Waze、Google地图和骑乘共享应用程序（Uber或Lyft）等出行软件采用许多不同的人工智能（AI）技术，在复杂的城市交通网络中，为通勤用户有效地选择最优出行方案 。
这次爱科研项目将带大家了解和学习此领域中人工智能的应用和管理大规模系统时可能出现的问题，及如何设计以及优化AI，来为我们的交通出行带来便利和更高的安全性。
关键词：人工智能、数据可视化、交通网络、无人驾驶、系统优化
项目导师
Dr. Sheila Tejada 美国南加州大学(USC)计算机科学系教授
l 科研领域为人工智能，机器学习以及机器人
l 在2017年，Dr. Tejada被洛杉矶市长Eric Garcetti任命为洛杉矶交通系统委员会的其中一员，负责借用AI制定更合理的交通政策
l 担任Grace Hopper Celebration主席（由AnitaB Organization成立，目前全美最大的Women in Tech组织）
l Dr. Tejada十分热衷于AI和机器人方向的教学宣讲
项目安排
---Phase 1
线上预习 | 8月8日 - 8月21日（2周）
在课程开始之前，导师提供必要的阅读、作业及练习题，为在线课程做预习，补充知识短板。
l 项目所需的所有软件的安装说明；
l 简短练习，确保学生掌握关键的python技巧；
l 相关文献和阅读材料，使学生熟悉主要课程概念和背景；
---Phase 2
在线课程 | 8月22日 - 9月11日（3周）
通过三周的授课了解最新AI技术在交通中的应用，完成AI处理各项实验数据的课题练习，最后把机器学习技术应用于城市交通数据集，生成可视化数据集，探索潜在的交通问题并提出见解和解决方案。
l第一周：
运输和传感器网络是这些网络物理系统的主要组成部分。传感器，如GPS、激光雷达和视频，嵌入到诸如Bird e-Scooters（bird.co）之类的车辆中，或传感器嵌入到城市基础设施中的交通计数器，对于程序获取最新交通数据达到最佳研究效果至关重要。
课后练习将为学生提供传感器和人工智能技术处理传感器数据的实践经验，如计算机视觉（opencv.org）。
l 第二周：
自主车辆是许多这些网络物理人工智能运输系统的目标。我们将讨论自驾汽车比如Tesla和Waymo，以及无人机的最新进展。交通数据挖掘和机器学习是决定路线规划和交通成本估算的人工智能算法的重要组成部分。我们将细致研究洛杉矶市官方提供的用于开发交通应用程序的开放数据集（geohub.la city.org）。
课后练习将把机器学习技术应用于城市交通数据集，讨论研究发现及任何潜在的交通问题或见解。
l 第三周：
数据可视化是传达研究项目正在解决的问题和解释其结果的重要手段。有效地证明研究的有效性至关重要。我们将从数据采集、数据清理、数据处理到结果的数据可视化，对网络物理传输系统的整个传输数据生命周期进行探索。
课后练习将使用之前练习的数据和结果，生成可视化效果，进行展示。
---Phase 3
在线1V1讨论 | 9月12日 - 10月2日（3周）
与导师1V1确认课题研究的方向、讨论项目过程中遇到的问题，一起推进项目的进展，直至最终完成项目研究。
---Phase 4
汇报答辩 | 10月3日 - 10月27日（3周）
展示项目结果、进行项目答辩（PPT演示）；
导师指导撰写项目报告、讨论出版投稿；
完成报告撰写，导师做出最终反馈。
项目要求
l 较强的编程能力
本次项目将用scikit-learn in Python进行项目搭建 (https://scikit-learn.org)
l 较强的英语表达能力
爱科研将提供中文助教，但项目授课、导师交流及最终报告均为英文交流与书写
项目收获
★ 表现优异者可获得导师私人学术推荐
★ 产出一份高质量的科研报告（导师指导发表）
☆ 一段与AI相关的实战科研经历
☆ 导师签发的项目证明
上课方式
远程线上
报名方式
关注公众号“爱科研背景提升”
添加科研顾问微信
备注“海外AI交通”了解项目详情
网友评论