🗺️ Rutas IA - Sistema Inteligente de Planificación Turística

Sistema de planificación de rutas turísticas personalizadas que utiliza Inteligencia Artificial, algoritmos de búsqueda y APIs externas para generar itinerarios óptimos adaptados al perfil de cada usuario.

📋 Tabla de Contenidos

Características
Arquitectura
Tecnologías
Algoritmos Implementados
Red Neuronal
APIs Externas
Instalación
Uso
Estructura del Proyecto
Endpoints API
Base de Datos

✨ Características

🎯 Personalización Inteligente

Perfiles de usuario con preferencias detalladas
Adaptación a restricciones de movilidad y accesibilidad
Ajuste por presupuesto y nivel de actividad física

🧠 Inteligencia Artificial

Red Neuronal MLP para scoring de atracciones
Motor de Reglas con encadenamiento hacia adelante
Clustering K-Means para agrupar atracciones por días

🔍 Algoritmos de Búsqueda

BFS (Breadth-First Search) para exploración de atracciones
A* para optimización de rutas
Múltiples heurísticas configurables

🌐 Integración con APIs

Google Places API (datos de atracciones)
Foursquare API (popularidad y check-ins)
OpenWeather API (clima en tiempo real)

🗺️ Visualización Interactiva

Mapas con Leaflet/OpenStreetMap
Timeline de rutas diarias
Vista detallada de cada día del itinerario

🏗️ Arquitectura

┌─────────────────────────────────────────────────────────────────────┐
│                           FRONTEND                                   │
│                     Next.js 16 + React 19                           │
│              Tailwind CSS + Leaflet Maps                            │
└─────────────────────────────────────────────────────────────────────┘
                                 │
                                 ▼
┌─────────────────────────────────────────────────────────────────────┐
│                         API GATEWAY                                  │
│                    FastAPI + Middleware                              │
│              (CORS, Error Handler, Auth)                            │
└─────────────────────────────────────────────────────────────────────┘
                                 │
        ┌────────────────────────┼────────────────────────┐
        ▼                        ▼                        ▼
┌───────────────┐      ┌─────────────────┐      ┌─────────────────┐
│   Services    │      │  ML Service     │      │  External APIs  │
├───────────────┤      ├─────────────────┤      ├─────────────────┤
│ • Auth        │      │ • Neural Net    │      │ • Google Places │
│ • Itinerary   │      │ • Training      │      │ • Foursquare    │
│ • Search      │      │ • Inference     │      │ • OpenWeather   │
│ • Route Opt.  │      │ • Dataset       │      │                 │
│ • Rules       │      │                 │      │                 │
└───────────────┘      └─────────────────┘      └─────────────────┘
        │                        │
        └────────────────────────┼────────────────────────┘
                                 ▼
┌─────────────────────────────────────────────────────────────────────┐
│                         DATA LAYER                                   │
│         PostgreSQL 15 + PostGIS  │  Redis (Cache)                   │
└─────────────────────────────────────────────────────────────────────┘

🛠️ Tecnologías

Backend

Tecnología	Versión	Uso
Python	3.11	Lenguaje principal
FastAPI	0.109	Framework API REST
SQLAlchemy	2.0	ORM
PostgreSQL	15	Base de datos
PostGIS	3.4	Extensión geoespacial
Redis	7	Cache de scores
PyTorch	2.2	Red neuronal
Alembic	1.13	Migraciones

Frontend

Tecnología	Versión	Uso
Next.js	16	Framework React
React	19	UI Library
TypeScript	5	Tipado estático
Tailwind CSS	4	Estilos
Leaflet	1.9	Mapas interactivos
Lucide React	0.469	Iconos

DevOps

Tecnología	Uso
Docker	Contenedores
Docker Compose	Orquestación

🔬 Algoritmos Implementados

1. BFS (Breadth-First Search)

Ubicación: backend/services/search_service/bfs_algorithm.py

Explora atracciones desde un punto de inicio, expandiendo por niveles de conexión.

Inicio (Hotel)
    │
    ├── Nivel 1: Atracciones a 5 min
    │   ├── Museo A
    │   └── Plaza B
    │
    └── Nivel 2: Atracciones a 10 min
        ├── Restaurante C
        └── Parque D

Características:

Filtrado por categoría, rating y precio
Límite de distancia/tiempo configurable
Integración con scores de red neuronal

2. A* (A-Star)

Ubicación: backend/services/route_optimizer/a_star.py

Encuentra la ruta óptima entre múltiples paradas.

f(n) = g(n) + h(n)

donde:
- g(n) = costo real desde el inicio
- h(n) = heurística estimada al destino

Heurísticas disponibles:

euclidean: Distancia en línea recta
haversine: Distancia geodésica (tierra esférica)
manhattan: Distancia en cuadrícula
time_based: Basada en tiempo de viaje

3. K-Means Clustering

Ubicación: backend/services/itinerary_generator/clustering.py

Agrupa atracciones geográficamente para asignar a días.

