AI 天氣預測用於商業成顯學!從餐飲到零售,還有多元應用
孫嘉君
2021年8月24日 週二 下午7:05·
近年 AI 科技被廣泛應用於許多領域,天氣預測也不例外。根據美國市場研究公司 Grand View Research 報告指出,2019 年全球天氣資訊科技市場規模達 94.1 億美元,預計從 2020 年至 2027 年將以 8.5% 的複合年增長率持續成長。
AI 天氣預測不僅能運用於防災、風險管理,也有企業發展出更廣泛的商業應用,抓準天氣變化影響消費者的行為動向,得以更加貼近消費者需求。例如餐飲業得以促進銷售、減少食物浪費,零售業者則可精準訂貨及投放廣告,挖掘更多潛在商機。
掌握顧客口味,減少食物浪費、促進餐飲銷售
美國科技媒體《Venture Beat》日前報導,全球披薩連鎖品牌必勝客(Pizza hut)透過 AI 分析天氣預測,協助提升銷售。一直以來,必勝客就是樂於擁抱新科技的企業,自 1994 年便開始提供線上點餐外送服務,是最早推出線上訂餐服務的餐飲業者,至今仍不斷做出創新嘗試。
必勝客全球分析主管 Tristan Burns 表示,為必勝客進行數據分析的組織 Pizza Hut Digital Ventures 運用機器學習,透過數據分析,包括消費者輪廓、所在地理位置、當地天氣情況等,進而在客戶的消費過程中,提供個人化的產品推薦。
結合 AI 的天氣預測應用於餐飲業,不僅能幫助提升業績,也能減少食物浪費。根據《Japan Times》報導,日本福岡市正在與日本氣象協會(JWA)合作進行一項實驗,透過分析天氣狀況、溫度、社群媒體貼文和過去銷售數據的預測服務,來估算 660 多種生鮮和加工食品的需求,並將一天分為 7 個時段,預測出銷售最佳及最差的時段,讓商店據此調整訂單與生產量。在上一年度的實驗, 8 家參與企業中有 6 家企業食品報廢減少, 7 間企業的銷售額提升。
作為參與實驗的業者之一,唐人麵包店(唐人ベーカリー)在使用預測服務的兩個月期間,食物報廢較過去減少約 15%、銷售額則增長約 12%。麵包店在預計會下雨的日子減少產量,並且在預計客流量增加的時段,準備新鮮出爐的麵包。
「透過具體的數字,來反映我們以前依賴直覺的東西,是有幫助的,」唐人麵包店的桑野景說,「我們還能夠改變員工的心態,讓他們努力減少浪費。」
精準訂貨與投放廣告,提升零售業績
餐飲業之外,AI 天氣預測也能應用於零售場域。根據美國行銷媒體《AdExchanger》報導,IBM Watson Advertising 透過 AI 分析來自 IBM 旗下子公司 The Weather Company 的天氣數據、精確到郵政編碼的位置數據、銷售數據之間的關聯,以挖掘可用於數位行銷的洞見。
IBM 透過這項服務發現,天氣會激發人們的某些情緒,並可能影響他們的購買行為。例如,美國西北部各州在異常溫暖和多雨的一天,烘焙巧克力和可可的銷量增長了 62%;中北部及東部地區在晴朗的一天,葡萄酒銷量提升 25%。行銷人員可以運用此類資訊來規劃數位行銷活動,並確保在銷售高峰時段具有足夠的庫存。
Watson Advertising 和 The Weather Company 副總裁兼全球主管 Sheri Bachstein 表示,「濕度、溫度和其他天氣相關的數據,實際上非常具有啟發性。」
在日本,也有企業提供結合天氣預測與行銷的服務。據日本《IoTNews》報導,日本氣象新聞公司 Weathernews 提供依據天氣情況投放廣告的服務,讓食品、飲料製造商和零售商等業者,可以針對用戶所在地點的天氣情況精準行銷,例如在容易中暑的地方,投放運動飲料等產品的廣告,或展開相關促銷活動等。
時值炎炎夏日,Weathernews 提供視覺化的中暑風險預測圖,透過精細至每 1 平方公里的網格圖,顯示各區域的中暑風險,共分為「注意」、「警戒」、「嚴重警戒」、「運動停止」四個等級。這樣的天氣預測資訊,能夠有效應用於商品的促銷,以及戶外工作者的健康管理。
此外,除了實體的商品銷售,天氣資訊也能加以應用於線上服務。根據 YouTube Music 的 FAQ 指出,YouTube 首頁的音樂推薦,事實上也會運用到天氣資訊,來推薦用戶當下可能會感興趣的歌曲。YouTube 音樂推薦演算法的分析因素,包括用戶的收聽歷史、使用設備、周遭發生的事情(如節日活動),若有開啟位置權限,用戶的所在的地點甚至天氣,也會納入作為推薦音樂的考量。
