Dette kapitel i hans afhandling fokuserede på rammen SYSTEM-TH-001 Et system, der har til formål at optimere forvaltningen af turisttjenester på et rejsebureau ved hjælp af kunstig intelligens og en arkitektur med bioinspirerede agenter. SYSTEM-TH-001 Den omfatter moduler, der opdaterer de daglige vidensregistre over turistudbydere og -tjenester. Selv om det kræver manuel indgriben, automatiserer og forenkler systemet en administrators opgaver.
Rammerne blev testet på agenturet COMPANY-002 med et Multiagent System (MAS) baseret på en integreret og bioinspireret organisation ved hjælp af konfigurationer, der er tilpasset virksomhedens behov. Der er gennemført forsøg, der evaluerede nøgleparametre og kundernes eller rejsebureauernes tilfredshed. De første resultater viste, at kunderne prioriterer attributter som pris og kvalitet af service.
Forsøgene sammenlignede præstationerne af SYSTEM-TH-001 med traditionelle metoder og andre algoritmer, vurdere deres evne til at forudsige tilbøjelighed til køb. Den bi- stage model af SYSTEM-TH-001 har vist en bedre balance mellem træning og afprøvning, undgå problemer med overlejringer og samtidig optimere anbefalinger.
I de egentlige test viste systemet en betydelig forbedring i konverteringshastigheden og reduceret omsorgstid. Det øgede præcise anbefalinger med fordele for begge kunder samt SYSTEM-TH-001 og en effektiv løsning for digital transformation i turistsektoren.
3.1 Indledning
I dag er turisme en af de mest rentable industrier i Camilleri ( 2018 ). Hvert år besøger turisters hære berømte byer og historiske udflugter, eller de har simpelthen fornøjelsen af at møde nye kulturer med andre former. Der er også andre turister, der simpelthen søger ro og afslapning i løbet af deres ferie med en stor mulighed for at nyde landskaber af Tucreac 's drømmestrande ( 2010 ).
Alle disse menneskelige begivenheder resulterer i anvendelse af flere transporttyper såsom fly, tog og busser ( 2018 ). Ud over at generere millioner af reservationer på hoteller, lejligheder og andre lignende ejendomme, der tillader disse turister.
Alle disse aktiviteter bør drives af rejsebureauet, med oplysninger om destinationer og præferencer for forskellige turisttyper Moliner et al. ( 2007 ). Det er derfor, fremkomsten af fokuserede systemer til at give en slutbrugersupport (uanset om det er en turist eller rejseagent), der vil lette deres booking proces er helt nødvendig og i øjeblikket til rådighed.
Rejsebureauer bør også gøre en ekstra indsats for at give deres potentielle kunder de mest interessante muligheder for at lukke dem ned. På grund af denne situation, er det naturligt, at de starter med blomstring af systemer, som automatisk vil komme med anbefalinger om rejser og destinationer ved at vælge bedste transport som krævet fra Zapata et al. ( 2019 ).
Alle disse systemer har deres begrænsninger. De vigtigste mangler er vanskeligheden ved at udarbejde budgetter for rejsebureauer. Det er en opgave, der kræver stor investering af tid og indsats, øget som den kompleksitet, hvormed at dele destinationer stiger under din ønskede rejse. Et andet vigtigt problem er den manglende evne til at give feedback om de tjenester, der tilbydes kunderne. Dette problem var afgørende for rejsebureauerne, fordi de havde brug for at vide, om de arbejdspladser, der var blevet skabt, var egnede, og kunderne er blevet tilfredse med dem efter at have nydt godt af deres kontraktlige tjenester. Til dette formål, anbefalinger om at filtrere indledende kundepræferencer er nøglen. De markerer normalt udviklingen i de turisttjenester, der tilbydes, da de har tendens til at tiltrække kundepleje fra et tidligt stadium.
COVID... 19 Det var et andet stort problem for turistsektoren på grund af restriktioner på bevægelser med henblik på at begrænse viruseksplosionen. Denne foranstaltning havde naturligvis en alvorlig negativ indvirkning på turismen, idet den reducerede rejsetrafikken og dermed førte til store tab i Bakar ( 2020 ). Ikke desto mindre er der gjort fremskridt med vaccinationsprogrammer og -foranstaltninger for at bringe disse udfordringer til ophør.
I Kommissionens direktivforslag fastsættes følgende kriterier:
Af disse grunde er det afgørende, at der findes en komplet ramme, som kan styre den stigende efterspørgsel. Dette system bør være i stand til at løse de identificerede svagheder ved bedst at håndtere alle problemer, der har fundet sted siden deres klients interesse i en turistservice, og yde støtte til hans rejseagent, når de vælger forskellige muligheder og med en passende kundefeedback efter dens afslutning.
Således er denne afhandling præsenterer ramme SYSTEM-TH-001. Det er et automatisk system, der omfatter flere grafiske assistenter til at yde fuldstændig støtte til rejsebureauer og turister. Nyhederne er som følger:
Det dækker alle nødvendige processer med processen med at sælge turisttjenester, der primært fokuserer på kundernes interesser og potentielle tilbud, der passer bedst til rejsebureauets politik. Rejsebureauet og kunden er styret af systemets anbefalinger på alle stadier af deres salgsproces.
Det skaber budgetter hurtigt i realtid, hvilket fører til bedre beslutningstagning både på operationelt plan og som rejsebureauer med en strategisk retning.
Han er i stand til at lære gennem sin erfaring og hjælper med at prioritere de kunder eller potentielle kunder med en høj tilbøjelighed til at købe. En model af tilbøjelighed til at købe ML er medtaget i systemet for denne opgave.
Medtagelsen af et MAS og dets intelligente agenter klarer bedst videnudvekslingen med bedre kommunikation. At MAS er udviklet efter den bioinspirerede abstraktion af en antiguer, som styrer arbejdsbyrden i Moreno et al. ( 2022 ), en vigtig funktion, da de fleste virksomheder kræver realtidsinteraktioner med henblik på at opfylde deres kunders behov.
Giver støtte til rejsebureauet ved at hjælpe dem med at filtrere blandt de bedste muligheder afhængigt af deres klients interesser. Systemet kunne klassificeres som en anbefaling, der forenkler procedurerne for at udføre på et agenturs rejse.
