2024 年华数杯全国大学生数学建模竞赛题目 C 题 老外游中国完整文章 思路 源代码 模型 结果分享

最近，“city不 city”"这一网络流行语在外国网红的推动下备受关注。随着我国过境免签政策的落实，越来越多外国游客来到中因，通过网络平台展示他们在华旅行的见闻，这不仅推动了中国旅游业的发展，更是在国际舞台上展现了一个
真实而生动的中国，一举多得。假设外因游客入境后能在中国境内逗留144小时，且能从任一城市附近的机场出境。由于每个城市景点较多，为了便于外因游客能够游览到更多的城市，现假定“每个城市只选择一个评分最高的景点游玩”，称之为“城市最佳景点游览原则”。
现有一个包含中国(不含港澳台)352个城市的旅游景点的数据集，每个城市的 csv 文件中有 100个景点，每个景点的信息包含有景点名称、网址、地址、景点介绍、开放时间、图片网址、景点评分、建议游玩时长、建议游玩季节、门票信息、小贴士等。
请建立数学模型，回答下列问题:
问题1 请间 352 个城市中所有35200个景点评分的最高分(Best Score，简称 BS)是多少?全因有多少个景点获评了这个最高评分(BS)?获评了这个最高评分(BS)景点最多的城市有哪些?依据拥有最高评分(BS)景点数量的多少排序，列出前10 个城市。

1. 问题描述

我们需要在352个城市中寻找景点评分的最高分(Best Score, 简称BS)，并统计获得这个最高评分的景点数量，最后找出拥有最高评分景点最多的前10个城市。由于数据中存在空值和地址格式不一致的问题，需要进行适当的数据清洗和处理。

2. 数据预处理

为了确保数据的准确性和有效性，我们首先进行数据预处理。数据预处理包括以下步骤：

移除无效评分和缺失评分的行：对于评分列中的非数值字符，我们将其转换为缺失值，然后移除这些行。

清理地址字段：由于地址字段中可能包含多余的空格、换行符和无效字符，需要对其进行清理以便后续提取城市名称。

3. 评分数据处理

我们将评分列转换为数值类型，并计算数据集中评分的最大值，即最高评分（Best Score, BS）。记为：

4. 景点数量统计

统计获得最高评分的景点数量，记为：

5. 城市名称提取

从地址字段中提取城市名称。我们定义一个函数 clean_city(address)来清理地址并提取城市名称。具体步骤如下：

使用 re.sub 去除地址中的多余空格和换行符。

尝试匹配“省”后的城市名称，若成功匹配则返回该城市名称。

尝试匹配“自治区”后的城市名称，若成功匹配则返回该城市名称。

尝试直接匹配城市名称，若成功匹配则返回该城市名称。

若上述匹配均失败，则返回“未知”。

清理后的城市名称记为：

6. 排除无效城市

为了确保结果的准确性，我们将标记为“未知”的城市排除在外。记为清理后的数据集：

7. 统计各城市的最高评分景点数量

在清理后的数据集中，统计每个城市中获得最高评分的景点数量。记为：

8. 排序并找出前10个城市

对统计结果按景点数量进行降序排序，取前10个城市。记为：

求解结果如下：

问题2 假如外因游客遵循“城市最佳景点游览原则”，结合城市规模、环境环保、人文底蕴、交通便利，以及气候、美食等因素，请你对 352个城市进行综合评价，选出“最令外国游客向往的 50个城市”。

1. 问题描述

假如外国游客遵循“城市最佳景点游览原则”，我们需要综合评价352个城市，并选出最令外国游客向往的50个城市。综合评价需要考虑以下因素：城市规模、环境环保、人文底蕴、交通便利、气候、美食等。

2. 数据准备与清理

为了确保数据的准确性和有效性，我们首先对数据进行清理和处理。现有的数据包含景点名称、链接、地址、介绍、开放时间、评分等字段。我们需要从地址字段中提取城市名称，并移除无效的评分数据。

