Aller au contenu principal
Accès ouvert déclaré 2025 conference-paper

Deep Learning for Predictive Travel Planning: Challenges and Opportunities

0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés

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.

Les sujets associés

Data Management and AlgorithmsTraffic Prediction and Management TechniquesAutonomous Vehicle Technology and Safety

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.