“CCF走进12Bet官网”

时间：2022年6月8日下午2：00-5：40

线下地点：12Bet官网新图报告厅

线上：腾讯会议：943-537-437

腾讯会议直播：https://meeting.tencent.com/l/j5kPe38hMn4d

主题：AI+智慧城市论坛

主办：中国计算机学会CCF

承办：12Bet官网 江苏京世大数据管理有限公司 宿迁市科学技术协会

协办：宿迁市计算机学会

日程安排：

专家报告1

报告题目：时空联邦计算——从数据联邦到联邦学习

摘要：近年来随着市域社会治理与疫情追溯分析等新需求的出现，跨部门间的数据孤岛给此类时空大数据共享计算带来全新挑战，即如何在各部门数据不出本地的前提下实现隐私安全的数据共享与协同分析？为此，联邦计算以其“数据不动计算动”的共享理念为破解数据孤岛挑战提供了一种新型思路。本报告首先回顾时空联邦计算的背景，从数据库的视角回顾传统联邦数据库概念，介绍隐私安全可控的数据联邦技术，并阐述其与联邦学习的区别联系。随后介绍本团队结合产业应用需求所研发的时空联邦计算系统——“虎符”，其已经适配当前各种主流时空大数据计算平台，并支持多方数据自治环境下的安全高效协同查询。最后，报告也将介绍基于虎符系统的应用示范，并对该领域未来发展进行展望。

个人简历

童咏昕，博士，北京航空航天大学计算机学院教授，博士生导师，国家自然科学基金优秀青年基金获得者。2014年于香港科技大学获计算机科学与工程学博士学位，随后留校担任研究助理教授，2015年入选北京航空航天大学“卓越百人计划”。目前主要研究方向包括：联邦学习、隐私计算、时空大数据挖掘分析、智慧交通与群体智能等。近年来，先后主持国家自然基金重点项目、国家重点研发计划课题等科研项目。共发表学术论文百余篇，其中以第一/通讯作者发表CCF-A类论文60余篇。曾获中国电子学会自然科学一等奖（排名第一）、阿里巴巴集团达摩院“青橙奖”、数据库领域国际会议VLDB 2014“杰出演示系统奖”和数据挖掘领域国际竞赛KDD Cup 2020“强化学习赛道冠军”；担任《IEEE TKDE》、《IEEE TBD》等国际期刊的编委、数据库领域国际顶级会议VLDB和ICDE的程序委员会领域主席（PC Area Chair），并长期作为多个国际顶级会议的高级程序委员会委员（Senior PC）；也是CCF杰出讲者、CCF会员与分部工委副主任、CCF走进高校工作组组长。

专家报告2

报告题目：AI驱动的城市时空大数据分析：挑战、方法与展望

摘要：随着移动终端和各种位置传感器（GPS等）的普及，城市时空大数据无处不在并以前所未有的速度产生。城市时空大数据的影响渗透到市民日常生活的方方面面，例如定位导航、出行旅游、社交、推荐等等，并为政府实施智慧城市建设提供了重要的数据支撑。但是这些海量、异构、实时的城市时空大数据也为传统的数据分析和挖掘方法带来了诸多挑战，包括异构数据结构的复杂性、多源数据的潜在时空相关性、时空数据与外部环境的关联性以及浅层模型有限的学习能力等。针对此，本报告将介绍本研究团队近期在基于多源数据融合及深度学习的城市时空大数据分析与挖掘方面的工作。首先，将介绍城市时空大数据分析的研究背景和意义；然后总结在城市快速发展和移动物联网技术普及的全新背景下，城市时空大数据分析的若干重要挑战，并针对这些挑战，总结现有研究工作的解决方案；之后，将以我们近期在城市交通大数据和城市人流移动数据预测方面的工作为例，介绍深度学习技术在解决城市时空大数据分析方面的应用；最后，本报告将对该领域未来可能的研究工作进行展望。

个人简历

王森章，中南大学计算机学院特聘教授，湖南省青年“芙蓉学者”。主要研究方向为时空数据挖掘、图数据挖掘、城市计算等。发表论文100余篇，其中发表在CCF推荐A类会议期刊论文25篇，B类以及ACM/IEEE Trans.汇刊论文50余篇。一篇会议论文获“最佳学生论文奖”，一篇论文获ICDM最佳论文提名，两篇期刊论文是ESI“高被引”论文。主持包括国家自然科学基金面上/青年项目、江苏省自然基金、腾讯“犀牛鸟”基金、广东省基金等多项研究课题。王森章教授是中国计算机学会数据库专委会和大数据专家委员会执行委员，担任《智能科学与技术学报》首届编委，《计算机工程》青年编委，国际期刊ACM Transactions on Intelligent Systems and Technology和Remote Sensing客座编委。先后四十余次担任所在领域国际会议程序委员会成员（PC Member）及高级成员（Senior PC Member）。

