基于网页旅游攻略的旅行线路规划

第４４卷增刊　２０１５年１２月　测绘学报　Ｖｏ１．４４，Ｎｏ．ＳＯ　Ｄｅｃｅｍｂｅｒ．２０１５　Ａｃｔａ　Ｇｅｏｄａｅｔｉｃａ　ｅｔ　Ｃａ　ｒｌＯｇｒａｐｈＩｃａ　Ｓｉｎｉｃａ　引文格式：陆川伟，孙群，郭健，等．基于网页旅游攻略的旅行线路规划ＥＪ］．测绘学报，２０１５，４４（Ｓ０）：１１７—１２２．ＤＯＩ：１０．１１９４７／ｊ．ＡＧＣＳ．　２０１５．Ｆ０６３．　ＬＵ　Ｃｈｕａｎｗｅｉ，ＳＵＮ　Ｑｕｎ，ＧＵＯ　Ｊｉａｎ，ｅｔ　ａ１．Ｔｈｅ　Ｔｒａｖｅｌ　Ｒｏｕｔｅｓ　Ｐｌａｎｎｉｎｇ　Ｓｔｒａｔｅｇｙ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｗｅｂ　Ｔｏｕｒｉｓｔ　ＯｕｉｄｅｓＥＪ３．Ａｃｔａ　Ｇｅｏｄａｅｔｉｃａ　ｅｔ　Ｃａｒｔｏｇｒａｐｈｉｃａ　Ｓｉｎｉｃａ，２０１５，４４（Ｓ０）：１１７—１２２．ＤＯＩ：１０．１１９４７／ｊ．ＡＧＣＳ．２０１５．Ｆ０６３．　基于网页旅游攻略的旅行线路规划　陆川伟　，孙　群　，郭　健　，李爱光　，彭泽峰。　ｌ＿信息工程大学地理空间信息学院，河南郑州４５０００１；２．７５７１１部队，广东广州５１００００　Ｔｈｅ　Ｔｒａｖｅｌ　Ｒｏｕｔｅｓ　Ｐｌａｎｎｉｎｇ　Ｓｔｒａｔｅｇｙ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｗｅｂ　Ｔｏｕｒｉｓｔ　Ｇｕｉｄｅｓ　ＬＵ　Ｃｈｕａｎｗｅｉ　，ＳＵＮ　Ｑｕｎ　，ＧＵＯ　ｄｉａｎ　，ＬＩ　Ａｉｇｕａｎｇ　，ＰＥＮＧ　Ｚｅｆｅｎｇ。　１．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｕ　ｒｖｅｙｉｎｇ　ａｎｄ　Ｍａｐｐｉｎｇ，Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ。Ｚｈｅｎｇｚｈｏｕ　４５０００１，Ｃｈｉｎａ；２．７５７１１　Ｔ　ｒｏｏｐｓ，Ｇｕａｎｇｚｈｏｕ　５１００００，Ｃｈｉｎａ　Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｈｅｌｐ　ｔｒａｖｅｌｅｒｓ　ｐｌａｎｎｉｎｇ　ｔｒａｖｅｌ　ｒｏｕｔｅｓ，ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｔｏｕｒｉｓｔ　ｇｕｉｄｅ　ａｓ　ｔｈｅ　ｄａｔａ　ｓｏｕｒｃｅ，　ａ　ｍｅｔｈｏｄ　ｏｆ　ｔｅｘｔ　ａｎａｌｙｓｉｓ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｈｅｌｐ　ｔｈｅ　ｕｓｅｒ　ｔｏ　ｃｈｏｏｓｅ　ｐｏｐｕｌａｒ　ａｔｔｒａｃｔｉｏｎｓ．Ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ｄｙｎａｍｉｃ　ｐｒｏｂｌｅｍ　ｉｎ　ａｌｔｅｒｎａｔｉｖｅ　ａｔｔｒａｃｔｉｏｎｓ　ｏｆ　ｔｒａｖｅｌ　ｒｏｕｔｅ　ｐｌａｎｎｉｎｇ－ａｎｄ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ“ｃｌｕｓｔｅｒ　ｆｉ　ｒｓｔ・ｒｏｕｔｅ　ｓｅｃｏｎｄ’’　ｍｅｔｈｏｄ　ｏｆ　ｔｗｏ　ｓｔａｇｅｓ　ｓｔｒａｔｅｇｙ　ｏｆ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｍｅｔｈｏｄｓ　ｆｏｒ　ｓｏｌｖｉｎｇ　ｔｈｅ　ｖｅｈｉｃｌｅ　ｒｏｕｔｉｎｇ　ｐｒｏｂｌｅｍ，ａｎ　ｉｍｐｒｏｖｅｄ“ｃｌｕｓｔｅｒ　ｆｉ　ｒｓｔ—ｒｏｕｔｅ　ｓｅｃｏｎｄ’’ｈｅｕｒｉｓｔｉｃ　ｔｒａｖｅｌ　ｒｏｕｔｅ　ｐｌａｎｎｉｎｇ　ｓｔｒａｔｅｇｙ　ｗａｓ　ｓｔｕｄｉｅｄ　ａｎｄ　ｄｅｓｉｇｎｅｄ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ａｐｐｅａｒａｎｃｅ　ｆｒｅｑｕｅｎｃｙ　ｏｆ　ａｔｔｒａｃｔｉｏｎｓ　ｉｎ　ｔｈｅ　ｇｕｉｄｅｓ　ｆｏｒ　ａｕｔｏｍａｔｉｃ　ｐｌａｎｎｉｎｇ　ｏｆ　ｔｒａｖｅｌ　ｉｔｉｎｅｒａｒｙ．　Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｔｒａｖｅｌ　ｒｏｕｔｅｓ，ｇｅｎｅｒａｔｅｄ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｍｅｔｈｏｄ　ｐｒｏｐｏｓｅｄ　ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ａｒｅ　ｍｏｒｅ　ｒｅａｓｏｎａｂｌｅ　ａｌｌｏｃａｔｉｏｎ　Ｏｆ　ｔｉｍｅ，ｔｈｅ　ｄｉｓｔａｎｃｅ　ｂｅｔｗｅｅｎ　ｔｈｅ　ａｔｔｒａｃｔｉｏｎｓ　ｔｈａｔ　ｅｖｅｒｙ　ｄａｙ　ｔｏ　ｖｉｓｉｔ　ｉｓ　ｓｈｏｒｔｅｒ　ａｎｄ　ｔｈｅ　ｒａｔｉｏ　ｏｆ　ｔｉｍｅ　ａｎｄ　ｄｉｓｔａｎｃｅ　ｉｓ　ｈｉｇｈｅｒ。