疫情防控常态化下多目标旅游路线规划

王维莉,邹雪儿

(上海海事大学 物流科学与工程研究院,上海 201306)

0 引 言

近年来,利用旅游网站搜集旅游景点信息和游览攻略已成为人们规划旅游路线的重要渠道。在这些旅游网站上,用户既可以对某个去过的景点进行打卡评论,也可以根据需求及偏好选择自己感兴趣的景点了解相关信息。某些旅游网站也会推荐“一日游”等旅游线路,但这些推荐路线往往是固定的,难以兼顾用户的不同需求。

新冠疫情对旅游业造成了极大冲击,疫情的不确定性缩短了人们规划出游的时间窗口,“微旅游”成为大众旅游休闲新热点。疫情防控常态化以来,热门旅游景点遵循着“限量、预约、错峰”的要求,同时各地零星散发的疫情可能会导致某些景点临时关闭,景点游览的不确定性也增加了旅游路线规划的复杂度。基于疫情防控常态化的影响,根据用户个性化需求和景点信息来规划最优旅游路线,对缩短用户行程时间和提升游客旅游体验具有十分现实的意义。

旅游景点推荐是提升个性化旅游体验的重要内容。崔春生等[1]通过分析景点用户在线评论获得用户的偏好,利用TOPSIS方法实现了对旅游景点的推荐;A.M.ZAHRA等[2]通过对TripAdvisor网站的评论进行分析,获取了用户的兴趣偏好,同时基于时间、地点、天气等因素的影响对景点进行推荐;廖旺宇[3]通过用户在游记中提到的景点频次、共现及不同景点的照片数量来分析不同类型用户的旅游景点偏好,从而做出推荐;K.KESORN等[4]利用Facebook平台用户信息数据进行个性化景点推荐,并通过用户好友签到数据分析并更新其活动状态,成功解决了部分用户没有评论信息的“冷启动”问题。

为了提升旅游体验,在景点推荐基础上,旅游路线规划还需要考虑景点间距离、出发地点、出发时间、旅行持续时间、总成本等因素[5-7],这是一个典型的多目标约束优化问题[8]。马子钦等[9]根据用户的性别、年龄、出行方式、出行时间等因素对用户群体进行划分,以提高推荐的准确性;I.CENAMOR等[10]从社交网站收集游客信息,将用户经验与智能推荐算法结果相结合,以达到提高推荐效果的目的。从实用性角度出发,张岐山等[11]在规划旅游路线时考虑了交通工具选择对转移时间和转移费用的影响;陆百川等[12]综合分析了道路交通因素及游客体验,提出适应自驾游客出行特点的城市近郊旅游路线规划方法;QIAN Xiaohui等[13]基于火车票和机票数据,对城市之间的出行路线进行了优化;LIU Song等[14]基于景点存在多个出入口的情况,提出了更接近实际的双加权图旅游出行路径模型;常亮等[15]总结了当前旅游路线推荐系统的研究现状,指出需要进一步挖掘用户特征和潜在需求,进行多维度推荐,加强位置感知及位置服务和用户隐私等。

基于此,笔者综合分析了用户兴趣偏好和旅游景点属性,并考虑疫情防控因素的影响,提出了一种多目标约束的旅游路线规划方法。首先基于景点流行度和景点开放时长对景点进行评分,为用户推荐满足其偏好的NTOP个景点;然后根据用户偏好的旅游景点类型,选择得分最高的k个景点,建立了以成本低、时间短为目标的旅游线路规划模型,并用改进蚁群算法对该模型进行求解;最后考虑交通工具选择对旅游出行费用和出行时间的影响,通过高德地图API获取真实的路网信息,并以上海市旅游景点为例,构建了疫情防控常态化下的若干典型情境,得到满足个性化需求的最优旅游路线。

1 问题描述

1.1 数据来源与分析

文中景点数据包括两部分。一部分数据来源于“去哪儿网”。利用Python的Reouest模块向网络发送请求,获取网页数据和Beautiful-Soup中的BS4模块,从网页中提取到了上海115个具有用户评论数超过200条且真实存在的景点及景点所具有的特征属性(如:开放时间、建议游玩时间、门票价格等),部分景点信息如表1。根据文献[16],将景点分为人文景观、乡村田园、现代娱乐、综合吸引、其他吸引共5类。表1中:类型1～5分别为人文景观、乡村田园、现代娱乐、综合吸引、其他吸引。

