盛玉娇

蘑菇云资深课程设计工程师，开发《掌控板入门教程》《掌控板进阶教程》等科创类教程教材百余篇，收获超10万浏览量，曾荣获第一届掌控板教学应用设计大赛三等奖。

学习背景

人工智能正在对人们的学习、生活与工作，特别是解决问题的思维方式产生深刻影响。教师可以引导学生从生活中感兴趣的问题出发设计活动，如在不同天气条件下，预测其他学生会选择何种交通工具来到学校；如何选择通过多种方式收集到的多组数据，建构多维度数据集，初步运用人工智能方式对同伴出行的交通工具进行预测。

本项目可满足新课标中“人工智能与智慧社会”内容要求，结合新课标中的跨学科主题“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的一般过程。

教学目标

1.通过认识身边的人工智能应用，体会人工智能技术正在帮助人们以更便捷的方式投入学习、生活和工作中，感受人工智能技术的发展给人类社会带来的深刻影响。2.通过分析典型的人工智能应用场景，了解人工智能的基本特征及所依赖的数据、算法和算力三大技术基础。3.初步了解人工智能中机器学习的实现方式。

教学重点与难点

教学重点 能够使用传感器采集数据并制作数据集，利用机器学习算法中的贝叶斯算法训练出模型。

教学难点 能理解机器学习算法的原理。

教学过程

一、项目简介

人工智能是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。本项目将介绍人工智能的基本概念和术语，通过生活中的人工智能应用，带领大家理解人工智能的特点、优势和能力边界，了解人工智能与社会的关系，以及发展人工智能应遵循的伦理道德规范。

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。

二、项目所需硬件介绍

在“人工智能预测出行”项目中，学生学会使用主控器结合传感器，实现项目功能。主控器为行空板，传感器为温湿度传感器和水分传感器。

三、项目硬件接线

“人工智能预测出行”项目的硬件接线原理图如图1。使用3pin硅胶绞线，将温湿度传感器接到行空板的P21引脚，将水分传感器接到行空板的P24引脚。

参考接线实物图如图2。

四、项目流程图

教师让学生在编写程序前，共同讨论并梳理出项目流程图，以便更好地理解和编写程序。在“人工智能预测出行”项目中，需要经历训练、预测两个过程。

在训练过程中，行空板屏幕上显示出行数据集，点击屏幕上的“训练”按钮，即可开始训练；训练完成后，点击屏幕上的“预测”按钮，即可进入“预测”过程，此时行空板屏幕上会实时显示传感器数据，并根据传感器的实时数据，输出预测出行结果。根据上述分析，项目系统功能流程图如图3。

五、项目程序编写

教师分析总结完流程图后，学生们可以着手编写程序。在编写程序过程前，教师对项目进行进一步的功能细化。本项目可分解为以下三个功能。

功能一：制作出行数据集

使用温湿度传感器收集温度、湿度数据；使用行空板上自带的光线传感器采集光照数据；使用水分传感器采集下雨（雨滴）数据，采集出行方式数据，包括自行车出行、汽车出行等。

功能二：训练出行模型

将采集到的数据整理为数据集，对数据集进行一定的数据清洗。将清洗的数据集放入贝叶斯算法中，借助贝叶斯算法将采集到的温度、湿度、光照、是否下雨、出行方式相关数据集训练成模型，让学生明确感知数据的重要性，进一步了解人工智能的基本特征及所依赖的数据、算法、算例的三大技术基础，以及贝叶斯算法的原理和作用。

功能三：预测出行方式

通过实时采集温度、湿度、光照、是否下雨四种数据结合生成的模型来预测出行方式，通过实时的环境数据，根据模型文件，也能预测当天的出行方式；最后通过行空板界面告知预测结果。这样能使学生掌握人工智能中预测结果的实现方式，也能让学生深切感受和对比计算机传统方法和人工智能方法处理同类问题的不同效果。接下来，根据流程图和项目细化功能，学生们编写程序，逐步实现上面功能。部分参考程序如图4。

（注意：如需下载完整项目程序，请访问 https://mp.weixin.qq.com/s/81-UQ4DtwGeXlX6VIhEk7w）

六、运行效果

运行程序，行空板界面如图5，点击“训练”即可开始训练模型。训练完成后，点击“预测”，行空板界面切换为如图6，在行空板屏幕上会显示传感器实时数据和出行方式预测结果。

七、项目原理分析

“人工智能预测出行”项目使用了人工智能机器学习算法中的贝叶斯算法，其算法实现流程如图7。

贝叶斯算法的实现过程为：首先将历史出行数据集，包括出行温度、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，输入到模型中。最后，模型输出出行预测结果。

八、项目知识点回顾

“人工智能预测出行”项目核心知识点：1.了解项目中所依赖的数据、算法和算力。2.初步了解机器学习算法中贝叶斯算法的实现过程，即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模型中，最后模型输出预测的出行方式。3.通过人工智能预测的出行案例，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。4.通过实验探究，让学生明确感知到数据的重要性，数据量大、数据完善的数据集能够得到更好的效果，学习并了解贝叶斯算法的原理和作用。

教学总结

本节课涉及跨学科融合，综合运用了信息科技、数学、物理、化学、生物等学科知识。项目设计贴近学生生活，并能迁移到其他更多相似的场景应用中。

本项目综合难度较高，建议在教学过程中，作为综合项目，分成多节课来完成，帮助学生进一步认识身边的人工智能应用，理解人工智能技术，了解人工智能中机器学习的实现方式。