1.一种基于人工智能的旅游路线规划方法，其特征在于，该方法包括：

预测游客到达每个候选景点的抵达时间，根据所述抵达时间预测所述游客进入所述每个候选景点的排队时间；

根据所述游客的所述排队时间结合最大忍受排队时间得到所述排队体验感；结合所述排队体验感和初始热衷度得到每个候选景点的初始满意度，选择所述初始满意度最大时对应的所述候选景点为所述游客的第一目标旅游景点；

所述最大忍受排队时间的具体获取方法为：设定游客对排队时间的最大忍受阈值tδ，进而结合游客对候选景点的初始热衷度δ得到该游客的最大忍受排队时间tth＝δ*tδ；

所述排队体验感的计算公式为：

所述初始满意度的计算公式为：Zi＝δi*wi，其中，Zi为第i个候选景点的初始满意度；δi为第i个候选景点的初始热衷度；wi为第i个候选景点的排队体验感；

获取所述第一目标旅游景点与剩余所述候选景点之间的相似度，利用所述相似度更新剩余所述候选景点的所述初始热衷度，根据更新后的所述初始热衷度对所述候选景点的所述初始满意度进行更新得到新满意度；

所述第一目标旅游景点与剩余所述候选景点之间的相似度的获取方法为：根据每个剩余候选景点下的具体娱乐项目类型进行排序统计组成数据序列，进而得到多个候选景点的数据序列a(x1a,x2a,x3a,…,xna)，b(x1b,x2b,x3b,…,xnb)，g(x1g,x2g,x3g,…,xng)，其中a、b、g为不同候选景点的标签；n表示候选景点中娱乐项目类型的数量；根据每个剩余候选景点的数据序列获取所述候选景点对应的文本数据，所述文本数据是指根据景点中的娱乐项目类型或主题特征记载该候选景点信息的文字信息，文字信息包括并不限于旅游平台发布的游记、以及网络平台的文字信息，得到多组文本数据，利用simhash算法对多组文本数据进行分析以得到候选景点之间的相似度；

所述利用所述相似度更新剩余所述候选景点的所述初始热衷度的步骤，包括：

b

σi＝δi[1‑a*S1i(1‑δi) ]

其中，σi为游客对第i个剩余候选景点更新后的热衷度；δi为游客对第i个剩余候选景点的初始热衷度；S1i为第一目标旅游景点与第i个剩余候选景点之间的相似度；a和b为相应的优化系数；利用游玩前的初始热衷度和更新后的热衷度进行数据拟合得到优化系数a和b的值；

结合所述候选景点周围的住宿场所中入住游客对剩余所述候选景点的满意度和所述新满意度得到所述候选景点的平均满意度；根据每个所述住宿场所的入住数据和位置数据得到所述住宿场所的热度；结合所述平均满意度和所述热度得到剩余所述候选景点的推荐指标，进而根据所述推荐指标确认第二目标旅游景点；

所述根据每个所述住宿场所的入住数据和位置数据得到所述住宿场所的热度的步骤，包括：以所述住宿场所的所述入住数据和所述位置数据构建每个所述住宿场所的数据向量；

根据所述数据向量的特征值方差和模长均值得到所述住宿场所的所述热度；

所述推荐指标是根据以所述热度为底数、所述平均满意度为指数构建的函数得到的。

2.如权利要求1所述的方法，其特征在于，所述入住数据包括入住率和入住人数。

3.一种基于人工智能的旅游路线规划系统，其特征在于，该系统包括：

时间预测单元，用于预测游客到达每个候选景点的抵达时间，根据所述抵达时间预测所述游客进入所述每个候选景点的排队时间；

第一景点确认单元，用于根据所述游客的所述排队时间结合最大忍受排队时间得到排队体验感；结合所述排队体验感和初始热衷度得到每个候选景点的初始满意度，选择所述初始满意度最大时对应的所述候选景点为所述游客的第一目标旅游景点；

所述最大忍受排队时间的具体获取方法为：设定游客对排队时间的最大忍受阈值tδ，进而结合游客对候选景点的初始热衷度δ得到该游客的最大忍受排队时间tth＝δ*tδ；

所述排队体验感的计算公式为：

所述初始满意度的计算公式为：Zi＝δi*wi，其中，Zi为第i个候选景点的初始满意度；δi为第i个候选景点的初始热衷度；wi为第i个候选景点的排队体验感；

满意度更新单元，用于获取所述第一目标旅游景点与剩余所述候选景点之间的相似度，利用所述相似度更新剩余所述候选景点的所述初始热衷度，根据更新后的所述初始热衷度对所述候选景点的所述初始满意度进行更新得到新满意度；

所述第一目标旅游景点与剩余所述候选景点之间的相似度的获取方法为：根据每个剩余候选景点下的具体娱乐项目类型进行排序统计组成数据序列，进而得到多个候选景点的数据序列a(x1a,x2a,x3a,…,xna)，b(x1b,x2b,x3b,…,xnb)，g(x1g,x2g,x3g,…,xng)，其中a、b、g为不同候选景点的标签；n表示候选景点中娱乐项目类型的数量；根据每个剩余候选景点的数据序列获取所述候选景点对应的文本数据，所述文本数据是指根据景点中的娱乐项目类型或主题特征记载该候选景点信息的文字信息，文字信息包括并不限于旅游平台发布的游记、以及网络平台的文字信息，得到多组文本数据，利用simhash算法对多组文本数据进行分析以得到候选景点之间的相似度；

所述利用所述相似度更新剩余所述候选景点的所述初始热衷度的步骤，包括：

b

σi＝δi[1‑a*S1i(1‑δi) ]

其中，σi为游客对第i个剩余候选景点更新后的热衷度；δi为游客对第i个剩余候选景点的初始热衷度；S1i为第一目标旅游景点与第i个剩余候选景点之间的相似度；a和b为相应的优化系数；利用游玩前的初始热衷度和更新后的热衷度进行数据拟合得到优化系数a和b的值；

景点推荐单元，用于结合所述候选景点周围的住宿场所中入住游客对剩余所述候选景点的满意度和所述新满意度得到所述候选景点的平均满意度；根据每个所述住宿场所的入住数据和位置数据得到所述住宿场所的热度；结合所述平均满意度和所述热度得到剩余所述候选景点的推荐指标，进而根据所述推荐指标确认第二目标旅游景点；

所述根据每个所述住宿场所的入住数据和位置数据得到所述住宿场所的热度的步骤，包括：以所述住宿场所的所述入住数据和所述位置数据构建每个所述住宿场所的数据向量；

根据所述数据向量的特征值方差和模长均值得到所述住宿场所的所述热度；

所述推荐指标是根据以所述热度为底数、所述平均满意度为指数构建的函数得到的。

4.如权利要求3所述的系统，其特征在于，所述景点推荐单元，包括：

向量构建单元，用于以所述住宿场所的所述入住数据和所述位置数据构建每个所述住宿场所的数据向量；

热度获取单元，用于根据所述数据向量的特征值方差和模长均值得到所述住宿场所的所述热度。

5.如权利要求4所述的系统，其特征在于，所述景点推荐单元中所述入住数据包括入住率和入住人数。