運用 AI 科技的天氣預測,發展出多元的商業應用,能夠應用於餐飲、零售,甚至是娛樂產業,為消費者的行為模式提供不同角度的洞察,讓業者採取相應策略行動。然而,天氣也僅是影響購物決策的因素之一,需要經過更多的觀察與實證,才能確保各種奠基於天氣的經營決策,能確實帶來營運成長。
附圖:Weathernews_中暑訊息 API
資料來源:https://tw.news.yahoo.com/ai-%E5%A4%A9%E6%B0%A3%E9%A0%90%E6%B8%AC%E7%94%A8%E6%96%BC%E5%95%86%E6%A5%AD%E6%88%90%E9%A1%AF%E5%AD%B8-%E5%BE%9E%E9%A4%90%E9%A3%B2%E5%88%B0%E9%9B%B6%E5%94%AE-%E9%82%84%E6%9C%89%E5%A4%9A%E5%85%83%E6%87%89%E7%94%A8-110545562.html?guccounter=1&guce_referrer=aHR0cDovL20uZmFjZWJvb2suY29tLw&guce_referrer_sig=AQAAAIAJo6RyvAR-fbjyTvJiXDlKx1Y86j3IV8GomZbfHnPjfFfU3XKaZVCoJIVrXyzaZeTdmrHJbL14Kgej1_WzHugjoNsei24ErgEM2b9ri3nPuGjwlR3tL5ZkSBnNnshUIFKM7nE_UZEkLZu7_f4TikrHNrDUdT4RZc3m-tBK0J_q
同時也有3部Youtube影片,追蹤數超過7,630的網紅CowBear有錢,也在其Youtube影片中提到,今天公開自己的後台數據 分析相關數據、掌握上線時間就有機會拉升觸及率! 也會將教你如何看對手的粉絲團粉絲是真還是假 你將可以看!破!對!手! 粉絲團人數分析工具:http://www.fblikecheck.com/ Youtube 主題願望清單:http://bit.ly/2L670Iz --...
「關聯分析演算法」的推薦目錄:
- 關於關聯分析演算法 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於關聯分析演算法 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於關聯分析演算法 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於關聯分析演算法 在 CowBear有錢 Youtube 的精選貼文
- 關於關聯分析演算法 在 孫在陽 Youtube 的最讚貼文
- 關於關聯分析演算法 在 孫在陽 Youtube 的最佳貼文
- 關於關聯分析演算法 在 行銷資料科學- 【 什麼是購物籃分析 Apriori 關聯 ... - Facebook 的評價
- 關於關聯分析演算法 在 2 關聯分析演算邏輯( Basket Analysis & Association ... - YouTube 的評價
關聯分析演算法 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
解鎖新技能,美科學家開發可發揮想像力的人工智慧系統
作者 Alan Chen | 發布日期 2021 年 07 月 21 日 9:48 |
雖然近年來,AI 已經在一些領域發揮超越人類的能力,例如計算、下棋、邏輯推理等,但仍然有許多功能還無法與人腦比擬。近期美國南加州大學研究團隊發表了一項研究成果,展示了可以發揮想像力的 AI 系統,讓機器學習領域出現新的突破。
在人的腦中,可以自由的根據過往經驗,以及人事物的各項特質,憑空想像出不同的場景、動作與畫面,但對於機器來說是一項非常困難的任務,因此南加州大學(University of Southern California,USC)團隊,在今年度「國際機器學習展示會議」(International Conference on Learning Representations,ICLR)發表 AI 想像力系統。
「人類的大腦可以輕易的解構過往學習到的人事物,並且根據不同的特徵-例如形狀、姿態、位置和顏色等,重新合成現實不存在的新圖像。」團隊中的博士生 Yunhao Ge 表示,透過人工神經網路技術,他們設計出一套可以發揮想像能力的 AI 系統。
