王維莉,鄒雪兒

(上海海事大學(xué) 物流科學(xué)與工程研究院,上海 201306)

0 引 言

近年來,利用旅游網(wǎng)站搜集旅游景點信息和游覽攻略已成為人們規(guī)劃旅游路線的重要渠道。在這些旅游網(wǎng)站上,用戶既可以對某個去過的景點進行打卡評論,也可以根據(jù)需求及偏好選擇自己感興趣的景點了解相關(guān)信息。某些旅游網(wǎng)站也會推薦“一日游”等旅游線路,但這些推薦路線往往是固定的,難以兼顧用戶的不同需求。

新冠疫情對旅游業(yè)造成了極大沖擊,疫情的不確定性縮短了人們規(guī)劃出游的時間窗口,“微旅游”成為大眾旅游休閑新熱點。疫情防控常態(tài)化以來,熱門旅游景點遵循著“限量、預(yù)約、錯峰”的要求,同時各地零星散發(fā)的疫情可能會導(dǎo)致某些景點臨時關(guān)閉,景點游覽的不確定性也增加了旅游路線規(guī)劃的復(fù)雜度?；谝咔榉揽爻B(tài)化的影響,根據(jù)用戶個性化需求和景點信息來規(guī)劃最優(yōu)旅游路線,對縮短用戶行程時間和提升游客旅游體驗具有十分現(xiàn)實的意義。

旅游景點推薦是提升個性化旅游體驗的重要內(nèi)容。崔春生等[1]通過分析景點用戶在線評論獲得用戶的偏好,利用TOPSIS方法實現(xiàn)了對旅游景點的推薦;A.M.ZAHRA等[2]通過對TripAdvisor網(wǎng)站的評論進行分析,獲取了用戶的興趣偏好,同時基于時間、地點、天氣等因素的影響對景點進行推薦;廖旺宇[3]通過用戶在游記中提到的景點頻次、共現(xiàn)及不同景點的照片數(shù)量來分析不同類型用戶的旅游景點偏好,從而做出推薦;K.KESORN等[4]利用Facebook平臺用戶信息數(shù)據(jù)進行個性化景點推薦,并通過用戶好友簽到數(shù)據(jù)分析并更新其活動狀態(tài),成功解決了部分用戶沒有評論信息的“冷啟動”問題。

為了提升旅游體驗,在景點推薦基礎(chǔ)上,旅游路線規(guī)劃還需要考慮景點間距離、出發(fā)地點、出發(fā)時間、旅行持續(xù)時間、總成本等因素[5-7],這是一個典型的多目標約束優(yōu)化問題[8]。馬子欽等[9]根據(jù)用戶的性別、年齡、出行方式、出行時間等因素對用戶群體進行劃分,以提高推薦的準確性;I.CENAMOR等[10]從社交網(wǎng)站收集游客信息,將用戶經(jīng)驗與智能推薦算法結(jié)果相結(jié)合,以達到提高推薦效果的目的。從實用性角度出發(fā),張岐山等[11]在規(guī)劃旅游路線時考慮了交通工具選擇對轉(zhuǎn)移時間和轉(zhuǎn)移費用的影響;陸百川等[12]綜合分析了道路交通因素及游客體驗,提出適應(yīng)自駕游客出行特點的城市近郊旅游路線規(guī)劃方法;QIAN Xiaohui等[13]基于火車票和機票數(shù)據(jù),對城市之間的出行路線進行了優(yōu)化;LIU Song等[14]基于景點存在多個出入口的情況,提出了更接近實際的雙加權(quán)圖旅游出行路徑模型;常亮等[15]總結(jié)了當前旅游路線推薦系統(tǒng)的研究現(xiàn)狀,指出需要進一步挖掘用戶特征和潛在需求,進行多維度推薦,加強位置感知及位置服務(wù)和用戶隱私等。

