2021年12月30日17:30，TOPS课题组第103期组会在通达馆A436线上线下同时召开。本次组会由19级博士生陈雪剑就《基于定点和移动检测器的高快速路个体车辆行驶轨迹重构》进行汇报。线上线下的与会成员包括孙剑教授、倪颖副教授、田野副教授以及课题组全体同学。
      主讲人陈雪剑首先介绍了车辆行驶轨迹对于科学全面评价道路交通状态的重要意义，随后指出了现阶段各类交通检测器采集轨迹数据方面的缺陷以及不足，同时指出利用视频提取车辆轨迹存在成本高昂的特点，因此提出利用有限的交通检测数据，并结合交通流演化规律，重构得到一定时间段内所有车辆的完整行驶轨迹，具有非常重要的研究意义。

汇报时刻

      针对以上问题，陈雪剑提出了宏微观（Macro-Micro-Intergrated）全样本车辆轨迹重构框架。在宏观层方面，通过利用时空图中的交通波计算坐标点的参考速度生成空间全域速度contour图以约束重构出的轨迹。微观层面，运用逆跟驰模型根据前车依次向后，从上游往下游依次重构生成候选轨迹。此后利用宏观时空图构建的速度contour图做约束，将微观层面生成的两条候选轨迹进行融合，轨迹融合算法中最优权重的求解利用动态规划进行求解。在模型评价方面，利用均方根误差等指标通过小规模车队测试进行了轨迹重构方法的纵向对比，并考察了浮动车渗透率对于重构效果的影响。此外还选取了VT-based方法与宏微观整合的方法进行了重构效果的纵向对比，结果表明宏微观整合的方法在误差方面的表现要明显优异于VT-based方法。在研究的总结与展望方面，陈雪剑指出了宏微观整合的方法在浮动车低渗透率场景下要明显优于经典VT模型和非融合方法，但是目前也存在仍局限于单车道，忽略了换道超车等更为复杂的交通行为的不足之处。

讨论环节

      在讨论环节，赵晓聪针对微观层面轨迹重构为何选择Newell跟驰模型提出了自己的疑问，并询问是否可以选择多种不同的跟驰模型来生成候选车辆轨迹。李政对于宏微观融合方法对于解决轨迹重构中轨迹交叉的现象有何独到之处提出了疑问。胡祥旺询问了定点检测器的布设位置以及浮动车在给定渗透率下的选择问题，以及对于浮动车轨迹的异质性提出了疑问。张小卉对于宏观层面时空图构建中在计算交通波上每一个参考点的速度之前做出的假设提出了疑问。周东浩询问了Newell跟驰模型中交通流做出的假设对于在不同渗透率和交通环境下微观层面轨迹重构效果提出了疑问。孙剑教授提出针对轨迹重构可以从计算机图形学中汲取灵感，采用优化的方法进行新的尝试，同时对于目前宏微观整合方法在多车道和间断流下轨迹重构的局限性需要做出突破。田野副教授肯定了主讲人陈雪剑的研究内容和工作，此外提出对于重构具有换道行为的车辆轨迹这一难点提出需要进行合理的分析与解释，对于轨迹应用方面的评价方法提出了疑问，针对国内的数据采集情况需要进行更为针对化和细致的考量。最后，倪颖副教授对于宏观和微观两种方法的重构精度方面的差距，以及虚拟检测器之间的间隔如何进行确定提出了疑问。主讲人陈雪剑对于以上疑问均进行了详细的解答。至此，本期TOPS组会圆满结束。