面向小型团体的旅游产品定制方法

摘 要： 为满足游客日趋个性化的旅游需求，定制旅游越来越受到关注。针对小型团体游客的旅游产品定制问题，提出一种基于游客需求和在线旅游产品信息的旅游产品定制方法。在线收集旅游产品信息，获取某小型团体游客旅游需求；根据旅游需求在已收集的在线旅游产品中初步筛选适合的产品，计算所选产品满足游客需求的程度和其效用值，选取效用值较高的产品作为初始旅游产品；进一步通过选择或调整得到可使游客满足程度达到一定阈值的旅游产品方案，并通过算例说明给出方法的可行性与实用性，旨在推出一种能够满足游客需求的旅游产品定制方法。

关 键 词： 定制旅游； 旅游产品； 在线信息； 小型团体； 游客期望

中图分类号： C93； F719 文献标志码： A 文章编号： 1674-0823（2024）03-0327-10

随着社会经济的快速发展和人们生活水平的不断提高，旅游已经逐渐发展成为人们生活中的一项基本需求，呈现日趋个性化发展趋势［1-2］，加之近年来新冠疫情对旅游业的影响，定制旅游越来越受到重视［3］。定制旅游即根据游客的个性化需求定制出符合其要求的旅游方案，具体可以包括旅游线路、门票、交通、酒店、用餐、导游等多方面的定制。定制旅游服务对象一般分为散客和小型团体。小型团体是指由旅游目的地一致、旅游服务需求一致且计划一同出游的消费者组成的旅游消费团体［4］；相比散客，其具有可以独立成团的优势；相比大型团体，其更容易达到内部需求的一致性，且更倾向高的消费水平，更愿意选择旅游定制［5］。需要指出的是，在小型团体游客的旅游需求及相关服务要求十分明确时，可较为容易地为其定制旅游方案。但在现实中，由于小型团体游客对旅游目的地景点及相关旅游资源了解程度有限，其旅游需求及相关服务要求通常表达得不够明确，需要旅游公司在满足其基本要求的基础上，根据旅游目的地旅游产品、相关旅游资源的评价反馈及游客需求偏好等多方面信息为其定制具体的旅游方案。随着互联网科技的发展，电子商务平台、第三方专业平台等网站上均涌现出大量关于旅游产品及相关旅游资源的在线信息，旅游公司可以以在线信息获取旅游目的地旅游产品及相关旅游资源的游客反馈信息辅助其提供旅游产品定制服务。如何在满足小型团体游客需求的基础上基于在线信息为其定制具体的旅游方案，值得关注。

一、文献综述

目前，基于游客多种需求和在线旅游产品信息进行旅游产品定制的研究尚不多见。一些学者从景点组合优化的角度对旅游产品定制展开了研究，例如，李景文等考虑游客消费和时间，利用一种改进的模拟退火算法对景点进行组合，优化出一条合适的旅游路线［6］；PENA依据游客的景点偏好选择游览景点，将景点进行分组和连接，生成满足游客偏好的行走距离最短的旅游路线［7］；姬鹏飞等分析了游客的语义需求，通过构建旅游景点定制模型完成景点实例的填充［8］。此外，有部分学者关注基于游客个性化需求的旅游产品设计，如KOTILOGLU等通过获取游客的必访景点，利用协同过滤技术和迭代禁忌搜索算法设计出游览路线［9］；CENAMOR等通过用户的联系人信息和景点的流行程度为用户设计了多日个性化游览路线［10］；ZHENG等考虑到游客的审美疲劳和景点观赏价值，结合遗传算法和差分进化算法提出了四步启发式算法为游客设计个性化旅游路线［11］；马子钦等考虑了用户时间、开销等实际需求，以及用户特征与景点吸引力，利用多目标优化函数和多目标遗传算法NSGA2生成旅游线路［12］；李旭等通过获取用户分享的景点照片与游玩时间等确定用户偏好，并将其与时间、费用约束融入旅游路线模型来设计行程路线［13］。近年来，还有一些学者关注基于在线信息的旅游路线设计，如DU等结合景点主题层次和景区特点，从大量的旅行笔记文本中提取有用信息并设计出旅行路线［14］；李倩等深入挖掘用户口碑信息，提出基于用户口碑的动态调整方法，并将其融入旅游推荐原型系统［15］；吕琳露等提出了一种挖掘游记主题标签，以代表性游记以及其中相关内容进行旅游信息推荐［16］；SUN等利用Flickr地理标记照片确定排名最高的旅游目的地，推荐热门旅游目的地的最佳旅游路线［17］；TONG等利用多源社交媒体数据整合多方旅游信息，基于序列模式挖掘算法从旅行日志中确定热门旅行路线［18］。

