1.概念与内涵

计算模式（Computing Paradigm）对旅游信息技术的发展有着至关重要的作用。计算模式经历了从主机计算（Mainframe Computing）到桌面计算（Desktop Computing）、再到普适计算的革新，进一步促进了旅游信息空间与物理空间的融合，在这个融合的空间中人们可以随时随地和透明地获得数字化的服务，普适计算关注人们的注意力及人们对计算的满意程度，是一种以人为中心的计算模式。其中，位置是旅游者最重要的上下文信息之一，普适计算中旅游者的许多行为都与其位置上下文相关联，位置感知计算是指系统能够获取旅游者的位置信息，并根据环境中旅游者位置和空间关系的变化，进行位置上下文推理和融合，分析旅游者上下文历史和现状，预测旅游者未来状态，从而非侵入式地自动调整自己的状态和行为来适应系统和旅游者的需求。

情景感知计算（Context-Aware Computing）是指利用情景信息自动为旅游者提供适合当前情景（包括任务、位置、时间、旅游者的身份等）的服务。实际上，情景感知计算作为一种计算形态，其中每个成分的行为由其所处的环境所决定。环境对特定应用成分有超常的影响，因为以后需要其改变条件，或者其依赖的资源在不断变化。情景感知计算使得系统能利用情景信息向旅游者提供与任务有关的信息或服务，这将极大地提高信息交互的效率。利用情景辅助应用优化性能、提高效率是情景感知计算最根本的目的。情景（Context）是一种信息输入，该信息可以是任一种描述与旅游者及其应用相关的环境实体的信息，包括人物、地点、时间、物体等，通过对该信息的获取还可进一步获知其他信息的信息源。简单地讲，它是人所处的环境。据此，可以进而将情景的类型概括为位置、身份、时间、活动，即通常所说的4W（Who、What、When、Where）。情景又称为上下文，是普适计算（Ubiquitous/Pervasive Computing）中的一个概念，一般认为是指可用于表征实体状态的信息。其中，实体是指和旅游者及应用程序之间的交互有关的任何物体，这种实体既可以是物理实体，也可以是虚拟实体。实体的状态既可以是当前状态，也可以是已记录的历史状态。上下文分为3类来定义：一是计算上下文，如网络的可用性、网络带宽、通讯开销、周边的打印机、显示器等资源；二是旅游者上下文，包括旅游者的个性、位置、周围的人员、甚至社会关系等；三是物理上下文，如光线的明暗、噪声的大小、交通状况、气候、温度等。

情景感知计算的一个主要方式是获取和提供一个实体的情景信息，包括特定的人、地方、时间、事件等，位置是其中一个重要的成分。随着信息技术的发展，通信技术的突飞猛进，移动通信占的比重越来越大，位置不再是固定的，人们需要位置感知，从而获得基于位置的移动信息服务。在系统集成的过程中，技术提供商、通讯提供商以及系统开发商等利益相关者构成了基于位置感知的移动信息服务的价值产业链，该产业链的最终目标是实现各利益相关者的多赢局面。在当前的技术发展趋势下，各种技术的多样性也决定了整个系统平台集成的多样性选择，同时在集成原则的指导下，基于位置感知的移动信息服务系统的集成可以做到合理、高效以及各方利益的最大化。从当前LBS+WebGIS+AI一体化服务技术发展的形势看，以技术的提供者作为分割的依据，可引入新型的基于位置感知的移动信息服务价值链。如图8-18所示，与传统的LBS价值链相比，由于新的服务形式和服务平台的推出，链上的环节增加，不同节点的供应商数量也有拓展，盈利方数量相应增加；对于已有的对象，由于新的应用同样带来新的盈利。在LBS、WebGIS、AI有机融合的应用背后，增加了定位网络/终端设备提供商、GIS地图平台提供商、地图数据提供商、系统开发商，新的一体化服务将是未来旅游产业核心盈利点之一。

图8-18　情景感知对旅游服务价值链的改造

2.位置感知计算

位置感知计算是指对移动终端旅游者所处的地理位置信息进行实时获取、管理、存储、查询、分析、智能服务等一系列的分布式计算活动。位置感知系统通常包含两个功能系统：定位系统（Locating System）和位置系统（Location System）。定位系统与位置系统之间的区别在于：定位系统的重点在于获取对象所在的位置信息，而位置系统则侧重于获取特定位置上的对象信息。

