雷锋网AI研习社讯：交通事故预测是一个重要且困难的研究问题。在较大时空范围内的预测尤其困难。主要原因是交通事故在时空上相对稀疏，以及不同地理环境(如城乡)造成的时空异质性(spatial heterogeneity). 本次公开课将讨论利用深度学习模型和时空大数据预测交通事故的最新工作。同时还将介绍其他时空数据挖掘和城市计算的研究问题及相关进展。
时空大数据和深度学习在交通事故预测上的应用
周逊， 于明尼苏达大学计算机系获博士学位。现为美国爱荷华大学商学院管理科学系助理教授。主要研究方向为时空数据挖掘和分析，城市计算，地理信息系统。多篇论文发表于KDD, ICDM, CIKM, TKDE 等国际顶级会议和期刊，并多次担任其程序委员会委员和审稿人。联合主编Encyclopedia of GIS 第二版。
1. 方向背景: 时空大数据，时空数据挖掘，城市计算。
2. 交通事故预测的研究进展和难点，数据融合。
3. Hetero-ConvLSTM 方法: 基于ConvLSTM 深度模型的事故预测方法。(KDD 2018: Hetero-ConvLSTM: A Deep Learning Approach to Traffic Accident Prediction on Heterogeneous Spatio-Temporal Data)
4. 其他时空数据和城市计算问题及研究进展。
北京时间 10 月 24 日（周三） 09：00
错过直播不要紧，回放视频上传后也能看哦~
http://www.mooc.ai/open/course/576