Ｔｈｅｒｅ　ｉｓ　ｇｒｅａｔ　ｐｒａｃｔｉｃａｌ　ｓｉｇｎｉｆｉｃａｎｃｅ　ｆｏｒ　ｔｏｕｒｉｓｔｓ　ｐｌａｎｎｉｎｇ　ｔｒａｖｅｌ　ｒｏｕｔｅｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｔｏｕｒｉｓｔ　ｇｕｉｄｅ；ｔｅｘｔ　ａｎａｌｙｓｉｓ；ｔｒａｖｅｌ　ｒｏｕｔｅｓ；ｒｏｕｔｅｓ　ｐｌａｎｎｉｎｇ　ｓｔｒａｔｅｇｙ；ｖｅｈｉｃｌｅ　ｒｏｕｔｉｎｇ　ｐｒｏｂｌｅｍ　Ｆｏｕｎｄａｔｉｏｎ　ｓｕｐｐｏｒｔ：Ｔｈｅ　ＮａｔｉｏｎａＩ　ＮａｔｕｒａＩ　Ｓｃｉｅｎｃｅ　Ｆｏｕｎｄａｔｉｏｎ　Ｏｆ　Ｃｈｉｎａ（Ｎｏ．４１５７１３９９）　摘　要：为帮助旅行者规划旅行线路，以旅游攻略为数据源，针对旅行线路规划问题中可选景点的动态　性问题，根据传统车辆路径问题求解方法中两阶段法的先分组再定路线的策略，重点研究并设计改进了　一种基于攻略中景点出现频率的先分组再定路线的启发式旅行线路规划策略用于自动规划旅游行程。　试验结果表明，使用本文所提出的方法生成的旅游线路，时间分配更加合理，游览的景点间路程更短，线　路的游览时间与景点间距离的费效比更高，对于游客规划旅行线路有着很大的现实意义。　关键词：旅游攻略；文本分析；旅行线路；线路规划策略；车辆路径问题　中图分类号：Ｐ２０９　文献标识码：Ａ　文章编号：１００１—１５９５（２０１５）ＳＯ．０１１７．０６　基金项目：国家自然科学基金（４１５７１３９９）　１　引　言　后旅行社时代，越来越多的游客不再满足于　呈现在用户眼前，旅游攻略由“用户生成内容”　（ｕｓｅｒ　ｇｅｎｅｒａｔｅｄ　ｃｏｎｔｅｎｔ）的模式产生［１］，内容极　其注重个体感受和旅行体验，成为游客出行前的　必修课。旅游攻略是前人旅行后进行总结，包含　吃穿住行玩等各个方面的信息，并通过互联网发　传统的“上车睡觉，下车拍照，回去啥也不知道”的　传统旅游模式，而是希望自行安排自己的旅游时　间和线路，因此需要在出发之前通过互联网等手　布分享给其他游客的一种旅行参考。一般来说，　游客使用旅游攻略主要是实现３个目的：①旅游　目的地有哪些景点；②哪些景点值得去；③根据日　程规划自己的旅行线路。　段获取足够多的旅行目的地的相关信息来制订自　己的旅行计划。随着网络的发展，各种各样的旅　游信息通过旅游网站、达人攻略、旅行博客等方式　１１８　Ｄｅｃｅｍｂｅ　ｒ　２０１５　Ｖｏ１．４４　Ｎｏ．Ｓ０　ＡＧＣＳ　ｈｔｔｐ：／／ｘｂ．ｓｉｎｏｍａｐｓ，ｃｏｍ　关于旅游线路的研究主要包括从旅行游记、　各个景点具体的方位不清楚且易混淆，用户难以　形成心像地图，规划旅游行程；③受限于攻略提供　ＧＰＳ轨迹以及包含位置信息的照片３个方面的　数据源人手提取或推荐线路进行研究。具体　来说：　者自身的专业水平，旅游攻略中的线路随意性较　大，每天旅行的景点不紧凑，导致景点间交通浪费　大量的时间，参考意义不大。如图１所示为根据　一（１）旅行游记。文献［２—３］针对旅行Ｅｔ志提　出了一种概率主题模型，将旅行日志中的主题词　汇分为两种：本地主题和全局主题。本地主题主　篇北京七Ｅｌ游的攻略绘制的旅行线路图，可明　显看出其中一天的线路“天坛公园一７９８艺术　区一国家图书馆一鸟巢一水立方”中的景点跨越　了大半个城市，导致往返于景点间的路程会浪费　要是针对特定地点的词汇，如火山岩、海岸线等；　全局主题则不针对特定地点而是在大量的日志中　描述景点所共用的词汇，如旅馆、机场等。通过该　模型来更好地从旅行Ｅｌ志中抽取出相关词汇，从　而加强对景点的理解，如景点推荐、目的地概括以　及检索更多的旅行日志等。　（２）ＧＰＳ轨迹信息。文献［５］基于多用户的　ＧＰＳ历史轨迹在一个特定区域内挖掘出前ｎ个　兴趣点和前ｍ条游览序列。首先根据ＧＰＳ轨迹　提取出用户的停留点，然后对这些停留点进行层　次聚类，得到一个基于树的分层图，层次越高所包　含的停留点越多，所代表的区域也越大。然后利　用基于ＨＩＴＳＬ６］（ｈｙｐｅｒｔｅｘｔ—ｉｎｄｕｃｅｄ　ｔｏｐｉｃ　ｓｅａｒｃｈ）　算法的推理模型来估计用户的旅行经历和兴趣，　进而对停留点和区域进行排序，从而得到景点和　热门区域，进一步根据兴趣点评分和兴趣点序列　挖掘出旅行线路。　（３）包含位置信息的照片。文献［７—１０］利　用照片的地理标签挖掘出用户的频繁地点序列，　然后将这些地点序列连接成为旅行线路，同时通　过计算照片的时间属性，得到每个景点所消耗的　时间，如此根据用户的时间期望来帮助用户推荐　旅行线路。文献［１１－］针对Ｆｌｉｃｋｒ上带有地理信息　的照片首先使用信息熵来衡量图片的信息含量进　而对数据进行清洗，然后使用密度聚类算法将景　点聚类并通过ＨＭＭ［１。］（ｈｉｄｄｅｎ　ｍａｒｋｏｖ　ｍｏｄｅ１）　的Ｖｉｔｅｒｂｉ算法识别出景点线路，最后使用Ｍｅａｎ　值还原出更符合用户需求的旅行线路。　国内的旅游攻略主要来源于各类旅游网站，　如去哪儿网、携程网、蚂蜂窝等。