基于地理标记照片的个性化景点推荐方法

研究如何根据已有的海量旅游信息及数据,为游客个性化推荐旅游景点具有重要意义。本文利用从Flickr网站获取的2013—2018年香港特别行政区范围内的地理标记照片来识别旅游景点,并根据游客游览顺序重建旅游轨迹。在此基础上,针对现有方法尚未考虑游客偏好在旅行过程中会发生动态变化的问题,提出一种基于隐含狄利克雷分布模型（Latent Dirichlet Allocation, LDA）和用户长短期偏好的个性化景点推荐方法（A Recommendation Method Based on LDA and User's Long and Short-Term Preference, L-ULSP）。该方法利用LDA主题模型获取景点特征信息,挖掘景点间的相关性,再利用注意力机制和长短期记忆网络分别学习用户的长期偏好和短期偏好,最后结合长短期偏好捕捉用户偏好的动态变化。实验结果表明, L-ULSP方法所推荐的景点在命中率和平均倒数排名2个指标上均优于现有其他方法,证明了本文所提方法可以从景点序列中有效学习游客偏好,并为游客推荐下一个景点。此外,本文通过对比实验,进一步验证了同时考虑用户的长短期偏好能够更好地学习用户的偏好变化。     

基于复杂网络的鼓浪屿旅游街区关联规则识别与特征分析

基于复杂网络分析游客空间行为并挖掘旅游街区之间的关联特征,可以发现用地与功能之间显性和隐性的关联规则,精准识别旅游区用地空间结构,深入掌握旅游区发展现状,为智慧旅游与土地精细化转型提供支撑。本研究以世界文化遗产鼓浪屿为例,基于LBS大数据,使用复杂网络构建游客空间行为网络,利用关联规则分析重要节点的关联特征,进而使用用户画像数据,分析基于不同性别、年龄和客源地游客空间行为的街区关联规则。研究发现,“复杂网络+关联规则”算法可以挖掘游客随机行为中的隐藏规律,有效剖析旅游街区之间显性和隐性的关联规则。在游客空间行为轨迹网络中,各街区兼具“中心”与“枢纽”作用。既服务于本地游客又服务于外地游客的热门旅游街区表现出强关联规则。对外地游客具有较强吸引力的热门景点表现出较高的支持度,具有特色的旅游设施用地表现出较高的提升度。具有同质性的旅游街区之间关联性较强,人口特征差异对旅游街区关联规则影响显著。本研究可为城市更新背景下的旅游区用地整合、结构优化和游览线路调整提供决策参考,对于构建智慧旅游体系具有现实意义。     

面向就医地点推荐的个人时空可达性分析方法

目前如何根据用户需求以及时空制约条件合理安排就医出行,在海量的医疗机构中实现就医地点的合理推荐是人们的迫切需求。区别于常见的个性化医疗信息推荐方法,本文综合考虑医疗机构的实时资源规模、医疗用户的个性化需求以及前往机构的时空制约,提出一种面向就医地点推荐的个人时空可达性分析方法,并将方法运用于居民的就医出行场景中,实现就医地点的有效推荐。以济南市为研究区域,借助从高德地图API以及医疗健康网站中获取的地理信息数据与医疗机构资源数据,在不同用户、时间和地理位置的情境下,设置2处高校图书馆、2处居民点以及2处大型交通站共6个场景检验方法的有效性。实验表明,本文提出的个人时空可达性方法,能够有效度量医疗用户个体至就医地点间的可达程度,可解决不同时空情境下的就医地点推荐问题,同时也为相关智慧医疗技术的功能建设提供方法支撑,具有良好的应用前景。     

