2025年东南大学交通运输学院科研成果.docxVIP

研究报告

PAGE

1-

2025年东南大学交通运输学院科研成果

一、智能交通系统

1.车联网技术研究

(1)车联网技术作为智能交通系统的重要组成部分，近年来在国内外得到了广泛关注。东南大学交通运输学院在该领域的研究取得了显著成果，特别是在车联网通信协议、车辆定位与导航、车车协同控制等方面。研究团队针对车联网通信协议的可靠性与安全性进行了深入研究，提出了基于新型加密算法的通信协议，有效提升了数据传输的稳定性与安全性。同时，针对车辆定位与导航技术，团队开发了一种融合多源信息的定位算法，提高了定位精度和抗干扰能力。

(2)在车车协同控制方面，东南大学交通运输学院的研究团队提出了基于多智能体系统的协同控制策略，实现了车辆在复杂交通环境下的安全行驶。该策略通过建立车辆之间的信息共享机制，实现了车辆间的实时通信和协同决策。此外，研究团队还针对车联网中的数据处理与分析问题，开发了高效的数据处理平台，能够快速处理海量车辆数据，为交通管理和决策提供有力支持。

(3)为了更好地推动车联网技术的发展，东南大学交通运输学院还积极开展产学研合作，与多家企业共同开展车联网技术的研发与应用。例如，与某知名汽车制造商合作，共同研发了基于车联网技术的智能驾驶辅助系统，该系统已在部分车型上得到应用。此外，学院还与政府部门合作，参与制定了车联网相关行业标准，为车联网技术的健康发展提供了政策保障。通过这些合作，东南大学交通运输学院在车联网技术领域的研究成果得到了广泛应用，为我国智能交通事业的发展做出了积极贡献。

2.智能交通信号控制

(1)智能交通信号控制作为提升城市交通效率和缓解交通拥堵的关键技术，东南大学交通运输学院在该领域的研究成果丰硕。研究团队针对传统交通信号控制系统的不足，提出了基于大数据和人工智能的智能交通信号控制策略。该策略通过实时采集和分析交通流量、车速、排队长度等数据，实现了对交通信号的动态调整，有效提高了路口通行效率。具体来说，研究团队开发了基于深度学习的交通流量预测模型，能够准确预测未来一段时间内的交通流量变化，为信号控制提供了科学依据。此外，通过引入自适应控制算法，实现了信号灯配时方案的智能优化，进一步提升了路口的通行能力。

(2)在智能交通信号控制的研究中，东南大学交通运输学院特别关注了信号灯配时优化与协同控制问题。研究团队提出了一种基于多目标优化的信号灯配时方法，综合考虑了交通流量、排队长度、延误等多个指标，实现了信号灯配时方案的全面优化。此外，针对多路口协同控制问题，团队研发了一种基于多智能体系统的协同控制策略，实现了相邻路口信号灯的协同优化。该策略通过建立路口之间的信息共享机制，实现了信号灯配时方案的动态调整，有效缓解了交叉路口的交通拥堵问题。在实际应用中，该协同控制策略已在多个城市路口得到实施，取得了显著的交通改善效果。

(3)为了推动智能交通信号控制技术的产业化应用，东南大学交通运输学院与多家企业开展了合作。例如，与某知名交通科技公司合作，共同研发了基于云计算和大数据的智能交通信号控制系统，该系统已在全国多个城市推广应用。此外，学院还与政府部门合作，参与了城市交通信号控制系统的规划和建设，为城市交通管理提供了技术支持。通过这些合作，东南大学交通运输学院在智能交通信号控制领域的研究成果得到了广泛应用，为我国城市交通的可持续发展做出了积极贡献。同时，学院还注重人才培养，培养了一大批具有创新精神和实践能力的交通信号控制专业人才，为我国智能交通事业的发展提供了人才保障。

3.自动驾驶算法优化

(1)自动驾驶算法优化是自动驾驶技术发展的重要环节，东南大学交通运输学院在算法优化领域取得了显著成果。例如，研究团队提出了一种基于深度学习的目标检测算法，通过融合卷积神经网络和注意力机制，提高了对道路、车辆、行人等目标的识别准确率。在实际测试中，该算法在公开数据集上实现了96%的目标检测准确率，有效降低了自动驾驶系统对周边环境的误识别率。此外，针对自动驾驶车辆在复杂环境下的决策问题，团队开发了一种基于强化学习的决策算法，通过不断学习与优化，使自动驾驶车辆能够在城市道路、高速公路等多种场景下安全行驶。

(2)在自动驾驶路径规划方面，东南大学交通运输学院的研究团队提出了一种基于图论的路径规划算法，该算法能够根据实时交通信息和道路状况，为自动驾驶车辆规划出最优行驶路径。在实验中，该算法在模拟交通环境中实现了95%的路径规划成功率，且路径长度与实际行驶距离的误差仅为2.5%。此外，针对自动驾驶车辆的动态避障问题，团队开发了一种基于多智能体系统的避障算法，该算法能够在保证安全的前提下，提高车辆的行驶速度。在实际案例中，该算法使自动驾驶车辆在复杂路况下的平均行驶速度提高了20%，有效提升了车辆的行驶效率。

(3)自动驾