以乘客为中心的智能移动出行关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61872050
  • 项目类别：
    面上项目
  • 资助金额：
    64.0万
  • 负责人：
    陈超
  • 依托单位：
    重庆大学
  • 学科分类：
    F0208.物联网及其他新型网络
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

The smartness of people transportation is a key indicator of the development of smart cities. The increasing popularity of smart phones and other mobile devices has made the real-time location of passengers and vehicles easily available. In this context, a new transportation mode relying on the mobile devices is gradually becoming dominant. We name the new mode as mobile transportation. Mobile transportation based on taxis is the most popular and effective in matching taxi demands and supplies in real time, however, it is still far from smart. To make the matter worse, it fails to meet the huge transportation demands due to the lack of taxi vehicular resource. Thanks to rich delivery resources resulted by the huge number and rapid growth of private cars, mobile transportation based on ridesourcing cars is thus recognized as a new solution, however, the newly introduced “dynamic price” also creates new research challenges. In this project, based on the big data collected when passengers interacting with physical and cyber spaces, we intend to build a smart passenger-centric mobile transportation system to address the new challenges. More specifically, focusing on the new feature of dynamic pricing, we intend to investigate the following three main research issues: (1) the modelling passengers’ reaction to dynamic prices, with the objective of building the mathematical relationship among the passengers’ reaction, dynamic prices and the demand elasticity, (2) the prediction of dynamic prices, with the objective of predicting dynamic prices for passengers accurately, (3) the real-time inference of trip purposes and its validation, with the objective of inferring the trip purposes in real time. This project aims to develop key techniques for mobile transportation systems based on ridesourcing cars for passengers, laying necessary theoretical foundation for the design and build of the future transportation ecosystem.
居民出行的智能化程度是衡量智慧城市发展水平的重要性能指标。智能手机等移动终端的普及使得乘客和车辆的实时位置、状态等信息容易获得，催生并使基于移动端的出行模式—移动出行成为新趋势。基于出租车移动出行实现了乘车需求与出租车载客资源的实时匹配，但仍无法满足大量乘车需求。基于专车移动出行因具备更加广泛的载客资源，为满足大量乘车需求提供了新途径，但新的动态价格特征也为智能化带来了新挑战。本项目聚焦于动态价格，基于用户与物理信息二元空间交互产生的大数据，以乘客为中心，为实现移动出行智能化研究三方面关键技术：1、乘客反应行为建模方法，以刻画乘客对动态价格的反应行为、动态价格、出行需求弹性之间的关系；2、动态价格预测方法，以高精度预测动态价格；3、个人出行意图实时推测及验证方法，以及时准确推测乘客乘车意图。项目预期形成乘客智能移动出行的系统理论和关键技术框架，也将为构建未来移动出行生态系统提供理论支撑。

结项摘要

居民出行的智能化程度是衡量智慧城市发展水平的重要性能指标。智能手机等移动终端的普及使得乘客和车辆的实时位置、状态等信息容易获得，催生并使基于移动端的出行模式—移动出行成为新趋势。基于出租车移动出行实现了乘车需求与出租车载客资源的实时匹配，但仍无法满足大量乘车需求。基于专车移动出行因具备更加广泛的载客资源，为满足大量乘车需求提供了新途径，但新的动态价格特征也为智能化带来了新挑战。本项目聚焦于动态价格，基于用户与物理信息二元空间交互产生的大数据，以乘客为中心，主要解决以下三大关键性挑战：1) 人类移动的演化在时间和空间上存在多尺度、多依赖的复杂高阶关联，难以全面有效地建模；2) 普适场景中安全可用的信息来源有限，难以准确地刻画深层次细粒度的移动语义；3) 人类行为语义普遍存在标签稀疏性问题，难以有效地训练高性能模型。在项目执行期间，共发表论文37篇，其中SCI期刊源论文23篇，ACM/IEEE会刊论文9篇，JCR-1区论文16篇，CCF-A类论文3篇，CCF-B类论文8篇。申请发明专利14项。培养博士研究生6名，硕士研究生16名。项目研究成果较大程度上超过了预期成果。同时，项目执行期间，举办了多个相关学术论坛活动，包括HHME人机和谐环境学术会议、CCF城市计算与智能感知论坛、西部地区青年学者智慧计算论坛等 。综上，项目形成了智能移动出行关键技术框架，为实现高效率、低成本、环境可持续智能移动出行的实际落地和应用提供了较强的理论和技术支撑。

