文摘
全球旅游业的发展提出了新的要求,建设智能旅游。越来越多的旅游相关数据已达到的水平结核病甚至PB,旅游管理带来了巨大的困难。本文还探讨了利用大数据技术如遗传算法探索大规模旅游数据并建立一个全面的旅游信息服务平台,政府、企业、游客和科研机构。一个工业信息服务平台的总体设计提出了基于大旅游数据。整体功能、数据源、数据标准和应用平台都关注的范围。区块链技术的可跟踪性和nontampering还可以帮助乘客保留并验证他们的身份信息。从系统的设计目标的角度来看,一般来说,重复验证所需的时间将大大减少机票预订,酒店预订,和比尔验证,提高效率是建立“信任生态学的唯一途径。“建筑设计、分布式体系结构和智能服务设计,以及服务平台建设的关键实现技术,路线推荐大数据挖掘算法和旅游信息,研究和分析旅游信息智能服务的建设。
1。介绍
目前,中国已成为世界上最大的旅游市场(1,2]。其中,出境旅游消费居世界第一,入境旅游在世界上排名第三(3]。由于新的互联网移动通信等信息技术,大数据服务和云计算,特别是“智慧地球”的建议“智能城市的概念。”“智慧旅游”和“智能服务”已经形成一个接一个。同时,这些新的互联网应用的快速集成和旅游业也将促进旅游业的发展信息服务智能服务(4]。基于大数据的技术,云计算和人工智能,本研究是基于用户的行为分析和实现大众旅游的信息分析和处理用户(5]。通过移动互联网和其他媒体,实时在线与用户进行交互,从而为用户提供更加智能和方便的路线决定旅游信息的衣服,生意。
近年来,国家旅游局大力推广智能旅游的建设。2011年,智能旅游被列入“十二五”旅游业的一个重要工作计划;2012年,18个试点城市智能旅游和22个试点单位的智能景区测定;2013年,14智能旅游城市测定(6]。2014年被确认为智慧的旅游业。据研究,中国的旅游业在2013年开始进入大数据的时代。在高峰时间,酒店每日预订几十万的能力,与此同时,产生大量的旅游信息收集等数据,消费者评论,和产品推荐(7]。大数据技术可以挖掘和分析这些海量数据,这将使智慧旅游如鱼得水。大数据对旅游业的影响是全面的,和整个行业管理决策模式改变了相应的(8]。2015年,国务院发布了“促进大数据发展计划”和系统部署大型数据开发工作(9,10]。同年,Gui周开始建设的第一个大型数据在中国全面测试区域。许多学者开始研究大型数据的集成和智能旅游。在这种背景下,作者梳理了相关文献,以便更好地阐明两者之间的关系,为智能旅游的进一步发展提供参考。在本文中,我们展示了一个迭代的开发过程,包含客户机开发者共同开发部分的设计促进发展的客户了解他们的需求(11,12]。
本文的其余部分组织如下。部分2讨论大数据的概念和智能旅游。联合发布任务模型讨论了基于遗传算法的部分3。建设一个智能旅游大数据背景下的应用程序模型讨论了部分4。部分5总结了论文的一个总结和未来的研究方向。
2。大数据的概念和智能旅游
大数据的概念与非结构化数据的增长。2011年,麦肯锡全球研究院大数据定义为一组数据的数据组(13),超过了把握、存储、管理和分析能力的传统数据库软件工具。处理大型数据需要特殊的技术,即大数据技术,包括大规模并行处理数据库,数据挖掘网格、分布式文件系统、分布式数据库、云计算平台,互联网,和可扩展的存储系统。互联网公司由谷歌,Facebook, LinkedIn,和微软已经逐渐介绍各种类型的大数据处理系统。智能旅游是一个新概念,从数字地球进化。摩尔,圣十字学院的助理教授,将智能旅游定义为使用移动数字连接创建一个更聪明,有意义的和可持续的游客和城市之间的联系。国内学者也形成了几个意见智能旅游的概念(14]。
依赖于准确的和先进的信息数据平台,和整合旅游业信息,根据游客的旅行记录和消费偏好,它为游客提供个性化的旅游服务和实现的私人定制旅游。智能旅游应用程序模型基于大数据透视图如图1。
第一个观点是,智能旅游带来的各种变化的应用一些新的技术来旅游;第二个观点是,智能旅游是促进旅游服务的现代化,提高旅游经验,创新旅游管理,优化旅游资源的使用。工程;第三种观点是智能旅游是一种高层次的旅游和舞台;第四个观点是,智慧旅游是一种新的经营方式来提高游客的体验和参与;还有其他不同的观点。关于大数据和智能旅游之间的关系,大部分学者认为大数据的背景下智能旅游和识别的作用大数据智能的发展旅游业。然而,一些学者认为大数据技术的组件之一智能旅游(15,16]。梁Changyong认为大数据挖掘技术是智能旅游。的核心。李Yunpeng等等指出,智能旅游是大量的实时数据在互联网上形成的游客。使用大数据,它可以进一步指导旅游业的实践,更好的为游客服务17,18]。
