基于人工智能的智慧旅游大数据分析模型的构建

陈建敏 徐苏丽

摘要：随着计算机网络的飞速发展，大数据、人工智能等技术的逐渐成熟，人们对旅游的需求发生了变化，不再满足于传统的旅游方式，总是希望在有限时间里能浏览到最喜爱的旅游路线和得到更舒适的旅游体验。本文从大数据、人工智能技术出发，利用人工智能中的机器学习和深度学习，并使用Python爬虫机器获取各种旅游行为等数据，构建出基于人工智能的智慧旅游大數据分析模型。旨在推动智慧旅游的快速落地，带给旅游者舒适的旅游体验，为旅游服务者节约成本提高效率。

关键词：人工智能；大数据；智慧旅游；个性化；需求

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2019）11-0189-02

随着时代的发展，已经进入了技术引领的时代。旅游等服务行业需求也越来越精细化，信息化的发展给游客的衣食住行带来了巨大的便利，但是旅游不能仅仅只依靠便利的技术，其关键在于旅游者的需求，如何满足游客日益增长的个性化需求成为了社会研究的热点。

1 智慧旅游的研究背景及其意义

欧盟早在2001年就开始实施“创建用户友好的个性化移动旅游服务”项目。2005年，智慧旅游的最早提出国家之一的美国，斯丁波滑雪推出的游客定位装置反馈系统就是智慧旅游。我国国家旅游局将2014年确定为了“智慧旅游年”，将大数据引入到旅游市场上来，改变了传统的旅游模式，迫使旅游经营模式改革，大大促进了旅游产业的建设，诞生了以大数据为背景的智慧旅游新模式。

在2008年IBM“智慧地球”的背景下提出“智慧旅游”。智慧旅游的发展其关键在于服务本身，那么，对于旅游行业以及旅游者的各类行为以及趋势分析成为发展智慧旅游的关键，获取的信息数据越全名，数据分析得越精确，越能抓住旅游者的需求。在人工智能以及5G时代背景下，基于人工智能的智慧旅游大数据分析显得尤为重要，从而从本质上去促使智慧旅游的高速发展。

2 技术路线

智慧旅游，智慧是前提，离不开高尖端的技术支持。利用大数据、人工智能等技术以及硬件，实现旅游行业信息和旅游者行为信息的实时动态收集，整合并分析出用户个性化的需求以及设计出适合旅游者的各类旅游方案。从旅游数据的收集到分析出旅游者的需求到数据整合、数据清理、数据分析、深度学习以及设计出合适的旅游方案，整个过程涉及到了大数据、人工智能等相关技术。

2.1 大数据以及Hadoop

按照麦肯锡全球研究所给出的定义，大数据通常情况下指的是其数据规模大到在获取、存储、分析、处理等超出了传统数据管理工具能力的范畴的数据集合，其数据结构包括结构和和非结构化。大数据只是为了实现某些企业或者其他利益群体的特定目标或者运营策略而聚集的海量数据。大数据技术在于将这些海里数据经过专业的处理，得出具有价值的信息。

大数据需要得到处理，提取信息，首先需要解决的问题就是数据存储问题，Hadoop工具具有HDFS分布式文件系统，其设计初衷就是为了可以横跨成百上千台机器用以存储大量数据，HDFS为我们提供了管理。解决了数据存储问题，接下就是考虑如何处理海量数据。对于海量数据如果在单机上跑1P数据的话，需要跑几天或者几周的时间，为解决该问题，Hadoop建设初期引入了MapReduce框架，仅使用Map、Reduce两个计算，然后它们中间由Shuffle串联。Map阶段，成百上千台机器同时读取我们需要处理的大数据文件的各个部分，所有机器都按照同样的方法去处理产生结果。紧接着这些机器又启动Reduce处理，最终能让成百上千台机器同时为我们操作，并按照Map针对每个步骤处理，然后Reduce又把所有结果汇总一起得到最终的结果。

自从用Hive分析数据过后，发现在Hive上跑MapReduce很慢，Spark框架应运而生，其最重要优点就是快，使用MapReduce计算时候，MapReduce任务需要多次迭代，迭代产生的结果每一次都需要保存到HDFS中，而HDFS本质上也是占用硬盘空间的，也就是相当于每次都将结果都存储到了计算机硬盘上。而Spark不同，他每次运行的结果都存放在内存中，在内存中进行迭代运算，速度比MapReduce更快。

