Deep Learning for Predictive Travel Planning: Challenges and Opportunities
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
With the rapid development of artificial intelligence technology, deep learning has shown great potential in many fields, and travel planning is no exception. This paper explores the diverse applications of deep learning in travel planning, covering weather forecasting, route planning, and travel destination recommendations. By comparing and analyzing various deep learning-based algorithm models, this study reveals their significant advantages and potential challenges in enhancing the accuracy, personalization, and efficiency of travel planning. It aims to provide innovative ideas and practical references for the field of travel planning, and to help achieve smarter, more convenient, and more efficient travel planning services.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Deep Learning for Predictive Travel Planning: Challenges and Opportunities
- Date Crossref
- 14/02/2025
- Éditeur
- ACM
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.