【技术实现步骤摘要】
本专利技术涉及选址优化，尤其涉及一种用于旅游景点的选址优化方法、系统、设备及介质。
技术介绍
1、在旅游业的快速发展中，乡村旅游作为旅游业的一个重要组成部分，乡村旅游景点的选址和规划成为关键的环节，其直接影响到乡村旅游业的效率和可持续性，然而，传统的旅游景点选址方法主要依赖于决策者的经验和直觉，缺乏科学性和客观性，或者只考虑当地的自然资源和文化背景等单一因素，缺乏对多因素的综合考虑和优化，这导致旅游景点的规划不合理，影响游客体验和旅游业的可持续发展，因此，亟需开发一种基于数据分析和地理信息系统(gis)的旅游景点选址优化方法，从而提高选址的准确性和效率。
技术实现思路
1、本专利技术提供了一种用于旅游景点的选址优化方法、系统、设备及介质，解决的技术问题是，传统的旅游景点选址方法主要依赖于决策者的经验或者缺乏对多因素的综合考虑和优化。
2、为解决以上技术问题，本专利技术提供了一种用于旅游景点的选址优化方法、系统、设备及介质。
3、第一方面，本专利技术提供了一种用于旅游景点的选址优化方法，所述方法包括以下步骤：
4、获取乡村旅游景点的候选选址地信息，并利用地理信息系统对所述候选选址地信息进行空间分析，得到候选点地理环境特征；所述候选点地理环境特征包括候选选址地的地理空间分布特征和周边环境特征，所述周边环境特征包括候选选址地的周围交通信息、自然资源特征、农业资源特征和区域文化特征；
5、根据候选点地理环境特征构建泰森多边形优化网格，并利用四
6、将每个所述选址子区域的候选点地理环境特征表达为空间实体，构建图结构；
7、利用图注意力神经网络算法对所述图结构进行学习，预测得到最优景点选址空间坐标。
8、在进一步的实施方案中，所述根据候选点地理环境特征构建泰森多边形优化网格的步骤包括：
9、基于所述候选选址地的地理空间分布特征，构建泰森多边形网格；
10、利用机器学习算法分析所述周边环境特征对泰森多边形网格的影响，得到周边环境影响力；
11、根据所述周边环境影响力对所述泰森多边形网格进行优化，得到泰森多边形优化网格。
12、在进一步的实施方案中，所述利用四叉树对所述泰森多边形优化网格中的每个泰森多边形进行划分，得到选址子区域的步骤包括：
13、将所述泰森多边形优化网格的根节点作为四叉树的根节点，并将每个根节点的泰森多边形区域划分为四个象限，形成对应的四个象限子区域，每个象限子区域对应一个子节点；
14、重复上述步骤，将每个所述子节点递归划分为四个象限，直至划分的象限子区域满足限制条件，停止递归划分，形成最终的四叉树，并从最终的四叉树中提取所有划分的象限子区域作为选址子区域。
15、在进一步的实施方案中，所述将每个所述选址子区域的候选点地理环境特征表达为空间实体，构建图结构的步骤包括：
16、将每个所述选址子区域作为图结构中的图节点，并根据每个所述选址子区域之间的关系，采用图论算法构建图结构的边；
17、将构建的图节点和边加入所述图结构中，并根据每个所述选址子区域的候选点地理环境特征定义每个图节点和边的属性特征，以将空间实体与候选点地理环境特征进行关联，形成图结构。
18、在进一步的实施方案中，所述图注意力神经网络算法包括依次连接的多层图卷积模块、注意力机制模块、随机池化层和基于贝叶斯推断的输出层。
19、在进一步的实施方案中，所述利用图注意力神经网络算法对所述图结构进行学习，预测得到最优景点选址空间坐标的步骤包括：
20、将图结构中图节点的属性特征进行编码，得到节点特征向量；
21、采用图注意力神经网络算法对节点特征向量进行卷积和聚合处理，得到节点选址空间坐标预测结果和相应的不确定性度量；
22、根据所述节点选址空间坐标预测结果和所述不确定性度量，得到最优景点选址空间坐标。
23、在进一步的实施方案中，所述根据所述节点选址空间坐标预测结果和所述不确定性度量，得到最优景点选址空间坐标的步骤包括：
24、根据所述不确定性度量计算所有所述节点选址空间坐标预测结果之间的差异性，得到选址预测差异度；
25、根据所述选址预测差异度和差异度阈值，从所有所述节点选址空间坐标预测结果中筛选出优异选址空间坐标；
26、计算所述优异选址空间坐标的加权平均值，得到最优景点选址空间坐标。
27、第二方面，本专利技术提供了一种用于旅游景点的选址优化系统，所述系统包括：
28、数据获取模块101，用于获取乡村旅游景点的候选选址地信息，并利用地理信息系统对所述候选选址地信息进行空间分析，得到候选点地理环境特征；所述候选点地理环境特征包括候选选址地的地理空间分布特征和周边环境特征，所述周边环境特征包括候选选址地的周围交通信息、自然资源特征、农业资源特征和区域文化特征；