基于此,筆者綜合分析了用戶興趣偏好和旅游景點屬性,并考慮疫情防控因素的影響,提出了一種多目標約束的旅游路線規(guī)劃方法。首先基于景點流行度和景點開放時長對景點進行評分,為用戶推薦滿足其偏好的NTOP個景點;然后根據(jù)用戶偏好的旅游景點類型,選擇得分最高的k個景點,建立了以成本低、時間短為目標的旅游線路規(guī)劃模型,并用改進蟻群算法對該模型進行求解;最后考慮交通工具選擇對旅游出行費用和出行時間的影響,通過高德地圖API獲取真實的路網(wǎng)信息,并以上海市旅游景點為例,構(gòu)建了疫情防控常態(tài)化下的若干典型情境,得到滿足個性化需求的最優(yōu)旅游路線。

1 問題描述

1.1 數(shù)據(jù)來源與分析

文中景點數(shù)據(jù)包括兩部分。一部分數(shù)據(jù)來源于“去哪兒網(wǎng)”。利用Python的Reouest模塊向網(wǎng)絡(luò)發(fā)送請求,獲取網(wǎng)頁數(shù)據(jù)和Beautiful-Soup中的BS4模塊,從網(wǎng)頁中提取到了上海115個具有用戶評論數(shù)超過200條且真實存在的景點及景點所具有的特征屬性(如:開放時間、建議游玩時間、門票價格等),部分景點信息如表1。根據(jù)文獻[16],將景點分為人文景觀、鄉(xiāng)村田園、現(xiàn)代娛樂、綜合吸引、其他吸引共5類。表1中:類型1～5分別為人文景觀、鄉(xiāng)村田園、現(xiàn)代娛樂、綜合吸引、其他吸引。

表1 景點信息

另一部分數(shù)據(jù)來源于高德地圖。申請高德地圖WEB服務(wù)API密鑰(key)后拼接HTTP請求URL,然后接收HTTP請求返回的JSON格式的數(shù)據(jù)中解析得到。通過地理編碼/逆編碼功能挖掘到這些景點的地理位置信息,利用路徑規(guī)劃功能挖掘到景點之間的轉(zhuǎn)移信息(如:直線距離、駕駛時間、乘坐出租車的費用、步行時間等),如表2。

1.2 定 義

為便于描述所要解決問題,對相關(guān)符號和公式進行如下定義。其中:P={p1,p2,…,p|P|}為所有景點的集合。

1.2.1 景點信息

對于每一個景點pi∈P,pi應(yīng)具有的信息包括景點評分spi,景點類型Cpi,景點評論數(shù)Npi,景點建議游玩時間tpi,景點門票fi,開放時長Tpi(open, close)。其中:Cp1為人文景觀,Cp2為鄉(xiāng)村田園,Cp3為現(xiàn)代娛樂,Cp4為綜合吸引,Cp5為其他類。

1.2.2 路 徑

集合R={r1,r2,…,r|R|}定義路徑邊集。對于路徑集合R中的每一條帶權(quán)有向邊r表示連接兩個景點pi,pj∈P(i≠j)的路徑。

文中定義每一條路徑上的權(quán)重是根據(jù)高德地圖API獲取到的景點pi和pj之間的交通時間tij和交通費用cij。若用戶在景點pi游玩時,該景點因疫情被臨時管控,用戶需要采集完核酸后才可離開,故此時在該景點游玩時間為Δtp,i。

1.2.3 路徑地圖

M=(P,R)為景點之間路徑網(wǎng)絡(luò)信息,如圖1。

圖1 景點路線網(wǎng)絡(luò)信息

圖1中有5個景點(p1,p2,p3,p4,p5),在這個網(wǎng)絡(luò)中共有8條路徑。用戶每天開始游玩時間為09:00,結(jié)束游玩時間為20:00,景點p1建議游覽的時長為60 min,即tp1=60;游客從景點p1到p2所需的交通時間為30 min,即t12=30;交通費用為5元,即c12=5。

1.2.4 交通工具

景點pi和pj之間的交通轉(zhuǎn)移方式Tij只考慮出租車、步行和公共交通這3種情況。若這兩個景點之間直線距離di, j≤2 km時,則考慮步行方式;若這兩個景點之間直線距離2 km10 km時,考慮公共交通。

