航旅搜索卡片接口开发
背景：航旅搜索使用户可以通过搜索框输入文字搜索航旅纵横APP内的内容，用户的问句通过NLP模型推理后获得意图列表。
职责：负责对模型结果即意图列表中不同类型的意图进行处理，并根据用户行程、问句中的实体名等组装参数，必要时调用其他服务接口获取答案，返回对应的卡片，实现目标页面的的跳转，及部分答案数据的清洗工作。
成果：以Python语言开发为主，完成了机场大巴信息分级展示、机场专区、机场天气及航班动态卡片的后台接口开发，达到预期效果。

机场旅客轨迹搜索
背景：开发行人轨迹管理系统以实现对航站楼区域人员的实时轨迹追踪，形成旅客行走路线轨迹，同时支持通过用户上传抓拍的目标人像图片来显示该人员了起始点、终止点、活动时间等信息，还可查看该目标轨迹被抓拍到的行人图片。
职责及成果：
完成了聚合聚类融合跨镜头轨迹片段的实验，对各摄像头下单镜头跟踪器产生的轨迹片段进行融合，生成完整轨迹。在自建数据集上进行了测试并确定了聚类参数（阈值）。将项目内其他成员的工作成果，包括行人检测（自训练YOLOv5）、行人ReID特征提取（自训练MGN_R50-IBN ）、单镜头多目标跟踪（DeepSORT）等子工程进行整合，并开发了以图搜轨迹的接口（Python+Flask）和实时可视化展示（OpenCV+SRS），最终形成了行人轨迹管理系统demo。

机场安检图像识别服务
背景：对机场监控视频图像中的人群密度进行预测，生成热力图在页面中展示，并将人群密度指标传入航旅纵横APP的机场专区进行展示。
职责：负责人群密度标注工具开发，人群密度预测模型训练，人群区域提取及指标优化，热力图转换，相关接口开发及专利撰写。
成果：编写了Matlab版的人群密度标注工具，实现了对人头部中心位置及图片特殊区域的标注功能。使用CNN（改造的ResNet50）训练（pytorch）人群密度图回归网络，实现了对机场安检区摄像头下人群密度图预测，不同场景摄像头下的人数预测误差（MAE/单张图像平均人数）均控制在10%以内。使用DBSCAN聚类对人群密度图中的人群密集区域进行提取，以各子区域中的平均密度代替整体人群密度作为衡量排队情况的指标，并通过图像的透视变换对人群密度图进行转换，开发了人群密度可视化接口供前端调用。将排队情况指标传递给下游（AMQ）并最终在航旅纵横APP中的机场专区进行展示，以提示用户安检区域的排队情况。撰写了专利《人群数量预测方法、装置、计算机设备及存储介质》的技术方案。

ETD评价及航司运控数据分析
背景：过去往往通过整体的错误率和延误预报率来对ETD（预计起飞时间）的预测质量进行评价。但由于ETD预测分阶段模型的特点，对不同时间下的ETD质量进行更精细的评价十分必要。航班正常率是各航司的重要考核指标，需要分析该航司航班的运行数据，给出分析报告以提升其航班正常率。
职责：负责ETD多维度评价及可视化，航班运行数据提取统计及部分分析结果可视化。
成果：对近一年的ETD历史数据进行统计（PySpark），对于不同时间，不同置信度下，对任意ETD源，均给出了错误率，预报率等评价指标，并以可视化的热力图进行展示（matplotlib），在此基础上与业内对标结果。还加入了极端天气、极端事件情况下指标的监控分析，及分源分置信度阈值对ETD进行定向的筛选模拟。完成了ETD置信度的可视化展示及使用说明书。在线上通过对实时指标进行可视化展示（定时任务+Superset）。
对航司航班运行数据进行提取（SQL），对延误原因进行统计，对过站时间进行数值模拟，与其他航司运行数据进行比较分析，并通过棒棒糖图航线图等对重要结论进行可视化（PyEcharts）。