基于数据挖掘的智能旅游导航系统研究

姜攀

摘 要： 为了解决传统PDA旅游导航系统存在旅游路线规划不完善、导航功能差和响应时间长的问题，设计基于数据挖掘的智能旅游导航系统。设计系统的总体结构包括旅游信息智能推荐模块、旅游行程规划模块、旅游信息资源库以及数据挖掘处理模块，系统中的旅游行程规划模块可根据游客自身需求，制定令游客满意的旅游线路；系统中的数据挖掘模块通过六大空间数据挖掘流程，深度挖掘游客感兴趣的旅游信息，加快旅游数据挖掘速率。给出系统的功能结构，并基于旅游多维数据的数据集特性挖掘的实现，挖掘出处于不同区域的旅游数据，基于旅游危险求助模块的实现，规避旅游导航过程中的危险情况，得到智能旅游导航结果。实验结果说明所设计系统旅游路线规划完善、导航性能强、响应效率高。

关键词： 数据挖掘； 智能旅游； 导航系统； 旅游线路； 挖掘精度； 模块设计

中图分类号： TN99?34； TP393 文献标识码： A 文章编号： 1004?373X（2018）07?0147?05

Research on intelligent tourism navigation system based on data mining

JIANG Pan

（School of Information Engineering， Wuhan Business University， Wuhan 430056， China）

Abstract： In order to eliminate the problems of imperfect tourism route planning， poor navigation function and long response time exiting in traditional PDA tourism navigation system， an intelligent tourism navigation system based on data mining was designed. The overall structure of the system includes the intelligent recommendation module of tourism information， itinerary planning module， tourism information resource database and data mining processing module. The itinerary planning module of the system can formulate the tourism route satisfying the tourist according to the requirements of tourists. The data mining module of the system can deeply mine the tourism information interested by tourists through six?space data mining process， and accelerate the mining rate of tourism data. The functional structure of the system is given. The implementation of data set characteristic mining based on multidimensional tourism data can mine the tourism data of different regions. The implementation of the tourism risk rescue module can avoid the dangerous situation in the process of tourism navigation. The result of intelligent tourism navigation is obtained. The experimental results show that the designed system has perfect tourism route planning， strong navigation performance and high response efficiency.

Keywords： data mining； intelligent tourism； navigation system； tourism route； mining accuracy； module design

隨着城市智能旅游的发展日益增强，旅游导航系统和旅游资源需求也越来越迫切。旅游业的发展能够带动区域经济的高速增长，将不同区域的旅游资源进行整合，为游客提供个人化、特色化的服务，让游客在短时间内得到自己想要的旅游信息，并利用数据挖掘技术进行数据挖掘[1]。基于数据挖掘的智能旅游导航系统能实现游客的旅游需求，传统的PDA旅游导航系统存在旅游路线规划不完善、导航功能差和响应时间长的问题。因此，本文设计基于数据挖掘的智能旅游导航系统，能够完善旅游路线规划，减少系统响应时间，实现智能旅游导航。

1 基于数据挖掘的智能旅游导航系统设计

1.1 系统总体框架设计

本文设计的基于数据挖掘的智能旅游导航系统是在Java，Servlet和数据挖掘技术的基础上，建立的以浏览器/服务器为核心的基于数据挖掘的智能旅游导航系统。本文系统采用J2EE结构，包括逻辑结构、表达结构和数据库。系统按照用户接口处理分为旅游信息智能推荐模块、旅游行程规划模块、旅游信息资源库和数据挖掘处理模块。游客进入系统网站后，旅游信息智能推荐模块根据游客的历史浏览记录为游客提供接近喜好的个性化界面。游客输入旅游信息的关键字后，旅游信息智能推荐模块对关键字进行数据分析[2]，将分析结果导入到旅游行程规划模块获取规划的旅游行程结果，实现旅游信息的数据挖掘，得到最终的导航结果，将系统的导航结果反馈给游客，实现系统的智能旅游导航功能。在旅游途中可能出现突发危险，旅游危险求助模块可提前预警突发状况，让游客提早防范[3]。系统各模块间相互依赖、相互影响获得满足游客旅游需求的导航结果。系统总体框架如图1所示。

