https://mp.weixin.qq.com/s/PIzxQE8Q2HLSYtr13FoaMQ
By 超神经
场景描述：将 AI 技术如计算机视觉、语音识别、自然语言处理、大数据分析等应用到旅游服务业中，一方面可帮助游客减少不必要的时间与金钱浪费，另一方面，可提升景区服务效率与质量，实现双赢局面。
关键词：爬虫 计算机视觉 语音识别 自然语言处理 大数据分析 云计算El feriado del "Primero de Mayo" ha terminado. ¿Ha calculado dónde pasará su tiempo de vacaciones? ¿Embotellamiento? ¿Alinearse para las atracciones? ¿Sigues esperando que una persona C tome fotos?
Se dice que estas vacaciones de cuatro días les dieron a los turistas otra experiencia de viaje durante el Festival de Primavera. Es difícil encontrar boletos de tren y boletos para lugares escénicos populares. Los revendedores aprovecharon la oportunidad para ganar mucho dinero:
Durante el período del "Primero de Mayo", Shanghai Disneyland fue demasiado popular, lo que
provocó que el precio de la entrada se duplicara como de costumbre.
Alguien bromeó diciendo que después de regresar de unas vacaciones del Primero de Mayo, finalmente entendió los sentimientos de Thanos.
El análisis de datos ayuda a los turistas a evitar las multitudes
Ante esta situación, el programador inteligente pensó en una forma de ayudar a todos a evitar las multitudes. | Fuente: Los programadores crecen juntos
Con base en los datos obtenidos a través de crawlers, el hermano pequeño del programador descubrió que la atracción más popular el 1 de mayo de este año era Shanghai Disneyland, por lo que decidió no unirse a la diversión.
Después de analizar los datos de las atracciones populares en algunas ciudades, obtenga el ranking de popularidad y vea si hay alguna contribución de estos datos.
Los resultados del ranking de ventas de las atracciones anteriores se obtienen analizando las ventas de boletos en las ciudades turísticas populares en el sitio web de Qunar. El método específico es el siguiente:
Al solicitar https://piao.qunar.com/ticket/list.htm?keyword=Beijing, obtenga la información de lugares escénicos populares en Beijing, y luego analice y extraiga la información requerida a través de BeautifulSoup.
De acuerdo con los datos escalados, no solo puede analizar las ventas de boletos de cada lugar escénico, sino también hacer un mapa de calor del lugar escénico. Tome Beijing como ejemplo:
Se puede ver en el mapa de calor que durante el período del "Primero de Mayo" de este año, el Museo de la Ciudad Prohibida, la Mansión del Príncipe Gong, el Zoológico de Beijing y otras atracciones son las más populares.
Aquí se utiliza la plataforma abierta de Baidu Maps. En primer lugar, debe registrar la información del desarrollador. Hay un botón "Aplicar clave secreta" en la parte inferior de la página de inicio, simplemente haga clic para crearlo.
Dado que el tipo de aplicación se selecciona en el lado del navegador, solo necesita ensamblar los datos y reemplazar el código html correspondiente. Además, debe reemplazar el AK que accede a la aplicación.
Finalmente, los datos se utilizaron para comparar los precios de lugares escénicos populares con el fin de hacer los planes correspondientes de acuerdo con su propio presupuesto.
Otro programador usó Python para rastrear los datos de los lugares escénicos de todas las provincias y regiones autónomas del país, y obtuvo el mapa de calor de los lugares escénicos nacionales durante el Día Nacional el año pasado:
A partir de esta figura, se puede ver claramente que el poder calorífico de Beijing-Tianjin-Hebei, el delta del río Yangtze, el delta del río Pearl y Sichuan se ubica entre los cuatro primeros
Con estos análisis, puede hacer un plan razonable para las próximas vacaciones para evitar estos puntos calientes y no tiene que preocuparse por quedarse atrapado en la carretera.
La IA ayuda a los lugares escénicos a mejorar la eficiencia
Además de los turistas, durante las vacaciones largas y pequeñas, los lugares pintorescos y las tiendas gourmet también se ven perturbados por la gente.
Durante el período del "Primero de Mayo", muchos lugares escénicos fueron bloqueados y explotados. La Gran Muralla de Badaling recibió a 54.000 turistas el primer día de la festividad y generó casi 200.000 toneladas de basura ese día. La Expo que acaba de inaugurar recibió a 327.000 visitantes, y las escenas espectaculares se pueden imaginar.
Los turistas de la Gran Muralla experimentaron plenamente lo que se llama un "dilema"
Un restaurante de langosta de celebridades en línea en Changsha emitió una carta de disculpa, diciendo que no podía recibir a muchos invitados, y en la lista de números que mostraba, había 7172 mesas.
Ante estos problemas, muchas empresas también están utilizando activamente la inteligencia artificial para ayudar a los lugares escénicos a encontrar soluciones.
El turismo AI + más antiguo se corta de una sola escena para promover la inteligencia de la industria del turismo. Por ejemplo, audioguías / traducciones, atención al cliente de robots, guías digitales AR / VR, etc. con las que entraremos en contacto en muchas atracciones. Pero estas aplicaciones son todas independientes entre sí, y todavía no hay una mejora fundamental para la experiencia turística.
