文摘

在这项工作中,我们提出了蚂蚁,网络交换信息的代理stigmergy-based时尚。在ANT中,每个系统的演员分配信息素作为一种指示地方的吸引力,以及这些网站建立一个适当的路由路径。蚂蚁的目标是改善的机会发现的兴趣点,以及减少所需的时间。我们应用蚂蚁游客流动的情况下,人们和事物(事件、餐馆、表演等)参与。在这个示例案例ANT取得了显著的成功。我们发现发现临时事件的概率和日期提高35%以上,而同时用来确定静态点减少三分之一以上。我们还将介绍手机架构为用户执行ANT任务高效和容易。

1。介绍

在过去的十年中,移动通信的发展已经势不可挡。手机现在普遍的,他们经常使用采用的大部分人口(1,2]。移动通信正在改变人们行为方式的日常活动,如工作、睡觉,烹饪,跑步,阅读新闻,或获取信息。影响旅游业的一个重要领域,移动应用程序不仅取代了地图和旅游指南书籍,甚至人类的指南。大多数这些应用程序存储和分类推荐系统的利益点(POIs)根据用户意见与失去的缺点之前临时事件的信息。

在POIs实时数据的一种方法是通过社交网络。例如,应用程序,比如Waze [3和群4]表明事件的状态,从而帮助参与者做出选择。而这种系统提供有用的信息为特定搜索或激励去新的地方,他们依靠视觉信息(如地图,图标,或文本)和信息收集是所有参与者的共同利益。这个常数信息流动可能会产生信息过载和分散游客从探索和体验城市的氛围5]。

另一种观光模式需要游荡在城市使用低侵入性的导向系统。客人可能想觉得他们正在寻找有趣的新别人看不到的地方,分享这些信息。另一方面,我们可能想访问其他游客遇到的地方,避免已经访问过的地方。我们的方法结合目标:偶然发现同时提供这些信息的参与者。的核心思想是,一个中央服务器提供用户数据做出路由决策。这些模型的实现结果是具有挑战性的,尤其是规划路线是至关重要的。

在本文中,我们探索基于游客的导向系统stigmergy,这是一个类型的交流所使用的某些种类的昆虫,例如,蚂蚁[6),用于觅食。Stigmergy在于解放计价的化学物质信息素移动时,留下一个痕迹,别人可以感知。个人遵循一个小道越多,信息素量就越高。这种信息素的浓度符合其他个体作为刺激遵循一个特定的路径。此外,追踪信息素蒸发机制允许在不同的地方寻找食物。

stigmergy可以解决一个复杂问题的系统方法通过单一代理(7]。在我们的例子中,访问者执行旅游携带软件代理(例如,在智能手机上)。这个软件有两个任务:上传之前跟随路径在有趣的地点和路线决策。这个计算,所有用户的代理接收合并信息素分布从中央服务器。在这些计算中,服务器增加旅游路径的信息素浓度达到芋泥,让别人去发现它。此外,我们的模型关联信息素与每个代理配置文件,以避免任何重复的访问。

我们的建议的主要新功能如下:

(1)有效。发现困难或显著位置为各类用户是通过常规手段难以实现但不是与我们的系统。它还允许用户绕过以前的景点。

(2)透明。应用程序引导用户感兴趣的网站,避免query-decision周期标准的应用程序。

(3)动态。用户可以找到非常短时间运行的事件(例如,街头表演)。系统还可以识别一个新的POI只需监控代理。

(4)强调。信息素作用于用户组根据他们的喜好。

(5)可定制的。引入的变化stigmergy操作(容易被一套短的可配置参数)促进个体适应环境根据用户偏好。

(6)物联网集成。对象和其他因素可能导致管理信息素也解放行动。例如,照明景观可以解放信息素几分钟前打开;餐厅可以解放不同种类的信息素在不同时期对于来自几个国家的游客,等等。有各种各样的相互作用的新方法。

