时空智能驱动智慧城市 | CNCC2021

城市时空大数据影响到人们日常生活的方方面面，例如定位导航、交通出行、社交活动、旅游、推荐等。国家提出“推动互联网、大数据、人工智能和实体经济深度融合，建设数字中国、智慧社会”，城市作为社会发展最活跃的地区，智慧城市建设也是智慧社会建设的基础，而城市时空大数据分析平台可为智慧城市的构建提供基础数据和技术服务。如何采用人工智能技术对城市时空大数据进行有效管理、实时分析、知识发现、智能决策，从而驱动智慧城市的建设，正日益成为学界和工业界的研究热点。本论坛着眼于时空数据智能及其在智慧城市中的应用，拟邀请学界和工业界相关专家学者进行针对性学术报告。欢迎学术、工业届的同行参加本次论坛，期待与您的深入交流。

王森章

中南大学 特聘教授

王森章，男，中南大学计算机学院特聘教授。主要研究方向为时空数据挖掘、图数据挖掘、城市计算等。发表论文100余篇，其中发表在CCF推荐A类会议期刊论文20余篇，B类以及ACM/IEEE Trans.汇刊论文50余篇。一篇会议论文获“最佳学生论文奖”，两篇期刊论文是ESI“高被引”论文。主持包括国家自然科学基金面上/青年项目、江苏省自然基金、腾讯“犀牛鸟”基金、广东省基金等多项研究课题。王森章教授是中国计算机学会数据库专委会委员，担任《智能科学与技术学报》首届编委，《计算机工程》青年编委，国际期刊ACM Transactions on Intelligent Systems and Technology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）。

王昌栋

中山大学 副教授

王昌栋，男，中山大学计算机学院副教授，博士生导师，研究方向包括数据聚类、社交网络、推荐系统、医学数据处理。他一共发表了100余篇学术论文，其中中科院SCI二区及以上期刊论文70余篇、CCF A、B类会议论文30余篇。主持了包括广东省自然科学基金-杰出青年基金、国家重点研发计划项目-子课题、国家自然科学基金-面上项目、国家自然科学基金-青年基金、CCF-腾讯犀牛鸟科研基金等13个项目。他的ICDM2010论文荣获最佳论文提名奖；他曾获2012年微软亚洲研究院学者奖提名，2015年中国人工智能学会优秀博士学位论文奖，2018年度广东省自然科学奖一等奖、2020年度广东省自然科学奖二等奖。他是人工智能权威期刊Journal of Artificial Intelligence Research（JAIR）的副编辑（AE），担任ADMA 2020的程序委员会共同主席（PC Co-chair）。他是中国人工智能学会-模式识别专业委员会委员，中国计算机学会-数据库专业委员会委员，中国计算机学会-计算机视觉专业委员会委员，CCF广州分部副主席（2019.3-2021.3），CCF-YOCSEF广州主席（2020-2021），CCF广州分部学生分会指导主任（2021.4-2023.4），CCF学生分会工作组组长（2021.4-2022.4）。

李勇

清华大学电子系 长聘副教授

讲者简介：李勇，教育部长江学者，清华大学电子系长聘副教授，博士生导师，国家重点研发计划项目负责人。长期从事数据科学与智能方面的科研工作，在KDD、NeurIPS、WWW、UbiComp等国际会议与期刊发表学术论文100余篇（CCF A类80篇），文章引用12000余次，6次获国际会议最佳论文/提名奖，10篇论文入选ESI高被引用论文。获IEEE ComSoc亚太区杰出青年学者奖、教育部科技进步一等奖、电子学会自然科学二等奖、吴文俊人工智能优秀青年奖。

报告题目：移动行为认知与城市发展理论

报告摘要：大规模用户移动数据对于城市规划、公共安全及交通调度等应用十分重要。本报告介绍如何通过数据生成的手段实现对大规模移动数据的认知和模拟，实现对人移动的规律性和随机性的双重建模的刻画，进一步将介绍基于移动行为认知的城市及城市群发展理论。