En los últimos años, algunas empresas nacionales han dado un nuevo paso y han comenzado a proporcionar una gama completa de bases de análisis operativo para lugares escénicos y departamentos de turismo locales.
El primer lote de proyectos de Aibee `` Swipe the face into the park '' se ha puesto en uso en Kanas, Qinhuang Terracotta Warriors and Horses, Gubei Water Town y otros lugares escénicos.
Por ejemplo, Aibee, fundada por el Dr. Lin Yuanqing, ex director del laboratorio de aprendizaje profundo de Baidu, combina la inteligencia artificial con los viajes fuera de línea para brindar soluciones para viajes globales.
Abren datos en línea y fuera de línea. Primero, los turistas pueden registrarse para comprar boletos deslizando sus caras. Después de ingresar al parque, rastrearán el recorrido de los turistas. Durante el recorrido, el lugar escénico puede utilizar la forma de recomendación, ventana emergente, etc. para impulsar información y servicio para encontrar personas, y luego promover el segundo consumo de turistas dentro y fuera del lugar escénico.
La solución de Aibee implica tecnología de IA multimodal que incluye visión por computadora, reconocimiento de voz, comprensión del lenguaje natural, análisis de big data, etc. La tecnología no es complicada, pero combinar estas tecnologías para proponer una solución general es La mejora de la eficiencia del servicio y la calidad de los lugares escénicos ha sido de gran ayuda.
En la actualidad, Aibee ha cooperado con 65 lugares escénicos como la montaña Wudang, Kanas y Huashan. Su sistema de reconocimiento facial solo toma unos segundos, mientras que el método tradicional de verificación de boletos toma al menos 30 segundos. La eficiencia para ingresar al parque se ha incrementado en unas 10 veces.
Diseño de turismo AI + de BAT
Frente al gran mercado del turismo, ¿cómo puede BAT ser simplemente la audiencia?
Tencent: En agosto del año pasado, Tencent y Chongqing crearon conjuntamente "A Mobile Tour of Wulong", que involucra Internet de las cosas, computación en la nube, big data, inteligencia artificial y otras tecnologías, a través de personalización de línea personalizada, recomendación de expertos, personalización inteligente, navegación inteligente, etc. Función para proporcionar a los turistas servicios inteligentes de ventanilla única en la adquisición de información turística, planificación de itinerarios, reserva de productos, intercambio de notas de viaje y compras especiales de comercio electrónico.
Ali: El año pasado, abrió la primera tienda física de Ali del futuro hotel "FlyZoo Hotel" (nombre chino "FlyZoo Hotel"). Se dice que este es el primer hotel en el mundo que admite acomodación facial completa. Desde el check-in hasta las habitaciones. El proceso de experiencia y check-out realiza servicios inteligentes de IA a lo largo de todo el proceso.
Los robots del hotel "Feizhubuthi" están entregando comidas.
Baidu: para las autoridades de turismo y los lugares escénicos, Baidu también aprovecha activamente sus datos y ventajas técnicas, como la búsqueda, los retratos, la opinión pública, los gráficos de conocimiento y la inteligencia artificial, para cubrir completamente a los turistas antes, durante y después del viaje, y desplegar de manera integral el big data turístico. Proporcionar servicios de plataforma visual (SaaS) e interfaz de datos (API) para ayudar a los lugares escénicos a mejorar las capacidades de marketing de precisión, optimizar la eficiencia de la gestión de seguridad, mejorar la calidad del servicio turístico y guiar el diseño del turismo global.
Arquitectura de la solución de viaje AI + de Baidu
Por lo tanto, antes de salir de vacaciones la próxima vez, es posible que desee utilizar el poder de la tecnología para hacer un análisis térmico de los lugares escénicos de la lista, evitar las multitudes y cruzar con calma las montañas y el mar.
HyperNeuropedia
Aprendizaje multimodal
La modalidad se refiere a la forma específica en que las personas reciben información. Dado que los datos multimedia suelen ser el medio de transmisión de información múltiple (por ejemplo, la información textual, la información visual y la información auditiva a menudo se difunden en un video), el aprendizaje multimodal se ha convertido gradualmente en el principal medio de análisis y comprensión del contenido multimedia.
El aprendizaje multimodal incluye principalmente las siguientes direcciones de investigación:
Aprendizaje de representación multimodal: estudia principalmente cómo convertir numéricamente la información semántica contenida en múltiples datos modales en vectores de valor real.
Mapeo intermodal: la investigación principal es cómo mapear la información en un dato modal particular a otro modal.
Alineación: Investigar principalmente cómo identificar la correspondencia entre partes y elementos entre diferentes modalidades.
Fusión: Investigue principalmente cómo integrar modelos y características entre diferentes modalidades.
Aprendizaje colaborativo: La investigación principal es cómo transferir el conocimiento aprendido en el modal rico en información al modal pobre en información, de modo que el aprendizaje de cada modal pueda ayudarse mutuamente. Los métodos típicos incluyen el aprendizaje multimodal de muestra cero y la adaptación de dominio.