旅游攻略的内容　基本上都是“文本描述行程＋图片展示”的形式。　但是当用户使用这些旅游攻略时，面临着３个严　重的问题：①旅游攻略来源广、数量多，内容大同　小异但每篇攻略包含的景点不尽相同，一一阅读　则会耗费大量的时间，同时难以直接对比各个攻　略中行程的异同，如去哪网中有关北京的旅游攻　略有两万多篇；②旅游攻略内容以文字描述为主，　大量的时间。　ｔ　图１旅游攻略中旅行线路图　Ｆｉｇ．１　Ｔｒａｖｅｌ　ｒｏｕｔｅｓ　ｏｆ　ａ　ｔｏｕｒｉｓｔ　ｇｕｉｄｅ　本文针对用户应用旅游攻略的目的以及传统　方式使用旅游攻略所面临的问题，提出了一种基　于网页旅游攻略的旅行线路规划策略，其主要流　程如图２所示。　图２研究流程图　Ｆｉｇ．２　Ｆｌｏｗ　ｃｈａｒｔ　ｏｆ　ｒｅｓｅａｒｃｈ　在该过程中，本文首先设计了将文本信息进　行结构化表示的旅游攻略描述三元组和景点资源　描述三元组。然后基于车辆路径问题的解决思　路，根据旅行线路规划的实际问题，提出了一种面　向旅游景点的先分组再定路线的启发式景点规划　策略，主要是首先将所有景点根据其旅游攻略中　的频数，按照旅行时间进行聚类，然后在每一个类　中使用顺序插入法规划具体的旅行顺序，以此满　增刊　陆川伟，等：基于网页旅游攻略的旅行线路规划　１１９　足将大量的旅游攻略文本数据的结构化表示以及　根据用户需求自动规划旅游路线等现实需求。最　后本文分别从路程、时间以及两者之间的费效比　３个方面进行对比来验证所提方法的有效性。　２数据处理　２．１旅游攻略文本数据特点　旅游攻略文本数据归属于大数据的范畴，因　此其也具备大数据所具有的４Ｖ特征口　。同时旅　游攻略文本数据也具有时间相关、位置相关以及　非（半）结构化的特征，具体说明如下。　（１）时间相关：时间相关是指旅游攻略中含　有大量的与时间有关的信息，如出发时间、参观时　间等。　（２）位置相关：位置相关是指旅游攻略文本　数据中含有诸如景点位置、地点名词、地理关系名　词以及位置标签等信息。　（３）非（半）结构化：对于网络中的文本数据，　可以使用网络爬虫按照设计的正则表达式按照一　定的结构爬取数据，但是对于爬取到的数据却并　不具备结构化特征，仍需要使用文本处理方法进　行结构化转换。　本文采用的文本数据源为去哪儿网中北京市　的旅行攻略为文本数据源。该数据源具有以下特　征：①攻略遵循的基本结构包括前言（行前准备、　行程花费、交通、住宿等）、每日行程（游玩地点、游　玩心得等）等内容；②每日行程部分包括景点的具　体介绍，如所在城市、门票、电话、地址、标签、开放　时间、简介等；③文本内容中包含大量的景点名称　等位置相关信息。　２．２旅游攻略文本数据的结构化表示　文本数据的结构化表示主要是将无（半）结构　化的文本数据进行结构化转换，并借助ＲＤＦ描述　框架建立了资源描述三元组对资源进行归一化知　识描述［】　，逐步建立信息知识库。资源描述三元　组具体形式为：　Ｒｅｓｏｕｒｃｅ＝（Ｓｕｂｊｅｃｔ，Ｐｒｅｄｉｃａｔｅ，Ｏｂｊｅｃｔ）　式中，Ｓｕｂｊｅｃｔ表示主体；Ｐｒｅｄｉｃａｔｅ表示主体与客　体间的二元关系；Ｏｂｊｅｃｔ表示客体。　根据研究需要，本文设计了旅游攻略描述三　元组和景点表述三元组以建立攻略信息库和景点　信息库。表１为旅游攻略描述三元组结构表。其　中ＵＲＬ为攻略的网址。表２为旅游攻略中故宫　的描述三元组，其中ＵＲＬ表示景点的唯一标识。　表１　旅游攻略描述三元组结构表　Ｔａｂ．１　Ｔｒｉｐｌｅ　ｓｔｒｕｃｔｕｒｅ　ｔａｂｌｅ　ｏｆ　ｔｏｕｒｉｓｔ　ｇｕｉｄｅｓ　表２故宫描述三元组　Ｔａｂ．２　Ｔｒｉｐｌｅ　ｓｔｒｕｃｔｕｒｅ　ｔａｂｌｅ　ｏｆ　Ｇｕｇｏｎｇ　３启发式旅行线路规划策略　３．１　旅行线路规划中的车辆路径问题　旅行线路规划问题就是在计划的总旅行时间　内游览尽可能多的景点，同时限定每天游览景点　的时间。旅行线路规划问题的本质是运筹学领域　的车辆路径问题口。　（ｖｅｈｉｃｌｅ　ｒｏｕｔｉｎｇ　ｐｒｏｂｌｅｍ，　ＶＲＰ）的变形，即每天从固定点（酒店）出发，按照　一定的顺序依次通过各个点（景点）并耗费一定的　成本，最终回到固定点（酒店），使其满足一些约束　条件而达到最优解的过程＿１　。　目前求解车辆路径问题的方法很多，主要包　括精确算法、经典启发式算法以及各种改进的启　发式算法等。但是传统的这些车辆路径问题的解　决方法通常是针对固定的客户，即每一个客户的　位置、需求都固定，且必须通过所有各点，而不能　自主选择各点是否通过。而旅行线路规划问题中　１２Ｏ　Ｄｅｃｅｍｂｅ　ｒ　２０１５　Ｖｏ１．４４　Ｎｏ．ＳＯ　ＡＧＣＳ　的客户（景点）却具有动态性，即对于任何一个景　离最近的景点所在群组加入其中；直到所有群组　内的时间总耗费都达到时间￡　则停止分组。其　算法逻辑描述如下。　‘　（１）初始化：景点序列Ｐ一｛Ｐ　，Ｐ。，…，Ｐ　｝，　点，都有去和不去两种选择。因此传统车辆路径　问题求解方法难以应用直接于旅行路线规划问题　中的线路规划。　３．２启发式旅行线路规划策略　针对旅行线路规划问题中景点的动态性特　群组Ｇ＝：：｛Ｇ　，Ｇ。