查看: 29889|回复: 1

[公告] 【新课标】信息科技跨学科案例-九年级人工智能预测出行

本帖最后由 Doughnut 于 2022-10-19 10:35 编辑

人工智能预测出行

项目来源

为满足新课标中九年级“人工智能与智慧社会”内容要求，结合跨学科主题“人工智能预测出行”，体现用数据集结合人工智能算法解决出行问题，设计了项目“人工智能预测出行”。

项目简介

在“人工智能预测出行”项目中，学生将根据出行的历史数据，如温度、湿度、光照、是否下雨、出行方式，利用机器学习算法训练模型，最后根据传感器数据，预测合适的出行方式。

项目中的主控器为行空板，连接温湿度传感器和水分传感器，实现模型训练和出行预测，通过行空板屏幕，实现数据显示和交互流程。

“人工智能预测出行”功能展示

行空板界面展示

视频

项目知识点

贴合新课标中九年级的内容要求，“人工智能预测出行”核心教学以下知识点:

1. 认识身边的人工智能应用，如利用人工智能技术帮助人们预测出行方式，感受人工智能技术对生活的深刻影响。

2. 了解“人工智能预测出行”项目中所依赖的数据、算法和算力。其中，数据为出行的历史数据，包括165行温度、湿度、光照、是否下雨、出行方式的表格数据，算法为贝叶斯算法，算力也就是行空板的计算能力，体现在行空板处理数据和执行算法的计算能力。

3. 初步了解机器学习算法中贝叶斯算法的实现过程，先将历史出行数据放到算法中，训练成模型，然后将传感器检测的数据，输入到模型中，最后模型输出预测的出行方式。

4. 通过人工智能预测出行案例，对比计算机传统方法和人工智能方法处理同类问题的效果。例如，计算机传统方法在预测出行方式时，一般会根据某种指定因素来做出判断，如下雨天就建议汽车出行，晴天就建议自行车出行。而人工智能方法预测出行时，可以综合考虑到多种因素，通过算法来发现不同数据的内在联系，得出综合判断。

项目原理

九年级主题为“人工智能与智慧社会”，在“人工智能预测出行”项目中，贝叶斯算法的实现流程如下图。

首先，将历史出行数据集，包括多行温度、湿度、光照、是否下雨、出行方式的表格数据，利用贝叶斯算法训练成模型。然后，将传感器实时检测的数据，包括温度、湿度、光照、是否下雨，输入到模型中。最后，模型输出出行预测结果。

硬件介绍

在“人工智能预测出行”中，使用主控器结合传感器，实现项目功能。

主控器为行空板（点击购买）。

传感器为温湿度传感器（点击购买）和水分传感器（点击购买）。

各硬件功能介绍如下所示。

【新课标】信息科技跨学科案例-九年级人工智能预测出行图5