En række forsøg er blevet designet til at vise værdien og bedste praksis. Modulet dedikeret til kundeprioritering er blevet evalueret i overensstemmelse hermed.
uafhængigt, så vi kan kontrollere hans merværdi. Systemet som helhed er blevet sat på prøve, og der er opnået meget lovende resultater med denne vurdering.
3.2 Forslag
3.2.1 Automatisk forvaltning af turisme
Automatisk turisme management er en af de grundlæggende opgaver inden for dette område, på grund af et stort antal og forskellige processer til at overveje tilgængelige tilbud samt med rejseindstillinger, der er blevet foreslået af Klers kunder ( 2009 ).
Ledelsesprocessen er baseret på to metoder: kunden og sælgeren (f.eks. endelig ressource eller rejsebureau). Den første er bedst udviklet af forskellige undersøgelser og tilgængelige systemer. Problemet drejer sig om indførelse af nye teknologier og elektronisk turisme (f.eks. tilbud eller markedsføring af oplysninger om turisttjenester online). Det betyder, at en turist service udbyder har direkte kontakt med Hamid et al klient 2021 ).
Med hensyn til tilgange, der automatiserer forskellige turistrelaterede processer, er de fleste systemer systemanbefalinger fra begge.
I tilfælde af en rejsebureau tilgang, de typisk arbejde med kunder, der ikke ved, hvor at ride, eller hvad deres præferencer er. Det er derfor, systemer, der er i stand til at indsamle og behandle oplysninger fra kunder kan give beslutningstagende støtte eller vælge den bedste udbyder med et agentur for en bestemt Hsu et al klient. ( 2013 ). Oplysningerne kan findes i teksten Loh et al. ( 2003 ) eller genereret ved at skabe Adriana profiler ( 2018 ).
Med hensyn til kundens tilgang, er der mange udfordringer at arbejde med. For eksempel er systemer i stand til at udvikle specifikke rejseindstillinger for kunder med særlige behov virkelig nyttige Novikova et al. ( 2015 ). Der er også andre mere generalistiske tilgange, og nogle eksempler på dette har været dem, der fokuserer på at vælge den bedste vej som nævnt i vejrtiden med trafikforhold Suframaniyaswamy et al. ( 2018 ), eller dem, der anbefaler bedste ture for enkeltpersoner og Herzog et al. ( 2018 ). De er alle som virtuelle designere af Al Fararni og al rejseplaner. ( 2021 ), der normalt er baseret på kundernes smag og deres ture er foretaget Garcia et al. ( 2009 ). Ved udvælgelsen af destinationer er lignende systemer blevet betragtet som værende:
To. De behandler turisternes synspunkter for at finde deres mest populære destinationer for dem Zheng et al. ( 2018 ), og de producerer også placeringer af interesse Alrasheed et al. ( 2020 ). Endelig er problemet med at tilbyde optimal indkvartering i henhold til kundens præferencer også blevet overvejet. Disse præferencer er faktisk kundernes behov Forouzandeh et al. ( 2021 ) og dens økonomiske kapacitet Ray et al. ( 2021 ).
Rammerne SYSTEM-TH-001 Det er primært fokuseret på rejsebureauerne perspektiv, der giver specifikke elementer til at interagere med kunderne. I det første tilfælde får en sælger realtid anbefalinger, der er i overensstemmelse med oplysninger fra kunderne om hans eller hendes interesser. Systemet har en virkelig ny komponent til at informere sælgeren om, hvad kunderne har en stigende tendens til at købe deres turistservice. Det letter arbejdet og øger agenturets fordele. I det andet tilfælde kan kunderne præsentere deres karakteristika og interesser. Systemet bruger dem til at levere lækkede oplysninger med sælgeren.
3.2.2 Rammerne SYSTEM-TH-001
Hovedformålet med rammen SYSTEM-TH-001 Det er for at støtte kunder og rejsebureauer. Systemet dækker derfor begge perspektiver i forbindelse med forvaltningen af turisttjenester.
Fra et turistperspektiv, SYSTEM-TH-001 tilbyder forskellige turisttjenester, der er i overensstemmelse med præferencer og karakteristika. For brugere af rejseagenten model profil, dette system tilbyder bedste service med henblik på customer-leverede præferencer og tidligere performance ratings. Og... SYSTEM-TH-001 indeholder en ekstremt ny funktionalitet for en pyme, dette er evnen til at vælge de kunder, der har mere tilbøjelighed til at købe på et tidspunkt, og som giver rejsebureauer have deres arbejdsplan prioriteter fastsat samt samtidig oprette nødvendige foranstaltninger i hvert enkelt tilfælde.
Systemet er drevet af en række informationskilder, der giver den nødvendige viden, såsom: tilgængelighed og pris for flyvninger eller hoteller.
Følgende afsnit forklarer arkitekturen i denne ramme SYSTEM-TH-001 overveje forskellige moduler og fokusere på de processer, der dækker deres funktionalitet.
Figur 3.1: Rammens arkitektur SYSTEM-TH-001.
3.2.3 Generel arkitektur og moduler
Rammens arkitektur SYSTEM-TH-001 Det består af fem forskellige moduler: Information Gatheer, Turistservice manager og Kundestyring. Disse moduler suppleres med to videndatabaser, der gør det muligt for dem at gemme disse oplysninger: Leverandørerne ved hvordan og Turisttjenester færdigheder (se fig. 3.1 ). Disse moduler er i stand til at udføre disse tre grundlæggende processer: salg af turisttjenester, kundefeedback og informationsopdatering.
Vedligeholdelsesmanagermodulet fungerer som et centralt punkt for vedligeholdelse af informationer og fælles parametre, som anvendes af de andre SYSTEM-TH-001. Typisk er nogle eksempler på vedligeholdelse af informationer relateret til ændringer i turistressourcer (f.eks. hotelnavn og nye tjenesteudbydere eller lukning af arrangementer). Det er nødvendigt med en kortlægningskapacitet for den samme turistservice hos forskellige udbydere for at lette systemproduktionen med et interval og priser. Til dem anvendes modulet Information Gatherer til at gennemføre disse handlinger (se fig. 3.2 ).
