基于蒙特卡罗树搜索的智能行程规划系统设计（二）一个简单的DEMO

@基于蒙特卡罗树搜索的智能行程规划系统设计

基于蒙特卡罗树搜索的智能行程规划系统设计DEMO0.1

github链接.https://github.com/blue-sky-sea/MCTS-TRAVEL-PLAN

（一）使用Googlemap API收集旅行点数据

以东京都横滨市为例

使用googlemaps库。google开发者的key自行申请。

googlemaps库的文档在此.

1.一个简单的例子如下：

#例子
#import库
import googlemaps

#获取client
gmaps = googlemaps.Client(key='你的googlemapkey')

#Places search
#查找 横滨红砖仓库 相关的地点
places_result = gmaps.places(query="横滨红砖仓库",location="35.4525944, 139.6428944",language="zh")

2.利用xlwt，将数据写入xls

#横滨预选的景点（我去过的大众景点hhh）
candidate_places_name_yokohama = ["山下公园","横滨红砖仓库","横滨未来21","横滨中华街","GUNDAM FACTORY YOKOHAMA","橫濱宇宙樂園","合味道纪念馆","Shin-Yokohama Raumen Museum","三溪园","横滨地标大厦","横滨面包超人儿童博物馆","横滨美术馆"]
import xlwt#导入xlwt库
workbook = xlwt.Workbook(encoding = 'ascii')#创建workbook
worksheet = workbook.add_sheet('Yokohama spot') #添加名叫Yokohama spot的sheet

n=0
for spotname in candidate_places_name_yokohama:
    places_result = gmaps.places(query=spotname,location="35.4525944, 139.6428944",language="zh")
    #print(i)
    item=places_result['results'][0]
    print(spotname,":",item['place_id'],item['name'],item['geometry']['location'],item['formatted_address'])
    worksheet.write(n, 0, item['place_id'])#写入xls的n行0列
    worksheet.write(n, 1, item['name'])
    worksheet.write(n, 2, str(item['geometry']['location']))
    worksheet.write(n, 3, item['formatted_address'])
    n=n+1
workbook.save('/Users/liuyi/Desktop/Ttravel-Master/Main/DATA/Yokohama_spot.xls') #保存到xls路径 

3.类似的方法，制作景点之间的交通数据集

就省略了。因为是demo所以数据集里面交通花费的时间和金钱都是一个确定的值。

4.根据需求对数据集里没有的数据进行人工添加（因为谷歌API没找到相关数据）

比如：

1.该地点是否更适合亲子/情侣游玩

2.更适合游玩的时间段（白天/晚上？）

3.附加的地点属性（二次元/购物/夜景/等）

4.特殊属性（横滨中华街新年活动等）

5.等

（二）利用MCTS interface构建AI-demo

MCTS interface 在这个地址，是github上一个大佬的，我感觉是我找到的最简洁的最好用的MCTS interface了
MCTS interface在此.

其中mcts.py中几乎不需要改什么代码
我们需要做的是完善exampleInterface.py中的方法
通过修改exampleInterface.py，我们就可以用mcts算法创造出五子棋AI，口袋妖怪AI或者是我们的智能行程AI啦
（根据目标特性的不同，code里面的方法）

（三）利用MCTS interface构建AI-demo的要点

这是马蜂窝上横滨的人气景点地图
上面没有显示高达工厂

1.在本demo中，为了方便我只考虑在横滨一天的简单行程规划。

2.设定早上开始时间为9点（已经在樱木町车站前），晚上结束时间最好是在20点前。

3.设定用户的预算，行程偏好（亲子/情侣/购物/等）

4.没有考虑午饭晚饭和住宿，而实际上根据我在问卷星上的调查，美食和住宿等的质量和花费实际上是最受用户关注

5.没有考虑天气因素和特殊事件等，实际规划应该要有

6.根据用户的偏好，对应景点的value要上升或者下降（比如亲子游的话酒吧商城这种地点的价值就应该下降，喜欢二次元的话秋叶原的价值就上升）

7.由于用MCTS进行规划很难客观评判好坏（因为每一个景点实际上都还可以玩玩的）所以在6的基础上，对树搜索设定一定限制，防止重复访问同一个子节点。

因为可能横滨中华街value最高，就一直先访问中华街的结点，而忽略了其他同样不错但评分可能略差一点的景点。
有陷入局部最优解的可能，而且规划的结果评定并不像五子棋的输赢规则那样鲜明。这是需要后续考虑的问题。

（四）基于flask构建前端，部署mcts-ai到项目上

app.py(flask.main.py)

# 导入Flask类
from flask import Flask
from flask import render_template
from flask import request

# 实例化，可视为固定格式
app = Flask(__name__)

# 配置路由，当前端请求/deal_request的action时执行deal_request()方法（前端可用ajax发起请求）
@app.route('/deal_request', methods = ['GET', 'POST'])
def deal_request():
    if request.method == "GET":
        # get通过request.args.get("param_name","")形式获取参数值
        #get_q = request.args.get("q","")
        #print("start ai")
        
        import sys
        sys.path.append("../AI/")
        import MCTS
        mcts_manager = MCTS.mcts(timeLimit=10000)#开启mcts程序
        print("初始化中...")
        #from datetime import date
        from datetime import datetime
        #from datetime import timedelta

        start_datetime = datetime(2021, 2, 1, 9, 30, 0)
        end_datetime = datetime(2021,2,1,20,30,0)
        initialstate=MCTS.State(nowspotname="横滨港未来21",
                        travelpoint=0,
                        totaltravelpoint=0,
                        moneycost=0,
                        onfoottime=0,
                        now_datetime=start_datetime,
                        end_datetime=end_datetime,
                        hasbeenspots=[])
        print("初始化sucess")

        root = mcts_manager.search(initialState=initialstate)
        result = mcts_manager.getBestRoute(root)
        
        return str(result)
    	#返回result到前端	
    elif request.method == "POST":
        # post通过request.form["param_name"]形式获取参数值
        post_q = request.form["q"]
        return render_template("result.html", result=post_q)
        
        
if __name__ == '__main__':
    # app.run(host, port, debug, options)
    # 默认值：host=127.0.0.1, port=5000, debug=false
    app.run()

cmd 中python app.py 即可开启，访问127.0.0.1:5000

我的首页效果：

设定游玩偏好（其他设定还没code），点击运行MCTS-AI规划即可

等待15秒ai计算（因为是demo，设置个15秒够了）

通过alert（）很简单地把规划结果返回给了用户

但是根据结果，为啥最后一站是山下公园，感觉还是有点不太对劲。。。要改的地方太多了。