1.2 旅游行程规划模块设计

本文系统中旅游行程规划模块实现功能有：基于旅游目的地数据库、旅游企业和旅游产品数据库，按照游客的个人喜好、市场环境进行数据挖掘和信息分类的结果。根据游客的目的地、出发地和预算等条件制定符合游客预期要求的旅游路线规划[4]。旅游行程规划模块按结构可分为数据层、服务层和表示层。

数据层包括的内容有：游客的信息、旅游景点信息和旅行线路信息等，通过Oracle软件建立可查询路线的地图数据库；根据游客的行程规划结果对其中的业务操作数据进行逻辑上的识别和组织，业务操作内容包括数据的输入和编辑、空间资料的查询分析和数据输出，将得到的逻辑结果传输给游客，属于服务层的内容；表示层能够根据游客不同的接受能力提供专属的旅游服务[5]。智能处理模块利用Apriori算法可初步对旅游数据进行关联挖掘，对挖掘的结果归纳整合，能够对旅游线路的规划起到很好的补充作用。旅游行程规划模块设计流程如图2所示。

图2中，游客进行旅游行程规划时，系统先对旅游行程规划模块进行调用，在行程规划表上填写各种需求信息，基于旅游目的地数据库对游客需求进行初步检索，得到初步规划结果，再通过调用智能模块处理对初步规划结果进一步处理得到最终的旅游行程规划结果，结束进程。旅游行程规划模块根据游客的需求和智能模块的共同作用，得到令游客满意的旅游路线。

1.3 数据挖掘处理模块设计

图3为系统中数据挖掘处理模块中的空间数据挖掘流程图。空间数据挖掘属于数据挖掘的一种形式，是指从空间数据库中筛选出一些能引起使用者兴趣的空间模式或特征，以及隐藏在数据信息中的普遍数据。空间数据挖掘的基本过程可分为六个步骤：数据选取，挖掘感兴趣的对象及其属性的关联数据；预处理，对不完整的数据进行筛选的处理；数据转换，对预处理产生的结果经过数学轉换得到感兴趣对象的特点，经过数学转换可减少运算步骤且转换结果易于处理；数据挖掘，是空间数据挖掘的关键，对转换结果进行挖掘，获得优秀的数据；模式的解释和知识评估[6]，通过计算支持度、置信度等对挖掘的数据进行筛选，但最终结果还需要人判断。本文系统设计的空间数据挖掘可深度挖掘游客感兴趣的旅游信息，减少运算步骤，加快旅游数据挖掘速率。

2 数据挖掘的智能旅游导航系统实现

2.1 功能实现

本文系统以游客为出发点，具有旅游导航、酒店预定、交通设施、论坛发布、美食推荐等功能。具体本文系统实现的功能如图4所示。系统服务的对象主要有游客、旅行社和政府部门，对游客来讲可以根据自身的需求如时间、出行方式和资金范围等做出线路选择，也可以根据本系统发布的旅行社的旅行线路、交通和住宿条件等从中考虑。对于政府部门和旅行社，可以通过本系统加强旅游宣传，让游客了解当地的风景名胜，促进旅游业的蓬勃发展[7]，为旅游业的开发和管理提供依据。

由图4可以看出系统可提供景区周边地图，也可给出推荐旅游路线，对酒店的预定可选择景点附近的区域，选择人数和价格都合适的酒店房间，打开导航系统可知附近有哪些地铁及公交线路方便交通出行，用户可以在系统的论坛上发布自己在旅行中的感想和发帖询问一些旅游问题，美食推荐能够引导游客品味当地的滋味，发现新的味蕾。

2.2 旅游多维数据的数据集特性挖掘

假设系统中的旅游数据分布在多维的子空间中，处于同一空间的两组旅游数据间的关联程度越大，旅游数据的相关性就越强。对处于同一空间的旅游数据区分采用旅行数据样本的关联度来制作挖掘规则，当旅游数据处于不同空间，根据子空间进行关联度确认[8]，进而制作挖掘规则。