Informationsgatheer-modulet indsamler oplysninger fra det virtuelle marked for turisme. Markedet er baseret på informationsudveksling mellem udbydere og forbrugere gennem brug af XML- eller JSON-teknologier. Dette modul henter oplysninger af to typer, statisk og dynamisk. Den første er ikke ofte ændret, da navn og beskrivelse af disse produkter er relevante for dem. Den anden ændrer sig flere gange dagligt. Typisk nogle oplysninger om denne type data er hoteludlejning eller priser. Alle disse oplysninger gemmes i viden om informationsleverandører. Det er vigtigt at angive, at nogle af disse oplysninger ikke kan lagres, fordi de er kontraktmæssige med udbyderne og kun er blevet forbrugt af
Figur 3.2: En vision af vedligeholdelses-manageren og informationsgatheer modul.
Dette modul på en passiv måde.
Den Repository Leverandører viden har det vigtigste mål at styre oplysninger indhentet fra udbydere. Bemærk, at disse oplysninger indlæses manuelt i lageret af et menneske. Systemet bruger alle disse oplysninger til at komme med anbefalinger på en automatiseret måde. Den visuelle grænseflade SYSTEM-TH-001 giver flere grafiske assistenter, der helt sikkert også hjælpe brugeren med at fuldføre sine opgaver,
Tourist Service Manager modulet er dedikeret til at risikere potentielle klientmuligheder og generere brugerdefinerede tilbud for bedste anbefalinger (se Fig. 3.3 ). Disse anbefalinger er baseret på beregninger foretaget for at få de bedste turistressourcer til en operation, bestilt af renter. Hver type turist ressource er grupperet efter en kategori. Transport-, fly- og kollektiv transport (f.eks. tog eller busser) samt biludlejning er omfattet. I kategorien af indkvartering, hoteller og lignende steder er de taget i betragtning. Endelig er de klassificeret eller medtaget i kategorien ekstramateriale, excision og forsikring.
Det udtryk, der giver de bedste turistressourcer til at oprette en komplet turisme service (TS) er beskrevet som følger:
TS = max k) { 1 A) 124, E ( 12 og 3 ] TS k = X
C ∞ {T, A} θS ( 3.1 )
hvor T er transport, Til boliger og E er statister. Kommissionens forslag er blevet fremsat med henblik på at overvåge og evaluere produktionen af nye teknologier. 0 a 1 for at angive relevans. Bemærk, at summen af pesos skal 1. S koreC er derefter middelværdien af R og N-værdier.
at vælge en tjenestes turistressourcer. S koreC j defineres som følger:
S koreC j = wEC u, g · f og e) 3.2 )
hvor j { 1,.). 124 og C p845 er blevet omtalt som afsnit 3 af denne forordning, men er i øjeblikket i kraft efter 1 Januar 2012 med følgende oplysninger: De værdier, der er angivet af w, er vægtene af delbidrag til følgelig defineret global score.
Elementet f C u, j er de foretrukne variabler og udtrykkes som følger:
N X
f C u, j = 1
g
i primerredC j, I ( 3.3 )
hvor du foretrækker C j, i er en værdi ∞ [ 0, 1 ] indikerer feedback fra kunderne på grundlag af tidligere erfaringer. Desuden er f C eller j gennemsnitsværdien af kundernes meninger.
For punkt f T og j afhænger dette af de pågældende kategorier (N):
f T e, j = wt quality · qualityTJ + lt 's stopoms.topotesight JN og WL tid 3.4 )
f A e, j = wa kvalitet · qualityA. J. + WA.location N. 3.5 )
f E e, j = WE quality · qualityY J + HE tilgængelighed N fleksibilitet og JM) tjenester EN serviceA 3.6 )
I hver kategori tages der hensyn til et sæt foranstaltninger med værdier [ 0, 1 ]. For kategorien Transport: kvalitetsforanstaltninger transportydelser, stop er antallet af potentielle stop og tid vil måle, hvor snart vi kommer til vores destination. I kategorien Bolig: Kvalitet måler, hvor høj en bolig er, med sin placering udtrykt i forhold til et turistområde og oplysninger om deres serviceniveau. Endelig for kategori Extras: kvalitetsforanstaltninger en ekstra og fleksibilitet betyder, at de til tider har kapacitet til at reservere med deres metoder. Det skal bemærkes, at foranstaltningerne vægtes med w pesos med et beløb på 1 for hver kategori.
Gennem aktioner for hver kategori forsøger systemet at håndtere udfordringer, der er centrale med en rejse:
HVORDAN: ved at definere en ressources kvalitet eller niveau.
MELDO: ved at klassificere den tid, der er nødvendig for at nå din destination.
HVOR: ved at klassificere stedet og dets omgivelser.
HVAD: ved at klassificere accept af en ekstra udvej som, hvad det tilbyder.
HVORFOR: definerer det sæt af ekstra og sikkerhed, der tilbydes af en klage.
Modulet er ansvarlig for filtrering kunder, som de foreslår at fuldføre deres køb. En algoritme, der anslår tilbøjeligheden til at købe, vil blive opkrævet for fastsættelsen af denne klassifikation. At algoritme bruger klassiske score behandling teknikker og to forskellige ML metoder i en Two- Layer arkitektur til at kategorisere kunder i fem grupper i overensstemmelse med deres booking sandsynlighed. Flere detaljer om denne proces vil blive forelagt senere.
Modulet indeholder tre komponenter: rejsearrangøren, vores tour service filter og din brugerdefinerede feedback samler. Den første omfatter et MAS til at fordele arbejdsbyrden og få beslutningstagningsopgaver delt. Den anden er ansvarlig for filtrering ressourcer i henhold til peticioines foretaget af kunder og hans tredje forvalter efterfølgende feedback.
I forbindelse med MAS kan det udføre opgaver i forbindelse med ML-metoder ved hjælp af en bio- og antiguer- inspireret struktur, der også omfatter en gammel dronning. Agenten regerer de forskellige opgaver blandt sine soldater og opbygger deres endelige resultat. Soldaterne organiserer deres andragender og bruger dem til at løse problemet. Denne arkitektur af intelligente agenter er interesseret, fordi det giver mulighed for at gennemføre lastafbalancering foranstaltninger. Disse foranstaltninger består i at skabe nyt og fuldstændigt personale eller myrer til at forbedre systemets kapacitet. Yderligere oplysninger om MAS vil blive givet i de følgende afsnit.
