2025年4月17日下午1点30分，课题组成员在至臻楼413会议室开展了本次学术交流会，共1位老师和16名同学线下参加,。本次会议由王砚轩主持，徐雅娇记录。本次学术交流会上，王砚轩、孙思薇、向争良同学依次对他们的相关研究内容进行汇报与分享，王艳丽老师以及部分同学对汇报的内容进行了提问，并给出了修改建议。

王砚轩同学的汇报主题是《安全关键场景下车辆汇入行为分析与预生成》。他首先强调了汇入行为在交通流理论中的重要性，尤其是其对交通安全和效率的影响。汇入行为经常发生在匝道与主线交界处，容易导致交通瓶颈和事故，但是在自动驾驶研究中，现有关键安全场景相关训练数据比例较低。接着，他回顾了目前汇入场景提取和安全评估的方法，并提出了通过深度学习生成关键安全场景数据的思路，以解决自动驾驶系统中的“稀有事件诅咒”问题。他在研究中结合高精度地图和车辆轨迹数据，采用对抗生成网络（GAN）等生成模型，成功地扩充了训练数据集，提高了自动驾驶系统在安全评估中的能力。实验结果表明，所提出的场景生成方法在有效捕捉关键安全场景上表现出色，提升了系统的风险感知能力和预测准确性。

孙思薇同学的汇报主题是《基于韧性的多模式公交网络评价》。她介绍到，现代城市交通中，公交系统的韧性至关重要，尤其是在突发事件出现和系统被干扰时，如何快速恢复并保证服务连续性已成为当前交通领域研究的重点。她分析了传统的交通韧性评价方法的局限性，并提出了一种新的双层网络模型，结合轨道交通和常规公交的交互关系，评估公交网络在干扰后的恢复能力。在模型构建过程中，她考虑到乘客的实时出行决策，采用动态用户均衡优化方法，还通过遗传算法优化恢复策略，进一步提升了系统的恢复效率。她还通过案例分析验证了模型的有效性，表明该方法能够在突发交通事件发生后，实现高效的服务恢复。

向争良同学的汇报主题是《学生陪伴出行特征分析与方式选择研究》。他首先介绍了自己的研究背景，指出学生陪伴出行在城市居民出行总量中占据重要比例，并且家长接送孩子上下学时常导致交通拥堵。他分析了现有城市交通模型未能充分考虑学生陪伴出行特征，尤其是忽略了家长在出行决策中的作用以及高峰期的差异性的问题。接着，他详细回顾了国内外在学生陪伴出行方式选择预测方面的研究现状，并指出离散选择模型在预测准确性上的不足。为了改进这一问题，他采用了随机森林等集成学习方法，通过分析家庭年收入、学校距离、家长属性等多种因素，成功预测了不同家长的接送出行方式。他的研究还通过问卷调查收集了726份有效数据，并运用Lasso回归分析了影响出行方式选择的关键因素。最后，他展示了群体细分模型的结果，并通过路径分析揭示了各因素间的内在联系，为未来的出行方式预测提供了新的思路和方法。

三位同学汇报后，都与其余同学进行了充分的讨论和交流，王老师仔细聆听了三位同学的回报，肯定了其研究工作，还对三位同学的汇报和研究提出了详细的建议，大家都收获颇丰。