ADL153《时空数据智能》开启报名

高云君

浙江大学

报告题目：时空大数据智能计算：进展与展望

报告简介：时空大数据智能计算是数字经济和智慧城市等国家重大需求的重要支撑。然而，时空数据具有规模庞大、特征复杂、实时动态等特性，传统的时空数据处理技术仍面临计算效率低、特征挖掘浅、算法迁移难等挑战，阻碍了时空数据作为新质生产力所发挥的重要作用。报告人负责团队以数据库与大数据技术为基础，结合人工智能方法，展开了时空大数据智能管理与分析研究，包括嵌入表征、智能压缩、智能查询、深度挖掘以及时空预训练模型等。本报告围绕时空大数据智能计算，先浅谈讲者对时空大数据智能管理与分析的思考，而后介绍团队近年来在这方面的研究进展及未来展望。

讲者简介：高云君，浙江大学求是特聘教授，博士生导师，国家杰出青年科学基金获得者（2020）、国家优秀青年科学基金获得者（2015）。研究方向为数据库、大数据管理与分析、DB与AI融合，已发表CCF A类论文150余篇，出版专著4部，授权专利20项，登记软著4项，并获ICDE等会议最佳/优秀论文6次，省部级或全国性学会科技进步特等/一等奖3项。现为ACM中国SIGSPATIAL副主席，全省大数据智能计算重点实验室主任，浙江大学软件学院副院长。担任TKDE、JCST、FCS、《计算机研究与发展》等期刊编委/副编辑，VLDB、SIGSPATIAL、WISE等10余个顶级/重要国际学术会议程序委员会/Workshop/Tutorial/宣传/出版/本地（共同）主席，SIGMOD、VLDB、ICDE、SIGKDD、SIGIR等会议（资深）程序委员会委员。培养多名博/硕士生获省部级或全国性学会优秀博/硕士学位论文奖8次以及KDD Cup 2022风电预测赛道全球冠军。

杜博

武汉大学

报告题目：多模态大模型发展及垂域赋能

报告简介：多模态大模型作为人工智能领域的重要进展，通过整合学习文本、视觉等多模态数据信息，极大地提升了模型的多模态理解和人机交互能力。随着大模型技术的不断发展，多模态大模型也有望助力赋能各行业发展。本报告将探讨多模态大模型的发展历程、应用场景与研究挑战，以及介绍团队从通用基础大模型到医疗、遥感垂直领域多模态大模型的研究成果，分析多模态大模型在特定垂直领域的应用潜力和赋能效果，并为未来的大模型技术发展和赋能应用提供前瞻性视角。

讲者简介：杜博，武汉大学弘毅特聘教授，国家自然科学基金杰出青年科学基金、优秀青年科学基金获得者，湖北省杰青。现任国家多媒体软件工程技术研究中心主任，武汉大学发展规划与学科建设办公室主任、计算机学院院长，武汉大学人工智能研究院常务副院长，多媒体网络通信工程湖北省重点实验室主任。主要从事计算机视觉和人工智能等方面的研究工作。近五年主持和参与国家重点研发计划项目等纵向科研项目30余项，发表ESI高被引或热点论文23篇，出版著作3部，授权国家发明专利35项。获得2024年湖北省首届青年创新奖（序1），2019年湖北省自然科学一等奖（序1）；2020、2021年中国国际高新技术成果交易会优秀产品奖；2020年湖北省首届专利银奖；2019-2023年科睿维安全球高引学者；2020-2023年Elsevier中国高被引学者；多次获多项人工智能领域顶级会议最佳论文奖以及人工智能和图像处理类全球竞赛冠军。

郑冠杰

上海交通大学

报告题目：城市级交通仿真及交通策略优化

报告简介：随着城市化的快速发展，智慧城市和城市大脑近年来受到广泛关注，交通运筹是智慧城市管理中十分关键的一环。本报告关注城市交通运筹的核心问题，通过构建真实的、细粒度的交通模拟器，在构建的模拟器基础上使用数据科学的方法来进行细粒度、跨城市交通流量预测、制定交通政策，通过制定适宜的策略，提高城市运行效率，并结合已发表工作和落地应用作简要分享。

讲者简介：郑冠杰，上海交通大学电子信息与电气工程学院副教授，研究工作专注于使用机器学习和数据挖掘方法来解决时空问题，尤其是如何从城市时空大数据中做出基于数据的智能决策。其团队所开发的方法已经被应用到了智慧城市、车流预测等领域。相关成果发表在KDD、WWW、AAAI、CIKM、ICDE等国际顶级会议和期刊，共发表学术论文30余篇，谷歌学术引用次数4000余次。在稀疏交通数据轨迹模拟方面的工作获得了ECML-PKDD2020的最佳应用数据科学论文奖。