设置系统中旅游数据子空间的维度为[d，]先挖掘分布在不同空间的数据集，用[M]表示子空间矩阵，子空间矩阵[M]表示为：

假设两个处于不同子空间[Mi（i≤d）]和[Mk（k≤d）]的旅游数据集为[Vi]和[Vk，][D（i，k）]表示两个数据集的欧几里得距离，因此，得出处于不同子空间的数据集的挖掘公式为：

式中：[σ]表示挖掘因子；[P（Vi）]和[P（Vk）]分别表示数据集[Vi]和[Vk]的挖掘频率。

同一子空间的不同旅游数据集的挖掘，可用数据集的关联度区分。根据式（1），式（2）求得[K1]和[K2，]根据[K1，][K2]求得同一空间数据集的关联因子：

由式（3）得到旅游数据集的关联因子[g（i，k）]，进而得到处于同一子空间下的数据集的挖掘公式为：

设[T（V）]为空间[Mi]中旅游数据集的关联程度限定值，当关联因子[g（i，k）]的值大于[T（V）]时，说明数据集的关联性较强，旅游数据集的区分公式可表示为：

反之，当关联因子[g（i，k）]的值小于[T（V）]时，关联性较弱，则区分公式分别为：

采用概率估算计算旅游数据挖掘频率，概率估算公式为：

挖掘因子用[λ]表示，在0～1之间，[ζ]表示预期挖掘概率与实际挖掘情况之间的相对误差[9]，则提高旅游数据挖掘精度后的表达式为：

上述分析过程根据旅游多维数据的数据集特性挖掘对处于不同子空间的旅游数据进行挖掘，得到关联度小的旅游数据挖掘方法，可挖掘出不同地域的旅游数据，概率估算和挖掘因子的引入提高了旅游数据的挖掘精度。

2.3 旅游危险求助模块的实现

系统中的旅游危险求助模块为求救信号提供相应支持，游客使用各种移动终端设备向系统服务中心发出求救信号，系统对求救信号分类，根据事件的紧急程度和受伤害情况分为一般情况、紧急情况和危险情况三种等级。图5是旅游救援流程图，一般情况的救援主要采取对游客发送救援导航地图或与当地联系进行联合救援[10]；紧急情况甚至危险情况下，会将求救信号发送给医院、消防救援等部门，给出专业的救助；发生大型自然灾害时应向其他游客发出警告信息，避开危险地带。

3 实验分析

3.1 系统导航性能测试

本文系统导航功能主要对游客的“吃”、“购”、“娱”、“游”、“住”方面进行导航。一种方式是名称导航。根据搜索内容，系统给出导航结果，为游客提供相关信息。如图6所示是按名称本文系统的导航检索结果。图6以西安城墙为例，用户采用本文系统进行检索，由检索结果可以看出输入西安城墙，界面会显示具体的门票价格、可停留时间和景点具体的信息介绍。还可对周边的宾馆、小吃等进行搜索，根据搜索类型不同得到不同的导航结果，说明本文系统的导航能力加强。

游客还可根据专家推荐进行旅游信息导航，游客将自己可接受的价格区间、游玩时间、住宿要求等信息输入界面，对游客的综合要求分析整理、制定符合游客需求的旅游方案。图7是本文导航系统的专家推荐页面。

从图6，图7可以看出，本文系统通过名称导航结果和专家推荐的结果能够对游客的需求给出详尽的旅游规划，包括对景点的历史进行详细介绍。游客输入关键信息，专家根据旅游资源库的数据为游客制定住宿、景点游览计划和餐饮选择等。

3.2 系统响应时间测试

系统的响应时间是从游客发出需求到系统做出响应的过程花费的时间。系统响应时间测试应在数据负载压力最大期间，测试系统执行任务的平均响应时间如图8所示。

由图8可得，传统系统和本文系统的平均响应时间都逐渐增加，传统的PDA旅游导航系统平均响应用时在1.8～2.4 s左右，本文系统的平均响应用时在1 s之內，用时远小于传统系统，证明本文系统的响应速度快。