目前的 AI 系統,如果要自動產生某種圖像,例如人臉,必須先設計出一套演算法,並提供一定數量的人像,讓機器透過演算法學習人臉的各項特徵,之後就能夠自行產生各種虛擬人像。但現有技術的限制在於,系統雖然可以產生無數的虛擬人像,但無法產生與人無關的事物,或是讓虛擬的人處在不同情境中。
研究團隊使用機器學習「脫鉤」(Disentanglement)的概念,這項概念最著名的運用就是「Deepfake」技術,Deepfake 可以將不同人事物的外形、動作和情境分開學習,並用演算法重新創造出一組虛擬的人事物,且進行不同的動態。
因此團隊捨棄傳統演算法使用的單張圖片學習方式,一次用一組互無關聯的圖片,讓 AI 運用脫鉤概念進行特徵分析,從而創造出 AI 進行想像的能力,團隊稱這種想像力為「可控脫鉤圖像學習」(Controllable Disentanglement Representation Learning)。
「透過演算法,AI 能夠隨意的把變形金剛裡面的大黃蜂、柯博文與時代廣場結合起來,產生大黃蜂顏色的柯博文卡車在時代廣場旁行駛的圖片。」領導團隊的 Laurant Itti 博士表示,這項成果相較於傳統的圖像產生 AI 來說,有更多聯想能力,能把更多元素同時帶進演算法,讓機器產出更豐富的畫面。
團隊同時也指出,這項技術對醫藥領域也有相當大潛力,透過 AI 脫鉤聯想能力,機器能同時分析成千上萬種不同藥物或生化物質的特性,並透過分析與重組,合成出新的藥物配方,大量減少新藥物研發的時間,可為人類健康帶來許多幫助。
附圖:▲ 目前的 AI 雖然能夠產生完美的虛擬人臉,但無法模擬人臉以外事物。(Source:The Verge)
▲ 帶領研究團隊的南加大教授 Laurent Itti。(Source:USC)
資料來源:https://technews.tw/2021/07/21/usc-developed-new-ai-system-that-can-imagine-things/
關聯分析演算法 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
機器學習識別特徵阻絕代測 上鏈回送監理資料庫防竄改
人臉辨識加酒精鎖阻酒駕 串區塊鏈上傳比對告警
2021-05-24社團法人台灣E化資安分析管理協會元智大學多媒體安全與影像處理實驗室
本文將介紹酒精防偽人臉影像辨識系統,結合了人臉辨識、酒精鎖以及區塊鏈應用,以解決酒駕問題,並透過監控系統避免代測狀況發生。且利用區塊鏈不可修改的特性,將車輛與人臉資料串上區塊鏈,以確保駕駛人的不可否認性。
長長期以來「酒駕」都是一個很嚴肅且必須被重視的議題,儘管在2019年立法院修法酒駕及拒絕酒測的罰則,但是抱持僥倖心態的人還是數不勝數,導致因酒駕釀成車禍的悲劇還是一再重演,讓不少的家庭因此破滅。
據統計,從2015年到2018年的酒駕取締件數都逾10萬件,而因為酒駕車禍的死亡人數逾百人。在2019年酒駕新制上路以後,2020年警方酒駕取締件數有明顯下降至約6萬件,雖然成功達到嚇阻效果,但是死亡人數仍與去年前年持平,可見離完全遏止酒駕還有很長的路需要努力。
立法院於2018年三讀通過了「道路交通管理處罰條例部分條文修正案」,酒駕者必須重新考照,並且只能駕駛具有酒精鎖(Alcohol Interlock)的車輛,所謂酒精鎖,屬於車輛點火自動鎖定裝置,在汽車發動前必須進行酒測,通過才能將汽車發動,而且在每45分鐘至60分鐘後酒精鎖系統就會要求駕駛人在一定時間內進行重新酒測,以便防範在行車過程中有飲酒的情況發生,若駕駛人未遵守其要求,車子就會強制熄火並鎖死,必須回酒精鎖服務中心才能將鎖解開。
由於法案的方式無法完全遏止酒駕,因此許多創新科技或是企業致力於研究相關科技來解決酒駕的問題。
其中本田(Honda)汽車與日立(Hitachi)公司研發出手持型酒精含量檢測裝置,讓駕駛人必須在駕駛之前都先進行酒測,若酒精濃度超標就會將汽車載具上鎖,藉此避免酒駕意外或事故發生,且該技術結合了智慧鑰匙功能,若偵測到酒測值超標,車輛中的顯示面板將會發出警告訊號告知駕駛人,避免酒駕上路之問題。
另一方面則是解決酒精殘值之問題,因為有許多駕駛人都會認為,休息一下後,身體也無感到不適,即駕車出門,等到駕駛人被警方臨檢時才知道酒測未通過,因此收到罰單,甚至是吊銷駕照處罰等。
根據醫學研究指出,酒精是在人體體內由肝臟代謝,實際代謝時間必須看體質以及飲酒量而定。台灣酒駕防制社會關懷協會建議,喝酒後至少要10至20小時後再駕車比較安全。多數人無具備酒精代謝時間的觀念,導致駕駛人貿然上路,待意外發生或罰單臨頭時,已經為時已晚。