表1 景点信息

另一部分数据来源于高德地图。申请高德地图WEB服务API密钥(key)后拼接HTTP请求URL,然后接收HTTP请求返回的JSON格式的数据中解析得到。通过地理编码/逆编码功能挖掘到这些景点的地理位置信息,利用路径规划功能挖掘到景点之间的转移信息(如:直线距离、驾驶时间、乘坐出租车的费用、步行时间等),如表2。

1.2 定 义

为便于描述所要解决问题,对相关符号和公式进行如下定义。其中:P={p1,p2,…,p|P|}为所有景点的集合。

1.2.1 景点信息

对于每一个景点pi∈P,pi应具有的信息包括景点评分spi,景点类型Cpi,景点评论数Npi,景点建议游玩时间tpi,景点门票fi,开放时长Tpi(open, close)。其中:Cp1为人文景观,Cp2为乡村田园,Cp3为现代娱乐,Cp4为综合吸引,Cp5为其他类。

1.2.2 路 径

集合R={r1,r2,…,r|R|}定义路径边集。对于路径集合R中的每一条带权有向边r表示连接两个景点pi,pj∈P(i≠j)的路径。

文中定义每一条路径上的权重是根据高德地图API获取到的景点pi和pj之间的交通时间tij和交通费用cij。若用户在景点pi游玩时,该景点因疫情被临时管控,用户需要采集完核酸后才可离开,故此时在该景点游玩时间为Δtp,i。

1.2.3 路径地图

M=(P,R)为景点之间路径网络信息,如图1。

图1 景点路线网络信息

图1中有5个景点(p1,p2,p3,p4,p5),在这个网络中共有8条路径。用户每天开始游玩时间为09:00,结束游玩时间为20:00,景点p1建议游览的时长为60 min,即tp1=60;游客从景点p1到p2所需的交通时间为30 min,即t12=30;交通费用为5元,即c12=5。

1.2.4 交通工具

景点pi和pj之间的交通转移方式Tij只考虑出租车、步行和公共交通这3种情况。若这两个景点之间直线距离di, j≤2 km时,则考虑步行方式;若这两个景点之间直线距离2 km10 km时,考虑公共交通。

2 旅游路线规划模型

2.1 系统框架

笔者提出了考虑游客个性化需求及疫情防控影响的旅游路线推荐系统,如图2。

在离线学习阶段,从旅游网站获取到景点有关信息数据,对景点进行评分,并通过高德地图API获取景点地理位置和路线信息;在线规划阶段,主要是为用户规划不同情境下优化的旅游路线,用户需要输入计划游玩的开始日期和结束日期、每日旅游时长、计划游玩景点数等相关信息;当收到用户请求后,建立带时间约束的多目标路径规划模型,并利用改进蚁群算法进行求解。

2.2 景点评分机制

2.2.1 基于景点流行度评分

游客在规划游览路线时,该地区热门景点往往最能吸引游客。例如:上海外滩、迪士尼等景点对外地游客具有较高吸引力。为了解热门景点对用户的潜在吸引力,提出了景点流行度的概念。考虑到热门景点在旅游网站上往往拥有较多的点评,因此以景点评论数来表征该景点的热门程度。景点pi的流行度计算为:

(1)

(2)

式中:Npi表示在景点pi的评论人数;k表示|P|个景点中属于类型c的个数,c=1～5;σ(Cpi)表示景点pi的类型属性。

以人文景观为例,按景点流行度排名Top5的景点如表3。

表3 人文景观类景点流行度排名Top5

2.2.2 基于景点开放时长评分

旅游景点开放时间相对固定,并且在全年不同时间段的开放时间可能存在差异。例如:东方明珠在1月1日—9月30日期间的开放时间为09:00—21:00,在国庆期间的开放时间为08:00—22:00;而外滩则是全年24 h开放。因此在用户确定了出发日期后,需要对每一个景点pi的开放时长进行评分,用λi表示,如式(3)。一天中开放时间越长的景点,其λi也越大。

(3)