据我们所知这工作是第一个使用stigmergy旅游导航系统的设计。Stigmergy提供明显优于现有的行程和路线规划系统发现意想不到的生活事件和提供了一个更简单的操作和个性化的旅游利益(例如,控制相关的信息素浓度)。剩下的纸收益如下:部分2总结了相关的旅游规划和路由系统工作。部分3描述了蚂蚁架构和操作的概述。部分4分析不同旅游路径规划机制,我们研究了数值在部分使用模拟器5。最后,部分6给出了结论。

行程计划是一个持续的问题,促进了相当多的关注,许多研究人员。我们可以分类现有的在两个主要的组织工作,离线和在线,这取决于他们如何适应他们的结果在旅游与不断变化的环境。

的离线访问方法调整开始前,提供用户一组POIs的行程。这些系统允许游客选择POIs他们想访问。然后他们准备一个个性化行程(8- - - - - -11,20.,21),在某些情况下,他们接收用户反馈,提供建议的可能性(9- - - - - -11,21]。中给出的系统(9,10,22,23)流动性支持和位置感知,协助用户提供最接近POIs的数据。移动宽带连接使移动增强基于现实的发展(MAR) POI推荐系统。除了POIs的行程,MAR-based系统可以提供交互式信息餐饮、博物馆、和娱乐,甚至显示虚拟路径和方向箭头促进导航(24,25]。

作品(5,26遵循一种不同的模式:他们允许游客在城市和发现新的POIs自由漫步。一旦用户接近POI系统的用户(振动信号5])或与信息有关POI扮演一个记录(26]。这些方法是独立的,在路上,他们是没有中心的支持。类似于(5],在[26作者使用音频泡沫的概念,信息时,用户可以听录音接近POI。无论是[5]或[26)提供一个导航计划,只有当前POI信息被访问。

其他一些离线系统有一个完整的功能和提供一个行程考虑各种参数。他们可以根据时间计算一个旅游行程安排运输,航线距离,用户偏好,或观光。这些系统的缺点在于,他们没有住来自用户的反馈,和相关的计算很复杂,因为他们解决的优化问题。例如,[12,27,28利用遗传启发式。文献[29日利用模拟退火和[13)解决了动态规划问题。文献[14)使用聚类算法基于位置和旅游偏好,然后计算在这些集群路由使用贪婪算法。其他作品迭代构建旅游计划基于初始用户的连续改进计划(9,15,16,27)和解决方案是通过metaheuristics近似。参考文献(15,27使用遗传算法而[16)使用一个本地搜索的启发式和(8一个二叉搜索树的启发式。常见的术语对这些问题在文献中旅游行程设计问题(TTDP)或简单,定位问题(30.]。在这两种情况下,我们的目标是创建一个旅游行程最理想的网站,各种预算和时间的限制。注意,TTDP和TSP是不同的问题:TTDP目标不是最短路径而是为特定用户找到合适的路线。调查工作(30.,31日)收集tourism-centered算法来解决这个问题。解决TTDP(通常,使用metaheuristics)是一项艰巨的任务,它需要很多的信息。我们的系统是实现更简单:stigmergy可以构建一个解决方案的结合有效的个体之间的航线POIs和不需要用户交互或额外的数据。我们会指出stigmergy没有找到最短的解决方案,尽管事实上它发现旅游通过一组POIs排名通过信息素的浓度,也就是说,最近访问的数量。

与先例系统相比,旨在发现未知POIs的一些方法。我们已经标记这些系统在线,因为大多数人受社交网络平台的共同特征,提供用户生成内容。他们的主要设计目标是允许用户之间的协作和支持他们的访问,例如,使用Twitter (https://twitter.com)或Facebook (https://www.facebook.com)作为传播介质(moreTourism [32]和e-Tourism [33]),获得不同POIs从他们的用户的估值(Im发狂的感觉(34),iTravel [17),请访问(18],PlanTour [19]),或分组附近的用户共同活动(e-Tourism [33),iTravel [17),和群4])。

大多数这些系统考虑人的位置和推荐POIs的个性化设置。然而,他们更关注推荐地点和广告新计划支持导航的最亲密的接触,而不是个人的那些地方。演示应用程序设计专门提供信息运输航线Waze [3]。Waze是一个商业导航系统,用户通过上传他们自己的经验为用户进行协作。这个应用程序提供了生活视觉数据,如缓慢的位置交通,警方控制,雷达速度,道路施工,计算最佳路线到达目的地。尽管所有的旅行期间,这些信息可能很重要,Waze的目的不是去发现有趣的新地方。

