ItiNera是什么ItiNera 是港大和MIT联合开发的智能城市行程规划系统。基于大型语言模型（LLM）和空间优化技术，根据用户的个性化需求，如情侣酒吧、二次元圣地等，一键生成Citywalk路线。系统包含五大模块：用户兴趣点数据库构建、请求解析、偏好感知兴趣点检索、聚类感知空间优化和行程生成。ITINERA在多个城市数据集上训练，能提供实时更新的POI和活动信息，确保行程空间连贯且符合用户喜好，表现优于传统方法和直接使用LLM。
ItiNera的主要功能
个性化行程规划：根据用户输入的个性化需求，如特定地点、活动类型或主题，生成Citywalk路线。
实时动态信息：系统能够实时更新兴趣点（POI）和当前热门活动，确保行程的时效性。
空间智能优化：结合空间优化算法，确保生成的路线在地理空间上合理高效，避免绕路。
多样用户需求应对：灵活处理复杂和多样的用户需求，包括个性化偏好和特定条件。
结构化数据处理：通过请求解析模块，将用户的自然语言请求转换为结构化数据，以便更准确地理解和执行。ItiNera的技术原理
用户请求解析（Request Decomposition）：利用大型语言模型（LLMs）的自然语言处理能力，将用户的自然语言请求分解为多个独立的子请求。这些子请求被分类为正面（用户想要的）和负面（用户不想要的）要求，并进一步细分为特定地点请求和行程级别的请求。
用户拥有的POI数据库构建（User-owned POI Collection, UPC）：从社交媒体平台上的旅游内容中自动收集和构建用户兴趣点（POI）数据库。用户可以输入链接到旅游帖子，系统使用LLMs提取POIs及其描述，并整合这些信息到用户拥有的POI数据库中。
POI检索（POI Retrieval, PR）：使用嵌入模型根据用户的正负偏好编码请求，并检索与正面偏好最相关的POIs。通过计算正面和负面偏好嵌入与预先计算的POI嵌入的相似度分数，重新排序检索到的POIs。
空间优化（Spatial Optimization, SO）：通过分层旅行商问题（Hierarchical Traveling Salesman Problem, TSP）来解决空间聚类和候选POIs的选择。首先计算检索到的POIs的空间聚类，然后根据地理邻近度和匹配分数选择候选POIs。
行程生成（Itinerary Generation, IG）：结合空间优化模块选择的有序候选POI集合和多种约束，使用LLM生成既符合用户请求又空间合理的旅行路线及相关描述。
评估和反馈：设计了一系列基于规则的评估指标（如POI召回率、总路程与理论最短路径的差值、路线中的交叉点个数、未知POI比例）和基于GPT的评估指标（如POI质量、行程质量、匹配度）来评估生成的行程。
在线部署和用户反馈：ITINERA系统已部署为TuTu在线旅行服务的核心算法，收集用户反馈以优化系统性能和用户体验。
ItiNera的项目地址
arXiv技术论文：https://arxiv.org/pdf/2402.07204ItiNera的应用场景
个人旅游规划：为用户提供根据个人兴趣和偏好定制的旅游路线，如历史文化之旅、美食探索、购物路线等。
城市漫步：为漫步城市、探索城市街道和历史遗迹的游客提供动态生成的行程。
短途旅行：为时间有限的游客提供高效、紧凑的城市短途旅行规划。
特殊兴趣旅行：满足特定主题或兴趣的旅行需求，如艺术展览、音乐节、体育赛事等。
事件和节日规划：在特殊事件或节日期间，为用户提供定制的行程，如春节庙会、圣诞节市场等。
无障碍旅行：为有特殊需求的游客（如老年人、残疾人）提供考虑无障碍设施的行程规划。