传统的位置感知系统一般都遵循“请求—应答”模式，即旅游者要得到所需信息必须先向服务系统提出请求，系统根据旅游者当前位置作出响应，并将位置相关信息回复给旅游者。基于这种服务模式的系统无法主动向旅游者提供服务，无法满足旅游者对动态信息和智能服务的需求，且同一时间服务的对象只能有一个。该类位置感知系统主要关注的是如何实时精确定位，即侧重于定位系统的实现。而在普适计算环境下，上下文感知性的特征要求系统能够根据旅游者的上下文变化主动为其提供服务，因此位置感知系统应该能够根据旅游者位置变化把位置相关信息主动向其进行广播，并能够同时为多个旅游者提供服务。该类位置感知系统主要关注的是如何利用位置信息为旅游者提供服务，即侧重于位置系统的实现。在第一类服务中，服务器应旅游者查询请求而提供服务，本质上等同于空间数据库系统提供的标准查询服务，其服务提供方式是被动的。而在第二类服务中，服务器根据环境中对象上下文的变化自发地向旅游者提供相应的服务或激发相应的交互，其服务提供方式是主动式的。位置感知系统的功能和目标各不相同，但基本结构都比较相似。普适计算环境下的位置感知系统框架如图8-19所示，自底向上包含用于实时获取移动目标位置信息、位置传感层、定位服务层和移动目标管理层，及用于供主动式位置感知服务的上下文处理层、行为语义获取层和位置感知应用层。

图8-19　普适计算环境下旅游位置感知系统基本框架

（1）位置传感

位置传感通过特定的定位技术获取移动目标的位置信息，这要求位置传感模块能够适应异构的定位技术和定位设备，如全球定位系统（GPS）、蜂窝基站定位（GSM）、无线网络定位（WiFi，ZigBee）等。这些定位技术各有优缺点，如GPS精度高、应用普遍，但GPS信号无法穿透建筑物，无法在室内使用；GSM可用于室内和室外，具有最广的定位覆盖范围，但受基站密度影响较大，定位精度通常较低；WiFi，ZigBee等技术具有较高的定位精度，但需要在环境中部署大量的无线节点，通常用于室内定位。

定位技术按获取移动目标位置的方式不同可分为两大类：基于服务端（server-based）的模式和基于客户端（client-based）的模式。在基于服务端的定位模式中，移动目标的位置由服务端计算得到，位置传感模块通过Pull的方式从服务端获取移动目标位置信息，如GSM定位技术（移动目标位置由移动网络根据其移动设备所连接的基站计算得到）。在基于客户端的定位模式中，移动目标的位置由其自己计算得到，并将该位置信息通过Push的方式传送到位置传感模块，如GPS定位技术（移动目标位置由其自己携带的GPS设备计算得到）。

（2）定位服务

定位服务包括两个方面的内容：一是定位数据建模：由于定位数据可能由不同的定位技术和定位设备获得，在语法、类型、公制等方面存在差异，如GPS定位中输出的是二进制数据，而GSM定位中运营商将移动目标位置信息以XML文本形式提供给位置传感模块；GPS定位可提供移动目标速度信息，而通常GSM定位无法提供此类信息。因此，定位数据建模模块基于一个统一的位置模型对异构定位数据进行整合以便于上层模块使用。二是定位数据融合：通过对多源位置传感信息进行融合，以提高定位精度。当一个移动目标拥有多种定位技术和定位设备时，能同时得到多个定位数据，定位数据融合模块基于预定义规则，对不同的位置精度要求和不同的上下文情况，采用合适的融合算法，来提高定位精度，如Myllymaki和Edlund提出的多源定位数据融合方法。

（3）移动目标管理(www.daowen.com)

用于管理移动目标信息，不但要保存移动目标的当前位置信息，还要存储移动目标的历史轨迹信息，并提供移动目标查询和跟踪服务。移动目标查询不仅包括简单的位置查询（如查询移动目标X的当前位置），也包括复杂的时空查询（如查询时间Y期间在区域X内的所有移动目标信息）。移动目标查询模块依赖于移动目标数据库（Mobile Object Database，MOD），为提高查询效率，必须在数据库中建立空间索引，常用的索引方法包括R树索引、网格索引、Z-order索引等。另外，许多位置感知应用（如出租车调度、道路导航等）要求提供对移动目标的跟踪服务，即在一段特定的时间内连续不断地对移动目标进行定位。

