重要进展

研究团队针对如何有效地构建异构数据可信可解释模型来融合多种与人流数据相关的数据源，使其能够解决独立数据源信息贫乏和隐私保护的问题，重点突破（1）稀疏轨迹数据的预处理技术和个人隐私保护模型方法；（2）城市要素与人流相关性挖掘技术和数据模型的可解释性理论；（3）对稀少事件鲁棒的城市尺度人流预测技术；（4）重大事件的人流模拟推演技术和模拟推演模型的可信性度量理论，为城市尺度人流建模与分析奠定技术基础。

科研团队通过研究高级机器学习理论对海量城市人流移动行为进行建模、预测和模拟，并在此基础上与传统应急管理、交通、能源和传染病学领域交叉融合，构建了全新的理论方法和模型：（1）提出了基于城市应急人流建模预测的应急管理模型方法，为应急事件下的城市人流疏散、交通调度、撤离路线规划提供了全新理论支持；（2）提出了基于异质智能体微观仿真模拟的能源供需优化理论，解决了能源供需中的时空耦合性和负荷复杂性难题。（3）提出了基于城市人流建模和数据驱动的传染病传播建模预测和模拟推演模型，为传染病防控和政府施策提供了理论支持。

针对 2020 年初爆发的“新型冠状病毒疫情”，团队紧急研发了“人流大数据和 AI 驱动的新型冠状病毒（COVID-19）传播建模预测和模拟推演平台”，服务国家重大需求。平台一经发布，获得了学习强国平台、人民周刊、中国科学报、中国改革报、中国网、中华网、科技日报、中国科技网等国家级媒体的广泛报道，并多次为国内科研单位和机构输出模拟推演结果，帮助国家和深圳市制订高效防疫政策，也为相关防疫工作贡献了关键力量。

代表性成果

成果 1：人流大数据和 AI 驱动的新冠传播建模预测平台

成果 2：基于大数据的网约车司机和乘客行为预测与服务管理平台系统

成果 3：基于智慧城市中人工智能交叉交通物联网最优控制的研究