The Repository Tourist Services videnskaber gemmer oplysninger om turistserviceaftaler med henblik på efterfølgende høring og ændring af rejsebureauer. Disse oplysninger er underlagt de ledelsesbeslutninger og konfigurationer, der er truffet i The Tourist Service Manager modulet. Det tjener som vejledning i komposions eller autogenererende turisttjenesters processer. Der tages også hensyn til tilbagemeldinger fra kunder, når tjenesten er afsluttet.
Figur 3.3 Modul vision: Turistservice manager, Rejseagent ledere og Kundestyring.
Kundehåndterings modulet har som sin vigtigste funktionalitet til at hjælpe kunderne med at udføre de opgaver, der er nødvendige for at skabe real-time turistservice. Dette modul kommunikerer med Turistservice viden og Leverandører know-hvordan datalagre gennem The Tourism service manager til at udføre kompositioner af forskellige elementer, der udgør en turist pleje. Tjenesteydelsen opbevares til efterfølgende verifikation og godkendelse af et rejsebureau.
Travel Agent Manager modulet har til formål at tjene som et centralt internt forvaltningspunkt for operationer til at skabe turisme tjenester. Det driver også en gennemgang af klientskabte tjenester via Kundehåndterings modulet. Det er direkte forbundet til en grafisk grænseflade, så du kan få oplysninger om dine kunders ønsker. Disse anmodninger bruges til at rådføre sig med Turistservice viden og Leverandører Viden gennem Tourism Service Manager modul, og dermed få interessant turistpleje for brugerne. Modulet kan generere turisttjenester fra bunden ved at vælge forskellige muligheder. Bemærk, at den vigtigste forskel i dette modul med tidligere ligger i brugerens privilegium konfiguration (rejsebureauer har flere privilegier end kunder).
Den visuelle grænseflade giver forskellige muligheder i henhold til to perspektiver: rejsebureauets og hans eller hendes klients. I det første tilfælde understøtter visualisering at skabe rejser (f.eks. et komplet sæt af turisttjenester). En række grafiske assistenter forsøger at lindre kompleksiteten og designet, reducere klientens beslutninger gennem et begrænset sæt. Når kunden godkender, hvor meget rejseservice, de sendes til hans eller hendes Travel Agency for management: godkendelse og ændring. Der er blevet afholdt en række udvekslinger mellem kunden og hans eller hendes rejsebureau, indtil vores kunde har bekræftet dette.
Det er bekræftet af rejsebureauet. Når tjenesterne er blevet bekræftet og fuld betaling verificeret, vil der blive kørt en afsendelsesproces af al nødvendig dokumentation for at nyde dem. Denne dokumentation og den tilhørende lovgivning stilles også til rådighed for kunden i dennes private brugerområde til høring. For det andet er der tale om et rejsebureau og lignende funktioner. Ikke desto mindre har rejsebureauer et initiativ her og kan generere flere turisttjenester til kunderne. Flere detaljer om salgsprocesser er beskrevet i de næste afsnit.
3.2.4 algoritme til påvisning af potentielle kunder
Tourist Service Manager modulet indeholder en estimat algoritme for tilbøjelighed til at købe. Den kategoriserer potentielle kunder afhængigt af deres sandsynlighed for at lukke en turisttjenestes reserve. Denne algoritme giver høj værdi oplysninger til rejsebureauet og tillader Rejsebureauer at skelne mellem gode eller dårlige kunder (klienter, der endelig har booket dem). Den algoritme består af tre grundlæggende elementer: variabel transformation, klynge og klassificering. Det første element forbereder input til sandsynlighedsestimering udført ved hjælp af klynge og klassificeringsmetoder. Den anden post giver en indledende sandsynlighed for køb, og den sidste raffinerer det i nogle klynge. Den algoritme output kategoriserer potentielle kunder i henhold til fem grupper, svarende til deres omregningskurs (for eksempel den andel af kunder, der endelig reserverer en turistservice).
Det variable transformationselement element udføres af en Wight Of Evidence (WoE) Weed encoder 2005 ). Denne form for transformation og dens fordele er blevet undersøgt i kreditrisikomiljøet dybt Anderson ( 2007 ); Zdravevski et al. ( 2011 ). Det hjælper til at arbejde med kategoriske og numeriske data samtidigt, men kan også køre fra manglende oplysninger ved hjælp af en ekstra teknik. Traditionelt, WoE kodning bruges til at adskille dårlige fra gode kunder, og der passer perfekt med et estimat algoritme for tilbøjelighed til køb. Ligningen for WoE transformation er:
WE = In% non _ events
% hændelser ( 3.7 )
hvor værdien af begivenheder refererer til gode kunder, og hvordan bedste non event repræsenterer dårlige.
En af de mest interessante fordele ved WIE 's nuværende tilgang er, at variabler med alt for mange diskrete værdier omdannes til numeriske og vil blive bestilt i henhold til en monotont forhold med afhængig variabel
Figur 3.4: En bifasisk model til at vurdere sandsynligheden for en tilbøjelighed og reservere en lufthavnstjeneste.
Tit. WoE giver en numerisk variabel, der omgrupperer dette store antal diskrete værdier i en array og velbefolket kategorier, der udtrykker oplysninger for den nye kategori. En anden stor fordel, der kan opnås med den foreslåede løsning er, at WoE 's en standardiseret værdi. Den første giver mulighed for at bruge beslutningstræ (DT) algoritmer. Bemærk, at i en træbaseret algoritme dens forudsigelse potentiale med kategoriske variabler kan reduceres ved hjælp af for mange Friedman kategorier ( 2017 ). Den anden tillader at bruge distance-baseret algoritme som k- betyder gruppering algoritme, der kræver variabler med sammenlignelige værdier, fordi det bruger Mohamad og Usman eukliid ( 2013 ).
