今晚20点大讲堂 | 深度神经网络在时空事件预测中的应用

分享主题

我们是否可以有效预测未来？StepDeep深度神经网络在时空事件预测中的应用（2018年KDD论文分享）

分享背景

时空事件预测是指对空间上某一时刻可能发生的人流、交通状况、订单等情况的预估，在交通调度、公共安全、商业促销、店铺选址等领域有重要意义。比如预知某处的出行订单，可以提前进行运力调度，缩短乘客等待时间；预知大规模的人流移动，可以提前进行警力调度与公共服务保障，有效防止踩踏等公共安全事件；甚至对于某处的外卖预定，都可以定义成时空事件，通过预测进行备餐准备，提高经营效益。但是在城市规模中，传统方法的时空事件预测技术，一方面建模复杂，另一方面受时空各种环境的影响，如节假日、天气等都会对时空事件产生很大扰动。这些对时空事件的准确预测，都带来了不小的挑战。StepDeep通过全新的深度学习框架，有效的为解决这一问题提供了全新的思路。

分享嘉宾

沈弼龙，清华大学计算机科学与技术专业博士，CMU（美国卡耐基梅隆大学）访问学者。主要研究方向为数据挖掘（大数据时空数据挖掘与索引），机器学习（面向时空数据的深度学习预测算法），城市计算（轨迹聚类与实时规划、城市活动模式发现）。应用领域为智慧城市，智能交通。在KDD、ICDE等高水平国际会议和SCI、EI、ACM期刊已发表文章8篇(另有3篇在投)，国际 SCI 期刊特邀审稿人，拥有授权专利1项。

-基于路网移动物体kNN索引算法，比原有方法在千万规模路网最高快10万倍(国际顶级会议 ICDE`17 收录)

-基于深度学习时空事件预测方法，粒度1公里范围比传统方法预测精度提高一个数量级以上(国际顶级会议 SIGKDD`18 收录)

参与国家自然基金重大专项、973、863等各类项目12项。

担任清华大学未来云计算兴趣团队理事长，团队来自清华大学本硕博共12个专业。

个人主页：  http://www.cs.cmu.edu/~bshen   http://blshen.me

mail:shenbilong@gmail.com

 

分享文章

StepDeep: A Novel Spatial-temporal Mobility Event Prediction Framework based on Deep Neural Network.

分享提纲

• 1、时空事件预测定义

• 2、时空事件预测遇到的挑战

• 3、StepDeep 时空预测框架介绍

• 4、时空预测技术展望

分享时间

（北京时间） 01 月 13 日 （星期日）晚上 20:00

错过直播不要紧，回放视频上传后也能看哦~

直播链接

http://www.mooc.ai/open/course/631

↘  扫码直达  ↙

点击阅读原文，直达本期大讲堂直播间