人工智能是当前最具颠覆性的技术之一，各国政府、研究机构和企业已积极行动，制定技术战略、密切跟踪最新技术发展。2017年7月，国务院印发《新一代人工智能发展规划》，将人工智能提升到国家战略层面。8月，国家电网公司启动人工智能相关工作，形成《国家电网公司人工智能专项规划》。为探讨人工智能技术在电力领域的应用前景和方向，寻找人工智能在电力领域的着力点和突破点，中国电科院于12月6日召开主题为“人工智能在电力领域的研究应用方向和关键技术”的二零八科学会议，中国科学院院士周孝信、中国电科院总工程师汤涌、副总经理（副院长）王继业、副总经理（副院长）高克利出席会议，来自国网公司、科研单位、高等院校的50余位专家参加。
会议邀请9位知名专家就人工智能技术进展及其在电力系统中的应用实践和展望做专题报告。与会专家就人工智能在电力领域的研究应用方向和关键技术进行了热烈而深入的讨论，并初步达成共识。
交通可视化——通向智慧城市的必经之路
朱闽峰 陈为 郭方舟 王飞跃
摘要：城市交通与我们每个人的生活息息相关，也给现代化城市带来了巨大的难题，如交通拥堵、空气污染等经济环境问题。可视分析技术一直在交通数据分析的过程中扮演了一个重要的角色。从基础的流量分析到交通事件的挖掘，可视化方法进一步结合交通和周围环境的关系，从全新的角度解释交通系统与人类社会的关系。本文简单回顾了一个世纪以来交通可视化的历史发展和近年来基于交通大数据的可视化应用，希望带读者揭开未来智慧城市的一角。
关键词：交通大数据，可视化，可视分析
随着交通系统的快速发展，交通已经成为人类生活中一个重要的组成部分。据统计，城市中大约有40%的人口每天花费1小时在交通上[1] 。然而，现代城市中大量的人口以及交通工具产生了许多城市问题，比如交通拥堵、交通事故和空气污染等[2]。
伴随着大数据可视化的热潮，在交通数据中使用可视化可以帮助人们有效地理解移动车辆的行为、发现交通在时空上的模式，从而为交通优化等提供决策信息。当代交通系统每时每刻都会产生大量的数据，比如，出租车上搭载的GPS传感器会记录出租车的行驶轨迹；街道监控摄像头会记录车辆的通过情况。而且，伴随着城市越来越大，汽车越来越多，监控越来越多，交通数据的规模有了爆炸性的增长。在这种情况下，直接对交通数据进行分析的传统方法已经变得越来越困难，而且效率越来越低，数据挖掘、机器学习和可视化等智能化技术的深入和广泛使用已经变得刻不容缓[3-4]。特别地，可视化可以将用户和数据直接相关，支持用户以简单可视的方式与数据进行交互，进而实现用户智慧和机器智慧交融反馈，可以极大地提高分析和决策的效率与准度。
浙江大学计算机学院CAD&CG国家重点实验室教授、博士生导师陈为的《面向在线商业日志数据的可视分析新方法研究》，通过与阿里巴巴开展合作，可让分析者在短短几分钟内寻找数据规律、分析推理，从而了解产业发展趋势。该项目还得到了浙江省自然科学基金的大力支持。
在线交易记录、集群日志数据、用户购买偏好数据……互联网每天都在产生大量的商业日志数据。例如，如果用传统的管理办法很难及时准确地捕捉其中发生的变化及虚假交易信息。“比如双11当天的交易量非常大，欺诈的交易没有办法一笔笔人工去看，有些单笔交易是正常的，串连起来就会有问题。”陈为告诉记者。
现代城市是由人、机、物等组成的繁复的生活系统，其间产生的数据可用巨量来形容。要对这些宏大的数据进行收集、梳理并作分析，难度有之。在云栖大会上，浙江大学计算机学院副院长陈为教授为我们分享了其团队近几年在城市大数据、可视化方面的部分科研成果，并探讨了机器学习等在城市数据研究中的重要性。
今天我向各位分享的是我们浙江大学可视化与可视分析小组最近两年的研究工作。
首先简单给大家两个定义。
第一个，可视化是什么？可视化实际上是把数据信息转化为人眼能识别的可视符号，通过眼睛来增强人类大脑认知的一种方法。可视化其实是人机交互、虚拟现实应用里面的关键技术。
第二个，可视分析是什么？2004年美国在对反恐情报的分析中，出现了一些核心问题（DT君注：美国国土安全局之后成立国家可视化与分析中心），后来就演化出了一个新的学科，叫做可视分析学。这门学科是把可视化、人机交互、数据挖掘结合起来，形成的一种新的解决问题的综合性的思维方式。
我从2004年开始就转向了可视化分析方面的研究。尤其最近几年，人工智能的兴起使得我们能够更好地考虑去做智能可视化，来分析一些问题。