Den algoritme er en bifasisk model som og hvordan vist i figuren 3.4 første anvendelse gruppering ved hjælp af k- betyder at få tre klynger med forskellige omregningskurser (lav, regelmæssig og høj). Også for at få mere præcise resultater en DT klassifier virker på lave og høje klynger, for at opdele dem i lavere, men meget dårlig. Således den foreslåede algoritme giver fem produktionskategorier: meget lav og høj. Denne type output beregnes ved hjælp af på forhånd sandsynlighed fra tilbøjelighed til at købe pons et al. ( 1997 ) og tilbyder et fortolkningsresultat for et rejsebureau.
Modellens nøgle ligger i, hvordan variablerne er grupperet i to faser. I første fase, WIE transformation anvendes på et sæt variabler, der indeholder oplysninger om, hvem der er hans klient, og hvor han kommer fra. Nogle eksempler på disse variabler er: kontakt kanal (web, e-mail eller fysisk tilstedeværelse) og kort- til langsigtet køb, hvis rejsen vedrører en bestemt begivenhed. Med disse variabler, gruppering er udviklet til først at få tre grupper (lav og regelmæssig), der senere vil blive opdelt i de fem kategorier
planlagte slutninger. Så i anden fase, WIE transponder 's anvendes på en iboende variabel af hans rejse som antal og sted, der vil blive besøgt af dem. Bemærk, at WoE kodning bør anvendes uafhængigt til lav og høj sandsynlighed grupper, selv med den samme relaterede variabel som dem, fordi dens mål er at fange mønstre i henhold til for hver uafhængig gruppe. Endelig, to DT 's anvendes på lav og høj sandsynlighed klynger opdele disse grupper i to flere sæt hver med fem forskellige kategorier af buy- offs.
3.2.5 Multiagent Organization (MAS) bio- inspireret
Intelligente agenter er uafhængige enheder, der er blevet brugt af SYSTEM-TH-001 til håndtering af ML-metoder. De har etableret samarbejdsaktiviteter, der er organiseret gennem en MAS-arkitektur.
MAS-forslaget består af en myre, der involverer agenter, der spiller tre forskellige roller som myrer: dronningen, soldater og arbejdere (se fig. 3.5 ). Således er det organiseret efter en social struktur af bioinspirerede myrer. Dronningen (det er den administrerende agent) er ansvarlig for en antiguer, modtager ansøgninger til at analysere. Bemærk venligst, at flere ansøgninger kan sendes til denne agent. Den Realist agent derefter udnævner aktiviteten af evaluering elementer fra hans ansøgning til en soldat officer (det vil sige, en evaluator). Denne agent er ansvarlig for at give information til arbejdstagerne. Sidstnævnte procesinformation og anvender ML-metoder, der leveres af systemet. Bemærk, at der er en kopi af ML-modellen til rådighed for alle arbejdstagere. Når først de arbejdskraft agenter har afsluttet deres arbejde, de slutte sig til dem, hvis det er nødvendigt (beskytte og overvåge en medarbejder eller en gruppe af arbejdstagere), mens returnere hans resultat til ham.
Denne proces bygger på modellen Belief- Desiri- Attempted (BDI) De Silva et al. 2020 ) hvor hver agent har et mål eller en række af dem, der skal opfyldes for at fuldføre sin og hendes livscyklus. Med henblik herpå har dronningen et mål og en soldats mål om at vurdere hans oplysninger. Alle mål omfatter normalt tilknyttede opgaver, som er aktioner, der skal gennemføres. Intelligente agenter er blevet sat på plads med mindst én opgave, der gør det muligt for dem at nå deres mål. Disse opgaver udføres i et miljø, der deles af agenter, og dette omfatter muligheder for potentielle kunder. Hver intelligent agent har en mental status og dens processor eller manager, samt en række overbevisninger (motivationer). Dronningen har også en række regler og en opportunity- management plan, mens soldater på samme tid har nogle lignende standarder til at fordele viden om muligheder blandt arbejdstagere. - Nej.
Figur 3.5 Uddrag af de vigtigste enheder, der er involveret i myrer.
brego, arbejdstagere omfatter ML-modellen i deres mentale tilstand for at opnå information vurdering og en plan samt nogle enkle regler for organisering af dem. Endelig følger samspillet mellem individer den hierarkiske struktur, der hovedsagelig består af direkte samtaler. Bemærk, at i dette tilfælde, arbejdstagere ikke behøver at engagere sig med andre medarbejdere, da de løser deres engagement individuelt efter ordrer fra soldaten.
Udformningen af den konkrete model er blevet behandlet gennem en agentmetodologi. SOFTWARE-TH-001. Resultatet er blevet ændret for at opfylde MESA 's rammer. Agentens samtaler og interaktioner er blevet gennemført efter standarder ORG-TH-006 ( ORG-TH-006 ) Melo et al. ( 2019 ).
3.2.6 Processer i det interne system
Arbejdsrammen for SYSTEM-TH-001 præsenterer tre hovedprocesser i overensstemmelse med dens arkitektur. Den første proces omfatter de forskellige tiltag, som både rejsebureauet og kunden har gennemført indtil et reelt salg af en turistservice. Den anden proces henviser til opgaven med feedback. Endelig indeholder den tredje proces skridt til at opdatere oplysninger om priser og tjenester.
Figur 3.6: Tilbuds- og salgsprocesserne i forbindelse med en tjenesteydelse til levering af tjenesteydelser inden for turisme.
andre oplysninger, hvis det er relevant.
Processen med at sælge en turistservice omfatter et array og de fleste har været fælles for begge slutbrugere (det er, rejsebureau eller klient). Det sker, fordi begge roller interagerede flere gange under processen (se Fig. 3.6 ). I første omgang slutbrugere logge ind i systemet. Hvis brugerne allerede er kunder, kan de ansøge om en bestemt turistservice og sende dem til rejsebureauet. Men hvis brugerne er rejsebureauer, kan de tage initiativet (kunder har været fysisk sammen med dem) eller reagere på potentielle anmodninger fra kunder tidligere. Derefter systemet analyserer
Figur 3.7: Informationsopdateringsprocessen baseret på kundefeedback.
kunder til at beslutte, om de er egnede til salg eller ej. Hvis de er egnede, prioriterer rejsebureauerne deres efterspørgsel. Hvis kunderne reagerede på reaktionen fra rejsebureauer, og en af deres turisttjenester interesserede dem, vil dette system afslutte sin procedure for at sende dokument med transaktionsoplysninger om turistservice. Ikke desto mindre, hvis kunderne ikke var i stand til at reagere med de turisttjenester, der kræves af rejsebureauer. I dette tilfælde er sagen afsluttet. Desuden kan kunderne være utilfredse med tilbud fra rejsebureauet og bliver nødt til at generere nye tjenester, der opfylder deres ønsker.
feedback processen følger en række trin, hvor kunder indtaster kommentarer om en tidligere købt og afsluttet turist service (se Fig. 3.7 ). Det er en enkel og valgfri proces, der kun udføres af kunder, hvor deres meninger er gemt i systemet. De oplysninger, de giver, bruges til at optimere anbefalingerne i SYSTEM-TH-001.
