主题论坛14人机物融合驱动的智慧城市模拟器

简介：

陈龙彪是厦门大学信息学院计算机系副教授、博导，国家级海外高层次人才、福建省高层次人才A类、厦门市高层次人才A类、厦门大学南强青年拔尖人才。担任ACM SIGSPATIAL中国分会执行委员、CCF普适计算专委会执行委员、CCF YOCSEF厦门分论坛主席（2021）、CCF高级会员、金砖国家青年科学家论坛成员。担任ACM UbiComp 2021社会活动主席，以及多届CCF和谐人机环境会议（HHME）技术论坛联合主席；担任Big Data Research期刊主编，FCS, Vehicles等国际期刊编委，以及担任AAAI, IJCAI等国际会议程序委员会委员。主要研究方向为群体智能、具身智能、空间计算、普适计算、垂类大语言模型。连续两次以第一作者获得CCF-A类会议UbiComp最佳论文提名奖（国内高校首次），荣获2022年度ACM SIGSPATIAL中国分会新星奖（本年度全国唯一）。累计发表论文87篇，其中CCF-A类论文14篇（一作及通讯），CCF-B 类与科睿唯安 JCR（《期刊引证报告》）分区论文17篇（一作及通讯），6篇论文他引大于100次；授权发明专利20项，主持国家自然科学基金面上项目、青年项目、国防基础科研项目、国家高分遥感项目等6项。

报告题目：Crowdverse: 开放共享的群体具身智能模拟器

简介：

王乐业，北京大学计算机学院长聘副教授、博雅青年学者，中国计算机学会普适计算专委会副秘书长，入选国家级青年人才计划。长期从事群智感知与计算研究（人工智能与普适计算的交叉研究方向），聚焦于群体泛在感知数据的智能化采集、建模、共享、安全防护等主题。发表国际会议、期刊论文100余篇，累计引用6900余次，被引100次以上论文20余篇。

简介：

上海交通大学计算机学院副教授，研究方向聚焦城市人工智能与时空数据挖掘，在Nature和Cell子刊、KDD、WWW、AAAI、IJCAI、ICDE等会议发表学术论文50余篇，谷歌学术引用次数7000余次。曾获ECML-PKDD2020最佳应用数据科学论文奖，入选百度AI华人新星百强榜单、上海市海外高层次人才计划、ACM SIGSPATIAL China空间数据智能新星。教学方面，8次获校教学评估A等、荣获上海交通大学“凯原”十佳教师、“佳和”优秀教学奖公共基础课教席讲师等荣誉

报告题目：城市时空基础决策模型构建

报告摘要：

“城市病”已是社会发展亟待解决的问题。本报告将关注城市数据中“预测-推演-决策”的闭环流程，提出一套城市时空数据驱动的“城市病”诊疗思路。具体地，报告将探讨构建基础决策模型的三个阶段：（1）如何对齐城市中的多源头数据，实现多模态语义的城市数据融合预测；（2）如何依托虚拟真实数据共生的大规模城市仿真，实现低成本评估和训练最优的管理策略；（3）如何实现可泛化有保障的城市智能决策的生成、迁移和规模化。报告还将涵盖研究团队在城市管理策略落地方面的一些经历分享。

简介：

刘志丹，香港科技大学（广州）系统枢纽智能交通学域和信息枢纽人工智能学域助理教授、副研究员、博士生导师。主要从事智能物联网、城市计算、边缘智能与数据挖掘等方向研究。研究成果发表在IEEE TMC、IEEE TKDE、IEEE TITS等国际权威期刊，以及ACM MobiCom、MobiSys、KDD、CIKM、IEEE ICDE、ICDM等国际顶级会议，累计发表高水平论文60余篇。曾获IEEE ICPADS 2020最佳论文奖，作为第一发明人申请国家发明专利17项，其中14项已获授权，并申请PCT国际专利2项。主持国家自然科学基金面上项目2项、青年项目1项，广东省自然科学基金面上项目2项及腾讯犀牛鸟科研基金等十余项科研项目。现为IEEE Transactions on Emerging Topics in Computational Intelligence副主编，IEEE和CCF高级会员，ACM SIGSPATIAL中国分会执行委员，CCF物联网、普适计算与智能交通专委会执行委员。

报告题目：推理与执行的协同：大模型驱动交通信号控制的异步分层框架

报告摘要：

面对复杂多变的城市交通，智能决策既需要理解路网全局态势，也需要对局部变化快速响应。本报告围绕大模型与多智能体强化学习的协同控制，重点介绍异步分层框架Astra如何融合全局推理、拓扑认知与实时执行，并结合城市感知、出行匹配和资源调度研究，探讨面向人机物融合、贯通感知、推演与决策的智慧交通闭环。

简介：

梁宇轩，香港科技大学（广州）助理教授，研究方向为时空数据挖掘与时空大模型。迄今已在国际期刊和会议上发表论文百余篇，谷歌引用超过一万六千次，多次入选全球前2%顶尖科学家名单。现担任期刊Neurocomputing副编辑，VLDB Journal客座编辑，TMLR执行编辑，KDD、ICML、NeurIPS、ICLR、ACL等国际会议领域主席。曾获ICDM-25最佳论文亚军奖、SIGSPATIAL中国分会新星提名奖、第23届中国专利优秀奖，ACM Multimedia杰出领域主席，新加坡数据科学协会博士论文研究奖等海内外奖项。

报告题目：LLM智能体驱动的参与式城市感知

报告摘要：

参与式城市感知依赖移动个体采集细粒度城市数据，为城市管理提供重要支撑。然而，现有方法通常假设静态环境和同质化参与者，难以适应动态城市环境中的变化需求与个体差异。本报告探讨LLM智能体如何推动城市感知向更加人本化和自适应的方向发展。在感知规划阶段，智能体能够综合理解参与者偏好、移动约束和城市上下文，优化感知任务分配，提高参与体验与公平性。当任务需求或环境条件发生变化时，智能体可进一步动态调整感知方案，在保证可行性的同时提供清晰、可理解的调整依据。基于真实移动数据的实验表明，LLM智能体能够在保持感知覆盖能力的同时，提升感知过程的个性化、自适应性与透明性。该研究展示了大语言模型智能体推动城市感知从静态任务分配走向动态交互协同的新可能，为未来以人为中心的智能城市感知提供了新的思路。