团队成员
 |  |
| 赵池航（负责人，教授，博导） | 沙月进（副教授，硕导） |
团队介绍
智慧交通全息感知系统研究团队由赵池航教授、沙月进副教授等研究人员组成，主要从事交通场景中人–车–路（环境）全息感知理论与技术的研究，主要研究方向与应用领域：1）构建基于车辆全息与OBU信息融合的智慧公路收费系统，为ETC门架智慧收费系统的发展提供新的解决方案和途径；2）构建基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统，为解决高速公路交通运行状态分析、交通安全风险与预警以及交通管理控制等方面的相关难题提供技术支撑；3）构建基于深度学习融合模型的公路路面病害识别技术体系，研发基于人工智能的公路路面病害感知与识别平台系统；4）基于数字图像的精确定位感知理论与技术研究。
研究方向及成果
（1）基于车辆全息与OBU信息融合的智慧收费系统关键技术研究。如何提高OBU交易成功率和完善ETC逃费稽查技术是目前高速公路智慧收费领域一项迫切需要解决的问题。本研究方向开展基于车辆全息与OBU信息融合的智慧收费系统关键技术研究，主要包括基于主成分分析法的ETC门架收费系统的优化方案、高速公路复杂场景中车辆全息感知理论与技术、基于特定特征稀疏编码模型的车辆信息检索方法、基于深度学习理论的车辆全息与OBU信息融合模型和智慧收费系统的软硬件系统测试等。本研究方向基于深度学习理论、信息融合技术和模式识别等人工智能新技术提出了一套系统的智慧收费系统新的解决方案和途径。
（2）基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统研发。随着我国对交通管理水平提升的迫切需要，尤其在隧道、立交出入口、桥梁以及事故多发特殊路段等复杂公路场景，都对车辆感知及风险行为识别提出了更高的要求，如何基于多传感器融合理论及人工智能技术的最新发展，研究车辆信息感知及风险行为识别技术是一项迫切需要解决的问题。本研究方向基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统，研究成果的实施可为解决高速公路运行状态分析、交通安全风险与预警以及交通管理控制等方面的相关难题提供技术支撑。
（3）构建基于深度学习融合模型的公路路面病害识别技术体系，研发基于人工智能的公路路面病害感知与识别平台系统。攻克了公路路面病害自动感知、识别等技术难题，创建了基于深度学习融合模型的路面病害识别技术体系，研发了基于人工智能的公路路面病害感知与识别平台系统（如图3所示），解决了海量路面图像数据人工识别处理劳动强度大、主观性强、漏检率高和微细裂纹识别率低等问题。宁洛、宁常和溧马等公路现场实验结果：在容错6.17%的条件下路面病害识别率达到99.42%，路面图像的识别时间优于0.7秒/幅，达到了国内与国际领先水平。由本研究团队牵头、国内7家单位参加撰写了《公路路面病害自动化识别技术标准》。
（4）基于数字图像的精确定位感知理论与技术研究。基于人工智能、模式识别等新理论与技术获取三维场景中的人-车-路（环境）的精确定位信息。
联系方式
办公地点：东南大学九龙湖校区31399金沙娱场城大楼1006室
联系方式：江苏省南京市江宁区东南大学路2号31399金沙娱场城，邮编：211189
Email：chihangzhao@seu.edu.cn
