| layout | title | cover | menu |
|---|---|---|---|
page |
中文简介 |
false |
false |
transdim项目是面向时空交通数据修复与预测的开源项目，旨在为智能交通系统提供一系列基于机器学习的数据建模算法和问题解决方案。该项目是由蒙特利尔大学博士生陈新宇在开源平台GitHub上发起的，开源网址为https://github.com/xinychen/transdim，截至目前，该项目在GitHub上获得了超过700次标星、受到了开源社区的广泛好评，同时，在顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《Transportation Research Part C: Emerging Technologies》和《IEEE Transactions on Intelligent Transportation Systems》上发表相关研究成果多达7篇、累计引用量超过250次。该项目作为问题导向型研究项目，着力于：
- 解决交通系统中复杂多样的缺失数据问题；
- 探索大规模高维交通数据分析与预测建模机制；
- 开发面向缺失不完备交通数据的预测算法。
该项目的长期目标在于：
- 清晰定义时空交通数据建模中数据修复与预测相关的科学问题；
- 采用公开的时空交通数据集进行分析与挖掘，以求揭示时空交通数据所蕴含的复杂数据本真特性，如动态性、高维性、多维性、多模态性和稀疏性；
- 提供一系列基于机器学习算法的时空交通数据建模方案和Python实现。
该项目主要参与人为：
- 陈新宇（蒙特利尔大学博士生）
- 陈一贤（中山大学博士生）
- Nicolas Saunier（蒙特利尔大学教授）
- 孙立君（麦吉尔大学助理教授）
- 杨津铭（上海交通大学硕士生）
特别申明：该项目作为面向智能交通领域的开源项目，旨在为探索时空交通数据建模贡献一份力量，请勿用于任何商业用途。