进阶科研 | 机器学习与智能交通模式感知研究

课题名称

【机器学习与智能交通模式感知研究】

项目背景

近年来，伴随智能手机集成传感器数量的增加以及计算能力的日益强大，使用智能手机感知用户所处场景并提供智能服务成为研究热点。用户交通模式作为一个重要的上下文，准确感知用户交通模式不仅有助于准确获取用户移动规律，而且可以利用用户交通模式信息改善城市规划、提供优化道路出行建议以及有效劝导用户绿色出行。

目前，利用智能移动设备进行交通行为监控这个方法已有部分研究成果，主要是基于移动设备集成的GPS接收器。虽然GPS的效率高，信号易获取，但也有其局限性。首先，GPS接收器的功耗较高，这意味着如果使用GPS接收器，将很快耗尽移动设备的电源，尤其当用户正在移动时，耗电现象更严重；其次，GPS信号依赖于卫星的视距传播，这意味着在许多城市的交通场景下，会出现问题，比如：当用户处于像诸如地铁站的地下场景移动时，GPS信号将受到影响，又或者用户正在公交车中，但离窗户不够近，无法受到足够强的GPS信号；第三，基于GPS的交通模式识别的精度低，对于细微差别的机动交通模式无法识别。

使用移动设备集成的加速度、陀螺仪等轻量级传感进行交通模式识别，具有功耗低、不受所处环境限制的特点，能够保证长时间持续进行交通行为监控，不依赖任何外部信号源，细粒度区分不同机动交通模式。不过受终端传感器异构性、驾驶员驾驶风格、交通拥堵状态以及路面质量等因素影响。

项目简介

针对智能交通模式感知应用需求，项目组在情境计算技术研究基础上，开展基于多源传感信息融合的交通模式识别技术研发：

（1）研发基于Android终端的多源传感数据采集APK。

（2）使用Matlab/Python分析挖掘面向交通模式准确识别的多源传感数据特征；

（3）研究基于决策树（Adaboost/XGBOOST）的交通模式识别算法及基于Android的交通模式识别APK；

（4）研究基于CNN/LSTM的交通模式识别算法并在Matlab/Python上进行仿真和测试；

（5）研究基于增量学习的交通模式识别算法并在Matlab/Python上进行仿真和测试；

（6）使用基于Android的交通模式识别系统进行交通模式识别算法性能评估。

基本信息

● 教授1对1

● 远程线上（腾讯会议）

适合人群

● 高中生、大学生

● 对计算机、人工智能、大数据、交通模式感知感兴趣的同学

导师介绍

中科院计算机专业副研究员。所开发的算法已在华为、三星等公司得到应用，发表场景感知相关国际会议和期刊论文120余篇。主持20项国家和省级科学基金项目，与瑞典、澳大利亚、美国等多所著名高校和科研机构保持紧密合作。

学习内容

● 学习项目相关知识：

机器学习基本理论及相关算法：决策树、CNN以及LSTM；安卓编程基本方法；交通识别相关论文学习；

● 数据采集相关知识：

研发基于安卓终端的多源传感数据采集APK；使用MATLAB/python分析挖掘面向交通模式准确识别的多源传感数据特征；

● 相关算法的实践应用：

研究基于决策树的交通模式识别算法及基于安卓的交通模式识别APK；研究基于CNN以及LSTM的交通模式识别算法并在MATLAB/python上进行仿真和测试；研究基于增量学习交通模式识别算法并在MATLAB/python上进行仿真和测试；使用基于安卓的交通模式识别系统进行交通模式识别算法性能评估。

时间安排

● 10小时科研先导课+12小时教授科研课程+4小时英文论文指导

项目收获

● 3000字左右的科研报告

● 教授推荐信（8所网推）

● EI/CPCI国际会议论文（独立一作）

九七分享吧所有文章来源于网络收集整理，如有侵权请联系QQ2387153712删除，如果这篇文章对你有帮助或者还不错的请给小编点个小赞(◠‿◠)，小编每天整理文章不容易(ಥ_ಥ)！！！