[TOC]
<撰稿人：贾云嵩>
请按照标题下方python包版本安装对应的package，使用本软件根目录下 __main__.py 运行。
- 简述：依托智慧旅游概念，给游客提供更好的游玩体验，实现景区信息的透明化。
- 受众：游客及景区工作人员。
- 功能：对景区地图的导览和相关路线的规划，及对系统的更新与维护。
- 苏晗宇：SightseeingManager.py、智能问答页面模块编写、智能问答和精准调度和信息管理页面UI设计
- 李一鸣：GraphManager.py、FAQRobot.py、精准调度页面UI设计
- 李中昊：GraphManager.py、主窗口及景点导览页面UI设计
- 贾云嵩：QueryLogManager.py、SightseeingManager.py、GraphEdges.py、FAQRobot.py及界面的设计与响应编写
graph LR
z[中华民族园旅游导览系统]
z --- d[景点导览]
d --- k[景点信息查看]
k --- 查看热门景点
k --- 查看附近景点
d --- e[导览地图]
e --- j[地图]
j --- 显示需求路径
j --- 能鼠标停留时显示景点信息
j --- 能放大缩小
j --- 能选择途经点和终点
e --- l[路线查询]
l --- 由定位出发到达目的地的路线
l --- 由定位出发游览多景点的路线
l --- 由定位出发环绕路线
l --- 由定位出发特定距离内景点的游览路线
l --- 由定位出发到达目的地的k短路线
l --- m[路径信息显示]
m --- 路径长度
m --- 预估时间
z --- c[智慧问答]
c --- 根据词向量寻找最优回答
c --- 语音回答
z --- f[精准调度]
f --- 根据模型给出最优导游调度方案
z --- b[信息管理]
b --- 景点查询
b --- 景点信息管理
b --- 路径信息查询与修改
b --- 日志清空
中华民族园旅游导览系统 v1.0 正式版
├── __main__.py # 主运行
├── Entrance.py # 软件运行入口
├── README.md # 软件介绍指南
├── 中华民族园旅游导览系统项目控制文档.md # 介绍本次设计项目运作
│
├── DataSource # 数据管理模块
│ ├── __init__.py # 包引用管理
│ ├── FAQsys # 智能问答模块
│ │ ├── __init__.py # 包引用管理
│ │ ├── A.txt # 回答信息数据
│ │ ├── Q.txt # 问题信息数据
│ │ └── FAQRobot.py # 智能问答类
│ │
│ ├── Graph # 路径信息管理模块
│ │ ├── __init__.py # 包引用管理
│ │ ├── Graph.csv # 路径信息数据
│ │ └── GraphManager.py # 路径管理类
│ │
│ ├── QueryLog # 日志信息管理模块
│ │ ├── __init__.py # 包引用管理
│ │ ├── queryLog.history # 日志信息数据
│ │ └── QueryLogManager.py # 日志管理类
│ │
│ └── Sightseeing # 景点信息管理模块
│ ├── __init__.py # 包引用管理
│ ├── Sightseeing.csv # 景点信息数据
│ ├── SightseeingManager.py # 景点管理类
│ └── images # 景点及相关显示图片文件夹
│ └── *.jpg/*.png # 图片
│
├── LoadWindow # 加载界面模块
│ ├── __init__.py # 包引用管理
│ ├── Class.py # 功能与UI窗口链接类，同时连接请求信号传递信息
│ └── Resources # 界面资源文件夹
│ └── Foreground.jpg # 背景图片
│
└── MainWindow # 主窗口模块
├── __init__.py # 包引用管理
├── Class.py # UI功能类，链接响应，优化线程调度
├── UI # UI设计模块
│ ├── __init__.py # 包引用管理
│ ├── window.py # Qt Designer 设计修改后界面类
│ └── Resources # 图形界面所需的资源文件夹
│ └── Background.jpg # 背景图片
│
└── ChildWindows # 子窗口及嵌套窗口文件夹
├── __init__.py # 包引用管理
├── Set.py # 父子窗口间响应链接函数
├── ManagerPage # 信息管理页面模块
│ ├── __init__.py # 包引用管理
│ ├── Class.py # UI功能类，链接响应，优化线程调度
│ └── UI # UI设计模块
│ ├── __init__.py # 包引用管理
│ └── window.py # Qt5 界面类
│
├── PathGuidePage # 景点导览页面模块
│ ├── __init__.py # 包引用管理