蚂蚁stigmergy方法和先例在线系统接收来自其他用户的反馈的能力(即。,最访问POIs)通过控制每个用户的概要信息素(见部分4)。此外,蚂蚁也可以发现生活或临时事件和避免POIs的重复。然而,我们可以区分蚂蚁和其他月历方法因其简单的操作,而不需要用户交互,从而避免干扰和允许一个更真实的旅游体验。表1比较了蚂蚁系统方法与一群代表本节的引用。

表1
旅游行程规划系统。

最后,据我们所知,蚂蚁是第一个基于stigmergy旅游导航系统。有一些类似的方法,如论文(35,36),但他们的目标是与我们的不同。

3所示。系统描述

3.1。体系结构

的主要演员蚂蚁系统架构(见图1)如下:(我)最终用户,蚂蚁代理:蚂蚁软件运行在终端用户的设备(游客的智能手机,智能手表,等等)。它的使命是发现当一个地方是旅游和“有趣”时向服务器上传之前跟随路径识别这个网站。此外,它接收一个合并从蚂蚁信息素地图服务器,用于为用户决定合适的路线。部分3.2描述这些过程的技术细节。图1显示已发现有趣的网站(标有蓝色恒星)。(2)对象,蚂蚁代理:ANT是允许对象的一个固有特性与系统交互;例如,这些相关对象可以促销活动(如餐厅、酒吧、和公共场所或特性。为此,一只蚂蚁软件运行在每个地方。它可以运行在一个物联网设备(例如,覆盆子π)甚至在智能设备,如智能手机。他们宣布一个点感兴趣的服务器和相关的路线,类似于前面的情况。在这种情况下,信息素地图是没有必要的。网站确认事件出现在图的一个例子1红星。(3)蚂蚁服务器:服务器负责生成信息素信息代理(即。,来urists), defining its evolution over time (evaporation and reinforcement processes), and distributing the required information to each agent, for the routing tasks. Section4解释了信息素控制程序。


图1
系统概述。
3.2。操作概述

正如简介中提到的,我们的方法将提高游客的能力找到新的POIs利用蚂蚁的觅食机制。同样,蚂蚁的演员存款信息素(说明网站受欢迎程度)。信息素映射是用于决定个人用户线路根据不同的策略。为此,系统假设以下规则:(1)在缺乏信息素一个旅游移动自己的意志;也就是说,没有影响其他蚂蚁代理的路径选择。(2)蚂蚁软件跟踪路径旅游之后,路由信息(RI),过去的记忆路径间隔(MPI)分钟。(3)当游客仍在约一个地方POI检测间隔(POI-DI),蚂蚁软件声明一个山芋和远期国际扶轮蚂蚁服务器。距离参数POI区域(POI-AD)指的是空间必然会限制POI触发。也就是说,用户需要移动不到POI-AD POI-DI期间。(4)在国际扶轮接待,服务器检查是否另一个演员曾宣布这芋泥。它通过检查是否POI-AD内另一个POI是当前的一个。如果这是一个新的POI,服务器创建一个POI独特的数量(POI-UN)。否则,系统恢复其POI-UN从数据库。然后,服务器将信息添加到给定的RI,根据路线排名程序(见部分4)。每个POI特别相关的信息素类型映射(由POI-UN标识)。(5)每一个更新周期(),蚂蚁服务器蒸发信息素的各种预定义的蒸发率(ER)。下一节将讨论蒸发机制。如果信息素与POI-UN完全消失,服务器发布相关信息。(6)每个,蚂蚁服务器通信游客和他们的个性化信息素(IPM)的映射。既无POIs的IPM提供信息素映射(POI被访问一次,游客不太可能集中在这个地方再一次)。因此,它为每个旅游会有所不同。下一节描述了服务器构建了IPM的信息。(7)蚂蚁代理使用IPM做出路由决策。这些决定将最有可能推动既POIs的代理,这是受欢迎的,因为其他游客已经来拜访他们。(8)除了进行行动POIs,移动蚂蚁软件将通知并提交路径数据到服务器出现事件时发生。注意这些POIs可以是暂时的,例如,开始引导参观一些历史建筑。在这种情况下,如果服务器最终版本芋泥,一个对象可以声明一个新的(不同的POI-UN)在相同的位置,允许游客到这个有趣的重生。

