针对智慧城市建设面临的城市交通、城市规划与设计以及城市运行与管理过程中发生的图像、视频、交通流量等监测大数据，进行理论建模与分析，优化传统大数据分析算法在智慧城市大数据建模与分析实际应用中性能，研究主流大数据分析算法在交通视频图像分析实际应用中关键性理论与方法，通过最优化、多元统计、数据挖掘及机器学习等理论改进现有的大数据分析模型与算法，提升其在智慧城市管理实际应用的效果，为智慧城市建设与管理提供理论与算法支撑。
针对智慧城市建设面临的城市交通、城市规划与设计以及城市运行与管理过程中发生的图像、视频、交通流量等监测大数据，进行理论建模与分析，优化传统大数据分析算法在智慧城市大数据建模与分析实际应用中性能，研究主流大数据分析算法在交通视频图像分析实际应用中关键性理论与方法，通过最优化、多元统计、数据挖掘及机器学习等理论改进现有的大数据分析模型与算法，提升其在智慧城市管理实际应用的效果，为智慧城市建设与管理提供理论与算法支撑。
针对智慧城市大数据分析中，数据种类多样性问题，开展多模态复杂数据的表示与推理研究，推广并改进传统大数据分析算法的适应性和鲁棒性。针对当前统计分析方法的实际数据收集与格式处理的不足，开展多响应计算机实验的设计与分析；针对当前深度神经网络的鲁棒性不足问题，开展基于低秩矩阵理论的深度神经网络鲁棒性增强研究。
结合当前交通管理实际需求，依据交通监控视频大数据资源，运用智能分析算法进行非现场执法事件研判关键技术研究。例如：交通视频中车辆、行人的结构化分析以及交通场景相关的目标识别与语义描述。此外，针对复杂场景及噪声污染环境下的难点问题，利用深度学习网络，开展复杂场景下非现场交通事件智能研判关键技术研究，提升算法的鲁棒性。
面向公共交通枢纽、著名景区、大型商场、影剧院等地方往往会出现大客流的现象及相关管理部分的实际问题，重点研究景区或大型场所周边多源公共交通客流的分析，并以客流预测模型为核心建立客流预警系统，实现景区或大型城所客流综合预警的数据建模与算法设计。
带头人：何强
成员：崔景安、梁昔明、王恒友、张长伦、徐志洁、牟唯嫣、白羽、何凡、陈琳琳、赵丽、何黎黎、王乔
北京未来城市设计高精尖创新中心
刻画不同类型数据相似性的核函数的构造与优化，以及不同核函数计算的相似性的融合；提出交通视频车辆检测与识别、行人结构化分析以及交通标识检测与识别等；结合交通模式特征，利用序列模型预测城市交通指数。
构建混合数据相似计算的核设计和参数学习方法，建立基于核函数的模糊粗糙集模型，并分析其数学性质；提出有效的目标检测模型、非现场执法智能研判模型；基于混合深度神经网络模型预测方法。
融合间隔理论与模糊粗糙集理论的特征空间分类能力，建立相应的属性约简理论。结合实际案例检验非现场交通事件研判模型有效性；构建多尺度图像或视频异常检测深度学习模型。
针对以往景区客流预测数据源单一，传统时间序列模型对数据分布稳定性的依赖等问题，重点研究顾及景区周边多源公共交通客流，建立基于混合深度神经网络模型的景区客流预测方法。