背景知識說明
本文介紹的方法為酒精鎖結合攝影鏡頭進行人臉辨識,並將人臉特徵資料與車輛資料串上區塊鏈,並利用區塊鏈不可篡改的特性,來避免駕駛人在解鎖酒精鎖時發生他人代測的問題。
由於人臉辨識技術具備防偽性、身分驗證的特性,因此將酒精鎖的技術結合人臉辨識,便可確認為駕駛本人。
何謂人臉辨識
人臉辨識技術屬於生物辨識的一種,基於人工智慧、機器學習、深度學習等技術,將大量人臉的資料輸入至電腦中做為模型訓練的素材,讓電腦透過演算法學習人類的面部特徵,藉以歸納其關聯性最後輸出人臉的特徵模型。
目前人臉辨識技術已經遍佈在日常生活之中,其應用面廣泛,最為常見的應用即為智慧型手機的解鎖、行動支付如LINE Pay、Apple Pay等,其他應用還包括行動網路銀行、網路郵局、社區大樓門禁管理系統、企業監控系統、機場出入關、智能ATM、中國天眼系統等。一般來說,人臉辨識皆具備以下幾個特性:
‧ 普遍性:屬於任何人皆擁有的特徵。
‧ 唯一性:除本人以外,其他人不具相同的特徵。
‧ 永續性:特徵不易隨著短時間有大幅的改變。
‧ 方便性:人臉辨識容易實施,設備容易取得,如相機鏡頭。
‧ 非接觸性:不須直接接觸儀器,也可以進行辨識,這部分考量到衛生問題以及辨識速度。
人臉辨識透過人臉特徵的分析比對進行身分的驗證,別於其他生物辨識如虹膜辨識、指紋辨識,無須近距離接觸,也可以精準地辨識身分,且具有同時辨識多人的能力。因應新冠肺炎疫情肆虐全球,人臉辨識技術也被用來管理人來人往的人流。人臉辨識的儀器可以搭配紅外線攝影機來測量人體體溫,在門禁進出管制系統中,利於提高管理效率,有效掌握到進出人員的身分,以及幫助衛生福利部在做疫調時更容易掌握到確診病患行經的足跡。
人臉辨識的步驟
人臉辨識的過程與步驟,包括人臉偵測、人臉校正、人臉特徵值的摘取,進行機器學習與深度學習、輸出人臉模型,從影像中先尋找目標人臉,偵測到目標後會將人臉進行預處理、灰階化、校正,並摘取特徵值,接著人臉資料交給電腦進行機器學習與深度學習運算,最後輸出已訓練好的模型。相關辨識的步驟,如圖1所示。
人臉偵測
基於Haar臉部檢測器的基本思想,對於一個一般的正臉而言,眼睛周圍的亮度較前額與臉頰暗、嘴巴比臉頰暗等其他明顯特徵。基於這樣的模式進行數千、數萬次的訓練,所訓練出的人臉模型,其訓練時間可能為幾個小時甚至幾天到幾周不等。利用已經訓練好的Haar人臉特徵模型,可以有效地在影像中偵測到人臉。
Python中的Dilb函式庫提供了訓練好的人臉模型,可以偵測出人臉的68個特徵點,包括臉的輪廓、眉毛、眼睛、鼻子、嘴巴。基於這些特徵點的資料就能夠進行人臉偵測,如圖2~4所示。圖中左上角的部分是偵測到的分數,若分數越高,代表該張影像就越可能是人臉,右側括弧中的編號代表子偵測器的編號,代表人臉的方向,其中0為正面、1為左側、2為右側。
人臉的預處理
偵測到人臉後,要針對圖片進行預處理。通常訓練的影像與攝影鏡頭拍出來的照片會有很大的不同,尤其會受到燈光、角度、表情等影響,為了改善這類問題,必須對圖片進行預處理以減少這類的問題,其中訓練的資料集也很重要:
‧ 幾何變換與裁剪:將影像中的人臉對齊與校正,將影像中不重要的部分進行裁切,並旋轉人臉,並使眼睛保持水平。
‧ 針對人臉的兩側用直方圖均衡化:可以增強影像中的對比度,可以改善過曝的影像或是曝光不足的問題,更有效地顯示與取得人臉目標的特徵點。
‧ 影像平滑化:影像在傳遞的過程中若受到通道、劣質取樣系統或是受到其他干擾導致影像變得粗糙,藉由使用圖形平滑處理,可以減少影像中的鋸齒效應和雜訊。
人臉特徵摘取
關於人臉特徵摘取,相關的技術說明如下:
‧ 歐式距離:人臉辨識是一個監督式學習,利用建立好的人臉模型,將測試資料和訓練資料進行匹配,最直觀的方式就是利用歐式距離來計算所有測試資料與訓練資料之間的距離,選擇差距最小者的影像作為辨識結果。由於人臉資料過於複雜,且需要大量的訓練集資料與測試集資料,會導致計算量過大,使辨識的速度過於緩慢,因此需要透過主成分分析法(Principal Components Analysis,PCA)來解決此問題。
‧ 主成分分析法:主成分分析法為統計學中的方法,目的是將大量且複雜的人臉資料進行降維,只保留影像中的主成分,即為影像中的關鍵像素,以在維持精確度的前提下加快辨識的速度。先將原本的二維影像資料每列資料減掉平均值,並計算協方差矩陣且取得特徵值與特徵向量,接著將訓練集與測試集的資料進行降維,讓新的像素矩陣中只保留主成分,最後則將降維後的測試資料與訓練資料做匹配,選擇距離最近者為辨識的結果。由於影像資料經過了降維的步驟,因此人臉辨識的速度將會大幅度地提升。