基于手机定位数据的游客步行行为特征及与旅游区功能布局关系研究

对步行旅游区游客步行轨迹和行为特征进行研究,发现步行行为特征与旅游区功能布局的关系,有助于步行旅游区功能布局和空间格局的优化。本研究基于记录海量个体时空轨迹的手机定位数据,以十一黄金周期间鼓浪屿为例,使用数据挖掘与空间分析方法从步行游客空间分布、步行轨迹网络结构、街区间步行路径与速度、街区内步行速度等方面分析游客步行行为特征及其与功能布局的关系,并与规划文件比较,提出旅游区发展建议。研究发现,旅游区空间布局对游客步行行为特征存在直接影响。功能布局导致各街区游客到访率以及步行轨迹网络中心度的差异。游客更倾向于选择人流量大的街道作为步行游览路线。商业街区虽然游客密集,但是街道上的游客流量并不大。在热门景点区域,游览路线单一造成的拥挤,导致游客停留意愿较低。大尺度开发与互动体验欠缺使得自然景观区和某些热门景点对游客的吸引力不足。对比游客步行时空特征与旅游区功能布局,提出了旅游区功能布局优化策略。本研究为旅游区用地和旅游线路的优化提供量化支持,对智慧旅游和城市高质量建设均具有现实意义。     

基于WebGIS的新疆经典旅游信息系统——以观光线路查询为例

本研究以经典旅游路线体系和新疆旅游观光线路的经典性为重点,从纷繁复杂、种类各异的新疆旅游资源中,结合新疆旅游资源,设计实现了新疆经典旅游信息系统.从游客的需求性、旅游路线的经典性和景点的代表性出发,有针对性地初步构建经典旅游线路体系,筛选并建立了MYSQI.经典旅游线路数据库.依据新疆部分旅行社、旅游局和导游协会推荐意...     

旅游景点间细粒度语义交互作用挖掘及模式分析：以云南省为例

研究旅游景点语义交互及交互作用模式,对根据游客需求优化旅游格局有重要意义。现有语义交互挖掘方法忽略了文本中包含人感知信息的上下文词汇;此外,缺少以景点交互为单位分析交互作用模式的研究。为此,本文提出了一个景点间细粒度语义交互作用挖掘和模式分析框架。首先抽取文本中景点交互的语境;然后利用TF-IDF关键词抽取和语义网络分析方法,从讨论焦点和语义结构角度挖掘景点间细粒度的语义交互作用;最后结合Spearman秩相关系数、Graph Kernel图相似度度量方法和网络分析方法,分析语义交互作用模式。以云南省2018年游记数据进行实例分析,结果表明：① 利用本文提出的框架可以挖掘和分析各个景点间细粒度的语义交互作用,辅助有关部门结合游客意见提升旅游体验;可以分析语义交互作用模式,发现优化旅游格局的关键路线片段;② 苍山-洱海应着重提升自然风光体验;而大理古城-洱海应考虑改善游客对品牌旅游资源关注不足的问题;③ 云南省单核心集聚型、单核心辐射型、多区域合作型景点语义交互模式共存,呈现出点轴渐进扩散特征。可利用中介中心性较高且跨区域的景点交互,推动其他2种模式向多区域合作型转化,推进全域旅游战略实施。本文研究可为旅游路线推荐以及平衡旅游格局提供参考。     

基于MapReduce的海量公交乘客OD并行推算方法

公交乘客出行OD能够反映居民出行特征和出行需求,是进行公交系统评价、调度和线路优化的重要基础数据,对城市规划具有重要的实用价值。现有公交OD推算方法多适用于少量公交数据,无法直接快速地推算海量公交乘客出行OD,因此本文提出了一种基于MapReduce的海量公交乘客OD并行推算方法。首先将公交数据从关系型数据库迁移至HBase数据库;接着利用MapReduce并行计算框架,根据HBase中IC卡数据的Region数量分成多个map任务,每个map任务中Map函数计算上车站点,Reduce函数将上车站点以用户为单位进行归并输出到HDFS;然后在上车记录数据的基础上,根据HDFS存储的块数量分成多个map任务,针对每个乘客的出行记录,综合考虑出行链方法和历史相似出行行为规律实现对公交乘客下车站点较为精确的推算。最后以厦门2015年6月13日至26日的IC卡数据和公交车辆GPS数据进行实例分析,共计算出295条公交线路,16 879 661条上车记录,14 410 058条完整OD记录,占IC卡数据的78.9%,计算效率相比传统方法有较大幅度提升。结果表明：该方法不仅可以较为准确地推算公交乘客上下车站点,而且计算效率较高。     

