岁末年关，寒风凛冽，但学术氛围依旧火热。2016年12月28日星期三 17:30-19:30，同济大学交通运输工程学院TOPS课题组在通达馆517召开了第27期组会，参会人员有孙剑教授、倪颖副教授、来自电信学院的赵振岐、鄂世嘉、单光旭同学以及TOPS课题组全体学生。

本期组会我们有幸邀请到了来自电信学院的赵振岐同学为大家介绍他的研究基于深度学习方法的出租车乘客推荐系统（《A Passenger Recommender for Taxis with Deep Learning Approaches》）。

赵振岐介绍深度学习在出租车寻客推荐中的应用

如何降低出租车的空驶率是目前交通领域的研究热点，而赵振岐同学则从其专业的角度为我们介绍了如何利用深度学习的方法来解决这一问题，为我们交通专业的学生提供了新的研究方法，开阔了大家的研究思路。赵振岐同学将深度学习方法概括为一种借助神经元感知的而复杂的非线性系统，他认为目前的一些出租车寻客推荐系统存在忽视上下文环境及推荐过程不够完善的缺点，而利用深度学习的方法可以在一定程度上解决这一问题。

赵振岐同学首先将map网格化处理，然后将出租车GPS数据处理得到trajectory，并形成trip，两者结合后确定网格化的上客点。接下来他详细为大家介绍了Embedding的特征表示形式。Embedding可以解释为“嵌入”，即将一个字符信息转化为多维度的数值向量，目的是可以使得这个字符包含有更多的信息，为我们后续建立起多个字符信息之间的关联奠定基础。而在基于神经元的深度学习处理过程中降维处理是使得中间神经元的个数小于原始输入 的维数。Embedding这个概念对于我们交通专业的学生来说是一个比较新鲜的概念，而赵振岐同学用一个实例将其解释。即经过深度学习的训练处理过程，最终我们可以输入出租车ID，起点终点、时刻、天气等信息可以预测得到最有可能的上客地点以及路况信息。最后，利用打分公式可以为出租车司机提供一个最优的寻客方案。

赵振岐同学的介绍为我们在数据处理方面的研究带来了很多启发，而通过和孙剑教授、李铁男同学、秦国阳同学以及马子安同学的交流，也使得他发现了这一系统在交通领域存在的一些问题，为他后续的研究提供了新的方向和思路。他也呼吁TOPS课题组的同学们不要惧怕数据处理的复杂算法，学习使用一些常用编译软件及数据处理平台可以为大家的研究带来新的生机。孙剑教授最后也提到目前交通领域的研究已经不再局限与传统的交通方法，利用数据处理的方法已经成为交通研究的必然趋势，而数据处理方法在交通领域的应用也日益增多，TOPS课题组的同学们也应该借此机会增进与电信学院学生的联系，双方取长补短，建立长期的合作机制，促进各自研究的进一步深入。

本次组会无论是来自电信学院的同学还是TOPS课题组的同学们都受益良多，期待大家今后多多加强与其他专业领域同学的交流，让交通专业问题走出去，寻求更多研究方法和解决方案！