3所示。基于遗传算法的任务联合发布模型
3.1。模型制备
遗传算法是一种搜索算法的自适应性和自组织能力开发基于生物界的自然选择和进化机制。它被广泛用于解决复杂的优化问题。遗传算法首先随机生成一组可能的解决方案的优化问题和编码每一个可能的解决方案19]。可能的解决方案的集合称为人口和人口中的每一个可能的解决方案被称为一个独立的个体。每个人都有一个相应的健身价值,这是用来测量解决方案的“好与坏”这个问题所代表的个人。模仿“适者生存”的原则在生物世界,根据健身的大小,从初始种群选择一些更好的个人参与交叉和变异操作(20.,21]。
交叉操作产生新个体的交换和重组的一部分代码的两个人,类似于后代继承父母的基因。变异操作产生新个体通过随机改变个体的编码比特,从而增加种群的多样性。选择、交叉和变异操作进行多次迭代或终止,直到一个特定的规则,和最高的个人健身人群中优化问题的近似最优解。近年来,遗传算法已经成功地应用于模式识别、机器学习、图像处理、智能控制(22]。
3.2。的基本思想 - - - - - -意味着算法
的 - - - - - -意味着算法是一种最广泛使用的聚类算法。该算法使用参数来将对象分为集群,集群有高度的相似性,但集群之间的相似性较低。该算法首先随机选择对象。最初每个对象代表了一个集群的平均值或中心(23,24]。对于每个剩余的对象,它被分配到最近的集群根据其距离每个集群的中心,然后重新计算每个对象。平均值的集群,这个过程不断重复,直到准则函数收敛。标准函数如下: 在哪里集群的平均值。的描述 - - - - - -意味着算法如下:(1)随机选择一个记录作为初始聚类中心 (2)计算每个记录和集群中心之间的距离,并使用最接近集群点所属的类(25] 在哪里估计的价值,是独立变量的数量,是空间样本,体重的数据点吗在描述模型的位置 。
3.3。权函数和带宽的决心
权函数往往是由高斯函数在实践中,和表达方法如下: 在哪里指的是带宽。如果数据的点观察到,其他点的重量会减少根据高斯曲线随着距离的增加。带宽b,然后点得离点的重量会为零。带宽的选择可以由cross-confirmation方法,对于一个给定的计算值: 在哪里后因变量观测值和宽度删除,然后使用加权最小二乘法得到的拟合值因变量 。选择结果显示在以下公式:
计算每个集群的质心(集群的中值点)和每个对象与这些中心对象之间的距离,根据最小距离,再划分对应的对象。重复这一步骤直到方程(3)没有明显变化26]。
3.4。模型建立
遗传算法的一个优点是,它不需要特殊的知识领域需要解决的问题,所以解决这个问题的过程与遗传算法基本上是相同的。下面的图显示了处理流程的摘要遗传算法用于聚类分析(27,28]。
在遗传算法进化过程是基于编码机制,和编码算法的性能有很大的影响,如搜索功能(29日,30.]。常用的编码方法包括浮点数编码和二进制编码。相比之下,二进制编码具有较强的搜索能力比浮点数编码。此外,二进制编码简单的交叉和变异操作的优点。因此,这里使用二进制编码。集群解决方案的问题是每个集群的中心。在空间聚类问题的点,每个个体在遗传算法包括二进制组件对应于实数组件,和二进制数字包含在每个组件的数量计算的方法(31日,32]。
通过这种方式,每个人包括二进制位。第一个二进制代码字符串长度的个体解码,解码函数(33,34]。
随机选择一个点的点集划分为一个问题的解决方案和编码。重复选择Psize次,Psize人口规模(集35]。
在遗传算法的过程中,适应度函数作为基础和种群中每个个体的健身价值是用于搜索36,37]。因此,适应度函数的选择非常重要,直接影响到遗传算法的收敛速度。对每个人来说,使用相同的方法 - - - - - -意味着集群算法划分和重新计算每个集群的中心,然后用点之间的距离的总和在每个集群和相应的集群中心判断集群。质量准则函数越小,更好的聚类的质量。的数学表达式(38]
遗传算法的目的是寻找集群中心,最大限度地减少值,所以适应度函数(39]。为了提高搜索速度,获得每个集群分工后,纠正集群中心是用来替换原来的单个集群中心(40,41]。
4所示。建设智能旅游大数据背景下的应用程序模型
