疫情防控常态化背景下智慧旅游产品的开发设计

迟殿委

烟台理工学院人工智能学院，山东烟台 264003

引言

随着疫情形势的逐渐稳定，旅游业由此衍生出一些新模式，旅游市场结构发生变化，游客更青睐于健康、康养，休闲康养旅游迎来重大发展机遇。自驾游、周边游等旅游形式的兴起，赋予了旅游新的发展机遇，同时也带来新的挑战。

在后疫情时代，文旅产业的振兴离不开旅游产品的创新升级。目前，国内旅游产品种类很多，多数产品存在许多的共性问题：要么对安全尤其是疫情安全考虑不足，要么对用户的个性化旅行体验不够重视。本文着手设计一款智慧旅游产品，一方面基于智慧可穿戴设备实现游客健康安全信息数据采集监测和预警，为疫情防控提供保障；另一方面将大数据、人工智能等技术融入产品设计开发，秉承以“用户为中心”的设计理念，为用户提供个性化旅游出行方案，并基于平台用户旅游大数据进行分析挖掘，为景区、酒店及旅游管理部门提供有价值的改进建议和决策参考。

一 智慧旅游产品总体设计架构

设计疫情防控常态化背景下的智慧旅游产品，产品功能需要权衡游客防疫安全和个性化体验，也需要考虑游客预约的便利性和商家疫情管控的成本及利益，形成一套可指导产品开发的设计方案。

从旅游产品的使用者角度来划分，产品设计分为APP前端、商家管理端、管理后台与智慧旅游模块三个部分，产品总体架构设计（见封三图5）。

图5 产品总体架构图

APP前端与智能手环模块：该模块运行载体是智能手机。软件部分主要包括预约订票、路线规划、出行套餐推荐及打包支付、实时定位服务和个性化推荐服务、智能手环交互模块等功能。其中，产品运用智慧可穿戴设备，进行疫情常态化背景下游客旅行过程中的实时体温、健康状况、位置等信息实时采集和监控，并与旅游产品APP进行交互，可形成景区人数分布、体温异常预警等实时信息，方便景区管理员进行疫情管控和游客限流。

商家管理端：该模块运行载体是商家管理端服务器，主要包括景区和酒店商家等角色，业务功能主要包括健康报警（体温）、账号信息管理、门票管理、核销管理、订单管理等。

管理后台与智慧旅游模块：该模块运行载体是大数据分析和信息管理服务器，主要为产品平台管理人员提供信息维护和数据统计，并基于平台旅游数据运用数据挖掘和机器学习算法为商家和景区提供智慧决策。

二 智慧旅游产品详细设计

（一） APP前端与智能手环模块

产品客户端模块以APP方式呈现给游客，运行载体是智能手机。APP设计效果需要注重游客体验和个性化标准。主要包括预约订票、路线规划、出行套餐推荐及打包支付、实时定位服务和个性化推荐服务、智能手环交互模块等业务功能。针对以上业务功能进行分析总结，设计APP前端模块的功能结构（见封三图6）。

图6 APP前端功能结构图

其中，个人信息中心主要显示游客个人基本信息及旅游历史记录；预约模块是通过与限流景区规划的最大同时参观人数和当天预计接纳人数比较，进行预约排序，不限流的可以通过APP直接预约。预约成功后会自动生成二维码作为景点通行证。为减少用户旅游过程中吃、住、行频繁接受体温检测、二维码检查及身份核对等手续，也为游客提前规划好吃住行从而轻松旅游，用户预约时可以根据自己情况选择APP提供的与旅游景点相关的推荐搭配方案即套餐，预约成功后，将会生成通用的二维码；规划模块为每组游客提供入景区游客旅行路线（管理员可规定路线），路线可以由管理员在后台调整更新；个性化推荐模块是根据后台智慧旅游模块产生的推荐套餐在APP界面进行套餐展示，游客可以直接预约套餐，支付后会生成游客吃、住、游通用二维码。如果游客对推荐套餐不满意，也可以进入瞧瞧模块自定义套餐内容，分别选择酒店、景区、出行方式等，然后进行组合预订。

APP前端采用Android技术或IOS等技术开发旅游客户端软件。这里以Android开发智慧旅游前端系统为例。前端APP模块涉及两部分，分别是手机Android端模块和服务器模块。Android前端模块发送数据到服务器端，服务器端存储数据，或者查询数据以JSON等数据格式返回给APP前端。APP前端系统主要数据交互流程（见本文图1）。

图1 APP前端系统流程图

智能手环模块主要包括智能手环游客健康信息实时交互和异常预警。其中智能手环与游客APP客户端之间进行实时体温、血压等健康数据交互，交互流程（见本文图2）。

图2 智能手环与APP交互流程图

主要交互过程为：通过安卓手机上的蓝牙与智能手环上的蓝牙模块进行匹配建立连接，若已经建立连接，打开APP软件，身体的血压、心率、体温数据会在手机上实时显示，按照疫情常态化防控需要，如果体温超出异常设定范围，通过APP向景区管理员发送报警信息，管理员在APP商家端会有异常信息提示，方便景区管理人员进行疫情管控。

