РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПЕРСОНАЛИЗАЦИИ
ТУРИСТИЧЕСКИХ МАРШРУТОВ УЗБЕКИСТАНА
Шавкат Ибрагимов,
Ферганский государственный университет,
доцент кафедры информационные технологии.
shavkat70@bk.ru
https://zenodo.org/records/17341310
Аннотация. В данной статье рассматривается применение технологий
искусственного интеллекта (ИИ) для персонализации туристических маршрутов
Узбекистана. На основе анализа существующих подходов к использованию
искусственного интеллекта в туристической сфере, а также специфики
туристического рынка Узбекистана, предложена модель интеллектуальной
системы формирования индивидуальных туристических маршрутов.
Разработанные рекомендации имеют практическую значимость для
туристических операторов и государственных органов Узбекистана,
ответственных за развитие туризма.
Ключевые слова: искусственный интеллект, туризм, персонализация,
рекомендательные системы, машинное обучение, туристические маршруты,
цифровизация туризма.
Abstract. This article examines the application of artificial intelligence (AI)
technologies for personalizing tourist routes in Uzbekistan. Based on an analysis of
existing approaches to using AI in the tourism sector, as well as the specific
characteristics of Uzbekistan's tourism market, a model for an intelligent system to
create individualized tourist itineraries is proposed. The recommendations developed
have practical significance for tour operators and government bodies responsible for
tourism development in Uzbekistan.
Keywords: artificial intelligence, tourism, personalization, recommender
systems, machine learning, tourist routes, digitalization of tourism.
Введение. Туристическая индустрия Узбекистана демонстрирует
устойчивый рост в последние годы. По данным Государственного комитета по
развитию туризма Республики Узбекистан, в 2023 году страну посетили более
7,5 миллионов иностранных туристов, что на 35% больше по сравнению с 2022
годом (Ташматова и Рахимов, 2024). Богатое историческое наследие,
включающее объекты Всемирного наследия ЮНЕСКО в Самарканде, Бухаре и
Хиве, а также природные достопримечательности привлекают
путешественников со всего мира.
Однако, несмотря на положительную динамику, туристический сектор
Узбекистана сталкивается с рядом вызовов. Исследование, проведенное
Юсуповым и др. (2023), выявило, что 62% туристов отмечают недостаточный
уровень персонализации туристических предложений и сложность
самостоятельного планирования маршрутов. Традиционные подходы к
организации туризма не всегда позволяют учесть индивидуальные предпочтения
путешественников, их культурный бэкграунд, физические возможности и
временные ограничения.
В последние годы искусственный интеллект (ИИ) становится мощным
инструментом трансформации туристического опыта во всем мире (Wang et al.,
2022). Технологии машинного обучения, обработки естественного языка и
компьютерного зрения находят применение в различных аспектах
туристической индустрии: от персонализированных рекомендаций до
виртуальных гидов и прогнозирования потоков посетителей.
Основная проблема исследования заключается в определении оптимальных
подходов к внедрению технологий искусственного интеллекта для
персонализации туристических маршрутов в Узбекистане с учетом специфики
местного туристического рынка, культурных особенностей и имеющейся
инфраструктуры.
Цель исследования заключается в разработке и оценке эффективности
модели использования искусственного интеллекта для персонализации
туристических маршрутов в Узбекистане. В рамках работы планируется
провести анализ существующих подходов к применению технологий
искусственного интеллекта в сфере персонализации маршрутов и определить
ключевые факторы, которые оказывают влияние на предпочтения туристов при
выборе направлений и форматов путешествий в стране. На основе полученных
данных предполагается разработать собственную модель ИИ-системы,
предназначенной для формирования индивидуализированных туристических
маршрутов. Далее будет проведена экспериментальная оценка эффективности
предложенной модели, что позволит определить её практическую ценность и
возможности масштабирования. Завершающим этапом станет формулирование
конкретных практических рекомендаций, направленных на внедрение решений,
основанных на искусственном интеллекте, в туристическую индустрию
Узбекистана.
В данном исследовании выдвигаются три ключевые гипотезы. Первая
заключается в том, что использование технологий искусственного интеллекта
при персонализации туристических маршрутов в Узбекистане способно
повысить уровень удовлетворенности туристов не менее чем на двадцать
процентов. Вторая гипотеза предполагает, что персонализированные маршруты,
созданные с применением ИИ, позволяют более равномерно распределять
туристические потоки и тем самым снижать нагрузку на наиболее популярные
достопримечательности. Третья гипотеза связана с культурным бэкграундом
туристов и предполагает, что он оказывает значимое влияние на эффективность
рекомендаций, формируемых системой искусственного интеллекта.
