We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
魏
魏华（导导老师）
魏华（导导老师）：我的主要研究方向是人工智能在智能交通系统中的应用，包括交通预测、交通控制和利用大语言模型进行交通协作。我最初对智能交通系统没有概念，研究生阶段接触交通数据后才逐渐转向这个研究方向。Uber和滴滴在中国市场的大战让我意识到人工智能技术在交通领域的应用前景。我研究生期间在滴滴实习，参与了交通预测项目，亲身经历了AI技术改变人们生活的过程。我选择博士研究方向时，主动选择了与自己兴趣匹配的智能交通方向。建议计算机科学专业的学生选择计算机科学专业研究智能交通系统，因为他们更擅长算法研究。智能交通系统简单来说就是给城市交通系统装上“大脑和眼睛”，使其能够感知、计算、思考和自我调整。我的研究主要关注提高交通效率，包括交通预测、交通控制和利用大语言模型进行交通协作。交通预测技术已经在滴滴、Uber等打车软件中应用，用于优化派单，缩短乘客等待时间。在滴滴实习期间，由于缺乏领域专家指导，我们使用了所有能获取到的相关数据进行交通预测模型的构建。在滴滴的交通预测项目中，我们最初使用的是基于树的模型，例如XGBoost。滴滴早期交通预测模型主要关注乘客端需求，以优化乘客等待时间为目标。我的博士项目研究了交通灯控制，通过预测交通流量来优化交通灯的切换，以减少车辆等待时间。我最近的研究探索了大语言模型在智能交通系统中的应用，例如模拟不同天气条件下驾驶员的行为。我的研究经费主要来自政府部门（如国家科学基金会、交通部）和一些公司（如Uber、Google）。中美智能交通系统在技术上差距不大，主要差距在于政策和推广节奏。中国推广速度快，美国则存在州与州之间差异大、审批流程长的问题。如果所有车辆都是自动驾驶且信息互通，交通系统将发生根本性变化，例如不再需要红绿灯，但对AI算力将提出更高要求。未来十年或二十年，交通系统将是混合自动驾驶模式，部分车辆自动驾驶，部分车辆人工驾驶。工业界擅长规模化和优化，学术界更擅长创新和理论探索，两者界限越来越模糊。中美高校的师生关系、科研成果转化等方面存在差异。中国更强调团队合作和科研成果转化，美国更注重个人独立探索和基础研究。学生应该对使用AI工具的结果负责，并学习如何负责任地使用AI工具。我花很多精力培养学生，因为培养优秀学生能带来成就感，这与模型落地带来的成就感类似。现在的学生社交能力强，但学术社交能力也需要培养。我欣赏能力强、靠谱、学习能力强、执行能力强、性格好、团队合作能力强、沟通能力强、有想法、敢想敢做的学生。我关注弱势群体，因为我自己也曾处于弱势地位。我还没有毕业很多学生，但目前观察到大多数CS专业的博士毕业生都去了工业界。CS专业博士生的就业市场相对稳定，但硕士和本科生的就业压力较大。我的研究组致力于人工智能和智能交通领域，欢迎对AI、大语言模型和机器人交通感兴趣的学生申请。
Amy
Stella
supporting_evidences
Jane Doe: 'Another original English quote...'
Deep Dive
本节讨论了智能交通系统，特别是AI在交通预测中的应用。嘉宾分享了在滴滴早期参与AI交通预测项目的心得，包括项目数据、模型选择、以及项目上线后的效果。同时，还探讨了滴滴战胜Uber的原因和交通预测的未来发展。
- AI在交通预测中的应用，例如预测打车需求、优化派单等。
- 滴滴利用AI交通预测算法提升效率，缩短乘客等待时间。
- 数据驱动模型选择，从早期树模型到神经网络。
- 滴滴战胜Uber的原因，包括工作氛围和对技术的重视。
Shownotes Transcript