Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える

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

メーデーの休日が終わりました。休暇の時間をどこで費やしたか計算しましたか?交通渋滞?アトラクションに並ぶ?Cの人が写真を撮るのをまだ待っていますか?

この4日間の休暇は、観光客に別の春祭りの旅行体験を与えたと言われています。列車のチケットや人気の景勝地のチケットを見つけるのは困難です。スカルパーは多くのお金を稼ぐ機会を得ました。

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える
「メイデイ」期間中、上海ディズニーランドはあまりにも人気が
あり、チケット価格が通常の2倍になった

誰かがメーデーの休日から戻った後、ついにタノスの気持ちを理解したと冗談を言った。

データ分析は観光客が混雑を避けるのに役立ちます

この状況に直面して、精通したプログラマーは、誰もが群衆を賢く回避するのを助ける方法を考えました。|出典:プログラマーは共に成長する

プログラマーの弟は、クローラーを介して取得したデータに基づいて、今年5月1日の最も人気のあるアトラクションが上海ディズニーランドであることを発見したので、彼はその楽しみに参加しないことにしました。

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える
一部の都市の人気のあるアトラクションのデータを分析した後、人気ランキングを取得し、これらのデータから何らかの貢献があるかどうかを確認します。

上記のアトラクションの売上ランキング結果は、クナールのウェブサイトで人気のある観光都市のチケットの売上を分析することで得られます。具体的な方法は次のとおりです。

https://piao.qunar.com/ticket/list.htm?keyword=Beijingをリクエストして、北京で人気の景勝地の情報を取得し、 BeautifulSoup を通じて必要な情報分析して抽出します。

上昇したデータによると、各景勝地のチケット販売を分析できるだけでなく、景勝地のヒートマップを作成することもできます。北京を例にとると、

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える
ヒートマップから見ることができるのは、今年の「5月1日」の期間、紫禁城博物館、王宮公邸、北京動物園などのアトラクションが最も人気があることです。

ここでは、Baidu Mapsのオープンプラットフォームが使用されています。まず、開発者情報を登録する必要があり、ホームページ下部に「秘密鍵の適用」ボタンがありますので、クリックして作成してください。

アプリケーションの種類はブラウザ側で選択されるため、データを組み立てて対応するhtmlコードを置き換えるだけで済みます。さらに、アプリケーションにアクセスするAKを置き換える必要があります。

最後に、データを使用して人気の景勝地の価格を比較し、自分の予算に応じて対応する計画を立てました。
Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える

別のプログラマーはPythonを使用して国内のすべての州と自治区の景勝地データをクロールし、昨年の建国記念日の全国の景勝地のヒートマップを取得しました。

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える
この図から、北京-天津-河北省、揚子江デルタ、珠江デルタ、四川省の発熱量が上位4つにランクされていることが明確にわかります。

これらの分析を使用すると、これらのホットスポットを回避するために次の休暇の合理的な計画を立てることができ、道路で立ち往生することを心配する必要はありません。

AIは景勝地の効率向上に役立ちます

観光客に加えて、長期休暇や小さな休暇中、景勝地やグルメショップも人々に悩まされています。

「メーデー」期間中、多くの景勝地が封鎖され、爆発しました八達嶺万里の長城は、休日の初日に54,000人の観光客を迎え、その日は約200,000トンのゴミを出しました。オープンしたばかりの万博には327,000人の来場者があり、壮観な光景が想像できます。
Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える

万里の長城の観光客は、いわゆる「ジレンマ」を十分に体験しました

長沙にある有名なロブスターのオンラインレストランは、多くのゲストを受け入れることができなかったと謝罪の手紙を出し、表示された番号のリストには7172のテーブルがありました。

これらの問題に直面した多くの企業は、人工知能を積極的に使用して、景勝地が解決策を見つける手助けをしています。

観光業界の知性を促進するために、最も初期のAI +観光は1つのシーンから切り取られています。たとえば、音声ガイド/翻訳、ロボットカスタマーサービス、AR / VRデジタルガイドなど、多くのアトラクションで接触します。しかし、これらのアプリケーションはすべて互いに独立しており、観光客の体験に根本的な改善はまだありません。

近年、いくつかの国内企業は新たな一歩を踏み出し、景勝地や地元の観光局向けにあらゆる範囲の業務分析の基礎を提供し始めました。

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える
アイビーの最初のバッチプロジェクト「顔を公園にスワイプ」は、カナス、秦皇兵馬俑、古北水郷、その他の景勝地で使用されています

