2019年11月5日-8日，我团队博士生李明晓赴美国芝加哥参加ACM SIGSPATIAL 2019学术会议，并做题目为“A Data-Driven Approach to Understanding and Predicting the Spatiotemporal Availability of Street Parking”的学术报告。
报告内容概述如下：“停车难”成为影响城市居民出行体验的重要因素。停车规则的时空变化加大了规范停车的难度。如何便捷、准确地判别路边停车被罚概率成为城市居民的迫切需求。报告基于纽约市车辆罚单数据，围绕街边停车违章规则理解主题，构建了一套数据驱动的时空研究框架。框架采用MLR模型、贝叶斯模型、集成学习模型、SVM等多种学习模型构建停车概率时空预测方法，通过将数据聚合到点—道路—街区—公里格网四个不同的空间尺度，探索不同空间尺度下停车规则建模效果，并定量判别了POI类型、道路属性等因素对街边停车被罚概率的影响。
ACM SIGSPATIAL会议是GIS学科的顶级学术会议之一。会议已成功举办了二十七届（1993-2019年），旨在聚集地理信息领域的研究人员、开发人员、用户和从业者，促进 GIS全方位的跨学科讨论和研究ACM SIGSPATIAL 2020会议将在2020年11月3日-6日于美国西雅图举办，主题涵盖了时空数据挖掘、时空数据模型和算法、位置服务、地图匹配、分布式和并行计算、路径规划、轨迹计算等研究方向，具有重要的学术价值与应用价值，欢迎相关领域的学者和企业积极投递论文。
ACM SIGSPATIAL 2019会议现场
作者：李明晓