Día 1: [Museo, Catedral, Plaza] → Zona Centro
Día 2: [Playa, Acuario, Muelle] → Zona Costera
Día 3: [Parque, Montaña, Cascada] → Zona Natural

4. Motor de Reglas (Forward Chaining)

Ubicación: backend/services/rules_engine/forward_chaining.py

Sistema basado en reglas para personalizar recomendaciones.

# Ejemplo de regla
IF usuario.edad > 60 AND usuario.movilidad == "limitada":
    THEN evitar_categoria("aventura")
    AND  priorizar_categoria("cultural")
    AND  max_walking_per_day = 3km

🧠 Red Neuronal

Arquitectura MLP (Perceptrón Multicapa)

┌─────────────────────────────────────────┐
│         INPUT LAYER (13 features)       │
│  rating, reviews, google_rating, etc.   │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│    HIDDEN LAYER 1: Linear(13 → 64)      │
│    BatchNorm → ReLU → Dropout(0.3)      │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│    HIDDEN LAYER 2: Linear(64 → 32)      │
│    BatchNorm → ReLU → Dropout(0.3)      │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│    HIDDEN LAYER 3: Linear(32 → 16)      │
│    BatchNorm → ReLU → Dropout(0.3)      │
└─────────────────────────────────────────┘
                    │
                    ▼
┌─────────────────────────────────────────┐
│     OUTPUT LAYER: Linear(16 → 1)        │
│              Sigmoid                     │
└─────────────────────────────────────────┘
                    │
                    ▼
              Score (0-1)

Características de Entrada (13 features)

#	Feature	Descripción	Fuente
1	`rating`	Rating general	BD Local
2	`total_reviews`	Total de reseñas	BD Local
3	`google_rating`	Rating de Google	Google Places API
4	`google_reviews`	Reseñas en Google	Google Places API
5	`foursquare_rating`	Rating Foursquare	Foursquare API
6	`foursquare_popularity`	Popularidad	Foursquare API
7	`foursquare_checkins`	Check-ins	Foursquare API
8	`sentiment_score`	Sentimiento reseñas	Análisis NLP
9	`sentiment_positive_pct`	% positivo	Análisis NLP
10	`price_level`	Nivel de precio	BD Local
11	`has_accessibility`	Accesibilidad	BD Local
12	`is_verified`	Verificado	BD Local
13	`category_encoded`	Categoría	BD Local

Entrenamiento

# Entrenar el modelo
docker-compose exec backend python scripts/train_model.py

El modelo usa:

Optimizador: Adam (lr=0.001)
Loss: MSE (Mean Squared Error)
Early Stopping: 15 épocas sin mejora
Data Augmentation: Ruido gaussiano

🌐 APIs Externas

Google Places API (New)

# Obtener detalles de atracción
GET https://places.googleapis.com/v1/places/{place_id}

# Buscar atracciones cercanas
POST https://places.googleapis.com/v1/places:searchNearby

Datos obtenidos:

Nombre, dirección, coordenadas
Rating y número de reseñas
Fotos y horarios
Tipos/categorías

Foursquare API v3

# Buscar lugares
GET https://api.foursquare.com/v3/places/search

# Detalles de lugar
GET https://api.foursquare.com/v3/places/{fsq_id}

Datos obtenidos:

Rating (0-10)
Popularidad normalizada
Número de check-ins
Tips de usuarios

OpenWeather API

# Clima actual
GET https://api.openweathermap.org/data/2.5/weather?lat={lat}&lon={lon}

Uso en el sistema:

Ajustar recomendaciones según clima
Evitar actividades outdoor si llueve
Priorizar museos en días fríos

🚀 Instalación

Prerrequisitos

Docker Desktop
Git

Variables de Entorno

Crear archivo backend/.env:

# Base de datos
DATABASE_URL=postgresql://turismo_user:turismo_pass_2025@postgres:5432/turismo_personalizado
REDIS_URL=redis://redis:6379/0

# JWT
SECRET_KEY=tu_secret_key_muy_segura_aqui
ACCESS_TOKEN_EXPIRE_MINUTES=30

# APIs Externas
GOOGLE_PLACES_API_KEY=tu_api_key_de_google
FOURSQUARE_API_KEY=tu_api_key_de_foursquare
OPENWEATHER_API_KEY=tu_api_key_de_openweather

