首页 >> 通知公告

欢迎报考2020年博士、硕士研究生,进行交通安全理论与应用学习与研究

发表时间:   阅读次数:

研究团队招收交通工程、道路工程、地理信息、应用数学与概率统计、车辆工程、心理学等背景的硕士、博士研究生。

研究团队聚焦国家交通安全改善重大需求,针对交通参与者行为、道路安全设计、交通安全管理、车辆主动安全与自动驾驶方向与国内各级机构、国际大学和研究机构开展紧密合作,注重理论研究与应用推广的结合,致力于基础理论研究和切实推动交通安全改善。

一、实验平台

(1)建成国际一流的八自由度高仿真驾驶模拟器

建设了我国首个具有八自由度运动系统的驾驶模拟平台。驾驶模拟实验平台配置有多角度驾驶舱摄像头,可捕捉并记录驾驶人动作与状态,可实现驾驶人操作状态的实时监控。支持驾驶心理与行为分析实验。

相关新闻:同济大学8自由度驾驶模拟器投入运行

(2)开展国内首个自然驾驶数据采集实验

同济大学与通用汽车、弗吉尼亚理工大学合作,自2012年起开展了自然驾驶数据采集实验。自然驾驶测试车辆安装了国际最先进的自然驾驶数据采集设备,是国内首个该类型的实验。至今已采集六类车辆,超过200位驾驶员,百万公里级自然驾驶数据同时面向中国复杂道路环境开展自动驾驶传感器数据采集。

相关新闻:Pilot Naturalistic Driving Study in China

二、研究方向

(1)交通行为、心理与安全

 ① 中国驾驶员行为特征解析

同济大学2014年起与通用等汽车企业合作,开展了中国驾驶员跟车、变道、停车等驾驶行为的系统性分析。基于上海自然驾驶数据,建立变道和切入行为自动化提取标准;对城市快速路跟驰模型进行了标定与验证,在此基础上建立了强化学习跟驰模型;分析自然驾驶车辆的变道行为特征、决策机制以及对后随车辆的影响,建立了多元线性可插车间隙模型。

代表论文:

[1] Minming Yang, Xuesong Wang, Mohammed Quddus. Examining Lane Change Gap Acceptance, Duration and Impact Using Naturalistic Driving Data, Transportation Research Part C, Volume 104, July 2019, Pages 317-331.

[2] Xuesong Wang, Minming Yang, David Hurwitz. Analysis of cut-in behavior based on naturalistic driving data. Accident Analysis and Prevention. Volume 124, March 2019, Pages 127-137.

[3] Meixin Zhu, Xuesong Wang*, Andrew Tarko, Shou’en Fang, Modeling Car-Following Behavior on Urban Expressways in Shanghai: A Naturalistic Driving Study. Transportation Research Part C: Emerging Technologies. Volume 93, August 2018, Pages 425-445.

基于驾驶模拟的行为解析与人车交互

与一汽、HARMAN、华为、宝马等国际知名企业合作,依托同济大学八自由度驾驶模拟器开发了疲劳预警算法并测试了驾驶人在受到预警提示后的生理、驾驶行为特征的响应及变化规律。依托驾驶模拟器对驾驶人路怒及分心状态识别开展研究,建立基于深度学习的驾驶人面部及手部特征图像识别算法。

相关新闻:面向智能驾驶的驾驶员感知和仿真研究

代表论文:Xuesong Wang, Chuan Xu. Driver drowsiness detection based on non-intrusive metrics considering individual specifics. Accident Analysis & Prevention, Volume 95, Part B, October 2016, Pages 350-357.

 ③ 基于行为分析的营运驾驶人安全教育

于2013年开始依托于中瑞道路交通安全研究中心,与沃尔沃集团、瑞典查尔姆斯大学等单位合作,基于市内货运行业危险驾驶行为数据开展定期的安全教育,危险交通事件率下降达75%。

2016年起与携手共建安全道路联盟(Together for Safer Roads, TSR)合作,在上海市交通委员会与上海市公安局交通警察总队的支持下,在省际客运、市内公交、集装箱运输与危化品运输四类重点行业开展,形成了每月集中宣教与个体教育相结合的组合式安全教育方法,编著了《基于行为分析的营运驾驶员安全教育指南》,支撑了营运行业不良驾驶行为改善。

相关新闻:基于行为分析的营运驾驶员安全教育 

代表论文:Xuesong Wang, Yilun Xing, Lian Luo, Rongjie Yu. Evaluating the effectiveness of Behavior-Based Safety education methods for commercial vehicle drivers. Accident Analysis & Prevention, Volume 117, August 2018, Pages 114-120.