专家报告3

报告题目:基于图神经网络的时空大数据挖掘

摘要:时空数据挖掘作为城市计算中非常重要的技术，已经被广泛应用于各项应用中，比如智能交通、疫情追踪管控、以及城市安全保障。在时空数据挖掘中如果对复杂的时空关系模式进行学习，是当前技术中所面临的重要挑战以及技术难点。为此，图神经网络作为一种基于图结构学习的神经网络架构，有效地对时空数据局中复杂的时间以及空间关系模式进行了精确的建模，从而提取到高阶的节点关系并学习到更加精确的时空嵌入。本报告首先介绍图神经网络的背景，以及在时空大数据挖掘中的研究进展。在该报告中，会针对于不同应用场景，介绍不同的图神经网络架构以及其所面临的调整以及技术难点。与此同时，也会介绍本团队中最新的时空图神经网络的研究工作，并展望未来该领域潜在的发展方向。

个人简历

黄超, 香港大学计算机学院助理教授，博士生导师。目前主要的研究方向为人工智能，数据挖掘，时空数据分析，图神经网络，推荐系统。在KDD, WWW, SIGIR, ICDE, AAAI, IJCAI, CIKM, WSDM等数据挖掘和人工智能领域顶级会议发表论文40余篇。以第一作者及指导发表的论文分别获得WWW’2019，WSDM’2022最佳论文提名。与此同时，连续担任了KDD, SIGIR, WWW, NIPS, ICLR, AAAI, IJCAI, WSDM, CIKM等会议的评审委员会委员，以及TKDE, TOIS, TIST, TOC, TKDD, TNNLS等期刊的长期审稿人。并且被WSDM’2020和WSDM’2022会议授予优秀评审委员奖。所研发的用户建模算法和系统被部署运用于海量的用户数据平台，并被多家相关学术媒体报道。

专家报告4

报告题目: AI遥感-道阻且长

摘要:随着航空、航天科技的发展，遥感技术已经成为获取智慧城市时空基础地理数据的重要手段之一，其中的关键问题是遥感影像的解译。近年来，以深度学习为代表的AI技术也在遥感领域得到广泛应用，取得了许多令人瞩目的成果。然而，由于地球环境的复杂性以及传感器成像的时空异质性，遥感影像的自动解译水平远未达到许多行业管理的要求，导致遥感数据的生产仍然依赖大量的人工目视解译。本报告首先简要介绍遥感技术在国土、环境、农业、林业、水利等行业的应用背景以及传统的遥感图像解译算法，重点分析深度学习在遥感图像解译中面临的问题和挑战，最后介绍江苏师范大学AI遥感创新团队在国土资源变化监测、高分遥感影像分类与建筑物信息提取、无人机倾斜摄影自动测图等方面的一些工作。

个人简历

张连蓬，江苏师范大学地理测绘与城乡规划学院教授，测绘科学与技术学科带头人，江苏省“青蓝工程”中青年学术带头人，江苏省“333”人才工程培养对象，江苏省遥感地理信息学会常务理事，山东科技大学大地测量学与测量工程专业博士，中科院遥感所博士后。主要研究方向包括地理信息系统设计与开发、遥感图像智能解译算法与软件、生态环境遥感监测等。主持国家自然科学基金、国家863项目子课题、国家科技支撑计划专题等多项科研项目，曾获国家测绘科技进步一等奖、教育部科技进步二等奖、山东省科技进步二等奖等科研奖励。

专家报告5

报告题目：大数据应用-构建一网统管时代的城市运行中枢

摘要：按照党中央、国务院关于加快推进社会治理能力和治理体系现代化的决策部署，着眼提升市域治理的精细化、高效化、智能化水平，积极探索具有地级市特色的市域治理新体系和新架构，为此经过一年多的在宿迁创新实践，项目取得初步成效。本报告围绕“一屏观全城、一网管全城、一端惠全城”总体目标，着眼社会治理、民生服务和数字经济三大领域，以推进“综治、城管、应急”三网融合和构建“大综治、大城管、大应急、大交通”四大治理格局为核心，以大数据、云计算、人工智能、物联网、5G等新一代信息技术为支撑，大力实施数据、系统、网格、资源、业务、人员等深度整合，构建“1+9+N”指挥体系和“1334+N”应用体系，实现指挥调度、协同联动、综合分析、预测预警、高效便民、效能监察六大功能，全力打造特色鲜明的全国中小城市市域治理现代化标杆。最后介绍市域治理典型案例和对未来工作的展望。

个人简历

束恩戴，硕士，京东科技集团江苏战区交付总经理，中国电子信息联合会高级项目经理，江苏省财政厅专家库成员。从事智慧城市行业12年，从基层软件研发工程师做起，历经研发经理、项目经理、售前经理、项目总监、销售总监、事业部总经理。负责时空大数据信息云平台，公安、社会治理、智慧城管、智慧水利等多个行业项目业务系统开发、项目实施管理全过程管理、售前咨询支持和行业项目销售推广，精通项目CMMI管理体系与公安信息化、时空大数据信息云平台、智慧城管、智慧水利系统建设方案和项目实施经验。带领团队先后完成宿迁新型智慧城市项目建设、国家防汛抗旱指挥系统二期工程数据汇集平台项目、国务院智慧南水北调规划设计、辽宁省水资源监控能力建设项目、深圳宝安时空大数据信息云平台等若干个国家级、省级、市级大中型智慧城市项目销售推广、售前技术支持、项目实施管理、系统集成，成功申请了50项软件著作权和5个产品登记。积累了丰富的智慧城市项目实施管理经验。