# ML
NN_MODEL_SAVE_PATH=./ml_models/attraction_scorer.pth
NN_HIDDEN_SIZE=64

Levantar el Proyecto

# Clonar repositorio
git clone https://github.com/tu-usuario/rutas-ia.git
cd rutas-ia

# Levantar contenedores
docker-compose up --build

# En otra terminal, poblar base de datos
docker-compose exec backend python scripts/seed_data.py "Ciudad de Mexico, Mexico" 200
docker-compose exec backend python scripts/seed_data.py "Cancun, Mexico" 200

# Entrenar modelo de ML
docker-compose exec backend python scripts/train_model.py

Acceder a la Aplicación

Servicio	URL
Frontend	http://localhost:3000
Backend API	http://localhost:8000
API Docs	http://localhost:8000/docs
ReDoc	http://localhost:8000/redoc

📖 Uso

1. Crear Usuario

curl -X POST "http://localhost:8000/api/v1/auth/register" \
  -H "Content-Type: application/json" \
  -d '{
    "email": "usuario@example.com",
    "password": "password123",
    "full_name": "Usuario Demo"
  }'

2. Crear Perfil de Usuario

curl -X POST "http://localhost:8000/api/v1/user-profile" \
  -H "Authorization: Bearer {token}" \
  -H "Content-Type: application/json" \
  -d '{
    "travel_style": "cultural",
    "budget_level": "medio",
    "preferred_categories": ["cultural", "gastronomia"],
    "mobility_level": "normal"
  }'

3. Generar Itinerario

curl -X POST "http://localhost:8000/api/v1/itinerary/generate" \
  -H "Authorization: Bearer {token}" \
  -H "Content-Type: application/json" \
  -d '{
    "destination_id": 1,
    "num_days": 3,
    "start_date": "2026-01-15",
    "start_attraction_id": 1
  }'

📁 Estructura del Proyecto

rutas-ia/
├── docker-compose.yml
├── README.md
│
├── backend/
│   ├── Dockerfile
│   ├── requirements.txt
│   ├── alembic.ini
│   │
│   ├── api_gateway/
│   │   ├── main.py              # Punto de entrada FastAPI
│   │   ├── middleware/
│   │   │   ├── cors.py
│   │   │   └── error_handler.py
│   │   └── routes/
│   │       └── health.py
│   │
│   ├── services/
│   │   ├── auth/                # Autenticación JWT
│   │   ├── attractions/         # CRUD atracciones
│   │   ├── destinations/        # CRUD destinos
│   │   ├── user_profile/        # Perfiles de usuario
│   │   ├── search_service/      # BFS exploration
│   │   ├── route_optimizer/     # A* pathfinding
│   │   ├── rules_engine/        # Motor de reglas
│   │   ├── itinerary_generator/ # Generador de itinerarios
│   │   ├── ml_service/          # Red neuronal
│   │   │   ├── models/
│   │   │   │   ├── neural_network.py
│   │   │   │   └── inference.py
│   │   │   └── data/
│   │   │       └── dataset_loader.py
│   │   └── external_apis/       # Google, Foursquare, Weather
│   │
│   ├── shared/
│   │   ├── config/
│   │   │   ├── settings.py      # Configuración
│   │   │   └── constants.py     # Constantes
│   │   ├── database/
│   │   │   ├── base.py          # Conexión BD
│   │   │   └── models/          # Modelos SQLAlchemy
│   │   ├── schemas/             # Pydantic schemas
│   │   └── utils/
│   │       └── logger.py
│   │
│   └── scripts/
│       ├── seed_data.py         # Poblar BD
│       └── train_model.py       # Entrenar NN
│
└── frontend/
    ├── Dockerfile
    ├── package.json
    ├── tsconfig.json
    │
    ├── public/
    │
    └── src/
        ├── app/
        │   ├── layout.tsx
        │   ├── page.tsx
        │   ├── Destino/         # Páginas de destinos
        │   ├── itinerario/      # Visualización itinerario
        │   ├── planner/         # Planificador
        │   ├── profile/         # Perfil usuario
        │   └── Sesion/          # Login/Register
        │
        ├── components/
        │   ├── MapView.tsx      # Mapa Leaflet
        │   ├── RouteTimeline.tsx
        │   ├── DayContent.tsx
        │   └── CandidateCard.tsx
        │
        ├── context/
        │   └── AuthContext.tsx
        │
        ├── services/
        │   ├── api.ts           # Cliente API
        │   └── authService.ts
        │
        └── types/               # TypeScript types

🔌 Endpoints API

Autenticación

Método	Endpoint	Descripción
POST	`/api/v1/auth/register`	Registrar usuario
POST	`/api/v1/auth/login`	Iniciar sesión
GET	`/api/v1/auth/me`	Usuario actual

Destinos

Método	Endpoint	Descripción
GET	`/api/v1/destinations`	Listar destinos
GET	`/api/v1/destinations/{id}`	Detalle destino
POST	`/api/v1/destinations`	Crear destino

