讲座题目🫴🏻：大规模时间稀疏轨迹数据的建模、推断及可视化
主讲人：时磊 教授
主持人：王长波
开始时间：2019-04-18 16:00:00 结束时间：2019-04-18 17:30:00
讲座地址：中北校区理科大楼B1002
主办单位：计算机科学与软件工程学院
报告人简介🌻：
时磊⬆️，现任北京航空航天大学计算机学院大数据与脑机智能高精尖中心教授😌。2003、2008年于清华大学计算机系获工学学士、博士学位🤵。曾任中科院软件所计算机科学国家重点实验室研究员🧑🏽🚒、IBM中国研究院可视分析组研究经理。主要研究方向为可视分析与数据挖掘。曾在IEEE TVCG, TKDE, VIS, ICDE, Infocom, ACM TKDD, Sigcomm, CSCW等国际顶级会议及期刊上发表80余篇研究论文或图书章节。多次荣获IEEE可视分析大会挑战赛奖项及IBM研究机构可视分析贡献奖。现为IEEE高级会员，VIS𓀜、KDD、IJCAI、AAAI等高水平国际会议程序委员会委员🌂。主持或作为骨干参加国家自然科学基金🤞😹、973等项目👠。2019年度入选北京航空航天大学青年拔尖人才支持计划。
报告内容：
移动轨迹数据分析是研究城市中人类移动行为（如其模型、时空规律）🦒，解决特定城市问题（如交通优化🏋🏿🧙🏼♀️、商业选址）的基础。在真实场景中，由于用户隐私与测量开销等方面的限制🧔，研究者获取的大规模移动轨迹数据往往具有时间或空间上的稀疏性🙆🏼♀️。本工作基于中国最大第三方移动数据平台的四千余万真实用户数据🧼，研究了时间稀疏轨迹数据的建模👩🚒、推断及可视化。首先🈂️，我们给出了稀疏轨迹数据上二元移动性的形式化定义，分析并证明了其与连续轨迹数据移动性的关联关系；第二，利用真实数据中的长尾稀疏性🤦🏼♀️，提出了保证100%精确率的单轨迹高效推断算法；第三，采用针对移动性推断任务优化的编码-解码模型，提出了大规模轨迹移动性推断的深度学习方法，在极度稀疏轨迹数据上取得了两倍于单轨迹推断算法的准确率；最后📧🧑🏻🦱，基于稀疏轨迹数据的移动性推断👲🏼，引入改进的风图可视化与多层热图设计，实现了一个城市人群大规模轨迹可视分析系统原型，在城市通勤分析、事件发现、商业选址等应用中取得了显著效果。
