第十八期“工学智汇”智能交通研究生学术汇报活动

第十八期“工学智汇”智能交通研究生学术汇报活动

（院研究生会王美潇 文/图）4月24日下午，pg电子官网第十八期“工学智汇”智能交通研究生学术汇报活动在5幢102教室成功举行。pg电子官方网站施俊庆老师莅临指导，主讲人分别为23级智能交通技术专业研究生阮岁、雷芳玲、张嘉龙、李怡迩、梁毅。23、24级智能交通技术和交通运输专业研究生积极参与了此次活动。

阮岁同学汇报的主题是《雾霾场景下基于多尺度目标检测的改进YOLO算法》。针对雾霾天气交通场景中目标检测的难题，阮岁提出基于 YOLOv 11n 架构的增强型混合模型 AMC - YOLO，以应对交通安全挑战、背景噪声、尺度变化和视角不固定等问题。同时引入基于注意力机制和跨通道融合的新技术，如 GCFM 和 CCFM 模块，增强模型对复杂交通场景的适应性和特征提取能力。实验结果显示，该模型在多项指标上表现优异，彰显了其在计算机视觉领域的应用潜力。

雷芳玲同学以《基于SIRS模型的电动自行车-机动车冲突风险传播特性研究》为题，围绕电动自行车在交叉口的从众行为，揭示其引发的安全冲突风险。她指出，交通事故分析应超越事故本身，全面审视交通场景中的互动。为此，研究将交通系统视为复杂网络，利用监督检测、冲突指标分析及 SIRS 模型等工具，预测并量化风险传播，为交通安全管理提供实证支持和策略建议，以提升整体道路安全。

张嘉龙同学围绕《基于深度学习的高铁沿线短期风速风向联合预测方法研究》展开汇报。随着中国高铁网络的完善，大风灾害对动车组列车的安全运行构成显著挑战。张嘉龙提出利用铁路沿线的风速监测数据，结合非平稳变压器模型与多变量分析技术，提高风速的预测准确性。这种方法有助于提前采取措施减轻恶劣天气对高铁运营的影响，通过优化安全预警系统，有效降低强风环境下铁路运营效率下降的风险，为高铁运营提供更有力的支持，保障高铁运行的安全与效率。

李怡迩同学汇报的主题为《基于文本挖掘的铁路事故致因链分析》。立足铁路事故研究现状及事故致因提取模型与方法，采用基于文本挖掘的事故因子提取、双向LSTM集成的事故分类及 QOCWO-FP-Growth算法优化等方法，旨在通过先进技术提升铁路系统安全与效率。此外，通过事故数据清洗与深度学习模型优化，以及事故致因链的提取与可视化，为铁路事故预防与管理提供更高效的技术支持与决策依据。

梁毅同学的汇报聚焦于《基于动态可变形卷积的YOLO11轻量化路面病害检测算法改进》这一主题。传统路面性能检测方法，如激光探头和刹车平衡检测，虽成熟但面临成本高、操作复杂且效率低的挑战。为解决这些问题，新技术的应用成为了讨论焦点，特别是基于高清摄像头和广角相机的检测系统，结合先进的深度学习模型，显著提高了检测精度和效率。通过改进的目标检测模型和引入注意力机制，新方法特别增强了对细小裂缝等缺陷的识别能力，并优化了模型以适应轻量化设备，实现了检测准确率和计算效率的大幅提升，满足了实时检测的需求。

施俊庆老师对本次活动的主讲人们进行了详细的点评，指出各自的优缺点并提出了建议：第一，肯定了阮岁同学新提出的模型在检测精度、参数大小、实时交通检测能力以及检测率提升方面的优势。第二，建议雷芳玲同学深入分析冲突程度，准确识别问题，并将研究成果切实应用到交通管理和基础设施的改进上，避免仅停留在理论层面。第三，希望张嘉龙同学综合考虑其他外部因素对风速的影响，使模型更加全面，提升实际应用价值。第四，要求李怡迩同学确保算法提取的因子与人工分析结果的吻合度，增加研究成果转化为事故预防策略和交通安全改进措施的内容，确保研究产生实际效益。第五，期望梁毅同学建立更全面的检测系统，以覆盖更多车道，减少不必要的重复检测。