講座題目：網(wǎng)絡(luò)流解析建模的理論基礎(chǔ)及在云平臺上的算法實踐

演講人：閔萬里

時間：2015年12月8日下午3:00

地點：理科樓B311

閔萬里， 阿里巴巴集團資深數(shù)據(jù)科學家， 數(shù)據(jù)事業(yè)部總監(jiān)。 2004年獲得芝加哥大學統(tǒng)計學博士，在加入阿里巴巴之前先后在IBM T. J. Watson Research Center， IBM Singapore， Google 擔任研究員及智慧城市的 解決方案架構(gòu)師。2005年發(fā)表的< > 是期刊 Stochastic Processes and Their Applications 在2005～2010年期間被引用次數(shù)最高的十篇文章之一， 2011年發(fā)表的< < real-time road traffic prediction with spatio-temporal correlations>>是期刊Transportation Research Part C 2010～2015年期間被引用次數(shù)最高的十篇文章之一。

研究積累

道路交通網(wǎng)絡(luò)區(qū)域擁堵實時預(yù)測與智能管理系統(tǒng)

一種基于對未來道路交通狀況的預(yù)測進行智能管理的系統(tǒng).它包括數(shù)據(jù)融合處理模塊，數(shù)學模型預(yù)測運算模塊，基于預(yù)測的交通疏導(dǎo)管理模塊.它把實時收集的多元交通信息通過數(shù)據(jù)融合的技術(shù)產(chǎn)生規(guī)范化信息輸入，通過歷史數(shù)據(jù)判別道路網(wǎng)絡(luò)交通流的內(nèi)在關(guān)聯(lián)建立參數(shù)化統(tǒng)計模型并在此基礎(chǔ)上計算未來90分鐘里的道路網(wǎng)絡(luò)里各個路段的交通狀況(例如速度與流量)，其時間精確度與實時數(shù)據(jù)收集的時間間隔一致。然后根據(jù)預(yù)測結(jié)果進一步判斷生成可量化交通指標，包括：各路段未來時間里的堵塞概率，已經(jīng)堵車的路段何時恢復(fù)暢通，車流量異常警報，為交通參與者與管理者提供決策支持。

用于數(shù)據(jù)中心的基于知識的模型

提供了用于數(shù)據(jù)中心分析的技術(shù)。在一個方面，提供了一種對數(shù)據(jù)中心中的熱分布進行建模的方法。該方法包括以下步驟。針對數(shù)據(jù)中心中的多個位置獲得垂直溫度分布數(shù)據(jù)。將每個位置的垂直溫度分布數(shù)據(jù)繪制成s曲線，其中垂直溫度分布數(shù)據(jù)反映每個位置處的物理狀況，其由s形曲線的形狀反映。利用表征s形曲線的形狀的參數(shù)集來表示每個s曲線，其中s曲線表示構(gòu)成預(yù)定義s曲線類型的知識庫模型，可據(jù)此分析數(shù)據(jù)中心中的多個位置的熱分布以及相關(guān)聯(lián)的物理狀況。

　　消費者心理的大數(shù)據(jù)全景洞察

　　網(wǎng)絡(luò)電商及移動互聯(lián)網(wǎng)的普及方便了記錄每個人在消費及社交等方面的電子足跡，通過鏈接融合多種數(shù)據(jù)源可以還原個體的物質(zhì)及精神需求。而豐富的數(shù)據(jù)維度及數(shù)據(jù)的快速迭代實驗機制也能幫助解析出各種因素對消費者心理的影響。