2022年10月27日，TOPS课题组第115期组会于通达馆436线上线下同时召开。本次组会由3位2021级硕士生张育林 、傅澳晖 和苏兴浩 带来自己的开题答辩汇报，分别和大家讨论交流《数字孪生环境下个性化ADAS开发与优化》、《基于子集模拟的自动驾驶系统安全性验证》和《城市道路车辆轨迹修复方法研究》，课题组的所有老师和全体同学出席了本次组会。

《数字孪生环境下个性化ADAS开发与优化》

首先汇报的是张育林，为大家带来《数字孪生环境下个性化ADAS开发与优化》。在研究背景和文献综述部分，他指出ADAS对于对于驾驶安全的重要意义，回顾了现有ADAS模型未考虑驾驶人特性，存在适应性差、误报率高、实时性等问题。并指出设计个性化的、充分考虑驾驶人行为特征和风格偏好的FCW的重要意义，明确本研究的目标是建立更加精细化、个性化的数字驾驶人模型，给出自适应FCW驾驶辅助建议，将研究内容确定为个性化驾驶行为建模、模型在线自适应调整以及FCW设计与评价三部分。最后，他展示了现有的研究基础和成果，强调了研究的创新性，展望了未来的工作计划。

在问答环节，孙剑 老师就汇报内容的研究重点、版块之间的逻辑关系提出改进建议，并建议张育林进一步拓展未来研究内容；倪颖 老师针对汇报PPT的内容组织提出建议，张铎 就研究中的虚实结合、如何对不同风格驾驶人的FCW预警影响进行定量分析评估提出了改进建议；秦国阳 博士指出后续研究应该关注如何保证驾驶人对于系统的长期接受度；田野 老师就问题定义、文献综述时效性、实际项目需求牵引导向等问题提出改进建议；杭鹏 老师对ADAS的研究价值、模型实时调整的可行性等问题进行提问；岳李圣飒 老师对FCW触发条件设置、不同参数的优化等问题进行了提问。

接下来傅澳晖为大家带来了《基于子集模拟的自动驾驶系统安全性验证》的报告，在研究背景部分，他指出场景化的虚拟测试是自动驾驶安全性测试的核心手段，在这其中，危险率量化评估是自动驾驶系统安全性验证的关键步骤，而由于危险场景本身较为稀少，这使得实际测试需要消耗大量的时间去寻找高危场景，因此加速测试成为提升测试效率的关键手段。之后，他指出自己的研究问题是自适应调整中间失效概率和采样样本数来提高准确性同时保持子集模拟的效率，并提出DBSCAN聚类和IS耦合的采样方法，进而立符合自然驾驶的的场景参数概率分布，并自适应调整子集模拟中每一子集中的测试样本数，以中间失效概率变异系数为优化目标减小误差，实现ASS，最后，在高保真的测试框架中使用加速测试方法（IS、SS、ASS）测试不同类型的规控器验证有效性，从测试结果比较加速测试方法的准确性和效率。最后，他介绍了自己已经具备的实验和技术基础，并对未来工作进行了展望。

《基于子集模拟的自动驾驶系统安全性验证》

在提问环节，秦国阳对测试中的子集数据采集、测试加速如何体现及其核心方法等提出了问题，倪颖老师对于PPT内容逻辑性、版块之间的组织与关联、研究内容和方法的阐述等提出了建议；田野老师对于应用方法的创新性、测试中噪音及评价问题提出了改进建议。

《城市道路车辆轨迹修复方法研究》

最后，苏兴浩为大家带来了《毫米波雷达检测环境下的全样本个体车辆轨迹重构与估计》的报告。毫米波雷达是全息路口和智慧高速依赖的获取车辆轨迹的重要技术手段，但是目前毫米波雷达所感知到的车辆轨迹数据仍然有很大的提升空间，他指出自己的研究聚焦于轨迹重构和轨迹估计两部分内容。之后，他总结了轨迹数据来源、单车轨迹重构和车辆再识别三个研究领域的不足和问题，并指出自己的研究场景面向城市道路和高速公路，针对ID连贯和ID断裂两种类型的轨迹数据，进行轨迹数据的补全，在具体的实现中，分别使用纹理合成方法对抗生成网络进行建模。最后，他总结了自己研究的可行性和创新点。

在提问环节，孙老师对汇报的形式和报告中问题的清晰定义进行了肯定，同时也指出了研究内容之间的逻辑关系缺失、创新点不够具体等问题；田野老师针对毫米波雷达的覆盖度以及布设优化问题提出了建议；杭鹏老师对于研究的工作意义以及和多模态信息融合的轨迹修复等问题进行了提问；岳李圣飒老师就GAN网络的输入输出形式进行了提问；倪颖老师针对PPT中的内容表述提出了建议。

至此，本次组会圆满结束。