主讲人：王进忠
主讲时间：2024年12月4日（星期三），15：00-16：00
主讲人简介：王进忠，教授，大连理工大学软件工程专业博士毕业，研究方向视频语义分析，深度学习，大数据挖掘等。主持及参与国家自然和社科基金项目3项，省部级课题10项，发表SCI论文20余篇，并担任IEEE Transactions on Emerging Topics in Computing， IEEE Transactions on Industrial Informati和IEEE Transactions onIntelligent Transportation Systems等期刊审稿人。2018年入选“第九批辽宁省百千万人才‘万’层次”，2019年荣获“沈阳市高级人才”称号，井荣获辽宁省自然学术成果奖一等奖2项，二等奖1项，三等奖1项。
主讲内容：
1.基于多源交通轨迹数据的居民出行模式分析。首先，王教授对多源异构数据下如何深入分析出行模式进行了探讨。随着城市化进程加快，城市结构布局动态演变，居民出行模式也发生了改变，现有方法存在数据集单一性、评价标准不统一、忽略居民出行内在特征等问题。随后，王教授以上海 SODA 获取的出行轨迹数据集为例阐述了如何分析居民出行模式。先进行数据清洗，构建居民出行网络（HMN），定义行程位移、用时、速度、间隔等指标；然后通过计算这些指标的四个出行特征，分析累积概率分布，利用 BIC 确定最优拟合分布，MLE 获取分布参数，进而分析居民出行模式。
2.基于城市居民出行模式和 POI协同表征的地铁站点语义识别。王教授介绍了地铁站点语义功能表征框架 IS2Fun 和语义向量表征方法 Station2vec及其应用。先进行数据预处理，分析出行模式和 POI，通过特定计算方式进行语义向量表征（包括 POI 向量计算、出行模式向量计算等）；接着利用 AP 聚类算法和余弦相似度对站点功能语义向量进行功能聚类；最后根据政府规划文件等确定聚类中心点语义功能，进而识别其他站点语义功能。
3.基于城市居民出行模式的地铁站点重要度排序。在复杂网络分析中，地铁网络备受关注，但现有站点重要度评估方法仅以网络科学指标为评价标准，未考虑乘客出行行为时空演化影响，且仅考虑相邻站点关联，不够全面科学。王教授提出站点重要度定义及排序方法 SIRank，构建两种地铁网络拓扑结构。先进行数据集预处理，计算网络指标和居民出行模式指标；然后基于 SIRank 算法计算站点重要度。
4.基于乘客时空忠诚度的地铁客流预测方法。目前，客流预测对地铁运营非常重要，但现有方法未充分考虑忠诚度行为特征，预测精度有待提高，对出行特征贡献分析不足。王教授的研究思路主要围绕忠诚度定义及识别忠诚乘客数量的方法，构建 STLoyal 客流预测方法。先对数据集预处理并分析出行模式，定义忠诚度及忠诚乘客，通过 LoPaD 算法识别忠诚乘客数量；再基于多维特征利用 MFCP 算法进行预测。采用该方法提取的特征未对时间开销造成影响，证明其对于地铁客流预测可行，具备稳定性和有效性。
讲座现场：
