项目描述: 背景：长期以来智能交通行业的解决方案多以“路侧感知设备+传统交通模型或仿真工具模拟”为支撑去落地，此类方式无论是在算法迁移性、通用性上，还是落地周期和效率上都有明显弱势，往往还需要人工干预，人力成本较高。近年来AI技术的成熟和导航定位能力的提升使得我们有机会构建以“浮动车数据+AI模型”为主的新型工具服务交管、交通、自动驾驶等行业的解决方案落地，用大规模泛化性提升效率并降低成本。 目标：基于AI技术和高德海量时空数据探索智能交通行业算法新范式并实现落地应用。 内容：项目包含但不限于如下关键技术的研究： 1）少样本下多模态时空数据预测技术； 2）信号配时优化方案AI推演技术； 3）路网状态端到端反推预测技术。 职位描述： 1、负责城市时空大数据的挖掘工作，包括并不限自动化处理和特征分析等。 2、参与项目关键AI技术的预研、设计与开发工作。 3、完成算法在智能交通场景的测试和应用落地，关键指标提升10%以上； 4、跟踪调研大模型在智能交通领域应用的前沿技术。 职位要求： 1、城市时空大数据、交通大数据、计算机、人工智能相关专业，硕士及以上学历在读； 2、熟练使用Hive、Sql、Python等大数据处理分析工具，熟悉Linux操作系统、Tensorflow、Pytorch等主流深度学习框架； 3、实习时长不少于2个月，每周实习至少4天。 4、有OD模型、交通流模型、信控优化模型等智能交通算法落地经验者优先。 5、在智能交通、计算机、地理信息领域顶级期刊、会议发表过论文的优先