随着互联网时代和现有交通体系的快速发展,OTA网站为乘客提供越来越多的出行信息和搜索服务,丰富的交通工具、航班高铁班次的增多,造成了严重的路径信息过载问题,个性化推荐作为解决信息过载的重要方法之一,已被广泛研究并应用到工业实践中。文章主要研究问题是城际间个性化行程推荐,与传统的物品推荐不同,行程不是单一物品的推荐,而是对于多种不同交通工具的组合,行程中路径是实时动态变化的物品,且路径特征具有取值波动较大、种类多样及偏好敏感等特点,不同的出发时间、价格、航司等特征会直接影响到乘客最后的购买决定。文章基于城际间多种出行交通方式,提出面向乘客出行的个性化行程推荐模型,由乘客给定具体的出发日期、出发和到达城市,确定行程后系统在较短时间内搜索并推荐最符合乘客偏好的出行方案,共包括三个主要部分:路径搜索、推荐和缓存。路径搜索部分提出一种启发式路径搜索算法KSPG,使用实时交通数据构建有向有权图,使用时间、价格等特征值定义有向边权重,根据乘客行程和需求约束,搜索前条最优的可行路径作为推荐的备选路径。路径推荐算法引入信息熵概念,分析乘客的历史出行订单数据,计算连续、离散特征信息熵,并针对乘客历史订单稀疏性问题,定义乘客相似度函数。选择top-n相似乘客的历史订单数据,计算特征的偏好权重,提出一种基于信息熵的个性化路径推荐算法SIERA,对备选路径进行推荐排序。实验使用真实的乘客订单数据和实时的飞机、高铁价格数据评估推荐结果,验证信息熵和推荐算法有效性和准确性。为保证行程推荐的搜索效率和服务质量,模型中加入缓存策略。首先缓存搜索量大的行程,并提出一种基于时间窗口的LFU行程缓存替换策略;再针对行程中转站,从推荐度和抽样角度设计路径缓存策略,乘客查询时,通过比较乘客偏好和缓存路径相似度,筛选满意度高的换乘点进行路径搜索,减少搜索时间;最后根据行程搜索的时间分布,以最大化缓存路径平均新鲜度为目标,制定缓存路径的更新策略,保证缓存信息的实时性,提高服务质量。