│ ├── Class.py # UI功能类，链接响应，优化线程调度
│ └── UI # UI设计模块
│ ├── __init__.py # 包引用管理
│ └── window.py # Qt5 界面类
│
├── RobotWindow # 智能问答页面模块
│ ├── __init__.py # 包引用管理
│ ├── Class.py # UI功能类，链接响应，优化线程调度
│ └── UI # UI设计模块
│ ├── __init__.py # 包引用管理
│ ├── window.py # Qt5 界面类
│ ├── chat_message.py # UI对话框绘制类
│ └── asset # 头像资源文件夹
│ ├── left_head.png # 导游头像
│ └── right_head.png # 游客头像
│
└── SchedulingPage # 精准调度页面模块
├── __init__.py # 包引用管理
├── Class.py # UI功能类，链接响应，优化线程调度
├── Function # 功能函数文件夹
│ ├── __init__.py # 包引用管理
│ └── IntelligentScheduling.py # 建模计算函数
│
└── UI # UI设计模块
├── __init__.py # 包引用管理
└── window.py # Qt5 界面类class QueryLogManager:
"""
Features
-----------------------------------------
日志管理类，用于记录添加和推荐查询，可自动重构、存储日志，利用list、dict可变数据类型特性进行构建操作
Members
----------------------------------------
__queryLogPath : <str> 日志文件目录
__LogNum : <dict> 日志记录数量字典，用于控制日志更新周期，结构：{出发地编号: 总查询请求次数, ...}
__QueryLog : <dict> 日志记录字典，结构：{出发地编号: [[目的地编号, 查询请求次数], ...], ...}
__OldLog : <dict> 上一更新周期的日志记录字典，结构：{出发地编号: [[目的地编号, 查询请求次数], ...], ...}
__MaxHeap : <dict> 大根堆，用于查询热点景点，结构：{出发地编号: [QueryLog[出发地编号]的大根堆], ...}
Functions
----------------------------------------
__init__(filepath: str, placeNum: int = 23) : 新建类并加载历史记录
addQueryLog(nowPlace: int, vertexSet: list) : 添加查询记录
clearAll() : 删除所有查询记录
SearchRecommendAttraction(self, curvertex: int) -> List[List[int]] : 利用历史数据更新查询当前顶点的推荐景点
"""class AttractionInfo(object):
"""
Features
-----------------------------------------
景点信息类
Member
-----------------------------------------
num : <int> 编号
name : <str> 景点名称
x : <int> x
y : <int> y
miniIntro: <str> 简介
intro : <str> 介绍
active : <list> 活动
"""
class AttractionSet(object):
"""
Features
-----------------------------------------
景点管理类
Members
----------------------------------------
attractions : <dict> 景点字典
__graph : <dict> 路径图
Functions
----------------------------------------
__init__(self, path: str, graph) : 新建类并加载景点信息文件
SearchAttractionsImage(num) : 获取景区图片路径
SearchAttractionsImgFile(name) : 获取景区图片路径
__addAttractionsFromFile(self, path: str) : 加载文件数据
searchAttractionsInfoByName(self, name: str) : 根据景点名称查询景点信息(可使用编辑距离等算法以支持模糊查询)
searchAttractionsInfo(self, id: int) : 根据景点编号查询景点信息
updateAttractionsInfoFromList(self, id: int, mesList: list, operateType: int = 0) : 使用list景点信息的更新、添加、删除，默认做删除操作
