人工智能預測出行

盛玉嬌

蘑菇云資深課程設計工程師，開發《掌控板入門教程》《掌控板進階教程》等科創類教程教材百余篇，收獲超10萬瀏覽量，曾榮獲第一屆掌控板教學應用設計大賽三等獎。

學習背景

人工智能正在對人們的學習、生活與工作，特別是解決問題的思維方式產生深刻影響。教師可以引導學生從生活中感興趣的問題出發設計活動，如在不同天氣條件下，預測其他學生會選擇何種交通工具來到學校；如何選擇通過多種方式收集到的多組數據，建構多維度數據集，初步運用人工智能方式對同伴出行的交通工具進行預測。

本項目可滿足新課標中“人工智能與智慧社會”內容要求，結合新課標中的跨學科主題“人工智能預測出行”，體現用數據集結合人工智能算法解決出行問題的一般過程。

教學目標

1.通過認識身邊的人工智能應用，體會人工智能技術正在幫助人們以更便捷的方式投入學習、生活和工作中，感受人工智能技術的發展給人類社會帶來的深刻影響。2.通過分析典型的人工智能應用場景，了解人工智能的基本特征及所依賴的數據、算法和算力三大技術基礎。3.初步了解人工智能中機器學習的實現方式。

教學重點與難點

教學重點 能夠使用傳感器采集數據并制作數據集，利用機器學習算法中的貝葉斯算法訓練出模型。

教學難點 能理解機器學習算法的原理。

教學過程

一、項目簡介

人工智能是研究和開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。本項目將介紹人工智能的基本概念和術語，通過生活中的人工智能應用，帶領大家理解人工智能的特點、優勢和能力邊界，了解人工智能與社會的關系，以及發展人工智能應遵循的倫理道德規范。

在“人工智能預測出行”項目中，學生將根據出行的歷史數據，如溫度、濕度、光照、是否下雨、出行方式，利用機器學習算法訓練模型，最后根據傳感器數據，預測合適的出行方式。項目中的主控器為行空板，連接溫濕度傳感器和水分傳感器，實現模型訓練和出行預測，通過行空板屏幕，實現數據顯示和交互流程。

二、項目所需硬件介紹

在“人工智能預測出行”項目中，學生學會使用主控器結合傳感器，實現項目功能。主控器為行空板，傳感器為溫濕度傳感器和水分傳感器。

三、項目硬件接線

“人工智能預測出行”項目的硬件接線原理圖如圖1。使用3pin硅膠絞線，將溫濕度傳感器接到行空板的P21引腳，將水分傳感器接到行空板的P24引腳。

參考接線實物圖如圖2。

四、項目流程圖

教師讓學生在編寫程序前，共同討論并梳理出項目流程圖，以便更好地理解和編寫程序。在“人工智能預測出行”項目中，需要經歷訓練、預測兩個過程。

在訓練過程中，行空板屏幕上顯示出行數據集，點擊屏幕上的“訓練”按鈕，即可開始訓練；訓練完成后，點擊屏幕上的“預測”按鈕，即可進入“預測”過程，此時行空板屏幕上會實時顯示傳感器數據，并根據傳感器的實時數據，輸出預測出行結果。根據上述分析，項目系統功能流程圖如圖3。

五、項目程序編寫

教師分析總結完流程圖后，學生們可以著手編寫程序。在編寫程序過程前，教師對項目進行進一步的功能細化。本項目可分解為以下三個功能。

功能一：制作出行數據集

使用溫濕度傳感器收集溫度、濕度數據；使用行空板上自帶的光線傳感器采集光照數據；使用水分傳感器采集下雨（雨滴）數據，采集出行方式數據，包括自行車出行、汽車出行等。

功能二：訓練出行模型

將采集到的數據整理為數據集，對數據集進行一定的數據清洗。將清洗的數據集放入貝葉斯算法中，借助貝葉斯算法將采集到的溫度、濕度、光照、是否下雨、出行方式相關數據集訓練成模型，讓學生明確感知數據的重要性，進一步了解人工智能的基本特征及所依賴的數據、算法、算例的三大技術基礎，以及貝葉斯算法的原理和作用。

功能三：預測出行方式

通過實時采集溫度、濕度、光照、是否下雨四種數據結合生成的模型來預測出行方式，通過實時的環境數據，根據模型文件，也能預測當天的出行方式；最后通過行空板界面告知預測結果。這樣能使學生掌握人工智能中預測結果的實現方式，也能讓學生深切感受和對比計算機傳統方法和人工智能方法處理同類問題的不同效果。接下來，根據流程圖和項目細化功能，學生們編寫程序，逐步實現上面功能。部分參考程序如圖4。

（注意：如需下載完整項目程序，請訪問 https：//mp.weixin.qq.com/s/81-UQ4DtwGeXlX6VIhEk7w）

六、運行效果

運行程序，行空板界面如圖5，點擊“訓練”即可開始訓練模型。訓練完成后，點擊“預測”，行空板界面切換為如圖6，在行空板屏幕上會顯示傳感器實時數據和出行方式預測結果。

七、項目原理分析

“人工智能預測出行”項目使用了人工智能機器學習算法中的貝葉斯算法，其算法實現流程如圖7。

貝葉斯算法的實現過程為：首先將歷史出行數據集，包括出行溫度、濕度、光照、是否下雨、出行方式的表格數據，利用貝葉斯算法訓練成模型。然后，將傳感器實時檢測的數據，輸入到模型中。最后，模型輸出出行預測結果。

八、項目知識點回顧

“人工智能預測出行”項目核心知識點：1.了解項目中所依賴的數據、算法和算力。2.初步了解機器學習算法中貝葉斯算法的實現過程，即先將歷史出行數據放到算法中，訓練成模型，然后將傳感器檢測的數據輸入模型中，最后模型輸出預測的出行方式。3.通過人工智能預測的出行案例，對比計算機傳統方法和人工智能方法處理同類問題的效果。4.通過實驗探究，讓學生明確感知到數據的重要性，數據量大、數據完善的數據集能夠得到更好的效果，學習并了解貝葉斯算法的原理和作用。

教學總結

本節課涉及跨學科融合，綜合運用了信息科技、數學、物理、化學、生物等學科知識。項目設計貼近學生生活，并能遷移到其他更多相似的場景應用中。

本項目綜合難度較高，建議在教學過程中，作為綜合項目，分成多節課來完成，幫助學生進一步認識身邊的人工智能應用，理解人工智能技術，了解人工智能中機器學習的實現方式。