结合操作不同的蚂蚁演员提高了旅游的能力发现POIs如果与偶尔的旅行相比,甚至与当地的游客。

最后,表2简历蚂蚁系统的关键参数。

表2
蚂蚁:参数列表。

4所示。路由排名

在本节中,我们提出三种方法对游客的流动:健身比例的选择(FPS),等级的选择(RS),基于梯度的(GB)。他们使用信息素沉积当其他代理POI发现流动决策的概率。

形式化我们的流动模型,我们首先设想城市街道图 。顶点 十字路口,游客决定他们接下来的路线,和边缘 是街道。我们的模型使用以下术语:(我) 是一个有限集的游客(代理)。(2) 是POIs的有限集合。(3)边缘 图的每个POI信息素值。在边缘 信息素是 , 。

注意,POIs分离图信息素踪迹。这个设计决定的原因是区分POIs,避免两次访问相同的位置。因此,信息素的分布是不同的每个代理。具体来说,指导旅游需要控制相关的信息素量在每个图的弧,也就是说,IPM。对于这一目标,服务器执行信息素的过程强化(相关POIs发现)蒸发(每个),使快速发现新的POIs。

信息素强化。代理人达成既POI发送存储RI蚂蚁服务器。如果国际扶轮循环,服务器负责检测和消除它们。循环的问题是,他们可能会收到几次信息素,导致自我强化的循环。服务器在更新过程中,存款的边缘上的信息素量图,对应国际扶轮。特别是,如果游客 访问POI ,信息素改变如下:

这条规则,使用边缘旅游 的概率增加未来的游客将使用相同的优势。

的选择是一个重要方面 。与TSP问题,通常使用信息素增量路径长度的递减函数,我们只最访问POIs旨在吸引游客。在这种情况下,最简单的选择是使用一个常数值的代理。

信息素的蒸发。信息素的蒸发可以被看作是一个探索机制,允许一个旅游(代理)搜索不同的位置。蒸发减少访问POIs的费洛蒙ER指数的速度值。特别是,一个旅游 已经参观了 POIs的蒸发信息素通过应用以下规则对所有边缘: 在哪里 是一个参数。没有钢筋,相关的信息素 会消失,变成0。这允许代理搜索不同的位置。

最后,我们将指出,在每一个,服务器生成所需的旅游的个性化的信息素分布或IPM决定接下来的路。特别是,一个旅游 在当前的 下一个边缘必须确定哪些可能的边缘使用他/她 。可能的边缘 。

下一节解释了用于做出这些决定的方法。

4.1。健身比例的选择

这种方法(又名轮盘赌选择)是一个遗传算法(GA)来选择一个后代的染色体(37]。此外,FPS是当前研究中常用的路由车辆和运输物流,例如,分配路线不同的运营商,以最小化成本(38,39),或可部署的数量最大化目标使用陆地和空中交通的组合40),甚至是典型的TSP问题(41]。同样,FPS适合我们的需要选择第二街,有几个备选方案(见图2)。


图2
在旅游决策点参数有关。

在FPS,每个可能的下一个链接被赋予一个概率比例其适应度函数,我们定义如下:

我们的适应度函数 计算每个道路的信息素。即受欢迎的道路有更大的概率被比不受欢迎的。旅游较低或没有兴趣POI(例如,一个已经访问了)这是受欢迎的一个道路上不大可能采取这条道路。因此,我们的 代表了有效的信息素的一个事件。

实现如下:(1)评估健康, ,每条边的 为旅游 在决策点 。(2)计算的概率, ,每个成员的选择 : (3)计算累积概率: 在哪里 之前的已经排名从低到高值。(4)生成一个随机数, 。(5)如果 然后选择排名最低的路径,否则选择路径 这样 。

