计算机学院交通轨迹大数据挖掘研究取得新进展

随着城市化进程的不断深入，各式各样的城市问题也接踵而来，如汽车能耗增加、出行开销高昂、空气质量恶化等。另一方面，各种交通大数据在城市中呈现爆发式增长，如车辆（出租车、专车）GPS轨迹、用户出行订单数据等。数据科学家普遍认为：如果这些交通大数据运用得当，可以为保护环境、减少出行开销等提供新的解决途径。今年以来，基于专车GPS轨迹和用户乘车出行订单数据，计算机学院大数据与智能计算课题组取得了研究新进展——陈超副教授领导的三篇长文分别被普适计算领域三大顶级会议接收，即UbiComp、PerCom和MobiQuitous。该三大会议的录取率均低于20%，特别是PerCom的录取率只有14.5%。这些成果扩大了重庆大学计算机学院在国际普适计算领域的影响力，提高了重庆大学在国际上的知名度。

 “Modelling Passengers' Reaction to Dynamic Prices in Ride-on-demand Services: A Search for the Best Fare”，该论文被Ubicomp会议接收，UbiComp是普适计算领域公认的旗舰会议，同时被CCF（中国计算机学会）列为A类会议。文章的主要内容是通过建立用户动态行为模型，分析用户在使用乘车需求服务（滴滴出行、神州专车等）过程中弹性需求的时空特性和反应模式，并最终为用户在搜索乘车价格提供指导。

 “It Can be Cheaper: Using Price Prediction to Obtain Better Prices from Dynamic Pricing in Ride-on-demand Services”，该文章被MobiQuitous2017接收。MobiQuitous在国外评级为A。文章基于乘车需求服务的网约车历史订单数据的时空特性，构建网约车动态价格预测器，以期为用户提供更加经济的乘车方案推荐服务，例如在原地等待一小段时间或者往前步行一小段距离。

陈超副教授与学生参加PerCom’17国际普适计算大会

“Planning Personalized Fuel-efficient Driving Routes using Multi-sourced Urban Data”，被PerCom会议接收。PerCom在国外评级A*，国内被CCF列为B类会议。该论文是PerCom17大陆高校唯一一篇被接收的长文文章。文章的主要目的是根据专车司机日常开车行为习惯，为其建立个性化的油耗模型，并根据实时路况（实时交通、沿途红绿灯等）为其推荐省油路线，以达到节油的目的。

陈超副教授课题组主要从事群智感知技术及面向智慧城市应用的移动轨迹数据挖掘关键技术等研究。具体而言，主要结合政府公开数据、用户与信息物理世界交互产生的群智数据，研究数据挖掘、数据融合的关键技术，为解决智慧交通、城市安全、灾难救援等领域面临的经典难点问题提供新的途径与可能。已发表高水平SCI论文20余篇（包括10篇ACM/IEEE Transactions），累积Google 学术引用已超过790次。特别地，有关出租车轨迹数据挖掘的工作于2011年和2016年两度被IEEE Spectrum杂志报道，在国际上产生了较高的知名度。现主持国家级科研项目4项，省部级科研项目3项，中央高校基金项目2项。