ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ОТРАСЛЕВЫХ НАПРАВЛЕНИЯХ ГЕОГРАФИИ И ЕГО ЗНАЧЕНИЕ ДЛЯ РАЗВИТИЯ ТУРИСТИЧЕСКОЙ ИНДУСТРИИ

Авторы

  • Низаматдинова Жулдуз Скаховна

    Казахский национальный педагогический университет имени Абая

  • Демеев Ахмет Демеевич

    Каспийский университет технологии и инжиниринга имени Ш.Есенова

Ключевые слова: география, искусственный интеллект, географические исследования, географический искусственный интеллект (GeoAI), субдомен

Аннотация

Обработка географических данных, графическая обработка информации, управление информацией и другие задачи географических исследований требуют обширных теоретических знаний и практического опыта. Традиционные методы ручного исследования сравнительно просты, однако отличаются высокой трудоёмкостью и низкой эффективностью обработки данных. Вместе с тем компьютерные технологии испытывают трудности в имитации человеческого мышления и не способны в полной мере рационально обобщать закономерности природы. Технологии искусственного интеллекта и машинного обучения позволяют эффективно решать обе эти проблемы.

Библиографические ссылки

1. Li W., Hsu C.-Y. GeoAI for Large-Scale Image Analysis and Machine Vision: Recent Progress of Artificial Intelligence in Geography. ISPRS Int. J. Geo-Inf. 2022, 11, 385.

2. Pengyuan Liu, Filip Biljecki, A review of spatially-explicit GeoAI applications in Urban Geography, International Journal of Applied Earth Observation and Geoinformation, Volume 112, 2022, 102936, ISSN 1569-8432,

3. Leszczynski A., Crampton J. Introduction: Spatial big data and everyday life //Big Data & Society. 2016. Т. 3. № 2. – С. 2053951716661366

4. Alizadeh M., Alizadeh E., Asadollahpour Kotenaee S., Shahabi H., Beiranvand Pour A., Panahi M., Bin Ahmad B., Saro L. Social Vulnerability Assessment Using Artificial Neural Network (ANN) Model for Earthquake Hazard in Tabriz City, Iran. Sustainability 2018, 10, 3376.

5. Brown R. A., Dickerson D.L., Klein D. J., Agniel D., Johnson C.L., & DʼAmico E.J. Identifying as American Indian/Alaska Native in Urban Areas: Implications for Adolescent Behavioral Health and Well-Being. Youth & Society, 2021. 53(1), 54-75.

6. Choudhury T., Arunachalam R., Khanna A., Jasinska E., Bolshev V., Panchenko V., Leonowicz Z. A Social Network Analysis Approach to COVID 19 Community Detection Techniques. Int. J. Environ. Res. Public Health 2022, 19, 3791.

7. Amiruzzaman M., Rahman R., Islam M.R. and Nor R.M. "Evaluation of DBSCAN algorithm on different programming languages: An exploratory study," 2021 5th International Conference on Electrical Engineering and Information Communication Technology (ICEEICT), Dhaka, Bangladesh, 2021. – P. 1-6.

8. Brinkley C., Stahmer C. What is in a plan? Using natural language processing to read 461 California city general plans. //Journal of Planning Education and Research. 2021. 0739456X21995890

9. Beatriz Jambrina-Canseco, The stories we tell ourselves: Local newspaper reporting and support for the radical right, Political Geography, Volume 100, 2023, 102778, ISSN 0962-6298,

10. Lynge H., Visagie J., Scheba A., Turok I., Everatt D., Abrahams C. (2022). Developing neighbourhood typologies and understanding urban inequality: a data-driven approach. Regional Studies, Regional Science, 9(1).

11. Yang J., Ma S., Li Y., Zhang Z. Efficient Data-Driven Crop Pest Identification Based on Edge Distance-Entropy for Sustainable Agriculture. Sustainability 2022, 14, 7825.

12. Bakdur A., Masui F., Ptaszynski M. Predicting Increase in Demand for Public Buses in University Students Daily Life Needs: Case Study Based on a City in Japan. Sustainability 2021, 13, 5137.