[发明专利]基于大数据和深度学习的旅游景点诱导方法和系统

说明书

本发明涉及一种旅游景点诱导方法及系统，用于辅助用户选择目的地附近的旅游景点。所述方法包括：获取表示用户到达目的地时间的第一时间；获取预设的筛选条件；预测在所述第一时间符合所述预设筛选条件的第一旅游景点集合；根据预测结果输出具有最优条件的旅游景点。所述系统包括时间获取模块、条件设置模块、预测模块、输出模块以及导航模块。上述方法及系统可以避免旅游景点诱导导致的人力和时间成本的浪费，又相对准确、可避免旅游景点诱导失败的问题。

技术领域

本发明涉及旅游景点导航技术领域，特别是涉及一种基于大数据和深度学习的旅游景点诱导方法和系统。

背景技术

旅游景点诱导技术是辅助用户选择旅游景点的技术。

传统的旅游景点诱导方法，将符合用户要求的所有旅游景点中距离用户预设目的地最近的旅游景点推荐给用户。并且根据使用的地点不同，一般存在两种情况。

如果用户行进到目的地后使用旅游景点诱导，如图10a所示，那么从出发地到目的地的距离加上从目的地到被推荐的旅游景点的距离总会大于(大于的概率非常大)或等于从出发地到被推荐的旅游景点的距离(因为三角形的两边长之和肯定大于第三边长)，因此会增加用户的行进里程、延长用户的行进时间，从而造成用户成本的增加和用户时间的浪费。

如果用户在出发地或距离目的地较远处使用旅游景点诱导，如图10b所示，那么符合用户要求的旅游景点必然较远，因此会导致用户行进到旅游景点需要较长时间，而在这较长时间内被推荐的旅游景点内的情况已经发生了变化(例如从空闲景点变为拥挤景点)，那么就会导致用户旅游景点失败。

因此，传统的旅游景点诱导方法存在增加用户成本的问题或者旅游景点诱导失败的问题。

发明内容

基于此，有必要提供一种能够提前且准确为用户推荐旅游景点的诱导方法。

此外，还提供一种旅游景点诱导系统。

第一方面提供一种旅游景点诱导方法，用于辅助用户选择目的地附近的旅游景点，其特征在于，所述方法包括：

获取表示用户到达目的地时间的第一时间；

获取预设的筛选条件；

预测在所述第一时间符合所述预设筛选条件的第一旅游景点集合；

根据预测结果输出具有最优条件的旅游景点。

优选地，所述第一时间由用户提供或按照如下方法计算：

获取当前位置和目的地位置；

计算当前位置和目的地位置之间的最优路径的长度，作为第一距离；

根据所述第一距离和行进速度计算到达目的地所需的第一时长；

将当前时间加上所述第一时长得到所述第一时间。

优选地，通过深度学习生成第二深度学习模型，“将待筛选的旅游景点距离所述目的地的距离和所述待筛选的旅游景点的拥挤状况输入所述第二深度学习模型，计算所述第二深度学习模型的输出，所述输出为第一预设标志”作为所述预设的筛选条件。

优选地，所述预设的筛选条件包括距离约束条件和景点拥挤状况约束条件。

优选地，所述预设的筛选条件由用户设置或当用户没有设置时，调取默认条件。

优选地，所述预测在所述第一时间符合所述预设筛选条件的第一旅游景点集合的步骤包括：

根据所述距离约束条件筛选出第二旅游景点集合；

将所述第二旅游景点集合中、当前时间每一旅游景点的状况输入对应旅游景点的已训练深度神经网络进行深度学习，得到所述每一旅游景点的已训练深度神经网络的输出；