基于计算机推理技术的主题公园游客时空分流决策支持系统研究

方案。对此，目前国内研究者主要从排队论和导航管理技术两个分支开展探讨。排队论是以运筹学作为基础研究服务机构中排队问题的规律（Erlang，1909），在旅游学科领域的研究成果并不算多，主要包括：张凌云（1988）对旅游用餐行业的排队队长、逗留时间和等待时间的期望值进行了估计，并在服务员数量和顾客等待时间两方面做了比较和权衡，用于指导餐厅（酒吧）在座位数量、服务人员安排和经济成本效益上综合考虑；陈治佳等（2005）提出了一种基于概率的快速排队优化模型，以使大型游乐场的游乐设施达到最大使用程度，减少游客等待时间；王仁志和苗维亚（2012）对大型景区的平均队长和平均等待时间进行了估计，并提出把顺序单服务台旅游模式改变为无序全服务台旅游模式的思想。这些研究都是为了解决游客太多而导致某个服务机构（餐厅、游乐设施或景点）需要长时间排队而提出的，主要涉及排队系统的性状研究和最优化配置两大类，多采用M/M/n排队理论建立数学模型并结合多目标线性规划来求解。

国内的另外一个分支则是时空分流导航管理技术，是任佩瑜团队于2009年提出的一项新技术（冯刚，等，2009），旨在根据空间的相对静态性和时间的动态性，借助最新的信息监控技术，设计出若干优化的游览路线，使游客在景区内均衡分布、有序交换。自2009年以来，该团队针对风景名胜区（或自然保护区）做出了不少贡献，包括：邱厌庆等（2010a）提出了基于九寨沟景点负荷均衡的时空分流导航数学规划模型，并从动态预测中得到车辆调度方案；冯刚等（2010）引入管理熵与RFID技术，对邱厌庆提到的上述模型进行效果模拟；邱厌庆等（2010b）从复杂系统控制的角度构建游客分流导航管理的耗散结构体系，并分别对初态分流（邱厌庆，等，2010b）和稳态分流（邱厌庆，等，2011）两个阶段的动态离散系统进行探索性分析；姜向阳和任佩瑜（2012）把Hamilton 回路和多旅行商的思想引入时空分流导航管理中，并给出了一般数学模型和精确求解方法；戈鹏等（2013）通过比较、分析和仿真，提出了在初始分流中采用平均分流的静态调度策略，在稳态分流中采用基于区域时空负荷率的动态调度策略的改进方案；肖雄辉等（2013）构建了景区景点需求与调度资源的引力分流调度模型和算法，既能满足需求景点的负荷均衡，同时也考虑了游客的满意度；任竞斐和郑伟民（2013）通过建立综合游客偏好、拥挤度、等待时间和行走时间等指标的旅游效用函数，并借助Logit模型，将游客分配到不同路线上，以减少旅游高峰期景区游客拥挤和等待的情况。可以看出，除了肖雄辉（2013）和任竞斐（2013）的研究外，任佩瑜团队主要从景区管理的角度来开展时空分流导航分析，其重点在于考查景区内客流的分布情况和超负荷景点，以景区内各景点的负荷均衡为目标建立数学模型并进行求解。此外，还有从游客服务或体验的角度来展开研究的，例如郑天翔（2012）以游客等待时间最短为目标对主题公园游客导航分流问题构建了动态调度算法的雏形。

在国外研究中，没有专门用以表达时空分流的术语，与此相关的研究包括虚拟排队服务和游线设计问题。虚拟排队服务，包括虚拟排队系统（Lovejoy，et al.，2004；Lutz，2008）、排队管理方法（Button，2006）和排队区设计（Heger，et al.，2009）等，并在管理实践中被广泛应用于主题公园的开发和运营中，其中，以Multi Motion主题公园管理系统（Universal City Studios INC，2002）和迪士尼的FASTPASSTM（Cope Iii，et al.，2008）排队管理系统最具代表性，这类系统设计的方案是增加一条虚拟排队队列，能使游客花费相同的时间但多体验一个项目。另一个研究领域是游线设计问题（Tourist Trip Design Problems）（Garcia，et al.，2010；Garcia，et al.，2013；Souffriau，et al.，2008；Sylejmani，et al.，2012；Vansteenwegen，et al.，2009b；Vansteenwegen，et al.，2009a；Vansteenwegen，Van Oudheusden，2007），这类研究延伸出一系列的分支，包括游客移动引导（Mobile Tourist Guides）（Souffriau，et al.，2008；Vansteenwegen，Van Oudheusden，2007）、电子游客引导（Electronic Tourist Guides）（Garcia，et al.，2009；Garcia，et al.，2013；Vansteenwegen，et al.，2009b；Vansteenwegen，et al.，2009a）、个人导航系统（Personal Navigation Systems for Tourism）（Akasaka，Onisawa，2008；Maruyama，et al.，2004；Shiraishi，et al.，2005）、个性化路线规划（Personalized Route Planning）（Nadi，Delavar，2011；Yiakoumettis，et al.，2013；Yu，Chang，2009；Zhang，et al.，2011）、个性化路线引导（Personalized Route Guidance）（Panou，2012）和个性化路线推荐（Personalized Route Recommendation）（Tsai，Chung，2012），等。这些分支当中，涉及旅途中路线选择、导航或引导的文献主要包括：Maruyama等（2004）提出一个有效导航多重目的地的个人导航系统，系统根据游客到达时刻、停留时间以及目的地偏好度计算出使游客满意的旅游路线并实现导航；Shiraishi等（2005）根据游客的费用预算和满意程度定制出不同的旅游时间表让游客自主选择，并为其按时到达下一站提供导航；Vansteenwegen等（2009a）把旅游线路设计归结为TOPTW（Team Orienteering Problem with Time Windows）问题，并提出迭代局部求解算法，以实时求出个性化旅游路线；Garcia等（2009）在Vansteenwegen研究的基础上，把旅游线路设计进一步归结为MCTOPTW（Multi Constrained Team Orienteering Problem with Time Windows）问题，并提出一个包含旅行往返时间、旅行节奏和旅游兴趣点的智能个性化电子导游系统；Yu和Chang（2009）根据游客的个人喜好，结合游客的当前位置对其附近的游览景点、餐饮和住宿等做出简单的行程安排；Zhang等（2011）试图利用卫星地图和移动设备来解决交通换乘问题，能结合实时交通情况、停车信息搜索列车到达时刻表，并提供自驾、铁路、公交或步行等多种路线信息；Nadi和Delavar（2011）提出了多种不同方案的路径选择系统，以满足用户的灵活需求；Tsai和Chung（2012）根据以往相似游客的历史路径，结合当前排队信息作判断，以便让游客游览更多的景点。

推荐访问： 主题公园 分流 推理 支持系统 决策

---