式中:Tpi(open)表示景点pi当天开门时间;Tpi(close)表示景点pi当天关闭时间。

以表3中流行度排名前5的景点为例,对其开放时长进行评分,如表4(以2021年7月1日为例)。考虑到部分景点受疫情影响暂时不对外开放的情况,笔者以复旦大学为例(自疫情以来复旦大学不对校外人员开放),这个景点Tpi(close)-Tpi(open)=0,故该景点开放时长评分λi=0。

表4 流行度Top5景点的开放时长评分

2.2.3 融合多因素景点评分方法

基于景点流行度和景点开放时长评分,综合考虑这两种因素得到景点的最终评分spi,如式(4)。

spi=ωpi+(1-ω)λi

(4)

ω取值随用户偏好变化。对于有明确景点偏好类型的游客(ω=0.7),即景点流行度对景点最终评分的影响更大,并在其感兴趣景点类型数据集中为用户推荐景点;对于没有明确景点偏好类型的游客(ω=0.5)[16],即景点流行度与景点开放时长的影响相近。

2.3 带时间约束的多目标旅游路线规划模型

考虑到用户在旅游过程中希望花费尽可能少及旅游时间尽可能短,旅游路线规划模型及约束条件如下:

(5)

(6)

(7)

(8)

(9)

(10)

其中:式(5)、式(6)分别为旅游路线推荐模型中最小费用和最少时间的目标函数;式(7)、式(8)为确保景点游览不重复的约束;式(9)为疫情影响下设置的旅游时间约束,Ti为用户计划游玩的总时长;式(10)为路径选择的0-1函数,当景点pj是pi的下一个游玩景点时,则xij=1,否则xij=0。

利用线性加权和法将多目标函数优化为评价函数,如式(11)。

L=ω1L1+ω2L2

(11)

式中:ω1、ω2分别为不同用户需求变化的权系数。若用户在旅游过程中更注重经济性,即希望所花费用更少,则ω1>ω2;若用户希望旅游时间更少,则则ω1<ω2。

2.4 旅游路线规划算法

2.4.1 改进蚁群算法

蚁群算法是一种受到蚁群觅食行为启发而提出的仿生算法,最早被用来求解旅行商问题(travel salesperson problem)。为提高算法求解质量,笔者对每一代蚂蚁迭代后得到的最优解采用局部搜索策略。在对候选解R={Ci1,Ci2, …,Cin-1,Cin}的邻域进行局部搜索迭代探测时,采用两两交换策略对候选解R中的路径进行局部调整,以进一步提高解的质量;从R中随机挑选两个城市i1、i2交换位置而得到的新的候选解R*的集合,对可以降低路径长度的城市进行交换,若没有降低路径长度则继续局部搜索,此过程循环10次后结束搜索;若两两交换后的候选解邻域内能找到更好的路径序列R*

2.4.2 算法实现步骤

所设计的改进蚁群算法推荐旅游路线具体步骤如下:

步骤1:初始化迭代次数和路径记录表,设置最大迭代次数imax,信息素重要程度参数α=5,信息素蒸发系数r=0.1,信息素增加强度系数Q=1;

步骤2:选择城市i作为m只蚂蚁的出发点。对每只蚂蚁利用轮盘赌法从剩下的n-1个城市选择其下一个访问城市;

步骤3:当蚂蚁遍历完全部城市时,计算每只蚂蚁构建的路径长度Lk(k=1, 2,…,m),求出各代最佳路径Rbest及各代路径的平均目标值Lave,并更新全局最佳路径Lbest值。

步骤4:采用局部搜索策略对全局最佳路径中的城市进行随机两两交换,计算产生的新路径长度ftmp,将新路径长度与步骤3中的全局最佳路径Lbest值进行比较,若ftmp

步骤5:更新信息素浓度;

步骤6:i=i+1,若迭代次数达到最大迭代次数,则清空路径记录表并转至步骤2开始下一轮循环;否则转至步骤5;

步骤7:结束,输出全局最佳路径长度Lbest及路径序列。

3 案例分析

3.1 案例背景

为配合COVID-19疫情流行病学调查工作,从2021年10月31日18:00起,上海迪士尼乐园和迪士尼小镇停止游客进入,园区内所有游客在离开前需接受核酸检测。至当晚23:30园内数万名游客全部完成检测,与此同时上海轨道交通11号线迪士尼站受疫情影响暂停服务,上海迪士尼乐园和迪士尼小镇也于2021年11月1、 2日暂停对外开放。鉴于此,笔者构建了游客在出游过程中可能面临的不同情境,分析规划各情境下最优的旅游路线。

