上海地铁免费WiFi将商业化 年底前完成信号覆盖

早上7点半,乘坐地铁一号线上班的钱小姐习惯性地拿出了手机,突然“天猫超市免费Wi-Fi”的字样跳了出来,连接后,网页自动跳转至天猫超市促销页面。地铁行驶了五站,就在这短短十几分钟时间里,钱小姐在天猫超市上购买了几箱酸奶,下单支付,网络一路畅通。

经过1年多的测试,上海地铁里的免费Wi-Fi开始投入商业运营。所谓的“天猫超市免费Wi-Fi”并非指由天猫建设的无线Wi-Fi,而是由地铁Wi-Fi的运营方力美传媒提供的SSID广告模式。为此,天猫超市在七天内需要支付的广告费是360万元(刊例价)。

南方银谷—力美传媒—天猫超市,这种地铁Wi-Fi商业化运营模式正在构建。

首屏广告价单日超百万

2015年6月,《IT时报》曾独家报道,上海地铁13号线全线开通了Wi-Fi信号,名为“花生地铁测试Wi-Fi”,据其建设方南方银谷相关人士透露,预计2015年底,花生Wi-Fi将覆盖上海全部地铁。

从此后记者实测的情况来看,花生地铁Wi-Fi的信号覆盖范围在不断拓展,直至不久前,又一个名为“力美广告招商”的Wi-Fi连接提示突然在手机上跳出。根据公开消息,力美传媒与南方银谷签订的3年行业独家地铁Wi-Fi合作于2月底正式开展。也就是说,建设方南方银谷将花生地铁Wi-Fi的运营权交给了力美传媒。根据南方银谷官网资料,南方银谷已在全国20个开通地铁的城市中取得7个城市地铁WLAN网络建设和运营独家合作权,这些城市包括上海、广州、深圳、武汉、昆明、贵阳、青岛等。

根据《IT时报》记者从力美传媒一位销售人员处获得价目表(刊例价),SSID品牌专区的价格为一周360万元,如果不包专区,单屏启动页的全天价格为120万,闪屏(登录后看到的画面)全天价为108万元,广告公司可以获得一定折扣,并可根据一年的总投放额获得一定的返点。这个价格主要针对的是上海地铁市场,同时可以赠送武汉、青岛等其他城市,目前花生Wi-Fi在这些被赠送城市地铁里还只能做到部分覆盖,有的地铁车厢里信号还未调试完成。

年底前上海地铁免费Wi-Fi全覆盖

3月15日,《IT时报》记者分别在上海地铁一号线、七号线、十三号线做了测试,目前力美传媒提供三个入口:花生地铁Wi-Fi、花生游戏专用Wi-Fi、力美广告招商,苹果手机用户只需第一次输入手机验证码即可上网,安卓手机用户则需要下载花生App并登录,信号基本覆盖了地铁站的站台、站厅以及地铁车厢内。

地铁车厢是乘客对手机上网需求最集中的区域,在早上8点到9点30分的早高峰时段,记者发现这几条线路的Wi-Fi都可以登录并使用。地铁七号线镇坪路站到花木路站全段,打开网页、发送微信的速度都很不错,一号线的上海南站到汉中路段也都上网无障碍,甚至可以打开视频和游戏,十三号线网速稍慢,但也几乎没有断网。

良好的上网体验有些超出记者的预期,此前2014年南方银谷在深圳开通第一条地铁Wi-Fi时,断网、卡顿,体验备受诟病。经过两年多的测试,显然地铁Wi-Fi技术有了明显提升。根据南方银谷的说法,上海地铁Wi-Fi每个用户出口宽带可以稳定保持在1.5MB-4MB,满足地铁场景内1800人的各种网络需求。

“目前,一、二、三、四、六、七、八、九等地铁线路的Wi-Fi均已调试成功并上线,还剩下五、十、十一、十二号线2期、十三号线迪士尼段仍在调试,预计年底前可以实现全覆盖。”据力美传媒的人士介绍,根据上海单日1000万地铁客流计算,花生Wi-Fi的每日连接率为40%,也就是说,每天有400万地铁乘客通过花生Wi-Fi上网。

广告价格比IPTV贵10倍

商用Wi-Fi的入口之争曾在2014年-2015年刮起过一阵风潮,根据易观智库发布的 《中国商业Wi-Fi市场研究报告2015》,迈外迪、一路热点、树熊等Wi-Fi运营商布局日益成熟。但这些热点大多集中在商业场所等人流量聚集的地方,而公交车、地铁、高铁等领域的Wi-Fi建设,效果均不理想。

《IT时报》曾经报道过的浦东公交车Wi-Fi,在运营一年多之后,体验并不算好,联网失败、时断时续在多路公交车上均有发生,公共交通领域Wi-Fi项目难做,Wi-Fi连接环境复杂、商业运营不佳、建设者无力持续投入应是主要因素。

从价格来看,上海地铁Wi-Fi广告是一门好生意。同为登录静态画面,2015年,拥有300万用户的IPTV开机画面的刊例价为12万/天,而花生Wi-Fi的首屏为120万元/天(刊例),且至少有三个Wi-Fi的连接ID可用于商业化。

不过,在地铁站里,记者并未看到地铁免费Wi-Fi的宣传标识,随机询问的十几名乘客中,一半乘客表示并不知道有地铁Wi-Fi。一旦大规模宣传后,地铁里的免费Wi-Fi信号是否还能这么好,还得时间来检验。



本文转自d1net(转载)

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. **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