(2)车辆主动安全与自动驾驶

前向避撞预警系统算法及安全评估研究

基于同济大学8自由度高仿真驾驶模拟器开展了前向碰撞预警系统(Forward Collision Warning,FCW),基于驾驶员在不同级别追尾碰撞风险下的制动行为,开发了基于运动学的FCW算法。基于上海自然驾驶实验数据在国际上首次开展了车辆主动安全功能对驾驶行为影响的研究,建立了融合紧急事件、反应时间、驾驶行为的多维评估方法,研究成果可为V2V环境中对驾驶员跟驰行为的建模提供科学依据。

代表论文:Xuesong Wang, Ming Chen, Meixin Zhu, Paul Tremont. Development of a Kinematic based Forward Collision Warning Algorithm Using an Advanced Driving Simulator. IEEE Transactions on Intelligent Transportation Systems, Volume 17, Issue: 9, Sept. 2016, Page 2583-2591.

自动驾驶道路适驾性评估

中国的道路环境复杂、驾驶行为相对激进,为自动驾驶汽车在中国的落地带来了艰巨的挑战。依托国家自然科学基金面上项目,并与英特尔智能网联汽车大学合作研究中心、华为、通用汽车等机构合作,以SCANeR仿真平台中的传感器、车辆动力学及驾驶行为仿真为基础,加载三维道路模型、风险驾驶场景库,构建了SCANeR与Simulink互联的自动驾驶道路适驾性测试平台。研究成果可为自动驾驶技术在中国的安全优化提供技术支撑,是对面向自动驾驶的道路改善设计的有益探索。

相关新闻:同济大学团队参加英特尔智能网联汽车大学合作研究中心研讨会

                    英特尔智能网联汽车大学合作研究中心(ICRI-IACV)第二次研讨会在同济大学举办

自动驾驶算法构建与安全测试

基于上海自然驾驶数据,构建了基于深度强化学习的自动驾驶决策算法研究框架,开发了拟人化和多目标优化两种自动驾驶跟驰速度控制算法,构建了驾驶安全性、效率和舒适性的奖励函数,实现了快速训练自动驾驶决策智能体。

代表论文:Meixing Zhu, Xuesong Wang, Yinhai Wang. Human-Like Autonomous Car-Following Model with Deep Reinforcement Learning. Transportation Research Part C, Volume 97, December 2018, Pages 348-368.

(3)交通安全管理

① 复杂路网交通事故统计建模分析

针对我国城市的复杂路网结构,系统构建了中观、微观道路设施的多角度、定量化交通安全分析模型。在国际上首次在中观层面分析路网结构特征对交通安全的影响。累计发表SCI/SSCI检索论文40余篇。目前正承担国家重点研发计划政府间国际科技创新合作重点专项,与雅典国家技术大学、普渡大学、中佛罗里达大学、英国拉夫堡大学、德国宇航中心等知名科研机构共同开展国际交通安全分析模型的构建。

代表论文:

[1] Xuesong Wang, Tianxiang Fan, Ming Chen, Bing Deng, Bing Wu, Paul Tremont. Safety Modeling of Urban Arterials in Shanghai, China. Accident Analysis & Prevention, 2015, 83: 57-66.

[2] Xuesong Wang, Jinghui Yuan, Grant G. Schultz, Shouen Fang, Investigating the safety impact of roadway network features of suburban arterials in Shanghai, Accident Analysis and Prevention. Volume 113, April 2018, Pages 137–148.

[3] Jia Li, Xuesong Wang. Safety analysis of urban arterials at the meso level. Accident Analysis and Prevention. Volume 108, November 2017, Pages 100–111.

[4] Xuesong Wang, Qingya Zhou, Mohammed Quddus, Tianxiang Fan, Shou’en Fang. Speed, speed variation and crash relationships for urban arterials. Accident Analysis & Prevention, Volume 113, April 2018, Pages 236-243.

②  交通安全信息化管理

针对道路交通安全管理数据采集,编制了《交通警察执勤执法地点表述规范》、《面向交通管理的道路信息采集规范》,应用于上海、广州、苏州等地,示范应用地市的事故数据定位精度由不足50%提升至90%以上;目前正与公安部交科所合作编制国家规范(已获批立项)。

研发了《道路交通事故分析预警系统》,自2009年起应用于上海市交警总队。系统构建了基于WebGIS技术的事故数据、违法数据空间可视化分析技术,实现了基于事故密度算法实现自定义长度的事故多发路段排查;系统实现了城市道路交通安全管理的重点区域、设施在线预警,多源交通安全管理数据的空间叠加分析方法,可支撑交警勤务模式优化的决策支持。

相关新闻:上海市道路交通安全分析预警决策支持与事故主动管控技术研究

 ③ 交通安全规划与政策

开展了交通安全规划理论与宏观交通安全评估定量化分析研究,研究了宏观交通安全管理决策支持技术,实现了城市交通安全重点问题识别与重点管理区域判别,形成了国家、城市、重点区域的交通安全管理措施知识库。2012年负责了《上海市交通发展白皮书》交通安全管理政策的研究与编制,2016年参与了中国《道路交通安全“十三五”规划》,2018年起负责开展太原市的《道路交通安全管理规划》编制。

代表论文:

[1] Xuesong Wang, Qingya Zhou, Junguang Yang, Shikai You, Yang Song, Meigen Sun. Macro-level traffic safety analysis in Shanghai, China, Accident Analysis & Prevention, Volume 125, April 2019,Pages 249-256.