‧ 卷積神經網路:卷積神經網路(Convolutional Neural Network,CNN)是一種神經網路的架構,在影像辨識、人臉辨識至自駕車領域中都被廣泛運用,是深度學習(Deep Learning)中重要的一部分。主要的目的是透過濾波器對影像進行卷積、池化運算,藉此來提取圖片的特徵,並進行分類、辨識、訓練模型等作業。在人臉辨識的應用中,首先會輸入人臉的影像,再透過CNN從影像提取像素特徵並轉換成特定形式輸出,並用輸出的資料集進行訓練、辨識等等。
何謂酒精鎖
酒精鎖(圖5)是一種裝置在車輛載體中的配備,讓駕駛人必須在汽車發動前進行酒測,通過後才能將車輛發動。且每隔45分鐘至60分鐘會發出要求,讓駕駛人在時間內再次進行檢測。
根據歐盟經驗,提高罰款金額以及吊銷駕照只有在短期實施有效,只有勸阻的效果,若在執法上不夠嚴謹,被吊照者會轉變成無照駕駛,因此防止酒駕最有效的方法就是強制讓駕駛人無法上路,這就是「酒精鎖」的設計精神。
在本國2020年3月1日起酒駕新制通過後,針對酒駕犯有了更明確且更嚴厲的規定,在酒駕被吊銷駕照者重考後,一年內車輛要裝酒精鎖,未通過酒測者無法啟動,且必須上15小時的教育訓練才能重考,若酒駕累犯三次,要接受酒癮評估治療滿一年、十二次才能重考。
許多民眾對於「酒精鎖」議論紛紛,懷疑是否會發生找其他人代吹酒精鎖的疑慮,為防範此問題,酒精鎖在啟動後的五分鐘內重新進行吹氣,且汽車在行駛期間的每45至60分鐘內,便會隨機要求駕駛重新進行酒測,如果沒有通過測量或是沒有測量,整合在汽車智慧顯示面板的酒精鎖便會發出警告,並勸告駕駛停止駕車。
對於酒精鎖的實施,目前無法完全普及到每一台車子,而且對於沒有飲酒習慣的民眾而言,根本是多此一舉,反而增加不少麻煩給駕駛。若還有每45~60分鐘的隨機檢測,會導致多輛汽車必須臨時停靠路邊進行檢測,可能加劇汽車違規停車的發生頻率。
認識區塊鏈
區塊鏈技術是一種不依賴於第三方,透過分散式節點(Peer to Peer,P2P)來進行網路數據的存儲、交易與驗證的技術方法。本質上就是一個去中心化的資料庫,任何人在任何時間都可以依照相同的技術標準將訊息打包成區塊並串上區塊鏈,而這些被串上區塊鏈的區塊無法再被更改。區塊鏈技術主要依靠了密碼學與HASH來保護訊息安全,也是賦予區塊鏈技術具有高安全性、不可篡改性以及去中心化的關鍵。區塊鏈相關概念,如圖6所示。
區塊鏈的原理與特性
可以將區塊鏈想像成是一個大型公開帳本,網路上的每個節點都擁有完整的帳本備份,當產生一筆交易時,會將這筆交易廣播到各個節點,而每個節點會將未驗證的交易HASH值收集至區塊內。接著,每個節點進行工作量證明,選取計算最快的節點進行這些交易的驗證,完成後會把區塊廣播給到其他節點,其他節點會再度確認區塊中包含的交易是否有效,驗證過後才會接受區塊並串上區塊鏈,此時就無法再將資料進行篡改。
關於區塊鏈的特性,可分成以下四部分做說明:
1. 去中心化:區塊鏈其中一個最重要的核心宗旨,就是「去中心化」,區塊鏈採用分散式的點對點傳輸,該概念架構中,節點與節點之中沒有所謂的中心,所有的操作都部署在分散式的節點中,而無須部署在中心化機構的伺服器,一筆交易或資料的傳輸不再需要第三方的介入,因此又可以說每個節點就是所謂的「中心」。這樣的結構也加強了區塊鏈的穩定性,不會因為其中的部分節點故障而癱瘓整個區塊鏈的結構。
2. 不可篡改性:透過密碼學與雜湊函數的運用來將資料打包成區塊並上鏈,所有區塊都有屬於它的時間戳記,並依照時間順序排序,而所有節點的帳本資料中又記錄了完整的歷史內容,讓區塊鏈無法進行更改或是更改成本很高,因此使區塊鏈具備「不可篡改性」,並且同時確保了資料的完整性、安全性以及真實性。
3. 可追溯性:區塊鏈是一種鏈式的資料結構,鏈上的訊息區塊依照時間的順序環環相扣,這便使得區塊鏈具有可追溯的特性。可追本溯源的特性適用在廣泛的領域中,如供應鏈、版權保護、醫療、學歷認證等。區塊鏈就如同記帳帳本一般,每筆交易記錄著時間和訊息內容,若要進行資料的更改,則會視為一筆新的交易,且舊的紀錄仍會存在無法更動,因此仍可依照過去的交易事件進行追溯。
