交通科研团队与工程化交付体系。

团队研究方向覆盖 交通大数据分析、智能体仿真、复杂系统高效能计算、交通大模型与生成式人工智能，先后主持国家重点研发计划、国家自然科学基金杰青/优青/重点等国家级项目 10 余项。

交通学院。 东南大学交通运输工程学科连续三轮全国学科评估排名第一（A+），在交通规划、仿真建模、运营管理等领域具有深厚的学术积累，是国内交通领域科研与人才培养的制高点。

在国际学科排名方面，东南大学交通运输工程学科在 2021 年软科世界一流学科排名中位列全球第一，在 2024 年和 2025 年排名中均位列全球第四，近年来持续保持全球前列。

统计与数据科学学院。 为交通大数据建模与 AI 方法研究提供统计学理论支撑，刘志远教授同时担任该学院书记，直接推动统计方法与交通科学的交叉融合。

国家卓越工程师学院。 东南大学是首批国家卓越工程师学院试点牵头建设单位之一，围绕“数据赋能复杂智能化系统”方向开展订单式校企联合培养。学院打造统计、数据、AI 产学研融合生态圈，打通从基础研究到工程实践的人才培养链条，为 TASP 的持续迭代提供稳定的高端工程人才储备。

论文

团队在 Nature Sustainability、Transportation Research Part 系列（Part A/B/C/D/E）、IEEE Transactions on Knowledge and Data Engineering（TKDE） 等国际顶级期刊累计发表 SCI/SSCI 论文 200 余篇，其中 ESI 高被引论文 10 篇，论文总被引超过 9,000 次。

核心成员自 2021 年起连续 4 年入选 “爱思唯尔中国高被引学者” 与 “全球前 2% 顶尖科学家” 年度榜单。团队担任 Transportation Research Part C、Transportation Research Part E、IEEE Intelligent Transportation System Magazine 等知名 SCI 期刊副主编。

[预留] 代表作列表（标题、期刊、年份、链接）

专利

团队在交通大数据处理、仿真算法优化、AI 模型训练与推理等方向积累了多项发明专利，覆盖 TASP 与 TRIP 的核心技术环节。

[预留] 专利清单（名称、专利号、授权日期）

奖项

• 2019 年：团队获得 IJCAI 对抗算法竞赛冠军；在 KDD CUP 机器学习常规赛道中获得 Task 2 亚军和 Task 1 第四名。相关赛事报道
• 2020 年：团队获得 KDD CUP 强化学习赛道 Vehicle Repositioning Task 冠军，并在 NeurIPS 相关竞赛中获得第二名。相关成果介绍
• 2023 年：“大城市多模式交通系统供需平衡计算与主动调控关键技术及应用”获江苏省科学技术奖一等奖，刘志远教授排名第 2。获奖信息
• 2024 年：“公路交通跨平台宏微观一体化精准服务关键技术及应用”获中国公路学会科学技术奖一等奖，刘志远教授排名第 1；“智慧高速公路系统宏微观一体化仿真关键技术及应用”获中国智能交通协会科学技术奖一等奖，刘志远教授排名第 1。中国公路学会获奖信息、中国智能交通协会获奖信息
• 2025 年：团队成果获教育部优秀科研成果奖（工程技术）一等奖，刘志远教授排名第 1、黄迪副教授排名第 4。获奖信息

此外，团队相关研究成果获华为难题揭榜“火花奖”2 项。自 2016 年以来，团队累计获得 20 余项国内外大数据与人工智能算法竞赛冠亚军。

[预留] 奖项完整列表（含年份、赛事名称、排名）

行业标准

• 2022 年：主编中国智能交通产业联盟（C-ITS）《基于人工智能的智慧公路应用技术》白皮书
• 2025 年：由中国公路学会与东南大学牵头，联合清华大学、同济大学等 16 所高校及华为、百度等 10 余家龙头企业，主编《公路行业人工智能技术发展路线图》，形成“基础研究—应用开发—产业实践”的交叉融合阵列。

教材

主编国内首部交通大数据基础教材《交通大数据：理论与方法》（双语出版），累计销售 42,000 册，被 41 所高校指定使用，入选江苏省“十四五”高等教育规划教材。同系列还包括《基于手机大数据的交通规划方法与应用》《交通大数据：存储与计算》，累计配套开源实操代码 3 万余行，形成活跃的开源学习社区。

