基于大数据的数字化智慧旅游服务系统及方法

本公开涉及智慧旅游领域，具体涉及一种基于大数据的数字化智慧旅游服务系统及方法。

背景技术：

1、随着全球旅游业的快速发展，旅游服务系统变得越来越重要，这些系统旨在提供游客和旅游从业者所需的信息、服务和支持，以提升旅游体验并提高旅游业务效率。目前，旅游服务系统通常包括旅游信息查询、景点导览、预订管理、交通规划等功能，但随着科技的发展和用户需求的变化，现有的旅游服务系统已经不能满足用户的实际需求。

2、在传统的旅游服务系统中，通常依靠各个景点的人流量的实时数据来进行旅游景点的导览和推荐。然而，这种方式只能依靠人流量的单一数据信息来进行景点推荐，信息更新速度较慢，人流量的监测信息存在滞后性，即人流量发生变化时才能进行数据监测和显示，无法及时反映景点的实际情况，导致游客获取的信息不够准确和实时。此外，传统系统通常提供的是通用性的人流量监测信息和景点推荐服务，无法根据景点的实际距离和分布情况来满足用户的个性化需求，导致旅游服务系统难以进行景点人流量的有效管理和调度，也使得旅游服务系统的景点推荐服务难以满足用户的实际需求。

3、因此，期望一种基于大数据的数字化智慧旅游服务系统。

技术实现思路

1、考虑到以上问题而做出了本公开。本公开的一个目的是提供一种基于大数据的数字化智慧旅游服务系统及方法。

2、本公开的实施例提供了一种基于大数据的数字化智慧旅游服务系统，其包括：

3、景点人流量数据采集模块，用于获取被监控旅游地区的多个景点的人流量数据的时间序列；

4、人流量数据规整模块，用于将所述被监控旅游地区的多个景点的人流量数据的时间序列按照时间维度进行数据规整以得到多个景点人流量时序输入向量；

5、景点人流量时序关联模式特征提取模块，用于通过基于深度神经网络模型的景点人流量时序关联模式特征提取器分别对所述多个景点人流量时序输入向量进行特征提取以得到多个景点人流量时序关联模式特征向量；

6、景点人流量时序模式推理模块，用于将所述多个景点人流量时序关联模式特征向量通过基于先验信息引导的景点人流量时序模式推理器以得到多个景点人流量时序模式推理特征向量；

7、景点空间拓扑关联特征提取模块，用于对所述被监控旅游地区的多个景点进行景点空间拓扑关联特征分析以得到景点空间拓扑关联特征矩阵；

8、景点空间拓扑人流量时序模式推理特征表征模块，用于对所述多个景点人流量时序模式推理特征向量和所述景点空间拓扑关联特征矩阵进行基于图结构的关联编码以得到景点空间拓扑人流量时序模式推理特征；以及

9、景点推荐分布图生成模块，用于基于所述景点空间拓扑人流量时序模式推理特征，生成景点推荐分布图。

10、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务系统，其中，所述深度神经网络模型为一维卷积神经网络模型。

11、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务系统，其中，所述景点人流量时序模式推理模块，用于：

12、将所述多个景点人流量时序关联模式特征向量通过所述基于先验信息引导的景点人流量时序模式推理器以如下景点人流量时序模式推理公式进行处理以得到所述多个景点人流量时序模式推理特征向量；其中，所述景点人流量时序模式推理公式为：

13、

14、其中，v(t)是所述多个景点人流量时序关联模式特征向量中的各个景点人流量时序关联模式特征向量，vrand是所述多个景点人流量时序关联模式特征向量中随机位置的景点人流量时序关联模式特征向量，v*是所述多个景点人流量时序关联模式特征向量的均值特征向量，p1和p2为权重超参数，f1和f2是以产生均值为0、方差为1的高斯分布随机数函数作为高斯分布函数系数的超参数，和⊕分别为向量减法和向量加法，v(t+1)为所述多个景点人流量时序模式推理特征向量中的各个景点人流量时序模式推理特征向量。

15、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务系统，其中，所述景点空间拓扑关联特征提取模块，包括：

16、空间拓扑矩阵构造单元，用于获取所述被监控旅游地区的多个景点的空间拓扑矩阵，其中，所述空间拓扑矩阵中非对角线位置上的各个位置的值用于表示相应两个景点之间的距离值；以及

17、景点空间拓扑特征捕捉单元，用于将所述空间拓扑矩阵通过基于卷积神经网络模型的景点空间拓扑特征提取器以得到所述景点空间拓扑关联特征矩阵。

18、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务系统，其中，所述景点空间拓扑人流量时序模式推理特征表征模块，用于：

19、将所述多个景点人流量时序模式推理特征向量和所述景点空间拓扑关联特征矩阵通过基于图神经网络模型的景点人流量分布分析器以得到景点空间拓扑人流量时序模式推理特征矩阵作为所述景点空间拓扑人流量时序模式推理特征。

