2024年5月30日8时，TOPS课题组21级硕士研究生冯不凡、张育林、苏兴浩、唐揽月、吴学绵、傅澳晖6位师兄师姐的毕业答辩在学院楼436会议室顺利举行。同济大学岳李圣飒老师任答辩秘书，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。

TOPS课题组21级硕士研究生合影

各位同学硕士毕业论文的主要工作如下：

1.冯不凡《“点-链-网”新视角下的城市交通网络连通性失效机制研究》。冯不凡指出现有的拥堵渗流研究存在不足，亟需解析多点拥堵对交通网络连通性失效的共同效应，提高复杂交通网络系统的鲁棒性。冯不凡提出从“点-链-网视角逐层揭示交通网络连通性失效机制”，应用割点识别算法识别网络中所有分层瓶颈点，提出交替恢复模型解析拥堵渗流链式作用，有效提升网络韧性，对网状拥堵渗流结构与网络连通性关系进行回归分析，对网络连通性失效机制进行归纳总结。研究结果表明，割链是造成交通网络连通性失效的重要原因，割网存在鞍形特征，并且鞍点在一定条件下会转化成割点，继而引发拥堵渗流，导致网络连通性失效。

2. 张育林《数字孪生场景下个性化ADAS建模》。张育林指出了建立充分考虑驾驶员行为特征和风格偏好的个性化ADAS对提升驾驶安全和舒适的重要意义。研究综述部分，传统FCW建模不考虑驾驶个性化因素和接受程度，且所考虑的驾驶场景较为单一，缺乏实证数据支撑，导致驾驶员对ADAS预警方案的接受度不高。研究内容部分，首先，他对自然驾驶数据进行了采集和分析，发现了驾驶人对预警信息的反应特征和对主观风险程度的感知存在显著差异，并引入风险感知因子量化了这一异质性；然后建立了一种考虑驾驶人个性化因素的自适应预警响应模型；之后设计了数字孪生驾驶模拟实验，对模型效果进行了验证。

冯不凡、张育林完成硕士学位论文答辩

3. 苏兴浩《毫米波雷达检测环境下全样本个体车辆轨迹重构》。在研究背景部分，苏兴浩指出未来主动交通管控的关键在于毫秒级的全域车辆轨迹感知，然而原始的毫米波雷达数据并不能满足全样本车辆全域轨迹的监测需求。在分析了当前主流的车辆轨迹数据源特点以及车辆轨迹修复方法之后，得出了一种基于毫米波雷达数据的全样本个体车辆轨迹重构方法。首先，他采用了一种基于纹理合成与交通激波的联合策略，对毫米波雷达检测区内的缺失数据进行了修复；然后，他采用了一种基于WCGAN的深度学习模型，对毫米波雷达稀疏布局下在检测盲区内的车辆轨迹进行了补全；之后，他进一步采用一种基于CGAN+与二分图匹配算法的集成模型，实现了对稀疏布局下跨雷达域的车辆身份重识别。研究的创新点在于综合考虑信号控制与停车行为差异的轨迹空缺修复、充分利用上下游轨迹信息的连续性长盲区轨迹生成和无视觉信息依赖的一体化车辆身份识别与轨迹生成。

4. 唐揽月《基于认知理论的驾驶人建模及风险评估方法》。驾驶员情绪驾驶易引发严重事故，针对情绪驾驶场景的驾驶人行为建模对于提高交通效率与安全有重要意义。针对现有驾驶员建模方法的不足，提出基于认知理论的驾驶员建模方法，通过历史时刻驾驶员驾驶行为数据和情绪状态数据进行车辆未来轨迹预测，建立同时考虑驾驶员物理运动特征和认知特征的CPSOR-GCN模型，提高驾驶员情绪突变场景下轨迹预测精度。该方法基于动态贝叶斯模型建立SOR认知因素间因果关系，基于图卷积网络实现对于物理-认知特征的高效学习，从而将认知理论融入驾驶员建模过程。另外，唐揽月还介绍了驾驶行为实验相关内容，搭建驾驶模拟器平台采集驾驶员信息，根据路怒、驾驶心理研究报告复现特定场景对驾驶员情绪进行诱导。试验结果表明，SOR认知理论使得模型在较长预测窗口、强交互场景下以及产生情绪突变时有较高的预测精度。

5. 吴学绵《面向自动驾驶的网络交通流运行优化研究》。吴学绵指出了自动驾驶时代下网络交通流运行优化的必要性，然而，交通网络大规模、高维的问题对网络优化提出了重大挑战。首先，对面向AV行驶区域设计问题的加速寻优方法进行了研究，并设计了一种基于多用户结构信息代理模型和改进的生长型遗传算法的仿真优化框架；然后，以上海徐汇区路网和广州中心城区路网为例，从供给侧和需求侧两个方面考察了AV形式区域对于不同场景的适应性；之后，对不同路权形式下，不用网络交通流场景中，网络运行优化设计的影响因素和适应度进行了分析。最后总结了研究的创新点在于将人机混驾的领域知识引入仿真优化框架、从动态个体层面评估了AV行驶区的真实布设效果和对比了不同布设形式在不同交通运行场景下的适应度，并对未来社会公平性下AV行驶区域布设、AV出行动态需求等方面的研究进行了展望。

苏兴浩、唐揽月、吴学绵完成硕士学位论文答辩

6. 傅澳晖《基于自适应子集模拟的自动驾驶安全性验证》。传统的里程化路测相率低下、成本高昂，自动驾驶系统的安全性评估需要新的测试方法，而场景化的虚拟测试成为自动驾驶安全测试的核心手段。针对现有虚拟测试方法的不足，傅澳晖提出了一种基于自适应子集模拟的自动驾驶加速测试方法，有效处理和构建高维自然自动驾驶场景，提高测试效率。该方法在传统子集模拟方法的基础上，以样本相关性为优化目标确定最优接受率，实现马尔科夫链样本接受率自适应调整，提高了子集模拟方法的准确性。并搭建高保真仿真测试平台对算法进行测试，实验结果表明，与SS和IS加速测试方法对比，自适应子集模拟方法对碰撞概率估计有更高的准确性。

傅澳晖完成硕士学位论文答辩

最后，经答辩委员会无记名投票决议，一致同意冯不凡、张育林、苏兴浩、唐揽月、吴学绵、傅澳晖6位同学通过本次硕士论文答辩。

答辩合影

TOPS全体成员祝2024届毕业生毕业快乐！凡是过往，皆为序章。感恩相遇，无憾离别！