王飞跃的个人博客分享 http://blog.sciencenet.cn/u/王飞跃

博文

[转载]【ASSIA 8】中国自动化学会第8期智能自动化学科前沿讲习班

已有 2042 次阅读 2018-10-12 10:06 |系统分类:博客资讯|文章来源:转载

 【ASSIA 8】中国自动化学会

第8期智能自动化学科前沿讲习班

——大咖分享交流智能交通的学术前沿、产业发展及应用实现

 

活动介绍


智能自动化学科前沿讲习班是由中国自动化学会主办的高端学术交流活动,旨在促进自动化领域的科研人员在短时间内快速了解学科前沿和最新研究,并为专家学者提供探讨热点方向和交流学术进展的平台。

中国自动化学会将于2018年10月13日-10月14日在北京·中国科学院自动化研究所举办第8期智能自动化学科前沿讲习班,主题为“人工智能与智能交通”,此次讲习班由中国自动化学会副理事长兼秘书长,中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃研究员和清华大学自动化系系统工程研究所所长张毅教授共同担任学术主任。

 

学术主任


1.jpg


报告人:王飞跃

报告题目:交通5.0:迈向CPSS的智能平行交通体系

报告人简介:王飞跃教授,1990年获美国伦塞利尔理工学院(RPI)计算机与系统工程博士学位。1990年起在美国亚利桑那大学先后任助教授、副教授和教授,机器人与自动化实验室主任,复杂系统高等研究中心主任。1998年作为国家计划委员会“引入海外杰出人才计划”和中国科学院“百人计划”人才回国工作,2011年追溯为首位国防领域“千人计划”国家特聘专家。曾任中国科学院自动化研究所副所长,现为中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任,国防科技大学军事计算实验与平行系统技术研究中心主任,中国科学院大学中国经济与社会安全研究中心主任,青岛智能产业技术研究院院长。

王教授是智能控制、智能机器人、无人驾驶、智能交通等领域早期开拓者之一。自上世纪80年代起,师从机器人和人工智能领域开拓者G. N. SaridisR. F. McNaughton教授, 开展智能控制、机器人、人工智能和复杂系统的研究与应用工作,提出并建立了智能系统的协调结构和理论、语言动力学理论、代理控制方法、复杂系统的ACP方法等。现已完成“Advanced Studies of Flexible Robotic Manipulators: Modeling, Design, Control and Application”、“Autonomous Rock Excavation: Intelligent Control Techniques and Experimentation”、“Advanced Motion Control and Sensing for Intelligent Vehicles”、“Advances in Computational Intelligence: Theory and Applications”、《社会计算》等十余本学术专著,皆为相关领域的首部学术著作。自二十一世纪初, 发起并开拓了社会计算、社会制造、平行智能、平行控制、平行管理等新的研究领域。

现任IEEE Transactions on Computational Social Systems (IEEE计算社会系统汇刊)、指挥与控制学报主编,1996创办Int’l J. of Intelligent Control and Systems (国际智能控制与系统杂志)和World Scientific Series on Intelligent Control and Intelligent Automation,曾任自动化学报、IEEE/CAA Journal of Automatica Sinica (自动化学报英文刊)、IEEE Transactions on Intelligent Transportation Systems (IEEE智能交通系统汇刊)、Int’l J. of Intelligent Control and Systems和IEEE Intelligent Systems (IEEE智能系统)主编及多份IEEE以及其它国际期刊主编、副主编或编委。曾任IEEE Intelligent Transportation Systems Society (IEEE智能交通系统学会)主席(2005–2007年)、旅美科协主席(2005年)、北美竺可桢教育基金会会长(2006–2008年)。现任中国自动化学会副理事长兼秘书长,IEEE Council on RFID (IEEE射频识别理事会)候任主席。2003年起先后当选IEEE、INCOSE、IFAC、ASMEAAAS等国际学术组织Fellow。2007年获国家自然科学二等奖和ACM杰出科学家称号,2014年获诺伯特•维纳奖。


2.jpg


报告人:张毅

报告题目:人工智能与智能交通

报告摘要:从人工智能的基本概念与内涵出发,探讨人工智能在智能交通应用中的困难与挑战,并结合智能交通的最新发展,重点围绕车路协同和自动驾驶等相关技术及其实现,较为深入地探讨人工智能的应用前景。