，…，Ｇ　｝，群组内时间权值　ＴＧ　一０（　一１，２，…，ｍ）；　征，同时结合传统车辆路径问题求解方法中两阶　段法的先分组再定路线的策略。本文首先假设景　点的受欢迎程度可以使用旅游攻略中景点出现的　（２）将Ｐ　加人群组Ｇ　；　（３）从景点序列Ｐ中依次取景点Ｐ　（ｉ一２，　３，…，　）；　频率进行衡量。基于此，本文设计改进了一种基　于攻略中景点词频的先分组再定路线的启发式旅　行线路规划策略，即首先基于旅游攻略中所提景　点频数对景点进行受欢迎程度的排序，然后根据　旅行时间、景点类型、景点间距离等过滤条件使用　点分配（ｐｏｉｎｔ　ａｓｓｉｇｎｍｅｎｔ）［１８］聚类方法将景点进　行聚类，最后再在各类中规划最优路线。其基本　思想描述如下。　３．２．１　基于统计的景点受欢迎程度排序　到某地旅行时一般会面临着大量的景点而无　从选择，本文假设景点的受欢迎程度可以使用旅　游攻略中景点出现的频率进行衡量，因此通过统　计大量攻略中所提到景点的频数，对景点的受欢　迎程度进行排序，得到景点序列Ｐ　Ｐ一｛Ｐ　，Ｐ。，…，Ｐ　）　（１）　式中，ｎ为景点的个数。　３．２．２建立时间矩阵　由于本文并不研究各景点间如何通达的问　题，而是简化为各点间必达，但时间消耗由于距离　的远近而不同，因此建立时间矩阵Ｔ。　Ｐ１　Ｐ　２　Ｐ　Ｐ　ｔｐ１　￡Ｚ１，２　￡Ｚ１。　Ｔ０＝＝：Ｐ　２　￡Ｚ　２。１　ｔｐ　２　Ｚ　２，　（２）　●　●　：　：　！　Ｐ　Ｚ　Ｚ棚　ｔｐ　式中，ｔｌ　（ｉ，Ｊ一１，２，…，　；ｉ≠　）为景点Ｐ　到　Ｐ　花费的时间，ｔｐ　（ｉ一１，２，…，　）为在景点Ｐ：　参观所花费时间。　３．２．３点分配聚类　聚类的基本思想根据景点的受欢迎程度的排　序，首先对于前ｍ个景点：分配到　个群组中，　同时考虑若两个景点间时间消耗小于ｔ。则应分　配到同一个群组，而且应设定每天的游览时间为　ｔ　，即每个群组中所有景点参观时间以及景点间　时间之和小于ｔ　；对于其他景点则根据其时间距　（４）根据时间矩阵Ｔ。统计景点Ｐ　与景点　Ｐ　（ｆ＝１，２，…，ｉ一１）之间的时间消耗并按照时　间由小到大的顺序对景点Ｐ，（　一１，２，…，ｉ一１）　进行重排序形成基于时间消耗的景点序列ＮＰ一　｛ＮＰ１，ＮＰ　２，…，ＮＰ　—１）；　（５）从新序列ＮＰ中依次取ＮＰ　（愚一１，２，　…，ｉ一１）；　（６）判断：若ｉ≤ｍ，则跳转至步骤（７），否则　跳转至步骤（８）；　（７）计算点Ｐ　与ＮＰ　之间的时间消耗　ｔｌⅢ，判断：若ｔｌｍ≤ｔ。则跳转至步骤（８），否则跳　转至步骤（１１）；　（８）获取ＮＰ　所在的群组Ｇ。，计算Ｔ　一　ＴＧ　＋ｔｐ　＋ｔｌⅢ，并判断：若Ｔ　≤ｔ　则将Ｐ　加　入群组Ｇ　，并更新ＴＧ。一Ｔ　，ｍ＋＋，然后跳转　至步骤（３），否则跳转至步骤（９）；　（９）判断：若ｋ—ｉ一１，则跳转至步骤（１Ｏ），否　则跳转至步骤（５）；　（１Ｏ）判断：若ｉ≤ｍ，则跳转至步骤（１１），否　则将Ｐ　舍弃并跳转至步骤（３）；　（１１）将Ｐ　加入一个空群组Ｇ　并更新ＴＧ。一　声　，然后跳转至步骤（３）。　其流程如图３所示。　３．２．４线路规划　本文的研究重点并不在于研究如何规划各个　景点间的具体的最优行进路线，而是研究各个景　点的游览顺序，以满足线路中各景点间的路程最　短，衔接的时间最小。因此本文线路规划所研究　的问题实际就成为了从酒店（起始点）出发环游所　有景点后回到酒店的最优路径问题，采用节省成　本最大的顺序插入法。　顺序插入法是由文献Ｅ１９］为解决车辆路径问　题所提出的一种启发式算法。顺序插入法计算对　于尚未构成路径的节点　插入已有线路中的可　行位置，计算公式为　增刊　陆川伟，等：基于网页旅游攻略的旅行线路规划　１２１　ａ（　，　，Ｊ）：ｃ（　，　）＋ｃ（　，Ｊ）＋Ａｃ（　，Ｊ）　然后根据　（　，　，Ｊ）＝／ｚｃ（Ｏ，／，ｔ）ｍｏｔ（　，　，Ｊ）　（４）将Ｕ插入到ｉ，－『之间。　式（３）和式（４）中，　、　两个参数决定插入的　标准。若　＝１、　一０，算法将插入距离增加最少　的节点；若　—Ｏ、　一０，被插入的节点将对应于与　两个相邻节点间距离之和的最小者；若　一。。、　＞０，被插人的将是距离出发点最远的节点。　图３聚类流程图　Ｆｉｇ．３　Ｃｌｕｓｔｅｒｉｎｇ　ｆｌｏｗ　ｃｈａｒｔ　４试验与结论　本文以去哪网中北京市旅游攻略为例，采集　了１２０篇北京市旅游攻略，然后根据艺龙网中的　北京景点库建立了北京地区的景点词库，使用　ＩＣＴＣＬＡＳ［２　对采集到的文本数据进行统计分　析，其中统计了词频前５０个景点的信息。如表３　所示为攻略中部分景点的重要性排序。　表３攻略中景点的重要性排序　Ｔａｂ．３　Ｉｍｐｏｒｔａｎｃｅ　ｒａｎｋｉｎｇ　ｏｆ　ｓｐｏｔｓ　排名　１　２　３　４　５　景点　故宫天安门广场八达岭长城颐和园　南锣鼓巷　词频　１１２　１１０　９８　９５　９４　排名　６　７　８　９　１０　景点　天坛公园　鸟巢　圆明园　王府井北京大学　词频　９０　８９　８５　８Ｏ　７９　如图４所示为针对图１中的七日游攻略使用　本文提出启发式旅行线路规划策略生成的旅行路　线规划图，其中设定：景点间最小间隔ｔ。