4. 匿名性:在去中心化的結構下,節點與節點之間不分主從關係,且每個節點中都擁有一本完整的帳本,因此區塊鏈系統是公開透明的。此時,個人資料與訊息內容的隱私就非常重要,區塊鏈技術運用了HASH運算、非對稱式加密與數位簽章等其他密碼學技術,讓節點資料在完全開放的情況下,也能保護隱私以及用戶的匿名性。
區塊鏈與酒精鎖
由於區塊鏈的技術具備去中心化、記錄時間以及不可篡改的特性,且更加強酒精鎖的檢測需要身分驗證的保證性。當進行酒精鎖檢測解鎖時,系統記錄駕駛人吹氣時間以及車輛的相關資訊,還有人臉特徵資料打包成區塊並串上區塊鏈。因此,在同一時間當監控系統偵測到當前駕駛人與吹氣人不同時,此時區塊鏈中所記錄的資料便能成為一個強而有力的依據,同時也能讓其他的違規或違法事件可以更容易進行追溯。
酒駕防偽人臉辨識系統介紹
為了解決酒精鎖發生駕駛人代測的問題,酒精鎖產品應導入具有身分驗證性的人臉辨識技術。酒駕防偽人臉辨識系統即為駕駛人在進行酒精鎖解鎖時,要同時進行人臉辨識,來確保駕駛人與吹氣人為同一人。
在駕駛座前方的位置會安裝攝影鏡頭,作為駕駛的監控裝置。進行酒測吹氣的人臉資料將會輸入到該系統中的資料庫儲存,並將人臉資料以及酒測的時間戳記打包成區塊串上區塊鏈,當汽車已經駛動時,攝影鏡頭將會將當前駕駛人畫面傳回系統進行人臉比對驗證。如果驗證成功,會將通過的紀錄與時間戳一同上傳至區塊鏈,若是系統偵測到駕駛人與吹氣人為不同對象,系統將發出警示要求駕駛停車並重新進行檢測,並同時將此次異常的情況進行記錄上傳到區塊鏈中。
如果駕駛持續不遵循系統指示仍持續行駛,該系統會將區塊鏈的紀錄傳送回給開罰的相關單位,並同時發出警報以告知附近用路人該車輛處於異常情況,應先行迴避。且該車輛於熄火後,酒精鎖會將車輛上鎖,必須聯絡酒精鎖廠商或酒精鎖服務中心才能解鎖。相關的系統概念流程圖,如圖7所示。
區塊鏈打包上鏈模擬
在進行酒測解鎖完畢以及進行人臉資料儲存後,會透過CNN將影像轉換輸出成128維的特徵向量作為人臉資料的測量值,接著將128個人臉特徵向量資料取出,並隨著車輛資訊一起打包到同一個區塊,然後串上區塊鏈。取出的人臉特徵資料,如圖8所示。
要打包成區塊和上鏈的內容,包括了人臉特徵資料、車牌號碼、酒測解鎖時間點等相關輔助資料,接著透過雜湊函數將相關的資料打包成區塊。以車牌號碼ABC-1234為例,圖9顯示將車輛資料和人臉資料進行區塊鏈的打包,並進行HASH運算。
將人臉資料和車輛相關資料作為一次的交易內容,並打包區塊,經過HASH後的結果如圖10所示,其中prev_hash屬性代表鏈結串列指向前一筆資料,由於這是實作模擬情境,並無上一筆資料,其中messages屬性代表內容數,一筆代表車牌資料,另一筆則為人臉資料。time屬性則代表區塊上鏈的時間點,代表車輛解鎖的時間點。
情境演練說明
話說小禛是一間企業的上班族,平時以開車為上下班的交通工具,他的汽車配置了酒駕防偽影像辨識系統,以下模擬小禛下班後準備開車的情境。
已經下班的小禛今天打算從公司開車回家,當小禛上車準備發動車子時,他必須先拿起安裝在車上的酒測器進行吹氣,並將臉對準攝影鏡頭讓系統取得小禛的人臉影像。小禛在汽車發動前的人臉影像,如圖11所示。
待攝影鏡頭偵測到小禛的人臉後,接著系統便會擷取臉上五官的68個特徵點,如圖12所示。然後,相關數據再透過CNN轉換輸出成128維的特徵向量作為人臉資料的測量值,如圖13所示。
酒精鎖通過解鎖後,車輛隨之發動,解鎖成功的時間點將會記錄成時間戳記,隨著影像與相關資料串上區塊鏈。在行駛途中,設置在駕駛座前方的鏡頭將擷取目前駕駛的人臉,以取得駕駛人的128維人臉特徵向量測量值,並且與汽車發動前所存入的人臉資料進行比對,藉以判斷目前的駕駛人與剛才的吹氣人臉是否為同一位駕駛。當驗證通過後,也會再將通過的紀錄與時間戳上傳至區塊鏈中,如此一來,區塊鏈的訊息內容便完整記載了這一次駕車的紀錄,檢測通過的示意圖如圖14所示。
系統通過辨識後,便確認了駕駛人的身分與吹氣人一致。且透過時戳的紀錄和區塊鏈的輔助,也確保了駕駛的不可否認性。若有其他違規事件發生時,區塊鏈的紀錄便成為一個強而有力的依據來進行追溯。
如此一來,便可以預防小禛喝酒卻找其他人代吹酒測器的情況發生。在駕駛的途中,如果有需要更換駕駛人,必須待車輛靜止時,從車載系統發出更換駕駛要求,再重新進行酒測以及重複上述流程,才可以更換駕駛人。如果沒有按照該流程更換駕駛,系統將視為異常情況。
結語