已有研究成果为解决小型团体旅游产品定制问题提供了较好的思路和支撑，但对游客需求的获取还不够全面。鉴于此，本文提出了一种基于游客多种需求和在线旅游产品信息的旅游产品定制方法。该方法调查了游客对景点、餐厅、酒店等的详细需求，能够更准确地实现定制，且利用在线获取的已存在的旅游产品辅助定制可以降低新路线推出的风险，符合定制师的实际定制思路。

二、问题描述

图1展示了本文关注的利用游客需求与在线信息的小型团体旅游产品定制问题，在该问题中，首先根据游客期望在庞大的在线旅游产品信息中筛选出适合的旅游产品，通过计算各旅游产品属性满足游客需求的程度和游客的总体满足程度，结合旅游产品评分计算得到产品效用值，选取效用值排名靠前的旅游产品，并在此基础上，对游客总体满足程度未达到一定阈值的旅游产品给出方案调整方法，从而得到最终定制方案。在本文关注的针对小型团体游客的旅游产品定制问题中，小型团体游客针对旅游产品的要求已在出游团体内部达成一致。为表述方便，采用以下符号来描述：

P={P1，P2，…，Pn′}：在线旅游平台上存在的旅游产品集合，其中，Pi′表示第i′个在线旅游产品，i′=1，2，…，n′。

Ri′=｛ri′1，ri′2，…，ri′m′｝：在线旅游产品Pi′的筛选属性取值集合，其中，ri′j′表示在线旅游产品Pi′的属性Ij′的取值，可能为单个值形式或集合形式。当在线旅游产品Pi′的属性Ij′的取值ri′j′为单个值时，记为ri′j′；当在线旅游产品Pi′的属性Ij′的取值ri′j′为集合时，记ri′j′=｛r1i′j′，r2i′j′，…，roi′j′i′j′｝，其中，rqi′j′表示在线旅游产品Pi′属性Ij′的取值集合中的第q个元素，q=1，2，…，oi′j′，i′=1，2，…，n′，j′=1，2，…，m′。

A={A1，A2，…，An}：在线旅游产品经过筛选后得到符合基本要求的旅游产品集合，其中，Ai表示第i个符合基本要求的旅游产品，i=1，2，…，n。

Di=（di1，di2，…，dim）：针对旅游产品Ai的用于计算筛选后旅游产品满足游客需求程度的属性值，其中，dij表示旅游产品Ai关于属性Cj的取值，i=1，2，…，n，j=1，2，…，m。

G=（g1，g2，…，gn）：旅游产品集合A中旅游产品的评分，其中，gi表示旅游产品Ai的评分，由在线信息整理得来。

本文要研究的问题是：依据P，B，I，C，Ri′，A，Di，G，W等有关决策信息，基于在线旅游产品信息定制出符合小型团体游客需求的旅游产品，过程如图1所示。

三、原理与方法

1. 游客对于不同旅游产品属性期望值的获取

游客在进行旅游定制时，需要填一份需求单，通过需求单来获取不同游客对旅游产品的期望。游客期望属性表示为E=｛E1，E2，…，Eh｝，其中，Ek表示游客的第k个期望属性，k=1，2，…，h。不同的期望取值形式不同，具体分为以下三类：

（1） 当期望取值为单一值时，游客对第k个期望取值为ek，k=1，2，…，h。这里考虑“酒店等级”“旅游天数”“旅游季节”3个期望。

（2） 当期望取值为多个离散值时，游客对第k个期望的取值用集合表示为ek=｛e1k，e2k，…，efkk｝，其中，etk表示游客第k个期望取值集合中的第t个元素，fk的值由游客的实际期望决定，t=1，2，…，fk。这里考虑“目的地”“必须去的景点”“不去的景点”3个期望。