主线一：交通大数据方法体系

融合 GPS 轨迹、手机信令、ETC 门架、雷达等多源异构数据，攻克多模式链式出行的动态识别与交通需求精准预测，实现大规模城市出行时空全量感知与运行态势研判。

核心技术包括：

• 高速公路综合交通态势预测。 基于改进 LSTM 网络，融合结构化摄像机、雷达、手机信令等多维运行数据，建立涵盖节假日、平峰高峰、周月日等跨时间尺度的交通运行态势判别与预测模型。
• 基于增量学习的 OD 预测。 引入双重增量学习机制，通过相似性与异质性数据回放策略和教师进化知识蒸馏正则化机制，有效抑制增量学习中的灾难性遗忘问题；结合“同源、同向、同表现”三类交通邻居关系建模与异构注意力机制，相比主流基线方法实现近 20% 的性能提升。
• 基于大模型的时序预测。 将大语言模型的语义解析能力与小模型的结构化数据建模能力融合，应用于交通事故影响时长分类等少样本复杂场景，实现多模态数据下的精准预测与智能推理。
• 智能化管控与评价。 基于深度强化学习和 MPC（模型预测控制），面向常态化拥堵与突发事故事件，实现可变限速、车道管控、应急车道控制等车道级管控策略的自动优化与推送，建立区域级—通道级—车道级的多层级主动管控体系及安全、畅通、低碳多维度评价体系。

主线二：TASP 仿真平台

TASP 是基于开源仿真工具进行深度二次开发的新一代交通仿真 4.0 工具，累计编写超 5 万行代码，嵌合 20 余个自主研发功能模块，融合强化学习、SBO 等前沿 AI 算法，实现参数自动化校准、车辆智能体交互和多线程并行计算。已通过 CNAS 认证，被浙江省人民政府办公厅 2024 年 1 号文件列为自动驾驶仿真测试支撑平台。

已在 杭州、雄安等 20 余个城市落地应用，典型项目包括：

• 沪杭甬 / 杭徽高速实时在线数字孪生系统。 基于 ETC 门架、雷达、导航等多源数据融合，构建 Kafka-MySQL-Flink 实时数据处理架构，实现历史推演、实时仿真与未来预测三位一体的数字孪生能力。支持大流量、施工、事故等多场景的管控方案仿真比选与三维可视化呈现，辅助管理人员进行事前主动管控决策。其中，沪杭甬高速相关预测模型对未来 5 分钟交通量的预测准确率最高达 91.5%，平均速度预测误差小于 2.9 km/h；对未来 120 分钟交通量的预测准确率约为 80%，平均速度预测误差小于 5.1 km/h。配套交通监测、预警与管控应用后，道路车辆平均速度提升 8%，道路通行能力提升 20%。应用数据来源
• 无锡蠡湖大桥改扩建方案评估。 针对单通道与双通道两种改造方案，构建精细化仿真路网，从关键路段运行效率、交通安全、通行能力等维度进行多指标量化比选，为工程决策提供仿真依据。
• 高速公路改扩建智能组织管控平台（金华 / 绍兴）。 以“一屏、两端、三保、四方、五应用”为整体框架，覆盖施工在线审批、现场安全预警、路网流量实时监测与分级管控预警、联勤联动协同、交通组织 3D 演示等全流程，实现建管养一体化的数字化管控。

主线三：TRIP 大模型交互式平台

自主研发的交通领域大模型 TRIP，具备 六大核心功能模块，面向交通规划、运营管理、应急决策等场景提供智能分析与交互能力。平台以开源共享社区模式运营，支持开发者基于 TRIP 进行二次开发与领域适配。

[预留] TRIP 详细能力描述、更多落地城市与案例摘要

团队核心成员具有多年 ToB 软件服务深度经验，在数字政府、数字交通、智慧城市等行业积累了丰富的开发与项目交付实践，能够将前沿学术成果转化为稳定、可交付的软件产品。公司依托东南大学交通学院与卓越工程师学院，以 “科研可信内核 + 产品化交付闭环” 为模式，面向高速公路运营管理单位、行业集成商与科研机构提供可落地的解决方案。

[预留] 资质证书、软著清单、公司详细地址与联系方式