4.2。等级的选择

FPS方法几乎总是选择概率最高的道路时,其健身价值远远大于其他选择。例如,如果路上有最好的健身价值对应于90%的概率,然后选择其他道路的可能性将会非常渺茫。在这种情况下,游客可能会发现新的POIs的可能性小,所以如果他们是暂时的。

排名选择道路,然后每一个替代收到健身根据其排名。最糟糕会健身1,第二2,等等。最好的健身 在十字路口(数量的路径)。

在此之后,所有的路径有机会被选中。虽然这种方法会导致慢收敛,它允许扩大搜索空间和发现新的POIs没有访问任何其他旅游。

4.3。基于梯度的

这一战略反映了许多相关的行为现象在自然界中,人们走向主要集中或更大程度的一些元素。例如,动物执行迁移任务利用养分等环境因素(42和热梯度43),或磁场44]。甚至在细胞水平上,都有一个反应,引起淋巴细胞趋化作用对肿瘤形成包含肿瘤恶化的淋巴细胞障碍(45]。

在我们的例子中,我们要引导人们对游客的主要浓度,这对应于标量场的梯度向量的方向信息素。我们代表这个信息素在平面上的一个函数 ,这是连续可微的。因此,在决定位置 一个旅游 是下一个程序:(1)计算梯度向量点 (图3在地图上)的信息素值, 。(2)计算的角度 之间的梯度向量,每个可能的路径。(3)得到的权重 ,这是成反比的角度;即降低重量分配到一个路径,路径方向越接近最高的信息素的浓度。(4)排名 的最小值的路径。


图3
梯度的决定。

在我们的方法中,这些计算结果很令人生畏的,因为我们寻找不同的事件,因为游客有不同的利益。因此,我们必须处理的有效信息素, ,对于每一个事件,这就增加了计算负荷。为了简单起见,我们计算 所以这个值被认为是相应的路径路径(度) 。

5。评估和结果

测试该排名方法我们使用Netlogo代理基于模拟器(46),特别适用于复杂系统建模(例如,自然和社会现象)开发。程序员可以让成百上千的代理,独立操作。这个特性使得它可以探索之间的联系个体行为的个人和社区模式,摆脱他们的互动。Netlogo也可以导入ESRI shapefile (.shp),允许模拟矢量文件沃克代理在一个地图。

对于我们的试验,我们选择了市中心的根特(比利时)。根特是一个旅游城市,很多客人网站,比如老建筑和博物馆,像许多古老的城镇,有纠缠的人行道网络,使之成为一个合适的例子由于其复杂性。对于我们的目的,我们使用一个的平方N、S、E和W每个525米位置点51.05660 N, 3.721500 E图4代表了一种与人行道和这一地区建筑足迹的地图,获得与OSMnx [47Python模块。路径(白线)在地图上类似于一个迷宫,这对蚂蚁是一个挑战。


图4
模拟图(比利时根特)。

我们假设游客沿着这些线路和回头时达到的极限地图。没有信息,没有任何指导别人的信息,我们认为一个随机游走模型;也就是下一个边缘是均匀分布的随机选择。我们的评估的目的是比较性能,关于事件的探测概率和发现时间随机游走迁移模型的ANT提供的方案和前面描述的部分4。地图,我们假设事件发生,当游客达成协议,他们将保持在它访问期间(PV)。要实现这种机制为每个用户,我们定义一个事件吸引力函数,它被初始化为其最大值,当用户接近事件(在距离小于POI-AD参数)。后来,这个吸引力函数衰减指数和用于调节IPM由服务器接收之前用户触发相应的芋泥。我们会指出,这种吸引力调制发生只有仿真目的,但它不是路线排名机制的一部分。如果用户仍在事件对于一个给定的时间,POI将声明为节中提到的3.2。从这一次IPM不再包含与当前访问事件相关的信息素,和模拟旅游持续达到新事件。