たとえば、Baiduのディープラーニングラボの元ディレクターであるLin Yuanqing博士によって設立されたAibeeは、AIとオフライン旅行を組み合わせて、グローバル旅行のソリューションを提供しています。

彼らはオンラインとオフラインのデータを開きます。まず、観光客は顔をスワイプしてチケットを購入するために登録できます。公園に入ると、観光客のツアーを追跡します。ツアー中、景勝地はおすすめやポップアップウィンドウなどの形式を使用して情報やサービスをプッシュし、人々を見つけてから、景勝地内外の観光客の2番目の消費を促進できます。

Aibeeのソリューションには、コンピュータービジョン、音声認識、自然言語理解、ビッグデータ分析などのマルチモーダルAIテクノロジーが含まれます。テクノロジーは複雑ではありませんが、これらのテクノロジーを組み合わせて全体的なソリューションを提案することはサービス効率と景勝地の質の向上は大きな助けとなりました。

現在、アイビーは武当山、カナス、華山など65の景勝地と協力しており、顔認証システムは数秒で完了し、従来のチケットチェック方法は30秒以上かかります。公園への入場効率は約10倍に向上しました。

BATのAI +観光レイアウト

大きな観光市場に直面して、BATはどのようにして聴衆になれますか?

Tencent:昨年8月、TencentとChongqingは共同で、モノのインターネット、クラウドコンピューティング、ビッグデータ、人工知能、その他のテクノロジーを含む「武装のモバイルツアー」を作成し、パーソナライズされたラインのカスタマイズ、専門家による推​​奨、インテリジェントなカスタマイズ、インテリジェントなナビゲーションなどを行いました。観光情報の取得、旅程の計画、商品の予約、旅行メモの共有、特別な電子商取引の購入など、ワンストップのインテリジェントサービスを観光客に提供する機能。

アリ:昨年、未来のホテル「FlyZoo Hotel」(中国名「FlyZoo Hotel」)のアリの最初の実店舗がオープンしました。これは、フルシーンのフェイシャルアコモデーションをサポートする世界で最初のホテルと言われています。チェックインから客室までエクスペリエンスとチェックアウトプロセスは、プロセス全体を通じてAIインテリジェントサービスを実現します。

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える
「Feizhubuthi」ホテルのロボットが食事を届けています

Baidu:観光当局や観光地の場合、Baiduはそのデータと検索、ポートレート、世論、知識グラフ、人工知能などの技術的利点を積極的に活用して、旅行の前、旅行中、旅行後に完全に観光客を網羅し、観光ビッグデータを包括的に展開します、視覚的プラットフォーム(SaaS)およびデータインターフェース(API)サービスを提供し、景勝地が精密なマーケティング機能を改善し、安全管理の効率を最適化し、観光サービスの品質を向上させ、グローバルな観光レイアウトを導く

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える
BaiduのAI +旅行ソリューションアーキテクチャ

したがって、次回休暇を取る前に、テクノロジーの力を利用して、リスト内の景勝地の熱分析を行い、混雑を避け、山と海を静かに横断することができます。

ハイパーニューロペディア

マルチモーダル学習

モダリティは、人々が情報を受け取る特定の方法を指します。マルチメディアデータは多くの場合、複数の情報の配信媒体です(たとえば、テキスト情報、視覚情報、聴覚情報はビデオで配布されることが多い)。マルチモーダル学習は、マルチメディアコンテンツの分析と理解の主要な手段に徐々に発展しています。

マルチモーダル学習には、主に次の研究方向が含まれます。

マルチモーダル表現学習:主に、複数のモーダルデータに含まれる意味情報を数値のベクトルに変換する方法を研究します。

モーダル間マッピング:主な研究は、特定のモーダルデータの情報を別のモーダルにマッピングする方法です。

調整:主に、異なるモダリティ間の部品と要素間の対応を特定する方法を調査します。

Fusion:主に、異なるモダリティ間でモデルと機能を統合する方法を研究します。

共同学習:主な研究は、情報量の多いモーダルで学習した知識を情報量の少ないモーダルに転送して、各モーダルの学習が互いに助け合う方法です。典型的な方法には、マルチモーダルなゼロサンプル学習とドメイン適応があります。

Thanosを理解する|小さな休暇旅行のピークを避けるために科学を教える

おすすめ

転載: blog.51cto.com/14929242/2535427