20、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务系统，其中，所述景点推荐分布图生成模块，用于：

21、将所述景点空间拓扑人流量时序模式推理特征矩阵通过基于解码器的景点推荐生成器以得到景点推荐分布图。

22、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务系统，其中，还包括用于对基于一维卷积神经网络模型的景点人流量时序关联模式特征提取器、所述基于先验信息引导的景点人流量时序模式推理器、所述基于卷积神经网络模型的景点空间拓扑特征提取器、所述基于图神经网络模型的景点人流量分布分析器和所述基于解码器的景点推荐生成器进行训练的训练模块。

23、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务系统，其中，所述训练模块，包括：

24、训练数据采集单元，用于获取被监控旅游地区的多个训练景点的训练人流量数据的时间序列；

25、训练人流量数据规整单元，用于将所述被监控旅游地区的多个训练景点的训练人流量数据的时间序列按照时间维度进行数据规整以得到多个训练景点人流量时序输入向量；

26、训练景点人流量时序关联模式特征提取单元，用于通过所述基于一维卷积神经网络模型的景点人流量时序关联模式特征提取器分别对所述多个训练景点人流量时序输入向量进行特征提取以得到多个训练景点人流量时序关联模式特征向量；

27、训练景点人流量时序模式推理单元，用于将所述多个训练景点人流量时序关联模式特征向量通过所述基于先验信息引导的景点人流量时序模式推理器进行处理以得到多个训练景点人流量时序模式推理特征向量；

28、训练空间拓扑矩阵构造单元，用于获取所述被监控旅游地区的多个训练景点的训练空间拓扑矩阵，其中，所述训练空间拓扑矩阵中非对角线位置上的各个位置的值用于表示相应两个训练景点之间的距离值；

29、训练景点空间拓扑特征捕捉单元，用于将所述训练空间拓扑矩阵通过所述基于卷积神经网络模型的景点空间拓扑特征提取器以得到训练景点空间拓扑关联特征矩阵；

30、训练景点空间拓扑人流量时序模式推理特征表征单元，用于将所述多个训练景点人流量时序模式推理特征向量和所述训练景点空间拓扑关联特征矩阵通过所述基于图神经网络模型的景点人流量分布分析器以得到训练景点空间拓扑人流量时序模式推理特征矩阵；

31、解码损失计算单元，用于将所述训练景点空间拓扑人流量时序模式推理特征矩阵通过所述基于解码器的景点推荐生成器以得到解码损失函数值；

32、损失函数值计算单元，用于融合所述训练景点空间拓扑关联特征矩阵和所述多个训练景点人流量时序模式推理特征向量以得到融合后的训练景点空间拓扑关联特征矩阵，并基于所述融合后的训练景点空间拓扑关联特征矩阵，计算景点空间拓扑关联损失函数值；

33、损失训练单元，用于以所述解码损失函数值和所述景点空间拓扑关联损失函数值的加权和作为最终损失函数值对所述基于一维卷积神经网络模型的景点人流量时序关联模式特征提取器、所述基于先验信息引导的景点人流量时序模式推理器、所述基于卷积神经网络模型的景点空间拓扑特征提取器、所述基于图神经网络模型的景点人流量分布分析器和所述基于解码器的景点推荐生成器进行训练。

34、本公开的实施例还提供了一种基于大数据的数字化智慧旅游服务方法，其包括：

35、获取被监控旅游地区的多个景点的人流量数据的时间序列；

36、将所述被监控旅游地区的多个景点的人流量数据的时间序列按照时间维度进行数据规整以得到多个景点人流量时序输入向量；

37、通过基于深度神经网络模型的景点人流量时序关联模式特征提取器分别对所述多个景点人流量时序输入向量进行特征提取以得到多个景点人流量时序关联模式特征向量；

38、将所述多个景点人流量时序关联模式特征向量通过基于先验信息引导的景点人流量时序模式推理器以得到多个景点人流量时序模式推理特征向量；

39、对所述被监控旅游地区的多个景点进行景点空间拓扑关联特征分析以得到景点空间拓扑关联特征矩阵；

40、对所述多个景点人流量时序模式推理特征向量和所述景点空间拓扑关联特征矩阵进行基于图结构的关联编码以得到景点空间拓扑人流量时序模式推理特征；以及

41、基于所述景点空间拓扑人流量时序模式推理特征，生成景点推荐分布图。

42、例如，根据本公开的实施例的基于大数据的数字化智慧旅游服务方法，其中，所述深度神经网络模型为一维卷积神经网络模型。

43、根据本公开的实施例的基于大数据的数字化智慧旅游服务系统及方法，其通过实时监测采集旅游地区的多个景点的人流量数据，并在后端利用基于人工智能和大数据技术的数据处理和分析算法来进行这些景点的人流量数据的时序协同分析，以此根据各个景点的人流量变化模式和趋势来推断这些景点的人流量变化和预测信息，从而基于各个景点的人流量预测数据来进行景点的推荐。