接下来,我们描述了不同的测试在这个模拟的环境中执行。

5.1。静态模拟

首先,我们评估静态场景中,事件是在固定地图位置。在本例中,我们测量了时间每个事件的首次访问。我们通过优先级排序这些时间和它们的分布特征,以及联合。从这些发行版,我们也计算平均首次通过时间(个人和全球)。此外,我们获得了POI检测率,也就是说,对于每个旅游,发现POIs的数量从现有POIs旅游期间所有的旅程。

表3显示了我们的模拟器的配置参数。仿真对于每个旅游目标是找到5事件和节省的时间即时发现,或发现样品。程序跑的常住人口100游客。在第五POI(即。,5发现样品s), the visitor left the scenario, and a new one started the search for new locations. Visitors stayed in a POI for 8 minutes on average. Finally, the simulation stopped when there was a total of 625000 discovery samples.

表3
在静态场景中配置参数。

我们为每个等级法模拟。表4主要显示了每个方法获得的统计数据,图5情节的pdf适合他们的样品时间。注意,出于我们的目的,时间是在几分钟内。此外,对于每一个游客,我们通过发现订单数量的事件,也就是说,事件1,2,3,4,5。

表4
统计样本数据集的时间发现POIs的时间单位(分钟) 来 ,和每个旅游POIs探测到的百分比。

图5
评估发现的pdf格式的数据集的样本POIs获得1到5的配置表3。

在模拟的开始,街道是空信息素的反馈。因此,代理第一个决定是随机的,因此,在中位数(Md)的时间达到第一个事件的四种方法是相似的。此外,他们的分布模式低于20分钟(见事件1图5)。然而,在接下来的一段时间(即。,event 2 and forward), the sample mean starts to be greater with no stigmergy than those obtained with it; this trend increases in the next passage times (3, 4, and 5). As we expected, no stigmergy motion gives the worst mean passage times of the five events. We would point out, for example, that the time spent to arrive at event 4 is >13 hours and to event 5 >23 hours. These results seem logical if we think that the tourists are visiting other POIs (i.e., the ones they found and those declared by other people) but, also, because they select streets at random.

相比之下,stigmergy方法获取手段至少50%低于没有stigmergy,和这些差异增加模拟。我们观察游客使用梯度系统平均通过时间最短。他们发现五个事件大约5个小时,这是一个杰出的结果考虑,每次持续15分钟,游客可能超过5拜访他们的旅程。因此,第五事件表的方法4显示与梯度的速度发现77.3%(平均)比没有信息素,39.4%排名选择相比,40.9%比FPS。FPS和排名方法导致类似的速度,但排名略有改善FPS(快2.5%)。

为了更好地描述我们也观察发现倍分散他们是,他们的标准偏差 每个方法。pdf文档的图5给我们的照片通过时间的分布沿不同的事件。我们看到,标准差上升与每个事件发现(大约在同一规模的方法使用stigmergy)。在最好的情况下(梯度法), 是28分钟事件1,大约5点45小时事件,而FPS 52分钟事件1和5小时事件5。三个stigmergy方法 价值观与他们 ,这意味着游客协助stigmergy发现事件比其他人快得多。但是,没有stigmergy-based游客最大的变化在他们的样品时间, 值(每段时间)最大的两倍 在stigmergy方法(FPS)。因此,几乎没有stigmergy pdf格式的结果平在事件2和尾巴,所有事件,高于stigmergy方法。因此,游客没有stigmergy可能有一个大发现时代的高概率。此外,不同的 医学表明高样品时间的存在增加了平均时间。这种差异越大,其存在的可能性。旅游没有stigmergy提供了最伟大的运动 md值。

同时,我们分析了intervisit期(即。,the time spent moving between consecutive visits). Figure6包含四个阴谋每个路由方法。在每一个情节,我们代表连续两个旅游的行程时间(当前的旅程 一个设在和先例 设在)。对角线相等价值的轨迹。我们观察到的概率每个旅程,因为长途旅行增加(即最高的值。、白颜色的点)低于行;从对角线的距离值的时间越长,前面的旅途时间之间的差异就越大。因此,平均值增加每次旅程;因此,样本的数量绘制线以下指示大高 。因此,游客旅途时间可能会更长。这个结果由stigmergy更重要的游客不协助。值得注意的是,《纽约时报》发现第一个事件可能会对所有类似的概率路由方法。这个结果重申,游客花同样的时间找到最初的第一个事件,因为没有信息素。因此,图6证实的结果表4和图5游客的帮助下发现的梯度法实现最短的平均时间。