Atracciones

Método	Endpoint	Descripción
GET	`/api/v1/attractions`	Listar atracciones
GET	`/api/v1/attractions/{id}`	Detalle atracción
GET	`/api/v1/attractions/destination/{id}`	Por destino

Itinerarios

Método	Endpoint	Descripción
POST	`/api/v1/itinerary/generate`	Generar itinerario
GET	`/api/v1/itinerary/{id}`	Obtener itinerario
GET	`/api/v1/itinerary/user/me`	Mis itinerarios

Machine Learning

Método	Endpoint	Descripción
POST	`/api/v1/ml/train`	Entrenar modelo
POST	`/api/v1/ml/predict`	Predecir scores
GET	`/api/v1/ml/stats`	Estadísticas
POST	`/api/v1/ml/update-scores`	Actualizar BD

Búsqueda

Método	Endpoint	Descripción
POST	`/api/v1/search/bfs`	Exploración BFS

Optimización

Método	Endpoint	Descripción
POST	`/api/v1/route/optimize`	Optimizar ruta A*

🗄️ Base de Datos

Modelo Entidad-Relación (Simplificado)

┌──────────────┐       ┌──────────────┐       ┌──────────────┐
│    Users     │       │ UserProfiles │       │  Itineraries │
├──────────────┤       ├──────────────┤       ├──────────────┤
│ id           │◄──────│ user_id      │◄──────│ user_prof_id │
│ email        │       │ travel_style │       │ destination  │
│ password     │       │ budget       │       │ num_days     │
│ full_name    │       │ categories   │       │ start_date   │
└──────────────┘       └──────────────┘       └──────────────┘
                                                     │
                                                     ▼
┌──────────────┐       ┌──────────────┐       ┌──────────────┐
│ Destinations │       │ Attractions  │       │ItineraryDays │
├──────────────┤       ├──────────────┤       ├──────────────┤
│ id           │◄──────│ destination  │◄──────│ itinerary_id │
│ name         │       │ name         │       │ day_number   │
│ country      │       │ location     │       │ attractions  │
│ coordinates  │       │ nn_score     │       │ route_data   │
└──────────────┘       │ rating       │       └──────────────┘
                       │ google_data  │
                       │ foursquare   │
                       └──────────────┘
                              │
                              ▼
                       ┌──────────────┐
                       │ Connections  │
                       ├──────────────┤
                       │ from_id      │
                       │ to_id        │
                       │ distance     │
                       │ time         │
                       │ transport    │
                       └──────────────┘

👤 Usuario Demo

Para pruebas rápidas:

Email: demo@tripwise.com
Password: demo123

📄 Licencia

Este proyecto fue desarrollado como proyecto académico.

🤝 Contribuciones

Fork el proyecto
Crea tu rama (git checkout -b feature/nueva-funcionalidad)
Commit tus cambios (git commit -m 'Agregar nueva funcionalidad')
Push a la rama (git push origin feature/nueva-funcionalidad)
Abre un Pull Request

Desarrollado con ❤️ usando IA y algoritmos de búsqueda

Name		Name	Last commit message	Last commit date
Latest commit History 8 Commits
.vscode		.vscode
backend		backend
frontend		frontend
README.md		README.md
docker-compose.yml		docker-compose.yml

Folders and files

Latest commit

History

Repository files navigation

🗺️ Rutas IA - Sistema Inteligente de Planificación Turística

📋 Tabla de Contenidos

✨ Características

🎯 Personalización Inteligente

🧠 Inteligencia Artificial

🔍 Algoritmos de Búsqueda

🌐 Integración con APIs

🗺️ Visualización Interactiva

🏗️ Arquitectura

🛠️ Tecnologías

Backend

Frontend

DevOps

🔬 Algoritmos Implementados

1. BFS (Breadth-First Search)

2. A* (A-Star)

3. K-Means Clustering

4. Motor de Reglas (Forward Chaining)

🧠 Red Neuronal

Arquitectura MLP (Perceptrón Multicapa)

Características de Entrada (13 features)

Entrenamiento

🌐 APIs Externas

Google Places API (New)

Foursquare API v3

OpenWeather API

🚀 Instalación

Prerrequisitos

Variables de Entorno

Levantar el Proyecto

Acceder a la Aplicación

📖 Uso

1. Crear Usuario

2. Crear Perfil de Usuario

3. Generar Itinerario

📁 Estructura del Proyecto

🔌 Endpoints API

Autenticación

Destinos

Atracciones

Itinerarios

Machine Learning

Búsqueda

Optimización

🗄️ Base de Datos

Modelo Entidad-Relación (Simplificado)

👤 Usuario Demo

📄 Licencia

🤝 Contribuciones

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages