[发明专利]一种结合短时流量预测的旅游路线推荐方法

摘要

本发明提供一种结合短时流量预测的旅游路线推荐方法，该方法为：从照片共享网站下载历史照片描述信息，采用DBScan聚类算法对照片进行聚类，得到照片密度大的兴趣点，提取历史照片描述信息的历史旅游路线，根据历史照片描述信息，建立各兴趣点不同时间间隔的时间序列模型，根据该地区历史旅游路线集合中的历史旅游路线生成Markov模型的概率转移矩阵，并通过用户实时上传的照片及照片描述信息，对Markov模型的概率转移矩阵进行更新，根据更新后的Markov模型的概率转移矩阵，为用户推荐转移概率最大的兴趣点。该方法结合各兴趣点的短时游客流量做路线推荐，在景点内部起到分散客流的作用。

主权项

1.一种结合短时流量预测的旅游路线推荐方法，其特征在于，包括以下步骤：步骤1：从照片共享网站下载一个地区H年的历史照片描述信息，并将各历史照片描述信息存储于数据库中，所述历史照片描述信息包括：照片ID、照片GPS信息、上传用户ID、照片拍摄时间、照片主题和照片描述信息；步骤2：针对数据库中历史照片描述信息，采用DBScan聚类算法对照片GPS信息进行聚类，得到该地区照片密度大的兴趣点；步骤3：提取历史照片描述信息中各个兴趣点在同一天内各上传用户ID的历史旅游路线，得到该地区的历史旅游路线集合；步骤3.1：提取出各个兴趣点中同一天内一个上传用户ID的照片ID，并按照片拍摄时间进行排序，得到该用户的一条历史旅游路线；步骤3.2：重复步骤3.1提取各个兴趣点在同一天内各上传用户ID的历史旅游路线，将该地区内所有人的历史旅游路线作为历史旅游路线集合，得到该地区的历史旅游路线集合；步骤4：根据历史照片描述信息，建立各兴趣点不同时间间隔的时间序列模型；步骤4.1：根据该地区H年内的照片拍摄时间，将各兴趣点按照季节划分为4个部分；步骤4.2：针对所述划分的各部分，以t小时为时间间隔，统计出一天内各兴趣点各时间间隔的照片数量，将各个时间间隔中该地区一个兴趣点的照片数量的和作为该兴趣点的时间序列；得到各个部分各兴趣点的时间序列集合；步骤4.3：判断当前兴趣点时间序列是否平稳，若是，执行步骤4.5，否则，执行步骤4.4；步骤4.4：对当前兴趣点的时间序列进行差分处理，得到该兴趣点的新的时间序列，返回步骤4.3；步骤4.5：根据当前兴趣点时间序列中k时间间隔的照片数量的方差和协方差确定该兴趣点的时间序列的自相关系数和偏自相关系数，从而确定该兴趣点的时间序列模型；步骤4.6：重复步骤4.3至步骤4.5，得到各兴趣点的时间序列模型；步骤5：根据该地区历史旅游路线集合中的历史旅游路线生成Markov模型的概率转移矩阵，并通过用户实时上传的照片及照片描述信息，对Markov模型的概率转移矩阵进行更新；步骤5.1：根据历史旅游路线集合中的历史旅游路线计算各个兴趣点间的转移次数，得到该地区各兴趣点状态转移有向图，生成Markov模型的概率转移矩阵；步骤5.2：将用户上传的当前时刻的各兴趣点照片数量和各兴趣点对应的时间序列模型对Markov模型的概率转移矩阵进行调整，具体步骤如下：步骤5.2.1：将用户上传的当前时刻的各兴趣点照片数量输入对应兴趣点的时间序列模型，得到各兴趣点下一时刻游客流量的预测值，并计算该地区各兴趣点下一时刻游客流量预测值的平均值；步骤5.2.2：确定各兴趣点下一时刻游客流量预测值n_j与下一时刻游客流量预测值的平均值的差值sub_j，j为兴趣点；步骤5.2.3：根据各兴趣点下一时刻游客流量预测值n_j与下一时刻游客流量预测值的平均值的差值sub_j对Markov模型的转移概率进行更新，得到更新后的Markov模型的概率转移矩阵；所述更新公式为：当sub_j大于0时，令其中，p_ij′为更新的转移概率，p_ij为原Markov模型的转移概率，N₁＜N为sub_j大于0的兴趣点个数，p₀为概率变化的基本单位；当sub_j小于0时，令其中，N₂＜N为sub_j小于0的兴趣点个数；步骤6：根据用户上传的当前时刻的照片GPS信息和更新后的Markov模型的概率转移矩阵，为用户推荐转移概率最大的兴趣点。