＝＝：０．２（ｈ），　每天的旅行时间ｔ　一７（ｈ）。　表４原线路信息统计表　Ｔａｂ．４　Ｓｔａｔｉｓｔｉｃｓ　ｔａｂｌｅ　ｏｆ　ｔｈｅ　ｏｌｄ　ｒｏｕｔｅｓ　线路　ｉ　２　３　４　５　６　７　总计　景点间距离／ｋｉｎ　９．４　４８．４　景点游玩时间／ｈ　９　ｌ１　费效比／（ｈ／ｋｉｎ）０．９６　０．２３　表５启发式旅行线路规划策略线路信息统计表　Ｔａｂ．５　Ｓｔａｔｉｓｔｉｃｓ　ｔａｂｌｅ　ｏｆ　ｔｈｅ　ｎｅｗ　ｒｏｕｔｅｓ　～　．　图４启发式景点规划策略生成的旅行规划路线图　Ｆｉｇ．４　Ｔｒａｖｅｌ　ｒｏｕｔｅｓ　ｇｅｎｅｒａｔｅｄ　ｂｙ　ｎｅｗ　ｓｔｒａｔｅｇｙ　如表４和表５所示为针对图１中的七日游攻　略的原攻略线路和启发式景点规划策略线路的每　条线路中景点间距离、景点游玩时间以及线路的　费效比（时间／距离，即景点间耗费每单位距离可　以游玩的时间）对比表。　由表４和表５可见，采用本文设计改进的启　发式旅行线路规划策略制定的旅行线路与原攻略　游客自己生成的旅行线路相比，每天的游览时间　１２２　Ｄｅｃｅｍｂｅ　ｒ　２０１５　Ｖｏ１．４４　Ｎｏ．ＳＯ　ＡＧＣＳ　ｈｔｔｐ；ｆ｝ｘｂ　ｓｉｎｏｍａｐｓ．ｃｏｍ　分配得更加均匀合理，每条线路的景点间距离更　相比基本没有减少。由图５（ｃ）可见，与原攻略中　短，游览时间与景点间距离的费效比更高。　如图５所示分别为本文所采集的１２０篇旅游　攻略数据的原攻略线路与采用启发式景点规划策　线路相比，本文所设计改进的启发式旅行线路规　划策略制定的旅行线路的费效比总体较高，采用　新策略的时间／距离费效比的均值为Ｏ．５２，而原攻　略中的线路费效比为Ｏ．４３。　由以上试验及分析结果可见，本文设计改进　的启发式旅行线路规划策略制定的旅行线路在游　览时间基本不变的前提下，实现了景点间的路程　略线路的旅行线路景点问路程、游览时间以及游　览时间与线路景点间路程之间的费效比的对比　图。由图５（ａ）和图５（ｂ）可见，采用本文设计改进　的启发式旅行线路规划策略制定的旅行线路的景　点间总路程更短，而参观时长与原攻略中的线路　更短，时间／路程费效比更高的效果。　…一原攻略路ｊ鼙，ｋｍ　一原策略路￣Ｅ／ｋｍ　…・原攻略时间，ｈ——新策略时间，ｈ　一．原攻略费效比／（时间，距离）　　——新策略费效比，　２００　ｌ２０　ｍｕ……～，一　…　１．００　（时间，距离）　１８Ｏ　Ｏ．９０　１６Ｏ　ｌＯ０　０．８０　１４０　０．７０　１２０　８０　０．６Ｏ　１００　６０　Ｏ．５Ｏ　８Ｏ　０．４０　６０　４０　０．３０　４０　２Ｏ　Ｏ．２Ｏ　２０　Ｏ．１Ｏ　０　０　Ｏ．００　１　１ｌ　２ｌ　３１　４ｌ　５ｌ　６１　７ｌ　８１　９ｌｌ０１ｌ１ｌ　ｌ　ｌ１　２１　３１　４１　５ｌ　６１　７１　８１　９ｌｌ０１ｌｌｌ　ｌ　ｌ１　２１　３１　４ｌ　５１　６１　７１　８１　９１ｌ０１ｌｌｌ　（ａ）路程对比图　（ｂ）时间对比图　（ｃ）时间，距离费效比对比图　图５分析对比图　Ｆｉｇ．５　Ａｎａｌｙｓｉｓ　ａｎｄ　ｃｏｍｐａｒｉｓｏｎ　ｃｈａｒｔ　Ｃｏｎｆｅｒｅｎｃｅ．Ｒａｌｅｉｇｈ，Ｎｏｒｔｈ　Ｃａｒｏｌｉｎａ，ＵＳＡ：ＡＣＭ，２０１０．　５结束语　［３］ＨＡＯ　Ｑｉａｎｇ，ＣＡＩ　Ｒｕｉ，ＷＡＮＧ　Ｃｈａｎｇｈｕ，ｅｔ　ａ１．Ｇｅｎｅｒａｔｉｎｇ　Ｌｏｃａｔｉｏｎ　Ｏｖｅｒｖｉｅｗｓ　ｗｉｔｈ　Ｉｍａｇｅｓ　ａｎｄ　Ｔａｇｓ　ｂｙ　Ｍｉｎｉｎｇ　针对旅游线路规划这一实际应用问题，本文　Ｕｓｅｒ—Ｇｅｎｅｒａｔｅｄ　Ｔｒａｖｅｌｏｇｕｅｓ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｔｈｅ　以旅游攻略为文本数据源，设计了旅游攻略描述　１　７ｔｈ　ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ．　三元组和景点资源描述三元组以对旅游攻略文本　Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ：ＡＣＭ，２００９：８０１—８０４．　数据进行结构化描述，并建立旅游攻略信息知识　［４］ＨＡＯ　Ｑｉａｎｇ，ＣＡＩ　Ｒｕｉ，ＹＡＮＧ　Ｊｉａｎｇｍｉｎｇ，ｅｔ　ａ１．Ｔｒａｖｅｌ—　库和景点信息知识库，针对旅行线路规划问题中　Ｓｃｏｐｅ：Ｓｔａｎｄｉｎｇ　ｏｎ　ｔｈｅ　Ｓｈｏｕｌｄｅｒｓ　ｏｆ　Ｄｅｄｉｃａｔｅｄ　ｔｒａｖｅｌｅｒｓ　景点的动态性特征，同时结合传统车辆路径问题　Ｅｃ］？｝Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１７ｔｈ　ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　求解方法中两阶段法的先分组再定路线的策略，　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ．Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ：ＡＣＭ，２００９：１０２１—１０２２．　［５］　ｚＨＥＮＧ　Ｙｕ，ＺＨＡＮＧ　Ｌｉｚｈｕ，ＸＩＥ　Ｘｉｎｇ，ｅｔ　ａ１．Ｍｉｎｉｎｇ　设计并改进了一种基于景点受欢迎程度的先分组　Ｉｎｔｅｒｅｓｔｉｎｇ　Ｌｏｃａｔｉｏｎｓ　ａｎｄ　Ｔｒａｖｅｌ　Ｓｅｑｕｅｎｃｅｓ　ｆｒｏｍ　ＧＰＳ　Ｔｒａｊｅｃ—　再定路线的启发式旅行线路规划策略。试验结果　ｔｏｒｉｅｓ　Ｅｃ］｝｝Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｔｈｅ　１８ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｌｄ　Ｗｉｄｅ　表明，采用这种启发式旅行线路规划策略所设计　Ｗｅｂ　Ｃｏｎｆｅｒｅｎｃｅ．Ｍａｄｒｉｄ，Ｓｐａｉｎ：ＡＣＭ，２００９：７９１—８００．　的旅行线路的时间分配更加均匀，景点问路程更　［６］　ＫＬＥＩＮＢＥＲＧ　Ｊ　Ｍ．Ａｕｔｈｏｒｉｔａｔｉｖｅ　Ｓｏｕｒｃｅｓ　ｉｎ　ａ　Ｈｙｐｅｒｌｉｎｋｅｄ　短，线路的游览时间与景点间距离的费效比更高，　Ｅｎｖｉｒｏｎｍｅｎｔ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　ＡＣＭ，１９９９，５（４６）：　６０４—６３２．　具有很高的实用价值。　［７２　ＹＩＮ　Ｈｕａｇａｎｇ。Ｌｕ　Ｘｉｎ，ＷＡＮＧ　Ｃｈａｎｇｈｕ，ｅｔ　ａ１．Ｐｈｏｔｏ２Ｔｒｉｐ：　参考文献：　Ａｎ　Ｉｎｔｅｒａｃｔｉｖｅ　Ｔｒｉｐ　Ｐｌａｎｎｉｎｇ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　Ｇｅｏ—　Ｔａｇｇｅｄ　Ｐｈｏｔｏｓ［ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　１８ｔｈ　ＡＣＭ　［１］　吴惠丰．旅游网站的攻略文本生成模式探究［Ｄ］．南京：南　Ｉｎｔｅｒｎａｔｉｏｎａ１　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ　２０１０，Ｆｉｒｅｎｚｅ，　京大学，２０１３．　Ｉｔａｌｙ：ＡＣＭ，２０１０：１５７９—１５８２．　ＷＵ　Ｈｕｉｆｅｎｇ．Ｔｈｅ　Ｓｔｕｄｙ　ｏｆ　Ｔｈｅ　Ｔｅｘｔ　Ｐｒｏｄｕｃｔｉｏｎ　ｏｆ　Ｔｒａｖｅｌ　［８］　ＬＵ　Ｘｉｎ，ＷＡＮＧ　Ｃｈａｎｇｈｕ，ＹＡＮＧ　Ｊｉａｎｇｍｉｎ４￣，ｅｔ　ａ１．Ｐｈｏｔｏ２Ｔｒｉｐ：　Ｇｕｉｄｅｓ　ｉｎ　Ｔｏｕｒｉｓｍ　Ｗｅｂｓｉｔｅｓ［Ｄ］．Ｎａｎｊｉｎｇ：Ｎａｎｊｉｎｇ　Ｇｅｎｅｒａｔｉｎｇ　Ｔｒａｖｅｌ　Ｒｏｕｔｅｓ　ｆｒｏｍ　Ｇｅｏ—Ｔａｇｇｅｄ　Ｐｈｏｔｏｓ　ｆｏｒ　Ｕｎｉｖｅｒｓｉｔｙ，２０１３．　Ｔｒｉｐ　Ｐｌａｎｎｉｎｇ［Ｃ］ｆ｝Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１８ｔｈ　ＡＣＭ　Ｉｎｔｅｒｎａ—　Ｅ２－］　ＨＡＯ　Ｑｉａｎｇ，ＣＡＩ　Ｒｕｉ，ＷＡＮＧ　Ｃｈａｎｇｈｕ，ｅｔ　ａ１．Ｅｑｕｉｐ　ｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ．Ｆｉｒｅｎｚｅ，Ｉｔａｌｙ：ＡＣＭ，　Ｔｏｕｒｉｓｔｓ　ｗｉｔｈ　Ｋｎｏｗｌｅｄｇｅ　Ｍｉｎｅｄ　ｆｒｏｍ　Ｔｒａｖｅｌｏｇｕｅｓ［Ｃ］∥　２Ｏ１Ｏ：１４３一ｌ５２．　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｔｈｅ　１９ｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ　（下转第１２８页）　１２８　Ｄｅｃｅｍｂｅｒ　２０１５　Ｖｏ１．４４　Ｎｏ。ＳＯ　ＡＧＣＳ　ｈｔｔｐ：／／ｘｂ．ｓｉｎｏｍａｐｓ．ｃｏｍ　Ｎａｔｉｏｎａｌ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ｏｆ　ｔｈｅ　Ｕｎｉｔｅｄ　Ｓｔａｔｅｓ　ｏｆ　Ａｍｅｒｉｃａ，２０１２　１０９（３９）：１５７０６—１５７１１．　Ａｎｎｕａｌ　Ｃｏｎｆｅｒｅｎｃｅ　Ｐｒｏｃｅｅｄｉｎｇｓ（ＶＩＩＩ）．Ｂｅｉｊｉｎｇ：Ｃｈｉｎｅｓｅ　Ｓｏｃｉｅｔｙ　Ｆｏｒ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｓｃｉｅｎｃｅｓ，２０１３．　５）在环境科学　［１５］　冯奇，徐胜，吴胜军，等．大气细颗粒物（ＰＭ２．中的研究简述［Ｊ］．环境科学与技术，２０１２，３５（６Ｉ）：１６７—１７０．　ＦＥＮＧ　Ｑｉ，ＸＵ　Ｓｈｅｎｇ，ＷＵ　ＳｈｅｎｇＪｕｎ，ｅｔ　ａ１．