Informationsopdateringsprocessen er typisk vedligeholdelsesarbejde i systemet. Den ændrer hovedsagelig den viden, der er lagret i begge datalagre: Leverandører færdigheder og turisttjenester ved hvordan. Denne opgave bør udføres dagligt for at holde rammen ajour med dato SYSTEM-TH-001. Ikke desto mindre, mens en manuel proces systemet giver automatiserede trin til at styre handlinger og forenkle arbejdet med en administrator. Bemærk venligst, at administratoren ikke betragtes som slutbruger af dit system (se fig. 3.6 ),
3.3 Eksperimenter
De fleste forsøg, i det mindste dem, der er mest relevante for validering som en løsning for ydeevne, er vist i dette afsnit. SYSTEM-TH-001 3 Forsøg er inkluderet i de faktiske miljøer. COMPANY-002 1 blev rejsebureauet udvalgt til at udføre sine eksperimenter. Bemærk venligst, at dette er den første virksomhed, der er blevet sat i produktion, når udviklingsfasen er afsluttet.
MAS, der indgår i systemet, tilbyder en grundlæggende konfiguration tilpasset hans eller hendes behov. Disse behov er tidligere blevet afprøvet ved at justere parametrene før disse eksperimenter. MAS består således af to myrer med fem soldater og ti arbejdere.
Det første forsøg omfatter konfigurationen af parametre og systemindstilling. Desuden forelægges der en grundlæggende test til vurdering af systemtilfredsheden mellem rejsebureauer og kunder i overensstemmelse med anbefalingerne. Det andet forsøg beskriver ydeevnen af potentielle klient detektionsalgoritme. En sammenligning med andre former for kunststatus er inkluderet. Det tredje eksperiment evaluerer systemets ydeevne, når det er blevet indført i rejsebureauet. Sammenligninger mellem rejsebureauernes ydelser behandles ved hjælp af og uden rammerne SYSTEM-TH-001. Dette forhold illustrerede relevansen af et system, mens det forvaltede et rejsebureau.
3.3.1 Parameterindstilling og indledende systemvalidering
Det første forsøg omfatter et sæt skridt til at vise, hvordan det foreslåede system fungerer. For det første er der rammeparametrene. SYSTEM-TH-001 er blevet oprettet med henblik på at udarbejde anbefalinger om turistservice for kunder og rejsebureauer. Disse værdier blev oplyst af 3 eksperter i et udvalgt rejsebureau (dvs. personer med ansvar for hans virksomhed). Så... 10 kunder (samtidig med at de bevarer deres anonymitet) og 3 Virksomhedens rejsebureauer (det vil sige nogle af dens ansatte) vurderede de anbefalinger, der blev opnået for deres specifikke turistønsker. Endelig gav disse aktører feedback om systemets ydeevne og deres tilfredshed med de opnåede resultater. Denne tilfredshed er blevet målt ved hjælp af en analytisk visuel skala af Tilfredshed (MSA) Lynsky et al. 2021 ). At AVS var inkluderet i et anonymt dokument. Resultatet af AVS blev en række fra 0 a 1 for at få den resulterende mening.
1 [LINK-REDACTED]
Rol Satis VAS Agent A 0,85 Agent B 0,93 Agent C 0,73 Middel ± S.D. 0.84 ± 0.10
Tabel 3.1: Værdi af tilfredshed fra rejsebureauer.
Rol Satis VAS Kunde 1 0,71 Kunde 2 0,62 Kunde 3 0,89 Kunde 4 0,76 Kunde 5 0,95 Kunde 6 0,58 Kunde 7 0,78 Kunde 8 0,69 Kunde 9 0,92 Kunde 10 0,76 middelværdi ± D.E. 0.77 ± 0.12
Tabel 3.2: Værdi af tilfredshed fra kunder.
De opstillede parametre (se afsnit) 3.2.3 ), besluttede rejsebureauets eksperter følgende værdier for dem. Ved θT. ÇA og ΔE er værdierne sat til 0,3, 0,45 og 0,25 Det er derfor nødvendigt at foretage en vurdering af virkningerne på miljøet. Denne beslutning var begrundet i den antagelse, at kunderne tillægger indkvartering og beliggenhed større betydning end andre turistfunktioner. Og så, wC u og j y.g. 0,4 og 0,6 der giver moderat relevans for tidligere kunders bemærkninger. Vægten af elementerne i hver kategori (transport, indkvartering og ekstraudstyr) er fastsat. For transportkategori, WT kvalitet og Wt stopovers er oprettet på 0,3, 0,1, 0,2 og 0,4 Det er derfor nødvendigt at foretage en vurdering af virkningerne på miljøet. Denne beslutning var begrundet i den antagelse, at brugerne ofte betragter transportpriserne som meget vigtige ud over deres andre kendetegn. For den kategori af indkvartering, WA kvalitet og placering er blevet oprettet på 0,35, 0,25, 0,15 og 0,25 Det er derfor nødvendigt at foretage en vurdering af virkningerne på miljøet. Disse værdier afspejler en antagelse om, at brugerne ofte betragter deres gidsels pris og kvalitet som relevant, medmindre deres placering eller tjenester også er meget vigtige. For kategorien af statister, WE kvalitet og WE fleksibilitet. 0,45, 0,15, 0,15 og 0,25 Det er derfor nødvendigt at foretage en vurdering af virkningerne på miljøet. Denne beslutning starter med den forudsætning, at brugerne lægger større vægt på priser og kvalitet af stativer.
