尹建鑫首先介绍了主讲人的相关信息。熊世峰是中国科学院数学与系统科学研究院副研究员，实验设计与不确定性量化研究中心主任。研究方向包括计算机实验与不确定性量化、高维数据分析、统计推断、机器学习等，统计应用方面的研究主要是数字孪生、交通大数据分析、质量与可靠性等。在Biometrika, Technometrics, IISE Transactions等统计学、工业统计、工业工程期刊发表论文 50 余篇，在质量特性统计建模与分析方面的工作曾获科技进步二等奖。

熊世峰首先回顾了课题的背景。如今地铁是北京等大城市最重要的出行方法之一，地铁系统的控制与安全成为了打造城市智能交通的重要方面。乘客流的估计与预测对地铁管理部门非常重要，尤其在早晚高峰和极端天气、突发事件时。地铁数据通常只有AFC(记录乘客进出站刷卡信息)和AVL(记录车次信息)数据，而乘客在地铁系统中的活动轨迹完全未知，相当于一个黑箱。

基于此背景，熊世峰团队建立了乘客刷卡时间数据的动态统计模型，并给出了模型中参数的估计方法，完全由数据驱动，不同于文献中的已有推断方法都需要其它辅助信息。此外，该模型可以用于推断乘客流的各类指标，包括总体指标（如乘车概率和出站走行时间分布等）和个体指标（如个体最大可能乘坐的车次等），以及用于乘客出站时间的实时（区间）预测。熊世峰与其团队应用该方法分析了北京地铁6号线的客流，比较了高峰期和非高峰期客流的不同特点。

熊世峰接着阐述了该模型在交通客流方面的应用，以及运用到北京地铁的实际数据分析。以北京地铁6号线为例，对高峰期和平峰期分别进行数据的统计和研究，共采集两万多份数据，结合生活实际，以模型为基础，通过统计分析进站和出站时间，建立了动态统计模型，预测了高峰期和平峰期的车次概率变化和乘客乘车特征。