理解灭霸 | 手把手教你科学避开小长假出游高峰

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

面对此情此景，精明的 程序员 想了个办法，帮大家机智避开人山人海。

这位程序员小哥哥 通过爬虫获得的数据， 分析得出今年五一最受欢迎景点是 上海迪士尼乐园 ，于是果断选择不去凑热闹。

对部分城市热门景点数据分析后，得到受欢迎程度排名，看看这些数据里有没有你的贡献

以上景点销量排行结果是通过分析去哪儿网上热门旅游城市门票售卖情况得来。具体方法如下：

通过请求 https://piao.qunar.com/ticket/list.htm?keyword=北京，获取北京地区热门景区信息，再通过 BeautifulSoup 去分析提取出需要的信息。

根据爬到的数据，不仅可以分析各景点门票销量，还可以制作出景区热力图，以北京为例：

从该热力图中可以看出，今年「五一」期间，故宫博物馆，恭王府，北京动物园等景点最受欢迎

这里用到了 百度地图的开放平台。 首先需要注册开发者信息，首页底部有一个「申请秘钥」按钮，点击进行创建即可。

由于应用类型选择的是浏览器端，因此只需要组装数据替换掉相应 html 代码即可。另外还需要将自己访问应用的 AK 替换掉。

最后，还利用数据对热门景区价格进行了对比，以便根据自己的预算作出相应计划。

还有一位程序员用 Python 爬取了全国所有省份以及自治区的景点数据，得到去年国庆期间全国景点热力图：

由此图可以很明显地看到，京津冀，长三角，珠三角以及四川地区热力值居前四位

有了这些分析，下次假期就可以合理制定计划，避开这些火热景点，也不用担心被堵在路上进退两难。

除了游客，每逢大小长假，景点以及美食店铺也同样被人山人海困扰。

「五一」期间，多个景区被堵爆，八达岭长城假期第一天就迎来 5.4 万 游客，当天产生垃圾近 20 万吨。刚刚开幕的世园会更是迎来 32.7 万 人次游客，其壮观画面可想而知。

长城上的游客充分体验了什么叫做「进退两难」

而长沙某网红龙虾馆专门发布致歉信，称无法接待众多的客人，而在其展示的排号单上，竟然排到了 7172 桌。

面对这些问题，很多公司也在积极 利用人工智能，帮助景区寻找解决方案。

最早的 AI +旅游是从单一场景切入，以期推动旅游产业的智能化。比如我们在很多景点都会接触到的 语音导览/翻译、机器人客服、AR/VR 数字导览 等。但是这些应用都是各自 相互独立的服务， 对于游客体验依然没有根本的改善。

近年来，国内一些公司已经迈出了新的一步，开始为景区和当地旅游部门提供全方位的运营分析依据。

Aibee 的首批项目「刷脸入园」已经在喀纳斯、秦皇兵马俑、古北水镇等景区投入使用

比如由百度深度学习实验室原主任林元庆博士创立的 Aibee，就将 AI 与线下旅游结合，提供 全域旅游 的解决方案。

他们打通线上线下数据，首先游客可通过刷脸注册购票，入园后会对游客游览过程进行追踪。在游览过程中，景区可以利用推荐、弹窗等形式进行信息推送、服务找人，进而促进游客在景区内外的二次消费。

Aibee 的解决方案涉及到包括计算机视觉、语音识别、自然语言理解、大数据分析等在内的多模态 AI 技术，技术并不复杂，但将这些技术综合起来，提出整体的解决方案，便为景区服务效率与质量的提升提供很大帮助。

目前，Aibee 已经与武当山、喀纳斯、华山等 65 家景区合作，其人脸识别系统仅需几秒，而传统的检票方式至少需要 30 秒，入园效率提升了 10 倍左右。

面对旅游这个大市场，BAT 岂能只甘心做观众？

腾讯 ：腾讯去年 8 月和重庆联合打造的「一部手机游武隆」，涉及了物联网、云计算、大数据、人工智能等技术，通过个性线路定制、达人推荐、智能定制、智能导览等功能，为游客在旅游信息获取、行程规划、产品预订、游记分享、特色电商购买等方面提供 一站式智能化服务。

阿里 ：去年， 阿里首 家未来酒 店实体店 「FlyZoo Hotel」（中文名「菲住布渴」）开店，据称，这是全球第一家支持全场景刷脸住宿的酒店，从入住登记、客房体验及退房流程，全程实现AI智能化服务。

「菲住布渴」酒店中机器人正在送餐

百度 ：面向旅游主管部门和景区，百度也积极发挥其搜索、画像、舆情、知识图谱及人工智能等数据及技术优势，对游客的行前、行中及行后全覆盖， 全面布局旅游大数据， 提供可视化平台（SaaS）及数据接口（API）服务，帮助景区提升精准营销能力，优化安全管理效率，提高游客服务质量，指导全域旅游布局。

百度的 AI + 旅游方案架构

所以，在你下次假期外出度假之前，不妨先借助技术的力量，给出行列表的景区做个热度分析，机智地避开人山人海，从容地跨过山和大海。

超神经百科

多模态学习 Multimodal Learning

模态是指人接受信息的特定方式。由于多媒体数据往往是多种信息的传递媒介（例如一段视频中往往会同时使得文字信息、视觉信息和听觉信息得到传播），多模态学习已逐渐发展为多媒体内容分析与理解的主要手段。

多模态学习主要包括以下几个研究方向：

多模态表示学习：主要研究如何将多个模态数据所蕴含的语义信息数值化为实值向量。

模态间映射：主要研究如何将某一特定模态数据中的信息映射至另一模态。

对齐：主要研究如何识别不同模态之间的部件、元素的对应关系。

融合：主要研究如何整合不同模态间的模型与特征。

协同学习：主要研究如何将信息富集的模态上学习的知识迁移到信息匮乏的模态，使各个模态的学习互相辅助。典型的方法包括多模态的零样本学习、领域自适应等。

我的十一假期旅行，完全被人工智能操控了

趁假期修炼内功，教你顺滑切换编程语言

北京世园会背后：科技带来的园艺之美

http://hyper.ai