今天要向大家展示的，是围绕最近几年我们拿到的一些真实、少量的数据，我们所做的部分研究工作。
继续阅读 =>
大包小包地打车从火车站回家，却发现手机落在出租车上，好不容易联系上司机，司机却说没找到。这可怎么办呢？近日，阿里巴巴-浙江大学前沿技术联合研究中心发表了最新研究成果VAUD，它可利用可视分析技术将城市级查询的门槛降到最低，不需要写查询语句，拖拖拽拽就能对城市轨迹进行分析和推理。有了 VAUD，从此我们可以轻松找回丢在出租车上的手机。
没错，只要有了出租车和手机移动轨迹的数据，只要在系统输入你上下车的时间和地点，就能找到匹配的出租车（增加路过的时空点可以提高匹配的准确度），再通过查找和出租车匹配的手机轨迹，就能定位你的手机（和司机的手机），看看你下车后手机和出租车的匹配度，就知道你的手机是不是还在车上。如果手机被后来的乘客顺走，还可以同样地定位该乘客的去向。类似的功能还可以在警察定位逃犯、嫌疑人跟踪等安全场景应用。
论文：E-Map: A Visual Analytics Approach for Exploring Significant Event Evolutions in Social Media
作者：Siming Chen, Shuai Chen, Lijing Lin, Xiaoru Yuan, Jie Liang, Xiaolong Zhang
发表会议：IEEE VAST 2017
一、介绍
社交媒体在信息与重要事件的传播与扩散中起了重要作用。当一个重要事件在社交媒体中出现时，会引发一系列的关注者转发、评论该问题，并产生新的意见。一个重要事件往往有上百万人牵涉其中。因此，社交媒体能很好的反应事件的演变过程、激发人们参与事件讨论的原因。关于某个重要事件，人们关注的问题包括：人们在社交媒体上讨论什么？信息是如何传播的？事件的演变是如何发生的？
作者：Yunhai Wang, Yanyan Wang, Yinqi Sun, Lifeng Zhu, Kecheng Lu, Chi-Wing Fu, Michael Sedlmair, Oliver Deussen, and Baoquan Chen
发表：2017 TVCG (InfoVis)
1、动机：
1）图数据应用广泛，需求多样，难以适应
2）没有方法既美观又易读，还能适用于大规模数据
2、贡献：
1） 改进模型：改进stress majorization模型，将其重新构造成一个可自定义约束的通用可视化框架
2）使用方法：给出结合三类约束优化布局的方法
3）相关系统：支持GPU加速，可交互探索10K节点，90K边的图形布局
VAST2017
作者:Arjun Srinivasan, Hyunwoo Park, Alex Endert, Rahul C. Basole
论文：SkyLens: Visual Analysis of Skyline on Multi-dimensional Data
作者：Xun Zhao, Yanhong Wu, Weiwei Cui, Xinnan Du, Yuan Chen, Yong Wang, Dik Lun Lee, and Huamin Qu
发表会议：IEEE VAST 2017
介绍
日常生活中，我们总是要在一个多维数据集中比较多个候选者，然后最终做出决定选择一个。例如，旅游的时候我们想要选择一个目的地，我们往往会考虑花费、气候、安全性等。当数据量比较大时，做选择就要进行多次对比，非常耗时。因此，一般会采用
skyline查询，自动的抽取出一系列优质的skyline point作为候选，这些候选不会影响最终结果。然而，Skyline查询减少了需要考虑的数据，但是1）用户还得在skyline points中查找自身喜好的数据，2）skyline points数量可能仍然比较多。因此，我们需要一个比较skyline的工具。
论文：EventThread: Visual Summarization and Stage Analysis of Event Sequence Data
作者：Shunan Guo, Ke Xu, Rongwen ZhaoDavid Gotz, Hongyuan Zha, and Nan Cao
1.简介
本文提出了一种对事件序列数据进行可视化概括和阶段分析的技术，并实现了一种全面而集成展示和分析数据的新型可视化系统。