组会简讯：2025年秋季第10次组会

2025年1月6日，课题组举行了线下组会，指导老师唐克双教授、朱宏副教授，课题组部分成员参与了本次例会。本次组会主要内容为Saani同学的研究进展汇报。

一、Saani研究进展汇报

Saani介绍了“基于人工智能的高速公路交通拥堵识别与预测”的研究框架，这一框架的出发点是拥堵现象在美国造成的经济、环境和安全影响显著。它强调了高速公路拥堵独特的空间、时间及运行特性，包括快速蔓延、瓶颈敏感性以及可预测的周期性拥堵与由事件驱动的突发性拥堵共存。尽管现有深度学习模型预测精度高，但它们缺乏因果可解释性和实际可信度。为解决这些局限性，研究提议将可解释人工智能（XAI）和因果推断整合到四个目标中：（1）因果意识下周期性及突发性拥堵的识别与特征化；（2）适用于周期性拥堵预测的具有可解释性的深度学习模型；（3）包含检测、分类及影响评估的针对突发性拥堵的预测框架，其中考虑了事件因素；（4）考虑到区域、天气及拥堵模式差异的适应性迁移学习方法。研究依赖于多源数据集成，包括高速公路事故数据及详细的气象观测数据，最终目标是构建能够主动、可解释且可部署的高速公路拥堵管理系统。