报告1：交通领域的深度学习
时间：2023年11月3日（周五）上午09:00
地点：航海楼321
主要内容简介：近年来，深度学习已经改变了计算机在计算机视觉、模式识别和时间序列预测等领域执行一系列任务的能力。这些技术在交通研究中得到了自然的应用，这是一个数据驱动的领域，几十年来一直使用先进的机器学习。在这次演讲中，James Haworth博士将介绍与交通研究相关的深度学习的主要算法，并回顾如何将它们用于处理时空交通数据的特性。然后，他将介绍一些来自UCL SpaceTimeLab的案例研究，包括使用计算机视觉理解道路风险和使用图神经网络预测碰撞风险。讲座将以一些关于人工智能在交通领域未来发展方向的思考作为结尾。
报告2：基于大规模位置数据的流动性分析
时 间：2023年11月3日（周五）14:00
地 点：管理楼A515
主要内容简介：如今，我们的许多日常活动都会留下数字痕迹，无论是使用智能支付卡乘坐公共交通工具，还是使用手机上的定位服务，抑或是使用健身应用跟踪我们的活动。这些数据通常是被动收集的，为交通规划者提供了丰富的数据来源，以了解人们的流动性。在这次演讲中，James Haworth博士将介绍一系列可用于了解人类移动性的大规模位置数据源，包括智能卡数据和移动电话数据。通过一组案例研究，他将演示如何在SpaceTimeLab中将这些数据源用于一系列任务，包括活动检测、人口统计分析和政策评估。
主讲人：James Haworth博士、副教授、博士生导师
https://profiles.ucl.ac.uk/24884-james-haworth/about
主讲人简介：
James Haworth博士，英国伦敦大学学院（UCL）土木工程及环境学院（CEGE）时空数据挖掘（准）教授。现任UCL学院硕士项目负责人，学术委员会秘书及任职学院职工发展委员会，同时兼任英国国家道路安全局咨询专家。Haworth博士热衷于分享自己的研究和教学，曾连续三年获得UCL学生最满意教学奖，同时他积极探索基于算法的多学科融合，与武汉大学，同济大学，北京大学保持良好的学术合作关系，并连续三年参与武汉大学暑假课程教学。
Haworth博士的研究兴趣在于时空建模和分析，特别是机器学习、深度学习和计算机视觉在多学科中的应用。他目前的工作重点是使用计算机视觉来感知不安全环境的特征，以及深度学习算法在道路安全和上下文检测等应用。
欢迎感兴趣的师生参加。
航海学院
交通运输工程学院
2023年10月31日
