要約
この研究の目的は、マイクロサービス アーキテクチャに AI アルゴリズムを実装することで、コスト、時間、ユーザーの好み、環境の持続可能性によって旅行の旅程をどのように強化するかです。
コスト予測とパーソナライゼーションの両方に機械学習モデル、旅程の最適化に遺伝的アルゴリズム、持続可能性のチェックにヒューリスティックを使用します。
主に評価されるパラメータは、遅延、ユーザーの好みを満たす能力、コスト、環境への懸念から構成されます。
実験結果では、1000 人の同時ユーザーに対する平均応答時間は 4.5 秒、ユーザー設定の精度は 92% であることが実証されました。
提供される旅行の95％が利用者が申告した予算の範囲内で収まるなど、費用対効果の高さが実証されています。
このシステムには、旅行に関連する負の外部性を軽減するためのいくつかの措置も導入されており、提供される旅行プランの 60% にはグリーン オプションが組み込まれており、その結果、提供される従来の旅行プランよりも炭素排出量が平均 15% 低くなります。
時間計算量 O(g.p.f) の遺伝的アルゴリズムは、100 世代で最適な解を提供します。
反復ごとに解の品質が 5% 向上するため、時間が秒単位で測定される最適化問題で効果的に使用できるようになります。
最後に、システムは 99.9% の機能可用性を備えたフォールト トレラントになるように設計されており、要件を超えた場合でもサービスを提供できます。
旅行最適化プラットフォームは、拡張スケーリングを提供し、非同期通信とリアルタイムの変更を可能にするこのマイクロサービス ベースのアーキテクチャによって動的かつ効率的に変わります。
Ai、コスト管理、環境配慮のアプローチを組み込んでおり、このシステムは現在の旅行ビジネスにおけるさまざまなユーザーのニーズに応えます。
要約(オリジナル)
The objective of this research is how an implementation of AI algorithms in the microservices architecture enhances travel itineraries by cost, time, user preferences, and environmental sustainability. It uses machine learning models for both cost forecasting and personalization, genetic algorithm for optimization of the itinerary, and heuristics for sustainability checking. Primary evaluated parameters consist of latency, ability to satisfy user preferences, cost and environmental concern. The experimental results demonstrate an average of 4.5 seconds of response time on 1000 concurrent users and 92% of user preferences accuracy. The cost efficiency is proved, with 95% of provided trips being within the limits of the budget declared by the user. The system also implements some measures to alleviate negative externalities related to travel and 60% of offered travel plans had green options incorporated, resulting in the average 15% lower carbon emissions than the traditional travel plans offered. The genetic algorithm with time complexity O(g.p.f) provides the optimal solution in 100 generations. Every iteration improves the quality of the solution by 5%, thus enabling its effective use in optimization problems where time is measured in seconds. Finally, the system is designed to be fault-tolerant with functional 99.9% availability which allows the provision of services even when requirements are exceeded. Travel optimization platform is turned dynamic and efficient by this microservices based architecture which provides enhanced scaling, allows asynchronous communication and real time changes. Because of the incorporation of Ai, cost control and eco-friendliness approaches, the system addresses the different user needs in the present days travel business.
arxiv情報
| 著者 | Biman Barua,M. Shamim Kaiser |
| 発行日 | 2024-10-23 15:15:56+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google