城市交通信息估计与预测

项目图片

数据整合: 结合GPS、视频监控、公共交通等多种数据源,构建综合数据框架。

预测模型: 运用可变阶马尔可夫模型(VOMM)和动态规则挖掘进行短期多步交通预测。

应对挑战: 解决交通模式转换中的不连续性以及多层网络耦合的复杂性等问题。

项目成果: 提高城市交通模式预测的准确性和效率,实现主动式管理策略。

徐云雯
徐云雯
副研究员

徐云雯是上海交通大学自动化系副研究员。她在上海交通大学获得控制科学与工程博士和硕士学位,在南京理工大学获得自动化学士学位。她曾在普渡大学担任访问学者,并在上海交通大学担任博士后和研究职位。她的研究重点是预测控制应用、智能交通系统、嵌入式预测控制和复杂系统智能控制。她在顶级期刊和会议上发表了大量论文,并参与了多个重要研究项目。