（3） 当期望取值为连续区间时，游客对第k个期望取值区间表示为ek=［αγ，βγ］，区间上下可浮动范围为δγ，γ=1，2，这里考虑“餐饮价格”和“总价格”两个期望。当Ek=“餐饮价格”时，期望取值为［α1，β1］，上下可浮动范围为δ1；当Ek=“总价格”时，期望取值为［α2，β2］，上下可浮动范围为δ2。现实定制中是否包含餐饮服务取决于游客的实际需求，若游客对餐饮没有定制需求，“餐饮价格”属性可以选择不填，此时记ek=。由于存在定制中不包含餐饮服务的情况，故将“餐饮价格”和“总价格”分开定义，“总价格”不包含“餐饮价格”，如需定制餐饮服务，“餐饮价格”另行计算。

2. 在线旅游产品的筛选与旅游产品信息的获取

在旅游产品定制过程中，将游客需要完全满足的期望与在线旅游产品的某些属性进行匹配，以缩小在线旅游产品范围。这里考虑用于筛选的游客期望属性包括“目的地”“旅游天数”“适宜季节”“必须去的景点”“不去的景点”，其中前3项利用旅游平台中自带信息直接筛选，利用爬虫软件爬取符合游客期望且经旅游平台筛选的旅游产品，爬取内容为“旅游产品名称”“旅游路线”“酒店等级”“餐饮价格”“总价格”“旅游产品评分”，这些属性用于计算游客满足程度与旅游产品效用值。根据游客“必须去的景点”“不去的景点”两个期望，筛选已爬取的在线旅游产品。筛选不同属性需要采用不同的方法，具体可分为以下4类：

（1） 游客期望与在线旅游产品的属性取值完全一致，且均为单个值，这里考虑“旅游天数”。游客指定的“旅游天数”与在线旅游产品的“旅游天数”必须完全一致。当Ek=“旅游天数”且Ij′=“旅游天数”时，需要满足ek=ri′j′，i′=1，2，…，n′。

（2） 游客期望与在线旅游产品的属性取值部分一致，且游客期望取值为单个值，在线旅游产品的属性取值为集合形式，这里考虑“旅游季节”。在线旅游产品的“适宜季节”中存在游客的“旅游季节”即可。当Ek=“旅游季节”且Ij′=“适宜季节”时，需要满足ek∈ri′j′，i′=1，2，…，n′。

（3） 游客期望与在线旅游产品的属性取值部分一致，且均为集合形式，这里考虑游客指定的“目的地”和“必须去的景点”。在线旅游产品的“目的地”中包含游客指定的“目的地”和在线旅游产品的“旅游景点”中有游客指定“必须去的景点”即可。即当Ek=“目的地”且Ij′=“目的地”时，或当Ek=“必须去的景点”且Ij′=“旅游景点”时，需要满足ekri′j′，i′=1，2，…，n′。

（4） 游客期望与在线旅游产品的属性无相同取值，且取值均为集合形式，这里考虑游客指定的“不去的景点”。在线旅游产品的“旅游景点”中不存在游客指定的“不去的景点”。当Ek=“不去的景点”且Ij′=“旅游景点”时，需要满足etkri′j′，i′=1，2，…，n′，t=1，2，…，fk。

经过筛选得到旅游产品集合，记为A=｛A1，A2，…，An｝，其中，Ai表示第i个旅游产品，i=1，2，…，n。爬取到旅游产品信息为“旅游产品名称”“旅游路线”“酒店等级”“餐饮价格”“总价格”“旅游产品评分”，这里的“餐饮价格”指行程中所有餐厅人均消费价格的平均值。

3. 各旅游产品属性满足游客需求程度的计算

通过上述筛选过程可初步构建旅游产品集合，将筛选出的旅游产品与小型团体游客需求进行进一步匹配。通常，游客对不同旅游产品属性会有不同期望，不同旅游产品属性取值不同，其满足游客需求程度也不同。综合不同旅游产品属性值和小型团体游客期望值，进一步求得旅游产品属性满足游客需求程度。这里考虑用于计算满足程度的旅游产品属性分别为“酒店等级”“餐饮价格”“总价格”“旅游路线”。记uij为游客对旅游产品Ai属性Cj的满足程度。下面给出不同旅游产品属性满足游客需求程度的计算方法。

（1） 酒店等级

“酒店等级”为等级型属性，即各水平取值之间具有等级关系，可分为三星级、四星级、五星级。当Cj=“酒店等级”时，旅游产品Ai中“酒店等级”

