香港大学（港大）与美国麻省理工学院（MIT）共同研发出一款名为ItiNera的AI城市行程规划系统（OUIP）。该系统利用大型语言模型（LLM）和空间优化技术，为用户提供个性化的城市旅游路线规划，助力旅游业的发展。
技术创新与功能特点
个性化行程规划
ItiNera系统可根据用户输入的个性化需求，如特定地点、活动类型或主题，一键生成Citywalk路线。这一功能让用户能够根据自己的兴趣和偏好，定制专属的旅游行程。
实时动态信息
系统具备实时更新兴趣点（POI）和当前热门活动的能力，确保行程的时效性。这意味着用户可以随时获取最新的旅游资讯，规划出更加贴合实际的行程。
空间智能优化
ItiNera结合空间优化算法，确保生成的路线在地理空间上合理高效，避免绕路。这一功能大大提高了用户出行的便捷性和舒适度。
多样用户需求应对
系统灵活处理复杂和多样的用户需求，包括个性化偏好和特定条件。无论是历史文化之旅、美食探索，还是购物路线，ItiNera都能满足用户的不同需求。
结构化数据处理
通过请求解析模块，ItiNera将用户的自然语言请求转换为结构化数据，以便更准确地理解和执行。这一技术有效提升了系统的智能程度和准确性。
技术原理
ItiNera系统采用了多种先进技术，包括用户请求解析、用户拥有的POI数据库构建、POI检索、空间优化和行程生成等。
用户请求解析
利用大型语言模型（LLMs）的自然语言处理能力，将用户的自然语言请求分解为多个独立的子请求。这些子请求被分类为正面（用户想要的）和负面（用户不想要的）要求，并进一步细分为特定地点请求和行程级别的请求。
用户拥有的POI数据库构建
系统从社交媒体平台上的旅游内容中自动收集和构建用户兴趣点（POI）数据库。用户可以输入链接到旅游帖子，系统使用LLMs提取POIs及其描述，并整合这些信息到用户拥有的POI数据库中。
POI检索
使用嵌入模型根据用户的正负偏好编码请求，并检索与正面偏好最相关的POIs。通过计算正面和负面偏好嵌入与预先计算的POI嵌入的相似度分数，重新排序检索到的POIs。
空间优化
通过分层旅行商问题（Hierarchical Traveling Salesman Problem, TSP）来解决空间聚类和候选POIs的选择。首先计算检索到的POIs的空间聚类，然后根据地理邻近度和匹配分数选择候选POIs。
行程生成
结合空间优化模块选择的有序候选POI集合和多种约束，使用LLM生成既符合用户请求又空间合理的旅行路线及相关描述。
应用场景
ItiNera系统的应用场景广泛，包括个人旅游规划、城市漫步、短途旅行、特殊兴趣旅行、事件和节日规划以及无障碍旅行等。
个人旅游规划
为用户提供根据个人兴趣和偏好定制的旅游路线，如历史文化之旅、美食探索、购物路线等。
城市漫步
为漫步城市、探索城市街道和历史遗迹的游客提供动态生成的行程。
短途旅行
为时间有限的游客提供高效、紧凑的城市短途旅行规划。
特殊兴趣旅行
满足特定主题或兴趣的旅行需求，如艺术展览、音乐节、体育赛事等。
事件和节日规划
在特殊事件或节日期间，为用户提供定制的行程，如春节庙会、圣诞节市场等。
无障碍旅行
为有特殊需求的游客（如老年人、残疾人）提供考虑无障碍设施的行程规划。
总结
港大与MIT联合推出的AI城市行程规划系统ItiNera，以其个性化、实时动态、空间优化等特点，为旅游业带来了新的发展机遇。未来，该系统有望在全球范围内得到广泛应用，为用户提供更加便捷、舒适的旅游体验。
Views: 0