（4）上下文处理

位置感知系统中的上下文信息包含位置上下文和非位置上下文两类。上下文信息可有多种数据表示模型，如Castelli等人提出的“W4”模型，即将上下文信息概括为谁（Who）、做什么（What）、在哪里（Where）和在什么时间（When）。旅游者当前上下文可表示为“某人在某一特定时间在某一地点做某事”。其中，位置上下文Where可为由定位服务模块提供的旅游者地理位置信息（如经纬值），也可为由GIS系统提供的逻辑位置信息。非位置上下文Who可为一个具体旅游者（如由注册旅游者的账号代表）或一个设备标识（如由移动设备蓝牙标识或RFID标签代表）；When可为一个具体时间（如2020/10/14 11：28A.M）或一个时间段（如昨天上午）；What描述了旅游者所从事的活动，该活动可直接由旅游者或设备信息得到（如旅游者日程表），也可由传感器数据推理得到（如旅游者移动设备上的加速度传感器数据可显示旅游者正在跑步）。

（5）行为语义获取

该模块通过对位置上下文和非位置上下文进行融合，从中提取有用的状态、序列或者模式，并将所有获得的上下文信息归类为行为语义，如采用机器学习的方法对上下文信息进行分类以获得相应的行为类型。行为语义与低层上下文信息不同，是应用系统对旅游者状态的语义化解释，也可认为是一种高层上下文信息。该模块可为位置感知应用提供一个应用接口，使其可根据特定的行为规则触发相应操作或提供相应服务。例如，一个智能辅助系统可能被期望能推断出旅游者是在上班还是在用餐，以便采取特定的动作，协助旅游者生活。

（6）位置感知应用

行为语义获取模块根据旅游者上下文推断其行为状态，而位置感知应用则根据旅游者行为状态主动地触发相应操作或提供相应服务，此类操作和服务通常向旅游者提供位置相关信息，如交通信息、打折信息、附近事件信息等。主动式位置感知应用通常采用事件订阅/发布服务模式，旅游者可事先订阅其感兴趣的事件类型，并定义事件发布触发的时空条件，订阅事件类型包括基于位置的事件、基于时间的事件、基于移动目标的事件、基于环境状况的事件等。当事件发布条件满足时，位置感知应用系统主动向旅游者发布事件信息。

3.轨迹数据挖掘

随着各种定位技术的发展和普及，旅游者可以方便地获取其个人位置信息并将其运动过程记录下来，位置感知系统也可以跟踪其旅游者的运动过程并存入移动目标数据库。旅游者的历史运动过程记录数据即为将其连续定位数据按时间顺序连成的线路，称为轨迹。轨迹数据的来源有很多，包括：（1）为保证车辆的有效调度，以及对交通流量的分析，很多出租车、货运车辆都配备了GPS设备，并以一定的频率向管控中心发送其当前的位置坐标，这些信息即可构成车辆的运行轨迹；（2）车载导航系统和移动手持设备在为旅游者提供导航服务的同时，也可将旅游者运动过程以轨迹的形式记录下来；（3）一些网上社区允许爱好户外运动的旅游者利用终端设备记录下自己的行程，并将运动过程以轨迹的形式在社区内进行分享，一方面帮助这些旅游者以后回忆其从事过的活动，另一方面为其他户外运动爱好者提供了更多的路线选择；（4）通过将旅游过程中拍摄照片的地点在电子地图上显示，旅游者不仅可以直观地再现自己的行程，也可方便地与朋友分享旅游经历，照片及拍摄照片地点所构成的轨迹可以更直观地向他人呈现更生动的信息。

轨迹本身的价值催生了一批基于轨迹的位置服务，如路线分享、车辆调度、目标跟踪等。然而，此类应用只是单纯地将轨迹数据进行可视化处理，并未充分发掘出其中隐藏的大量信息。事实上，位置信息是人们日常活动中最重要的因素之一，轨迹记录了旅游者在真实世界中的活动，而这些活动可以在一定程度上体现旅游者的意图、兴趣、经验和行为模式。例如，某个旅游者的轨迹经常出现在运动场馆，表明该旅游者可能对体育活动感兴趣；经常外出旅游的旅游者穿越风景点的轨迹体现了其丰富的旅游经验；而旅游者日常生活中往返于工作地点和生活地点之间的轨迹可很大程度上反映其生活习惯；更细粒度的轨迹分析甚至可以根据旅游者经常光顾的地点类型和当时的上下文信息（如时间、天气、周围其他的旅游者等）来判断旅游者在特定情况下的偏好。因此，如何挖掘出轨迹中蕴含的知识对于更好地基于轨迹数据设计应用显得尤其重要。