式中：R（·）为排序函数，其返回值为变量在有序等级中从低到高所处的排序位数；R+表示有序等级取值中的最大值；R-表示有序等级取值中的最小值。

（2） 价格属性

其中，H（·）为“餐饮价格”或“总价格”取值满足游客需求程度的函数，形式如下［20］：

式中：当γ=1时，［α1，β1］表示小型团体游客期望的“餐饮价格”区间；δ1为游客可接受的“餐饮价格”区间的最大浮动范围；当γ=2时，［α2，β2］表示小型团体游客期望的“总价格”区间；δ2为游客可接受的“总价格”区间的最大浮动范围；η为系数，当η=2时，表示游客对于属性的变化非常敏感。当旅游产品的属性取值在期望区间内时，游客满足程度为“1”；当偏离期望水平时，游客满足程度以非线性的方式急剧下降。当η=2时，H（x）的函数图像如图2所示。

（3） 旅游路线

通常来说，游客对“旅游路线”属性不能给出明确期望，但可以表达此次旅游主要是游览“历史文化”类景点、“休闲娱乐”类景点还是“美食”类景点等想法。为更好地计算“旅游路线”属性

满足小型团体游客需求的程度，提出以下方法：

计算各旅游产品中包含的各类景点数占总景点数的比例，记ulij表示旅游产品Ai中第l个景点类型对应的景点数占总景点数的比例，计算公式为

其中，N（·）表示集合中包含的元素总个数。

将各景点类型景点数占总景点数的比例与景点类型权重结合，可得到游客对“旅游路线”属性的满足程度。当Cj=“旅游路线”时，得到“旅游路线”属性计算公式为

4. 游客总体满足程度的计算

5. 旅游产品总效用值的计算

在旅游产品定制过程中，除了考虑旅游方案满足游客需求的程度，还有必要考虑旅游方案的历史评价情况。因此，对于筛选后得到的集合A中的旅游产品，有针对性地获取其在线评分，旅游产品Ai的评分记为gi，为消除量纲的影响，将gi进行规范化处理，计算公式为

其中，gmax=max｛gii=1，2，…，n｝，表示打分可取到的最大值。进一步地，记Ui为旅游产品Ai对游客而言的效用值，计算公式为

Ui=uii （i=1，2，…，n） （9）

6. 旅游产品的调整

将旅游产品根据总效用值排序，选择排名前η的旅游产品，η的值根据旅游定制师实际需要而定，η的值越大，游客的选择越多。其中，小型团体游客的总体满足程度未达到阈值ξ的旅游产品进入自动调整阶段，经过调整后可保证游客对η个旅游产品的总体满足程度都能达到阈值ξ。ξ越大，旅游产品满足游客期望的程度越高。然而，阈值过大可能会导致旅游路线不合理。在对旅游产品效用值综合分析的基础上，一般认为当效用值达到0.8时，旅游产品比较符合游客期望且较为合理。旅游定制师可根据实际应用需要对阈值进行相应调整。自动调整之后，旅游定制师仍可根据游客需求或者经验对旅游产品进行手动调整。方法如下：

（1） 自动调整

在自动调整时，根据实际需要通过在线旅游平台和美团等获取景点评分、门票价格、酒店住宿价格、酒店等级、酒店评分、餐厅价格、餐厅评分等一系列信息。找到旅游产品Ai中游客需求满足程度未达到最大值的属性，将其称为差异属性。差异属性是导致游客对旅游产品Ai的总体满足程度未达到阈值ξ的直接原因，调整差异程度最大的属性可以快速使游客对旅游产品Ai的总体满足程度达到阈值ξ。不同属性具有不同的特点，其调整方式也不同。其中“总价格”只会伴随其他属性的调整而变化，因此对“总价格”的调整不作特别阐述，其他3种属性的调整方法如下：

酒店等级：将旅游产品Ai的“酒店等级”属性值调整为游客的期望取值，此时需要通过在线信息获取酒店价格、所在地、等级和评分。首先根据酒店所在地和酒店等级筛选出一定距离内符合游客期望的酒店；然后根据酒店等级和价格的变化计算每个酒店在替换时引起的游客总体满足程度的变化。若有两个或以上的酒店使总体满足程度提高幅度相同，则选取评分较高的酒店作为替换酒店。

餐饮价格：将旅游产品Ai的“餐饮价格”属性取值调整至游客期望区间，此时需要通过在线信息获取餐厅人均消费价格、所在地和评分。首先根据餐厅所在地和餐厅人均消费价格筛选出一定距离范围内符合游客期望的餐厅，之后根据餐厅人均消费价格计算每个餐厅在替换时引起的游客总满足程度的变化。由于“总价格”中不包含“餐饮价格”，故该总体满足程度的变化只是餐厅自身调整引起的变化。用总体满足程度提高最大的餐厅替换掉原来的餐厅，若有两个以上的餐厅使总体满足程度提高幅度相同，则选取评分较高的餐厅作为替换餐厅。

