2019年6月5日，课题组全体同学在学院315举行了组会，本次组会由刘家豪、陈思曲、周俊杰、唐志贤进行毕业论文预答辩。指导老师唐克双教授、课题组所有在读学生参与本次例会。

刘家豪同学就《基于车辆轨迹数据的信控干道关键路径识别》相关问题进行了毕业论文预答辩。

汇报内容包括以下几个部分：（1）研究背景，包括研究场景、文献综述、技术路线等四个部分；（2）基于车辆轨迹数据，融合AVI数据，建立了3个路径流量估计模型；（3）介绍了仿真场景，对研究进行了结果分析以及敏感性分析；（4）总结与展望。

陈思曲同学就《基于卷积神经网络的城市快速路行程速度短时预测方法》相关问题进行了毕业论文预答辩。

汇报内容包括以下几个部分：（1）介绍了研究背景，包括研究对象以及研究目的等；（2）基于线圈检测器的数据处理方案与行程速度时空图像生成方法；（3）深度神经网络的模型设计与优化流程，并在此基础上确定4种不同结构的基于卷积神经网络的行程速度短时预测混合模型；（4）从不同输入时间步长、精度与效率、可视化结果多维度、不同预测场景对上述模型进行对比分析；（5）总结与展望。

周俊杰同学就《基于车辆轨迹数据的信控干道关键路径识别》相关问题进行了毕业论文预答辩。

汇报内容包括以下几个部分：（1）介绍了课题概述，包括研究对象以及研究目的等；（2）基于轨迹数据，介绍了消散波、集结波（4种场景）的重构方法；（3）从非重合区域面积比角度对模型重构精度进行了评价，从车均信控延误角度对模型适用性进行了评价，并进行了敏感性分析（4）总结与展望。

唐志贤同学就《基于流向对的干线协调信号控制优化方法》相关问题进行了毕业论文预答辩。

汇报内容包括以下几个部分：（1）介绍了研究背景，包括研究背景以及研究目的等；（2）从主路直行为主的场景、具有大量转向流量的场景两个场景对MULTIBAND、AM-BAND和Multi-path Model三个模型进行了适用性分析；（3）构建了一种以流向对为协调控制单元的干线协调控制模型LMP-BAND；（4）从主路直行为主的场景、具有大量转向流量的场景两个场景对LMP-BAND进行了评价；（5）总结与展望。

唐克双老师就刘家豪、陈思曲、周俊杰、唐志贤同学预答辩中出现的各种问题进行了剖析与讨论，并给出了若干修改建议，大家受益匪浅。