团队围绕“数据+算法+场景”大数据智能三位一体，从科学、技术、工程三个层面形成了基于复杂网络科学的社会因控论、风险计算与深度认知智能分析方法、城市智能体与安全大脑等三个研究方向。

1、国家重点研发计划项目，社区风险监测与防范关键技术研究（编号：2018YFC0809800）, 【项目首席科学家】

2、国家社科基金重大项目，突发事件语义案例库建设与临机决策模式研究（编号：14ZDB153） ,【项目首席专家】

3、基于物联网的平安城市应急联动防控体系建设关键技术研究及应用示范（课题编号2013BAK02B06） ，国家科技支撑计划项目

4、建设创新型国家战略下天津市人工智能科技发展示范规划研究（编号：2018-XZ-28），中国工程院咨询研究项目,课题负责人

5、新时期中国特色应急管理体系的顶层设计和模式重构,国家自然科学基金重大研究计划“非常规突发事件应急管理研究”重点支持项目

6、快速城镇化典型衍生灾害防治的规划设计原理与方法,国家自然科学基金重点支持项目课题

7、智慧华明新市镇科技惠民综合示范，国家科技惠民计划项目

8、天津市人工智能关键技术预见与路线图研究(编号：17ZLDZF00430),天津市科技计划重点项目,项目负责人

1、国家重点研发计划项目，社区风险监测与防范关键技术研究（编号：2018YFC0809800）, 【项目首席科学家】

2、国家社科基金重大项目，突发事件语义案例库建设与临机决策模式研究（编号：14ZDB153） ,【项目首席专家】

3、基于物联网的平安城市应急联动防控体系建设关键技术研究及应用示范（课题编号2013BAK02B06） ，国家科技支撑计划项目

4、建设创新型国家战略下天津市人工智能科技发展示范规划研究（编号：2018-XZ-28），中国工程院咨询研究项目,课题负责人

5、新时期中国特色应急管理体系的顶层设计和模式重构,国家自然科学基金重大研究计划“非常规突发事件应急管理研究”重点支持项目

6、快速城镇化典型衍生灾害防治的规划设计原理与方法,国家自然科学基金重点支持项目课题

7、智慧华明新市镇科技惠民综合示范，国家科技惠民计划项目

8、天津市人工智能关键技术预见与路线图研究(编号：17ZLDZF00430),天津市科技计划重点项目,项目负责人

       智慧城市与大数据智能团队在大数据智能安全、风险计算等领域形成了一批有价值的原创性理论成果：创建了基于"地-事-人-行为"多层异质复杂网络的复杂社会系统模型及其智能算法；创新了利用社会/物理/网络/认知/生理五元交融空间的监测大数据，挖掘社会运行因果规律与风险涌现机理、分析影响微观行为及宏观因素的技术与方法。

详见  http://www.smartsafety.cn/wiki/index.php/WangWenjun  

部分论文：

• • 
    
  [01] Wu N, Wang W, Chen F, Li J, Li B, Huai J.Uncovering Specific-Shape Graph Anomalies in Attributed Graphs[C]//AAAI,2019.
• [02] Chen X, Wang W, Yu W,Jiao P, Sun Y*. Highlighting Link Prediction in Bipartite Networks via Structural Perturbation[J]. IEEE Access, 2018, 6: 73583-73592.
• [03] Jiao P, Yu W, Wang W, Li X, Sun Y*. Exploring temporal community structure and constant evolutionary pattern hiding in dynamic networks[J]. Neurocomputing, 2018.
• [04] Jiao P, Wang W, Jin D. Constrained common cluster based model for community detection in temporal and multiplex networks[J]. Neurocomputing, 2018, 275: 768-780.
• [05] Jiao P, Wang W, Jin D. Constrained common cluster based model for community detection in temporal and multiplex networks[J]. Neurocomputing, 2017.
• [06] Wang W, Feng Y, Jiao P, et al. Kernel framework based on non-negative matrix factorization for networks reconstruction and link prediction[J]. Knowledge-Based Systems, 2017, 137: 104-114.
• [07] Wang W, Chen X, Jiao P*, Jin D. Similarity-based Regularized Latent Feature Model for Link Prediction in Bipartite Networks[J]. Scientific reports, 2017, 7(1): 16996.
• [08] Liu X, Wang W, He D, Jiao P, Jin D*, Cannistraci C. Semi-supervised community detection based on non-negative matrix factorization with node popularity[J]. Information Sciences 381 (2017): 304-321.
• [09] JIao P,Wang W,Jin D. Constrained Common Cluster based Model for Community Detection in Temporal and Multiplex Networks[J]. Neurocomputing, DOI: 10.1016/j.neucom.2017.09.013.
• [10] Wang W, Jiao P, He D, et al. Autonomous overlapping community detection in temporal networks: A dynamic Bayesian nonnegative matrix factorization approach[J]. Knowledge-Based Systems, 2016, 110