天津大学MATS LAB SEMINAR(MAAS)预告 | 大数据时代的交通运输管理与交通流模型

天津大学管理与经济学部
2021-01-13 16:34 浏览量: 4748

MATSLAB SEMINAR(MAAS)

本周我们有幸邀请到了北京化工大学李想教授和东南大学刘志远教授,为大家带来“大数据时代的交通运输管理”学术报告和“A Data-driven Traffic Flow Model Based on Gaussian Process”学术报告,欢迎大家参会交流。

主讲人介绍

李想,北京化工大学经济管理学院教授,博士生导师,大数据交通与物流实验室主任。研究领域包括交通运输管理、危化品运输管理、大数据优化等,出版英文专著2部,发表论文100余篇,荣获省部级奖励7项,授权国家发明专利6项,登记软件著作权1项。现任Springer期刊

刘志远,东南大学交通学院教授、博导、副院长,复杂交通网络研究中心主任。主要研究领域包括交通网络规划与管理、交通大数据分析与建模、公共交通、多模式物流网络等。迄今为止在这些领域中发表学术论文百余篇,其中被SCI/SSCI期刊检索70余篇,论文被引用2000余次。担任交通研究领域知名SCI期刊ASCE

讲座预览

第一场

大数据时代的交通运输管理

主讲人:李想

摘要:本工作重点介绍城市轨道交通大数据与节能管理、地面公交大数据与客流管理、共享交通大数据与调度优化,以及城市综合交通与共享交通协同管理的若干问题。

第二场

A Data-driven Traffic Flow Model Based on Gaussian Process

主讲人:刘志远

摘要:经典交通流理论研究尝试通过物理模型来研究道路交通流运行和演化的规律,但存在一定不足,无法有效利用海量有价值的交通数据信息。为了准确估计交通流中的基本参数关系,我们提出了一个新的数据驱动交通流模型,对经典的基本图(FD)模型进行拓展。该模型可拓展性较强,能够借助多源交通大数据,考虑更高维度的交通状态变量(需求侧变量);能够考虑道路供给条件对交通状态的影响(供给侧变量);直接对变量之间的统计关系建模,不依赖均衡状态假设;使用机器学习模型替代传统参数模型,提高交通流分析的精度。我们采用高斯过程(GP)回归作为基础模型来学习从需求侧变量和供给侧变量到交通流量的基本关系,并应用于道路动态容量估计问题。我们利用仿真实验来验证新模型在道路流量估计问题中的有效性,实验结果表明新模型能够捕捉交通流需求侧变量、供给侧变量与流量之间的复杂关系。

参会方式

会议时间:2021/01/15

19:00-22:00 (GMT+08:00)

参会方式:

会议 ID:127 314 289

会议密码:0115

编辑:精卫

(本文转载自天津大学 ,如有侵权请电话联系13810995524)

* 文章为作者独立观点,不代表MBAChina立场。采编部邮箱:news@mbachina.com,欢迎交流与合作。

收藏
订阅

备考交流

免费领取价值5000元MBA备考学习包(含近8年真题) 购买管理类联考MBA/MPAcc/MEM/MPA大纲配套新教材

扫码关注我们

  • 获取报考资讯
  • 了解院校活动
  • 学习备考干货
  • 研究上岸攻略