[2] Xuesong Wang, Junguang Yang, Chris Lee, Zhuoran Ji, Shikai You. Macro-level safety analysis of pedestrian crashes in Shanghai, China. Accident Analysis & Prevention, 2016, 96:12-21.

(4)道路设计安全评估与改善

①  事故多发设施判别与改善设计研究

与布隆伯格基金、携手创建更安全道路组织(Together for Safer Roads, TSR)、上海市交警总队等合作,结合国际道路交通安全改善经验,形成了我国城市道路交通安全影响因素知识库;编制有《上海市事故多发道路判别与改善工作指南》。构建了“判别分析、改善设计、现场实施、效果评估”的四阶段工作模式。在上海、湖南、山西、江苏、云南、河北等11省市开展事故多发道路判别与改善工作,总里程超2000公里。

②  基于驾驶模拟的道路设计评估与优化

基于中国首个具有8自由度运动系统、先进的图像融合校正系统的驾驶模拟器,攻克了道路精确建模、实验设计、数据分析等模拟器应用关键技术。依托国家自然科学基金优秀青年科学基金计划,研究了驾驶模拟实验设计方案、平纵线形组合路段评价指标选取及阈值构建、相邻组合复杂路段评价指标选取及阈值构建、组合线形设计优化。成果已经应用于湖南省永吉高速公路、永龙高速公路;上海市沿江路、江浦路、龙水南路越江隧道的设计方案评估与优化。

代表论文

 [1] Xuesong Wang, Ting Wang, Andrew Tarko, Paul Tremont. The influence of combined alignments on lateral acceleration on mountainous freeways: a driving simulator study. Accident Analysis & Prevention, 2015, 76: 110-117.

[2] Xuesong Wang, Xiaomeng Wang, Bowen Cai, Jiao Liu. Combined alignment effects on deceleration and acceleration: a driving simulator study. Transportation Research Part C, Volume 104, July 2019, Pages 172-183.

三、科研合作平台

(1)学科交叉合作

团队围绕交通安全研究方向,与同济大学医学院、复旦大学心理学系、中科院心理所等单位合作,通过与心理学、社会学等相关学科交叉,研究重点驾驶人群体行为特征与不良驾驶行为的心理致因。充分发挥同济大学学科优势,与数学系、软件学院、电信学院、经管学院等合作,在交通安全数据分析方法、交通安全管理大数据分析技术、交通安全管理人机协同决策技术等领域开展学科交叉研究。 

(2)产学研应用平台

与公安部交通管理科学研究所等单位共建道路交通集成优化与安全分析技术国家工程实验室驾驶行为技术研发部,深入研究重点驾驶人群体行为特征,为交通安全宣传教育、驾驶员培训考试、不良驾驶行为执法等方面提供理论和技术支撑。与公安部交通管理科学研究所、公安部道路交通安全研究中心签有战略合作协议,为我国交通安全管理战略政策的制定提供理论和技术支撑。与广州、苏州、太原、甘肃省等交通安全管理部门签署了战略合作协议,积极服务地方交通安全改善。

(3)国际合作平台

实验室于2017年入选交通安全学科创新引智基地(111计划),已经和国际交通安全研究机构(美国普渡大学、哥伦比亚大学、中佛罗里达大学、德国宇航中心、英国拉夫堡大学、日本东京大学等)建立了实质性的科研合作关系,致力于培养我国道路交通安全方向高端理论和应用人才。

相关新闻:国家外国专家局张建国局长一行调研同济大学交通安全学科创新引智基地建设

四、国际学术影响

(1)国际研讨会

为促进我国交通安全学科的国际合作与交流,同济大学联合美国、德国的高校与科研机构组织了系列国际学术研讨会,深化了同济大学与国内外高校、科研机构、政府主管部门在交通安全领域的合作交流,进一步扩大了同济大学在交通安全领域的影响。

相关新闻:第六届国际交通安全学术研讨会暨第七届中德道路交通安全研讨会成功举办

                    第五届国际交通安全学术研讨会顺利召开

                    第四届同济大学国际交通安全学术研讨会成功举办

(2)技术论坛

从2016年开始,团队发起了“同路人”交通安全技术论坛,到目前已经组织了如下主题的研讨:美国《统一交通控制设施手册》、高速公路安全重点问题、基于行为分析的营运驾驶人安全教育、道路安全设计、事故多发道路判别与改善、速度管理。“同路人”交通安全技术论坛为从事交通安全的管理人员、设计人员、研究人员提供了互相学习、交换意见的平台,同时加强了我国与国际交通安全领域专家的合作,为推动交通安全事业起到了积极的作用。

相关新闻:第六期“同路人”交通安全技术论坛成功召开——速度管理研讨会

                    第五期“同路人”交通安全技术论坛——事故多发道路判别与改善研讨会成功召开

                   “同路人”交通安全技术论坛顺利召开——高速公路安全重点问题研讨总结

                          

©CopyRight 2003-2012   同济大学交通运输工程学院

备案号:沪ICP备1300535