（院研究生会宣传部王尚瑾 图/文）4月22日我院通过线上会议的方式组织智能交通技术专业研究生参与我院第21期“工学智汇”智能交通技术研究生学术汇报活动。章国鹏老师莅临指导，汇报人张谚梵、张文博、张亭亭、王镜硕、钮未杰，林佳倩担任主持人。
张谚梵同学聚焦交通冲突预测领域，针对传统模型在非平衡性数据与跨域泛化场景下易失效的痛点，提出融合在线增量学习与深度迁移学习的创新预测框架。该研究巧妙利用对抗域适应网络技术，搭建起时空统一的预测模型，既能有效应对交通场景变化带来的概念漂移与新场景冷启动难题，又显著提升了预警的时效性与模型的鲁棒性。依托希腊无人机轨迹数据开展的实验验证，充分证明了该框架在数据扎实度与理论可行性上的双重优势，为动态交通环境下的冲突预警提供了全新解决方案。
张文博同学围绕道路隐性病害智识别与可视化展开研究，创新采用“探地雷达数据+BIM数字孪生”的双轮驱动模式，构建起全流程病害识别与养护决策体系。在数据层面，通过GprMax软件生成虚拟数据与GS8200探地雷达真实数据融合，打造高质量病害数据集；在模型层面，基于YOLOv11引入上下文引导卷积与轻量化检测头，实现精度提升与模型轻量化的平衡。更值得一提的是，研究搭建BIM数字孪生系统，模拟雨雪、车流量等复杂物理条件，实现道路结构破坏的长期预测，为靶向养护、降本增效提供了科学依据。
张亭亭同学深耕桥梁表观病害智能识别领域，针对传统算法难以适配无人机嵌入式部署、病害量化精度不足等问题，对YOLOv8网络进行深度优化。研究引入HTC Block与深度可分离卷积，打造轻量化检测模型，完美适配无人机端侧部署需求，实现钢桥与混凝土桥裂缝、锈蚀等多病害的快速识别。在此基础上，进一步引入语义分割模型，实现病害的像素级精准分析，通过计算病害实际尺寸，为桥梁损害程度评估提供量化工程依据，推动桥梁巡检从“定性判断”向“精准量化”跨越。
王镜硕同学围绕无人机选址-配送鲁棒优化展开研究，提出两阶段鲁棒优化模型，精准解决需求波动大、订单不可拆分的行业痛点。在模型构建上，第一阶段决策无人机基站选址，第二阶段高效处理动态需求分配；在算法优化上，创新性融入机器学习技术，通过神经网络预测第二阶段成本，构建增强型求解算法。实验数据显示，该算法在大规模场景下，将求解时间从传统CCG算法的数千秒级压缩至秒级，极大提升了配送优化效率，为无人机配送的工程落地提供了高效、可行的技术路径。
钮未杰同学聚焦高铁沿线风速多步区间预测，针对传统点预测无法提供风险边界、难以支撑安全决策的问题，提出基于动态高斯过程的预测方法。 研究构建多步区间预测框架，通过动态高斯过程刻画风速的非平稳动态特征，同时引入自适应融合机制，平衡序列稳定性与长期准确性。该方法在保障高覆盖率的同时，有效缩减预测区间宽度，为列车运行调度提供了可靠的风险预警边界，为高铁运营安全保障体系构建提供了关键技术支撑。
章国鹏老师在认真听取每位同学的汇报展示后对大家的工作表示肯定，同时针对一些细节问题提出了改进意见，本次活动顺利举行。
