11月8日下午13:30-16:10，院级高等讲堂于36365线路检测中心no1（通达馆）103会议室成功举行。本次讲座属于复杂环境下城市轨道交通客流分析预测与运营管理系列讲座，两场讲座的主题分别为：（1）基于大规模位置数据的人员流动性分析；（2）交通领域的深度学习。讲座邀请了SpaceTimeLab核心成员,地理空间科学硕士项目负责人，来自伦敦大学学院土木、环境与测绘工程系James Haworth副教授为大家带来了精彩的报告。

在第一场讲座中，James Haworth教授介绍了将介绍一系列可用于分析人员流动性的位置信息大数据源。James Haworth教授通过一系列案例研究展示伦敦大学学院 SpaceTimeLab 如何将这些数据用于活动检测、人口分析和政策评估等课题。

通过James Haworth教授的介绍，同学们受益匪浅，并在最后的提问环节踊跃发言。教授解答了关于如何将我们日常活动留下的数据痕迹进行有效收集以及收集后的数据经过怎样处理来反映出人口流动性等疑问，现场气氛热烈。

第二场讲座的主讲嘉宾是James Haworth副教授，James Haworth教授指出深度学习已经改变了计算机在计算机视觉、模式识别和时间序列预测等领域执行各种任务的能力，并找到这些技术在交通研究中的应用场景。介绍与交通研究相关的深度学习的主要算法，回顾这些算法是如何被用于处理交通时空数据的,并进一步介绍伦敦大学学院 SpaceTimeLab的一些案例研究如利用计算机视觉理解道路风险和利用图神经网络预测事故风险。最后提出关于未来人工智能在交通领域的发展方向的一些想法。

通过James Haworth教授的介绍，同学们对机器学习方法有了更加深刻的认识，并在提问环节踊跃发言，James Haworth教授对了许多先进的机器学习算法的原理和其如何应用于交通数据处理进行了解答，现场学术氛围浓厚。

最后，成艳特聘研究员进行总结发言，并对两位嘉宾的精彩分享表示由衷的感谢，本期高等讲堂圆满结束。