酒駕一直是全球性的問題,將有高機率導致重大交通事故,造成人員傷亡、家庭破碎,進而醞釀後續更多的社會問題,皆是酒駕所引發的不良效益。為了解決酒駕的問題,各個國家都有不同的酒駕標準或是法律規範,但是大部分國家的規範和制度都只有嚇阻作用卻無法完全遏止。在不同的國家防止酒駕的方式不盡相同,有的國家如新加坡,透過監禁及鞭刑來遏止酒駕犯,又或者是薩爾瓦多,當發現酒駕直接判定死刑,這樣的制度雖嚇阻力極強,但是若讓其他國家也跟進,會造成違憲或是違反人權等問題。因此,各國都在酒駕的問題方面紛紛投入研究,想要達到零酒駕的社會。
為達成此理想,本文介紹了基於區塊鏈的酒駕防偽辨識系統,利用酒精鎖搭配人臉辨識技術以及區塊鏈技術,使有飲酒的駕駛人無法發動汽車。且該系統搭載在行車電腦中,結合攝影鏡頭的監控對駕駛進行酒測防制管理,將人臉資料、酒精鎖、解鎖時間點與相關資訊打包成區塊並上鏈。基於區塊鏈技術內容的不易篡改,可加強駕駛人的不可否認性,當汽車發生異常情況時,便能利用有效且可靠的依據進行追溯。人工智慧和物聯網時代已經來臨,透過酒駕防偽辨識系統來改善酒駕問題,在未來能夠普及並結合法規,智慧汽車以及智慧科技的應用將會帶給人們更安全、更便利的社會。
附圖:圖1 人臉辨識的步驟。
圖2 人臉特徵點偵測(正臉)。
圖3 人臉特徵點偵測(左側臉)。
圖4 人臉特徵點偵測(右側臉)。
圖5 酒精鎖。 (圖片來源:https://commons.wikimedia.org/wiki/File:Guardian_Interlock_AMS2000_1.jpg with Author: Rsheram)
圖6 區塊鏈分散式節點的概念圖。
圖7 系統概念流程圖。
圖8 取出人臉128維特徵向量。
圖9 儲存車輛相關資料及人臉資料到區塊。
圖10 HASH後及打包成區塊的結果。
圖11 汽車發動前小禛的人臉影像。
圖12 小禛的人臉影像特徵點。
圖13 小禛的人臉特徵向量資料。
圖14 系統通過酒測檢測者與駕駛人為同一人。
資料來源:https://www.netadmin.com.tw/netadmin/zh-tw/technology/CC690F49163E4AAF9FD0E88A157C7B9D
關聯分析演算法 在 CowBear有錢 Youtube 的精選貼文
今天公開自己的後台數據
分析相關數據、掌握上線時間就有機會拉升觸及率!
也會將教你如何看對手的粉絲團粉絲是真還是假
你將可以看!破!對!手!
粉絲團人數分析工具:http://www.fblikecheck.com/
Youtube 主題願望清單:http://bit.ly/2L670Iz
------------------------
訂閱我的Youtube頻道 :http://bit.ly/2wBkAAb
按讚我的Facebook專頁:http://bit.ly/2JI6LSh
拍攝器材:Sony a7iii
Music provided by NoCopyrightSounds
------------------------
嗨~我是Stark
臉書觸及一年比一年還低
經營臉書也越顯得困難
因此今天我要教你掌握網友的上線時間
只要在這段期間貼文
並用一些小訣竅
觸及率就能有所提升
那麼我先給大家看一下我們自己從零開始經營的粉絲團
這個粉絲團目前有將近150萬人
一開始我們打的市場是以男生為主
教男生怎麼成功吸引女生、順利交往
當時男女比例是8:1
我們不像很多相似的業者教男生搭訕、一夜情、跑夜店
是希望能夠穩定交往、走得長久
因為我們認為男女關係是修煉自己的一門功課
吵架就鬧分手、濫情、捻花惹草的背後
有可能只是當事人不願意面對彼此的問題
而分手過後的下一段感情也會在同一種問題不斷迴圈
只是表面上換一個對象而已
但是根本問題其實沒有被解決
加上每次換對象
很多事情、習慣都要重新開始
這不覺得很累嗎?
在經營品牌的過程當中我們也發現
當我們越呈現穩定戀情、好好談戀愛的定位後
逐漸深受大家喜歡
人數也不斷成長
男女比例從8:1到4:5
甚至有時候會到5:5
是一個非常平均的表現
這也讓我們有更多能夠觸及的市場
不再只是教男生怎麼追女生而已
所以有許多相似的業者把我們視為同業或競業
但其實我們走向與市場都是不同的
在這圖表中也可以發現我們是以台灣人居多
其次是馬來西亞跟香港
這代表我們粉絲人數都是真的
有很多粉絲團的粉絲人數用灌的
其實都可以用第三方工具看出來
他們標榜台灣市場
但其實粉絲人數都是俄羅斯、土耳其
所以你可以透過這個工具去檢視其他粉絲團或是你的競爭業者
那麼我會把連結放在下方
那麼要在什麼時間點貼文最有效呢?
