2025年5月29日14：30，TOPS课题组21级博士生王诗菡和19级博士生陈雪剑的博士学位论文答辩在通达馆605顺利举行。本次答辩会议由东南大学任刚教授、同济大学田野教授、同济大学孙杰副教授、同济大学孙剑教授、同济大学倪颖副教授担任答辩委员会委员，由浙江大学金盛教授担任答辩委员会主席，同济大学岳李圣飒副教授担任答辩秘书。王诗菡博士的答辩论文题目为《面向自动驾驶测试的复杂交互行为策略仿真研究》，陈雪剑博士的答辩论文题目为《智能网联环境下个体车辆轨迹重构理论与方法》。

王诗菡博士首先介绍了研究背景：自动驾驶汽车（AV）测试中涉及大量复杂社会交互行为，目前的测试手段存在测试周期长、成本高、场景覆盖不充分的问题，尤其是针对交互行为的策略建模与仿真尚有较大提升空间。首先，王诗菡博士指出，现有的交互仿真主要停留在轨迹复现层面，忽略了背后交互策略的连续性与动态性特征。然后，构建了基于多智能体对抗性逆强化学习（MA-AIRL）的基础框架MAIL-Sim，实现了从状态复现到策略机制的转换，清晰刻画了车辆的合作与竞争倾向。接着，针对多车连续交互场景，引入社会价值倾向（SVO）模型和异质时空注意力机制，建立Social-MAIL模型，实现了更精细的策略耦合与环境特征建模。最后，通过真实交叉口数据的实验验证，模型显著提高了交互策略仿真的准确性与解释性，有效捕捉了多车交互行为的异质特征。

汇报时刻

论文取得的创新成果如下：

1. 构建了基于多智能体模仿学习的策略仿真框架，实现了从状态仿真到策略仿真的深化

2. 构建了融合合作/竞争倾向精细建模与时空环境深度建模的策略仿真模型，实现了多车社会交互行为的高精度模拟

3. 构建了融合异质决策机制的混合流分层策略仿真模型，实现了机动车个体决策与非机动车、行人群体决策行为的统一建模

4. 从场景构建、测试结果评估维度验证了验证了策略仿真测试有效性，搭建了策略仿真驱动背景交通流的虚拟仿真测试平台

汇报结束后，答辩委员会成员依次就论文格式、汇报内容等方面进行了提问和指导。

陈雪剑博士首先介绍了研究背景：随着智能网联技术的发展，车辆轨迹的高精度、全时空获取成为可能，但实际环境中仍面临数据采集成本高、稀疏数据难以准确反映个体车辆轨迹的问题，尤其是在低渗透率的智能网联环境下，轨迹重构仍存在巨大挑战。首先，陈雪剑博士分析了智能网联环境下车辆轨迹重构的难点，明确了基于定点检测器与联网车辆（CV）环境下的轨迹重构局限。然后，在此基础上提出了宏微观整合的轨迹重构方法。具体而言，在单车道场景中，通过构建宏观速度场和微观候选轨迹，运用融合算法实现了轨迹重构，克服了低渗透率数据带来的误差累积。接着，将该框架进一步拓展到多车道场景，通过考虑换道行为，提出换道优化模型，实现了更复杂场景的精细化轨迹重构。最后，通过NGSIM与highD真实数据集的实验验证，证明了该方法在不同交通密度和换道情况下都表现出显著的精度提升。

汇报时刻

论文取得的创新成果如下：

1. 以速度等高线图为桥梁，提出了宏观-微观协同的优化框架

2. 基于残差增强架构，建立了知识-数据融合机制

3. 以节点访问时间间隔为信息权重，构建了路网探测资源主动优化模型

   
   

   

答辩合影

汇报结束后，答辩委员会成员依次就论文格式、汇报内容等方面进行了提问和指导。

最后，由答辩委员会宣读答辩决议，经答辩委员会无记名投票表决，一致同意王诗菡和陈雪剑通过博士论文答辩，建议授予工学博士学位。

TOPS全体成员衷心祝贺王诗菡博士与陈雪剑博士毕业快乐，鹏程万里，未来可期！