歡迎光臨
每天分享高質量文章

權威舉辦 |『人工智慧與智慧交通』前沿講習班

當前人工智慧的突破為智慧交通系統的發展提供了新視野和可能性。大資料、社會計算、機器學習、平行智慧、區塊鏈、知識自動化、智慧車、車聯網、可視化等技術的快速發展,為智慧交通系統的未來提供了無限想象空間。現代城市交通解析、管理與控制已經不再局限於單一領域、淺層資料的統計分析與挖掘,其範疇已延拓到更為深層的基於跨域跨空間(物理空間、網絡空間、社會空間,CPSS)大資料、人工智慧相關聯的綜合分析、評估與決策支持。繼工業技術“老IT”時代(Industrial Technology)、信息技術“舊IT”時代(Information Technology)之後,智慧技術“新IT”時代(Intelligent Technology)已經來臨。為此,我們必須轉變思維方式,發展智慧時代的智慧交通系統。

中國自動化學會將於2018年10月13日-10月14日在北京·中國科學院自動化研究所舉辦第8期智慧自動化學科前沿講習班,主題為“人工智慧與智慧交通”,此次講習班由中國自動化學會副理事長兼秘書長,中國科學院自動化研究所複雜系統管理與控制國家重點實驗室主任王飛躍研究員和清華大學自動化繫系統工程研究所所長張毅教授共同擔任學術主任。邀請業界多位知名專家作主題報告,分享交流人工智慧與智慧交通系統的學術前沿、產業發展及應用實現。


內容安排


學術報告1

報告待定

講者:張毅清華大學自動化系教授、博導,自動化繫系統工程研究所所長。“863計劃”先進交通技術領域專家,是清華大學智慧交通系統學科帶頭人之一。


學術報告2


報告待定

講者:劉向宏滴滴智慧交通首席科學家,滴滴城市交通事業部負責人。美國密西根大學土木環境系終身教授


學術報告3


報告待定


 

講者:陳龍青島慧拓智慧機器有限公司聯合創始人,中山大學無人駕駛團隊負責人。

 

學術報告4


交通5.0:邁向CPSS的智慧平行交通體系

講者:王飛躍,中科院自動化所研究員,複雜系統管理與控制國家重點實驗室主任,現任中國自動化學會副理事長兼秘書長。

 

學術報告5


交通資料可視化

講者:陳為,浙江大學教授,博導,計算機學院副院長,CAD&CG;國家重點實驗室副主任,國家優青。


學術報告6


基於大資料融合的動態交通需求估計與人群聚集預警

講者:王璞,中南大學教授,博導,入選“湖湘青年英才”計劃

 

摘要:交通需求是智慧交通領域中的重要基礎資料,我們建立了一種基於手機資料和多元交通資料融合的動態交通需求估計模型。該模型能夠借助手機資料改寫面全的優點彌補交通資料表徵全域性交通的不足,通過交通資料能夠實時採集的優點彌補手機資料的匱乏,實現千萬級人口出行的動態捕捉。(2)城市人群聚集在特殊的動態交通需求下形成。人群聚集的地方通常疏導通道有限,當發現人群密度超標時管控措施難以快速疏導人群。我們建立了基於地鐵、公交刷卡資料和出租車GPS資料融合的人群聚集預警模型,該模型能夠在人群聚集發生初期提前數小時對其預警。


學術報告7


Understanding On-Demand Ride Services: Platform Optimization, Network Evaluation, Behavioral Analysis, and Traffic Prediction

講者:陳喜群,浙江大學研究員,博導,浙江省傑青。

 

