室内定位技术将会怎样颠覆传统商业运营?

室内定位技术将会怎样颠覆传统商业运营?
去到购物中心的地下停车场,购完物后,是不是有找不着停车位的时候?想象一下,下载一个商场的有全景功能APP,就可以直接以实景方式,引导你快速找到自己的车,省去在迷宫一样的地下停车场晕头转向的烦恼。

这其实是一种名为室内自动定位技术的最简单的应用之一。类似如在商场里借助室内定位技术快速找到出口和电梯,带孩子的家长可以用来跟踪小孩的位置避免在卖场中走走。甚至,当你将手提包落在商场的某一处,刚走出几米远,手机就会向你报警,提示你物品丢失……这些都可以通过室内定位技术做到。

室内定位技术正日渐兴起,并在逐步应用到商业领域。863导航领域专家组组长、中科院院士周成虎表示, 中国已拥有中国已拥有世界上最领先的室内定位技术能力,形成室外亚米级厘米级、室内优于3米的无缝定位导航能力。


突破传统限制

室内定位技术可以为用户提供精准的商场定位、导航、导购服务,为商场提供客流动线,停留时长、到访频次等BI分析核心信息,动态模拟商场的业态规划和布局调整后带来的人流及销售收入的变化。具体来说,采用室内定位技术使传统商业可以突破传统的限制:


门店智能化。室内定位技术里实景导航的服务,可以通过实景展示出用户感兴趣的方向或者距离。根据万达电商前CEO龚义涛的说法,在他任万达电商CEO期间,万达投资了近十亿元,在全国85个万达广场全部采用了智慧图的室内定位技术,实现了智能化。另外,万达广场以前用摄像头来统计人流,但仅限于此,而Wi-Fi的数据几乎就没有,比如一个人一个月来万达广场几次根本无从知晓,店铺和品牌的关联性也无法判断,而冷区热区动向的分布以及品牌的落位,这个都会对商场销售额产生翻倍的影响,“我们在福建的一家广场,通过这项技术发现,去必胜客消费的很多用户,都会选择去ZRAR购物,我们据此针对性的做了两者间的联合促销,效果非常好。”借助室内定位技术,万达广场还在打造一个以线下为中心的O2O平台。


真正的大数据分析。室内定位技术可以帮助大型商场进行基于时空商业的产品分析。传统的线下大数据分析,以前并没有太多介入手段,大多是通过问卷调查,以及统计会员和POS刷卡数据来做一些初级的分析,这些严格意义上说都只是一种统计而不能称之为大数据。但借助室内定位技术,基于无线定位和电子地图,商家可以精确收集到每一个消费者逛街的数据,比如在每个店里停留的时间,喜欢逛哪些店,消费了哪些商品等,把这些数据与线下会员、POS等数据打通,就可以真正实现大数据分析,能让商家挖掘出数字背后的故事和未来的趋势,比如用户的偏好并结合偏好为他们提供感兴趣的信息。举例来说,如果你是广发银行的信用卡客户,一进入商场,你就可以看到广发银行在哪些商户使用可以享受折扣的信息(见下图)。还可以根据客流动线热度图、顾客品牌喜好、品牌关联度等数据在时空上的深度挖掘,找出吸引顾客的方式方法,帮助商场进行品牌店铺的调整。


个性化营销互动平台。很多购物中心或卖场一说起精准营销就想做APP或微信公众号,事实上,这跟以前的短信群发有什么本质上的区别?真正要做精准营销必须有大数据支撑,室内定位技术可以统计用户的兴趣、用户对时间和位置的敏感度,由此可以“私人定制”,将特定用户在特定时间、特定位置感兴趣的营销信息进行发达,避免群发的骚扰。



Wi-Fi定位是传统商业首选

事实上,国外如谷歌、苹果、诺基亚、博通、IndoorAtals、Qubulus等,都在研究这一技术解决方案,但各自采用的定位技术有所不同,比如诺基亚的方向是蓝牙室内定位技术,还有一些企业研究的方向是诸如超宽带定位、手机自主惯性传感器定位、LED定位等技术,这些技术各有优势,但也有部署复杂、成本高、定位不精确、需要第三方运营商配合程度高等诸多不利因素。比如百度、高德曾尝试过热点地图定位方案,但精度不够,而且AP位置发生变化时容易出错。

基于Wi-Fi的精确定位技术脱颖而出,Wi-Fi定位目前能达到米级,尽管精度相比于蓝牙、超宽带、激光等技术的亚米级、甚至分米级的定位方案要逊色一些,但由于无线网络的普及,变得非常流行,对商业来说已足够满足需求。近期也涌现出了像Wifislam、Meridian等一批Wi-Fi 定位很有特色的公司。包括百度、高德、四维等公司也转向研发 Wi-Fi 室内定位产品。

而且,对于大众消费行业特别是传统商业(购物中心、百货店、大卖场)来说,Wi-Fi 室内定位是最具可操作性的。的确,很多信号都有可能被用于室内定位,蓝牙、超宽带脉冲、超声波等等。但除了Wi-Fi,其余都必须铺设单独铺设信号发生器,甚至有些技术还要求从新在前端上也铺设信号接收设备,这给在商业尤其是大面积的商业综合体的应用带来了巨大阻力。

另外,从成本的角度考虑,定位精度的提高会带来成本的大幅提高,甚至也是指数关系。1000平米的区域利用超宽带定位到达分米级定位,需要几十万元,而同样的费用利用 Wi-Fi 可以覆盖一个十万平米的商场,在这个商场中不仅可以做到米级的定位,还可以满足上网需求。智慧图CTO徐连明告诉记者,现在的室内定位需求大部分为客流统计分析(常用在商场)、实时导航(停车场找车)、基于地理围栏的广告推送以及安全监控等。目前米级的室内定位精度已经能够满足绝大部分市场的需求了。因为在室内,米级的定位精度意味着抬头就能看见。


目前在商业领域,已经有一些应用的案例。例如在北美和欧洲,Google 把 Wi-Fi 室内定位和室内地图引入了 Google 地图,一年多就覆盖了这两个区域10000余家大型场馆。

我国有数千个大型购物广场,最大的购物广场面积达121.5万平米,日消费者超20万人。商场购物引导、精准广告及应急疏散问题突出。中国室内位置服务市场规模巨大。但是现在,这样的应用普及还远远不够。事实上,无论是购物中心、百货店还是大卖场,几乎所有的传统商业企业现在都缺乏两样东西:用户和数据。用户绝不仅仅是客流和客户。比如,客户都去哪了?客户来了店里,他们各自都在哪些区域流动和消费?正如万达电商前CEO龚义涛所言,没有用户的概念,商场对谁来谁走都是一片空白。另外,现在的传统门店是否可以想象客户在里面逛店的一举一动,都能像在网上购物对每一个商品的点击一样,尽数洞悉吗?正是由于以往对客户了解得太过于表面,今天传统商业的局面才如此被动。而室内定位技术或将让传统商业的运营尤其是营销上实现跨越式的创新。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值