29、区域优化模块102，用于根据候选点地理环境特征构建泰森多边形优化网格，并利用四叉树对所述泰森多边形优化网格中的每个泰森多边形进行划分，得到选址子区域；
30、图结构建立模块103，用于将每个所述选址子区域的候选点地理环境特征表达为空间实体，构建图结构；
31、选址预测优化模块104，用于利用图注意力神经网络算法对所述图结构进行学习，预测得到最优景点选址空间坐标。
32、第三方面，本专利技术还提供了一种计算机设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行实现上述方法的步骤。
33、第四方面，本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
34、本专利技术提供了一种用于旅游景点的选址优化方法、系统、设备及介质，所述方法利用地理信息系统对候选选址地信息进行空间分析，得到候选点地理环境特征；根据候选点地理环境特征构建泰森多边形优化网格，并利用四叉树对泰森多边形优化网格中的每个泰森多边形进行划分，得到选址子区域；将每个选址子区域的候选点地理环境特征表达为空间实体，构建图结构；利用图注意力神经网络算法对图结构进行学习，预测得到最优景点选址空间坐标。与现有技术相比，该方法结合周围交通信息、文化信息等数据对泰森多边形网格进行优化，以表达更丰富的地理空间信息，并利用泰森多边形优化网格和四叉树划分，形成包含文化背景等信息的图结构，可以实现对地理空间数据和周围环境特征的精细化处理和高效查询，能够更准确地分析景点选址之间的文化资源等空间分布和关联，为旅游景点的规划和管理提供更准确和有效的支持。
本文档来自技高网...【技术保护点】
1.一种用于旅游景点的选址优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种用于旅游景点的选址优化方法，其特征在于，所述根据候选点地理环境特征构建泰森多边形优化网格的步骤包括：
3.如权利要求1所述的一种用于旅游景点的选址优化方法，其特征在于，所述利用四叉树对所述泰森多边形优化网格中的每个泰森多边形进行划分，得到选址子区域的步骤包括：
4.如权利要求1所述的一种用于旅游景点的选址优化方法，其特征在于，所述将每个所述选址子区域的候选点地理环境特征表达为空间实体，构建图结构的步骤包括：
5.如权利要求4所述的一种用于旅游景点的选址优化方法，其特征在于：所述图注意力神经网络算法包括依次连接的多层图卷积模块、注意力机制模块、随机池化层和基于贝叶斯推断的输出层。
6.如权利要求5所述的一种用于旅游景点的选址优化方法，其特征在于，所述利用图注意力神经网络算法对所述图结构进行学习，预测得到最优景点选址空间坐标的步骤包括：
7.如权利要求6所述的一种用于旅游景点的选址优化方法，其特征在于，所述根据所述节点选址空
8.一种用于旅游景点的选址优化系统，其特征在于，所述系统包括：
9.一种计算机设备，其特征在于：包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被运行时，实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种用于旅游景点的选址优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种用于旅游景点的选址优化方法，其特征在于，所述根据候选点地理环境特征构建泰森多边形优化网格的步骤包括：
3.如权利要求1所述的一种用于旅游景点的选址优化方法，其特征在于，所述利用四叉树对所述泰森多边形优化网格中的每个泰森多边形进行划分，得到选址子区域的步骤包括：
4.如权利要求1所述的一种用于旅游景点的选址优化方法，其特征在于，所述将每个所述选址子区域的候选点地理环境特征表达为空间实体，构建图结构的步骤包括：
5.如权利要求4所述的一种用于旅游景点的选址优化方法，其特征在于：所述图注意力神经网络算法包括依次连接的多层图卷积模块、注意力机制模块、随机池化层和基于贝叶斯推断的输出层。
6.如权利要求5所述的一种用于旅...
【专利技术属性】
技术研发人员：凌静雅，董仙玉，敖佩，胡艳君，胡强强，董良锋，曾玉熙，吕甜，黎程骏，肖燕虹，杨莹琛，文武，孙鸥，黎逸科，赵楠，
申请(专利权)人：广州市白云区城市规划设计研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。