报告人简介:张毅,清华大学自动化系教授、博导,自动化系系统工程研究所所长。

1986和1988年先后获清华大学自动化系学士和硕士学位,1996年获英国Strathclyde大学电机工程系博士学位。

2013年获国务院颁发的政府特殊津贴。1999年入选教育部骨干教师资助计划,2001年入选交通部跨世纪优秀人才,2005年入选科技部“全国智能交通系统专家咨询委员会”委员,2006年入选国家“863计划”先进交通技术领域专家,是清华大学智能交通系统学科带头人之一。2012年获中国智能交通协会科学技术奖二等奖,2016年教育部自然科学二等奖,2017年获中国智能交通协会科学技术奖一等奖,2018年获公安部科学技术奖一等奖。2014年获国家教学成果二等奖,2013年获北京市教学成果一等奖;2004年、2008年、2012年和2014年分别获清华大学教学成果一等奖。2007 年获“中国石油和化学工业协会优秀教材”一等奖,并入选教育部面向21世纪课程教材;该教材(第三版)2013年入选北京市高等教育精品教材,2015年入选教育部“十二五”普通高等教育本科国家级规划教材。

主要从事智能交通群体决策与控制、智能与自动驾驶技术,智能车路协同关键技术研究与实现、智能交通控制与管理、智慧城市研究与实践、大数据分析与应用。重点围绕智能交通的群决策与群控制,基于车路协同的自动驾驶技术与实现,车路协同关键技术研究与实现,现代城市道路交通控制与分析,交通信息融合、分析与管理,区域网络交通状态分析,以及智能交通系统集成技术研究与实现等;同时研究新一代传感器及其网络系统、先进检测方法和信息处理技术等。

提出了城市区域交通状态分析的概念并研究形成了体系化理论与方法;提出和建立了我国智能车路协同技术体系,并在此基础上研究了智能群决策群控制理论与方法;提出和构建了基于车路协同的全新的自动驾驶技术体系与平台。

兼任教育部交通运输与工程学科教学指导委员会交通工程教学指导分委员会委员、中国智能交通协会常务理事、中国人工智能学会理事及智能交通专业委员会主任、中国指挥与控制学会理事及智能指挥调度专业委员会副主任,中国系统工程学会智能交通运输系统工程委员会常务理事,北京市系统工程学会理事;《交通信息与安全》和《智能交通系统工程与信息》编委。

主持和承担国家基础研究计划(973)、“十五”、“十一五”和“十二五”攻关、高科技计划(863)、国家自然科学基金项目(创新团队、重点和面上等项目)、交通部跨世纪优秀人才项目、教育部骨干教师资助计划项目、科技部专项及北京市政府专项基金、清华大学自主科研项目和各类重大横向项目近40项。发表学术论文240余篇,其中被SCI和EI收录100余篇,出版专著和教材各1本。

 

特邀讲者


3.jpg


报告人:刘向宏

报告人简介:刘向宏博士是滴滴智慧交通首席科学家,滴滴城市交通事业部负责人。他也是美国密西根大学土木环境系的终身教授, 同时是美国交通部智能网联研究中心的主任。1993年本科毕业于清华大学汽车工程系,2000年博士毕业于美国威斯康星大学土木环境系。他的主要研究领域是交通网络监控、建模和控制,包括交通流建模与仿真、交通信号控制、交通网络分配和智能网联交通。他拥有5项专利并发表过90多篇SCI/SSCI检索论文,并担任多个智能交通期刊的副主编与编委。

 

4.jpg


报告人:沈国江

报告题目:大数据驱动的城市智能交通控制技术

报告摘要:一个城市的道路交通系统每天都在产生并存储着海量的信息,这些信息隐含着状态变动和设备运行等信息。如何有效利用海量离线、在线数据和知识,实现对交通运行的优化控制,已成为控制理论界和交通工程界迫切需要解决的问题。本报告主要介绍如何利用大数据+人工智能来理解交通规律和交通模式,进而形成一套科学有效的交通控制应用技术。报告主要分为四个方面:一是城市交通大数据的分析和处理方法;二是城市交通信号智能控制技术;三是城市交通综合评价指标及体系;四是应用案例分析。本报告从实际应用角度出发,探讨如何有效应用大数据来缓解城市交通拥堵和改善城市交通状况。

