张倩铃 胡聪

摘 要 随着智慧旅游的兴盛，本文针对城市旅游路线的选择问题，首先依据景点的属性进行了分类，其次根据游客对景点类型的偏好，调用随机函数发生器选取类别景点，再确定景区的区间距离、出租费用路况信息，应用单向神经网络的智能旅游路线决策模型给出因子迭代的最大值，确定选取城市景点旅游的最佳路线，在一定程度上，给初到陌生城市的游客提供帮助。

关键词 城市旅游;神经网络;路线推荐

引言

随着生活节奏的加快，越来越多的人期待在假期能暂时放下手头的工作和生活的琐事，进行一次忘我的旅行.对陌生的旅游城市而言，游客要在有限的时间内完成最大化的旅游收益，旅游路线的选择扮演者重要的角色;文献[1]基于旅游成本优化、旅游路线的个性化等问题，建立了约束条件下的Hopfield神经网络旅游线路模型;文献[2]结合了Hopfield神经网络算法与GIS空间分析，设计了大岭山森林公园的特色旅游线路;文献[3]提出了基于兴趣点流行度和用户兴趣偏好的个性化旅游路线推荐PTIR算法;文献[4]考虑游客的旅游动机和路况信息的情况下提出了一种基于单向神经网络改进的智能随机旅游路线决策支持模型;文献[5]挖掘图片的属性信息，如用户性别、年龄段、種族、经济能力等建立了用户旅游信息的数据库，应用数学与智能学习结合的方式，建立模型给出了旅游景点路线的推荐。本文考虑游客想体验周围环境、设施相对齐全的景点，按照《旅游景区划分等级》列出成都市的5A、4A景点以及代表老成都的特色景点，还有现在网络流行的网红打卡地，总计29个景点，根据游客喜好调用随机发生器选取类别景点，结合路况信息给出因子迭代的最大值，针对选取的景点确定最佳的旅游路线。

2基本知识介绍

2.1 MP神经元模型

MP神经元模型是一种多输入单输出的单元模型，提供了一种信息流定向传动的模式，树突接收信号，经细胞体处理后通过轴突输出到下一神经元，神经元模型表示为

（1）

其中是神经元的输入，是神经元的输出，是输入神经元与输出神经元的连接权重，是偏置值，是激活函数，MP神经元模型拓扑结构如图1所示。

2.2 随机函数

设连续型随机变量的分布函数是

（2）

称随机变量服从闭区间上的均匀分布，记为，调用均匀分布函数生成不超过区间的有限个随机数，这里的随机数表示游客按偏好要求随机选取的旅游景点。

3成都市景点路线推荐

按照成都市景点特征属性5A、4A以及代表老成都特色景点，还有目前网络流行的网红打卡地，建立分类集合，是景点的分类数，景点的分类子集中的元素编号记为，是景点类别中的元素。

在携程旅行APP搜集人气景点数据并编号，景点类别是5A级景点，其中都江堰记为、青城山记为;是4A级景点，记成都大熊猫繁育研究基地、西岭雪山、杜甫草堂、成都海昌极地海洋馆、成都欢乐谷、武侯祠、金沙遗址博物馆、花舞人间、黄龙溪、成都天台山、天府花溪谷、石象湖、刘氏庄园博物馆、国色天香童话世界;是特色景点，记锦里古街、宽窄巷子、动物园、春熙路、南湖梦幻岛;是网红打卡地，记黄龙溪欢乐田园、东郊记忆、音乐百花谷、成都U37创意仓库、鸳鸯楼、无里创意工厂、西村大院、IBOX爱盒子创意空间。

游客初到成都，想用一天的时间了解和成都历史变迁及成都发展有关的景点，建议一天内浏览0个景点，1个景点，2个景点，0个景点。首先通过智能机调用随机数发生器选取景点，有刘氏庄园博物馆、锦里、南湖梦幻岛。建立旅游路线基向量。考虑到景点间的距离与交通费用，结合单向路线浏览方式，在有限时间内实现旅游动机的最大化，设区间距离的动机影响因子波动权为，是景点的区间距离，是景点的区间距离，是景点的区间距离;出租车费用的动机影响因子波动权为，表示景区间出租费用，是影响选择浏览景点动机强度波动的指标.动机影响因子波动权和影响因子波动指标如下表所示.

表1 动机影响因子波动权和影响因子波动指标

根据游客选取的景点为神经元节点，旅游动机信息为传动值，动机影响因子迭代作用值最大的作为最佳旅游路线.考虑文献[4]的单向神经网络的智能旅游路线决策模型

（3）

结合排序法给出迭代作用值矩阵

动机迭代输出最大值对应的旅游线路是  即游客先在大邑县浏览刘氏庄园博物馆、然后去锦里古街，再去南湖梦幻岛，此为游客选取景点在一天内完成浏览的最优路线，备选路线推荐为。

4结束语

本文根据单向神经网络的智能旅游路线决策模型，结合路况信息给出因子迭代的最大值，确定游客选取景点刘氏庄园博物馆、锦里古街、南湖梦幻岛的最佳旅游线路.

参考文献

[1] 李慧旻，苏依拉，王斐.基于约束与CHNN的旅游线路问题研究[J].内蒙古工业大学学报，2016，3（1）：24-30.

[2] 吴小芳，龚丹丹.大岭山森林公园特色旅游路线设计及系统开发[J].福建林业科技，2015，42（2）：174-178.

[3] 吴青霞，周娅，文缔尧，等.基于用户兴趣和兴趣点流行度的个性化旅游路线推荐[J].计算机应用，2016，36（6）：1762-1766.

[4] 周啸，李少梅，张永正，等.基于单向神经网络的城市旅游路线决策支持模型[J].河北师范大学学报，自然科学版，2018，42（1）：81-87.

[5] Cheng A J，Chen Y Y. Personalized travel recommendation by mining people attributes from community-contributed photos [M]. Proc Mm 11 Acm，2011：83-92.