张钧波

京东

报告题目：时空AI赋能智能城市

报告简介：随着城市化进程的推进，以及移动互联网、5G、物联网等新一代信息技术的快速发展，智能城市等领域的时空数据呈现爆发式增长。相较于图像、文本和语音数据，时空数据具有独特的时空属性，包括时间上的临近性、周期性和趋势性，以及空间上的临近性、空间距离和层次特性。通用人工智能技术往往对这些时空属性的理解和支撑不足，导致对时空数据的挖掘和分析能力受限。针对时空数据的专有人工智能技术（即时空人工智能）应运而生。本报告将结合实际智能城市需求，介绍时空人工智能的概念与方法，探讨如何将人工智能技术应用到智能城市以解决实际问题，促进城市智能化升级。

讲者简介：张钧波，现任京东智能城市研究院人工智能实验室主任、京东科技总监，中国计算机学会青年科技奖获得者，Elsevier中国高被引学者，北京市科技新星计划。长期从事人工智能、时空数据挖掘、城市计算等领域的科技创新和产业化应用工作，带领团队研发的城市AI产品已在数十个智慧城市项目应用落地。主持国家重点研发计划课题等多项科研课题，在AI Journal、IEEE TKDE、KDD、AAAI、IJCAI等国际知名期刊和会议上共发表论文80余篇，被引用10000余次，最高单篇他引超2000次；出版专著2部；申请发明专利百余项、授权30多项。连续四年入选AI 2000人工智能全球最具影响力学者提名，连续四年入选全球前2%顶尖科学家。荣获教育部自然科学二等奖、CCF科学技术奖科技进步杰出奖，连续两届荣获中国专利优秀奖。指导团队荣获CCF“第十届大数据与计算智能大赛”全国综合特等奖（第一唯一）。担任国际权威期刊ACM TIST编委。ACM/IEEE/CCF高级会员，CCF-AI执行委员。

王森章

中南大学

报告题目：城市时空数据挖掘：从统计学习、深度学习到时空大模型

报告简介：随着移动终端和各种位置传感器的普及，人在城市中的位置信息可被实时感知，城市时空大数据也以前所未有的速度累积。城市时空数据的分析挖掘关系人们日常生活的各个方面，例如定位导航、出行旅游、城市规划、社交推荐等等，并为智慧城市建设提供了重要的数据和技术支撑。但这些海量异构、强时空关联、高度不确定的城市时空数据也使得传统的基于统计的分析方法面临诸多挑战。随着深度学习技术的发展以及GPU计算能力的提高，各种深度学习技术在处理大规模复杂时空数据上体现出显著优于统计学习方法的性能，并在智慧交通、出行导航、自动驾驶等领域得到广泛应用，成为当前城市时空数据挖掘的主流方法。尤其是，近年来随着大模型技术的发展，时空智能大模型成为城市时空数据挖掘领域研究的新热点，一些代表性研究成果得到学界广泛关注。本次报告将沿着统计学习、深度学习到时空大模型的发展脉络，结合团队近年来的研究成果，总结城市时空数据挖掘研究领域的发展历史、研究现状以及发展趋势。

讲者简介：王森章，中南大学计算机学院特聘教授，湖南省“芙蓉学者”。主要研究方向为时空数据挖掘、图挖掘、城市计算等。发表论文100余篇，包括CCF推荐A类会议期刊论文50余篇，所发表论文根据谷歌学术统计累计被引用6200余次，H指数44。获ADMA2019“最佳学生论文奖”和数据挖掘顶级国际会议ICDM21“最佳论文提名”。主持包括国家自然科学基金、“香江学者”博士后项目、腾讯“犀牛鸟”基金、企业横向课题等10余项项目。作为第一完成人获2022年中国仿真学会自然科学奖二等奖。王森章教授是中国计算机学会数据库专委会、人工智能与模式识别专委会、大数据专家委员会的执行委员，指挥和控制学会大模型与决策智能专委会常务委员。担任《智能科学与技术学报》编委，《计算机工程》青年编委，国际期刊ACM Trans. on Intelligent Systems and Technology、IEEE Trans. on Big Data和Remote Sensing客座编委。先后四十余次担任所在领域国际会议程序委员会成员（PC Member）及高级成员（Senior PC Member）。

万怀宇

北京交通大学

报告题目：时空轨迹自监督学习

报告简介：时空轨迹数据是行人、车辆或其他对象在地理空间中的出行或移动行为的记录，通常表示为带时间戳的地点序列。时空轨迹数据挖掘在智能交通系统和基于位置的服务中具有至关重要的作用，包括了未来轨迹预测、相似轨迹搜索、稀疏轨迹恢复、行程时间估计、轨迹仿真生成等各种有挑战的挖掘任务，其中轨迹的表示学习是这些挖掘任务的基础。本报告将介绍当前流行的自监督轨迹表示学习方法，分别讨论基于词嵌入的轨迹表示学习、基于自编码器的轨迹表示学习、基于对比学习的轨迹表示学习、基于扩散模型的轨迹生成以及轨迹大模型等相关研究进展。

