jean luo1. 项目背景与核心价值
这个旅游行程规划系统本质上解决的是个性化需求与标准化产品之间的矛盾。传统旅行社的固定路线套餐越来越难以满足当代游客，特别是年轻群体的需求。根据我过去参与过的几个旅游科技项目经验，真正好用的行程规划工具需要同时具备三个特性：智能算法推荐、高度可定制化、操作门槛足够低。
市面上现有的行程规划工具主要分两类：一类是OTA平台附带的简单路线组合功能，另一类是专业级行程管理软件。前者灵活性不足，后者学习成本太高。而这个毕业设计项目正好找到了一个平衡点——通过合理的算法设计降低用户操作难度，同时保留足够的自定义空间。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计解析
2.1 技术栈选型考量
后端采用Spring Boot不是偶然选择。在对比过Node.js和Django之后，Spring Boot在以下方面具有明显优势：
- 完善的生态体系（Spring Data JPA处理数据库交互）
- 内置的缓存机制（应对景点数据高频查询）
- 成熟的权限管理框架（Shiro或Spring Security）
数据库选型方面，MySQL 8.0的JSON类型支持特别关键。行程规划中用户的个性化偏好（如"不喜欢爬山""必须包含博物馆"）非常适合用JSON格式存储，既避免设计复杂的关联表，又便于后续的算法处理。
2.2 核心模块分解
系统主要包含5个核心模块：
- 用户画像模块：通过问卷+行为分析建立用户标签体系
- 景点知识图谱：包含300+维度的景点属性数据库
- 路线生成引擎：基于约束满足问题(CSP)的算法实现
- 实时调整系统：采用遗传算法进行动态优化
- 导出分享系统：支持PDF/Excel/图片多种格式
特别提醒：知识图谱的构建需要特别注意数据来源的合法性，建议使用官方景区API或授权数据，避免版权风险。
3. 关键算法实现细节
3.1 个性化推荐算法
核心算法流程如下：
java复制public List<Attraction> generateRoute(UserPreference pref) {
// 第一步：基于用户标签初筛景点池
List<Attraction> candidatePool = filterByTags(pref);
// 第二步：应