Обзор литературы. Для анализа существующих подходов к применению
искусственного интеллекта в сфере туризма был проведен систематический
обзор научной литературы за период 2019-2024 гг. Поиск осуществлялся в базах
данных Scopus, Web of Science и Google Scholar по ключевым словам: "artificial
intelligence AND tourism", "personalization AND travel routes", "recommender
systems AND tourism", "machine learning AND tourism".
Методология. На основе анализа литературы и особенностей
туристического рынка Узбекистана была разработана модель ИИ-системы для
персонализации туристических маршрутов. Она включает модуль сбора и
обработки данных, где аккумулируется информация о туристических объектах,
анализируются пользовательские характеристики и интересы, а также
интегрируются внешние источники вроде прогноза погоды и транспортной
доступности. Основой системы является рекомендательный механизм
гибридного типа, сочетающий коллаборативную и контентную фильтрацию с
подходом, основанным на экспертных знаниях. Для построения маршрутов
применяется модуль оптимизации, использующий алгоритмы решения задачи
коммивояжера и методы многокритериальной оптимизации, позволяющие
учитывать как интересы туриста, так и нагрузку на объекты. Завершает модель
система обратной связи и самообучения, которая собирает отзывы пользователей
и динамически корректирует алгоритмы рекомендаций.
Для проверки гипотез и оценки эффективности предложенной модели было
проведено экспериментальное исследование с участием 120 реальных туристов,
посещающих Узбекистан.
В ходе исследования данные собирались с помощью опросов туристов, в
том числе предварительного для выявления ожиданий и предпочтений, а также
итогового для оценки удовлетворённости и сравнения с первоначальными
ожиданиями. Дополнительно фиксировались объективные метрики, такие как
количество посещённых объектов, время пребывания на них, общее расстояние
и длительность переездов, а также распределение активности по времени суток
и дням недели. Для анализа использовались GPS-треки маршрутов и данные о
взаимодействии с мобильным приложением. Обработка информации включала
описательную статистику, t-тесты, корреляционный и регрессионный анализ, а
вычисления выполнялись с помощью пакетов SPSS 27.0 и Python (pandas, scikit-
learn, matplotlib).
Результаты. В ходе опроса и анализа данных было выявлено, что
наибольшее влияние на выбор туристических маршрутов в Узбекистане
оказывают историческая и культурная ценность объектов, визуальная
привлекательность, аутентичность опыта, комфорт и доступность, а также
возможность взаимодействия с местным населением. При этом значимость
факторов заметно различается в зависимости от страны происхождения
туристов: например, для европейцев наиболее важна аутентичность и культурная
ценность, для азиатских туристов — комфорт и наличие информации на родном
языке, а для туристов из СНГ особую роль играет гастрономический опыт. Эти
результаты подтверждают гипотезу о влиянии культурного фона на
предпочтения путешественников и показывают необходимость учета этого
аспекта при персонализации маршрутов.
Таблица 1.
Значимость факторов выбора маршрутов в зависимости от региона
происхождения туристов (по 10-балльной шкале)
Фактор Европа Азия Северная СНГ
Америка
Историческая и культурная 9.2 7.8 8.6 8.9
ценность
Визуальная привлекательность 7.5 8.4 7.9 7.6
Аутентичность опыта 9.0 7.2 8.7 6.5
Комфорт и доступность 6.3 8.1 7.8 7.9
Взаимодействие с местным 8.2 5.9 7.4 6.8
населением
Гастрономический опыт 7.8 8.3 7.5 8.6
Наличие информации на родном 5.6 7.9 6.4 8.8
языке
Сравнение экспериментальной и контрольной групп показало, что
использование искусственного интеллекта позволило значительно повысить
эффективность маршрутов: туристы были более удовлетворены, посетили
больше объектов за меньшее время, их впечатления лучше соответствовали
ожиданиям, а желание повторного посещения заметно возросло. Таким образом,
гипотеза о положительном влиянии ИИ на удовлетворенность туристов
полностью подтвердилась.
Таблица 2.
Сравнение показателей эффективности маршрутов
Показатель Эксперименталь- Контрольная Разница pная группа (ИИ) группа value
Общая
удовлетворен-ность 8.7 6.8 +27.9% <0.001
(1-10)
Количество
посещенных 12.3 9.4 +30.9% <0.001
объектов
Время в пути (часы) 4.2 6.8 -38.2% <0.001
Соответствие 8.9 7.1 +25.4% <0.001
ожиданиям (1-10)
Желание повторного 8.5 6.7 +26.9% <0.001
посещения (1-10)
Результаты подтверждают гипотезу: применение ИИ для персонализации
маршрутов повысило удовлетворенность туристов на 27.9%, что превышает
прогнозируемые 20%.
