“模”不关心 or“模”逆之交：论交通大模型乱世的发展趋势 | YEF2024

姜桂圆

中国海洋大学副教授

担任CCF智慧交通分会执行委员。入选国家级海外引才项目、山东省泰山学者青年专家，主要研究面向智慧交通、智慧空管、海洋科学等领域的数据分析与应用。主持国家自然科学基金面上项目等5项、以课题负责人参与地区国际科技合作项目等2项，累计发表论文60余篇，其中CCF A/B类40余篇。

于彦伟

中国海洋大学教授

CCF YOCSEF青岛分论坛主席。山东省泰山学者青年专家，长期从事时空数据挖掘、网络表征学习、图数据挖掘等方面研究，主持国家自然科学基金面上项目两项、青年项目一项，参与承担了多项国家自然科学基金、山东省重点研发计划等项目。在国际高水平期刊和会议上发表70余篇学术论文，获得2019年山东省科技进步二等奖等4项。担任山东省人工智能学会常务理事，担任CCF和中国人工智能学会的多个专委会执委。

李浥东

CCF杰出会员，CCF智慧交通分会秘书长

北京交通大学教授

IEEE CRFID学会副主席，北京交通大学计算机与信息技术学院副院长，交通大数据与人工智能教育部重点实验室主任，移动专用网络国家工程研究中心先进计算技术研究所所长，入选国家级人才计划、主要研究大数据智能、隐私保护、先进计算、智能交通系统等方向。发表学术论文200余篇，申请发明专利100余项。主持包括国家自然科学基金重大/重点、军科委基础加强计划重点、科技部重点研发计划等在内的20余项省部级以上课题。

报告题目：‘致远’大模型关键技术及未来趋势

摘要：

北京交通大学联合CCF智慧交通分会和足智多模公司正式发布并开源了国内首款自主研发的综合交通大模型——TransGPT·致远。该模型旨在实现在实际交通场景中的应用，包括交通情况预测、智能咨询助手、公共交通服务、交通规划设计、交通安全教育、管理协助、交通事故报告和分析、自动驾驶辅助系统等功能。报告将解析致远大模型背后的关键技术和未来发展趋势。

周逊

哈尔滨工业大学（深圳）教授

CCF智慧交通分会执委。入选国家级青年人才海外项目。曾任美国爱荷华大学终身副教授、Henry B. Tippie 特聘教授，2016年获美国国家科学基金NSF CRII奖。主要研究数据挖掘、机器学习、时空大数据分析、智慧城市等。发表论文论著100余篇/部，获ICDM 2021、SDM 2019等5次最佳论文奖；常年担任国际一流国际会议（资深）程序委员会委员，组织委员会成员等职。目前为IEEE高级会员。

报告题目：基于时空大数据深度学习技术的交通事件预测

摘要：

城市时空大数据为交通事件预测提供了新的可能性的同时，时空环境的异质性、事件的分布不均性、稀疏性和随机性使得准确对其进行预测在机器学习技术上极具挑战性。本报告介绍一系列基于时空深度学习的交通事件预测方法和成果。为应对环境的异质性和事件分布不均性，介绍基于空间划分和集成学习的深度预测方法。面对稀疏性和随机性挑战，介绍基于时空排序指标优化的事件热点位置预测技术。最后，将对交通事件预测模型的可解释性、公平性等新挑战进行探讨。

黎珍辉

云栖工程院首席科学家

目前担任非营利机构杭州云栖工程学院的首席科学家。在此之前，她在宾夕法尼亚州立大学担任终身副教授。她在伊利诺伊大学厄巴纳-香槟分校获得了计算机科学博士学位。她的研究主要致力于推进计算技术，以释放数据在跨学科研究中的潜力，尤其关注城市应用。

报告题目：寻找城市交通研究中的“ImageNet时刻”

摘要：

过去十年中研究者广泛使用AI解决交通问题。然而，真实世界的交通应用中尚未观察到革命性的技术或重大影响。我们的方向对吗？交通行业准备好迎接AI了吗？演讲者近年来与交通机构合作，广泛地使用AI技术解决城市交通问题。演讲者认为，要找到我们的“ImageNet时刻”，必须明确正确的基本问题，并通过社区努力在全球城市中积累基准数据。报告将引出关于发现我们的“ImageNet时刻”和共同构建城市交通模型的讨论。

王森章

中南大学特聘教授

担任CCF数据库专委会、人工智能与模式识别专委会、大数据专委会的执行委员。湖南省青年“芙蓉学者”，主要从事时空数据挖掘、城市计算等方面研究，发表论文100余篇，其中CCF A类论文40余篇。主持包括国家自然科学基金面上/青年项目等10余项，担任多个国内外期刊编委/客座编委和国际会议程序委员会高级委员，获2022年中国仿真学会自然科学奖二等奖。

报告题目：大模型时代交通时空数据挖掘：方法与挑战

摘要：

随着移动终端和位置传感器的普及，城市时空大数据快速增长，这些数据驱动定位导航、出行规划、个性化推荐等，为智慧城市发展提供重要支撑。然而，海量数据也带来挑战，包括异构数据复杂性、时空关联性、不确定性等。本报告探讨研究团队在城市时空大数据分析方面的工作，涵盖背景意义、面临挑战、解决方案，以及大模型理论和方法在交通和人流数据预测中的应用。同时，对未来研究方向进行展望。

万怀宇

北京交通大学教授

CCF智慧交通分会、大模型论坛执行委员。主要研究时空数据挖掘与知识图谱推理，发表论文80余篇，入选斯坦福大学2022全球前2%顶尖科学家、爱思唯尔2023中国高被引学者。获2023 CCF科技进步二等奖（主持）、CATA民航科技二等奖、CAAI吴文俊人工智能科技进步一等奖等。担任国际期刊《Data Intelligence》编委。

报告题目：交通大模型发展之浅见

摘要：

交通行业细分领域众多，包括公路、铁路、民航、水运、城市综合交通等。交通数据的模态和形式多样，性质也极其复杂，包括时空相关性、周期性、异质性等。交通业务场景对算法要求很高，包括实时性、准确性、可解释性等。因此，要求交通大模型具有多模态能力、实时信息获取能力、预测与决策能力、专业知识推理能力、动态规划能力等。报告将从各维度能力构建的角度出发，浅谈交通大模型的发展之路。