3.3 游客自我定位测试

游客可以在移动手机终端上安装本文设计的旅游导航系统，系统则可对游客进行定位。表1描述的是本文系统的定位功能测试结果。

游客移动终端上的地图软件将用户的位置信息发送到本文系统。一旦游客出现紧急情况，本文系统的旅游危险求助模块会立刻做出响应，判断事件的危险等级，从而对游客实施救援。

4 结 语

本文设计的基于数据挖掘的智能旅游导航系统可以完善旅游线路规划、增强系统的导航功能、提高系统响应速率，实现旅游数据的高效利用。

参考文献

[1] 王立平，刘艳玲，任剑岚.基于数据挖掘的煤炭设备管理智能分析模型研究[J].煤炭技术，2014，33（2）：237?239.

WANG Liping， LIU Yanling， REN Jianlan. Based on data mining coal equipment management intelligent analysis model [J]. Coal technology， 2014， 33（2）： 237?239.

[2] 李菲.基于数据挖掘的商务智能系统的设计与实现[J].现代电子技术，2016，39（11）：152?155.

LI Fei. Design and implementation of business intelligence system based on data mining [J]. Modern electronics technique， 2016， 39（11）： 152?155.

[3] 肖坚红，严小文，周永真，等.基于数据挖掘的计量装置在线监测与智能诊断系统的设计与实现[J].电测与仪表，2014，51（14）：1?5.

XIAO Jianhong， YAN Xiaowen， ZHOU Yongzhen， et al. Design and implementation of metering device online monitoring and intelligent diagnosis system based on data mining [J]. Electrical measurement & instrumentation， 2014， 51（14）： 1?5.

[4] 吴晓英，明均仁.基于数据挖掘的大数据管理模型研究[J].情报科学，2015，33（11）：131?134.

WU Xiaoying， MING Junren. Research on the big data management model based on data mining [J]. Information science， 2015， 32（11）： 131?134.

[5] 吴澎，朱家明，朱林波，等.基于多目标规划和智能优化算法的旅游线路设计研究[J].数学的实践与认识，2016，46（15）：105?114.

WU Peng， ZHU Jiaming， ZHU Linbo， et al. Research on the design of travel route based on the multi?objective programming and intelligent optimization algorithm [J]. Mathematics in practice and theory， 2016， 46（15）： 105?114.

[6] 许峰，李帅帅，齐雪芹.大数据背景下旅游系统模型的重构[J].旅游科学，2016，30（1）：48?59.

XU Feng， LI Shuaishuai， QI Xueqin. On the reconstruction of tourism system model in the background of big data [J]. Tourism science， 2016， 30（1）： 48?59.

[7] 李東和，张鹭旭.基于TAM的旅游App下载使用行为影响因素研究[J].旅游学刊，2015，30（8）：26?34.

LI Donghe， ZHANG Luxu. Model of influential factors for downloading and using tourism apps based on a technology acceptance model [J]. Tourism tribune， 2015， 30（8）： 26?34.

[8] 高悦尔，陈舒婷，郑承于，等.基于浮动车数据的旅游景点周边路网容量研究：以厦门岛为例[J].地理科学进展，2016，35（12）：1529?1537.

GAO Yueer， CHEN Shuting， ZHENG Chengyu， et al. Road network capacity of tourist site′s periphery based on FCD： ta?king Xiamen island as an example [J]. Progress in geography， 2016， 35（12）： 1529?1537.

[9] 徐程瑾，钟章奇，王铮.基于GIS的京津冀核心旅游圈构建研究[J].地域研究与开发，2015，34（2）：103?107.

XU Chengjin， ZHONG Zhangqi， WANG Zheng. Research on the construction of the optimum tourism circle in Jingjinji region based on GIS [J]. Areal research and development， 2015， 34（2）： 103?107.

[10] 侯乐，杨辉华，樊永显，等.基于ILS?CS优化算法的个性化旅游线路研究[J].计算机科学与探索，2016，10（1）：142?150.

HOU Le， YANG Huihua， FAN Yongxian， et al. Research on personalized trip itinerary based on ILS?CS optimization [J]. Journal of frontiers of computer science and technology， 2016， 10（1）： 142?150.