报告时间：2026年3月23日（星期一）15:00
报告地点：工程管理与智能制造研究中心825室
报 告 人：郑振杰 副教授
工作单位：南京大学
举办单位：汽车与交通工程学院
报告简介：
完整、准确的道路交通状态是智慧城市交通规划的基础。然而，受采集成本高、设备与通信故障及环境干扰等因素影响，交通数据难以长期稳定地保持高质量采集，数据缺失与测量误差在所难免。这些受损数据无法准确反映真实交通状况，易引发管理部门的信息误判与决策偏差，进而导致交通状态感知失真、需求预测失准、信号控制与调度策略失效。因此，面对数据缺失与测量误差的普遍存在，如何有效修复受损数据，进而准确感知完整可靠的道路交通状态，已成为当前亟待攻克的关键挑战。围绕随机数据缺失、完全数据缺失和测量误差等受损数据情形，构建了一套面向受损数据的交通状态感知方法体系。该体系将物理信息（如交通流基本图）与人工智能方法融合，在充分挖掘数据时空相关性的同时引入物理一致性约束，确保恢复结果与交通流理论相符，从而实现高精度、可解释且泛化性强的交通状态感知。在理论层面，申请人系统分析了受损数据的恢复机理，明确了不同受损情形下交通状态的可恢复性条件及性能上界，并阐明物理信息在提升恢复精度中的作用。
报告人简介：
郑振杰博士，南京大学工程管理学院副教授，本科和博士分别毕业于华中科技大学和清华大学。他的研究方向主要包括AI赋能的城市交通状态估计、物理信息引导的交通管控建模、低空交通系统的设计与运行机理探索、大语言模型视角下的城市智能管理体系构建。他的研究成果以第一/通讯作者身份在Transportation Science、Transportation Research Part C/ E、Accident Analysis & Prevention、IEEE Transactions on Intelligent Transportation Systems等国际权威期刊累计发表学术论文 12 篇。