运用数据挖掘技术对旅游者轨迹数据进行分析，可以发现许多有价值的知识，这些知识可以是从个人轨迹数据中挖掘出的旅游者意图、经验、兴趣和行为模式，也可以是对多人轨迹数据进行协同挖掘来发现地域与地域间的相关性、旅游者与旅游者间的相关性以及旅游者与地域间的相关性。基于旅游者轨迹数据挖掘出的知识具有巨大的应用价值，如基于个人轨迹数据挖掘可帮助旅游者了解和分享其生活经历、实现位置预测，帮助服务供应商理解其旅游者的生活规律、提供个性化服务等，基于多人轨迹数据挖掘可发现城市的热点地区和路线、分析和预测交通状况、更好地实现社会网络应用等。

4.智能旅游出行系统

智能旅游出行系统是将先进的信息技术、通信技术、传感技术、控制技术和计算机技术有效地集成运用于整个旅游出行运输管理体系而建立起的一种在大范围内、全方位发挥作用的，实时、高效、准确的综合旅游出行运输和管理系统。智能旅游出行系统可极大地改善旅游出行运输的各方面性能，如提高运输安全、运输效率，改善旅游出行可靠性、公平性，提高道路网络通过能力，降低能源消耗。

智能旅游出行系统包含的子系统大体可分为以下几个方面：车辆控制系统，通过安装在汽车上的各种传感设备，辅助驾驶员驾驶汽车或替代驾驶员自动驾驶汽车的系统，人称“智能汽车”；旅游出行监控系统，在道路、车辆和驾驶员之间建立快速通讯联系，给驾驶员和旅游出行管理人员提供实时旅游出行状况信息；运营车辆调度管理系统，车辆调度管理中心对安装了GPS定位系统的商用车辆、公共汽车、出租车等运营车辆进行全程监控，并对运营车辆进行调度管理，有效地提高其运营效率、减低运营成本；旅行信息系统，通过路标、车载电脑、无线电等方式为外出旅行人员提供各种实时旅游出行信息。

旅游出行流分析是智能旅游出行系统的重要研究内容，旅游出行流模型是描述旅游出行流状态变量随时间和空间变化、分布规律及旅游出行控制变量之间关系的映射。智能旅游出行系统采集旅游出行流数据的主要方法分为路边技术和移动定位技术两类。路边技术是在道路网络上设置检测点和检测设备（如环形感应线圈检测器），当车辆通过该检测点时进行记录；移动定位技术是利用安装有定位（如GPS定位、移动网络定位等）和通信设备的车辆在道路上行驶时采集其旅游出行数据。显然，基于移动定位技术采集到的旅游出行流信息即为车辆的轨迹数据，对此类数据的分析和研究可发现旅游出行流信息中隐含的旅游出行模式和规律，可用于建立稳定、高效的旅游出行流模型，进而有效地指导智能旅游出行系统的设计和决策，如旅游出行信号管理与控制、旅游出行流诱导、动态旅游出行分配等。

综上，位置是旅游者最重要的上下文信息之一，可为普适计算环境下位置感知计算系统向旅游者提供主动式的智能化服务提供支持。然而，仅基于位置上下文，很难准确估计旅游者所处的状态并推断旅游者的目的和需求，从而导致不合时宜的触发操作或提供不适应旅游者需求的服务。另一方面，轨迹数据为连续记录的旅游者位置的时间序列，代表了旅游者在真实世界中的活动，而这些活动可以在一定程度上体现旅游者的意图、兴趣、经验和行为模式。相比于位置数据，轨迹数据包含了更丰富的旅游者信息，因此，如何挖掘出轨迹数据中蕴含的知识对于更好地设计位置感知应用显得尤其重要，相应的知识可应用于基于位置服务、智能旅游出行、社交网络、普适游戏等领域。