基于Item2Vec负采样优化的专题地图产品个性化推荐方法研究

建立适用于专题地图产品检索的用户偏好推荐模型是提高专题地图质量的有效方式之一,在专题地图产品推荐场景中,存在严重的内容冷启动和评论数据稀疏问题,现有的推荐算法无法为特定类用户推荐不同特征的专题地图产品,导致用户从专题地图中获取偏好信息受到限制。因此,本文构建基于负采样的连续词袋模型和基于Word2Vec的Item2Vec相结合的用户偏好推荐方法,用于专题地图产品推荐。① 计算用户行为日志文件中交互行为数据的隐性评分,以代替专题地图推荐信息流场景中稀疏的用户评论数据;② 基于负采样的连续词袋模型提取目标专题地图的前后地图序列感知特征信息,通过控制正负样本比例为1:2,提升目标专题地图潜在评分的预测精度;③ 通过Item2Vec将带有用户行为特征信息的专题地图映射到向量空间,计算用户对专题地图的相似度矩阵,根据用户偏好程度完成推荐。在构建的专题地图评分实验数据集Thematic CMaps和4个公开验证数据集MovieLens上的测试结果表明:与LFM、Personal Rank、Content Based和SVD 4种传统推荐算法相比,本文所提方法可有效提高潜在评分的预测精度,推荐性能最高达到27.85%;与以霍夫曼采样方式的Item2Vec基础方法和YouTubeNet 2种神经网络推荐算法相比,评分预测精度有一定提高,且推荐性能不断提升,最高达到2.97%和5.78%。以经典算法奇异值分解（SVD）为例,将MovieLens-20M数据集切分后,在数据量不断增大的数据子集中,本文所用方法的评分预测精度和性能均优于SVD方法。     

基于大规模手机位置数据的城市潜在自行车出行需求评估

潜在自行车出行是指可能会使用自行车作为交通工具的出行,评估潜在自行车出行需求能够帮助指导城市自行车资源配置方案的优化。大规模手机位置数据蕴含丰富的人群移动信息,而且具有大样本、低成本的特点,能够用于评估城市潜在自行车出行需求。本文结合自行车出行的时间和距离特征,提出一种基于大规模手机位置数据的潜在自行车出行需求评估方法。该方法以单次出行为分析单元,从手机用户的轨迹中提取出具有短距离出行特征和公共交通接驳出行特征的移动轨迹段,并根据该移动轨迹段评估潜在自行车出行需求。基于该方法,利用上海市大规模手机位置数据评估上海市潜在自行车出行需求并分析其时空分布特征,发现在空间上,潜在自行车短距离出行需求主要分布在城市中心和郊区的商业中心,而公共交通接驳的自行车需求主要分布在郊区。在时间上,上午,自行车出行需求从非中心城区向中心城区聚拢;晚上,上海市自行车出行骑车与停车需求从中心城区向非中心城区扩散。     

融合特征交叉与用户历史行为序列的微地图推荐

针对现有微地图（WeMaps）推荐算法未充分挖掘用户与微地图特征,推荐结果准确率较低的问题,提出融合特征交叉与用户历史行为序列的微地图推荐算法。首先,在用户与地图特征交叉过程中通过引入跳跃连接和多头自注意力机制,让不同特征组合能够自动获得权重,并通过在多个子空间下进行特征交叉获得了更丰富的特征组合信息。其次,在用户历史行为序列中引入了交叉注意力机制,捕捉与候选地图相关的兴趣点。最后,融合特征交叉和用户行为序列模块的输出,获得了综合多个维度的推荐结果。在公开数据集Criteo和自制微地图（WeMaps）数据集上的对数损失值分别为0.446 1、0.379 7,受试者操作特征曲线下面积值（Area Under the ROC Curve,AUC）分别为0.805 2、0.788 3。相较于本文对比实验中的二阶特征交叉模型,损失值分别降低了1.7%、14.2%,AUC值提高了0.8%、0.4%。相较于本文对比实验中的高阶特征交叉模型,损失值平均降低了1.3%、2.6%,AUC值平均提高了0.6%,0.2%。较低的损失值和较高的AUC值说明模型进行预测时具有较高的准确性和较好的分类能力。实验结...     

