本發(fā)明涉及旅游訂制，具體為一種基于大數(shù)據(jù)的旅游訂制服務(wù)方法及系統(tǒng)。

背景技術(shù)：

1、隨著社會的不斷發(fā)展，生活節(jié)奏加快，容易使人感到疲憊，出行旅游無疑是最好的放松方式，人們在沖浪時會發(fā)現(xiàn)許多的旅游攻略，使人們對旅游充滿著憧憬。

2、目前，現(xiàn)有技術(shù)大多采用根據(jù)用戶的喜好匹配景點特征來為用戶推薦景點，然而，大多數(shù)景點的特征都與實際存在一定出入，用戶的喜好與預(yù)期也存在一定差異，現(xiàn)有技術(shù)無法根據(jù)用戶的預(yù)期特征匹配對應(yīng)的景點進行推薦，導致旅游方案推薦出現(xiàn)較大偏差，而且，現(xiàn)有技術(shù)僅考慮單一因素，無法全面考慮用戶預(yù)算、旅游時間及出行方式的影響，導致用戶的出行效率較低，用戶體驗感較差，因此，設(shè)計準確性高和效率高的一種基于大數(shù)據(jù)的旅游訂制服務(wù)方法及系統(tǒng)是很有必要的。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于大數(shù)據(jù)的旅游訂制服務(wù)方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于大數(shù)據(jù)的旅游訂制服務(wù)系統(tǒng)，包括數(shù)據(jù)收集模塊、方案制定模塊和訂制服務(wù)模塊，所述數(shù)據(jù)收集模塊用于收集各景點的綜合數(shù)據(jù)、用戶歷史游玩數(shù)據(jù)和各景點的攻略及評價數(shù)據(jù)，將用戶的喜好綜合數(shù)據(jù)錄入系統(tǒng)，所述方案制定模塊用于分析用戶的喜好和景點的特征，分析評價數(shù)據(jù)中用戶的評價對景點特征的影響，根據(jù)分析結(jié)果對景點特征進行修正，分析天氣及季節(jié)因素對景點推薦值的影響，計算各景點的推薦值，根據(jù)景點推薦值選取目標景點，分析用戶的旅游時間、預(yù)算及出行方式，根據(jù)分析結(jié)果為用戶規(guī)劃游玩路線及旅游方案，所述訂制服務(wù)模塊用于根據(jù)用戶選擇方案為用戶預(yù)訂景點門票及酒店，用戶評價旅游體驗，所述數(shù)據(jù)收集模塊、方案制定模塊和訂制服務(wù)模塊相互通信連接；

3、所述特征分析模塊包括預(yù)期分析子模塊和景點特征分析子模塊，所述預(yù)期分析子模塊用于分析用戶的喜好和用戶歷史旅游數(shù)據(jù)及評價，根據(jù)分析結(jié)果預(yù)測用戶的預(yù)期特征，所述景點特征分析子模塊用于分析景點的描述數(shù)據(jù)，分析景點的用戶評價，根據(jù)分析結(jié)果對景點特征進行修正；

4、所述景點推薦模塊包括景點匹配子模塊、路線規(guī)劃子模塊和方案推薦子模塊，所述景點匹配子模塊用于分析用戶預(yù)期特征與景點特征的匹配度，分析天氣季節(jié)因素對景點推薦值的影響，所述方案推薦子模塊用于分析用戶預(yù)算、旅游時間和出行方式，根據(jù)分析結(jié)果為用戶選取景點，所述路線規(guī)劃子模塊用于根據(jù)用戶的景點規(guī)劃旅行路線和行程。

5、根據(jù)上述技術(shù)方案，所述數(shù)據(jù)收集模塊包括數(shù)據(jù)采集模塊和用戶喜好數(shù)據(jù)錄入模塊，所述數(shù)據(jù)采集模塊用于收集各景點的綜合數(shù)據(jù)、用戶歷史游玩數(shù)據(jù)和各景點的攻略及評價數(shù)據(jù)，所述用戶喜好數(shù)據(jù)錄入模塊用于將用戶的喜好綜合數(shù)據(jù)錄入系統(tǒng)。

6、根據(jù)上述技術(shù)方案，所述方案制定模塊包括特征分析模塊，所述特征分析模塊用于分析用戶的喜好和景點的特征，分析評價數(shù)據(jù)中用戶的評價對景點特征的影響，根據(jù)分析結(jié)果對景點特征進行修正。

7、根據(jù)上述技術(shù)方案，所述方案制定模塊還包括景點推薦模塊，所述景點推薦模塊用于分析用戶預(yù)期特征與景點特征之間的匹配度，分析匹配度、天氣因素、季節(jié)因素和用戶預(yù)算對景點推薦值的影響，根據(jù)分析結(jié)果制定旅游方案并規(guī)劃旅游路線及日程。

