[发明专利]一种基于多目标优化的景区路线自动规划方法

说明书

技术领域

本发明涉及旅游路线导航领域，尤其涉及一种基于多目标优化的景区路线自动规划方法。

背景技术

随着社会不断的进步，旅游景点花样越来越多，旅客时间越来越宝贵，对于景区旅游的路线规划需求也越来越多样。单单是最短路线的规划方法是不能满足游览需要的。特别是景区路线并不像城市街道那样具有很强的规则性，而且景区的景点由于需要花时间停驻观赏，给时间计算也增添了新的负担。面对一个陌生的景区，规划游览路线主要为三种方式：

第一种，游客根据景区地图自行规划。这种方式需要游客短时间内通过地图对景区有全面的了解，并且要求顾客具有较好的数学规划能力。显然，一般的游客是无法做到很好规划路线的。

第二种，景区服务和旅游团导游。这种方式对于路线规划的效果较好，但是成本高，而且对于景区服务人员和机构来说也增加了压力。旅游团往往会带游客进入购物场所，或者为了赶时间而没有在重要的景点停驻足够的时间让游客观赏。

第三种，使用导航软件。和景区导航有关的大致有以下几种1)A*或类似搜索算法规划最短路线；2)基于兴趣点和聚类的路线规划；3)基于客流量的动态路线规划。其中A*搜索算法主要用在起终点确定的路线规划中，主要求最短路径，虽然是很好的算法，但在出口入口相同的景区无法使用；兴趣点和聚类则更适合应用在娱乐生活大片区域或者城区中，对景区景点适用性不是很强；而基于客流量的动态路线规划，规划目标太过单一，无法满足用户的不同需求。

发明内容

为了克服传统景区导航通用性差、功能少、成本高等问题，本发明提供一种具有较强适应性和可靠性、能够满足用户不同需求的基于多目标优化的景区路线自动规划方法。

本发明的目的是通过以下技术方案来实现的：一种基于多目标优化的景区路线自动规划方法，包括以下步骤：

(1)通过GPS获取用户地理位置信息，识别用户所在的景区；

(2)对景区信息、景点分布、路线耗时进行初始化；

(3)用户输入需求，包括用户必过的景点和游览时间限制，将需求转化为优化目标和约束条件；

(4)对于用户无时间限制的情况，转化为旅行商(TSP)问题，采用遗传算法规划游览路径；对于用户有时间限制的情况，转化为最大团(MCP)问题，采用带约束的遗传算法规划游览路径；

(5)优化结果可视化，将路线反馈给用户。

进一步地，所述步骤2通过以下子步骤来实现：

(2.1)根据用户GPS信息，与数据库景区信息进行匹配，反馈给用户景区名称、评分、推荐景点、门票等信息；

(2.2)从数据库中读取并反馈景区的景点分布、描述、评分及参观时间，游览路线分布，加载路线埋点及行走耗时信息；其中行走耗时根据前期游人行走速度的统计结果制定；景点参观时间和行走耗时根据人流量进行调整；景点评分则转化为之后路线规划步骤中各景点的权重。

进一步地，所述步骤3具体包括以下子步骤：

(3.1)用户根据步骤2中所反馈的景点信息，选择必过景点，也可以不选；

(3.2)用户选择是否有游览时间限制，如果没有，进入步骤3.3，否则进入步骤3.4；

(3.3)在步骤3.1中选择的景点为路线规划中一定经过的点，如果在步骤(3.1)中没有选择必过景点，则默认选择景区所有景点并提示用户再次确认；

(3.4)将用户输入的游览时间限制作为路线规划的约束条件；如果在步骤3.1中选择了必过景点，首先对比所选景点游览总时间与时间限制的大小，若游览时间大于等于时间限制，则提示用户时间不足请重新选择景点，或提示用户不选择景点而使用系统给出的在限定时间内经过总评分最高或经过景点数最多的优化路线。

进一步地，所述步骤4中，所述用户无时间限制情况的路径规划具体包括以下子步骤：

a.根据行走路线上的埋点，获取所选择的各景点之间的距离信息并进行编码；随机生成遍历所选景点的若干不同基因编码的个体作为遗传的初始种群；

b.根据预置的行走速度v，使用以下公式计算第k个个体的适应度f(k)：

其中l_ij是第i和第j个景点之间路径的长度，t_i是第i个景点的游览时间，n为选择的景点个数，个体适应度越大，认为越优；

c.根据每个个体适应度占总适应度的比例，使用轮盘赌的方法进行选择，生成0-1之间的随机数，大于该随机数的个体被选择，并依照适应度赋予相应的选择次数；