PPT|交通·未来第5期：面向交通数据的多情景空间选址优化及强化学习实践

一、讲座信息

主题：面向交通数据的多情景空间选址优化及强化学习实践

主讲人：王少华

直播回放地址：https://www.bilibili.com/video/BV1Gi4y1V7zr

PPT下载地址：https://github.com/JinleiZhangBJTU/Transportation_with_Machine_Learning

或公众号后台回复“GitHub”

二、提纲

三、主体内容

（1）简介部分

王博士在简介部分首先讲解了GIS系统背景、适用范围、用途以及与新技术的关系。在介绍GIS发展的演进的基础上，讲述了空间优化的应用以及自己对于空间优化的一些看法。最后通过Route planning、Traveling salesman problem(TSP)、Classic spatial optimization problems典型案例分析了空间优化问题。

（2）空间大数据地理信息系统集成架构研究

当前具有数据密集型、计算密集型和空间分析密集型特征的海量交通轨迹数据对时空数据的存储、查询、分析和可视化提出了新的挑战，需要研究一种可扩展的高效的架构来应对提高处理这种交通大数据的效率。

王博士首先分析了GIS与空间大数据的关系以及空间大数据对GIS平台的要求，然后分别从大规模虚拟存储架构、分布式计算架构、基于云计算及容器技术架构、时空流数据处理架构、多终端应用架构和基于开源社区的集成架构六个角度分析了新集成架构的需求及特点，提出了从存储、数据模型的处理、分析处理的框架、移动端调用的方式等来重新架构一套新的时空大数据的处理技术的架构和方法。

然后基于新的集成架构来对十亿全球航班数据进行了相关实验，包括航迹提取、动态地图生成和Hotspot热图分析。

最后，王博士分享了自己对于交通大数据分析思维的一些看法， 并总结了在空间大数据研究方面的展望。

（3）One meetup location / Multiple meetup locations

针对日常生活中的场景中社交活动的安排这一实际场景，新一类研究问题被提出——One meetup location，即如何选择一个位置，来保证日常的meet或者社交活动的组织。

王博士从数学模型建立，情景地理分析框架，减少搜索空间策略的求解方法三个方面详细介绍了解决one meetup location问题的方法。然后分别对不同路段拥堵情景和不同路况情景下的实际计算结果进行了相关分析。

同时，one meetup location还可以扩展为Multiple meetup location问题，基于新的框架能够快速得出计算结果。王博士以距离偏好、价格偏好和评分偏好等场景进行了多情景偏好分析，并模拟分析了不同人数配置下的计算结果。

（4）基于强化学习的空间优化实践

空间优化的问题可以转化为混合整数规划问题，求解此类问题的经典算法是分支定界法。通常通过分支规则来描述混合整数规划问题，分支定界法的规则就是分支变量的选择，分支规则是组合优化求解器的核心。

因此，在最后一部分分享内容中，王博士引入图卷积神经网络来求解空间优化的问题，使用强化学习算法来学习分支的规则。

四、下期预告

主题：待定

主讲人：北京工业大学贺正冰老师。

时间：2020年8月16号，具体时间请关注公众号后续通知。