Accessibility Comparison and Spatial Differentiation of Xi'an Scenic Spots with Different Modes Based on Baidu Real-time Travel

A study of the accessibility of a city's scenic spots via different travel modes can contribute to optimization of tourism-related transportation while improving tourists' travel-related satisfaction levels and advancing tourism. We systematically analyzed the accessibility of 56 scenic spots in Xi'an City, China, via car and public transport travel modes using the real-time travel function of the Baidu Maps API(Application Programming Interface) along with spatial analysis methods and the modal accessibility gap index of scenic spots. We obtained the following results. First, maximum and minimum travel times using public transport exceeded those using cars. Moreover, the accessibility of scenic spots via cars and public transport presented a circular spatial pattern of increasing travel time from the center to the periphery. Contrasting with travel by public transport, car travel showed a clear time-space compression effect. Second, accessibility of the scenic spots via cars and public transport showed some spatial heterogeneity, with no clear advantages of car accessibility in the central urban area. However, advantages of car accessibility were increasingly evident moving from the center to the periphery. Third, whereas the correlation of the modal accessibility gap index of scenic spots in Xi'an with global space was significantly positive, local spatial interdependence was only evident in some inner city areas and in marginal areas. Moreover, spatial heterogeneity was evident in two regions but was insignificant in other areas, indicating that the spatial interdependence of the modal accessibility gap index in most scenic spots was not apparent in terms of the overall effect of public transport routes, road networks, and the distribution of scenic spots. The improvement of public transport coverage in marginal areas and the optimization of public transport routes in central urban areas are essential tasks for improving travel using public transport in the future.     

面向智能导游的双加权图模型及其路径规划

景区游览线路是游客游览不同景点的有效选择路径。在导航系统中通常结合各景点POI(Point of Interest)和景区路网的路径规划而生成,但是,针对具有一定范围与多出入口的景点(如建筑物类景点),单一的POI坐标描述机制规划产生的游览路径,往往与智能导游应用中实际可行的最优游览路径存在明显差异。本文分析了景点大小、多出入口等特征对景区游览路径规划的影响,提出了顶点和边的权重均可动态选择的景区双加权图模型,突破了单一POI描述机制的限制。同时,讨论了景区双加权图模型的化简、构建方法,并以Dijkstra算法和Prim算法为基础,给出了其最优路径规划求解算法。实验表明,本文模型及其最优路径规划算法所得结果更为优化与合理,具有较少的游览规划距离和更为紧凑的游览过程安排。     

旅游景点筛选组合及旅游线路的优化算法与应用

近年来,我国的旅游业蓬勃发展,积累了大量的数据,有效地分析和理解这些数据,可以更好地服务于旅游业,并促进其健康科学地发展。鉴于此,引入几个算法对旅游点及旅游线路进行科学定制与设计,提出了利用极大团对旅游点进行筛选组合的新算法,同时对建立国内旅游查询系统的可行性及系统背后的算法进行了分析。实验结果表明,所提出的算法适合大规模问题,可对旅游及科研部门制定宏观策略提供参考,同时建立国内旅游查询系统也是可行的,即自驾游者可随时上网或用手机查询国内的最佳旅游景点组合、旅游线路及驾车路线,也可查询国内任意两点间的最短行车路线和任一座城市的任两点间的最优公交乘车路线,这将大大方便人们的生活。     

面向微地图的地标提取方法及个性化寻路应用

地标在空间信息传输中具有重要作用,微地图为用户制作及传播地图内容提供平台。为提取符合人们空间认知的微地图地标,本文提出了一种由用户生成内容来提取地标的方法。① 计算公众认知度、城市中心度、特征属性值3个指标;② 利用熵值法确定各指标的权重,依据地标显著度差异分层获取地标,建立服务于微地图用户的地标集;③ 在用户制作及传播微地图的过程中,收集由用户生成的地标,丰富地标库,实现地标的二次传播,达到由用户生成内容提取地标的目的。实验选择兰州市安宁区的POI数据计算地标显著度,提取不同层次的地标,实验结果创建了服务于微地图用户的各层地标集,实例化利用地标连线完成寻路,绘制出满足用户不同需求的个性化路线。本研究应用于日常寻路,为微地图的快速绘制和将地标纳入导航系统提供参考,提高寻路效率。     

