Resumen

Las preferencias de ruta de viaje pueden interactuar fuertemente con los eventos que ocurrieron en los viajes en red, y estos fenómenos coevolutivos son esenciales para proporcionar fundamentos teóricos para la recomendación de rutas de viaje y predecir el comportamiento colectivo en sistemas sociales. Mientras que la mayoría de la literatura se enfoca en la recomendación de rutas de lugares turísticos individuales en lugar de viajes por la ciudad, proponemos un enfoque novedoso llamado Recomendación de Ruta de Viaje por Ciudad basado en Similitud de Eventos Secuenciales (CTRR-SES) aplicando la dinámica de propagación coevolutiva de las redes de recorridos de la ciudad y extrayendo los patrones espacio-temporales de viaje en las redes. Primero, presentamos el Método de Medición de Similitud de Secuencia de Eventos basado en la modelización de las secuencias de viaje de los turistas. El método puede ayudar a medir similitudes en varias rutas de viaje por la ciudad, que

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Preferencias de ruta de viaje; Eventos; Viajes en red; Fenómenos coevolutivos; Recomendación de ruta de viaje en la ciudad; Predicción de comportamiento colectivo
• Keywords:Travel route preferences; Events; Networked traveling; Coevolving phenomena; City travel route recommendation; Predicting collective behaviour