（二）商家管理模块

商家管理端使用者主要包括景区商家和酒店商家等角色，业务功能相对简单，主要包括健康安全报警（体温）、账号信息管理、门票管理、核销管理、订单管理等。针对以上业务功能设计商家管理端的系统结构（见封三图7）。

图7 商家管理端功能结构图

商家管理端主要供景区和酒店管理人员使用。账号信息模块主要维护商家账号相关信息，门票模块针对景区和酒店，面向游客提供电子售票，通过部署在各景点的售票终端，游客可以选择旅游景点购买电子门票、套票，同时这些销售信息保存到商家管理端服务器的数据库中，供商家管理人员查看，也可以为后台进行大数据分析提供数据来源。订单模块记录游客的购买记录和状态变化。核销管理，主要作用是为管理人员在核销时采用。健康安全预警模块是智能手环与商家管理端应用进行数据交互来完成的，如果游客实时体温上传到服务器上的数据异常，管理端显示该游客基本信息，同时发出预警，标注其实时位置。

（三）后台管理和智慧旅游模块

智慧旅游产品的关键是增强用户旅游体验，并为景区、酒店等商家进行改进升级提供建议参考，也为政府相关管理部门提供直观的数据统计和决策支持，所以智慧旅游模块是本产品的关键模块，运用了大数据分析和机器学习算法模型，据此形成具体系统业务功能结构图（见封三图8）。

图8 后台管理和智慧旅游模块功能结构图

后台管理模块中，商家管理模块主要负责商家账号管理、添加、修改、删除、查询，用户管理主要实现游客用户和会员的维护及查询。订单管理主要查看用户旅游订单的状态及评价管理。大数据分析与统计模块，支持统计订单量、收入情况、商品销售情况、会员消费情况，并以图表展示。

智慧旅游与大数据分析方面，主要包含两个功能，一是根据用户在平台上的旅游记录，分析用户喜爱的旅游景区类别及消费水平等数据，并基于协同过滤算法模型为用户推荐合适的旅行套餐。二是基于用户健康监测数据、旅游目的、出游情况等，依据关联规则挖掘模型生成关联规则，为旅游主管部门提供决策支持。

智慧旅游模块的关键点主要在于个性化套餐推荐和大数据分析挖掘两个智能功能模块。智慧旅游产品平台积累的旅游大数据，包括前端APP产生的数据、旅游过程中采集的健康数据、景区和酒店评论数据等。一方面利用大数据分析和挖掘技术为用户进行个性化出行组合套餐推荐和信息推送，并实现平台打包支付，生成旅行过程中可通用二维码，切实简化操作、增强用户的旅游体验；另一方面利用游客旅游大数据为旅游管理部门提供关于游客旅行统计数据和疫情管控方面的决策支持。以下分别介绍两个智能模块的技术方案。

1 旅游套餐个性化推荐技术方案

收集整理平台积累的用户旅行数据和个人信息，并提供给协同过滤算法模型进行训练。协同过滤算法分为基于用户和基于项目两种，实现思想不同。从而为游客进入APP首页后，产生用户可能感兴趣的旅游套餐。

据此制作游客个性化旅游推荐的技术实现流程图（见本文图3）。

图3 游客个性化推荐技术实现流程

首先，从平台积累的游客对酒店、地方景区景点及出行、购物的评论或评分进行数据采集，然后进行数据清洗工作，主要删除一些恶意评论和其他异常数据，保留游客评论不为空的数据作为原始数据。并将清洗之后的数据存入数据库保存。提取游客评分、酒店类型、景点名称、景点类型、商场名称、商场类型、出行方式等作为数据库表结构列信息。具体表结构设计以Oracle数据库为例（见表1）。

表1 游客吃住行游购娱记录及评分表

其次，将表格中的数据作为基表数据，分别为酒店、景点、购物、出行生成各自的视图。这里以景点推荐为例，首先提取景点类型、景点名称及酒店评分作为景点评价视图。基于生成的每个视图，将其作为模型所需数据输入到Taste协同过滤算法模型，可以生成本游客可能感兴趣的景点列表，然后将排名靠前的景点与游客ID绑定，存入数据库方便APP前端进行展示。

最后，将为游客推荐的酒店、景点、商场、出行方式列表整合，也就是将排名最靠前的景点、酒店、商场和出行方式组合，并与系统现有的旅游套餐进行匹配，并设定匹配的阈值，如果匹配大于该阈值则直接为游客在APP上展示推荐套餐；如果匹配度低于阈值，则可以将该组合形成新的套餐，存到数据库的套餐表中，同时为游客在APP上进行展示。

