分享到微博 分享到人人 分享到LinkedIn 分享到Email
获奖选手介绍

决赛第一题:以“城市计算”为主题,要求选手以Microsoft Azure云平台为工具,基于已知的4小时空气数据,推算并预测城市未来12小时的空气质量,发挥参赛选手创造力。

项目名称:空气质量指数预测系统

获奖项:第1组第一名

团队成员:孙祥彦(复旦大学)、王杉(清华大学)

功能:利用已知的四小时的空气质量、温度、气压、风力等数据,以及未来十二小时的天气预报,预测未来十二小时的空气质量状况,所使用技术为SVM 分类器。

基本思路:用四个小时的数据以及下一个小时的天气预报为输入,下一个小时的空气质量为结果进行训练。预测时采用滑动窗口,不断地预测后一个小时的空气质量,直到12个小时预测完成后统计结果。

技术和工具:

  • SVM分类器;
  • Microsoft Azure, Bing Map

优势和亮点:算法比较简洁、清晰,实际效果很理想。

 

项目名称:空气质量预测

所获奖项:第1组第二名

团队成员:唐頔朏(中国科学技术大学)、季芸(南京理工大学)、孙勤政(复旦大学)

功能:本项目通过挖掘历史数据,对未来空气质量进行预测。

基本思路:本项目基本思路主要分三步:

1) 原始数据空洞修补(KNN),由于数据有很多的空洞,所以用KNN的方法,寻找和特征最相近的另一个特征,来填补空洞,这样可以保证数据的完整性;

2) 分类(svm),主要用到了机器学习的知识同时结合概率论和统计学,主要方法是svm,即支持向量机算法,将低维空间映射到高维,使得线性可分;

3) 模型建立,机器学习来说,最重要的是对模型建立。我们将时间因素考虑到了模型中,根据每天空气质量呈现的趋势,进行预测;

技术和工具:

  • SVM分类器;
  • Microsoft Azure, Bing Map, d3.js

优势和亮点:该项目优势明显,空数据修补和时间因素的加入,对预测准确率的影响至关重要。

 

项目名称:空气质量预测

所获奖项:第1组第三名

团队成员:时丕勋(台湾大学)、陈庭纬(台湾大学)

功能:本项目通过挖掘过去4小时数据,对未来12小时空气质量进行预测。

技术和工具:平均法 、最后法 、天气统计法 、SVC 、SVR + SVC

· 平均法:O(0) Training ,最直觉的 baseline 算法 ,5-Fold Cross-Validation Accuracy = 64.35%

· 最后法:O(0) Training Again ,维持现状 、追本溯源 ,5-Fold Cross-Validation Accuracy = 67.64%

· 天气统计法:P(AQI | Weather) ,没有天气预报就随心所欲,不踰矩 ,5-Fold Cross-Validation Accuracy = 76.24%

· 特征向量:AQI 、温度 、气压 、湿度 、风速 、风向 、天气测站

决赛第二题:利用扬州的真实数据真实场景,鼓励倡导参赛学生开拓视野、锐意创新,开发针对民生方面的应用与服务。 提交成果鼓励针对市民的定制个性化, 不拘泥于PC、手机、平板等终端访问方式,凸显任何时间、任何地点、任何人享受智慧城市的信息化应用与服务。

 

项目名称:Healthy Companion

 

所获奖项:第2组第一名

团队成员:陈晓奇(清华大学)、王力(中山大学)

功能:Healthy Companion可根据病人描述症状进行初期诊断,并给出去医院的路线,在规划过程中避开可能拥堵的区域。

基本思路:项目idea来源于生活中的两个问题。其一,许多市民在身体不适时不会去咨询医生,因为医生资源很有限、医院可能很拥挤;其二,时常见到救护车被堵死在路上,影响急救,于是我们希望在规划急救路线时避开拥堵区域。项目使用的OData平台上的医院和交通广播数据,利用Bing Maps进行前端和后端运算并辅助自然语言分析,用Azure平台存储数据和运行。

技术和工具:

  • 自然语言识别;
  • Bing Maps获取路径,几何计算;
  • 数据库(疾病症状描述);
  • PHP HTML5 CSS3,使用了Bootstrap和Bing Maps库;
  • 项目初步的整合了语音识别输入功能以贴近现实使用场景;
  • Windows Azure

优势和亮点:各项技术开发都较为均衡,功能实现较为完整,整体完成情况较好。

项目名称:连锁酒店选址

 

 

所获奖项:第2组第二名

团队成员:卢奇(山东大学)、杨池良(杭州电子科技大学)

功能:该项目是连锁酒店选址应用,为连锁酒店在扬州选址提供参考。

基本思路:随着社会的不断发展,地址选择的重要性日益突出,这款应用则是为连锁酒店在扬州选址提供参考。首先根据给的数据得到对于地址选择的影响因子的相关性和每个影响因子的权重,然后得到一个函数,并用这个函数当作估价函数使用模拟退火算法得到最终的选址,然后在Bing map中展示出来。

技术和工具:

· 主成分分析和聚类分析;

· 模拟退火算法;

· Microsoft Azure 和Bing Map;

优势和亮点: 立意新颖,具有一定的实际意义,同时完成情况也不错,各项算法能够熟练使用。

项目名称:House Craft

 

所获奖项:第2组第三名

团队成员:任春旭(上海交通大学)、杨沐杉(北京航空航天大学)

功能:建立模型进行房地产的价格预测,以及房产推荐。

基本思路:采用城市区位、配套设施、公共资源等要素,通过回归分析等模型进行房地产的价格预测,通过Angular, Sinatra等开源技术搭建了网站,并使用bing map,将数据与结果以直观的形式呈现给用户,并能通过不同的要素进行房产过滤及推荐。其中采用Git进行协同开发及代码管理,使用Azure VM作为发布平台,完成了整个项目。

技术和工具:

· 回归分析;

· Angular, Sinatra开源框架;

· Microsoft Azure 和 Bing Map;

优势和亮点: 立意符合当前实际环境,能够直观的帮助消费者进行房地产相关数据分析及筛选,完成度较高。