8、根據(jù)上述技術(shù)方案，所述訂制服務(wù)模塊包括評價模塊和預(yù)訂模塊，所述評價模塊用于用戶反饋旅游體驗，所述預(yù)訂模塊用于根據(jù)用戶選擇的旅游方案為用戶預(yù)訂景點門票和酒店。

9、根據(jù)上述技術(shù)方案，所述旅游訂制服務(wù)方法主要包括以下步驟：

10、步驟s1：通過數(shù)據(jù)采集模塊，收集各景點的綜合數(shù)據(jù)、用戶歷史游玩數(shù)據(jù)和各景點的攻略及評價數(shù)據(jù)，通過用戶喜好數(shù)據(jù)錄入模塊，將用戶的喜好綜合數(shù)據(jù)錄入系統(tǒng)；

11、步驟s2：當數(shù)據(jù)收集完成后，系統(tǒng)啟動特征分析模塊，開始分析目標用戶的預(yù)期特征和景點特征，分析系統(tǒng)中的其他用戶的評價，根據(jù)分析結(jié)果對景點特征進行修正；

12、步驟s3：在推薦景點時，系統(tǒng)啟動景點推薦模塊，開始分析用戶預(yù)期特征與景點特征之間的匹配度，分析天氣因素、季節(jié)、用戶預(yù)算和旅游時間對景點推薦值的影響，根據(jù)分析結(jié)果制定旅游方案，根據(jù)制定的旅游方案規(guī)劃用戶的旅游路線；

13、步驟s4：在用戶確定旅游方案后，啟動預(yù)訂模塊，根據(jù)制定的旅游方案為用戶預(yù)訂景點門票和酒店，用戶將旅游體驗反饋到系統(tǒng)中。

14、根據(jù)上述技術(shù)方案，所述步驟s2進一步包括以下步驟：

15、步驟s21：獲取目標用戶鍵入的用戶喜好數(shù)據(jù)，識別用戶喜好關(guān)鍵詞，根據(jù)關(guān)鍵詞調(diào)取數(shù)據(jù)庫中對應(yīng)的喜好特征；

16、步驟s22：獲取目標用戶的歷史旅游數(shù)據(jù)及對應(yīng)的反饋數(shù)據(jù)，識別目標用戶歷史旅游數(shù)據(jù)中的景點特征，識別反饋數(shù)據(jù)中的反饋特征，根據(jù)反饋特征調(diào)取數(shù)據(jù)庫中對應(yīng)的目標用戶對歷史旅游景點的滿意度，若滿意度度大于最大閾值，則將該景點特征與用戶喜好特征進行融合，若滿意度小于最大閾值且大于最小閾值，則根據(jù)滿意度調(diào)取數(shù)據(jù)庫中對應(yīng)的融合權(quán)重，將該景點特征與用戶喜好特征進行加權(quán)融合，反之則系統(tǒng)繼續(xù)檢測，經(jīng)過融合得到用戶預(yù)期特征；

17、步驟s23：獲取景點的描述數(shù)據(jù)，識別景點的第一特征，識別其他用戶的喜好特征，對比目標用戶的喜好特征，當相似度大于閾值時，則獲取系統(tǒng)中其他用戶反饋數(shù)據(jù)，識別其他用戶反饋特征，對比數(shù)據(jù)庫中的評價特征，若反饋特征與數(shù)據(jù)庫中的評價特征相似度大于閾值，則將第一特征作為景點的景點特征，反之則將第一特征與反饋特征進行融合，作為景點的景點特征。

18、根據(jù)上述技術(shù)方案，所述步驟s3進一步包括以下步驟：

19、步驟s31：獲取目標用戶的預(yù)期特征，根據(jù)目標用戶的預(yù)期特征調(diào)取數(shù)據(jù)庫中對應(yīng)的景點特征，獲取景點特征進行匹配，根據(jù)匹配值調(diào)取數(shù)據(jù)庫中對應(yīng)的對景點推薦值的影響系數(shù)α；

20、步驟s32：獲取景點的天氣數(shù)據(jù)，識別景點的天氣影響因子，對比數(shù)據(jù)庫，若數(shù)據(jù)庫中不存在該天氣影響因子，則系統(tǒng)繼續(xù)檢測，反之則根據(jù)天氣調(diào)取數(shù)據(jù)庫中對應(yīng)的對景點推薦值的影響系數(shù)β，獲取當前的季節(jié)數(shù)據(jù)，識別當前季節(jié)，根據(jù)當前季節(jié)調(diào)取數(shù)據(jù)庫中對應(yīng)的對景點推薦值的影響系數(shù)μ；

