2019年6月4日下午，加州大学伯克利分校的博士后许岩岩（ Xu）受邀访问山东大学计算机科学与技术学院，并为学院师生带来了题为”Big Data Human for Smart ”的精彩报告。
报告的主题为如何利用大数据时代的海量数据帮助人们进行智能交通预测，共分为两部分，其中第一部分介绍了对未来电动车充电情况进行估计的模型，该模型能够帮助城市规划工作者对电网充电情况进行安排。
根据调查显示，到2035年世界电动汽车保有量将会占汽车总量的五分之一。而电动汽车充电带来的不可预测性和大量电力需求将会给电网带来很大的压力，因而对电动汽车未来应用情况的预测是十分必要的。而研究疾病传播、城市规划、交通工程、金融市场预测等方面所用到的人类动力学（human ）可以对该问题进行指导。
为了研究该问题，作者先对用户的行为进行建模新闻速递 | 加州大学伯克利分校博士后许岩岩报告，用基站定位的方式收集到用户移动的位置和时间等原始数据，再通过聚类来定位用户所在的地点。将出行情况和位置结合，用马尔可夫模型和高斯混合模型对用户进行建模。对用户的行为建模后，就可以对任意时刻的出行情况进行整体的把握，为之后的分析打好基础。
然后，作者使用了贝叶斯模型对城市中电动车保有量进行建模。基于目前拥有电动车的用户的家庭年收入和每日出行距离以及目前的电动车占比，可以反推用户是否拥有电动车。在上述两个模型的基础上对电动车充电情况进行建模，且对模拟出的数据与真实数据进行了对照实验，验证了模型的有效性。
报告的第二部分介绍了通过深度学习利用POI地图数据来计算两点间通行时间的工作。
Time 问题，也就是 of (ETA)问题，有着非常多的应用，包括个人旅行规划、救护车和消防车安排等。由于 Link-based 和 Path-based 等传统方法对于原始数据的要求较高，同时要求手动计算特征，所以最后的误差会比较大。作者提出了，通过深度学习的方法加州大学伯克利分校博士后国外在职学位班，使用百度地图、谷歌地图等基于 POI 的地图图像数据来计算 ETA。
首先，作者通过合并与填充的方法，将原始轨迹和小图像块匹配起来。同时把图像、交通情况、行驶方向、天气等信息集成输入到 CNN ，最后将得到的特征输入给 Bi-LSTM ，训练出最终模型。
实验结果显示， 的精确度比传统方法要好很多，并且避免了如 直接使用经纬度点到点学习时存在的过拟合问题。
由于在数据获取过程中可以直接用在谷歌地图上截图得到的小块图像，因此实验中使用的数据比较容易获取，同时在效果上也有很大提升。在未来，该方法可以扩展到预测能源消耗、空气质量甚至犯罪率等问题，还可以把图像替换为卫星图像来获取更丰富的特征，前景十分广阔。
许岩岩，加州大学伯克利分校 实验室的博士后研究员，2015年在上海交通大学获得博士学位，主要研究方向是空气质量、城市交通、城市规划等城市科学。此前曾在MIT 土木和环境工程系担任博士后研究员，并在 伯克利国家实验室担任客座博士后研究员。
文 / 陈 昕
图 / 陈 昕
编 / 杨 林
加州大学伯克利分校博士后，【学海小洲讲坛】本周日听伯克利助理教授和博后分享学术求职经验
CGPSA学海小洲讲坛上新啦！本期讲座国外在职学位班，我们特别邀请了两位助理教授和博士后，为大家分享他们在学术求职与面试中的宝贵经验，并现场解答相关问题。这是一次不可多得的学习与交流机会！未来加州大学伯克利分校博士后，我们将持续推出这一系列活动，聚焦学术与职业发展的热门话题，敬请期待并关注！
活动详情
嘉宾简介：
孟广涵
现加州大学伯克利分校博士后
加州大学伯克利分校助理教授 (2025年1月入职)
2011-2015 上海交通大学 生物医学工程系 本科
2015-2017 约翰霍普金斯大学神经生物学系-HHMI 博士生(后转学)
2017-2021 加州大学伯克利分校分子细胞生物学系 博士
2021-2024 加州大学伯克利分校 电气工程与计算机系 博士后
研究方向： in vivo； ；AI in
牛思远
现劳伦斯伯克利国家实验室博士后
法国蒙彼利埃大学博士
研究方向：量子计算
活动环节:嘉宾分享 + Q&A + 自由讨论
活动时间：11月24日（星期日）下午2:00-4:00
活动地点: 151
快来报名
场地容纳人数有限加州大学伯克利分校博士后，【学海小洲讲坛】本周日听伯克利助理教授和博后分享学术求职经验，各位感兴趣的朋友请抓紧时间报名啦！
报名链接:
截止时间: 11月23日（星期六）23:59
