To infinity and beyond | Let's go to the Beach!
Taipei
The Challenge | Let's go to the Beach!
Build a tool for beach-goers to monitor for hazards and to alert them of precautionary measures for protection on their swim- and surf-filled adventures!
Beach in heart
No Video Provided
We would like to provide a service to tell people which beaches are better to visit by history weather data and local real-time data analysis
我們是第28組 To Infinity and beyound。
挑戰題目是Les's go to the Beach！
接下來的簡報將會分為以下幾個部分來敘述
目的、解法、系統架構、歷史資料、即時資料、參考地點、影響因素、我們用機器學習發現的一個趨勢，最後是使用者透過網頁看到的畫面。
我們目標是讓使用者可以透過即時資訊和歷史資料的分析綜合出的結果得知目的地資訊。
程式主要分為兩大主體，資料蒐集模組、資料分析模組
我們會蒐集歷史資料和即時資料，透過3種Machine Learning的技術來分析
歷史資料共有14種，紅字的部分是我們認為影響旅遊意願較為重要的因素
專案中，我們在美國東南岸選擇了10個海灘來做為參考點
而這些是我們思考現實中會影響旅遊意願的8個因素
過程中我們發現了一個趨勢，如果用太陽輻射量、相對溼度、氣溫來做區分，利用K-mean來自動區分，分類會以太陽輻射量為依據
炎炎夏日，相信許多人都有奔向海邊戲水消暑的念頭，本專案提供一個包含即時資料及預測未來兩小時後的海灘資料，透過Intel Edison的溫度感測器、光學感測器、相機來蒐集即時的海灘環境資訊，透過將海灘的歷史資料經由機器學習(K-means、T-SNE、gradient boosted classfier)預測未來兩小時後的海灘是否適合遊客造訪。
專案中，我們在美國東南岸選擇了10個海灘來做為參考點，提供溫度、濕度、UVI、天氣類別、風速、舒適度作為參考資料，並提供即時影像，使用者可以簡單明瞭的方式了解出遊地點的相關訊息，祝您有個美好的旅程！
Github:
SpaceApps is a NASA incubator innovation program.