2023年6月19日7时，TOPS课题组20级硕士研究生杨逸琳、黄浩宇、邵英豪、刘懿如、陈秋冰、李政、杨叶笛7位师兄师姐的毕业答辩在学院楼517会议室顺利举行。同济大学杭鹏老师任答辩秘书，答辩委员会由同济大学柴晨副教授、孙剑教授、倪颖副教授、田野副教授组成，其中柴晨副教授担任答辩委员会主席。

各位同学硕士毕业论文的主要工作如下：

1.杨逸琳《异质非机动车跟驰行为分析与建模》。杨逸琳首先介绍了研究背景与现状，包括非机动车交通流的重要性、现有模型的不足以及研究的意义。接着，通过对多个数据集的分析，比较了不同类型非机动车的跟驰行为，发现异质性是非常显著的。然后，对现有的非机动车跟驰模型进行了适用性分析，指出这些模型在真实道路条件下的适应性有限。为了解决这个问题，该研究提出了一种融入人因的非机动车跟驰模型，该模型考虑了人类行为的影响，能够更准确地描述非机动车的跟驰行为。

杨逸琳答辩时刻

2. 黄浩宇《基于共享单车轨迹的非机动车路网性能评价与优化研究》。该研究中提出了一种数据驱动的非机动车路段和节点骑行环境评价方法，用于大规模非机动车路网的快速评价，突破传统方法在数据采集和回归模型移植性方面的局限；区别于单纯从拓扑结构进行的非机动车路网评价方法，通过共享单车的实际运行数据分析了骑行者宏微观行为特征，综合考量运行阶段路段和节点的骑行环境，基于路段与交叉口的骑行环境评价结果，建立评价指标，对区域内研究OD对的出行路径集进行评价，实现了非机动车路网综合性能评价；基于共享单车出行行为宏观特征分析，考虑骑行者OD出行需求特征以及路径选择偏好特征，结合非机动车路网综合性能评价结果，通过OD对优化权重以及路径优化权重的确定建立非机动车路网优化模型，实现路段与交叉口的改善优先级量化。

黄浩宇答辩时刻

3. 邵英豪《面向智能汽车安全性测试的危险场景泛化方法研究》。该研究提出了一套危险测试场景提取的自动化流程，并提出了一套完整的场景质量增强方法，提升了所提取场景的质量；针对有限数量现实危险场景用例条件下测试场景自动化派生问题构建了两种场景泛化派生模型，分别面向不同维度场景泛化任务，模型将WGAN模型与VAE框架结合，显著提升了VAE在高维度测试场景派生任务上的效果；从模型的重建能力与泛化能力两个角度，构建了泛化模型评价体系，同时在三个试验场景的验证结果有力支持了所提派生模型的有效性及生成场景的可靠性。

邵英豪答辩时刻

4. 刘懿如《基于逆强化学习的驾驶策略中社会性交互行为研究》。本研究提出了一种利用博弈模型对驾驶交互行为进行精细化建模的方法，并将驾驶行为的社会性考虑到收益函数的设计中。通过这种方法，交通参与者在做博弈决策时能够考虑到潜在的社会性因素，从而更贴近真实的驾驶交互行为。与传统的博弈模型不同，本研究利用逆强化学习算法自动识别博弈模型中收益函数的参数，突破了收益函数固定不可变的限制。通过博弈-逆强化学习框架，结合对实证交互数据特征的学习，使得在个体间动作存在依赖的驾驶场景中，驾驶员行为参数能够被准确辨识。本研究还通过推导收益函数的权重参数来衡量驾驶交互行为的社会性。通过提出的评价框架，可以有效评估交互双方的社会性，而且这个评价框架对于多种交互场景都具有很好的适用性。

刘懿如答辩时刻

5. 陈秋冰《智能汽车测试场景聚类与场景覆盖度评价方法》。本研究提出了一种"双导向"的高覆盖度场景库构建方法，通过解决不同问题来提高场景库的质量。首先，针对时序高维场景下的聚类问题提出了深度时序场景聚类方法，能够有效地处理复杂的时序高维数据，实现场景的聚类分析。其次，为了解决大量测试场景冗余问题提出了场景库浓缩的方法，通过去除冗余信息，使得场景库更加紧凑、高效。最后，为了解决覆盖度评价缺失的问题提出了高覆盖度场景库构建方法和覆盖度评价方法，能够全面评估场景库的覆盖度。为了验证这些方法的有效性，本研究在三个数据集上进行了实证研究。首先，利用自然驾驶数据集highD和NGSIM对不同方法进行了比较，验证了该方法的效果。其次，利用OnSite自动驾驶算法挑战赛的场景数据验证了场景库浓缩方法的优势。

陈秋冰答辩时刻

6. 李政《高速公路主动管控策略仿真优化》。高速公路主动管控策略的仿真优化设计存在的挑战，包括复杂交通特征难以建模、高维空间难以寻优、策略之间协同关系难以描述等问题。在本研究中设计了数据驱动的管控策略仿真优化框架，引入LGBM、SVR代理模型，Jackknife误差估计算法，数据驱动的优化方法等来解决高维问题的效率提升。之后对该模型进行了实验验证，测试了不同场景下的通行效率提升情况，并发现数据驱动的仿真优化框架高度依赖于初始仿真样本，寻优效率较低，代理模型及优化算法中缺少对多策略协同关系的描述等问题。最后，本研究针对上述问题提出了知识-数据双驱动的管控策略仿真优化方法，设计了基于元胞传输模型的元模型以及考虑线性约束的自适应超盒抽样算法等来更好地优化主动管控策略。本研究给高速公路主动管控策略优化设计提供了新的思路，提升了数据驱动的仿真优化方法在高维问题中的求解效率，拓展了知识-数据双驱动的仿真优化方法优化主动管控策略的能力。

李政答辩时刻

7. 杨叶笛《面向机非混行环境的微观仿真软件适应性研究》。本研究主要提出了一套仿真适应性指标体系，用于评估混合交通流的仿真模型。该指标体系包括服务水平、交通管控和安全分析三个层面的评估指标，不仅考虑了传统的交通评估指标如速度、延误和行程时间，还考虑了非机动车行为的个性化指标，如越线超车和膨胀度。针对混合交通流的微观仿真适应性比较，本研究对机非交互路段和机非交互交叉口两种场景下的仿真适应性进行了综合性的研究。同时，本研究针对混合交通流的仿真模型提出了提升仿真适应性的建议，并从软件使用者和模型研发者两个角度出发，提供了方法和建议。对于软件使用者，总结了不同软件在面向混合流建模时的功能和设置自由度，并为使用者提供了指导。对于模型研发者，提出了四个方向的改进思路，包括车辆二维建模、多交互对象建模、非机动车特殊行为建模和非机动车违章行为建模，以为研发人员提供参考。

杨叶笛答辩时刻

最后，经答辩委员会无记名投票决议，一致同意杨逸琳、黄浩宇、邵英豪、刘懿如、陈秋冰、李政、杨叶笛7位同学通过本次硕士论文答辩。

答辩合影

TOPS全体成员祝2023届毕业生毕业快乐！顶峰再相见！