陈璐

浙江大学 研究员

讲者简介：陈璐，浙江大学博士生导师，国家特聘青年专家（2021）。2016年6月获浙江大学计算机科学与技术专业工学博士学位，而后在新加坡南洋理工大学做博士后，2017年10月至2019年7月在丹麦Aalborg大学担任助理教授，2019年8月晋升副教授，2020年9月入职浙江大学且被聘为研究员。研究方向为数据库和大数据处理。已在国内外顶级学术期刊或会议VLDBJ、TKDE、SIGMOD、VLDB、ICDE、SIGIR等发表论文40余篇，出版中文学术专著1部，授权发明专利8项，并获ICDE 2019优秀论文（One of the Best Papers）、APWeb-WAIM 2018最佳论文奖、2017年度CCF优秀博士学位论文奖、ICDE 2015优秀论文等。曾/正担任重要学术期刊WWWJ和DSE专刊特邀编辑，WISE、MDM等5个知名国际学术会议程序委员会/宣传/出版（共同）主席，TODS、VLDBJ、TKDE、TKDD、JCST等10余个国内外顶级/重要学术期刊评审专家，VLDB、CIKM、WISE、MDM、APWeb-WAIM等顶级/重要学术会议程序委员会委员20余次。

报告题目：轨迹大数据智能处理

报告摘要：随着5G技术和物联网的快速发展，不同移动物体（如车辆、航班、台风、人类出行）产生的轨迹数据正呈现爆炸式增长，形成轨迹大数据。然而，传统的轨迹数据处理技术面临存储规模受限、计算成本过高和挖掘能力不足等难题，无法高效智能地处理轨迹大数据。现有的分布式处理技术具有高效的计算能力，人工智能方法具有强大的挖掘能力。因此，轨迹大数据智能处理结合分布式处理技术和人工智能模型方法，以克服现有方法的不足。本报告介绍汇报人所在团队近年来在轨迹大数据智能处理方面的研究成果（主要包括大轨迹预处理、大轨迹存储与索引、大轨迹查询与挖掘）。

张钧波

京东智能城市研究院 人工智能实验室主任，京东科技数字城市群 高级总监

讲者简介：张钧波，博士，京东智能城市研究院人工智能实验室主任、京东科技数字城市群高级总监，主管面向智能城市的人工智能技术研发、产品打造与应用落地。主要从事时空人工智能、城市计算、深度学习、联邦学习等领域的研究，担任AI领域国际权威期刊《ACM Transactions on Intelligent Systems and Technology》编委。2021年，获教育部自然科学奖二等奖、中国专利优秀奖。在AI Journal、IEEE TKDE、KDD、AAAI、IJCAI、WWW、UbiComp等国内外权威期刊和会议上发表论文50余篇（引用4000多次，H-Index：31），申请发明专利10余项，出版专著1部。他是CCF高级会员、CCF人工智能与模式识别专委会委员。加入京东后，他带领团队研发时空智能引擎系统、联邦数字网关系统等产品，已在北京、南通、成都等智慧城市项目中得到应用落地。

报告题目：时空AI与城市计算

报告摘要：城市计算是计算机科学以城市为背景，跟城市规划、交通、能源、环境和经济等学科融合的新兴领域，通过不断获取、整合和挖掘城市中不同领域的大数据来解决城市痛点，是当今城市通向智能城市的途径。本报告将介绍城市计算框架、时空AI技术及其在智能城市中的应用。

王静远

北京航空航天大学 副教授

讲者简介：王静远，北京航空航天大学副教授、博士生导师，北京市“大数据科学与脑机智能北京市高精尖创新中心”高级研究员，北航“数据智能研究中心”副主任，北京城市实验室（Beijing City Lab）副主任。研究方向为数据挖掘与城市计算，关注于大数据与人工智能在城市管理、公共卫生、社会经济等领域的跨学科应用。出版专著2部，发表学术论文50余篇，其中包括数据挖掘和人工智能权威期刊IEEE TKDE、IEEE TMC、IEEE TFS以及CCF A类会议KDD、AAAI、Ubicomp、Infocom、Mobicom发表论文20余篇，累积引用1800余次，最高影响因子9.51，授权中国专利10项、美国专利3项。担任管理科学与工程学会人工智能与管理分会委员、中国计算机学会大数据专委会委员、中国城市科学研究会城市大数据专委会委员、首都公共卫生高端智库理事，担任《Frontiers of Computer Science》 期刊责任编辑、《ACM Transactions on Intelligent Systems and Technology》期刊编委、《IET Smart Cities》期刊创刊编委。曾获得北京市优秀共产党员、北京市抗击新冠肺炎疫情先进个人、WGDC全球前沿科技青年科学家、中国计算机学会杰出演讲者等荣誉。

