由于我国经济的迅速发展，人们休闲娱乐的方式也越来越多，外出旅游也成为人们追求生活质量的重要方式。在旅游出行前，人们通常会在网上查找相关游览点的资料，制定详细的旅游计划。而随着旅游业的迅速发展，各地景点的不断开发，大型的景区越来越多，但是网上能搜到的景点信息只能精确到景区级别，所以通过用户在网上浏览景点信息的历史记录或是对景点的评分数据，只能获取粗粒度的游客偏好，而无法获取在景区内部细粒度的游客偏好。因此，如何获取景区内部的游客数据，从而学习出游客细粒度的偏好也成为了当前的一个研究热点。
　　智能手机的普及极大的方便了人们的日常生活，而且随着微电子技术的迅速发展，智能手机中嵌入的传感器也越来越多样化，这些传感器时刻记载着人们的行为数据。智能手机中内嵌的相机、加速度等传感器可以反应游客的行为，而且这些行为里往往隐藏着游客的偏好。因此通过智能手机中的移动传感器技术与位置感知技术相结合，可以采集游客细粒度的游览行为数据，从而获取景区细粒度的游览偏好。针对上述对当前旅游研究热点和智能手机的普及以及内嵌传感器多样化的分析，本文的主要研究内容如下：
　　(1)针对景区内部无法获得游客更细粒度数据的问题，我们设计了基于Android智能手机的游客游览行为数据采集应用程序，从而实现游客细粒度的游览行为数据采集；我们布置了数据采集的实验场景，通过低功耗蓝牙设备iBeacon获取游客位置信息；通过智能手机上的加速度传感器采集游客行为加速度数据并且对数据进行预处理，利用加速度数据去计算游客的停留次数；最后获取到游客在某位置的拍照次数、停留时间、停留次数等游览行为；
　　(2)为了学习游客细粒度的偏好，我们针对游客游览行为进行马尔科夫决策过程构建，用马尔科夫决策过程模拟游客游览过程，对马尔科夫决策过程中的智能体、环境、动作、状态、即时回报值、累计经验回报等要素进行动态模拟，形成游客游览行为偏好学习框架；针对采集到的游客游览行为数据，构建回报函数，在回报函数中加入游客游览行为特征，设计逆向强化学习算法基于获取到的真实数据进行细粒度偏好学习。