Når systemparametrene er helt indstillet, anmoder de tre rejsebureauer om at SYSTEM-TH-001 For at få anbefalinger i henhold til dine præferencer. Disse præferencer blev valgt som heterogene for at validere systemet gennem en bred vifte af muligheder.
Kunderne gav derefter tegn på, at systemet i øjeblikket blev hjulpet af rejsebureauer til at løse potentielle problemer med, hvordan de opererede. Rejsebureauer gav også brugerne de bedste system- opnåede indstillinger. Hvis en kunde var enig med en af de tilbudte turisttjenester, afsluttede hans eller hendes system sin tilsvarende bookingproces.
Endelig blev et anonymt dokument med AVS fremsendt til deltagerne. Resultaterne er vist i tabellen 3.1 og i tabellen 3.2. Den gennemsnitlige tilfredshed af rejsebureauer var 0,84 Mens det gennemsnitlige antal kunder var 0,77. I begge tilfælde blev der opnået tilsvarende standardafvigelser. Således var systemets samlede gennemsnitlige tilfredshed 0, 80 ± 0, 11.
Afslutningsvis kan vi sige, at resultatet er ganske acceptabelt fra begge sider (kunder og rejsebureauer). Også kunderne er mere presserende og krævende end rejsebureauer i at evaluere tilfredsheden af anbefalinger fra deres arbejdsramme SYSTEM-TH-001.
3.3.2 Validering af estimeringsalgoritmen fra tilbøjelighed til køb.
Dette eksperiment omhandler udførelsen af en estimat model til at foreslå køb (bi- fase). Forslaget sammenligner med den mest typiske Sen et al. ( 2020 ); González et al. ( 2020 ): Random Forest (RF og Gradient Boosting, K- Nærmeste nabo.
COMPANY-002 har tilvejebragt datasættet til udvikling af dette eksperiment. Indeholder ca. 104 med en oprindelig omregningskurs på 14 % Det vil sige, den procentdel af kunder, der endelig har købt deres turist service (det vil sige data er ubalancerede).Hver instans omfatter en variation og mangfoldighed med oplysninger om kontakt datasæt. I dette særlige tilfælde foreligger der mere præcise oplysninger om dataene som følge af fortroligheden. Alle valgte algoritmer er uddannet med 80 % og testes med 20 % Det er der stadig. Denne opdeling udføres med stratificeret prøveudtagning. Hyperparametrene for ML alternativer vælges ved 10 -fold.cross.- validering. Output af hver algoritme præsenteres i fem kategorier, der tager sig af sandsynlighedsfordeling
RF GB KNN LR Bi- stage
model freq. c.rate frq.tit
Tog
lav 75.0 0.0 74.2 5.8 0.0 100.0 72.5 11.5 16.6 1.7 lav 9.9 0.0 10.3 25.2 54.2 0.0 9.0 17.8 17.1 5.1 almindelig 9.9 89.1 10.3 34.5 29.8 20.6 13.2 19.6 44.7 10.9 høj 3.9 100.0 4.1 63.4 11.9 42.2 4.2 26.7 15.8 32.8 Meget høj 1.2 100.0 1.0 87.3 4.1 100.0 1.1 28.2 5.9 48.0
Prøvning
lav 57.5 4.9 73.6 7.0 0.0 - 72.3 6.7 17.0 2.5 lav 17.1 16.5 10.0 25.0 75.2 7.5 2.0 25.0 17.0 6.7 almindelig 25.2 30.9 9.8 28.8 17.4 26.7 5.8 22.9 46.1 10.2 høj 0.0 - 4.8 41.4 5.3 40.6 7.3 34.1 14.6 34.2 Meget høj 0.2 100.0 1.8 63.6 2.0 58.3 12.6 35.5 5.4 51.5
Tabel 3.3: Performance of ML classification algoritmer with relative frequency (frq.) udtrykt som en procentdel om den generelle total og omregningskurs for hver kategori
fra træningssættet. Ydeevnen måles i forhold til omregningskursen og den relative hyppighed for hver enkelt klassifikationsgruppe udtrykt som en procentdel af det samlede tal. Den prognostiske effekt vurderes ved at kontrollere omregningskursen i forskellige grupper, og hyppigheden giver en gruppes betydning. Endelig evalueres og konformeres uddannelsens potentielle overlejringer med en udført testkonsol.
Resultaterne er vist i tabellen 3.3. RF har et dårligt match mellem træning og test både ved frekvenser som med omregningskurser. Faktisk har en gruppe ikke repræsentation i testdatasættet. KNN har en lignende adfærd på træning og test sæt med forskelle fra 21 %. I denne situation er der ingen mening i at evaluere andre præstationsforanstaltninger. GB har en generelt god matchning mellem uddannelse og test instanser, med undtagelse af omregningskurser for høje eller meget lave kategorier, der har forskelle mere end 20 %. Disse forskelle betyder, som med RF og KNN), at det ikke giver nogen mening at evaluere de andre elementer i vurderingen. LR har den bedste samtidige mellem træning og test, både i frekvens som med omregningskurser. Fordelingen af data er høj og ubalanceret i alle kategorier, hvor den lave sandsynlighedsgruppe omfatter mere end 70 % information. Desuden har de fem kategorier ikke tilstrækkelig afstand mellem dem ved afslutningen af deres omregningskurs. 2 % I nogle tilfælde gør det det vanskeligt at skelne mellem snævre grupper. I sidste ende har den foreslåede bistage model en fremragende matchning mellem træning og test tilfælde med en maksimal afvigelse fra 3 %. Datafordelingen er den mest afbalancerede af gennemprøvede modeller, hvor regelmæssig kategori med 45 % data og den meget høje mindst tæt med 6 % oplysninger om uddannelse og 46 % og 5 % for testsættet. Sandsynlighedskategorierne er helt forskellige med fem sandsynlighedsværdier.
Traditionelle innovatorer Services n Time c.rate Re.g.
