您现在的位置:首页 > 智慧城市群智计算青年学者技术论坛

智慧城市群智计算青年学者技术论坛

於志勇

於志勇
福州大学

报告题目:群智感知中质量与成本的协同优化

内容简介: 群智感知系统利用大量而广泛的用户及其便携设备的移动、计算、通信和感知能力,实时实地监测社会或环境中具有重要意义的事件与状态。数据质量和感知成本是群智感知应用的两个重要关注点。为了获得某个时空范围内高质量的感知结果,最直观的思路就是招募更多的参与者,并分配更多的感知任务,而这将导致感知成本的增加。因此,如何协调二者的关系,以较小的感知成本,获得较高的数据质量,是群智感知应用的共性核心需求。本报告将探讨三种途径:1)任务分配的角度;2)数据推测的角度;3)前两者的结合。

个人简介: 於志勇博士现为福州大学数学与计算机科学学院副教授,旗山学者。毕业于西北工业大学(与日本京都大学联合培养),获计算机科学技术专业博士学位。法国国立电信学院博士后。长期从事普适计算、移动社交网络、群智感知等方向的研究工作。担任IEEE会员、中国计算机学会普适计算专业委员会委员、福建省人工智能学会理事、福建省大数据分析与处理工程研究中心副主任、首届CCF智能感知与城市计算前沿论坛主席,是IEEE International Conference on Ubiquitous Intelligence and Computing等国际会议的宣传主席或程序委员,国际期刊Future Generation Computer Systems的客座编辑,以及ACM Transactions on Intelligent Systems and Technology等国际期刊的审稿人。已在国内外期刊如IEEE ComMag、IEEE TSMC、MONET、计算机学报或会议上如UbiComp、UIC发表论文五十余篇,主持科研项目如国家自然科学基金等五项,参与科研项目如欧盟FP7、国家863计划等十项,申请发明专利5项。


陈超

陈超
重庆大学

报告题目:GPS时空轨迹数据挖掘与智慧城市服务

内容简介: 出租车轨迹数据挖掘近年来受到了学术界和工业界的大量关注。使用打车软件出行已经成为城市居民日常生活的常态;出租车轨迹数据挖掘能支持的智慧城市服务已不再局限于乘客、出租车司机及城市规划人员。作为较早从事出租车轨迹数据挖掘的研究人员,此次报告将回顾并与大家分享一些代表性的相关工作,包括出租车司机最优寻客策略发现、司机绕路轨迹自动检测、通宵公交车路线规划、绿色行车路线推荐等。

个人简介: 陈超现为重庆大学计算机学院副教授。主要从事群智感知技术及面向智慧城市应用的移动轨迹数据挖掘关键技术等研究。具体而言,主要结合政府公开数据、用户与信息物理世界交互产生的群智数据,研究数据挖掘、数据融合的关键技术,为解决智慧交通、城市安全、灾难救援等领域面临的经典难点问题提供新的途径与可能。已发表高水平SCI论文40余篇,包括20余篇IEEE Transactions ,论文被国际知名会议(SIGMOD、IJCAI、UbiComp等)及世界公认的四大期刊之一的美国科学院院报(PNAS)引用,累积Google 学术引用已超过1250次。特别地,有关出租车轨迹数据挖掘的工作于2011年和2016年两度被IEEE Spectrum杂志报道。现主持国家级科研项目都5项(包括科技部重点研发项目1项),省部级科研项目3项,中央高校基金项目3项 。参与多个法国政府智慧城市、欧盟第七框架计划等国际合作项目。


王乐业

王乐业
香港科技大学

报告题目:以小搏大——从城市稀疏感知到城市迁移计算

内容简介: 开发智慧城市服务的基础是大规模城市感知数据的积累。但是,不同城市、不同服务行业之间的发展存在不均衡,导致在启动智慧城市服务开发时常常会面临关键数据缺失的问题。而收集数据将花费大量时间及资源消耗,极大减缓了智慧城市服务的大范围普及。本报告将从两个角度探讨如何缓解上述问题。(1)城市稀疏感知:如何通过少量感知数据就得到城市整体感知状况的高效感知范式;涉及感知数据的获取、推理、质量度量、隐私保护等关键问题。(2)城市迁移计算:如何利用已有其他应用或其他城市积累的数据辅助快速建立目标城市特定感知计算应用。具体的,本报告将以数据预测、事件监测、设施部署等多种智慧城市应用作为切入点,介绍如何将深度学习、强化学习、协同过滤等技术与城市稀疏感知/城市迁移计算结合,从而快速建立起有效的机器学习模型以服务智慧城市建设。

