考研大数据：祝贺TOPS课题组2016级硕士研究生顺利通过学位论文答辩

2019年6月4日8:00-11:30，TOPS课题组16级硕士生于诗楠、周诗旖、黄润涵、徐一鸣、齐骁的硕士论文答辩会在通达馆517会议室举行。答辩委员会由同济大学孙剑教授、倪颖副教授、余荣杰副教授和田野副研究员组成，并且由余荣杰副教授任答辩委员会主席。

与会人员

于诗楠的硕士学位论文针对我国城市道路交叉口非机动车流膨胀现象的建模与仿真展开研究考研大数据，通过实证数据分析了交叉口非机动车膨胀特征，解析了膨胀现象的产生机理。在此基础上搭建了非机动车环境感知-行为决策-动作执行三层行为框架模型，再现交叉口非机动车流的膨胀现象。最后，利用实证数据对模型参数进行标定，验证了模型的有效性。

于诗楠答辩时刻

周诗旖的硕士学位论文针对基于自然骑行实验的城市道路自行车骑行品质评价展开研究，对自然骑行采集设备和自然骑行实验进行详细设计考研大数据，在对自然骑行特征参数识别与提取的基础上，建立了包含城市道路交通特征指标和骑行特征参数的自行车骑行品质评价指标体系，进一步构筑了随机森林模型进行骑行品质预测和实例应用。

周诗旖答辩时刻

黄润涵的硕士学位论文针对智能汽车换道轨迹规划方法展开研究，首先基于美国NGSIM轨迹数据，在对数据进行了异常值剔除及降噪处理基础上，利用k-means++算法将DLC与MLC样本数据进行分类；再利用基于遗传算法优化的BP神经网络分别对不同类别进行训练及测试，用来预测不同时空参数下智能车辆的换道时间；然后，利用四阶多项式作为换道轨迹的基本模型，建立了同时考虑安全性和舒适性的动态轨迹最优规划模型。最后，基于NGSIM数据验证了动态轨迹规划模型的有效性。

黄润涵答辩时刻

徐一鸣的硕士学位论文针对智能汽车加速测试方法展开研究，分析了国内外智能汽车测试方法研究及测试工具与平台发展现状，提出了一种基于重要度抽样的智能汽车高风险场景重构与加速测试方法；然后利用自然驾驶数据进行了高风险场景重构与加速测试实证分析，验证了方法的有效性。最后，通过二次开发将高风险场景重构与加速测试方法应用于智能汽车虚拟测试平台VTD系统中考研大数据，进一步验证了该方法的实用价值。

徐一鸣答辩时刻

齐骁的硕士学位论文针对混杂环境下智能汽车规划决策模型展开研究，首先基于有监督类深度学习方法，建立了混合交通流交叉口无保护相位左转运动规划决策Conv-LSTM模型，解决了长交互事件链中决策一致性问题；进一步基于无监督类深度学习方法考研大数据，提出一种结合约束策略的DDPG深度强化学习方法；最后利用仿真环境获取模型训练数据，搭建规划决策模型训练平台；通过模型计算结果和实际数据的对比，验证了模型的有效性。

齐骁答辩时刻

答辩委员会一致同意通过五位同学的硕士学位论文答辩，并一致建议授予硕士学位。祝16级TOPS课题组成员毕业快乐！常回家看看！