以我們自家的粉絲團可以看到
每天早上6點開始
人數會不斷成長
到了下午3點人數就會有個小小斷層
這是因為許多用戶在這期間會開會、拜訪客戶
而到了下午6點
人數又會開始往上
直到晚上10點人數才會緩慢下降
到這裡你可能會問
這是你的數據,跟我有什麼關係?
圖表分析是臉書以我的用戶上線時間為計算
我們的用戶大多都是+8時區
因此反推回來
台灣大多用戶的使用習慣都是如此
而前幾年我被台灣達人秀聘請為新媒體行銷顧問時
也是呈現大致相近的數據
台灣達人秀目前有255萬粉絲
許多網紅、Youtuber都是從這裡出來的
所以我們有數據可以知道這些上線時間不會相差太遠
但是我們貼文就要這些時間發嗎?
我的策略是
在最高峰的1~2小時一定要貼文
這可以大幅增加被看見的機會
我們統整下來有幾個時間點是必須貼文的:
1.早上9點
2.中午11點
3.晚上7點
4.晚上9點
這四個時段是一定要貼文
當然內容本身還是最影響能否廣泛散播的關鍵因素
如果貼文內容沒有吸引人
或是只是單純打廣告、沒有讓顧客感受到價值
是絕對不會有好觸及的
很多人認為把內容貼上就叫內容行銷
但實際並不是這一回事
當中有很多細節要考慮
像是標題、文字架構、圖片、配色、關聯性等等
每一個細節都會有所影響
如果這有機會我會再錄一個影片
告訴大家怎麼製作內容行銷
在設定貼文排程時
我們不會設定整點
我們會稍微做一些調整
舉例來說
我們知道早上9點左右要貼文
這時候我們不會設定9點準時發布
我們會設定在9:10、9:15、9:45、9:50這區間
因為大多數人在設定貼文時
都會設定整點或半點
所以我們會故意把這些時間錯開
這樣就有機會先被看見
因為我們會把他的貼文往後排
這些都只是操作上的策略
最重要的還是在於內容本身
這是我一直要不斷強調的
內容好,觸及沒煩惱
內容不好,每天都睡不好
那麼我們今天的影片分享就到這
如果你有問題想問我
歡迎在底下留言
或填寫下方Youtube願望清單
有機會的話
我會針對你的問題為你拍攝專屬影片
這樣就有機會講更多、講更細
那麼我們下一個影片見囉
掰掰
啊對!記得按訂閱及小鈴鐺
這樣你才可以在最快時間收到我的新影片通知!
掰掰
【Stark談行銷】如何掌握網友上線時間發佈貼文、拉高觸及率?
關聯分析演算法 在 孫在陽 Youtube 的最讚貼文
K 物件分群計算方法、演算法、用Excel講解K 物件分群法
面對日新月異的大數據工具,有時候很難跟上這節奏。Microsoft Power BI讓大家可以簡易的製作大數據分析。用 Excel Power BI 做大數據分析,課程大綱有認識大數據、大數據分析、視覺化呈現結果,提升管理品質,有效提升工作效率。另外;大數據分析還應該包含許多學習到的知識,回饋給資料,再重新計算,不是僅畫出視覺化圖後,就說做好了大數據分析。期待大家將了解應用這些工具使用,將大數據分析導入您的工作中。
孫在陽老師主講,[email protected]
範例、講義下載:https://goo.gl/ytzRxT
關聯分析演算法 在 孫在陽 Youtube 的最佳貼文
認識 K means 演算法、用Excel講解K means、機器學習實務應用
面對日新月異的大數據工具,有時候很難跟上這節奏。Microsoft Power BI讓大家可以簡易的製作大數據分析。用 Excel Power BI 做大數據分析,課程大綱有認識大數據、大數據分析、視覺化呈現結果,提升管理品質,有效提升工作效率。另外;大數據分析還應該包含許多學習到的知識,回饋給資料,再重新計算,不是僅畫出視覺化圖後,就說做好了大數據分析。期待大家將了解應用這些工具使用,將大數據分析導入您的工作中。
孫在陽老師主講,[email protected]
範例、講義下載:https://goo.gl/ytzRxT
關聯分析演算法 在 2 關聯分析演算邏輯( Basket Analysis & Association ... - YouTube 的推薦與評價
關聯分析 - 2 關聯分析演算 邏輯( Basket Analysis & Association Rules Algorithm ). 150 views · 2 months ago ...more ... ... <看更多>
關聯分析演算法 在 行銷資料科學- 【 什麼是購物籃分析 Apriori 關聯 ... - Facebook 的推薦與評價
什麼是購物籃分析❓ Apriori 關聯分析演算法一次搞懂】 大家平常走進賣場購買商品時,都習慣拿起購物籃 ,將欲選購的商品放進購物籃中,最後提著購物 ... ... <看更多>