Сервис помогает пользователю найти ближайшее отделение ВТБ с учетом его загруженности. Для этого определяется местоположение пользователя, время пути до ближайших отделений, время ожидания в них. Время ожидания рассчитывается на каждый час каждого дня недели на основе статистики а также исходя из текущей очереди в отделение.
Реализована функция поиска услуг по описанию с помощью BERT модели с дообученными слоями. В поисковой строке пользователь может ввести неточное назване услуги и нейросеть предложит похожие по ее мнению. Например: по запросу "сейф" пользователь увидит услуги: "Аренда сейфовых ячеек", "Надежное хранение документов и ценностей", "Налогия", "Финансовый резерв", "Справка о наличии счетов". Также с помощью поисковой строки можно искать адрес отделения (не реализовано из-за слложности отличить запрос от адреса)
На сайте отображается список отделений в порядке близости к клиенту, краткая информация о каждом. Когда пользователь выбирает отделение, система заносит его в расписание, корректируя время для остальных пользователей. Пользователь может построить маршрут до отделения прямо на сайте.
Демо: http://proxy.koteyko.space/
построение тепловой карты пользователей и их потребностей в услугах использовать камеры наблюдения в отделениях для измерения времени ожидания в очередях возможность более точно рассчитывать загруженность
-
Docker
-
nginix
-
Flask
-
Fastapi
-
PostgreSQL
-
pytorch
-
React
-
AntD
-
Yandex Maps API
Веса модели: [https://drive.google.com/file/d/1xsITYiZvcsIzx0cr-GiBx5ytDIcvlgzP/view?usp=sharing] должны лежать в каталоге app
Далее для запуска нужно установить зависимости и скомпилировать фронтенд:
cd app
npm install .
npm run build
cd ..
docker compose up --build
docker compose up --build
На 80 порту будет сайт.