近年来,国内旅游业持续高速发展,旅游业俨然已经成为我国的支柱产业之一。伴随着旅游需求的猛增,也暴露出很多值得关注的问题。一方面,大部分人只能安排节假日进行集中旅游,由于信息不对称造成部分景区人满为患存在巨大安全风险,而另外一些优质景区则由于种种原因无人问津,出现资源空置的情况;另一方面,随着旅游信息获取渠道的多样化,信息过载现象愈发严重,旅游者在出行前往往需要耗费大量的时间精力从众多的旅游相关信息中获取有用的信息,这给用户出游带来了很大的困扰。因此本文针对这两个问题,在用户出游前的线路规划过程中考虑用户偏好信息和景区环境承载力信息,采用蚁群算法,求解出一条符合用户个性化需求且较为合理舒适的旅游线路。用户对各个景区类型的偏好往往通过用户对各个景区类型的评分数据来获取。然而,在实际情况中用户对景区类型的评分数据往往是不完整的,这就出现了由于用户偏好数据的缺乏所导致的“冷启动问题”。针对用户缺失的景区类型评分,本文采用加入关联性影响因子和相似性影响因子的改进余弦相似性求解出与用户具有相似偏好的用户,根据相似用户的偏好信息来推测用户缺失的评分项,得到用户对于景区类型的完整偏好。考虑到同一景区往往对应多种景区类型,本文提出了景区类型偏好融合的计算方法,进而求解用户对各个景区的偏好因子。为了避免景区人满为患甚至引发安全事故,本文提出了旅游景区环境承载力因子的计算方法。首先,根据景区的可游览面积与各项指标计算得到每个景区的景区环境承载力;通过百度指数预测当日的旅游人数;然后,将预测得到的旅游人数与景区环境承载力进行对比得到景区环境承载力因子。百度指数具有实时性特点,因此,利用百度指数预测的旅游人数不受历史数据获取迟缓的影响。景区环境承载力因子能够较好的反映景区的实际拥挤状况,为用户选择安全舒适的景区提供参考。最后,本文将用户偏好因子、景区环境承载力因子连同费用因子加入了旅游线路规划过程中,提出了用户体验与费用约束的旅游线路规划方法。首先定义了用户体验因子,综合反映用户偏好和景区承载力在线路选择上的影响;然后,建立了以用户体验因子与费用因子作为目标函数的数学模型,从而将该路线规划问题转变为以旅游体验和费用作为目标的多目标规划模型;最后根据该数学模型采用蚁群算法进行旅游线路规划。以成都、甘孜、阿坝三地的部分4A级以上景区为例,对用户的出行给出了具体的行程线路规划方案安排,与未加入两种因素的线路进行比较,该方法所求得的路线在照顾到用户的个性化偏好及安全舒适条件下更加合理。