基于数字足迹的旅游规划行程链的模型构建

许凌云

（湖南环境生物职业技术学院，湖南 衡阳 421005）

0 引言

在旅程开始之前，游客通常会通过网络设备浏览旅游App，以寻找更适合自己的旅游攻略。但游客在享受网络技术带来便利的同时，也会因评论留言和网络浏览痕迹主动或被动地留下数字足迹。因此，旅游业就可以利用数字足迹组建游客的行为图谱，从而更直观地了解游客的旅游习惯和消费特征，进而更好地为游客提供定制游览路线等旅游服务[1]。旅途中的住宿、餐饮、交通以及景点游览等环节构成了形成链中的重要节点，只有科学规划各节点，才能使行程链节点按照时间空间顺序进行线性排列，同时结合游客的个性化需求形成有序集合[2]。

1 旅游规划行程链的节点生成

为生成旅游规划行程链的节点，让旅游者最大化利用旅游时间，这就是设计的游玩最优路径。而在选取景区节点时，为了保证景区节点的聚集度，主要考虑节点之间的距离以及节点的综合评价，这样容易让游客走回头路，无法缩短路线[3]，这就会影响旅游者的出行效率。于是，通过遗传算法解决各节点时间相互挤压冲突的问题，从而解决在游览过程中多走重复路的问题。

1.1 选择目标函数

X代表已经选择的n个旅游节点的集合，X={v1，v2，v3，…，vn}，d为每个景区节点间的距离，记为d（v1，v2），f（x）即为目标函数，因此得出最短路径如公式（1）所示。

式中：i为式子初始值；n为旅游节点。

1.2 数据初始化

首先，使用遗传算法将随机产生的初始群体生成顺序遗传编码。其次，利用适应度函数F计算景区节点的综合评价值。最后，排列成顺序表。其中，适应度函数F如公式（2）所示。

式中：I为景区综合评价值。

1.3 更新群体及判定终止条件

设节点间的最小距离为Lmin，平均距离为Lavg，上述函数运算结束的条件如下：通过计算机的10次迭代运算，Lmin不再改变且Lavg稳定为一个值，此时停止计算，则可以确定景区多个节点位置距离的相对最优解。

上述遗传算法可以对最短路径中的节点进行排列，这样可以缩短旅游者在路上中消耗的时间，为最优的日程安排提供了时间基础。

如图1所示，图1（a）表示利用动态筛选方法显示景点节点安排顺序，可以反映旅游者在实际游览中的问题（包括线路重复问题）。图1（b）表示利用遗传算法重新安排的景点节点顺序，可以解决线路重复问题。

2 旅游规划行程链的优化

旅游规划行程链形成的最优组合是利用旅游节点间的空间距离进行筛选的，随后进行空间组合排列，从而生成最短的旅游路线路径[4]。

利用遗传算法在一定程度上可以解决旅游节点间线路重复的问题，因为对旅游出行的道路进行了最短的计算优化，所以在旅游时会产生大量的富裕时间，因此要讨论旅游期间对富裕的旅游时间进行分配的问题。可以通过迭代处理对上述问题进行优化，主要原理是利用剩余的旅游时间选择景区节点，从而生成最优路径。结果如图2所示，步骤如下：1）采用景区节点动态选择法筛选景区节点，得到景区节点集合X={v1，v2，v3，…，vn}。如果设置旅游者的旅游总游时为T，那么节点的排列顺序仍会存在路径重复的情况，并非最优路径。2）为生成最优路径，使用遗传算法获得集合，因此得到优化后的次序X1={v1，v2，v3，…，vn}，优化后的最优路径出行路线减少，交通所用时间缩短，总旅游时间T保持不变，游览的活动时长即最优路径的时长Tcur。3）旅游的时差ΔT如公式（3）所示。接下来需要对富裕时差ΔT进行重新分配。4）以最末尾节点Vn为起点，利用富裕时差ΔT再次计算ΔT的景区节点组合。5）根据第二个步骤重新计算，直到ΔT＜0。

式中：T为总旅游时长；Th为住宿时长；Td为餐饮时长，ΔT为“富余”时间。

使用上述方法对景区节点、餐饮节点及住宿节点进行优化组合，在得到有序节点后，利用遗传算法生成所选取旅游节点的旅游最优路径，即确定了最终的游览线路。该最优模型安排了已有行程中富裕时差的日程。

