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。