个人简介: 王乐业目前于香港科技大学任博士后研究员,博士毕业于法国国立电信学院及巴黎六大,本科及硕士毕业于北京大学。研究方向为群智感知及城市大数据分析。发表国际会议及期刊论文共30余篇,引用700余次,包括顶级会议UbiComp,WWW,AAAI,知名期刊IEEE Transactions on Mobile Computing, ACM Transactions on Intelligent Systems and Technology等。


陈龙彪

陈龙彪
厦门大学

报告题目:大数据驱动的城市网络系统优化

内容简介: 大城市的高效运行离不开一系列城市网络系统。其中,城市交通网络和城市通讯网络起着至关重要的支撑作用。城市交通网络承担了物理空间中的大规模人群移动,而城市通讯网络则承载了数字空间中的大范围信息交互。城市规模和范围的急剧扩张,给城市交通和通讯网络带来了一系列挑战,例如网络拥堵、运营成本攀升,等等。本报告从大数据驱动的城市计算角度介绍团队在城市网络系统优化中的工作,探讨自适应网络需求响应,网络异常处处理,网络能耗、成本和服务质量优化等关键科学问题,并对未来工作展开讨论。

个人简介: 陈龙彪博士是厦门大学信息学院助理教授。他于2010年从浙江大学竺可桢学院获得工学学士学位;于2016年获得浙江大学博士学位,导师为潘纲教授;于2018年获得法国索邦大学(原巴黎第六大学)博士学位,导师为张大庆教授。他曾于法国国立电信研究院任助理研究员,现工作于厦门大学福建省智慧城市感知与计算重点实验室。他的主要研究方向为大数据分析、城市感知计算、普适计算。他已在国际著名期刊和顶级会议上发表学术论文20余篇,包括CCF A类会议ACM UBICOMP,IEEE智能交通会刊T-ITS,IEEE人机交互会刊T-HMS,以及Elsevier通讯网络期刊JNCA. 他于2015年和2016年两次获得ACM UBICOMP最佳论文提名奖。目前主持厦门大学校长基金项目、福建省自然科学基金面上项目各一项。现任CCF普适计算专委会、协同计算专委会委员,ACM SIGSPATIAL CHINA技术委员;担任多届IEEE UIC程序委员、CCF普适计算会议论坛主席。


王江涛

王江涛
北京大学

报告题目:智慧城市群智感知最优任务分配:研究新视角

内容简介: 任务最优分配是智慧城市群智感知应用/系统中的核心、共性问题。本报告在对群智感知最优任务分配研究现状进行分析的基础上,探讨以下研究新视角:(1)从单任务到多任务:一种面向多任务群智感知的任务最优分配方法。(2)兼顾整体效用和个体质量:一种考虑单任务质量的多任务整体效用优化方法。(3)从专用平台到社交网络:一种基于社交网络的群智感知任务分配方法。(4)从单一模式到混合模式:一种结合主动模式和被动模式的混合式感知任务分配方法。最后,报告对智慧城市群智计算领域的新趋势和新问题进行探讨。

个人简介: 王江涛,博士,北京大学信息科学技术学院助理研究员,从事智慧城市群智计算方面的研究。2015年博士毕业于北京大学,曾在美国佛罗里达大学、法国国立电信学院、新加坡国立大学、北京大学、澳大利亚新南威尔士大学等开展访学或博士后研究,2017年正式入职北京大学。主持国家自然科学基金面上项目、青年项目,参与国家科技部重点研发计划、自然科学基金重点项目等。在国内外重要期刊和会议发表论文20余篇,其中以第一作者在IEEE Trans. on Mobile Computing,ACM CSCW、IEEE COMMUNICATIONS、IEEE Trans. on Human-Machine System等重要国际期刊或会议上发表多篇论文。担任IEEE UIC 17, IEEE EUSPN 16, ACM CrowdSense 17、IEEE IOP 18等国际会议的程序委员会成员, SPLC 16宣传主席,国际智慧城市群智计算研讨会CISC 16主席。现为CCF普适计算专业委员会委员。