随着丰富的信息化技术深入到生活与生产的各个方面，它们产生的大量感知数据为研究情景感知、行为分析、以及智能决策提供了支撑。实验室的研究方向包括数据驱动的因果知识发现、面向物联网的决策知识发现和基于深度学习的时空数据预测，相关具体应用研究包括了云服务系统的故障诊断、道路交通的时空速度预测、轨道交通的人流预测等。

本方向的研究内容包括了：

1. 面向物联网时空数据的决策知识发现：随着物联网设备越来越深入生产生活的各个方面，它们产生的实时数据和海量知识也为传统信息处理技术带来新的挑战。如何准确、快速且智能的根据感知数据进行决策，将是未来许多相关前沿领域共同面临的关键问题。实验室的研究包括构建人机物融合感知计算的参考模型、基于本体的情景事件建模和检测、基于情景关联的感知模型研究等，并运用在了智能电器的情景指纹和行为检测上。

2. 因果知识发现：大数据的出现使得学习数据中包含的因果知识称为可能。通过对时序或者i.i.d.的数据进行因果分析，人们能够发现变量之间的因果关系，例如道路节点之间的车流量关系、微服务系统中微服务之间的故障传播关系等，从而能够根据这些因果关系知识进行有效的情景感知，辅助智能决策。

3. 分布式系统的自动化故障诊断分析：在云服务平台中，故障事件的传播往往会导致微小的故障演变为系统级故障，最终使用户受到影响。实验室的研究内容包括针对这种分布式系统的故障诊断与分析，特别是当今流行的微服务架构的云应用架构体系，通过分析分布式系统的日志和性能指标数据，构建服务之间的关联，进行故障传播的根因分析。

4. 交通时空数据预测：针对道路交通或轨道交通的流量预测能够有效的帮助缓解可能的拥堵。在道路上，如果未来发现某一路段即将发生拥堵，那么可以提前对该路段周边路段进行流量控制，分散流量，避免拥堵。而交通数据又是时间上和空间上均在动态变化的数据，因此，实现准确的交通预测需要同时考虑时间和空间的动态性。实验室的研究采用了基于深度学习的方法，例如卷积LSTM、图卷积神经网络以及它们与因果发现算法的结合研究。

M. Ma, W-L. Lin, D-S. Pan, P. Wang*, “ServiceRank: Root Cause Identification in Large-Scale MicroService Architecture”, IEEE Transactions on Dependable and Secure Computing, 2021. (SCI检索, CCF A类期刊, 影响因子6.40)

Y-C. Pan, M. Ma*, X-R. Jiang, P. Wang*, “Faster, Deeper, Easier: Crowdsourcing Diagnosis of Microservice Kernel Failure from User Space”, ACM SIGSOFT International Symposium on Software Testing and Analysis (ISSTA), 2021. (CCF A类会议)

C. He, H. Wang, X. Jiang, M. Ma* and P. Wang*. “Dyna-PTM: OD-enhanced GCN for Metro Passenger Flow Prediction”. International Joint Conference on Neural Networks, 2021.（CCF-C 类会议，已接收）

M. Ma, P. Wang*, J-M. Xu, Y. Wang and P-F. Chen, “AutoMAP: Diagnose Your Microservice-based Web Applications Automatically”, The Web Conference (WWW), 2020. (Full paper, CCF A类会议)

M. Ma, W-L. Lin, D-S. Pan, P. Wang*, “Self-Adaptive Root Cause Diagnosis for Large-Scale Microservice Architecture”, IEEE Transactions on Services Computing, 2020. (Online, SCI检索, CCF B类期刊, 影响因子5.70)

M. Ma, W-L. Lin, D-S. Pan, P. Wang*, “MS-Rank: Multi-Metric and Self-Adaptive Root Cause Diagnosis for Microservice Applications”, IEEE International Conference on Web Services (ICWS), 2019. (Regular Paper, CCF B类会议)

M. Ma, P. Wang*, and C.-H. Chu, “Redundant Reader Elimination in Large-Scale Distributed RFID Networks,” IEEE Internet of Things Journal, 2018. (SCI检索一区, 影响因子7.5)

M. Ma, W-L. Lin, J-B. Zhang, P. Wang*, Y-C. Zhou, X-X. Liang, “Towards Energy-Awareness Smart Building: Discover the Fingerprint of Your Electrical Appliances”, IEEE Transactions on Industrial Informatics, 2017. (SCI检索一区, 影响因子6.67)

M. Ma and P. Wang*, “On the Consistency of Event Processing: A Semantic Approach”, Knowledge-Based Systems, 2017. (CCF C类期刊, SCI检索一区, 影响因子4.53)

M. Ma, L. Liu, Y-X. Lin, D-S. Pan, P. Wang*, “Event Description and Detection in Cyber-Physical Systems: An Ontology-Based Language and Approach”, IEEE International Conference on Parallel and Distributed Systems (ICPADS), 2017. (EI检索, CCF C类会议)

W. He, J-B. Zhang, M. Ma, P. Wang*, “MODE: A Context-aware IoT Middleware Supporting On-Demand Deployment for Mobile Devices”, IEEE International Conference on Parallel and Distributed Systems (ICPADS), 2017. (EI检索, CCF C类会议)

国家自然科学基金面上项目, 微服务架构的主动故障诊断方法研究, 2021年-2024年, 57万元, 在研

国防科技重点实验室基金, 基于轻量级学习模型的边缘智能故障管理技术研究-云中心, 2021年-2022年, 30万元, 在研

国防科技重点实验室基金, 复杂网络系统的可靠性建模、分析与评估技术, 2019年-2020年, 25万元

国家自然科学基金青年基金, 人机物融合感知网络的自主决策与闭环优化机制研究, 2018年-2019年, 18万元, 已结题

IBM国际共享大学研究课题, 大规模微服务拓扑中的异常根因节点发现技术研究, 2016年9月-2017年9月, 10万元, 已结题

IBM国际共享大学研究课题, 物联网实时数据流上的高维智能技术研究, 2015年9月-2016年9月, 10万元, 已结题

微服务系统根因节点的错误排查方法，王平、林蔚澜、马萌、潘迪生，授权专利 ZL 201910079577.9

一种微服务架构信息系统的故障根因定位方法，王平、潘宜城、马萌，专利申请号202011468424.2

分布式系统故障根因发现软件 V1.0，软件著作权登记2019SR0472315

支持应用逻辑按需部署的数据处理中间件系统，软件著作权登记号2019R11L103747