人工智能 强化学习与智能交通：AI指引未来出行 基于深度学习与数据分析的智能交通解决方案

作者：南星教育 来源：院校库 标签：大学排名

人工智能 强化学习与智能交通：AI指引未来出行 基于深度学习与数据分析的智能交通解决方案——以自动驾驶、网约车调度优化为例

开始日期: 2025-08-30

课时安排: 6周在线小组科研+5周论文指导

Prerequisites适合人群

适合年级 (Grade): 高中生/大学生

适合专业 (Major): 对人工智能、智能交通、生成式AI、计算机科学、机器学习等感兴趣的学生；建议具备编程或python基础（先导课）

Instructor Introduction导师介绍

K老师

香港大学助理教授

香港大学  

K老师  助理教授 博士生导师

香港大学 智能出行实验室 负责人

香港科技大学 博士

Transportation Research Part等多项SCI顶刊 编委

曾任 滴滴出行大数据研究院 研究员

研究方向：智慧交通、智慧城市、机器学习

现任Transportation Research Part 等多项SCI顶刊编委，在IEEE T-ITS等SCI/SSCI顶刊发表30余篇，论文总引用数超过1000次。担任Transportation Research Part C的顾问委员会成员，以及多项SCI的审稿人和客座编辑。

Program Background项目背景

智慧交通是以互联网、物联网等网络组合为基础，以智慧路网、智慧装备、智慧出行、智慧管理为重要内容的交通发展新模式，具有信息联通、实时监控、管理协同、人物合一的基本特征。通过高新技术汇集交通信息，提供实时交通数据下的交通信息服务。大量使用了数据模型、数据挖掘等数据处理技术，实现了智慧交通的系统性、实时性、信息交流的交互性以及服务的广泛性。

Program Description项目介绍

本课程将深入探讨了人工智能（AI）在工程领域特别是智能交通领域的应用。学生将系统学习AI概念、机器学习算法，以及它们在智能交通系统中的具体应用。课程包括以下几个部分：1. 机器学习基本概念与经典算法，包括数据预处理与清洗、监督学习与非监督学习、分类问题与回归问题、强化学习、梯度下降与牛顿法等。2. 深度学习技术：包括人工神经网络、多层感知机、循环神经网络、卷积神经网络等，及它们在自然语言处理、图像处理、自动驾驶、智能交通等领域的应用。3. 智能交通系统应用：探讨AI在交通信号优化、自适应交通控制、事故检测、网约车系统优化、自动驾驶中的应用。通过学习本课程，学生将能够全面了解AI的基础知识及其在智能交通中的应用，为将来从事相关领域的研究和工作打下坚实的基础。

Syllabus项目大纲

人工智能与机器学习介绍：人工智能基本概念、人工智能历史、人工智能常见应用、人工智能常用软件与数据、监督学习与非监督学习、分类问题与回归问题、强化学习

机器学习经典算法：数据预处理与清洗、机器学习算法评价指标、损失函数、欠拟合与过拟合问题、梯度下降与牛顿法

神经网络算法简介：人工神经网络、多层感知机、激活函数、链式法则与反向传播算法、循环神经网络（RNN）、长短时记忆网络（LSTM）

自然语言处理与大模型：自然语言处理应用、Transformer and BERT、GPT and ChatGPT、强化学习与人类反馈（RLHF）、其他大模型

深度学习与图像处理：图像处理基础知识、卷积神经网络（CNN）、LeNet, GoogLENet, VGG, ResNet, DenseNet、深度学习在智能交通领域的应用、自动驾驶系统中的深度学习

项目答辩与点评：学生项目汇报与答辩、评价和指导

Program Outcome项目收获

6周【在线小组科研+全球就业力大师课】+5周论文指导，共126课时

1500字左右的项目报告

优秀学员获得主导师推荐信（8封网推）

项目结业证书

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导或者CNKI检索的英文普刊全文投递与发表指导

上一篇：AI与HCI人机交互专题：基于章鱼神经模拟与强化学习的交互机器人设计方法研究

下一篇：返回列表