РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПЕРСОНАЛИЗАЦИИ ТУРИСТИЧЕСКИХ МАРШРУТОВ УЗБЕКИСТАНА

431 РОЛЬ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ПЕРСОНАЛИЗАЦИИ ТУРИСТИЧЕСКИХ МАРШРУТОВ УЗБЕКИСТАНА Ибрагимов Шавкат, Ферганский государственный университет, доцент кафедры информационные технологии. [email protected] +998 90 530 18 04 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. 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. 432 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 еѐ 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 433 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 удовлетворѐнности и сравнения с первоначальными ожиданиями. Дополнительно фиксировались объективные метрики, такие как количество посещѐнных 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, scikitlearn, 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 Северна я Америка СНГ Историческая и культурная ценность 9.2 7.8 8.6 8.9 Визуальная привлекательность 7.5 8.4 7.9 7.6 Аутентичность опыта 9.0 7.2 8.7 6.5 434 Комфорт и доступность 6.3 8.1 7.8 7.9 Взаимодействие с местным населением 8.2 5.9 7.4 6.8 Гастрономический опыт 7.8 8.3 7.5 8.6 Наличие информации на родном языке 5.6 7.9 6.4 8.8 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 -ная группа (ИИ) Контрольна я группа Разниц а pvalue Общая удовлетворенность (1-10) 8.7 6.8 +27.9% <0.00 1 Количество посещенных объектов 12.3 9.4 +30.9% <0.00 1 Время в пути (часы) 4.2 6.8 -38.2% <0.00 1 Соответствие ожиданиям (1-10) 8.9 7.1 +25.4% <0.00 1 Желание повторного посещения (1-10) 8.5 6.7 +26.9% <0.00 1 Результаты подтверждают гипотезу: применение ИИ для персонализации маршрутов повысило удовлетворенность туристов на 27.9%, что превышает прогнозируемые 20%. Заключение Проведѐнное исследование показало, что использование искусственного интеллекта значительно повышает качество персонализации туристических маршрутов в Узбекистане. Модель ИИ-системы позволила улучшить удовлетворѐнность туристов, оптимизировать распределение потоков и включить в маршруты менее известные, но аутентичные объекты. Важным фактором остаѐтся 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 435 адаптация модели под разные виды туризма - от экологического и гастрономического до религиозного, с учѐтом 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), 2945. 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 & Law's 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. 171186). 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. 436 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 consumers' 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