3. 城市评分计算

基于现有的景点评分数据，我们将构建以下评分：

城市规模评分：假设城市景点数量与城市规模成正比。

环境环保评分：假设评分较高的景点更多集中在环境更好的城市。

人文底蕴评分：假设评分较高的景点更多集中在人文底蕴深厚的城市。

交通便利评分：假设评分较高的景点更多集中在交通便利的城市。

气候评分：假设评分较高的景点更多集中在气候宜人的城市。

美食评分：假设评分较高的景点更多集中在美食丰富的城市。

这些评分均假设与景点评分成正比，使用景点评分的平均值作为基准：

4. 数据标准化

为了使不同单位的指标进行比较，我们需要对数据进行标准化处理。我们采用Min-Max标准化方法，将每个指标缩放到0到1的范围内。

5. 综合评分计算

在获得标准化后的各个因素评分后，我们需要对每个城市的多个评分进行加权求和，计算综合评分。设定各个因素的权重为：

城市规模评分权重：0.2

环境环保评分权重：0.2

人文底蕴评分权重：0.2

交通便利评分权重：0.2

气候评分权重：0.1

美食评分权重：0.1

综合评分的计算公式为：

6. 排名与选择

根据综合评分对城市进行排序，选择综合评分前50的城市。

求解结果如下：

问题3 现有一名外国游客从广州入境，他想在144小时以内游玩尽可能多的城市，同时要求综合游玩体验最好，请你规划他的游玩路线。需要结合游客的要求给出具体的游玩路线，包括总花费时间，门票和交通的总费用以及可以游玩的景点数量。他的要求有:

遵循城市最佳景点游览原则;
城市之间的交通方式只选择高铁:
只在“最令外国游客向往的 50 个城市”中选择要游玩的城市。1. 问题描述

问题4 如果将问题3的游览目标改为:既要尽可能的游览更多的城市，又需要使门票和交通的总费用尽可能的少。请重新规划游玩路线，并给出门票和交通的总费用，总花费时间以及可以游玩的城市数量。

问题5 现有一名外国游客只想游览中国的山景，他乘飞机入境中国的城市不限。请你为他选择入境的机场和城市，并个性化定制他的144小时旅游路线既要尽可能的游览更多的山，又需要使门票和交通的总费用尽可能的少。需要结合游客的要求给出具体的游玩路线，包括总花费时间，门票和交通的总费用以及可以游玩的景点数量。他的要求有:
每个城市只游玩一座评分最高的山;
城市之间的交通方式只选择高铁:
旅游城市不局限于“最令外国游客向往的 50 个城市”，游览范围拓展到352 个城市。

成品文章内容：

基于数据驱动的中国旅游城市景点评分与优化游览路线研究

摘 要

随着全球化和信息技术的发展，中国旅游业迎来了新的机遇。本文旨在通过数据分析和模型建立，为外国游客提供高效深入的旅游体验，并为中国城市的旅游业发展提供参考。首先，本文通过构建景点评分数据集，对中国352个城市的旅游景点进行了综合评分和排名。针对问题一，我们建立了景点评分统计模型，解决了最高评分景点的识别问题，得到了评分分布和数量的结论。针对问题二，我们建立了城市综合评价模型，解决了如何评选出最令外国游客向往的城市问题，得到了综合评分靠前的城市列表。针对问题三，我们建立了旅游路线优化模型，解决了在时间限制下最大化旅游体验的问题，得到了详细的旅游路线规划。针对问题四，我们在问题三的基础上，建立了成本优化模型，解决了如何在控制成本的前提下游览更多城市的问题，得到了成本最小化的旅游路线。最后，针对问题五，我们建立了特定景点（山景）的旅游路线规划模型，解决了专注于特定景点类型的旅游路线设计问题，得到了个性化的旅游路线。本研究不仅为外国游客提供了实用的旅游路线，也为城市旅游业的发展和管理提供了数据支持和策略建议。

关键词：中国旅游；景点评分；路线优化；数据驱动模型；城市综合评价；旅游规划

共计1.5w字 60页

代码实现：