旅游景点：游客对“旅游景点”不能提出明确需求时可通过对不同景点类型的重要程度打分来表达需求，因此考虑增加权重最高的景点类型所包含的景点、减少权重最低的景点类型所包含的景点可以提高游客对“旅游景点”的满足程度。同时，在增加景点时尽可能添加评分高的景点，在减少景点时尽可能去掉评分低的景点。在调整“旅游景点”时，需要通过在线信息获取景点的门票价格、所在地和评分。首先根据景点所在地和景点类型筛选出一定距离范围内能提高游客满足程度的景点，随后根据景点类型和门票价格计算每个景点在替换时引起的游客总体满足程度的变化，该总体满足程度的变化包括景点自身调整引起的变化和其导致的总价格变动引起的变化。用总体满足程度提高最大的景点替换原来的景点，若有两个或以上的景点使总体满足程度提高程度相同，则选取评分较高的景点作为替换景点。

记游客对当前需要调整的旅游产品Ai属性Cj的满足程度为uij，根据上述相应的方法调整后，计算游客对调整后的旅游产品Ai属性Cj的满足程度u′ij，属性Cj的权重为wj，则旅游产品Ai属性Cj调整带来属性本身的满足程度变化为

Δuij=wj（u′ij-uij）

（i=1，2，…，n，j=1，2，…，m） （10）

得到3类属性调整的变动值，选取max｛ΔUijj=1，2，…，m｝对应的属性进行调整。调整之后如果达到阈值ξ，则调整后的行程方案为最终形成方案；反之，则继续寻找具有差异的属性，对游客总体满足程度影响最大的属性优先调整，达到阈值即可停止，得到最终的形成方案。

（2） 旅游定制师手动调整

通过上述定制过程，已经形成η个合适的旅游产品。在实际定制过程中可能存在一些比较好的景点没有通过上述定制过程，这些景点可能刚刚被开发或经历了更新升级等，这时需要定制师根据自己的定制经验将这些无法通过在线信息筛选但质量较高的景点添加到行程路线中，形成原旅游产品的备选产品以供游客选择。游客看到定制路线时，可能会根据路线提出明确需求，定制师需要不断接收游客反馈，对旅游路线的各个环节进行调整，直到游客接受某一定制旅游产品。定制师在对旅游产品进行手动调整时，要注意调整后的地点不在原来旅游行程方案所包含的地点内、调整后地点的游玩时间与路程时间要在一定范围内，以保证游客的游玩体验。定制师每一次调整之后，应根据景点门票费用变化重新计算总行程所需费用。

（3） 旅游产品调整总过程

综上所述，本文提出的旅游产品总调整过程步骤可以归纳如下：

步骤1 判断小型团体游客总体满足程度是否达到阈值ξ，若达到，则跳转到步骤5，否则跳转到步骤2；

步骤2 得到游客满足程度未达到最大值的属性，即差异属性；

步骤3 计算差异属性的调整对游客总体满足程度带来的影响；

步骤4 对影响最大的差异属性进行调整，并跳转到步骤1；

步骤5 定制师根据游客需求或自身经验进行手动调整；

经该方法调整后，可保证为游客定制出的η个旅游产品都能达到一定满足程度，这既保证了旅游产品的可用性，也解决了定制过程中出现的冷启动问题，具体调整流程如图3所示。

四、算 例

本文以一小型团体的旅游产品个性化定制为例来说明上述方法的应用。

首先通过总结旅游网站、旅游从业人员以及游客的经验，得出几个重要的旅游产品属性。其中，用于筛选旅游产品的属性为目的地（I1）、旅游天数（I2）、旅游季节（I3）、旅游景点（I4）；用于计

