报告时间：2022年9月11日（周日）15:30-17:30

报告地点：线上腾讯会议，会议ID（145-283-131）

报告一：

报告题目：AI+Smart Mobility:A Perspective from Taxi GPS Trajectory Big Data

报告人：陈超，重庆大学计算机学院教授，重庆市巴渝青年学者

报告摘要：

出租车轨迹数据挖掘近年来受到了学术界和工业界的大量关注。使用打车软件出行已经成为城市居民日常生活的常态；出租车轨迹数据挖掘能支持的智慧城市服务已不再局限于乘客、出租车司机及城市规划人员。作为较早从事出租车轨迹数据挖掘的研究人员，此次报告将回顾并与大家分享一些代表性的相关工作，包括轨迹数据基础如轨迹匹配、轨迹压缩等；智能移动出行服务包括出租车司机最优寻客策略发现、司机绕路轨迹自动检测等；路径规划包括通宵公交车路线规划、绿色行车路线推荐、群智物流研究等。

报告人简介：

陈超，重庆大学计算机学院教授，重庆市巴渝青年学者。自2010年开始从事“人类移动行为感知计算”相关研究。主要以车载GPS时空轨迹数据为基础和中心，围绕解决个体移动动机和群体行为决策等深层次科学问题，提出了一系列高性能、低开销、可解释的时空数据智能挖掘算法，同时也拓展了基于人类移动的新型感知应用，取得了一系列领域公认的学术成果。谷歌学术总引用4600余次，主要成果受到IEEE SPECTRUM等杂志连续报道。其中，异常轨迹在线检测iBOAT算法被智能交通领域公认为经典算法，并在滴滴出行和厦门大数据等平台得到部署和应用；报告人是群智物流子领域的开创学者之一，目前已经得到了计算机和物流运输等领域的多位国际著名学者认可和跟进。

报告二：

报告题目：Ubicomp and AI Enabled Digital Health with Minimal Data Collection

报告人：王江涛，英国考文垂大学智能健康中心长聘副教授

报告摘要：

对个体和群体的健康状况或相关因子进行持续感知和监控，并对未来状态进行高精度推理、预测，成为数字智能健康领域的重要研究问题。随着普适（泛在）感知计算和人工智能等关键技术向纵深发展，其在智能健康软件和系统中也得到愈加广泛的应用。然而，目前智能健康系统往往假设可以低成本、无障碍地持续获取大量且有标签的健康数据（如电子病历/可穿戴或移动感知数据等），并运用基于监督模式的机器学习（特别是深度学习模型）进行推理预测。然而，在实际的智能健康应用和系统构造过程中，由于数据采集成本高、队列规模有限、质量难保障、患者参与意愿难控制、隐私保护法规等诸多限制条件下，这一假设往往难以满足。因此，如何在数据采集规模和质量有限的条件下，构造满足应用需求的智能健康系统成为数字健康领域的一大核心共性问题。本报告将面向公共卫生监控、个人健康感知等应用，探索如何综合运用包括主动学习、数据增强、自监督学习、多任务迁移学习等在内的机器学习和智能数据采集技术。

报告人简介：

王江涛，博士，英国考文垂大学智能健康中心长聘副教授（Associate Professor），英国工程和自然科学研究委员会优秀青年学者基金EPSRC New Investigator Award获得者。主要研究方向为：普适与移动计算、数字健康、群智感知计算等。2015年在北京大学计算机系取得博士学位并获得北大优秀毕业生，随后在英国兰卡斯特大学、中国北京大学、法国电信学院、美国佛罗里达大学等单位从事研究或教学工作，2020年加入英国考文垂大学并破格晋升为长聘副教授。主持多项英、中两国国家自然科学基金项目，在重要期刊和会议发表论文80余篇，其中包括UbiComp,PerCom, CSCW, WWW, AAAI, IJCAI, ICDM, CIKM, IPSN等国际顶级会议,以及IEEE TMC,ACM IMWUT, ACM HEALTH, IEEE COMPUTER等知名期刊）。应邀在澳洲新南威尔士大学、新加坡国立大学、南洋理工大学、曼彻斯特大学、格拉斯哥大学等全球20余所大学或研究机构做相关学术报告，任10余个国际会议程序委员会成员，及多个国际期刊编辑。