序列模型；步驟4.1：根據該地區H年內的照片拍攝時間，將各興趣點按照季節劃分為4個部分；步驟4.2：針對所述劃分的各部分，以t小時為時間間隔，統計出一天內各興趣點各時間間隔的照片數量，將各個時間間隔中該地區一個興趣點的照片數量的和作為該興趣點的時間序列；得到各個部分各興趣點的時間序列集合；步驟4.3：判斷當前興趣點時間序列是否平穩，若是，執行步驟4.5，否則，執行步驟4.4；步驟4.4：對當前興趣點的時間序列進行差分處理，得到該興趣點的新的時間序列，返回步驟4.3；步驟4.5：根據當前興趣點時間序列中k時間間隔的照片數量的方差和協方差確定該興趣點的時間序列的自相關系數和偏自相關系數，從而確定該興趣點的時間序列模型；步驟4.6：重復步驟4.3至步驟4.5，得到各興趣點的時間序列模型；步驟5：根據該地區歷史旅游路線集合中的歷史旅游路線生成Markov模型的概率轉移矩陣，并通過用戶實時上傳的照片及照片描述信息，對Markov模型的概率轉移矩陣進行更新；步驟5.1：根據歷史旅游路線集合中的歷史旅游路線計算各個興趣點間的轉移次數，得到該地區各興趣點狀態轉移有向圖，生成Markov模型的概率轉移矩陣；步驟5.2：將用戶上傳的當...

【專利技術屬性】
技術研發人員：楊廣明，劉瑩，張賀，尚懷軍，張玉爽，
申請(專利權)人：東北大學，
類型：發明
國別省市：遼寧;21