理解滅霸 | 手把手教你科學避開小長假出遊高峰

By 超神經

場景描述：將 AI 技術如計算機視覺、語音識別、自然語言處理、大資料分析等應用到旅遊服務業中，一方面可幫助遊客減少不必要的時間與金錢浪費，另一方面，可提升景區服務效率與質量，實現雙贏局面。

關鍵詞：爬蟲 計算機視覺 語音識別 自然語言處理 大資料分析 雲端計算

面對此情此景，精明的程式設計師想了個辦法，幫大家機智避開人山人海。

這位程式設計師小哥哥 通過爬蟲獲得的資料， 分析得出今年五一最受歡迎景點是 上海迪士尼樂園 ，於是果斷選擇不去湊熱鬧。

對部分城市熱門景點資料分析後，得到受歡迎程度排名，看看這些資料裡有沒有你的貢獻

以上景點銷量排行結果是通過分析去哪兒網上熱門旅遊城市門票售賣情況得來。具體方法如下：

通過請求 https://piao.qunar.com/ticket/list.htm?keyword=北京，獲取北京地區熱門景區資訊，再通過 BeautifulSoup 去分析提取出需要的資訊。

根據爬到的資料，不僅可以分析各景點門票銷量，還可以製作出景區熱力圖，以北京為例：

從該熱力圖中可以看出，今年「五一」期間，故宮博物館，恭王府，北京動物園等景點最受歡迎

這裡用到了 百度地圖的開放平臺。 首先需要註冊開發者資訊，首頁底部有一個「申請祕鑰」按鈕，點選進行建立即可。

由於應用型別選擇的是瀏覽器端，因此只需要組裝資料替換掉相應 html 程式碼即可。另外還需要將自己訪問應用的 AK 替換掉。

最後，還利用資料對熱門景區價格進行了對比，以便根據自己的預算作出相應計劃。

還有一位程式設計師用 Python 爬取了全國所有省份以及自治區的景點資料，得到去年國慶期間全國景點熱力圖：

由此圖可以很明顯地看到，京津冀，長三角，珠三角以及四川地區熱力值居前四位

有了這些分析，下次假期就可以合理制定計劃，避開這些火熱景點，也不用擔心被堵在路上進退兩難。

除了遊客，每逢大小長假，景點以及美食店鋪也同樣被人山人海困擾。

「五一」期間，多個景區被堵爆，八達嶺長城假期第一天就迎來 5.4 萬 遊客，當天產生垃圾近 20 萬噸。剛剛開幕的世園會更是迎來 32.7 萬 人次遊客，其壯觀畫面可想而知。

長城上的遊客充分體驗了什麼叫做「進退兩難」

而長沙某網紅龍蝦館專門釋出致歉信，稱無法接待眾多的客人，而在其展示的排號單上，竟然排到了 7172 桌。

面對這些問題，很多公司也在積極 利用人工智慧，幫助景區尋找解決方案。

最早的 AI +旅遊是從單一場景切入，以期推動旅遊產業的智慧化。比如我們在很多景點都會接觸到的 語音導覽/翻譯、機器人客服、AR/VR 數字導覽 等。但是這些應用都是各自 相互獨立的服務， 對於遊客體驗依然沒有根本的改善。

近年來，國內一些公司已經邁出了新的一步，開始為景區和當地旅遊部門提供全方位的運營分析依據。

Aibee 的首批專案「刷臉入園」已經在喀納斯、秦皇兵馬俑、古北水鎮等景區投入使用

比如由百度深度學習實驗室原主任林元慶博士創立的 Aibee，就將 AI 與線下旅遊結合，提供 全域旅遊 的解決方案。

他們打通線上線下資料，首先遊客可通過刷臉註冊購票，入園後會對遊客遊覽過程進行追蹤。在遊覽過程中，景區可以利用推薦、彈窗等形式進行資訊推送、服務找人，進而促進遊客在景區內外的二次消費。

Aibee 的解決方案涉及到包括計算機視覺、語音識別、自然語言理解、大資料分析等在內的多模態 AI 技術，技術並不複雜，但將這些技術綜合起來，提出整體的解決方案，便為景區服務效率與質量的提升提供很大幫助。

目前，Aibee 已經與武當山、喀納斯、華山等 65 家景區合作，其人臉識別系統僅需幾秒，而傳統的檢票方式至少需要 30 秒，入園效率提升了 10 倍左右。

面對旅遊這個大市場，BAT 豈能只甘心做觀眾？

騰訊 ：騰訊去年 8 月和重慶聯合打造的「一部手機遊武隆」，涉及了物聯網、雲端計算、大資料、人工智慧等技術，通過個性線路定製、達人推薦、智慧定製、智慧導覽等功能，為遊客在旅遊資訊獲取、行程規劃、產品預訂、遊記分享、特色電商購買等方面提供 一站式智慧化服務。

阿里 ：去年， 阿里首 家未來酒 店實體店 「FlyZoo Hotel」（中文名「菲住布渴」）開店，據稱，這是全球第一家支援全場景刷臉住宿的酒店，從入住登記、客房體驗及退房流程，全程實現AI智慧化服務。

「菲住布渴」酒店中機器人正在送餐

百度 ：面向旅遊主管部門和景區，百度也積極發揮其搜尋、畫像、輿情、知識圖譜及人工智慧等資料及技術優勢，對遊客的行前、行中及行後全覆蓋， 全面佈局旅遊大資料， 提供視覺化平臺（SaaS）及資料介面（API）服務，幫助景區提升精準營銷能力，優化安全管理效率，提高遊客服務質量，指導全域旅遊佈局。

百度的 AI + 旅遊方案架構

所以，在你下次假期外出度假之前，不妨先借助技術的力量，給出行列表的景區做個熱度分析，機智地避開人山人海，從容地跨過山和大海。

超神經百科

多模態學習 Multimodal Learning

模態是指人接受資訊的特定方式。由於多媒體資料往往是多種資訊的傳遞媒介（例如一段視訊中往往會同時使得文字資訊、視覺資訊和聽覺資訊得到傳播），多模態學習已逐漸發展為多媒體內容分析與理解的主要手段。

多模態學習主要包括以下幾個研究方向：

多模態表示學習：主要研究如何將多個模態資料所蘊含的語義資訊數值化為實值向量。

模態間對映：主要研究如何將某一特定模態資料中的資訊對映至另一模態。

對齊：主要研究如何識別不同模態之間的部件、元素的對應關係。

融合：主要研究如何整合不同模態間的模型與特徵。

協同學習：主要研究如何將資訊富集的模態上學習的知識遷移到資訊匱乏的模態，使各個模態的學習互相輔助。典型的方法包括多模態的零樣本學習、領域自適應等。

我的十一假期旅行，完全被人工智慧操控了

趁假期修煉內功，教你順滑切換程式語言

北京世園會背後：科技帶來的園藝之美

http://hyper.ai