项目成果

期刊论文数量（27）
专著数量（1）
科研奖励数量（0）
会议论文数量（8）
专利数量（11）
From driving trajectories to driving paths: a survey on map-matching Algorithms
从行驶轨迹到行驶路径：地图匹配算法综述
  • DOI：
    10.1007/s42486-022-00101-w
  • 发表时间：
    2022
  • 期刊：
    CCF Transactions on Pervasive Computing and Interaction
  • 影响因子：
    2.1
  • 作者：
    Linli Jiang;Chaoxiong Chen;Chao Chen;Hongyu Huang;Bin Guo
  • 通讯作者：
    Bin Guo
Street-Level Solar Radiation Mapping and Patterns Profiling Using Baidu Street View Images
使用百度街景图像进行街道级太阳辐射测绘和模式分析
  • DOI：
    10.1016/j.scs.2021.103289
  • 发表时间：
    2021
  • 期刊：
    Sustainable Cities and Society
  • 影响因子：
    11.7
  • 作者：
    Mingyu Deng;Wei Yang;Chao Chen;Zhou Wu;Yong Liu;Chaocan Xiang
  • 通讯作者：
    Chaocan Xiang
Exploring associations between streetscape factors and crime behaviors using Google Street View images
使用 Google 街景图像探索街景因素与犯罪行为之间的关联
  • DOI：
    10.1007/s11704-020-0007-z
  • 发表时间：
    2021
  • 期刊：
    Frontiers of Computer Science
  • 影响因子：
    4.2
  • 作者：
    Mingyu Deng;Wei Yang;Chao Chen;Chenxi Liu
  • 通讯作者：
    Chenxi Liu
META: A City-Wide Taxi Repositioning Framework Based on Multi-Agent Reinforcement Learning
META：基于多智能体强化学习的全市出租车重新定位框架
  • DOI：
    10.1109/tits.2021.3096226
  • 发表时间：
    2021
  • 期刊：
    IEEE Transactions on Intelligent Transportation Systems
  • 影响因子：
    8.5
  • 作者：
    Chenxi Liu;Chao-Xiong Chen;Chao Chen
  • 通讯作者：
    Chao Chen
Taxi-Passenger's Destination Prediction via GPS Embedding and Attention-Based BiLSTM Model
通过 GPS 嵌入和基于注意力的 BiLSTM 模型进行出租车乘客的目的地预测
  • DOI：
    --
  • 发表时间：
    2021
  • 期刊：
    IEEE Transactions on Intelligent Transportation Systems
  • 影响因子：
    8.5
  • 作者：
    Chengwu Liao;Chao Chen;Chaocan Xiang;Hongyu Huang;Hong Xie;Songtao Guo
  • 通讯作者：
    Songtao Guo

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

An analysis of alcohol consumption status and alcohol related-factors in the Pearl River Delta area in China
我国珠三角地区酒精消费状况及相关因素分析
  • DOI：
    --
  • 发表时间：
    2005
  • 期刊：
  • 影响因子：
    --
  • 作者：
    陈超;罗有年;刘学兵;邓良华;李崇勇;冯婉霞;蔡理荣;顾鸿
  • 通讯作者：
    顾鸿
Shearing-type piezoelectric composite material
剪切型压电复合材料
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
  • 影响因子：
    --
  • 作者：
    张斗;陈子琪;周科朝;朱松;陈超
  • 通讯作者：
    陈超
基于近声场的超声悬浮实验研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    中国卫生政策
  • 影响因子：
    --
  • 作者：
    孙运涛;陈超
  • 通讯作者：
    陈超
基于X射线CT原位试验的平纹SiC/SiC复合材料拉伸损伤演化
  • DOI：
    10.16183/j.cnki.jsjtu.2019.274
  • 发表时间：
    2020
  • 期刊：
    上海交通大学学报
  • 影响因子：
    --
  • 作者：
    刘海龙;张大旭;祁荷音;伍海辉;郭洪宝;洪智亮;陈超;张毅
  • 通讯作者：
    张毅
基于缨帽变换的农田洪水淹没范围遥感信息提取
  • DOI：
    10.13203/j.whugis20180067
  • 发表时间：
    2019
  • 期刊：
    武汉大学学报(信息科学版)
  • 影响因子：
    --
  • 作者：
    陈超;何新月;傅姣琪;褚衍丽
  • 通讯作者：
    褚衍丽

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

陈超的其他基金

资源受限环境下基于GPS轨迹的细粒度驾驶行为识别研究
  • 批准号：
  • 批准年份：
    2021
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目
面向时空随机请求的群智物流关键技术研究
  • 批准号：
    61602067
  • 批准年份：
    2016
  • 资助金额：
    20.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码