摘要:The on-demand ride service platform, e.g., Urber, Lyft, DiDi Chuxing, is an emerging technology with the boom of the mobile internet. Ridesourcing or transportation network companies (TNCs) refer to an emerging urban mobility service mode that private car owners drive their own vehicles to provide for-hire rides. On-demand ride-sourcing services can be completed via smart phone applications. The platform serves as a coordinator who matches requesting orders from passengers (demand) and vacant registered cars (supply). There exists an abundance of leverages to influence drivers’ and passengers’ preference and behavior, and thus affect both the demand and supply, to maximize profits of the platform or achieve the maximum social welfare. Having a better understanding of the short-term passenger demand over different spatial zones is of great importance to the platform or the operator, who can incentivize drivers to the zones with more potential passenger demands, and improve the utilization rate of the registered cars. On-demand ride services receive praises from consumers and investors. This presentation focuses on the ridesourcing system optimization modeling and behavioral analysis of the shared mobility on demand. In particular, there are four aspects of research efforts have been accomplished by or ongoing in the presenter’s team: (1) On-demand ride services platform and government regulation policy optimization via coordinating supply and demand, where a two-period dynamic game is analyzed so as to evaluate multiple performance measures associated with three basic policies (i.e., no regulation, complete ban, and basic regulation); (2) Urban road network-wide performance evaluation by exploring real-world emerging ridesourcing order data extracted from DiDi’s platform (e.g., network travel time reliability analysis, and scaling law of visitation frequencies); (3) Understand on-demand ridesplitting behavior both via ensemble learning techniques based on real-world order data and app-based online survey; and (4) Demand/supply/traffic forecasting, e.g., spatio-temporal deep learning for passenger demand forecasting, hexagon-based CNN for supply-demand gap forecasting, and traffic speed prediction with temporal and spatial correlations. Those research initiatives of the presenter’s research team have the potential to help decision makers better understand the emerging on-demand ride services from multiple perspectives.


學術報告8


大資料驅動的城市智慧交通控制技術

講者:沈國江,浙江工業大學教授,博導,計算機科學與技術學院副院長


摘要一個城市的道路交通系統每天都在產生並儲存著海量的信息,這些信息隱含著狀態變動和設備運行等信息。如何有效利用海量離線、在線資料和知識,實現對交通運行的優化控制,已成為控制理論界和交通工程界迫切需要解決的問題。本報告主要介紹如何利用大資料+人工智慧來理解交通規律和交通樣式,進而形成一套科學有效的交通控制應用技術。報告主要分為四個方面:一是城市交通大資料的分析和處理方法;二是城市交通信號智慧控制技術;三是城市交通綜合評價指標及體系;四是應用案例分析。本報告從實際應用角度出發,探討如何有效應用大資料來緩解城市交通擁堵和改善城市交通狀況。


學術報告9


面嚮應用的城市道路交通智慧控制技術 

講者:劉小明,北方工業大學教授,博導,交通信息與控制工程系主任。


摘要:基於城市區域交通協調控制實際關聯因素分析,在考慮控制魯棒性及計算複雜性基礎上,設計交通信號自適應準實時分層控制系統,支持人工智慧交通控制演算法池,達到參考模型驅動、參考模型易替換及可持續優化,並對控制過程中相位差的優化、評價及過渡技術進行說明。


學術報告10


交通流時間序列分析

講者:李力,清華大學自動化系副教授,博導,IEEE Fellow,自動化學會青年工作委員會副秘書長。

 

摘要:我們從趨勢分析的角度建立了交通流時間序列異常資料處理,資料壓縮,缺失資料補償,資料預測的統一分析處理演算法;並強調了智慧處理演算法的應用


學術報告11


人工智慧與行車調度

講者:袁志明,中國鐵道科學研究院集團有限公司通信信號研究所副研究員。

 

摘要:隨著鐵路建設的快速發展和鐵路科技的不斷進步,鐵路運輸已經成為我國交通運輸體系的骨幹。行車調度作為鐵路運輸管理體系的中樞,在提升高鐵運輸高效性、降低安全事故發生機率、提高突發事件下的快速響應能力方面具有重要的作用。本報告從鐵路行車調度指揮的應用實踐出發,介紹我國行車調度指揮系統中蘊含的關鍵理論方法和相關應用技術,探討人工智慧和大資料背景下的智慧行車調度。


學術報告12


生成對抗式網絡及其在智慧交通系統中的應用 

講者:呂宜生,複雜系統管理與控制國家重點實驗室副研究員。

 

報名及註冊費


1、本期講習班限報 100 人,根據繳費先後順序錄取,報滿為止;

2、2018年10月12日(含)前註冊並繳費:自動化學會會員2000 元/人,非會員報名同時入會2500元/人;

3、現場繳費:會員2500元/人,非會員3000元/人(包含提前報名現場繳費、現場報名現場繳費);

4、在校生參會可享受學生優惠價格1200元/人;

5、同一單位3人及以上團體報名,按會員標準繳費;

6、即日起至 2018年10月12日,掃描下方二維碼進行註冊報名


赞(0)

分享創造快樂