2 用户旅行数据收集技术推广方案

收集整理平台积累的用户旅行数据和个人信息，主要包括景点、酒店、购物、出行数据和智能手环采集的个人健康数据等。通过大数据分析为商家提供改进建议和营销策略，为旅游主管部门提供本地景区旅游总体数据统计情况，为制定相关政策提供决策参考。

基于游客个人信息及健康数据、旅行过程中平台积累的数据，采用关联规则挖掘中的经典算法Apriori算法，该算法基于概率论为基础，是由美国学者Agrawal等提出的。首先通过该算法发现高可信度的关联规则，找出各属性之间的强相关的关系，为商家和旅游管理部门提供参考，据此制作主要技术实现流程图（见本文图4）。

图4 旅游大数据分析技术实现流程

因为本课题主要任务是形成智慧旅游产品的设计方案和技术方案，所以数据来源采用从各大互联网旅游平台爬取，并模拟补充游客数据。首先定义本次数据分析所要关注的游客特征及旅游数据特征，根据本产品数据特点，选择以下特征作为关注点。这里采集了携程网的部分旅游数据，以青岛市游客旅游数据为例，选择游客ID，旅游景点，职业，来源地，旅游类型及满意度，并模拟了体温和血压的特征信息（见表2）。

表2 部分游客相关特征及模拟数据

基于以上数据进行数据预处理，主要做两方面工作。一是将空值较多的行删除，同时替换明显异常的属性值，提高数据的可信度。二是将血压、体温、满意度等取值连续地属性离散化，这里将满意度大于4.5的为非常满意，在4—4.5之间的为满意，3—4分为一般，3分以下为不满意，同理，体温将37.5以下定义为正常，37.5℃—38℃定义为低烧，38℃以上定义为异常。血压方面将低压为90以上定义为血压高，其他血压正常。这样的处理可以产生通用性和归纳性较强的规则（见表3）。

表3 预处理之后的部分游客相关特征及模拟数据

接下来就是对数据清洗后的数据，运用关联规则挖掘算法进行属性之间的相关性分析。技术框架上采用Weka框架，该平台包含大量能执行数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。基本过程是：将预处理后的游客旅游样本数据保存为Weka平台典型数据文件格式，并加载到相应算法处理界面，配置相关参数进行数据挖掘实验。

下面基于预处理后的旅游数据阐述Weka进行大数据挖掘的具体步骤，找出游客满意度与其他特征之间的相关性规则，具体步骤如下。

（1）准备数据样本。将样本数据整理成Weka软件能够处理的标准格式作为数据样本。

（2）打开数据文件，选择感兴趣的属性，未来生成的关联规则中会包含这些属性。

（3）选择Associate选项进行Apriori算法的支持度和置信度等参数设置，这里设置最小值支持度为0.2，最小置信度为0.9，参数可以在该界面调整。

（4）点击start按钮，根据用户设定的支持度和置信度参数值，产生强关联规则，并将生成的规则保存到数据库，方便商家和平台后台管理人员进行规则查看和导出。

以下是产生的置信度较高的一条规则：旅游景点=崂山 平均体温=正常 ==> 满意度评价=非常满意 conf：(0.91)，可以理解为游客去崂山旅游，且旅游过程中平均体温正常的前提下，非常满意的条件概率是91%，这个值大于我们设置的0.9，所以规则会显示出来。

需要注意：支持度和置信度的设置需要一定的经验或依据，也不能说支持度和置信度设置得越高就越好，这个跟数据所处的行业有关，必要时可能需要行业专家的辅助。比如要分析癌症发病和地域，生活习惯，性别等等的关系，我们支持度就应该设置得很低，因为病人当中癌症发病率很低，我们关心的是置信度，来判断与哪个因素关联密切，这当中的价值显而易见。

三 结语

本文在疫情防控常态化背景下，通过研究设计一种新的智慧旅游产品，最终形成可指导开发的可实施的产品设计方案。首先，能够从游客和景区防疫安全的角度出发，通过为游客定制可穿戴智能产品，实现游客体温、位置、健康等信息的采集和实时监控，景区管理人员可通过产品后台进行监控和处理，保障游客放心出行的同时也有利于加强景区的疫情管控，降低景区的管理成本。其次，充分体现以用户旅游体验为中心的设计理念。通过与人工智能、大数据技术相结合，依托应用平台积累的用户出行及健康大数据，提供给用户个性化旅游配套方案并支持用户定制旅游，实现吃、住、行、游、购、娱六位一体的在线打包支付及旅游过程中的一码通行，切实增强用户体验的同时，也引导与旅游相关的不同产业间的相互融合。最后，能够基于游客旅游大数据运用数据挖掘或机器学习算法模型，产生指导商家和旅游管理部门进行决策的参考建议、数据统计及可视化结果。