图6
之间的时间差异pdf连续事件的发现: (第一次), (二), (三), (第四), (第五事件);对角线是点 等于 , , 的开始时间是旅游参观。

最后,我们计算的百分比POIs检测(POI检测比例)在每个旅游的模拟。让我们回想一下,服务器将声明一个新的POI POI-AD周围如果访问者保持距离(40美元)POI-DI期间(8分钟)。此外,如果POI没有访问,那么相关的信息素消失和服务器将删除其POI-UN。因此,这些POIs活跃在接受访问时,和一个旅游将会有一个有限的时间去发现他们。尽管这个约束,模拟表明游客信息素的帮助下达成高POIs的数量。类似于其他测试执行,梯度显示率最高,70.13%,FPS和等级选择的比例略低(见表4)。相比之下,游客不仅借助于信息素参观少数POIs (4.61%)。没有信息素,POIs才会活跃在模拟器当游客参观他们。

这些结果证实stigmergy的影响的改进发现游客在静态场景的能力。事实上,梯度法是一个stigmergy对迁移决策有更大的影响,其次是FPS,和排名的选择。

5.2。动态模拟

接下来,我们测试方法动态的场景的事件。在这个方案中,随机事件出现和消失的时间和地点。在这种情况下,我们的目标是获得最大数量的游客访问每个POI。因此,这种动态比静态问题困难得多,因为游客只能在他们找到有趣的位置一生。

模拟器中使用的参数如表所示5。事件出现在地图上的泊松随机变量 在一个位置(生活)在一个指数变量。这种配置使一个随机数的正在进行的事件,随着时间的推移有所不同(见表5)。系统显示大约10动态事件的演变在整个模拟。同时,服务器生成新的POIs如果旅游位置在游荡POI-DI(8分钟)。这些POIs活跃,只要信息素与他们或只要有访客。访问期间(PV)的POI是15分钟。在这种情况下,目标是计数的游客数量每个动态事件和记录总一旦它消失在模拟器;我们也计算POIs的数量的比率检测到一个旅游和POIs的总数在模拟。最后,我们跑380与300个样本(即模拟。,dynamic events) in each run, making a total of 114000 event samples for each routing method. Figure7显示每个方案的柱状图和表6数值结果的比较。

表5
配置参数的动态模拟。
表6
统计数据访问的比例每POI POIs检测到每个旅游。

图7
访问/ POI样本的分布动态场景;获得的数据集的仿真参数表5。

平均数量的游客的访问移动没有stigmergy是34.55,这是了不起的,因为我们知道他们决定没有任何援助或参考指南。因为游客选择随机路径,他们可以利用动态的事件数量和他们没有帮助。尽管如此非凡的结果,表中的数据6表明事件获得更多游客(平均)如果游客选择路线stigmergy比没有它的帮助下,与FPS 14.02%, 24.23%与等级选择,35.80%梯度法。

另一个引人注目的结果是,stigmergy对发现新的POIs很有用,但并不是所有的动态事件接受访问。一些POIs可能最终没有游客,因为后者在其他POIs的信息素。这个问题是很常见的所有路由方法,但更明显的FPS和梯度。原因在于,在FPS和梯度,信息素浓度有更多的杠杆比等级选择和路径的决定,为此,POIs更有可能去,并且(见图7)。在梯度的情况下,游客确定性遵循地区有更多的路径信息素;FPS游客更倾向于带着街上更多的信息素。直方图显示大约15%的POIs的可能性 游客使用梯度,而FPS POIs的25% 游客。的价值 医学证实这个结果; 医学博士是负的(见表6),这意味着有更多的样品上面比下面的意思。

