报告人：乔少杰教授，成都信息工程大学

报告时间：2018年4月23日（周一）下午2点--5点

报告地点：数计学院4号楼229室

报告题目：大数据环境下移动对象自适应轨迹预测模型

Contents: 已有的轨迹预测算法针对移动对象运动模式,使用数学模型进行交通流模拟,难以对路网中的移动对象进行准确的描述.为了解决这一问题,提出基于隐马尔可夫模型(hidden Markov model,简称HMM)的自适应轨迹预测模型SATP(self-adaptive trajectory prediction model based on HMM),对大数据环境下移动对象海量轨迹利用基于密度的聚类方法进行位置密度分区和高效分段处理,减少HMM 的状态数量.根据输入轨迹自动选取参数组合,避免HMM 模型中隐状态不连续、状态停留等问题.实验结果表明,SATP 模型在实验中表现出较高的预测准确性,并维持较低的时间开销.针对速度随机改变的移动对象,其平均预测准确率为84.1%;相同情况下,平均高出朴素预测算法46.7%.

乔少杰，男，博士后，教授，成都信息工程大学，网络空间安全学院。研究兴趣包括：移动行为感知计算，轨迹大数据挖掘，大规模复杂网络社区发现。新加坡国立大学联合培养博士。在国内外有影响力的期刊及国际会议上发表学术论文120余篇(第1或通讯作者60余篇)，其中：IEEE Transactions on Knowledge and Data Engineering(第1作者)、IEEE Transactions on Intelligent Transportation Systems 3篇(均为第1作者)、中国科学：信息科学1篇，计算机学报8篇(第1作者4篇)，软件学报7篇(第1作者4篇)，自动化学报1篇(第1作者)，其中SCI收录25篇，EI收录60余篇(不重复计算)，获国际会议IEEE ISI唯一最佳论文奖，第34届中国数据库学术会议最佳论文奖。出版国际会议论文集3部，SCI专刊2部，授权专利1项。主持包括国家自然基金面上项目在内国家和省部级以上项目十余项。中国计算机学会数据库专业委员会委员，中国计算机学会计算机应用专业委员会常务委员，中国人工智能学会“机器学习”专业委员会委员，中国人工智能学会“粗糙集与软计算”专业委员会委员，CCF高级会员。