NFC怎么复制房卡_依托手机NFC的小米支付,能在公共交通领域趟出一条路吗?

d8df5c558b167ed28fecfa20b8fc4708.png

在公共交通领域,采用NFC技术,小米支付避开与巨头正面交锋。

广州、福州、无锡、杭州等地后,近日,东莞部分公交线路也开通了银联支付,市民可以通过银联二维码和银联闪付来乘坐公交车。事实上,除了银联,微信支付、支付宝也在加紧布局公共交通领域。

可以看出,这一出行场景,是支付体系中的一块大蛋糕。各大手机厂商也欲分一杯羹,其中,小米支付就开足马力,推出了小米公交

然而,在支付巨头云集的公共交通,小米能走出自己的一条路吗?

基于手机NFC的小米公交 

2013年,小米支付开始布局公共交通领域。目前,小米公交支持14张交通卡,包括北京、上海、深圳、广州(岭南通)、武汉、苏州、杭州、吉林、南通、重庆、石家庄、青岛等地区的公共交通服务。

小米支付创新事业部负责人余新浪告诉独角金融,小米公交是安装在小米手机预装的APP小米钱包中的,是将实体公交卡复制到手机的SE安全芯片中,未经授权的第三方无法访问SE卡。

用户在使用小米公交时,需在小米钱包中绑定想要开通城市的交通卡,然后在小米钱包中进行充值,即可使用。过闸时,只需将手机靠近闸机NFC感应区,即可轻松过闸。

除此之外,小米公交还支持移卡退资、自动充值、个性卡面以及交通联合等功能。不过,目前移卡退资功能只支持深圳通使用

支付便捷 对闸机要求低 

相对于扫码支付,小米公交减少了打开APP、进入应用程序、出示二维码等步骤,“开通公交默认公交卡模式后,手机刷卡和交通卡刷卡的体验是相同的,这给用户带来了更便捷的出行体验”,余新浪对独角金融讲到。

的确,虽然微信、支付宝的扫码付培养了用户的日常支付习惯,但在公共交通领域,方便快捷的出行过闸是刚需,和刷交通卡体验相似的手机NFC功能,就更好地提升了用户体验度,同时解决了用户出门不带公交卡的问题。

与此同时,据《广州日报》报道,2017年全年数据显示,小米以6.3%的市场份额占比,在全球手机市场份额占比中位列第五,庞大的用户使用量,也为小米在自有体系内做好NFC支付推广提供了基础。

另一方面,在支付宝和微信竞争公共交通市场之前,手机NFC就已经在各地开始尝试布局这一领域了。

在闸机要求上,曾任格尔信息上海研发中心经理的王琪表示,从2015年开始,国内新出的POS机都要求支持非接功能,2015年之前市场存量POS机对NFC的支持比例也很高,综合起来,目前POS机对NFC支持接近100%。

这在一定程度上降低了小米支付对闸机改造的需求,“对于NFC模式来说基本没有闸机的壁垒,更利于推广普及。”余新浪对独角金融表示。

相比之下,扫码支付对于闸机改造的要求,就显得不那么便捷了。而在扫码乘车推出初期,也仅支持部分闸机进行扫码付。正是这一掣肘,阻碍了微信支付与支付宝快速打开公共交通领域。

经独角金融梳理,支付宝目前在上海、深圳、杭州、武汉、广州、青岛、苏州、长沙、西安、南宁、成都、郑州等地布局了公共交通系统,包括地铁购票,交通卡充值等。

微信也在广州、青岛、驻马店、佛山、济南、淄博、莱芜、呼和浩特、重庆、厦门、荣成、临海、攀枝花、江门等城市上线了腾讯乘车二维码。

对于两大巨头而言,竞争激烈。但采用NFC技术,小米支付可以绕过与巨头的正面交锋。

NFC支付体系过于封闭

基于手机NFC功能的便捷性,微信在近期推出了小程序“交通微云卡”,支持与安卓手机的NFC功能联动,实现手机公交卡的功能。

这在一定程度上对小米公交造成了危机感。“他们(小米公交)的支付体系太过于封闭,覆盖不到外部用户。”麻袋理财路南对独角金融讲到。

余新浪也对独角金融表示,目前小米公交仅限小米手机使用,不支持在其他品牌手机上下载安装。

且在小米体系内,也并不是所有的手机都支持手机NFC支付,目前只有小米6、小米MIX 2、小米Note 3、小米MIX、小米Note 2、小米5s、小米5s Plus和小米5 等8款机型支持NFC乘车,这意味着,使用其它小米手机的用户若想使用小米公交,得先换手机。

相比之下,支付宝、微信等巨头推出的扫码付更具有通用性,也无需将金额事先充值到小米钱包中,实时和异步扣款,让扫码付实现了“先乘车,后付费”。

此外,手机的快速更新迭代,也对小米公交的移卡退资提出要求,毕竟,没有人愿意换了手机之后,还把公交卡和余额留在上一部手机里。目前,小米的移卡退资功能仅支持深圳通。

基于手机NFC支付的小米公交,想要在公共交通领域取得长足发展,在扩大自有手机用户的同时,还得提高手机NFC功能在自有手机体系内的通用性。

关于小米公交的发展,你怎么看?

a9eac3f97dfc2133280207fe98a2b6cd.png

版权声明:此文为独角金融原创稿件,

违法转载将追究法律责任。

3e3758c735ef0602047f07eb6f4ab754.png

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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