earticle

영어

This study proposes a personalized tourism itinerary recommendation system that reflects travelers’ physical activity intensity. A Functional Fitness Index(FFI), integrating travel distance, duration, stay time, temperature, humidity, and activity difficulty(MET), was developed and empirically validated using real-world Jeju travel log data. Based on K-Means clustering, travelers with similar activity-level preferences were grouped, and within each cluster, Neural Collaborative Filtering(NCF) was applied to capture nonlinear user–itinerary interactions. Experimental results showed that the proposed model achieved a Precision@5 of 0.35 and an average Fatigue Fit Score(FFS) of 0.75, demonstrating its effectiveness in recommending itineraries aligned with users’ physical tolerance levels. By introducing “activity intensity” as a novel contextual variable, this research extends the paradigm of context-aware recommendation and contributes to the development of inclusive and sustainable smart tourism services.

한국어

본 연구는 여행자의 신체적 활동강도를 반영한 개인화 관광 일정 추천 시스템을 제안한다. 이를 위해 이동거리, 이 동시간, 체류시간, 기온, 습도, 활동 난이도를 통합한 활동강도 지수(Functional Fitness Index, FFI)를 설계하 고, 실제 제주 여행 로그 데이터를 기반으로 검증하였다. 이후 K-Means 군집분석을 통해 유사한 활동강도 및 여행 스타일을 가진 이용자 그룹을 식별하고, 각 그룹 내에서 신경망 협업 필터링(Neural Collaborative Filtering, NCF)을 적용하여 정교한 개인화 추천을 수행하였다. 성능평가 결과, Precision@5는 0.35, 활동강도 적합도 (Fatigue Fit Score)는 평균 0.75로 나타나, 제안 모델이 사용자 신체적 수용성을 반영한 실질적 개인화 추천에 효과적임을 입증하였다. 본 연구는 관광 추천의 새로운 맥락 변수로 ‘활동강도’를 도입함으로써, 포용적이고 지속 가 능한 스마트 관광 서비스 구현에 기여한다.