组会简讯：2026年秋季第4次组会

2026年3月24日，课题组举行了线下小组会，指导老师唐克双教授、朱宏副教授，课题组AI分组成员参与了本次例会。本次组会主要内容为伉沛喆同学、冯嘉龙同学、杨天麟同学的研究进展汇报。

一、伉沛喆研究进展汇报

伉沛喆同学围绕基于 CV 轨迹与电警数据的干线短时信号控制研究展开阶段性汇报，该研究为博士论文子问题，聚焦干线短时交通到达波动、观测不完整等场景下的多交叉口实时协调优化问题。

汇报中阐述了研究面临的核心难点，明确了 “状态精准感知 - 带约束滚动优化 - 强化学习残差微调” 的三层总体研究策略，介绍了由感知层、优化层、修正层构成的技术框架及各模块核心设计思路，并详细汇报了目前在干线状态监测、短时滚动优化框架搭建、强化学习修正模块定位设计等方面的研究进展。

交流环节中，唐克双老师、朱宏老师及课题组成员针对研究中的技术细节展开讨论，提出建设性指导意见，同时明确了下一阶段工作重心：持续完善各核心模块的模型设计与实现，推进仿真对比实验，进一步优化模型性能与工程可行性。

二、冯嘉龙研究进展汇报

冯嘉龙同学汇报了“基于蒙特卡洛树搜索的信号协调优化”近期的研究进展。汇报内容主要包括研究背景、方法论、实验设置与结果分析四个部分。首先，他从信号协调优化问题出发，介绍了基于搜索的方法与基于强化学习的方法在解空间、建模方式和计算特性上的差异，分析了大规模路网下信号协调面临的解空间快速膨胀与时延耦合等关键难点。随后，围绕中心式优化框架，重点讲解了值因子化蒙特卡洛树搜索方法的整体思路，以及路径级排队模型、协调图和Max-Plus算法等核心内容，阐明了如何在优化过程中鼓励协调信号的形成，从而提升整体控制表现。进一步地，结合4×4网格路网实验，对搜索过程、控制效果和绿波带形成情况进行了分析，结果表明所提出方法相较于基准方法能够有效降低总排队与非边缘路段排队，并展现出更强的绿波协调能力。最后，围绕下一步工作，汇报明确了后续研究重点，包括进一步提升场景真实性、基于实际路网与检测器数据构建更真实的排队模型，以及针对协调时延特性继续改进搜索效率。交流环节中，老师和课题组成员围绕模型真实性、搜索效率提升和实际路网应用等方面提出了有针对性的意见与建议，为下一阶段研究工作的推进进一步理清了思路。

三、杨天麟研究进展汇报

杨天麟同学汇报的题目是《多源异构数据下的快速路非常态拥堵模式划分方法》。首先阐述了本研究所用的上海市快速路断面线圈数据、事故数据和小时级降雨量数据的时空范围和各个数据字段。其次，针对课题组前期的研究，在其基础上改建构建了原发性-继发性拥堵划分方法和常发性-偶发性拥堵的划分方法，并在此基础上通过交叉组合的方式形成4种混合拥堵模式，然后针对上海市南北高架路的“南北东鲁班至共和”区域在2014年4月的28天数据进行了案例分析，在现有的数据条件下，发现拥堵取样时间跨度为30min时，对于拥堵模式划分的效果最佳。最后，提出了下一步研究的计划和展望，对于拥堵样本的模型训练和识别过程：方案（1）—针对本研究问题，采用传统机器学习的组合/改进模型；方案（2）一条快速路看作由多个子路段（节点）构成的图结构，采用时空图深度学习方法。为了服务后续的“拥堵预测”任务，以方案（2）为主进行研究。

交流环节中，唐克双老师、朱宏老师及课题组其他成员针对研究中的细节和不足展开讨论，主要提出了如下改进方案：（1）将交通事故数据在时空图上单独体现出来，以验证划分拥堵模式的合理性；（2）在划分拥堵模式之前，要明确对拥堵事件提取的过程，并在现有的拥堵模式划分流程进一步加以改进，确保逻辑的合理性。