ITINERA：大模型时代的个性化城市行程规划
随着人工智能技术的飞速发展，大模型（Large Language Model, LLM）已经在多个领域展现出了其强大的能力。最近，香港大学（HKU）和麻省理工学院（MIT）联合推出的ITINERA项目，将LLM与空间优化技术相结合，实现了个性化的开放域城市行程规划，为城市旅游带来了全新的体验。
动态信息
ITINERA系统能够实时更新兴趣点（POI）和当前热门活动，确保用户获取的信息是最新的。这意味着无论是最新的网红打卡点，还是突发的热门活动，ITINERA都能即时捕捉并提供给用户。
个性定制
ITINERA不仅仅考虑热门景点，它更重视用户的个人喜好。无论是“适合情侣一起去的酒吧”，还是“二次元圣地”，或者是“途经网红打卡点”，ITINERA都能够理解和满足用户的个性化需求。
多样约束
面对复杂多样的用户需求，ITINERA展现出了其灵活性。它能够根据用户提供的各种约束条件，如时间、距离、成本等，灵活地调整行程规划。
空间智能
ITINERA结合了空间优化算法，确保生成的路线不仅合理而且高效。通过空间聚类等方法，ITINERA能够将地点集中在用户最感兴趣的区域，从而提高行程的整体质量。
五大模块组成
ITINERA由五个模块组成，包括：
- User-owned POI Database Construction (UPC)：从社交平台上的旅游内容中收集、构建用户兴趣点数据库。
- Request Decomposition (RD)：对用户的偏好进行解读和整理，转换为结构化的数据形式。
- Preference-aware POI Retrieval (PPR)：根据用户偏好进行检索，获取最相关的若干个兴趣点。
- Cluster-aware Spatial Optimization (CSO)：通过解决分层旅行商问题来空间过滤和排列检索的兴趣点。
- Itinerary Generation (IG)：将候选兴趣点集与多个约束相结合，使用大模型生成既空间合理又符合用户请求的旅行路线及相关描述。
实际表现
在实际应用中，ITINERA展现了出色的性能。通过与GPT-3.5、GPT-4和GPT-4 CoT等其他方法的对比，ITINERA在所有评估指标上均表现更优。它不仅能够准确推荐POI，还能生成与用户请求高度匹配的行程。
未来发展方向
ITINERA的成功预示着大模型在城市行程规划领域的巨大潜力。未来，我们可以期待更多的功能被开发出来，如多语言支持、更复杂的行程规划算法、以及与智能硬件的集成等。
结语
ITINERA作为一个由大模型驱动的城市行程规划工具，不仅提供了高效、个性化的服务，还展示了人工智能在城市生活应用中的巨大潜力。随着技术的不断进步，我们有理由相信，未来的城市旅游体验将更加智能化和个性化。
参考链接：