“面向智能建筑和交通的跨域共融感知学习”最新研究进展

当前,随着智慧城市的不断发展,越来越多的传感器部署到智能建筑中,产生了大量的智能建筑感知大数据(Building Sensing Big Data)。这些智能建筑大数据在感知和监测建筑的同时,也为城市感知提供了一种新的维度,开辟了一个新的视角。

重庆大学BDSC实验室与澳大利亚悉尼科技大学团队共同研发,联合清华大学和中国科学技术大学,研究探索如何重用智能建筑感知大数据进行智慧交通感知,提出的“面向智能建筑和交通的跨域共融感知学习”研究成果《BuildSenSys: Reusing Building Sensing Data for Traffic Prediction with Cross-domain Learning》,被国际计算机领域顶级期刊IEEE Transactions on Mobile Computing(CCF A类)发表。

作为智慧城市两个重要组成部分,智能建筑和智慧交通看似毫无关系,实际上相互关联。一方面,在城市物理空间中,大部分城市建筑都由城市道路相互连接。另一方面,在人群移动空间中,大部分城市居民在不同建筑之间的移动是通过在道路上各种交通来完成。因此,智能建筑感知大数据和智慧交通之间存在一定的关联关系。

首先,通过大量实验探索和基于Google导航实验的交叉验证,发现智能建筑感知大数据和周边智慧交通感知数据之间存在跨域的、非线性的、时变的相关性。为了挖掘和利用这种建筑-交通感知数据之间复杂的相关性,提出了BuildSenSys系统,利用时空注意力机制(spatiotemporal attention mechanism)和Encoder-Decoder LSTM深度神经网络模型,准确地学习跨域的、非线性的、时变的建筑-交通感知数据相关性,从而精确实时地感知和预测周边道路交通(预测准确率可达97.8%),实现了智能建筑和交通的跨域共融感知学习。

这个研究成果作为国际上较早探索面向智能建筑和交通的跨域共融感知的研究,为智能建筑和智慧交通之间搭建了一座重要的桥梁,有力地促进了智慧城市“万物互联、万物互感、万物智能”的人机物融合

参考文献

[1] Xiaochen Fan, Chaocan Xiang(共同一作,通讯作者), Chao Chen, Panglong Yang, Liangyi Gong, Xudong Song, Priyadarsi Nanda, and Xiangjian He. “BuildSenSys: Reusing Building Sensing Data for Traffic Prediction with Cross-domain Learning.” IEEE Transactions on Mobile Computing, 2020.