2.2 人工智能以及Python

人工智能（Artificial Intelligence），英文缩写是AI，研究关键着眼于人的思维、意识，并将人的这些行为通过数学工具运算与分析让机器模拟实现。人工智能包含常用机器学习和深度学习两个很重要的模块，而Python拥有Matplotlib、Numpy、Sklearn、Keras等大量的库，像Pandas、Sklearn、Matplotlib这些库都是做数据处理、数据分析、数据建模和绘图的库，基本上机器学习中对数据的爬取（Scrapy）、对数据的处理和分析（Pandas）、对数据的绘图（Matplotlib）和对数据的建模（Sklearn）在Python中全都能找到对应的库来进行处理。

本文建立的模型对于数据的获取，除了来自企业之外，其他数据均需要通过Python爬虫技术从网络上去爬取，这就需要利用Python中的Requests、Scrapy、Selenium、BeautifulSoup等库。爬取数据之后才能进行机器学习和深度学习，机器学习和深度学习以及整个人工智能领域所有模型和算法大部分使用Python为基础语言的。

3 构建基于人工智能的智慧旅游大数据分析模型

智慧旅游为的是给旅游者提供更加舒适的旅游体验、更加满足自己的旅游产品以及更加便捷的配套。为使得旅游能更加智慧化，满足旅游者的个性化需求，以大数据、人工智能等技术为基础，构造如图1所示的基于人工智能的智慧旅游大数据分析模型。

4 模型分析

基于人工智能的智慧旅游大数据分析模型分为硬件资源层、数据处理层、大数据分析层、人工智能层、应用服务层以及基础云服务的五层两级结构。

4.1 硬件资源层

主要是为信息采集、构建Hadoop集群、数据分析等提供硬件保障。

4.2 数据处理层

分为三个部分：Python爬虫爬取数据、数据清洗、数据预处理，Python爬取用户对于旅游、需求以及各大论坛中的信息数据进行爬取和汇总，对提取的数据进行清洗，去粗存精，最好按照最后深度学习模型需要，将所有数据预处理完成。

4.3 大数据分析层

是预处理之后的数据分析，基于Python，利用Pandas、Sklearn、Matplotlib、Numpy等库对现有数据的特征、分布以及基础信息进行分析。

4.4 人工智能层

根据不同景区和不同旅游地域，构造出不同的深度学习模型，构造训练集和测试机，利用训练集数据对模型进行调参和调优。

4.5 应用服务层

利用深度学习模型运行之后，对需要分析的数据动态给出两个应用服务，分别是：用户需求分析服务和个性化旅游资源服务，为旅游服务提供者、旅行社、酒店、景区以及最核心的旅游者提供了各类智能化的服务。

4.6 整个模型

整个模型分为两级，一级是整个数据构建、分析、建模、深度学习过程，一级是基础云服务支持。基础云服务为最终结果的产生提供了高速和精确的保障。

5 与传统的方法比较

對比传统的方法，利用数据挖掘的方法去实现智慧旅游，并不能完全发掘出旅游者的真正需求，同时也不能完全挖掘出整个旅游资源的合理整合，对于支付、交通等带来的无限便利的同时，人们对服务有了更高的追求。传统的方法对于服务上无法满足所有顾客，旅游路线、旅游产品的设计仅仅依靠经验和少量数据得出的，需要投入大量的人力物力，结果并不一定让旅游服务提供者和旅游服务体验者都满意。随着人工智能技术的不断成熟和发展，基于人工智能的智慧旅游大数据分析模型的构建，能解决以上问题，能合理地高效地将旅游资源整合，为旅游者提供最优最舒适的旅游服务。

6 结语

构建基于人工智能的智慧旅游大数据分析模型，旨在促进旅游服务的个性化和旅游资源的最优化利用。随着人工智能不断发展，5G网络的快步“落地”，旅游者的实地体验模式，会增加犹如实体店试衣服一样可以随时随地体验旅游，配套更加智能化，服务更加精细化，这个将作为下一步研究的课题。

参考文献：

[1]Loris Fichera，Fabrizio Messina，Giuseppe Pappalardo，Corrado Santoro. A Python framework for programming autonomous robots using a declarative approach. Elsevierjournal，2017.

[2]冯琬婷. 基于文字识别视角分析人工智能机器学习中的文字识别方法. 电子技术与软件工程[J]，2017（13）.

[3]孙彬，王东.文明旅游的大数据体系建设研究.中南林业科技大学学报（社会科学版），2017（05）.

[4]唐颖，张镒，柯彬彬.大学生穷游行为偏好及特征研究[J].岭南师范学院学报， 2017（03）.

【通联编辑：唐一东】