2 旅游路線規(guī)劃模型

2.1 系統(tǒng)框架

筆者提出了考慮游客個性化需求及疫情防控影響的旅游路線推薦系統(tǒng),如圖2。

在離線學(xué)習(xí)階段,從旅游網(wǎng)站獲取到景點有關(guān)信息數(shù)據(jù),對景點進行評分,并通過高德地圖API獲取景點地理位置和路線信息;在線規(guī)劃階段,主要是為用戶規(guī)劃不同情境下優(yōu)化的旅游路線,用戶需要輸入計劃游玩的開始日期和結(jié)束日期、每日旅游時長、計劃游玩景點數(shù)等相關(guān)信息;當收到用戶請求后,建立帶時間約束的多目標路徑規(guī)劃模型,并利用改進蟻群算法進行求解。

2.2 景點評分機制

2.2.1 基于景點流行度評分

游客在規(guī)劃游覽路線時,該地區(qū)熱門景點往往最能吸引游客。例如:上海外灘、迪士尼等景點對外地游客具有較高吸引力。為了解熱門景點對用戶的潛在吸引力,提出了景點流行度的概念?？紤]到熱門景點在旅游網(wǎng)站上往往擁有較多的點評,因此以景點評論數(shù)來表征該景點的熱門程度。景點pi的流行度計算為:

(1)

(2)

式中:Npi表示在景點pi的評論人數(shù);k表示|P|個景點中屬于類型c的個數(shù),c=1～5;σ(Cpi)表示景點pi的類型屬性。

以人文景觀為例,按景點流行度排名Top5的景點如表3。

表3 人文景觀類景點流行度排名Top5

2.2.2 基于景點開放時長評分

旅游景點開放時間相對固定,并且在全年不同時間段的開放時間可能存在差異。例如:東方明珠在1月1日—9月30日期間的開放時間為09:00—21:00,在國慶期間的開放時間為08:00—22:00;而外灘則是全年24 h開放。因此在用戶確定了出發(fā)日期后,需要對每一個景點pi的開放時長進行評分,用λi表示,如式(3)。一天中開放時間越長的景點,其λi也越大。

(3)

式中:Tpi(open)表示景點pi當天開門時間;Tpi(close)表示景點pi當天關(guān)閉時間。

以表3中流行度排名前5的景點為例,對其開放時長進行評分,如表4(以2021年7月1日為例)。考慮到部分景點受疫情影響暫時不對外開放的情況,筆者以復(fù)旦大學(xué)為例(自疫情以來復(fù)旦大學(xué)不對校外人員開放),這個景點Tpi(close)-Tpi(open)=0,故該景點開放時長評分λi=0。

表4 流行度Top5景點的開放時長評分

2.2.3 融合多因素景點評分方法

基于景點流行度和景點開放時長評分,綜合考慮這兩種因素得到景點的最終評分spi,如式(4)。

spi=ωpi+(1-ω)λi

(4)

ω取值隨用戶偏好變化。對于有明確景點偏好類型的游客(ω=0.7),即景點流行度對景點最終評分的影響更大,并在其感興趣景點類型數(shù)據(jù)集中為用戶推薦景點;對于沒有明確景點偏好類型的游客(ω=0.5)[16],即景點流行度與景點開放時長的影響相近。

2.3 帶時間約束的多目標旅游路線規(guī)劃模型

考慮到用戶在旅游過程中希望花費盡可能少及旅游時間盡可能短,旅游路線規(guī)劃模型及約束條件如下:

(5)

(6)

(7)

(8)

(9)

(10)

其中:式(5)、式(6)分別為旅游路線推薦模型中最小費用和最少時間的目標函數(shù);式(7)、式(8)為確保景點游覽不重復(fù)的約束;式(9)為疫情影響下設(shè)置的旅游時間約束,Ti為用戶計劃游玩的總時長;式(10)為路徑選擇的0-1函數(shù),當景點pj是pi的下一個游玩景點時,則xij=1,否則xij=0。

利用線性加權(quán)和法將多目標函數(shù)優(yōu)化為評價函數(shù),如式(11)。

L=ω1L1+ω2L2

(11)