21、步驟s33：獲取目標景點的描述數(shù)據(jù)，識別目標景點的環(huán)境特征，根據(jù)環(huán)境特征調(diào)取數(shù)據(jù)庫中對應(yīng)的基礎(chǔ)推薦值p1，根據(jù)公式計算目標景點的第一推薦值p2＝α·β·μ·p1，式中，p2表示景點的第一推薦值，若景點的第一推薦值大于最大閾值，則標記為第一景點，反之則系統(tǒng)繼續(xù)檢測。

22、根據(jù)上述技術(shù)方案，所述步驟s33進一步包括以下步驟：

23、步驟s331：識別景點中的標記，提取存在第一景點標記的景點，將景點進行隨機組合，識別景點組合中各景點的門票單價，計算經(jīng)典組合的門票總價，對比目標用戶的預(yù)算，若門票總價大于目標用戶的預(yù)算，則將該景點組合刪除，反之則系統(tǒng)繼續(xù)檢測，識別景點組合中各景點之間的距離和用戶的旅游時長，根據(jù)景點組合及景點之間的距離，調(diào)取數(shù)據(jù)庫對應(yīng)的較優(yōu)旅游時長，若景點組合的較優(yōu)旅游時長大于目標用戶的旅游時長，則將該景點組合刪除，反之則系統(tǒng)繼續(xù)檢測；

24、步驟s332：識別景點組合中各景點的第一推薦值，將第一推薦值進行降序排序，根據(jù)排序順位調(diào)取數(shù)據(jù)庫中對應(yīng)的推薦值權(quán)重η，通過公式計算各景點組合的綜合推薦值式中，i＝1,2,3......n，p3表示各景點組合的綜合推薦值，pi表示景點組合中各景點的第一推薦值，將推薦值進行降低排序；

25、步驟s333：識別各景點組合中的景點第一特征值的排序順位，根據(jù)排序順位將景點進行標記，獲取第一景點和第二景點的位置，建立坐標系，通過距離公式計算各景點之間的距離，若兩景點之間的距離小于第一閾值，則標記為第一距離，若兩景點之間的距離大于第一閾值且小于第二閾值，則標記為第二距離，反之則標記為第三距離，識別各景點與第一景點之間距離中的標記，根據(jù)第一距離、第二距離和第三距離標記為數(shù)據(jù)量調(diào)取數(shù)據(jù)庫中的權(quán)重通過公式計算酒店區(qū)域中心點在第一景點與第二景點連線上與第一景點的距離式中，l1表示第一景點與第二景點之間的距離，l2表示酒店區(qū)域中心點在第一景點與第二景點連線上與第一景點的距離，將酒店中心點作為圓心，調(diào)取數(shù)據(jù)庫中對應(yīng)的基礎(chǔ)半徑，根據(jù)目標用戶的酒店預(yù)算篩選圓形面積中的酒店，根據(jù)選擇的景點組合和酒店為用戶生成旅游方案。

26、根據(jù)上述技術(shù)方案，所述步驟s4中獲取選擇的旅游方案，根據(jù)用戶選擇的旅游方案，為用戶預(yù)訂景點門票及酒店，在用戶出行游玩時，識別用戶出行方式，為用戶規(guī)劃旅游出行路線。

27、與現(xiàn)有技術(shù)相比，本發(fā)明所達到的有益效果是：本發(fā)明，通過分析景點的描述特征，分析與目標用戶喜好特征相同的用戶對景點的反饋數(shù)據(jù)，能夠避免景點的描述特征與實際不相符，影響景點推薦的準確性，進而大大提高系統(tǒng)的準確性，通過分析景點特征與用戶預(yù)期特征的匹配度、天氣和季節(jié)因素對景點推薦值的影響，能夠更加準確的為用戶推薦景點，避免天氣和季節(jié)因素對景點特征的影響，降低為用戶匹配的景點與用戶預(yù)期存在誤差，進一步提高系統(tǒng)的準確性，通過分析用戶的預(yù)算和游玩時長，對景點組合進行篩選，能夠避免制定的旅游方案的預(yù)算與游玩時間與用戶的需求出現(xiàn)偏差，進而準確且快速的篩選出符合條件的景點組合，極大地提高了系統(tǒng)的準確性和效率，通過分析各景點第一推薦值的權(quán)重，能夠避免第一推薦值較為平均且景點組合綜合推薦值較大的情況，導致景點組合的綜合推薦值偏差較大，即景點組合與用戶一起特征匹配度較差，進一步提高系統(tǒng)的準確性。