Journal of Geomatics Science and Technology

fa توسعه یک سامانه همراه توصیه گر و برنامه ریزی مسیر برای گردشگرهای انفرادی Developing a Mobile Recommender System and Tour Planner for Individual Tourists سامانه های اطلاعات مکانی GIS پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">با ظهور پدیدهای جدید در حوزه گردشگری با نام گردشگر انفرادی، توسعه سامانهای همراه به‌منظور توصیه افراد مشابه به یکدیگر باهدف بازدید از مناطق دیدنی به‌صورت مشترک ضروری است. این سامانه میتواند به گردشگرانی که به‌صورت انفرادی سفر میکنند کمک کند تا با به اشتراکگذاری گردشهای خود، از سفرشان بیشتر لذت ببرند. همچنین معمولاً گردشگران با مسیرهای مقصد گردشگری خود آشنا نیستند و یک برنامهریز مسیر باهدف ارائه مسیر به‌صورت جداگانه به هر گردشگر در یک سفر اشتراکی، میتواند بسیار سودمند واقع شود. هدف این مقاله طراحی، توسعه، اجرا و ارزیابی یک سامانهی همراه است که امکان توصیه گردشگرهای مشابه به یکدیگر و برنامهریزی گشتهای تفریحی مشترک بر اساس موقعیتهای جغرافیایی مختلف آنها را میسر میکند. همراه بودن این سامانه تأثیر بسزایی در عملکرد آن بهخصوص در هنگام ناوبری میگذارد. این سامانه از یک سیستم توصیهگر مبتنی بر فیلتر جمعیتشناسی به‌منظور توصیه گردشگرهای مشابه به یکدیگر استفاده میکند. همچنین الگوریتم مورچه که یکی از الگوریتمهای مشهور هوش مصنوعی است به‌منظور برنامهریزی مسیر در این سامانه مورداستفاده قرارگرفته است. به‌منظور ارزیابی سیستم توصیهگر این سامانه، تعدادی پرسشنامه میان افراد مختلف توزیع شد. همچنین برای ارزیابی الگوریتم برنامهریز مسیر، از الگوریتم ژنتیک برای بررسی میزان دقت و صحت الگوریتم استفاده شد. نتایج ارزیابی مشخص‌کننده میانگین تفاوت </span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">2/0</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> بین عملکرد سیستم توصیهگر و نتایج حاصل از پرسشنامه بود که عملکرد مناسب سیستم توصیهگر را نشان میدهد. الگوریتم برنامهریز مسیر نیز به کمینه مقدار تابع هدف با انحراف معیار 61/0 دست پیدا میکند که نشاندهنده دقت بالای این الگوریتم است اما الگوریتم ژنتیک با میانگین مقادیر 32/34 صحیحتر از این الگوریتم عمل میکند.</span></span><br>  </div> <div style="text-align: justify;">Nowadays, tourists are planning trips by their own using the available services on the web. Travelling individually does not have the pleasure of group tours, so some tourists decide to find similar friends on their destination to share the joy of tours and trips. Also, they may not be familiar with the routes available in the city. In this paper, a mobile application is designed, developed, implemented and evaluated to recommend similar tourists to each other and generate optimal route based for each individual. This system is integrating mobile GIS, recommender systems and artificial intelligence tour planning algorithms into a single application. Being on a mobile platform is necessary, especially for navigation and tour planning systems. User may have to carry his cellphone in order to follow the suggested tour. The recommender system is a demographic filtering recommender to find the similar tourists. It considers age, nationality, education and interest to find the proper matches. After suggesting similar tourists to each other, one of the versions of Ant Colony Optimization namely Ant System is used to plan the optimal tours for each individual. This problem can be defined as a new version of Multiple Travelling Salesman Problem with mutual nodes to visit simultaneously. Different tourists decide to share a tour that stay in different places. This system should find a proper sequence of sightsees to minimize the length of the tour and also it should maximize the number of mutual streets in a tour to let tourists travel together during the tour. The objective function is to minimize the sum of the distances each tourist traversed and to maximize the number of mutual streets with a proper POI sequence. Maximizing number of mutual streets was considered because tourists want to travel as a group in a shared trip. Implementation of the system took place in Shiraz, Iran. Shiraz is the fifth-most-populous city of Iran and the capital of Fars Province with more than 4000 years of history that made it one of the key tourism sites in Iran. Numbers of questionnaires were distributed among different people to evaluate the people recommendation system. In addition, tour planning algorithm was evaluated using a well-known evolutionary algorithm (i.e. Genetic Algorithm). Mean, standard deviation and the convergence graphs of the two mentioned algorithms were compared. Results indicated accurate performance of the recommender system and high accuracy and precision of the route planning algorithm. Recommender System had a mean difference of 0.2 with the questionnaire results, which indicated its good functionality. Ant System reached the minimum value of the objective function (34.70) with a better standard deviation (0.61) compared to Genetic Algorithm. However, Genetic Algorithm performed better in mean value of the tests (34.32) which is a measure of the precision. Convergence graph of the Genetic Algorithm showed a fast convergence with lower objective values in the beginning. Ant System convergence graph showed a smooth convergence toward the optimal solution with an initial population with higher objective values. This indicated the proper functionality of the Ant System and the possibility of improving the results with generating better initial population.<br>  </div> گردشگری, سیستم اطلاعات مکانی همراه, سیستم توصیه‌گر, برنامه‌ریزی مسیر, الگوریتم مورچه Tourism, Mobile GIS, Recommender System, Tour Planning, Ant System Algorithm. 89 101 http://jgst.issgeac.ir/browse.php?a_code=A-10-589-2&slc_lang=fa&sid=1 S. Abolhoseini سینا ابوالحسینی abolhoseini.sina@gmail.com 10031947532846005393 10031947532846005393 No K.N. Toosi University of Technology دانشگاه خواجه نصیرالدین طوسی A. A. Alesheikh علی اصغر آل شیخ alesheikh@kntu.ac.ir 10031947532846005394 10031947532846005394 Yes K.N. Toosi University of Technology دانشگاه خواجه نصیرالدین طوسی