updateAttractionsInfo(self, id: int, attrInfo: AttractionInfo = None, operateType: int = 0) : 景点信息的更新、添加、删除，默认做删除操作
"""class GraphEdges(object):
"""
Features
-----------------------------------------
稀疏图类
Members
----------------------------------------
__size: <int> 图的顶点个数
__cnt: <int> 图的边的个数
__edges: <list> 存储边的信息，每一个元素是一个四元组(起点，终点，边长，下一条边的索引)
__head: <list> 每个顶点的初始边(类似于邻接表的头节点)
__ver2idx: <dict> 两端点到其所对应边的映射
Functions
----------------------------------------
__init__(size, path, logFunc) : 新建类并加载历史记录
__updateRealDis() : 利用floyd算法建立实际距离图
queryEdgeByTwoVertexes(i, j) : 根据路径两端点的景点编号 i,j 查询路径信息
queryWeightByTwoVertexes(i, j) : 根据路径两端点的景点编号 i,j 查询路径初始权重
queryDisByTwoVertexes(i, j) : 根据路径两端点的景点编号 i,j 查询两点间实际距离
queryEdgesByVertex(idx) : 根据景点编号 idx 查询与该景点邻接的边的信息
addOrDelVertex(idx: int, isAdd: bool = True) : 根据景点编号删除相关景点
updatePathInfo(vertexPair, newWeight) : 路径信息的更新，默认做删除操作
searchHamilton(startVertex, vertexSet,endVertex, isCircut) : 根据顶点集的大小不同，选择不同算法求解最短哈密顿回路
searchPathByDijkstra(startVertex, endVertex) : 根据起点startVertex与终点endVertex搜索最短路径
getAllPaths(startVertex, endVertex, path) : 求两点之间适宜距离内的所有路径
searchKShortestPath(startVertex, endVertex, k) : 求两点之间的k短路
SearchWithinDistance(self, curvertex: int, distance: int) : 求在当前景点一定距离内的景点(广度优先搜索算法，及时剪枝)
"""class FAQRobot:
"""
Features
-----------------------------------------
智能问答机器人
Functions
----------------------------------------
__init__(self, qtxtPath, atxtPath) : 新建类并加载问答资源
FAQAnswer(self, query) : 问答
"""图的存储
适用场景：普适
具体算法及数据结构：对于稀疏图，使用链式前向星存储；对于稠密图，采用邻接矩阵存储
两点间最短距离
适用场景：游客想要知道从景点A到景点B的最短路径怎么走
具体算法及数据结构：对于稀疏图，使用**(是否带优化随意)SPFA算法**；对于稠密图，使用堆优化的Dijkstra算法。
哈密顿回路
适用场景：导游宣布一段时间后在A地集合，游客想从A地出发，经过景点集$V$中的景点后回到A点，求整个回路的最短路径怎么走
具体算法及数据结构：对于$|V|\leq 15$的图，使用状态压缩的动态规划算法；对于$|V|>15$的图，使用智能算法(模拟退火或蚁群算法)或近似算法(优化后的贪心算法)。
哈密顿通路
适用场景：游客当前位于A地，想要知道经过景点集$V$中的景点后到达B地(通常是出口)，求整个哈密顿通路的最短路径怎么走
具体算法及数据结构：同上
景点推荐(基于个人喜好)
适用场景：游客游玩A地之后想知道还有哪些景点适合自己
具体算法及数据结构：将该问题建模成“啤酒尿布”问题，使用Apriori算法或FP-growth算法关联分析用户历史数据的两种查询：1.对第一种查询(两点间最短距离)，每次保存二元组(A,B) 2.对于第二种查询(哈密顿回路)，每次保存n元组(A,$V$)。
景点推荐(基于近邻策略)
适用场景：游客游玩A地之后想知道附近还有哪些景点
具体算法及数据结构：可使用Floyd算法更新距离，求出距当前点一定距离内的所有顶点编号
语音问答
适用场景：根据游客提问返回特定回答
具体算法及数据结构：自然语言处理
导游调度
适用场景：根据当前场景数据给出最优调度策略
具体算法及数据结构：排队论