题目：基于时空分析和CNN深度学习的交通流短时预测方法

时间：6月16日（星期六）上午9：00-11：00

地点：交通大楼410室

报告人：张伟斌教授（南京理工大学）

欢迎广大师生参加

                   土木与交通学院

                    2018年6月12日

报告人简介：

张伟斌，博士，南京理工大学电子工程与光电技术学院教授，江苏省智能交通信息感知与数据分析工程实验室副主任，华盛顿大学-南京理工大学智能交通国际联合实验室副主任。本科保送至西安交通大学信息与控制工程系。在西安交通大学分别获得学士，硕士和博士学位。2008年获得工学博士学位，控制科学与工程专业。曾在世界500强企业Sun Microsystems和Oracle从事云计算和大数据领域的研发工作。芬兰Aalto大学(赫尔辛基理工大学)博士后，研究方向水运安全；华盛顿大学研究员，研究方向交通大数据。中国交通运输协会青年科技工作者委员会委员，江苏省系统工程学会智能交通专委会理事，南京321人才；已发表学术论文近40篇，其中ESI高被引论文2篇，热点论文1篇，SCI检索15篇；主持及参与国内外项目10余项；拥有软件著作权6项，参与制订智能交通领域企业标准2项。担任IEEE Transaction on ITS, Transportation Research Part C, Transportation Research Part D, Transportmetrica A, Ocean Engineering, Journal of Navigation, Reliability Engineering and System Safety 等近10个SCI期刊的审稿人。

报告摘要：

交通流短时预测为交通主动控制和路线规划等提供决策依据。本研究对于交通数据所固有的时空特征进行分析提取，提出了一种基于时空分析和CNN深度学习的交通流量短时预测框架。此框架通过对交通数据进行相关性分析，有选择的提取时空流量数据，将其转化为包含时空交通流量信息的矩阵数据，利用CNN对交通流量信息矩阵中所包含的交通流时空特征信息进行提取、学习和处理，达到预测的目的。实验结果与交通流量预测模型如支持向量回归（SVR）和典型的人工神经网络（ANN）的比较表明，本研究所提出的预测模型具有更高的预测精度.