讲者简介：万怀宇，北京交通大学计算机科学与技术学院教授、博士生导师。中国计算机学会（CCF）高级会员、智慧交通分会执行委员、大模型论坛执行委员，中国中文信息学会（CIPS）社会媒体处理专委会常务委员。国际期刊《Data Intelligence》编委。主要研究方向为时空数据挖掘与知识图谱推理。发表学术论文80余篇，其中CCF A类会议和IEEE/ACM汇刊论文30余篇、ESI高被引论文2篇、Google Scholar高引用量论文2篇。入选斯坦福大学2022全球前2%顶尖科学家、爱思唯尔2023中国高被引学者。曾获中国计算机学会科技进步二等奖（主持）、中国航空运输协会民航科技二等奖、中国人工智能学会吴文俊人工智能科技进步一等奖等奖励。入选北京交通大学“卓越百人支持计划”。

徐丰力

清华大学

报告题目：大模型智能体驱动的城市动态模拟研究

报告简介：大语言模型的快速发展涌现出了与人类相似的小样本学习和通用推理能力。近期研究表明智能体工作流（Agentic Workflows）是充分释放大语言模型能力的重要途径，并且具有训练资源需求低、有自主决策能力等诸多优势，成为了一个重要的研究方向。然而，开放、复杂的城市场景与简单的虚拟沙盒环境有很大差别，大模型智能体面临推理开销大、行为生成和决策质量低等诸多挑战。在本次报告中，讲者将介绍城市环境下大模型智能体高效推理与拟人行为决策机制研究，探讨大模型驱动的城市动态模拟研究方向。

讲者简介：徐丰力，博士，清华大学电子系2023年引进助理教授，国家级青年人才获得者。2020年于清华大学获博士学位，2020-2023年先后在香港科技大学、芝加哥大学从事博士后研究工作。研究兴趣包括人工智能、社会计算和网络科学。曾作为第一/通信作者在在美国科学院院刊（PNAS）、自然-人类行为（Nature Human Behaviour）、自然-计算科学（Nature Computational Science）等高水平综合性期刊发表论文，并在NeurIPS、WWW、KDD等高水平会议与期刊发表论文40余篇。曾获评吴文俊人工智能优秀青年，CAAI社会计算新星学者、UBICOMP最佳论文提名、MSRA Fellowship、清华大学优秀博士毕业生、CCF优秀博士学位论文提名、ACM SIGSPATIAL中国分会优博等学术荣誉。

武伟

商汤科技

报告题目: 时空数据驱动下的自动驾驶技术体系

报告简介：汽车作为最普遍的交通参与者之一每天都在产生着大量的时空数据，得益于这些数据，自动驾驶模型实现了从“小模型”向“大模型”时代的跃迁。具体体现在：1、时空数据驱动了端到端自动驾驶模型的发展。2、时空数据驱动了云端基础设施的发展。我们将介绍自动驾驶场景下的时空数据体系，车端的UniAD模型和云端的世界模型、仿真智能体等基础模型，以及他们如何构成了以数据为中心的端到端自动驾驶数据闭环。

讲者简介：武伟, 现商汤科技高级总监，负责商汤科技自动驾驶研发平台“商汤绝影”的技术体系。武伟发表过50+篇顶级会议/期刊论文，如TPAMI, CVPR, ICCV, ECCV，NeurIPS等。他的谷歌学术引用超过12000次，其中2篇论文单篇引用超过2000次，相关算法被收录进OpenCV标准库。他曾带领团队获得Waymo自动驾驶算法挑战赛、VOT视觉目标跟踪挑战赛等多项世界级比赛的冠军。他带领团队打造的“商汤绝影”基础设施所研发的自动驾驶软件落地到了广汽埃安、合众哪吒、一汽红旗等十多款量产车上，赋能了数十万辆智能网联车的自动辅助驾驶。

陈超

重庆大学

报告题目：动态价格机制和效率-公平-隐私均衡

报告简介：动态价格机制在多种交通服务、生活服务及信息服务中都得到了广泛且深入的应用，而对其的研究仍是较为缺乏、零散、不系统的。本报告以基于动态价格机制的智能移动出行服务为例，从动态价格机制的效果出发，采取基于数据驱动的研究方法，围绕动态价格机制下的效率-公平-隐私三方均衡，介绍了相关的研究内容和解决方案。其中，针对“效率-公平”均衡，以提高用户公平性感知为目标，介绍了多场景、多目标的动态价格预测算法；针对“效率-公平”均衡，以提高用户地域公平性及提高服务效率为目标，介绍了基于动态价格的司机寻客策略和寻客路径推荐算法，并给出了提高用户地域公平性的案例；针对“效率-隐私”均衡，以保证动态价格效用的同时保证用户的位置隐私为目标，介绍了动态价格机制引发的位置隐私泄露问题，及与动态价格兼容的位置隐私保护机制设计。

讲者简介：陈超，重庆大学计算机学院教授，国家自然科学基金优秀青年科学基金获得者。中国计算机学会普适计算专业委员会常务委员、智能机器人专业委员会执行委员。长期从事智能机器人、人类移动行为建模分析等研究。主持2项军工千万级项目、4项自然科学基金项目。以第一/通讯作者在CCF推荐期刊/会议上发表论文60余篇，其中IEEE/ACM汇刊30篇，ESI高被引论文8篇。连续4年入选斯坦福全球前2%顶尖科学家榜单。出版英文学术专著1部。授权发明专利10余项，排名第2获重庆市技术发明一等奖1项。