具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请所提供的实施例中，应该理解到，所揭露的方法和系统，也可以通过其它的方式实现。系统实施例仅仅是示意性的，例如，附图中的框图显示了根据本申请的多个实施例的系统和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备，可以是个人计算机，服务器，或者网络设备等，执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

实施例

请参照图1，第一方面，本发明实施例提供一种多出发地多项目出行规划的推荐方法，包括S1、S2、S3和S4：

在本发明的一些实施例中，请参照图2,在S1之前还可以包括：出行规划的组织者输入出行规划p＝{p₁,p₂,...,p_n}，其中n为本次出行项目的个数、参与人数m；项目设置p_i＝{c_i,t_i,l_i,s_i,u_i,r_i}，1≤i≤n，其中c_i为项目类型(如餐饮，影院，桌游，密室等)，t_i为项目的预期开始时间，l_i为项目持续时间，s_i为店铺名称，u_i为预期人均价格，r_i为特殊需求标签。

输入出行规划信息p＝{p₁,p₂,...,p_n}，示例性的，具体数据如表1所示。

表1.出行规划信息p

S1：获取各参与人员信息，上述信息至少包括出发地址b_j和项目类型c_i；

输入参与人员信息d_j＝{b_j,e_j}，在本发明的一些实施例中，还包括：出行的参与者输入个人信息d＝{d₁,d₂,...,d_m}；d_j＝{b_j,e_j}，1≤j≤m其中b_j为j的出发地址，e_j为出行方式。示例性的，具体数据如表2所示。

表2.参与人员信息d

S2：将出发地址b_j转换为出发坐标g_j＝{x_j,y_j}，x_j为其横坐标，y_j为其纵坐标；

使用公知的方法，如通过调用商业导航软件接口将地址b_j转换为坐标g_j，结果如表3所示。

表3.地址坐标对应关系

S3：根据上述出发坐标g_j＝{x_j,y_j}计算出行集合最优点g_best；

通过出发地坐标得出出发地坐标均值点g_mean＝(102.7606592,24.977867)。经过多次循环逼近后得出集合最优点g_best＝(102.766466,24.972368)。

示例性的，上述S3包括：

S3-1：计算出发地坐标均值点g_mea；计算出发地坐标均值点g_mean＝{x_mean,y_mean}，其计算方法满足公式(0.1)；

将出发地坐标均值点g_mean作为初始的集合点g_mid；

S3-2：计算加权平均出行时间

通过出发地址b_j与出行方式e_j，使用公知的方法(如调用导航软件接口等方式)计算从b_j到集合点b_mid的出行路径w_j＝w_j1+w_j2+...+w_jq；w_j以更换交通工具为节点分割为w_j1、w_j2、…、w_jq，对应的花费时间为v_j＝v_j1+v_j2+...+v_jq；计算加权出行时间v'_j，计算方法满足公式(0.2)；

其中z_jk为v_jk中的交通方式对应的权重，可根据用户需求设置，其默认值满足公式；

需要说明的是，在本实施例中，交通方式不局限于上述的几种，随着科技的发展，本实施例还包括未来出现的交通方式。计算加权平均出行时间v，计算方法满足公式(0.4)

S3-3：计算初始搜索步长h_step；

使用公知方法(如调用导航软件接口等方式)求得w_j的路径长度h_j；计算人均出行路径长度计算方法满足公式(0.5)；

初始搜索步长h_step的计算方法满足公式(0.6)，单位为千米；

S3-4：周边点平均加权时间计算；

在集合点g_mid的东南西北四个方向，距离g_mid为h_step的周边点分别记为g_east、g_south、g_west、g_north；通过S3-2中的方法计算这些点的加权平均出行时间

S3-5：选择较优点；

在中寻找最小值，若最小值为则新的搜索步长h′_step＝0.6h_step，新的集合点g'_mid＝g_mid保持不变；其他情况新的搜索步长h′_step＝h_step保持不变，新的集合点为最小值对应的周边点；