智能旅游的基础在大数据的背景下,智能旅游应用程序模型是基于大数据平台。智能旅游应用程序模型基于大数据平台可以提供最新的旅游路线报价,最有利的折扣机票的信息,最合理的旅行建议,最详细的旅游信息。
为了识别旅游利益相关者之间的关系和他们的关系作为切入点,大数据的智能旅游应用程序模型观点是建立在应用程序对象和需求智能旅游的相互关系。智能旅游的应用程序对象主要包括政府旅游部门、旅游企业、社区居民和游客。与传统的应用程序模型相比,它只面临着政府、旅游企业和游客。智能旅游还包括智能旅游社区居民在应用程序中。智能旅游不仅为游客提供服务,旅游企业和政府也促进了旅游业的协调管理和服务和旅游目的地的经济发展,从而实现游客和社区居民之间的友好关系。利用物联网技术,大规模数据库、云计算技术、和科学分析,智能旅游应用程序模型收集大量的数据产生的旅游活动,有效整合区域旅游目的地的旅游信息,近年来建立了相关模型,并预测该地区的未来。区块链绩效指标的变化在不同的共识机制如图2。
旅游、流传输到服务器平台,和设置旅游活动数据的监测和预报系统可以有效地预测旅游目的地的流向和未来的趋势和合理引导旅游景点,旅游企业和政府旅游部门投入相应的人力资源服务,防止组。性的事件的发生。智能旅游框架的应用程序模型基于大数据如图3。
虚拟服务平台智能旅游是建立在省会城市,和信息渠道的旅游住宿、旅行社、旅游企业、旅游学院,和旅游景点是用来实现各利益相关者的信息流通,大型数据库的和隐藏的价值功能将大大,将构建和信息共享平台。模型平台是基于大量数据的各种省近年来省级旅游事件。分为基本数据的基本数据,旅游景点的基本数据,基本数据的政府旅游部门和社区居民的基本数据,然后介绍了标准化的数据到应用程序的智能旅游。
的数据平台系统模型。同时,通过物联网技术,各种基本数据准确地标记在地图上的每一个省,省会城市是分为若干区域旅游目的地。各种基本数据的空间坐标标记各区域旅游目的地空间网格数据进行,可以使用各种相关的预测模型。它可以实现一个特定区域的实时监控和预警的旅游目的地和一个特定的时期内预测该地区的各种事件的可能性。监测和早期预警系统的基础是旅游企业的基本数据,旅游景点,政府旅游部门和社区居民包括类型、时间和地点的事件。递归性质的组合定义一个结构;反复,库存可以组合形成一个更复杂和更丰富的产品体系。库存组合模型非常适合统计价格和折扣待遇。住宿的基本信息和必要的属性在图所示4。
数据处理平台的应用程序模型可以用来发现各种类型的事件的时间和时间通过云计算的数学模型。位置规则可以自动预测游客的流量和流量在不同时期该地区的图标的轴,包括实时旅游流的监测和预警区域旅游目的地和特定的一天,周,月,年,或自定义时间段。为了实现以上规划目标,我们必须首先定义一个好的库存管理基础,和库存是整个旅游业的计算的基础水平,和旅游系统的库存管理层次图如图5。
目前,资源的提供者提供的资源信息分为四类:承认,住宿、餐饮、和运输,其中每个元素被细分为特定的资源提供者和资源属性。点击的数量由旅游信息单位时间如图6。
整个库存系统主要采用树结构来管理数据,和库存管理接口决定了所有的旅游元素的基本元素,包括商品提供者的名称、属性、价格类型、数量的时间属性,位置属性,和产品的质量属性。库存投资组合的定义决定了那些货物可以和销售相结合在一起形成的一组服务。分类标准的旅游信息指数图所示7。
具体库存的信息是根据特定类别分类。这是特定数据的存储和处理库存管理。库存管理的动态结构是处理动态商品的库存信息。旅游库存的特点之一就是产品生产新的和有效的产品自动每天这样产品的预订和能力可以计算。
5。结论
智能旅游系统是一个高度复杂的云计算系统平台,可以自动帮助用户建立旅游计划。这个选择是基于一系列的优先级选择规则。的选择和设置这些规则已经被市场和用户研究,有一个相当准确的选择效果。使用该系统后,用户只需要输入自己的旅行计划。他们可以摆脱乏味的旅游策略,得到一个完整的、有效的、可行的,立即和优化旅游线路。它可以节省用户宝贵的时间,帮助用户节约成本和成本。的在线实现系统会给旅游业带来新的用户体验模式。
数据可用性
所有的数据是真实和可靠的来源。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是支持的一般教学研究项目由教育部2019年安徽省(2019号jyxm0447)和2019年主要由滁州大学教学研究项目(2019号jyz026)。