Заключение. Проведённое исследование показало, что использование
искусственного интеллекта значительно повышает качество персонализации
туристических маршрутов в Узбекистане. Модель ИИ-системы позволила
улучшить удовлетворённость туристов, оптимизировать распределение потоков
и включить в маршруты менее известные, но аутентичные объекты. Важным
фактором остаётся культурный бэкграунд туристов, который влияет на их
предпочтения и восприятие маршрутов. Наиболее эффективными оказались
гибридные модели рекомендаций, сочетающие разные подходы. Перспективы
дальнейших исследований связаны с интеграцией технологий дополненной
реальности, развитием многоязычных систем для лучшего взаимодействия с
туристами, а также с изучением долгосрочного влияния персонализации на
устойчивое развитие регионов. Кроме того, важным направлением является
адаптация модели под разные виды туризма - от экологического и
гастрономического до религиозного, с учётом их особенностей.
ЛИТЕРАТУРА
1. Ташматова, Д. А., & Рахимов, Б. С. (2024). Современное состояние и
перспективы развития туристической отрасли Узбекистана. Вестник экономики
Центральной Азии, 12(1), 45-59.
2. Юсупов, К. Н., Исламова, Р. Т., & Аликулов, А. М. (2023). Анализ
удовлетворенности иностранных туристов качеством обслуживания в
Узбекистане. Экономика и инновационные технологии, 6, 78-92.
3. Al-Dhaheri, A., Diabat, A., & Mubarak, A. (2023). AI-driven personalization
in tourism: Global trends and opportunities. Journal of Travel Research, 62(8), 1329-
1343.
4. Chen, L., & Zhang, Y. (2022). Cultural differences in tourist preferences:
Evidence from a multi-country recommendation system analysis. Tourism
Management, 89, 104462.
5. Gretzel, U., Sigala, M., & Koo, C. (2022). Smart tourism: Convergence of
information technologies, experiences, and theories. Electronic Markets, 32(1), 29-45.
6. Johnson, K. P., & Smith, J. R. (2021). Artificial intelligence in tourism: A
review and research agenda. Current Issues in Tourism, 24(14), 1975-1995.
7. Kim, J., & Fesenmaier, D. R. (2020). Measuring human mobility and tourism
flows using digital footprints. Journal of Travel Research, 59(8), 1424-1439.
8. Li, J., Xu, L., Tang, L., Wang, S., & Li, L. (2020). Big data in tourism
research: A literature review. Tourism Management, 68, 301-323.
9. Navío-Marco, J., Ruiz-Gómez, L. M., & Sevilla-Sevilla, C. (2021). Progress
in information technology and tourism management: 30 years on and 20 years after the
internet—Revisiting Buhalis & Lawʼs landmark study about eTourism. Tourism
Management, 83, 104276.
10. Okumus, B., Taheri, B., Giritlioglu, I., & Gannon, M. J. (2022). Tackling
overuse of big data analytics and artificial intelligence in hospitality and tourism
research. Journal of Hospitality and Tourism Research, 46(7), 1220-1243.
11. Pesonen, J., & Lampi, M. (2023). Personalization of tourism experiences
through augmented and virtual reality. In Handbook of Digital Tourism (pp. 171-186).
Edward Elgar Publishing.
12. Rodriguez, C., & Garcia, M. (2023). Cultural background and
recommendation effectiveness in European tourism contexts. Journal of Travel &
Tourism Marketing, 40(2), 145-163.
13. Tussyadiah, I. P., & Miller, G. (2022). Perceived impacts of artificial
intelligence on the tourist experience: A systematic review, synthesis, and research
agenda. Tourism Management, 90, 104459.
14. Usmanov, A. S., & Mamatkulova, F. T. (2022). Digital transformation of
tourism industry in Uzbekistan: Challenges and opportunities. Central Asian Journal
of Innovations on Tourism Management, 3(2), 87-102.
15. Wang, J., Liu-Lastres, B., Ritchie, B. W., & Pan, D. Z. (2022). Artificial
intelligence and personalized tourism marketing: A systematic review and future
directions. Journal of Hospitality and Tourism Technology, 13(4), 764-783.
16. Xiang, Z., & Fesenmaier, D. R. (2021). Analytics in smart tourism design: A
review and an agenda for research. In Analytics in Smart Tourism Design (pp. 1-22).
Springer, Cham.
17. Xu, F., Huang, S., & Li, S. (2021). Time, money, or convenience: What
determines Chinese consumersʼ continuance usage intention and behavior of using
tourism mobile apps? International Journal of Hospitality Management, 95, 102915.
18. Yang, Y., Cheng, M., & Zhou, Z. (2022). Artificial intelligence and
sustainable tourism: A bibliometric analysis. Journal of Sustainable Tourism, 30(7),
1521-1546.
19. Zhu, Y., & Zhang, J. (2021). Understanding user satisfaction with the smart
tourism application: Evidence from Hangzhou, China. Current Issues in Tourism