S3-6：循环逼近最优点g_best；

请参照图3，不断重复S3-3至S3-5，直至更新后的步长单位为千米，ι为逼近次数；则此时的视为集合最优点，记为g_best。

在本步骤中，本发明提出了一种多出发地集中位置的评价标准。通过对每个出发地出行中需搭乘的不同交通工具分段并设定评分权重，将各个分段所需时间进行加权求和，得到每个出发地出行的加权耗费；再将所有出发地的加权耗费求和即为该集中位置的评分，评分越低，位置越好。解决了传统人工凭感觉评价集中位置缺乏量化标准，难以准确评估的问题；有着程序化程度高，评分量化等优点。

本发明还提出了一种基于多出发地集中位置的计算方法。通过求得出发地坐标均值快速确定近似的费马点；再以该点为初始点，可以通过退火算法，依据集中位置的评分逐步逼近人均加权出行时间的最优点。解决了传统人工确定集中位置操作复杂，确定位置凭感觉，难以达到最优等缺点；有着操作简便，省时省力，生成位置准确，更加接近于平均路程花费时间最少点等优点

S4：以上述最优点g_best为中心在预设搜索范围内获取满足上述项目类型c_i的商户组合Λ_τ。

例如，经计算，可获得47条商户组合Λ_τ满足需求。

示例性的，上述S4包括：

S4-1：生成最小搜索块A_αβ；

以g_best为中心点，以S3-3求得的初始步长h_step作为为边长的正方形作为商户搜索区域A；

以1km为边长的正方形作为单位区域将分割成最小搜索块A_αβ，其中α，β最小搜索块组成矩阵的下标；以2km边长的正方形作为搜索框，搜索框完整包含4个最小搜索块；

S4-2：计算满足项目需求的搜索框

若s_i值存在非0值s_ε，则在区域A中搜索所有包含s_ε块A_αβ，记为A^(χ)，χ为搜索出的块编号；每个角上的A^(χ)应包含在1个搜索框中，每个边上的A^(χ)应包含在2个搜索框中，其他的A^(χ)应包含在4个搜索框中；依次在这些的搜索框中搜索其他项目类型c_i(i≠ε)的商户S_χi＝{s_χi1,s_χi2,s_χi3,...}，若所有的c_i均搜索出商户，则该区域为一个合理的聚会区域

若s_i值不存在非0值，则搜索框从区域A的左上角开始，以滑动窗口的机制，1个最小搜索块作为步长向右滑动行扫描，滑动至行尾时向下滑动一个步长并移至最左再进行行扫描，直至最后一行；每次滑动后再搜索框内按s_i作为商户分类搜索商户S_χi＝{s_χi1,s_χi2,s_χi3,...}，若所有商户类型c_i下均搜索出商户，则该搜索框为一个合理的聚会区域

S4-3：商户剔除；

依照输入的t_i、u_i、r_i对S_χi＝{s_χi1,s_χi2,s_χi3,...}中的商户进行筛选，删除不能满足要求的商户，得出S'_χi＝{s'_χi1,s'_χi2,s'_χi3,...}；

每个S'_χi＝{s'_χi1,s'_χi2,...,s'_χiφ}中若商户超过预设个，则保留用户评价分数γ_χiφ前预设个的商户，删除其他商户，具体商户数量可以根据实际情况设定，可以是3个、5个、8个等；例如每个S'_χi＝{s'_χi1,s'_χi2,...,s'_χiφ}中若商户超过3个，则保留用户评价分数γ_χiφ前3个的商户，删除其他商户；用户评价分数γ_χiφ由往期用户评价得出；筛选后得出商户集合S″_χi＝{s”_χi1,s”_χi2,s”_χi3}；

