首先由学术主任清华大学自动化系系统工程研究所所长张毅教授进行致辞。张毅教授代表中国自动化学会对各位参会代表表示了热烈的欢迎，并结合自身的经历对人工智能与智能交通的发展背景和发展现状进行了简要的介绍，希望大家能够在此次活动中有所收获。

接着张毅教授为大家带来题为“人工智能与智能交通”的报告。张毅教授的报告从人工智能的基本概念与内涵出发，探讨人工智能在智能交通应用中的困难与挑战，并结合智能交通的最新发展，重点围绕车路协同和自动驾驶等相关技术及其实现，深入地探讨了人工智能的应用前景。

随后由美国密西根大学土木环境系终身教授，滴滴智慧交通首席科学家刘向宏为大家带来题为“Data-Driven Traffic Signal Control”的报告。在当前的实践中，交通信号系统性能测量和参数优化需要手动数据收集和处理，整个过程耗时长且费用昂贵。因此，美国的交通信号系统通常每3-5年都需要进行重新定时。刘教授的报告首先讨论了“SMART信号系统”的研究和开发历程，并指出“SMART信号系统”可以自动收集和处理现有交通信号系统的高分辨率数据。借助这些高分辨率数据，可以直接测量交通信号性能，并可以自动重新定时信号参数。 “SMART信号系统”为交通工程师监控、管理交通信号系统提供了一个新的工具，它的发展代表了交通信号控制实践的一次重大飞跃。刘教授的报告还讨论了来自联网车辆的轨迹数据的智能交通控制。随着越来越多的可用车辆轨迹数据，对基于基础设施的车辆检测器的依赖性将降低，甚至下一代交通控制系统可能无需检测器。为更方便理解，刘教授也通过滴滴车辆轨迹数据研究的案例对此进行了详细的解释。

上午最后一个为大家带来报告的是青岛慧拓智能机器有限公司CEO、中山大学副教授陈龙，陈龙副教授所作报告题目为“平行驾驶及其在智能矿山领域的应用”。平行驾驶是一种兼具运营管理、在线状态监测、应急驾驶安全接管等功能的先进云端化网联自动驾驶集成解决方案。平行驾驶的数字四胞胎结构包括：物理车、描述车、预测车和引导车。描述车负责建立真实车辆和道路环境的准确模型，预测车旨在对描述车辆的决策和规划作为正确的运算和分析,引导车负责指导真实车辆在不同的驾驶场景中采取正确的行动。报告指出，我国在矿山智能化和无人化的建设方面还存在很多不足，平行理论和ACP方法可为矿山智能化和无人化提供有效的解决方案，通过建立描述矿山、预测矿山和引导矿山三个软件定义的虚拟矿山系统可以构建一个完整的实际矿山平行系统，实现对矿山系统的预测、管理与优化。

下午首先由中国自动化学会副理事长兼秘书长，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任王飞跃研究员带来题为“交通5.0: 迈向CPSS的智能平行交通体系”的报告。王飞跃教授的报告从AI2.0，工业5.0及CPSS的现状讲起，对平行系统进行了简要介绍，并详细介绍了平行驾驶技术的发展。在报告的最后，王飞跃教授对平行交通体系的未来进行了简单的展望。

接下来由浙江大学陈为教授作题为“交通数据可视化”的报告。陈为教授的报告从数据可视化的角度，对交通数据进行分类，并介绍了各类可视化方法。围绕交通规划、交通监管、交通预测等分析任务，讨论可视分析在交通大数据应用中的作用。在报告的最后，陈为教授以城市大脑等为应用背景，介绍了若干交通可视化实例。

13号最后一个报告为中南大学王璞教授带来题为“基于大数据融合的动态交通需求估计与人群聚集预警”的报告。交通需求是智能交通领域中的重要基础数据，王璞教授团队建立了一种基于手机数据和多元交通数据融合的动态交通需求估计模型。该模型能够借助手机数据覆盖面全的优点弥补交通数据表征全局交通的不足，通过交通数据能够实时采集的优点弥补手机数据的匮乏，实现千万级人口出行的动态捕捉。另外，王璞教授的报告也指出城市人群聚集在特殊的动态交通需求下形成。人群聚集的地方通常疏导通道有限，当发现人群密度超标时管控措施难以快速疏导人群，并建立了基于地铁、公交刷卡数据和出租车GPS数据融合的人群聚集预警模型，该模型能够在人群聚集发生初期提前数小时对其预警。

第二天首先为大家带来报告的是浙江大学陈喜群研究员，陈喜群研究员带来报告的题目为“Understanding On-Demand Ride Services: Platform Optimization, Network Evaluation, Behavioral Analysis, and Traffic Prediction”。陈喜群研究员的报告基于理解共享出行系统，其中包括：调度平台优化，网络评估，行为分析及交通行为预测四个方面。

第二个为大家带来报告的是浙江工业大学沈国江教授，沈国江教授所作报告题目为“大数据驱动的城市智能交通控制技术”。一个城市的道路交通系统每天都在产生并存储着海量的信息，这些信息隐含着状态变动和设备运行等信息。如何有效利用海量离线、在线数据和知识，实现对交通运行的优化控制，已成为控制理论界和交通工程界迫切需要解决的问题。沈国江教授的报告主要介绍了如何利用大数据+人工智能来理解交通规律和交通模式，进而形成一套科学有效的交通控制应用技术。报告主要分为四个方面：一是城市交通大数据的分析和处理方法；二是城市交通信号智能控制技术；三是城市交通综合评价指标及体系；四是应用案例分析。沈教授的报告从实际应用角度出发，探讨了如何有效应用大数据来缓解城市交通拥堵和改善城市交通状况。

上午最后一个报告为北方工业大学刘小明教授作题为“面向应用的城市道路交通智能控制技术”的报告。刘小明教授的报告基于城市区域交通协调控制实际关联因素分析，在考虑控制鲁棒性及计算复杂性基础上，刘教授团队设计的交通信号自适应准实时分层控制系统，支持人工智能交通控制算法池，达到参考模型驱动、参考模型易替换及可持续优化，并对控制过程中相位差的优化、评价及过渡技术进行了说明。

下午第一个报告为清华大学李力副教授作题为“交通流时间序列分析”的报告。李力副教授的报告从趋势分析的角度建立了交通流时间序列异常数据处理，数据压缩，缺失数据补偿，数据预测的统一分析处理算法，并强调了智能处理算法的应用。

下午第二个为大家带来报告的是中国铁道科学研究院集团有限公司袁志明副研究员，袁志明副研究员所作报告题目为“人工智能与行车调度”。随着铁路建设的快速发展和铁路科技的不断进步，铁路运输已经成为我国交通运输体系的骨干。行车调度作为铁路运输管理体系的中枢，在提升高铁运输高效性、降低安全事故发生机率、提高突发事件下的快速响应能力方面具有重要的作用。报告从铁路行车调度指挥的应用实践出发，介绍了我国行车调度指挥系统中蕴含的关键理论方法和相关应用技术，探讨了人工智能和大数据背景下的智能行车调度。

此次讲习班最后一个报告为中国科学院自动化研究所副研究员吕宜生带来题为“生成对抗式网络及其在智能交通系统中的应用”的报告。报告主要介绍了GAN的起源和发展历史，并简要介绍了生成对抗式网络在智能交通系统中的应用。

 

学会秘书处 供稿