时间：12月2日上午9:00--10:00
地点：软件园校区科研楼146会议室
题目: 基于多源数据融合的城市交通大数据分析
摘要:
随着经济的发展和城市人口的扩张，城市交通问题，尤其是城市交通拥堵问题日益成为严重困扰很多发达国家以及发展中国家的一个重要问题，会对城市的发展、经济的增长、以及环境污染等方面造成重要影响。随着大数据时代的到来，城市交通的实时检测和管理手段日益多元化，各种传感器数据为智能交通的建设提供了各种数据支撑。同时，其他交通相关的数据包括社交媒体数据、天气数据、交通数据的时空相关性信息也会实时反映一个城市的交通状况。然而，鉴于这些数据的多元性、异构性、复杂性，现有的交通评估和预测方法难以有效对其进行整合以提高交通分析和预测的水平。
在本报告中，将会介绍如何有效整合多源的交通数据并挖掘其潜在相关性，对交通状况，尤其是交通拥堵状况进行准确评估和预测。首先，本报告介绍如何利用社交媒体上报道的交通事件相关信息，同时结合交通拥堵的时空相关性以及城市POI等数据，对城市规模的交通拥堵状况进行评估。然后，介绍如何结合社交媒体数据和传统的车载GPS传感器数据，并扩展传统的耦合隐马尔科夫模型以有效提升交通拥堵预测的准确性。最后，提出一种基于矩阵和张量协同分解的技术框架来有效融合多源数据，并挖掘不同数据之间的潜在相关性，从而有助于更好的理解和挖掘城市交通多源大数据。
简介:
王森章博士2016年1月博士毕业于北京航空航天大学， 2013年9月至2015年9月，作为联合培养博士生在美国伊利诺伊大学芝加哥分校访学，指导教师为Philip S. Yu教授。2016年5月加入南京航空航天大学，现任yh1122银河国际特聘副研究员，并入选2017年度“香江学者”资助计划。王森章博士的主要研究方向是数据挖掘、社交网络分析、城市交通大数据分析等，尤其是在社交网络中的信息传播建模和预测、信息传播网络推断、影响力挖掘、基于社交网络数据的交通拥堵评估等方面有比较深入的研究。目前已发表论文近50篇，其代表性研究成果都发表于数据挖掘和人工智能的主流国际会议和期刊，包括KDD14、AAAI13、15、16、SDM14、CIKM17、SIGSPATIAlGIS15、Knowledge and Information System、ACM Transaction on Intelligent System and Technology、IEEE Trans on Multimedia、ACM Trans onInformation System等。王森章博士还曾担任多个国际会议程序委员会委员，包括IJCAI18、AAAI16、AAAI17、CIKM17等。