Ａｔｍｏｓｐｈｅｒｉｃ　Ｆｉｎｅ　Ｐａｒｔｉｃｕｌａｔｅ　Ｍａｔｔｅｒ（ＰＭ２．５）ｉｎ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｓｃｉｅｎｃｅ　［１９］马轩龙，李春娥，陈全功．基于ＧＩＳ的气象要素空间插值　方法研究［Ｊ］．草业科学，２００８，２５（１１）：１３—１９．　ＭＡ　Ｘｕａｎｌｏｎｇ，ＬＩ　Ｃｈｕｎ’ｅ，ＣＨＥＮ　Ｑｕａｎｇｏｎｇ．Ｓｔｕｄｙ　ｏｎ　ｔｈｅ　Ｍｅｔｈｏｄ　ｏｆ　ＧＩＳ　Ｂａｓｅｄ　Ｓｐａｔｉａｌ　Ｉｎｔｅｒｐｏｌａｔｉｏｎ　ｏｆ　Ｃｌｉｍａｔｅ　Ｒｅｓｅａｒｃｈ　Ｂｒｉｅｆ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ．　２Ｏ１２，３５（６１）：１６７－１７０．　Ｆａｃｔｏｒｓ　ｉｎ　Ｃｈｉｎａ［Ｊ￣．Ｐｒａｔａｃｕ１ｔｕｒａ１ｓｃｉｅｎｃｅ，２００８，２５（１１）：　１３—１９．　Ｅ１６１　ＣＡＢＡＤＡ　Ｊ　Ｃ，ＫＨＬＹＳＴＯＶ　Ａ，ＷＩＴＴＩＧ　Ａ　Ｅ，ｅｔ　ａｌ＿　Ｌｉｇｈｔ　Ｓｃａｔｔｅｒｉｎｇ　ｂｙ　Ｆｉｎｅ　Ｐａｒｔｉｃｌｅｓ　Ｄｕｒｉｎｇ　ｔｈｅ　Ｐｉｔｔｓｂｕｒｇｈ　（责任编辑：宋启凡）　Ａｉｒ　Ｑｕａｌｉｔｙ　Ｓｔｕｄｙ：Ｍｅａｓｕｒｅｍｅｎｔｓ　ａｎｄ　Ｍｏｄｅｌｉｎｇ［Ｊ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｇｅｏｐｈｙｓｉｃａｌ　Ｒｅｓｅａｒｃｈ：Ａｔｍｏｓｐｈｅｒｅｓ（１　９８４－　２０ｌ２），２００４，１０９（Ｄ１６）：Ｄ１６Ｓ０３．　收稿日期：２０１５－１１．１５　修回日期：２０１５．１２．１０　［１７］　梅安新，彭望碌，秦其明．遥感导论［Ｍ］．北京：高等教育　出版社，２００１．　ＭＥＩ　Ａｎｘｉｎ。ＰＥＮＧ　Ｗａｎｇｌｕ，ＱＩＮ　Ｑｉｍｉｎｇ．Ａｎ　Ｉｎｔｒｏｄｕｃｔｉｏｎ　ｔｏ　第一作者简介：李伟（１９９Ｏ一），男，硕士，主要研究领域是　ＧＩＳ空间分析与应用，遥感地学应用，城市三维建模等。　Ｆｉｒｓｔ　ａｕｔｈｏｒ：ＬＩ　Ｗｅｉ（１９９Ｏ一），ｍａｌｅ，ｍａｓｔｅ　ｒ，ｍａｉｏ　ｒｓ　ｉｎ　ＧＩＳ　ｓｐａｔｉａｌ　ｏｎａｌｙｓｉｓ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎｓ，ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ａｐｐｌｉｃａｔｉｏｎｓ　ｉｎ　ｇｅｏｓｃｉｅｎｃｅｓ，ｕｒｂａｎ　ｓｔｕｄｙ　ＯＮ　ｔｈ　ｒｅｅ　ｄｉｍｅｎｓｉｏｎａＩ　ｍｏｄｅｌｉｎｇ，ｅｔｃ．　Ｒｅｍｏｔｅ　ＳｅｎｓｉｎｇＥＭ］．Ｂｅｉｊｉｎｇ：Ｈｉｇｈ　Ｅｄｕｃａｔｉｏｎ　Ｐｒｅｓｓ，２００１．　［１８］　丁卉，徐伟嘉，曹生现，等．三种区域空气质量空间插值　方法对比研究［ｃ］／／２０１３中国环境科学学会学术年会论　文集（第八卷）．北京：中国环境科学学会，２０１３．　ＤＩＮＧ　Ｈｕｉ，ＸＵ　Ｗｅ　ｉａ，ＣＡ０　Ｓｈｅｎｇｘｉａｎ，ｅｔ　ａ１．Ｔｈｒｅｅ　Ｅ－ｍａｉｌ：Ｉｉｗｅｉ＠ｃｕｇｂ．ｅｄｕ．ＣＡ．　通信作者：郑新奇　Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ：ＺＨＥＮＧ　Ｘｉｎｑｉ　Ｒｅｇｉｏｎａｌ　Ａｉｒ　Ｑｕａｌｉｔｙ　Ｃｏｍｐａｒａｔｉｖｅ　Ｓｔｕｄｙ　ｏｆ　Ｓｐａｔｉｌａ　Ｉｎｔｅｒｐｏｌａｔｉｏｎ　Ｍｅｔｈｏｄ［Ｃ］／／Ｃｈｉｎａ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｓｃｉｅｎｃｅ　Ｉｎｓｔｉｔｕｔｅ　Ｅ—ｍａｉｌ：ｚｈｅｎｇｘｑ＠ｃｕｇｂ．ｅｄｕ．ｃｎ．　（上接第１２２页）　［９］　ＡＲＡＳＥ　Ｙ，ＸＩＥ　Ｘｉｎｇ，ＨＡＲＡ　Ｔ，ｅｔ　ａ１．Ｍｉｎｉｎｇ　Ｐｅｏｐｌｅ’ｓ　Ｔｒｉｐｓ　ｆｒｏｍ　Ｌａｒｇｅ　Ｓｃａｌｅ　Ｇｅｏ－ｔａｇｇｅｄ　Ｐｈｏｔｏｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１８ｔｈ　ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎａ１　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｍｕｌｔｉｍｅｄｉａ．　Ｆｉｒｅｎｚｅ，Ｉｔａｌｙ：ＡＣＭ，２０１０：Ｉ３３—１４２．　ＷＥＮＧ　Ｙｕ．Ｗｅｂ　Ｔｅｘｔ　Ｍｉｎｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　Ｎｅｔｗｏｒｋ　Ｔｏｐｉｃｓ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ　Ｍｉｎｚｕ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，２０１２．　　