报告人简介:沈国江,博士,教授,博导,中国自动化学会综合智能交通专业委员会委员,浙江工业大学计算机科学与技术学院副院长,浙江浙大中控信息技术有限公司智能交通首席科学家。2004年3月于浙江大学控制学院获工学博士学位;2004年4月-2006年3月在浙江大学计算机学院博士后流动站作博士后研究;2016年英国谢菲尔德大学短期访问学者。主要研究方向为大数据分析、人工智能、智能交通系统等。作为负责人主持多项国家和省部级科研项目,包括国家863项目1项、国家自然科学基金2项、省科技计划重点项目1项、省自然科学基金项目1项,省科技厅公益性研究项目3项等,主持企业横向课题20余项,部分研究成果在全国许多城市进行了产业化应用。累计发表论文60余篇,其中EI和SC收录30余篇。累计申请发明专利10多项,其中已授权9项,获得省部级二等奖1项。

 


5.jpg


报告人:陈为

报告题目:交通数据可视化

报告摘要:本次报告将从数据可视化的角度,对交通数据进行分类,并介绍各类可视化方法。围绕交通规划、交通监管、交通预测等分析任务,讨论可视分析在交通大数据应用中的作用。最后,以城市大脑等为应用背景,介绍若干交通可视化实例。

报告人简介:陈为,浙江大学计算机学院CAD&CG国家重点实验室副主任,教授,博导,国家优秀青年基金获得者,十三五国家重点研发专项“云计算与大数据”总体组与指南组专家,浙江大学计算机学院副院长。研究兴趣是大数据可视分析与医疗人工智能。承担国家自然科学基金重点项目等国家项目十余项。发表国际顶尖学术期刊和会议论文70余篇,其中包括IEEE/ACM TransactionsIEEE VIS顶级期刊和会议论文40余篇。出版教材3部(数据可视化),专著两部(可视分析;大数据)。担任数个国际一流学术会议的大会论文主席、国际SCI期刊JVLC副主编、SCI期刊IEEE CG&A、JOV编委、IEEE Pacific Visualization大会指导委员会委员、CSIG可视化专委会副主任、中国通信学会云计算与大数据专委会副主任。获省部级科技奖一等奖1次,二等奖2次,IEEE Visualization年会最佳论文提名奖2次、IEEE CAD&CG大会最佳论文奖。

 

6.jpg


报告人:刘小明

报告题目:面向应用的城市道路交通智能控制技术

报告摘要:基于城市区域交通协调控制实际关联因素分析,在考虑控制鲁棒性及计算复杂性基础上,设计交通信号自适应准实时分层控制系统,支持人工智能交通控制算法池,达到参考模型驱动、参考模型易替换及可持续优化,并对控制过程中相位差的优化、评价及过渡技术进行说明。

报告人简介:刘小明,男,教授,博士生导师,北方工业大学交通信息与控制工程系主任,中国自动化学会综合智能交通专业委员会秘书长,北京市长城学者,研究方向:智能交通控制理论与技术、城市交通系统工程,近年来承担国家自然科学基金、国家科技支撑计划等国家及省部级项目10余项,发表SCI/EI检索等论文50余篇,出版著作3部,授权发明专利10项,获省部级科学技术奖励6项。

 

7.png


报告人:李力

报告题目:交通流时间序列分析

报告摘要:我们从趋势分析的角度建立了交通流时间序列异常数据处理,数据压缩,缺失数据补偿,数据预测的统一分析处理算法;并强调了智能处理算法的应用。

报告人简介:李力,清华大学副教授博导,IEEE Fellow,自动化学会青年工作委员会副秘书长。主要研究兴趣为人工智能,智能控制,智能交通和智能汽车。目前以第一作者和通讯作者发表SCI论文80余篇,主持自然科学基金重大项目等多项科研项目。获得自动化学会青年科学家奖等多项奖励。

 