算满足程度的属性为酒店等级（C1）、餐饮价格（C2）、总价格（C3）、旅游路线（C4）。现有小型团体游客在冬季想去西双版纳旅游5天，指定去的景点为“野象谷”，未指定不去的景点。令E1=“目的地”，E2=“旅游天数”，E3=“旅游季节”，E4=“必须去的景点”，E5=“不去的景点”，对应取值e1=｛西双版纳”｝，e2=5，e3=｛“冬季”｝，e4=｛“野象谷”｝，e5=。游客指定酒店等级为“五星级”酒店，餐饮预算为50至70元，上下可浮动30元，总价格为3800至4200元，上下可浮动300元。令E6=“酒店等级”，E7=“餐饮价格”，E8=“总价格”，对应取值e6=5，e7=［α1，β］=［50，70］，δ1=30，e8=［α2，β2］=［3800，4200］，δ2=300。景点类型有5个，即历史文化、自然风光、休闲娱乐、美食享受、民俗特点，小型团体游客对其打分结果为（3，4，5，4，2），根据优序图权重计算方法得到5种景点类型的权重为（0.12，0.24，0.36，0.24，0.04）。游客对“总价格”“酒店等级”“餐饮价格”“旅游景点”的重要程度打分结果为（4，3，3，5），根据优序图权重计算方法得到“总价格”“酒店等级”“餐饮价格”“旅游景点”的权重为（0.3125，0.1250，0.1250，0.4375）。选取效用值排名前3位的旅游产品，即η=3，并将相似度阈值设定为ξ=0.8。

采用上文提及的方法进行旅游产品的定制，相关过程如下：首先利用产品属性I1～I4和游客期望E1～E5，筛选出符合游客需求的旅游产品，并爬取旅游产品评分、名称、总价格，以及酒店等级、餐饮价格等信息如表2所示，总价格仅包含景点和酒店的支出，餐饮价格则是爬取在线旅游产品信息中所建议的餐饮地点人均消费金额。在表2中，餐饮价格为“0”表示该旅游产品不提供餐饮建议，由游客自行安排。

为计算“旅游路线”属性满足游客的需求程度，需计算不同旅游产品中每个景点类型的占比，具体如表3所示。

计算不同类型属性满足游客需求程度，即游客对总价格、酒店等级、餐饮价格、旅游路线的满足程度以及总体满足程度，并根据旅游产品评分计算出旅游产品的效用值，得到游客对各旅游产品各属性的满足程度、总体满足程度和效用值，具体如表4所示。

选取效用值排名前3的旅游产品，分别为1号、6号和9号。其中，1号和6号产品的总满足程度均超过了阈值ξ=0.8，9号旅游产品的总满足程度未超过阈值ξ=0.8，因此进入自动调整步骤。

9号旅游产品“酒店等级”属性的满足程度已经达到最大值“1”，因此不需要调整，只需调整“餐饮价格”和“旅游路线”两个属性。9号旅游产品的调整变动值如表5所示。

经过比较，决定对9号旅游产品调整“餐饮价格”以满足游客期望值［50，70］，得到总体满足程度变化值为0.11125，最终总体满足程度为0.84，达到阈值，可停止调整。根据所爬取的餐厅信息，“可可泰餐吧·东南亚主题餐厅”“悠乐轩·私房菜”“澜归谷花园餐厅”的人均消费不满足小型团体游客期望值［50，70］，现将其替换为景点附近且人均消费价格为［50，70］的餐厅，由于有多个餐厅使总体满足程度提高幅度相同，因此选择其中评分最高的餐厅，分别为“渔品鲜·菌子蒸汽石锅鱼”“曼龙匡傣味餐厅180号”“勐海烤鸡”。餐厅具体信息如表6所示。

对于1号和6号旅游产品，其总体满足程度已经达到阈值，则不用自动调整，直接使用原行程方案即可。得到的3个方案具体行程安排如表7所示。

定制师与小型团体游客沟通后得知其对该行程路线满意，并选择了6号旅游产品，因此定制师不必再对旅游产品进行手动调整。

五、结 语

本文针对小型团体游客提出了一种基于游客需求和在线信息的旅游产品定制方法，该方法是根据游客期望对在线旅游产品进行初步筛选，计算游客对筛选出的旅游产品总体满足程度和旅游产品效用值，并对效用排名靠前的旅游产品进行一定程度的调整，从而得到最终行程方案。该方法较为详细地获取了小型团体游客的需求，利用已有在线旅游产品辅助定制，不仅符合现实中旅游定制师对旅游产品的定制流程，有助于提高定制效率，而且还降低了旅游公司开发新线路的成本与风险，具有一定的可行性和现实意义。该方法计算过程简单、思路清晰，充实了关于旅游产品个性化定制方法的研究理论，为解决现实中针对小型团体游客的旅游产品个性化定制问题提供了一种新的途径。

参考文献：

［1］CHO V.A comparison of three different approaches to tourist arrival forecasting ［J］.Tourism Management，2003，24（3）：323-330.

