回到顶部

大型数据分析

在过去十年数据的爆炸性增长,与传感的融合,计算和通信的单一平台,交通景观刚开始看到的深刻的变化来自于等领域的使用ESTA数据的新技术吃饭自动化,能源,规划和操作。一个新的时代开始了运送业有机会实现基于大规模数据分析决策。该研究所的的数据和分析领域的贡献记录包括监控高速公路,众包交通数据,并为城市规划模拟。今天,数据在它的主导文化。但为了迎来ESTA到下一代ITS领域,需要超越交通的发展,特别是在机器学习,视觉,云计算,控制和优化 - 的所有领域,在bt365游戏网址过硬的专业知识。

ITS已经建立在许多校园已经倡议和机构在数据分析的最前沿,使这些进步对交通带来的好处。合作伙伴包括西蒙斯学院在探索计算的极限了新的理论计算机科学研究所未解的问题,以及人民机器算法(AMP)的实验室,其在机器学习的交叉工作,云计算和众包。与其说是合作,也系统和Smartcities学术课程,主办部门民​​用和环境工程。这些新的程序在机器学习整合教师 - 特别是深层学习 - 通信,控制,行为建模等学科,在其换挡的人口统计数据。通过大规模数据分析的增长领域,将利用其非凡的这些资产,推进数据驱动的运输解决方案。

Alexei Pozdnukhov (left) works on his SmartBay Project with a student. The project, which aims to be a decision-support tool, applies data mining and machine-learning techniques to cell phone data and social network signals  to analyze and model Bay Area activities and travel habits.

Q&A Alexei Pozdnukhov: 智能城市
助理教授,土木与环境工程;联合主任,智慧城市研究中心

运输利益: 我在开发将在未来的城市被用于规划和交通的运行数据分析可扩展性的新方法的工作。为了提高效率,减少交通对环境的影响,新的工具和方法都需要利用隐藏在数据流的见解。

背景: 我开始了我的职业生涯,作为模式识别机器学习研究工作,计算机视觉主要英寸然而,现代城市密集,越来越多的数据,丰富的,它渗透随着智能系统和基础设施产生的媒体流。你开始在城市动态这是丰富翔实看到的图案。它激励着我转我的重点就是我们所说的城市的数据分析。

按研究的问题: 对我的挑战之一是了解这些异构数据源如何被利用来关闭控制环在城市基础设施建设。它不足以能够只是观察变化。我们应该能够管理以及日常操作复杂的城市系统的长期演进,我们已经研制。它很快就会成为挑战,因为城市基础设施建设日益依赖成为他们的数据流进行操作和算法处理的数据。 ESTA数据中心设计的弹性将需要解决的问题,特别是因为它带来了人的行为,其所有的固有的不确定性,因为越来越多的数据从手持设备和直接吃的移动设备。最后,基础设施系统是分离的,以前变得更加相互关联和相互依赖,复杂性引入了额外的一层。例如,电网正变得经由电动车辆的车队生长加上运输。