2025年12月10日13:30，课题组在嘉定校区通达馆436室展开学术交流会议。会议由课题组张天任、徐一博、廖彦锟同学主讲，张天任同学主持，陈彦宇同学记录。

张天任同学的汇报主题是《考虑油耗与安全的多目标导航策略》。该研究针对当前路线导航方法存在的不足（如多基于仿真数据、优化方法主观），提出一种客观、使用真实数据、同时考虑交通安全与油耗效率的多目标优化方案。研究基于OpenStreetMap路网信息、高精地形图信息及真实GPS数据展开，采用KD-Tree实现道路互通关系的快速计算、通过负二项回归模型量化路段安全性、利用VT-CPFM模型实现油耗计算。研究提出的多目标迭代Dijkstra算法对出行时间、线路安全性、油耗三个目标进行赋权，并迭代求解出多目标导航策略。研究最后验证了算法的收敛性与鲁棒性，发现该方法同时具有自适应性、客观性与长期最优性。

徐一博同学的汇报主题是《基于动态GCN与Transformer的周边车辆轨迹预测》。该研究针对交叉口无保护左转高风险场景，研究如何更准确地预测周边车辆的未来轨迹，以支撑车辆后续的智能决策过程。本研究提出一种动态图卷积网络 + Transformer + 注意力的组合，可以同时精细建模无保护左转中的多车时空交互与长时意图演化，并自动聚焦关键车辆和关键时刻，从而获得更准确、更可解释的多模态轨迹预测结果。研究基于真实路口（翔江公路与星华路交叉口）无人机航拍视频数据开展，使用Data From Sky软件提取真实轨迹数据用于模型训练。研究结果表明，动态图卷积网络 + Transformer + 注意力组合在预测直行车、对向左转车、对向右转车的轨迹时，平均误差和终点偏差均优于所选的GCN-Transformer、GCN-LSTM和GNN等对比模型，达到了基本最优的预测效果。

廖彦锟同学的汇报主题是《基于超图深度最大熵逆强化学习方法的主线汇入交互特征分析》。该研究针对现有交互建模方法在灵活性和泛化能力上存在的局限，提出了一种解析不同类型车辆在主路汇入交互中存在的差异及其背后的影响机制的方法。研究采用逆强化学习方法，通过观察专家轨迹反推其背后的奖励函数，并提出一种结合超图的建模框架，继承了图神经网络处理节点信息的优势，并用超边（可连接多个节点）显式建模了车辆之间的多车高阶交互关系及地图元素对交互的直接影响。初期训练结果显示，模型能够灵敏捕捉不同类型汇入场景带来的效用变化，实现了特定场景下车辆汇入行为的准确模拟。

三位同学完成汇报后均与参会师生进行了充分的讨论与交流。各位老师仔细倾听了三位同学的汇报后，均给出了详细的建议。课题组师生均收获颇丰。