研究方向
基于网联自动驾驶技术的无信号控制交叉路口 网联自动驾驶车辆（CAV）是指通过专用短程通信（DSRC）或5G蜂窝通信来实现车对车（V2V）和车对基础设施（V2I）通信的车辆技术。CAV 可以获取有关周围交通状况的时间和空间信息，用于同时制定车辆级出行策略和网络级交通管控策略。传统的交通信号控制策略基于精确的交通流模型，该模型可以捕捉车辆移动与由此产生的交通状态之间的关系。然而，这些模型可能无法反映现实情况，因为交通流在复杂系统中通常是高度非线性的。与之不同的是，基于强化学习 (RL) 的方法不依赖于交通流模型，而是从经验中学习来调整智能体（agent）的行为（车辆移动策略）使其适应本地环境（周围的交通状态），从而可能通过 V2V 和 V2I 技术代替传统的信号控制进而实现无信号但更安全的交通环境。本项目提出了一种深度强化学习方法，用于针对交叉路口的冲突车流进行车辆轨迹规划。考虑到 CAV 渗透率的问题，将先进的 Advantage Actor Critic (A2C) 技术集成在控制框架中。同时针对通信延迟和传感器误差两个因素进行模型的敏感性分析。通过交通仿真，该研究对传统 TSC 和 RL 策略在总行程延误、车队稳定性、交叉口通行能力等方面的性能进行了比较，并讨论了在何种条件下CAV技术可以部分或完全替代传统信号控制策略。
相关学科
计算机科学技术、电子与通信工程、交通工程
科研导师
J. L
- 美国卡耐基梅隆大学 (CMU) 土木与环境工程博士，机器学习硕士；
- 东南大学交通运输工程硕士，本科毕业于大连理工大学交通工程专业；
- 研究方向为机器学习技术在交通系统分析与管理的应用，多模式动态交通网络建模，多尺度交通系统仿真，智能网联汽车系统。
科研成果
成果一：在英文期刊中发表学术论文
有方学者项目能够为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。
成果二：第一作者身份
有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出。
成果三：独一无二的课题
有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，每个学生的研究内容具有差异性。
成果四：顶尖院校导师的推荐信
有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，影响着推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。
成果五：高效备战具有高影响力、高含金量的科研竞赛
学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、ISEF 国际科学与工程奖、全国青少年科技创新大赛等。
了解更多详情
请扫描二维码
关注「有方背景提升」
