组会简讯：2026年秋季第15次组会

2026年6月23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ATS分组的成员参与了本次组会。本次组会主要内容为Saani同学、杨天麟同学的研究进展汇报。

一、Saani研究进展汇报

The presentation outlines the multi-source data preparation and synchronization work underpinning a PhD research framework for causal, spatiotemporal AI-based classification and prediction of recurrent (RC) and non-recurrent (NRC) expressway traffic congestion. The study targets six Bay Area District 4 freeways over 2023–2024, integrating four data sources — PeMS traffic data (395.7M rows, 1,882 ML detectors), CHP incident records (~156K incidents across severity tiers), TIMS/SWITRS crash data (~11,799 crashes with 41 features), and NOAA hourly weather observations from 7 airport stations (98.7–100% coverage) — through a spatial-temporal fusion pipeline that uses haversine-based station matching, 5-minute boundary alignment, and an incident-centered NRC window construction capturing upstream/downstream traffic impacts within 1–3 mile spatial and 1–3 hour temporal radii.

二、杨天麟研究进展汇报

杨天麟同学汇报了“多源数据下的快速路非常态拥堵模式划分的研究框架”研究进展，汇报了数据介绍、拥堵模式划分方法和未来工作三个部分。他首先阐述了所用的断面线圈数据、事故数据和天气数据的基本信息，随后基于当前断面线圈原始数据空间粗粒度的现状，介绍了采用ASM模型重构全时空速度等高线图的过程，在此基础上作为快速路自发性拥堵-诱发性拥堵模式划分算法的输入，而常发性-偶发性拥堵模式的划分过程有待进一步确立方法。最后，梳理了本研究的整体框架以及各部分的衔接关系，以及未来待补充工作。在交流环节，朱宏老师及课题组成员提出了建设性的指导意见，并明确了要尽快完成此研究工作和论文投稿。