S4-4：生成商户组合Λ_τ；

依照上述项目设置，尝试所有可能的商户组合Λ＝{Λ₁,Λ₂,...,Λ_τ}，其中Λ_τ为一种商户组合。

在本步骤中，本发明提出了一种对商户组合的搜索方法。基于确定地搜索地点和项目类型，将搜索地点的周边地图进行分割，通过滑动窗口机制，使用搜索框对固定区域内进行各项目分类的商户搜索，再进行筛选和商户组合。相比于直接对一定区域内所有商户进行搜索组合的方式，本方法有着计算量大幅减少，组合方式更加合理等优点。

在本发明的一些实施例中，上述S4之后还包括：

S5：根据上述商户组合中的各商户的评分，生成推荐商户组合Λ'。

示例性的，上述S5包括：

S5-1：为商户组合Λ_τ进行评分，评分方法如公式(0.23)所示；

其中γ_i为之前的客户对组合中第i个项目的商户的评分，ω_i为第i个项目的商户到第i+1个项目的商户中的步行距离，单位千米，为所有人到第一个项目的平均出行时间，单位小时；σ₁，σ₂，σ₃为分数权值，其中σ₁为正，σ₂，σ₃为负，分数权值可自行设定，默认σ₁＝10，σ₂＝-3,σ₂＝-1；

将所有商户组合Λ_τ按照其评分分值ψ_τ从高到低进行排序；排序后的商户组合Λ'＝{Λ'₁,Λ'₂,...,Λ'_τ}为最终的商户推荐集合。为商户组合Λ_τ进行评分并排序。排序后结果如表4所示。

表4.商户组合Λ_τ排序

在本步骤中，本发明提出了一种对商户组合的评价标准。通过对商户评分，商户间步行距离以及所有出发地到第一个商铺的人均加权出行时间进行加权求和最为评分。相比于传统的人工确定商户组合有着操作简便，考虑因素全面等优点。

请参照图4，第二方面，本发明实施例提供一种多出发地多项目出行规划的推荐系统，包括：获取信息模块1：用于获取各参与人员信息，上述信息至少包括出发地址b_j和项目类型c_i；地址转换模块2：用于将出发地址b_j转换为出发坐标g_j＝{x_j,y_j}，x_j为其横坐标，y_j为其纵坐标；计算最优点模块3：用于根据上述出发坐标g_j＝{x_j,y_j}计算出行集合最优点g_best；获取商户组合模块4：用于以上述最优点g_best为中心在预设搜索范围内获取满足上述项目类型c_i的商户组合Λ_τ。该系统实施方式具体内容请参考上述方法实施例，在此不多做阐述。

请参照图5，第三方面，本发明实施例提供一种电子设备，包括：至少一个处理器5、至少一个存储器6和数据总线7；其中：上述处理器5与上述存储器6通过上述数据总线7完成相互间的通信；上述存储器6存储有可被上述处理器5执行的程序指令，上述处理器5调用上述程序指令以执行上述的方法。例如执行S1：获取各参与人员信息，上述信息至少包括出发地址b_j和项目类型c_i；S2：将出发地址b_j转换为出发坐标g_j＝{x_j,y_j}，x_j为其横坐标，y_j为其纵坐标；S3：根据上述出发坐标g_j＝{x_j,y_j}计算出行集合最优点g_best；S4：以上述最优点g_best为中心在预设搜索范围内获取满足上述项目类型c_i的商户组合Λ_τ。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，上述非暂态计算机可读存储介质存储计算机程序，上述计算机程序使上述计算机执行上述的方法。例如执行S1：获取各参与人员信息，上述信息至少包括出发地址b_j和项目类型c_i；S2：将出发地址b_j转换为出发坐标g_j＝{x_j,y_j}，x_j为其横坐标，y_j为其纵坐标；S3：根据上述出发坐标g_j＝{x_j,y_j}计算出行集合最优点g_best；S4：以上述最优点g_best为中心在预设搜索范围内获取满足上述项目类型c_i的商户组合Λ_τ。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。