2026年6月17日13:30，课题组在嘉定校区通达馆436室展开学术交流会议。本次汇报由廖彦锟同学、方启哲同学、赵欣然同学和徐雅娇同学负责，由赵欣然同学主持，朱圣泽同学记录。

本次学术交流会议首先由廖彦锟同学汇报其大论文的进度。其汇报主题为《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》。会中，廖彦锟同学围绕主线汇入场景下的交互特征分析展开汇报，从驾驶行为建模与轨迹预测现状、超图神经网络在交通场景中的应用、深度最大熵逆强化学习方法的优势与局限性等方面总结了当前相关领域的研究现状，指明了现有方法的瓶颈与未来重点突破方向。当前，主线汇入交互分析已由早期的基于规则或简单运动学模型，演变为数据驱动与深度学习方法并存的复杂局面，研究的对象、数据基础、分析方法与决策逻辑均发生了显著变化。针对现有交互特征分析中存在的多智能体交互建模不足、长时域预测误差累积等问题，综合考虑当前技术发展情况，未来业界可从超图结构构建、深度逆强化学习算法优化、多模态交互特征提取与复杂场景下的行为预测四大方向进行突破。

汇报结束后，参会师生围绕汇报内容展开讨论。首先，同学们针对汇报中提及的概念与技术进行了探讨，包括超图卷积网络、最大熵逆强化学习、轨迹预测评价指标与混合交通流建模，廖彦锟同学依次进行了详细解答。随后，三位与会教师针对汇报内容中存在的不足给出了具体的建议。本次学术交流会议向与会师生展示了主线汇入交互特征分析领域近几年的研究进展，拓宽了各位课题组成员的见识面，丰富了大家的知识储备。

之后，本次学术交流会议由方启哲同学汇报其大论文的进度。汇报主题为《快速路合流区连续换道行为对比分析》。方启哲同学围绕快速路合流区的车辆换道行为展开汇报，从合流区交通流运行特性、连续换道决策机理与风险演化规律等方面总结了当前相关领域的研究现状，指明了现有驾驶行为建模的瓶颈与未来重点突破方向。当前，合流区换道行为研究已由早期的单一换道动作分析，演变为多车道、多阶段的连续换道博弈与轨迹规划问题，研究的对象、数据基础、分析方法与决策逻辑均发生了显著变化。针对现有连续换道行为分析中存在的交互特征提取不足、长时域轨迹预测误差累积等问题，综合考虑当前技术发展情况，未来业界可从多车交互意图识别、连续换道风险评估模型、博弈论在换道决策中的应用与复杂场景下的轨迹预测四大方向进行突破。

汇报结束后，参会师生围绕汇报内容展开讨论。首先，同学们针对汇报中提及的概念与技术进行了探讨，方启哲同学依次进行了详细解答。随后，三位与会教师针对汇报内容中存在的不足给出了具体的建议。本次学术交流会议向与会师生展示了快速路合流区连续换道行为分析领域近几年的研究进展，拓宽了各位课题组成员的见识面，丰富了大家的知识储备。

之后，本次学术交流会议由赵欣然同学汇报其大论文的进度。汇报主题为《通学接送非机动车交通需求分析》。会中，赵欣然同学围绕通学场景下的非机动车交通需求展开汇报，从通学出行链特征与需求生成机理、接送行为时空分布规律、慢行交通设施供给与需求匹配等方面总结了当前通学交通的研究现状，指明了现有需求分析方法的局限性与重点突破方向。当前，通学接送需求研究已由早期的机动车接送主导，演变为非机动车出行比例显著提升、接送行为高度集聚的复杂局面，研究的对象、数据基础、分析方法与治理逻辑均发生了明显变化。针对现有研究中存在的通学路径选择机制不明、接送点拥堵成因不清、慢行设施供需错配等主要问题，综合考虑当前技术发展情况，未来业界可从通学出行行为建模、接送点选址优化、慢行交通组织与通学路径安全提升四大方向进行突破。

汇报结束后，参会师生围绕汇报内容展开讨论。首先，同学们针对汇报中提及的概念与技术进行了探讨，包括通学出行链识别、非机动车停放需求预测、接送点时空分布特征与慢行交通流量调查方法，赵欣然同学依次进行了详细解答。随后，三位与会教师针对汇报内容中存在的不足给出了具体的建议。本次学术交流会议向与会师生展示了通学接送非机动车交通需求分析领域近几年的研究进展，拓宽了各位课题组成员的见识面，丰富了大家的知识储备。

之后，本次学术交流会议由徐雅娇同学汇报其大论文的进度。汇报主题为《基于有模型强化学习的汇入场景自动驾驶决策研究》。会中，徐雅娇同学围绕高速匝道汇入场景下的自动驾驶决策问题展开汇报，从汇入交互行为建模与轨迹预测、有模型强化学习算法的原理与优势、动态环境下的决策安全性与效率平衡等方面总结了当前自动驾驶决策领域的研究现状，指明了现有无模型方法在样本效率与安全性保障上的瓶颈及未来重点突破方向。当前，汇入场景决策研究已由早期的基于规则或无模型强化学习，演变为融合环境模型与数据驱动的深度强化学习新范式，研究的对象、数据基础、分析方法与决策逻辑均发生了显著变化。针对现有研究中存在的样本效率低下、长时域规划能力不足、极端工况下安全性难以保障等主要问题，综合考虑当前技术发展情况，未来业界可从世界模型构建与预测、模型预测控制与强化学习融合、多智能体交互博弈决策与可解释性决策框架四大方向进行突破。

汇报结束后，参会师生围绕汇报内容展开讨论。首先，同学们针对汇报中提及的概念与技术进行了探讨，包括模型预测控制、深度确定性策略梯度、多模态轨迹预测与奖励函数设计，徐雅娇同学依次进行了详细解答。随后，三位与会教师针对汇报内容中存在的不足给出了具体的建议。本次学术交流会议向与会师生展示了基于有模型强化学习的汇入场景自动驾驶决策研究领域的最新进展，拓宽了各位课题组成员的见识面，丰富了大家的知识储备。