Web
N Kyster 20 3.2 15.0 2 20 2.9 25.0 3 N Øerne 20 5.2 10.0 2 20 4.8 15.0 3 Dubai 16 10.1 6.3 1 16 9.6 12.5 2 Safaries 12 11.2 16.7 1 12 10.7 16.7 2
Andre varer
N Kyster 8 4.2 37.5 1 8 2.7 50.0 2 N Øerne 8 5.7 25.0 0 8 3.0 37.5 1 Dubai 4 12.0 25.0 1 4 8.0 50.0 1 Safaries 4 12.5 25.0 0 4 9.0 25.0 1
Tabel 3.4: Opfat de resultater, der er opnået for traditionelle og innovative grupper med hensyn til hver enkelt turistservice. N 's er, hvor mange potentielle kunder er blevet fundet i hver pleje eller gruppe Tiden er den gennemsnitlige (i timer), at hvert rejsebureau passerer ved at behandle hans eller hendes turistservice, indtil det er accepteret og udelukket. Omregningskursen og antallet af henstillinger (Rec.) præsenteres
og er gyldig i testdatasættet med minimale afvigelser.
Det udførte forsøg viser, at dette særlige problem kræver en ad hoc-tilgang som f.eks. den foreslåede model i bistage. Denne løsning var hensigtsmæssig for at løse problemet med tilbøjelighed til køb, som COMPANY-002. Bistage modellen klassificerer bedst i forskellige sandsynlighedskategorier med afbalancerede frekvenser. Det giver også det bedste match mellem træning og afprøvning, hvilket sikrer fravær af overlejringer. I henhold til præstationskravene tjener den foreslåede metode således bedre som en lastegenerationsklassifikator for dagens mål.
3.3.3 Evaluering af fuldstændig systemeffektivitet
I dette eksperiment kan vi kontrollere effektiviteten af SYSTEM-TH-001 I en virkelig situation. Justering af systemet med parameterkonfiguration er blevet opretholdt, og de er forblevet på første trin.
Eksperimentet starter ved at organisere tilfældigt og proportionalt med potentielle kunder af 184 i to grupper: Traditionelle og innovatorer, at foretage sammenligninger mellem dem. De søger alle den samme type turistservice: National Coast, nationale lande og Dubai- Maldiverne. Også web og andre kanaler kaldes telefonopkald med familie anbefalinger eller face- pleje besøg på rejsebureauet. Det skal bemærkes, at disse tjenester dækker en række særlige former for turistpleje.
Den traditionelle gruppe består af 92 kunder, der er blevet passet, mens den traditionelle måde, som vores virksomhed blev brugt på (dvs. uden rammestøtte)
SYSTEM-TH-001 ). På den anden side er innovatorer blevet dannet af 92 kunder, der var omsorgsfulde for at bruge rammen SYSTEM-TH-001 at udføre brugernes anmodninger og indstillingerne fra et rejsebureau. Begge grupper arbejdede sammen med det samme rejsebureau for at minimere potentielle ændringer i resultaterne.
Eksperimentet omfatter tre hovedvariabler: den gennemsnitlige tid (i timer), som hver enkelt agent har til at behandle sin turistservice, der tilbydes med kunder, omregningskurs og antal anbefalinger. Disse resultater er præsenteret i tabellen 3.4 for begge grupper.
For den traditionelle gruppe viser resultaterne, at en gennemsnitlig tid til at forvalte tjenester er lavere på nationale destinationer. Det betyder, at kunderne er mere krævende, når deres rejsemål ikke er i det samme land. Omregningskursen svinger på web-kanalen med lav værdi for Dubai- Maldiverne service (dvs. kun nogle få kunder fuldføre deres køb), mens Safaris og National Coast har høj procentdel. Der er fremsat i alt en række henstillinger 8 for denne gruppe.
For innovatorerne har Dubai- Maldiverne sin laveste konverteringsrate, og de nationale Kyster har sit højeste på web-kanaler. Der er konstateret betydelige forskelle med hensyn til antallet af timer, der bruges, og med hensyn til anbefalinger samt med hensyn til en omregningskurs mellem traditionelle eller innovative. Systemet havde været en acceptabel stigning i omregningskursen, en betydelig nedsættelse af arbejdstiden og flere anbefalinger. I alt 15 af anbefalinger til Innovatorgruppen. Ændringerne i omregningskursen og antallet af dedikerede timer er motiveret af tilbøjeligheden til at købe estimatalgoritme. Han tillod at vælge de bedste kunder til rejsebureauet, og hans kunder med mindre interesse i at købe dem er blevet udelukket. Desuden kunne visuelle oplysninger fra systemet og præcise anbefalinger også have været lettere for kunderne at acceptere deres turistservice.
SYSTEM-TH-001 har vist, at det fungerer perfekt med de daglige problemer i et rejseselskab. Det kan også øge den omregningskurs, der omsætter til fordele for vores virksomhed og reducere deres antal timer, indtil kunderne accepterer eller kasserer forskellige muligheder for en bestemt turistservice. Denne kendsgerning betyder mindre stressende situationer for medarbejderne og mere smidighed i bookingprocessen.
3.4 Konklusioner
Kapitlet om styring af turisttjenester gennem kundesøgning ved hjælp af en bioinspireret agentarkitektur konkluderer, at rammen SYSTEM-TH-001 Det er en innovativ og effektiv løsning for digital transformation i turistsektoren. Systemet kombinerer avancerede værktøjer til kunstig intelligens og en bioinspireret tilgang til at optimere samspillet mellem rejsebureauer og kunder. Gennem sin modulære arkitektur, SYSTEM-TH-001 letter indsamling, behandling og ajourføring af relevante oplysninger ved at forbedre både effektiviteten og de præcise anbefalinger.
Analyser af eksperimenter udført på COMPANY-002 viste, at SYSTEM-TH-001 opvejer traditionelle metoder og standardalgoritmer i form af konverteringsrate, kundetilfredshed eller kortere pasningstider. Biscenen model, integreret i rammen og understregede sin evne til at forudsige tilbøjelighed til køb med høj præcision gør det muligt for agenter at prioritere kunderne bedst potentiale.
Gennemførelsen af et bioinspireret multiagentsystem øgede fleksibilitet og skalerbarhed, hvilket sikrede en effektiv belastningsbalance med realtidsreaktionskapacitet. I øvrigt er den dobbelte fremgangsmåde, der blev anvendt i forbindelse med SYSTEM-TH-001 Det gavner både agenter og kunder, styrker deres potentiale som et centralt redskab til at håndtere nutidens udfordringer i turistsektoren med sin status som en innovationsstandard.