Ｈ．Ｔｈｅ　Ｔｒｕｃｋ　Ｄｉｓｐａｔｃｈｉｎｇ　［１６］　ＤＡＮＴＺＩＧ　Ｇ　Ｂ，ＲＡＭＳＥＲ　ＪＰｒｏｂｌｅｍＥＪ］．Ｍａｎａｇｅｍｅｎｔ　Ｓｃｉｅｎｃｅ，１９５９，６（１）：８０—９１．　［１７］　刘霞．车辆路径问题的研究［Ｄ］．武汉：华中科技大学，２００３．　［１０］ＫＵＲＡＳＨＩＭＡ　Ｔ，ＩＷＡＴＡ　Ｔ，ＩＲＩＥ　Ｇ，ｅｔ　ａ１．Ｔｒａｖｅｌ　Ｒｏｕｔｅ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｕｓｉｎｇ　Ｇｅｏｔａｇｓ　ｉｎ　Ｐｈｏｔｏ　Ｓｈａｒｉｎｇ　Ｓｉｔｅｓ　ｕｕ　Ｘｉａ．Ｒｅｓｅａｒｃｈ　ｏｎ　Ｖｅｈｉｃｌｅ　Ｒｏｕｔｉｇ　Ｐｒｏｂｌｎｅｍ［Ｄ］．Ｗｕｈａｎ：　Ｈｕａｚｈｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ。２００３．　ｎｉｎｇ　ｏｆ　Ｍａｓｓｉｖｅ　［１８］　ＲＡＪＡＲＡＭＡＮ　Ａ，ＵＬＬＭＡＮ　Ａ　Ｄ．Ｍｉ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１９ｔｈ　ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｒｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｋｎｏｗｌｅｄｇｅ　Ｍａｎａｇｅｍｅｎｔ．Ｔｏｒｏｎｔｏ，　Ｏｎｔａｒｉｏ，Ｃａｎａｄａ：ＡＣＭ，２０１０：５７９－５８８．　Ｄａｔａｓｅｔｓ［Ｍ］．Ｃａｍｂｒｉｄｇｅ，Ｕｎｉｔｅｄ　Ｋｉｎｇｄｏｍ：Ｃａｍｂｒｉｄｇｅ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，２０１２．　Ｅｌｉ］文赛平．基于图片Ｇｅｏ信息的旅行模式研究ＥＤ］．北京：中　国科学院研究生院，２Ｏ１２．　ＷＥＮ　Ｓａｉｐｉｎｇ．Ｔｈｅ　Ｓｔｕｄｙ　ｏｆ　ｔｈｅ　Ｔｒａｖｅｌ　ｍｏｄｅｓ　ｂａｓｅｄ　ｏｎ　ａｌ　Ｒｏｕｔｅ—　［１９］　ＭａＬＥ　Ｒ　Ｈ。ＪＡＭＥＳｏＮ　Ｓ　Ｒ．Ａ　ＳｅｑｕｅｎｔｉＢｕｉｌｄｉｎｇ　Ａｌｇｏｒｉｔｈｍ　Ｅｍｐｌｏｙｉｇ　ａ　ｎＧｅｎｅｒａｌｉｓｅｄ　Ｓａｖｉｎｇｓ　Ｃｒｉｔｅｒｉｏｎ　［Ｊ］．Ｏｐｅｒａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ，１９７６，２７（２）：５０３—５１１．　Ｇｅｏ—Ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　Ｐｈｏｔｏｓ［Ｄ］．Ｂｅｉｊｉｎｇ：Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，２０１２．　Ｅ２ｏ］　ＮＬＰＩＲ／ＩＣＴＣＬＡｓ汉语分词系统［ＥＢ／ＯＥ１．ｈｔｔｐ：∥　ｉｃｔｃｌａｓ．ｎｌｐｉｒ．ｏｒｇ／．　［１２１　ＦＩＮＥ　Ｓ，ＳＩＮＧＥＲ　Ｙ，ＴＩＳＨＢＹ　Ｎ．Ｔｈｅ　Ｈｉｅｒａｒｃｈｉｃａｌ　Ｈｉｄｄｅｎ　Ｍａｒｋｏｖ　Ｍｏｄｅｌ：Ａｎａｌｙｓｉｓ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．Ｍａｃｈｉｎｅ　Ｌｅａｒｎｉｎｇ，１９９８，３２（１）：４１－６２．　（责任编辑：张艳玲）　收稿日期：２０１５－１１－１５　修回日期：２０１５－１２．１０　［１３］任磊，杜一，马帅，等．大数据可视分析综述ＥＪ］．软件学　报，２Ｏｌ４，２５（９）：１９０９－１９３６．　ＲＥＮ　Ｌｅｉ，ＤＵＹｉ，ＭＡ　Ｓｈｕａｉ，ｅｔａ１．ＶｉｓｕａｌＡｎａｌｙｔｉｃｓＴｏｗａｒｄｓ　第一作者简介：陆川伟（１９９Ｏ一），男，硕士生，研究方向为　地理空间信息可视化与可视分析　Ｆｉｒｓｔ　ａｕｔｈｏｒ：ＬＵ　Ｃｈｕａｎｗｅｉ（１９９０一），ｍａｌｅ，ｍａｓｔｅｒ　Ｂｉｇ　Ｄａｔａ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｆｔｗａｒｅ，２０１４，２５（９）：１９０９—１９３６．　［１４］　ＫＬＹＮＥ　Ｇ，ｃＡＲＲＯＬＬ　Ｊ　Ｊ，ＭＣＢＲＩＤＥ　Ｂ．Ｒｅｓｏｕｒｃｅ　Ｄｅｓｃｒｉｐｔｉｏｎ　Ｆｒａｍｅｗｏｒｋ（ＲＤＦ）：Ｃｏｎｃｅｐｔｓ　ａｎｄ　Ａｂｓｔｒａｃｔ　ｃａｎｄｉｄａｔｅ．ｍａｊｏｒｓ　ｉｎ　ｔｈｅ　ｖｉｓｕａｌｉｚａｔｉｏｎ　ａｎｄ　ｖｉｓｕａｌ　ａｎａｌｙｓｉｓ　ｏｆ　ｇｅｏｓｐａｔｉａｌ　ｊｎｆＯｒｍａｌｉ０ｎ．　Ｓｙｎｔａｘ［Ｊ］．Ｗ３Ｃ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ，２００４（１）：１－２Ｏ．　［１５］翁或．网络话题中的ｗｅｂ文本挖掘技术［Ｍ］．北京：中央　民族大学出版社，２０１２．　Ｅ－ｍａｉｌ：１９ｗｅ｝．９０ｃｈｕａｎ＠１６３．ｃａｍ