地学数据共享网用户Web行为预测及数据推荐方法

网络环境下,如何让用户快速发现所需数据是地学数据共享平台长期面临的挑战之一。本文基于国家地球系统科学数据共享平台网站服务器日志数据获取用户搜索行为及数据集访问行为,使用聚类算法挖掘用户行为模式,并基于会话聚类 模式开发在线搜索和访问预测算法。在数据预处理阶段,对原始服务器日志数据进行清洗、用户识别、用户会话识别、搜索词提取。在模式挖掘阶段,采用DBSCAN算法对会话进行聚类。考虑到会话向量值的二元性,聚类算法中的距离采用Jaccard距离函数计算。视每个会话聚类包含的搜索词集合为一个文本,所有用户历史搜索词集合为语料库,统计各聚类中搜索词的TF-IDF值。在线搜索推荐,以搜索词检索各聚类中TF-IDF值,返回TF-IDF值最高的搜索词所属聚类,并给出该聚类的高频项目作为推荐。在线访问推荐,则以用户实时访问向量为查询向量,计算该向量与聚类中心的聚类。根据聚类排序,给出距离最近的聚类,并产生该聚类中高频项目作为推荐。实验结果表明基于TF-IDF和聚类的搜索推荐有较高的准确率和召回率,访问推荐效果基于高频统计的推荐有较大提高。研究可得出以下结论：① 地学共享网用户访问和搜索行为体现了专业性的特点,其行为较普通网站用户可预测性更好;② 对于地学数据共享用户行为预测,需明确定义用户行为,并采用合适的距离函数描述行为相似性;③ 通过搜索词TF-IDF值来预测用户数据需求的方法可行,以此产生的推荐可作为搜索结果的补充。本研究可服务于地学领域数据共享平台建设,提高共享服务质量,也可为其他领域科学数据共享提供技术方法借鉴。     

Multi-Objective Weather Routing Algorithm for Ships Based on Hybrid Particle Swarm Optimization

Maritime transportation has become an important part of the international trade system.To promote its sustainable de-velopment,it is necessary to reduce the fuel consumption of ships,decrease navigation risks,and shorten the navigation time.Ac-cordingly,planning a multi-objective route for ships is an effective way to achieve these goals.In this paper,we propose a multi-ob-jective optimal ship weather routing system framework.Based on this framework,a ship route model,ship fuel consumption model,and navigation risk model are established,and a non-dominated sorting and multi-objective ship weather routing algorithm based on particle swarm optimization is proposed.To fasten the convergence of the algorithm and improve the diversity of route solutions,a mutation operation and an elite selection operation are introduced in the algorithm.Based on the Pareto optimal front and Pareto optimal solution set obtained by the algorithm,a recommended route selection criterion is designed.Finally,two sets of simulated navigation simulation experiments on a container ship are conducted.The experimental results show that the proposed multi-objective optimal weather routing system can be used to plan a ship route with low navigation risk,short navigation time,and low fuel consumption,fulfilling the safety,efficiency,and economic goals.     

基于路网拓扑层次性表达的驾车路径规划方法

人对所处客观世界的认识具有显著的空间层次特征,可指导出行路径规划过程。常用的层次空间推理的分层路径计算方法,虽顾及了路网的层次性特征,但道路规划等级与人对路网的层次性认知往往并不一致。而道路网络自身的拓扑结构可客观反映道路重要程度,以及出行者对道路的层次性认知经验。本文以拓扑结构指标表达道路的层次性特征,以此规划驾车出行路径,并通过与出租车行驶路径的匹配度及距离最短路径耗时比评价路径规划结果的合理性。研究结果表明,基于路网拓扑层次性表达的规划路径优于距离最短路径、动态时间最短路径、基于道路等级的静态时间最短路径及基于动态中介中心性分层的距离最短路径,与基于出租车经验建模的路径规划结果相当。但本文所提出的方法不需出租车经验建模所依赖的浮动车系统支持,更利于部署应用。