式中:ω1、ω2分別為不同用戶需求變化的權(quán)系數(shù)。若用戶在旅游過程中更注重經(jīng)濟性,即希望所花費用更少,則ω1>ω2;若用戶希望旅游時間更少,則則ω1<ω2。

2.4 旅游路線規(guī)劃算法

2.4.1 改進蟻群算法

蟻群算法是一種受到蟻群覓食行為啟發(fā)而提出的仿生算法,最早被用來求解旅行商問題(travel salesperson problem)。為提高算法求解質(zhì)量,筆者對每一代螞蟻迭代后得到的最優(yōu)解采用局部搜索策略。在對候選解R={Ci1,Ci2, …,Cin-1,Cin}的鄰域進行局部搜索迭代探測時,采用兩兩交換策略對候選解R中的路徑進行局部調(diào)整,以進一步提高解的質(zhì)量;從R中隨機挑選兩個城市i1、i2交換位置而得到的新的候選解R*的集合,對可以降低路徑長度的城市進行交換,若沒有降低路徑長度則繼續(xù)局部搜索,此過程循環(huán)10次后結(jié)束搜索;若兩兩交換后的候選解鄰域內(nèi)能找到更好的路徑序列R*

2.4.2 算法實現(xiàn)步驟

所設(shè)計的改進蟻群算法推薦旅游路線具體步驟如下:

步驟1:初始化迭代次數(shù)和路徑記錄表,設(shè)置最大迭代次數(shù)imax,信息素重要程度參數(shù)α=5,信息素蒸發(fā)系數(shù)r=0.1,信息素增加強度系數(shù)Q=1;

步驟2:選擇城市i作為m只螞蟻的出發(fā)點。對每只螞蟻利用輪盤賭法從剩下的n-1個城市選擇其下一個訪問城市;

步驟3:當螞蟻遍歷完全部城市時,計算每只螞蟻構(gòu)建的路徑長度Lk(k=1, 2,…,m),求出各代最佳路徑Rbest及各代路徑的平均目標值Lave,并更新全局最佳路徑Lbest值。

步驟4:采用局部搜索策略對全局最佳路徑中的城市進行隨機兩兩交換,計算產(chǎn)生的新路徑長度ftmp,將新路徑長度與步驟3中的全局最佳路徑Lbest值進行比較,若ftmp

步驟5:更新信息素濃度;

步驟6:i=i+1,若迭代次數(shù)達到最大迭代次數(shù),則清空路徑記錄表并轉(zhuǎn)至步驟2開始下一輪循環(huán);否則轉(zhuǎn)至步驟5;

步驟7:結(jié)束,輸出全局最佳路徑長度Lbest及路徑序列。

3 案例分析

3.1 案例背景

為配合COVID-19疫情流行病學(xué)調(diào)查工作,從2021年10月31日18:00起,上海迪士尼樂園和迪士尼小鎮(zhèn)停止游客進入,園區(qū)內(nèi)所有游客在離開前需接受核酸檢測。至當晚23:30園內(nèi)數(shù)萬名游客全部完成檢測,與此同時上海軌道交通11號線迪士尼站受疫情影響暫停服務(wù),上海迪士尼樂園和迪士尼小鎮(zhèn)也于2021年11月1、 2日暫停對外開放。鑒于此,筆者構(gòu)建了游客在出游過程中可能面臨的不同情境,分析規(guī)劃各情境下最優(yōu)的旅游路線。

3.2 案例情境

假設(shè)A游客為大學(xué)生,B游客為帶幼兒的家長,他們計劃國慶節(jié)期間在上海市旅游兩天,共游覽5個景點,每天游覽時間為09:00—20:00,并在前一天游覽結(jié)束的景點附近住宿。假設(shè)他們均對人文景觀和主題樂園類景點感興趣,根據(jù)2.2節(jié)景點打分結(jié)果,人文景觀和主題樂園得分綜合前10的景點如表5,這些景點分布如圖3。

表5 人文景觀和現(xiàn)代娛樂類別綜合排名Top 10景點

模型參數(shù)設(shè)定如下:

1)在景點間的交通工具選擇方面,根據(jù)1.2節(jié)設(shè)置,在2 km以內(nèi),游客選擇步行方式;在2～10 km,A游客選擇公共交通,B游客選擇出租車;在10 km以上,游客均選擇公共交通方式。

2)由于游客有明確偏好,景點評分權(quán)重ω=0.7。

3)年齡、職業(yè)、收入、家庭生命周期是影響旅游者行為和消費模式的重要因素[17]。A游客在旅游過程中更注重經(jīng)濟性,則目標函數(shù)中權(quán)系數(shù)ω1=0.7,ω2=0.3;B游客希望花費更少的游覽時間,則目標函數(shù)中權(quán)系數(shù)ω1=0.3,ω2=0.7。

3.3 結(jié)果分析

3.3.1 無景點臨時關(guān)閉

假設(shè)用戶都從外灘出發(fā),為A游客推薦的第1天旅游路線為:外灘—城隍廟旅游區(qū)—七寶老街,第2天旅游路線為:上海海洋水族館—長風(fēng)公園;這2天的行程最小費用為171元,最少時間為1 057.2 min。為B游客推薦的第1天旅游路線為:外灘—城隍廟旅游區(qū)—七寶老街,第2天旅游路線為:上海海洋水族館—東方明珠;這2天的行程最小費用為380元,最少時間為881.12 min。

3.3.2 游客因疫情防控原因滯留外灘

因疫情防控需要景點被臨時封控,游客需滯留該景點一段時間。假設(shè)用戶在外灘的滯留時間為Δtp, i=240 min,此時為A游客推薦第1天的旅游路線為:外灘—城隍廟旅游度假區(qū),第2天旅游路線為:七寶老街—東方明珠—長風(fēng)公園,這2天的行程最小費用為171元,最少時間為1 297.18 min;為B游客推薦的第1天旅游路線為:外灘—城隍廟旅游區(qū),第2天旅游路線為:七寶老街—上海海洋水族館—東方明珠,這2天的行程最小費用為380元,最少時間為1 121.12 min。

3.3.3 因疫情管控外灘暫時性不對外開放

假設(shè)因疫情防控需要,外灘附近區(qū)域暫不對外開放,且與外灘有關(guān)的某條交通路線封閉,用戶起始位置則從剩下9個景點中隨機選擇。此時為A游客推薦第1天的旅游路線為:長風(fēng)公園—東方明珠—老碼頭,第2天旅游路線為:城隍廟旅游區(qū)—朱家角古鎮(zhèn),這2天的行程最小費用為269元,最少時間為1 160.62 min;為B游客推薦第1天的旅游路線為:長風(fēng)公園—城隍廟旅游度假區(qū)—七寶老街,第2天旅游路線為:上海海洋水族館—東方明珠,這2天的行程最小費用為402元,最少時間為1 017.58 min。

4 結(jié) 語

筆者通過獲取“去哪兒網(wǎng)”網(wǎng)站中的景點信息,考慮游客對景點類型偏好,根據(jù)景點流行度和景點開放時長對景點進行評分,獲取了不同類型下得分最高的NTOP個景點;利用高德地圖開放平臺獲取路網(wǎng)數(shù)據(jù)和景點間的轉(zhuǎn)移信息,考慮不同交通方式對出行時間及出行費用的影響,建立了以費用最少及時間最短的多目標旅游路線規(guī)劃模型,并利用改進蟻群算法進行求解;考慮疫情防控常態(tài)化對景點開放情況的影響,構(gòu)建了若干個典型情境,計算獲得了各情境下可滿足游客個性化體驗的最優(yōu)旅游路線。

筆者所提出的旅游路線規(guī)劃方法能有效減少用戶旅行時間和旅行成本,并考慮了疫情防控導(dǎo)致的景點臨時關(guān)閉、游覽時間延長等影響,具有較好的實用性和可行性。但未來研究應(yīng)對景點評論進一步細分(如區(qū)分好評、差評,或考慮評分等級以提高景點推薦的準確性);同時根據(jù)用戶畫像特征,可結(jié)合用戶出游目的、出游人數(shù)、消費特征等,進一步完善個性化旅游路線推薦方法。