8.png


报告人:王璞

报告题目:基于大数据融合的动态交通需求估计与人群聚集预警

报告摘要:(1)交通需求是智能交通领域中的重要基础数据,我们建立了一种基于手机数据和多元交通数据融合的动态交通需求估计模型。该模型能够借助手机数据覆盖面全的优点弥补交通数据表征全局交通的不足,通过交通数据能够实时采集的优点弥补手机数据的匮乏,实现千万级人口出行的动态捕捉。(2)城市人群聚集在特殊的动态交通需求下形成。人群聚集的地方通常疏导通道有限,当发现人群密度超标时管控措施难以快速疏导人群。我们建立了基于地铁、公交刷卡数据和出租车GPS数据融合的人群聚集预警模型,该模型能够在人群聚集发生初期提前数小时对其预警。

报告人简介:王璞,博士,中南大学教授,博士生导师,学术委员会委员,主要从事智能交通、复杂网络、大数据等领域的研究, 在Science、Nature Physics、Nature Communications等国际著名期刊发表论文40余篇。NSF、BBC、NBC、MIT News、Scientific American等国际著名媒体对研究成果多次报道。2015年入选“湖湘青年英才”支持计划、2016年获教育部霍英东青年教师奖三等奖。现任IEEE Transactions on Intelligent Transportation Systems副主编,IEEE/CAA Journal of Automatica Sinica 副主编,中国人工智能学会智能交通专委会委员,湖南省城乡规划学会城市综合交通规划专委会委员。

 

9.png


报告人:陈喜群

报告题目:Understanding On-Demand Ride Services: Platform Optimization, Network Evaluation, Behavioral Analysis, and Traffic Prediction

报告摘要:The on-demand ride service platform, e.g., Urber, Lyft, DiDi Chuxing, is an emerging technology with the boom of the mobile internet. Ridesourcing or transportation network companies (TNCs) refer to an emerging urban mobility service mode that private car owners drive their own vehicles to provide for-hire rides. On-demand ride-sourcing services can be completed via smart phone applications. The platform serves as a coordinator who matches requesting orders from passengers (demand) and vacant registered cars (supply). There exists an abundance of leverages to influence drivers’ and passengers’ preference and behavior, and thus affect both the demand and supply, to maximize profits of the platform or achieve the maximum social welfare. Having a better understanding of the short-term passenger demand over different spatial zones is of great importance to the platform or the operator, who can incentivize drivers to the zones with more potential passenger demands, and improve the utilization rate of the registered cars.

On-demand ride services receive praises from consumers and investors. This presentation focuses on the ridesourcing system optimization modeling and behavioral analysis of the shared mobility on demand. In particular, there are four aspects of research efforts have been accomplished by or ongoing in the presenter’s team: (1) On-demand ride services platform and government regulation policy optimization via coordinating supply and demand, where a two-period dynamic game is analyzed so as to evaluate multiple performance measures associated with three basic policies (i.e., no regulation, complete ban, and basic regulation); (2) Urban road network-wide performance evaluation by exploring real-world emerging ridesourcing order data extracted from DiDi’s platform (e.g., network travel time reliability analysis, and scaling law of visitation frequencies); (3) Understand on-demand ridesplitting behavior both via ensemble learning techniques based on real-world order data and app-based online survey; and (4) Demand/supply/traffic forecasting, e.g., spatio-temporal deep learning for passenger demand forecasting, hexagon-based CNN for supply-demand gap forecasting, and traffic speed prediction with temporal and spatial correlations. Those research initiatives of the presenter’s research team have the potential to help decision makers better understand the emerging on-demand ride services from multiple perspectives.