3 基于数字足迹的旅游日程划分

3.1 采用游时切分法

在旅游过程中，旅行者会因餐饮和住宿而暂停旅游，因此根据用餐和住宿所需时间把旅游时长分成3个时段，即全天时段、半天时段与活动时段，如图3所示。

旅游时长是指游客从制定旅游计划开始至整体行程结束的旅游整体花费的时间总和，当构建基于数字足迹的旅游规划行程链的模型时要将时间划分方法作为旅游日程安排时的基础方法，并将以往的景区旅游行程路线的设计原则和各城市景点游客的有脸规律等相关影响因素作为重要参考[5]。

将上午游览时段DM、下午游览时段DA和晚上游览段DE归纳为总的游览时段Dr，如公式（4）所示。

将早餐时段DB、午餐时段DL和晚餐时段DD归纳为餐饮时段DR，如公式（5）所示。

因为旅游者睡眠的时间连接2 d的旅游时段，所以将住宿时段作为中间时段。

3.2 旅游节点划分

根据各类型城市不同旅游节点的时间配置方式可划分为灵活调整时间节点和相对固定时间节点，灵活调整时间节点通常对应观光景点类节点和物资保障类节点，是指在有固定旅游行程规划的情况下，如果游客在旅途中出现新的需求变动，就可以灵活调整时间[6]。例如某景点中午用餐时间段用餐人数较多，可采取先游玩后就餐的方式错峰安排行程。

3.2.1 判定处理浮动节点

景区节点、购物节点及娱乐节点构成浮动节点，浮动节点一般在上午出现。如果当天因特殊原因无法排入浮动节点，那么可以通过3个条件来判断接下来的日程安排。

根据以下条件可以判断能否将浮动节点作为候选节点，主要根据是否能满足上诉的判定条件。能满足一条，就代表该节点能够纳入半天时段的游览计划内，否则判定为候选节点，暂时不予处理。详细流程安排如图4所示。

先判断该要素在当天的哪个半天段（上午、下午或晚上），如公式（6）所示。

式中：Tw为所剩的半天段中待分配时长；Tt为景区的节点时长。

当t>0时，代表当前半天时段游览安排有空余时间，那么可以安排待排节点，在分配空余时间时引入下一个节点。当t＜0时，代表当前半天时段游览安排没有空余时间，那么不可以加入待排节点，Δt如公式（7）所示。

式中：Tc为半天的浮动要素时长；Δp为该节点时长的最大压缩比例；Δt为该节点中的旅游时长。

利用公式（7）来判定经过节点时长压缩后，时段内能否再安排该待排节点。

当Δt＜0时，将扣除所有被平均分配到半天中的浮动节点，此时Tc=Tc-t/n（n为浮动要素的数量），再对该要素的时间进行分配，安排进入下一个待排节点；当Δt>0时，判定Δt-（Tdw+Taw）·Δp的值与0的关系（Tdw为用餐分配时间；Taw为住宿分配时间记），如果其值大于0，就表示该时间段有时间富余，此时可以将Tw平均分配到浮动节点中，引入下一个节点，如公式（8）所示。

如果Δt-（Tdw+Taw）·Δp＜0，那么半天中所有浮动要素扣除Δp时间，如公式（9）所示。

半天时段中扣除用餐时间或住宿时间，分配该旅游节点时长，接着引入下一个节点，如公式（10）所示。

通过以上判断方法及公式确定是否可以将浮动节点安排进旅游行程，可以有效提高节点安排的合理性，促进各浮动节点的有序组合。

3.2.2 用餐节点的选择与安排

使用模型安排用餐节点，由于不同餐馆的用餐时间不同，因此在运用模型的过程中划分了相应的用餐时间。在餐饮节点时长的安排中，引出流程图（图5）：1）判定研究要素处于哪个时间段。2）记旅游者实际用餐时间为Tdf，餐饮处于的半天时段时间为Tdw，如果Tdf＜Tdw，则用餐时间较少，餐饮时段有空余时间可以安排节点，那么剩余的时间就被归入下一时段中进行优化计算。3）如果Tdf>Tdw，则旅游者用餐时间较长，餐饮时段之后安排的节点只能被压缩，该节点得到的最大压缩比例时长为Δp，为满足用餐时间，需要Δp最大且判断Tdf·Δp是否大于Tdw，如果大于Tdw，则将从下一个时间段内减去超出的时间。