报告题目：LibCity 交通时空预测开源评估平台

报告摘要：近年来，与交通预测相关的研究逐渐增多。然而，由于缺乏统一的评估实验框架，难以判断交通预测模型的性能提升是真正的技术进步还是由调参技巧或数据集差异引起的。因此，我们提出了 LibCity, 一个可扩展、统一的开源交通预测评估平台，为研究人员提供了可信的对比实验工具和便捷的模型开发工具。在LibCity中，我们目前涵盖了7种交通预测任务、53个基线模型，并整合了29个时空数据集，供研究人员进行全面综合的评估实验。此外，研究人员可以轻松地基于LibCity开发新模型，这意味着研究人员可以轻松地将新模型与库中复现的模型进行比较。得益于此，LibCity将极大地促进交通预测领域的标准化和快速发展。目前，LibCity已在GitHub开源并在阿里城市大脑中得到了应用。

郑凯

电子科技大学 教授

讲者简介：电子科技大学计算机科学与工程学院教授，博士生导师，中国计算机学会数据库专委会和普适计算专委会委员，中国人工智能学会智能服务专委会委员。主要研究领域为时空数据管理、不确定数据库、图数据管理等。在数据库、数据挖掘等领域的重要会议和期刊发表论文140余篇，谷歌学术引用5600余次, H-index = 41。2013年获澳大利亚优秀青年基金，两次获数据库国际顶级会议ICDE最佳论文奖（2015和2019年），APWeb-WAIM最佳论文和最佳学生论文奖（2017），WISE最佳论文奖（2017）。担任数据库国际会议的程序主席(APWeb 2016)和大会主席(DASFAA 2017)，担任SCI期刊Distributed and Parallel Databases (DPD)和Data & Knowledge Engineering (DKE)的编委，WWW Journal、Geoinformatica、Frontier of Computer Science的客座编委，担任IEEE TKDE， VLDB Journal，ACM TODS等多个顶级数据库期刊的特邀评审以及包括SIGMOD， VLDB， ICDE，SIGKDD，AAAI，IJCAI在内的数十个国际顶级会议的程序委员。

报告题目：Into the Unobservables: A Multi-range Encoder-decoder Framework for COVID-19 Prediction

报告摘要：新冠预测对于政府/机构及时规划和执行准确的干预措施至关重要。目前新冠预测的主流解决方案是基于流行病学模型或时序模型，将过去检测到的阳性样本（确诊病例）作为输入对未来值进行拟合。然而，确诊的病例之于环境中真实存在的病例通常是有缺失的，并且作为一种新型疾病，新冠的许多特性未知。这可能会导致严重的错误积累，尤其是在长期预测中。为了进行更准确的预测，建模病毒的传播模式，我们提出了一种编码器-解码器框架：（i）在编码器中，我们考虑潜伏期的多样性以及传染的必要条件——携带者和易感者的接触，将历史确诊病例数和人类活动数据嵌入多个暴露-感染期（exposure-infection ranges），并进行期内和跨期的信息传递，生成关于时间片的隐向量。(ii）在解码器中，我们认为死亡病例数可以更准确地反映新冠发展，其对确诊病例的缺失可以有一定补充作用，于是我们基于确诊病例和死亡病例，对编码器得到的的嵌入特征进行解码，以共同考虑观测数据和隐藏数据的影响。我们发现该模型不仅可以在加入人类活动数据时取得良好效果，还可以用于只有确诊和死亡病例的数据集上，这意味着其具有广泛的应用场景。