3.2 案例情境

假设A游客为大学生,B游客为带幼儿的家长,他们计划国庆节期间在上海市旅游两天,共游览5个景点,每天游览时间为09:00—20:00,并在前一天游览结束的景点附近住宿。假设他们均对人文景观和主题乐园类景点感兴趣,根据2.2节景点打分结果,人文景观和主题乐园得分综合前10的景点如表5,这些景点分布如图3。

表5 人文景观和现代娱乐类别综合排名Top 10景点

模型参数设定如下:

1)在景点间的交通工具选择方面,根据1.2节设置,在2 km以内,游客选择步行方式;在2～10 km,A游客选择公共交通,B游客选择出租车;在10 km以上,游客均选择公共交通方式。

2)由于游客有明确偏好,景点评分权重ω=0.7。

3)年龄、职业、收入、家庭生命周期是影响旅游者行为和消费模式的重要因素[17]。A游客在旅游过程中更注重经济性,则目标函数中权系数ω1=0.7,ω2=0.3;B游客希望花费更少的游览时间,则目标函数中权系数ω1=0.3,ω2=0.7。

3.3 结果分析

3.3.1 无景点临时关闭

假设用户都从外滩出发,为A游客推荐的第1天旅游路线为:外滩—城隍庙旅游区—七宝老街,第2天旅游路线为:上海海洋水族馆—长风公园;这2天的行程最小费用为171元,最少时间为1 057.2 min。为B游客推荐的第1天旅游路线为:外滩—城隍庙旅游区—七宝老街,第2天旅游路线为:上海海洋水族馆—东方明珠;这2天的行程最小费用为380元,最少时间为881.12 min。

3.3.2 游客因疫情防控原因滞留外滩

因疫情防控需要景点被临时封控,游客需滞留该景点一段时间。假设用户在外滩的滞留时间为Δtp, i=240 min,此时为A游客推荐第1天的旅游路线为:外滩—城隍庙旅游度假区,第2天旅游路线为:七宝老街—东方明珠—长风公园,这2天的行程最小费用为171元,最少时间为1 297.18 min;为B游客推荐的第1天旅游路线为:外滩—城隍庙旅游区,第2天旅游路线为:七宝老街—上海海洋水族馆—东方明珠,这2天的行程最小费用为380元,最少时间为1 121.12 min。

3.3.3 因疫情管控外滩暂时性不对外开放

假设因疫情防控需要,外滩附近区域暂不对外开放,且与外滩有关的某条交通路线封闭,用户起始位置则从剩下9个景点中随机选择。此时为A游客推荐第1天的旅游路线为:长风公园—东方明珠—老码头,第2天旅游路线为:城隍庙旅游区—朱家角古镇,这2天的行程最小费用为269元,最少时间为1 160.62 min;为B游客推荐第1天的旅游路线为:长风公园—城隍庙旅游度假区—七宝老街,第2天旅游路线为:上海海洋水族馆—东方明珠,这2天的行程最小费用为402元,最少时间为1 017.58 min。

4 结 语

笔者通过获取“去哪儿网”网站中的景点信息,考虑游客对景点类型偏好,根据景点流行度和景点开放时长对景点进行评分,获取了不同类型下得分最高的NTOP个景点;利用高德地图开放平台获取路网数据和景点间的转移信息,考虑不同交通方式对出行时间及出行费用的影响,建立了以费用最少及时间最短的多目标旅游路线规划模型,并利用改进蚁群算法进行求解;考虑疫情防控常态化对景点开放情况的影响,构建了若干个典型情境,计算获得了各情境下可满足游客个性化体验的最优旅游路线。

笔者所提出的旅游路线规划方法能有效减少用户旅行时间和旅行成本,并考虑了疫情防控导致的景点临时关闭、游览时间延长等影响,具有较好的实用性和可行性。但未来研究应对景点评论进一步细分(如区分好评、差评,或考虑评分等级以提高景点推荐的准确性);同时根据用户画像特征,可结合用户出游目的、出游人数、消费特征等,进一步完善个性化旅游路线推荐方法。