报告人简介:陈喜群博士,男,浙江大学建筑工程学院智能交通研究所“百人计划”研究员,浙江省杰出青年基金获得者,入选第九批浙江省“千人计划”,具有博士生招生资格。研究领域包括交通运输管理、共享出行、交通流建模与仿真优化等。2004-2008年本科就读清华大学土木工程系,2011-2012年加州大学伯克利分校PATH研究所联培一年,2013年1月在清华大学交通研究所获得博士学位,并荣获清华大学优秀博士论文、北京市优秀毕业生称号。2013-2015年在马里兰大学土木与环境工程系从事博士后研究,并担任美国马里兰国家交通中心主任助理。目前,围绕交通态势演化机理与供需调控优化核心科学问题,在交通流动态随机演化机理、交通仿真优化与大数据融合分析、网约共享出行系统优化建模等三个方面展开研究。主持国家自然科学基金青年基金1项、面上项目1项、浙江省自然科学基金杰出青年基金1项,曾参与美国交通部研究项目(USDOT)、美国国家科学基金(NSF)、美国联邦公路管理局研究项目(FHWA)、马里兰公路管理局研究项目(MSHA)、马里兰国家交通中心研究项目(NTC)等。在M&SOM、Transportation Science、Transportation Research系列、IEEE Transactions on ITS等期刊发表SCI/SSCI论文50余篇,由Springer出版英文专著1部,参编3部。获IEEE国际智能交通学会最佳博士论文奖、国内外学术会议最佳论文奖5项、中国智能交通协会科技奖二等奖1项(排名第1)。

 

10.jpg


报告人:陈龙

报告题目:平行驾驶:网联自动驾驶数字四胞胎系统及其在无人矿山中的应用

报告摘要:平行驾驶是一种兼具运营管理、在线状态监测、应急驾驶安全接管等功能的先进云端化网联自动驾驶集成解决方案。平行驾驶的数字四胞胎结构包括:物理车、描述车、预测车和引导车。描述车负责建立真实车辆和道路环境的准确模型,预测车旨在对描述车辆的决策和规划作为正确的运算和分析,引导车负责指导真实车辆在不同的驾驶场景中采取正确的行动。未解决我国在矿山智能化和无人化的建设方面的不足,平行理论和ACP方法可为矿山智能化和无人化提供有效的解决方案。通过建立描述矿山、预测矿山和引导矿山三个软件定义的虚拟矿山系统可以构建一个完整的实际矿山平行系统,实现对矿山系统的预测、管理与优化。

报告人简介:陈龙,青岛慧拓智能机器有限公司联合创始人,中山大学无人驾驶团队负责人,10余年无人驾驶、机器人、人工智能领域研发经验,近年来专注于矿山工程机械无人化及其智慧运营。其带领团队研发的相关技术产品服务于中国重汽、陕汽集团、三一集团、海马汽车、上海汽车、爱立信等多个企业。获得 IEEE Vehicular Technology Society 2018 Best Land Transportation Paper Award。

 

11.jpg


报告人:袁志明

报告题目:人工智能与行车调度

报告摘要:随着铁路建设的快速发展和铁路科技的不断进步,铁路运输已经成为我国交通运输体系的骨干。行车调度作为铁路运输管理体系的中枢,在提升高铁运输高效性、降低安全事故发生机率、提高突发事件下的快速响应能力方面具有重要的作用。本报告从铁路行车调度指挥的应用实践出发,介绍我国行车调度指挥系统中蕴含的关键理论方法和相关应用技术,探讨人工智能和大数据背景下的智能行车调度。

报告人简介:袁志明,中国铁道科学研究院集团有限公司,通信信号研究所,副研究员,IRSE会员,INFORMS会员。主要从事轨道交通行车指挥领域的技术研究及工程推广应用。

 

12.png


报告人:吕宜生

报告题目:生成对抗式网络及其在智能交通系统中的应用

报告人简介:吕宜生,中国科学院自动化研究所复杂系统管理与控制国家重点实验室副研究员,主要从事交通大数据、深度学习、机器学习、交通控制、平行智能交通研究。获得2015年IEEE智能交通杰出应用奖。现为IEEE智能交通学会理事会成员、《自动化学报》编委、IEEE 智能交通系统汇刊Associate Editor

 

日程安排


时间:2018年10月13日-10月14日

地点:北京市·中国科学院自动化研究所

 

12.jpg

13.jpg


 

联系我们

 

本次讲习班面向科研教学一线学者、企事业单位技术人员、相关领域在校生。

联系人:辛老师

电话:010-62522472、18811748370

邮箱:caa_assia@163.com

14.jpg

   

(扫一扫添加工作人员微信)


本文转载自中国自动化学会公众号




http://blog.sciencenet.cn/blog-2374-1140402.html

上一篇:区块链共识算法的发展现状与展望
下一篇:[转载]IEEE TFS主编Jon Garibaldi即将做客2018年第一期怀德海荣誉讲座

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2018-12-11 21:35

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部