既无POIs的数量可以是巨大的FPS和梯度。相反,正是因为决策主要取决于信息素浓度,FPS和梯度也能够指导POIs的大量的旅游;因此,有些POIs得到高的访问量百分比。例如,当使用梯度,POIs有51.5%的概率接受≥60游客;FPS, POIs有34%概率≥60岁以上的游客。因此,梯度和FPS都是方便的,如果我们想要POIs很大一部分的游客。

简而言之,访问/ POI的梯度和FPS方法实现分布有两个分离的高概率区域:低,大量的访问(参见图7)。我们可以证实这个结果通过检查他们的偏差。的 的FPS和梯度值高级别和没有stigmergy相比,表明他们的样品分散在的意思。

另一方面,这两个概率分布,没有stigmergy和等级选择,钟形直方图。因此,访问POIs的概率是集中在一些积极的值大于0,也就是说,没有访问POIs的降低期望。特别是,没有stigmergy POIs平均的访问数34.55,和概率的最大值(模式)(> 15%)对应于酒吧集中在25次。基于表的平均值6FPS和梯度之间的排名方法,然而,相比之下,排名选择有一个未被发现的POIs的概率(即减少。,0次)。在等级路由的情况下,可选路径在十字路口有不同的健身价值低于FPS。因此,选择不如FPS,确定性和游客并不总是选择最高的路径信息素浓度。

最后,表6显示被游客发现POIs的平均数。类似于静态环境下,动态事件的游客会发现POIs协助stigmergy比没有它。特别是,FPS和梯度55%,54%使用stigmergy双打的结果不是,27%。与静态事件场景相比,stigmergy方法实现比率越低。发现率的降低是由于连续变化的费洛蒙,由于POIs的动态外观。然而,检测率不高于stigmergy游客静态模拟。计算的比例是相似的动态和静态场景:在第五事件发现模拟器记录样本的比例;这发生得更快在动态场景中(事件可能出现在旅游的路径)。因此,POIs的数量可以发现,例如,只有一个但是总POIs的数量是三个,在这种情况下,样本的比例高(本例中,33.3%)。在静态场景中,事件是在固定的位置,不能控制的游客需要更多的时间到达第五事件和计算比在动态场景中检测率。 For this reason, in the static scenario the number of total POIs is high, and thus the mean ratio remains small (4.61%).

很大一部分POIs的FPS和梯度得到大量的访问(一些POIs几乎100%的游客),由于间接通过stigmergy游客之间的交流。其缺点是事件的增加没有访问结束。相反,排名选择执行更好的找到大部分的位置(至少对一定数量的游客)和许多POIs的访问量百分比很高。因此,排名没有stigmergy选择运动的优势,因为它可以找到几乎任何情况下,stigmergy-based方法的好处,因为它可以引导更多的游客感兴趣的位置。

6。结论

介绍了蚂蚁,游客的导航系统。当前的应用程序的问题是,他们不提供实时信息或用户必须不断监视。蚂蚁系统允许游客发现新的地方和与他人分享,同时提供导航的位置。此外,该系统减少了与用户交互,以避免分心的经验探索一个城市。

ANT提供独特的旅游导航特性通过使用人造stigmergy算法。它允许高度活跃的临时的发现功能,超出大多数当前导航应用程序的功能。蚂蚁是一种路线的排名机制的核心,能够决定最可能的方向。我们学习了三种技术:健身比例的选择、等级选择,和梯度。Stigmergy-based路由相比nonstigmergy发现获得杰出的结果。特别是stigmergy已提高77.3%的时间发现5个事件,和每个POI的访问数量的38%。在两个场景(静态和动态)梯度擅长与其他方案相比提供最短的发现时间和事件探测概率最高。在动态事件场景中,我们发现,排名选择方法允许游客发现大多数的事件。结果也证实了stigmergy检测活提升POIs的好处。

对我们未来的工作,我们的目标是实现一个原型和测试它在现场与用户。此外,我们打算开发触觉装置使无缝导航而不需要看任何显示。我们还将尝试通过集群技术评估用户分组体重信息素ipm支持不同的用户组。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究支持了项目目标,ref。tec2016 - 76465 c2 - 1 r (AEI /菲德尔,欧盟)。