3.2.3 住宿节点的选择与安排

因为住宿节点是一天中最后的时段，所以利用剩余时间进行安排，安排流程如图6所示。

如果研究节点不处于晚上的时间段，则直接进入下一个节点计算；如果研究节点属于晚上的时间段，则将半天段剩余时间Tw按节点的时长比例分配给住宿节点以及半天时段的浮动要素，再引入下一个节点。

3.2.4 判断安排交通时长以及特殊节点

特殊节点以及交通所需的时长因客观因素而固定，因此安排行程时无法压缩时长。当压缩时长时，首选浮动节点，然后扣除用餐、住宿时长的富裕时间，再对交通时长、特殊节点进行时间安排。具体流程如图7所示。

当t＞0时，对该节点分配时间并引入下一个节点，如公式（11）所示。

式中：Tw为半天段中所剩的待分配时间；Tt为该节点的时长。当t＜0时，如公式（12）所示。

式中：Tc为半天时段的浮动节点时长。

当Δt＞0时，半天时段中所有浮动节点除去Δp时间，如公式（13）所示。

式中：ΔP为研究节点最大压缩比例时长；Δt为半天时段中用餐以及住宿的时间。

当Δt＜0时，对所有的半天段中浮动节点平均分配t后，对剩余待分配节点分配时间，引入下一个节点，如公式（14）所示。

如果此时待分配节点为0，就说明全部要素被安排完毕，可以判定所有半天段剩余待分配时间Tw与0的关系，如果不等于0，就可以将Tw均分给浮动节点。至此，结束各节点时长的安排过程。

4 试验结果与合理性分析

4.1 试验模型构建

基于上述算法，选用了一种用于验证试验结果的线路验证分析方法。在此基础上，利用行程规划模型对试验样例的旅行路线进行初步数据收集，然后利用旅行ID对游客的个人信息和行程基础信息进行匹配，并利用该模型对不同的旅行状况进行计算，从而得到行程规划的结果。

当进行试验验证时，选用Microsoft Windows 7进行系统操作，以Microsoft Visual Studio2010及其SP1升级包作为开发平台，基于Microsoft SQL Server 2008 R2和ESRI Geodatebase数据库中的数据信息，利用C#、Java、HTML以及JavaScript等开发语言构建模型。

模型要求兼容性为IE6.0以上版本的浏览器，具备Firefox及Chrome浏览器。电脑的CPU频率为300 MHz～600 MHz，频率越高越好。浏览器分辨率大于或等于800×600 dpi，推荐分辨率配基本为1024×768 dpi。显示器内存大于或等于256 MRAM，推荐1 G RAM内存运行。

4.2 结果验证分析

试验以熟悉的旅游景点为首选目的地，并充分考虑了各节点所在区域的空间布局，结合遗传算法和路网状况进行路线规划。由计划结果（表1）可知，在路线安排上，由于景区与分散的景点之间有一定的联系，因此在路线上会优先选择相同的区域，而不是选择相邻的路线，以确保旅游的连续性。

表1 结合空间关系的节点旅游序列筛选方法

对图3中的数据进行分析可知，该方法以最短的路径长度为基础，并对最佳路线进行排序，以确保最短的路径长度，节约道路交通时间。从线路排序的结果来看，该方法考虑了节点的空间和道路的距离，使该方法的优化效果更显著。

5 结语

促进数字足迹理念与旅游规划行程链的有效结合有利于推动区域旅游产业的协调发展和旅游资源的优化配置，更好地为旅游者提供旅游个性化定制服务。在模型构建过程中，首先从时间、空间等方面确定旅游节点筛选办法。其次，为综合考虑游客的旅游需求，利用节点筛选法、时间安排模型法以及最优路线设计法建立旅游规划行程链的最优模型。最后，对筛选出的节点进行日程安排和线路规划，最终形成同时考虑时间、空间因素的旅游行程规划。通过测试可知，行程链模型构建有利于基于游客的数字足迹为其提供更好的具有个性化需求的旅游行程。