［2］RODRIGUEZ B，MOLINA J，PEREZ F，et al.Interactive design of personalised tourism routes ［J］.Tourism Management，2011，33（4）：926-940.

［3］于超，樊治平，张晓晓.考虑小型团体游客多类型期望的旅游产品个性化定制方法 ［J］.旅游科学，2017，31（2）：32-41.

［4］SU L，CHENG J，HUANG Y.How do group size and group familiarity influence tourist satisfaction？the mediating role of perceived value ［J］.Journal of Travel Research，2021，60（8）：1821-1840.

［5］朱晓彤.基于消费者要求下定制旅游发展策略与思考 ［J］.现代商业，2022，21（32）：42-45.

［6］李景文，李旭，姜建武，等.改进模拟退火算法在旅游路线定制中的应用 ［J］.科学技术与工程，2020，20（26）：10808-10814.

［7］PENA E.A new heuristic algorithm to create customized tourist routes ［J］.Investigaciones Turísticas，2014（8）：63-84.

［8］姬鹏飞，李远刚，卢盛祺，等.基于语义Web的旅游路线个性化定制系统 ［J］.计算机工程，2016，42（10）：308-317.

［9］KOTILOGLU S，LAPPAS T，PELECHRINIS K，et al.Personalized multi-period tour recommendations ［J］.Tourism Management，2017，62：76-88.

［10］CENAMOR I，DE LA ROSA T，MUNEZ S，et al.Planning for tourism routes using social network ［J］.Expert Systems with Applications，2017，69：1-9.

［11］ZHENG W，LIAO Z，QIN J.Using a four-step heuristic algorithm to design personalized day tour route within a tourist attraction ［J］.Tourism Management，2017，62：335-349.

［12］马子钦，陈崇成，黄正睿.融合用户特征与群体智慧的多目标旅游线路推荐方法 ［J］.地球信息科学学报，2022，24（10）：2033-2044.

［13］李旭，李景文，俞娜.基于用户需求的旅游路线推荐方法 ［J］.计算机工程与设计，2021，42（5）：1339-1345.

［14］DU S，ZHANG H，XU H，et al.To make the travel healthier：a new tourism personalized route recommendation algorithm ［J］.Journal of Ambient Intelligence and Humanized Computing，2019，10（9）：3551-3562.

［15］李倩，许伟，蒋洪迅.考虑用户口碑的旅游计划个性化推荐方法研究 ［J］.管理评论，2016，28（6）：113-118.

［16］吕琳露，李亚婷.基于游记主题挖掘与表达的旅游信息推荐研究 ［J］.现代情报，2017，37（6）：61-67.

［17］SUN Y，FAN H，BAKILLAH M，et al.Road based travel recommendation using geo-tagged images ［J］.Computers，Environment and Urban Systems，2015，53：110-122.

［18］TONG G，BIN G，YI O Y，et al.Crowd travel：scenic spot profiling by using heterogeneous crowdsourced data ［J］.Journal of Ambient Intelligence and Humanized Computing，2018，9（6）：2051-2060.

［19］金新政，厉岩.优序图和层次分析法在确定权重时的比较研究及应用 ［J］.中国卫生统计，2001，18（2）：119-120.

［20］FENG B，LAI F.Multi-attribute group decision making with aspirations：A case study ［J］.Omega，2014，44：136-147.

Tourism product customization method for small groups

Abstract： To meet the increasingly personalized travel needs of tourists， customized tourism has attracted more and more attention. Aiming at the problem of tourism product customization of small group tourists， a tourism product customization method is proposed based on tourist demand and online tourism product information. Online information is used to collect tourism product information and the travel needs of a small group of tourists are obtained; according to the tourism demand， the suitable products are preliminarily selected among the collected online tourism products， the degree of the selected tourism products to meet the needs of tourists and the utility value of the tourism products are calculated， and the tourism products with the highest utility value are selected as the initial tourism products; through the further selection or adjustment， the tourism product solutions can be obtained that can meet the satisfaction of tourists up to a certain threshold. The feasibility and practicality of the method are illustrated through examples. The purpose is to introduce a customized mode of tourism products that can meet the needs of tourists.

Key words： customized travel; tourism product; online information; group-tour; aspiration of tourists